Bir ekip, angarya işleri azaltmayı ve karar alma süreçlerini hızlandırmayı umarak güçlü bir yapay zekâ aracı kullanıma sunar.
Altı ay sonra mı? Kullanım durmuş, güven düşük ve anlamlı hiçbir şey değişmemiştir.
Bu hikâye nadir değil. İK liderleri ve dönüşüm danışmanlarıyla yapılan görüşmelerde mesaj açık ve net: Yapay zekâ modeller zayıf olduğu için başarısız olmaz. İşletim modeliniz bunu kaldıramadığı için başarısız olur.
Yapay zekâ karmaşıklığı ortadan kaldırmaz. Yapay zekâ, karmaşıklığı iş akışlarınıza, karar yetkilerinize, yönetişim yapılarınıza ve kültürünüze taşır. Sistemleriniz buna ayak uyduramazsa hiçbir araç sizi kurtaramaz.
Aşağıda, liderlerin yapay zekânın potansiyeli ile kuruluşların gerçekte nasıl işlediği arasında gördüğü en büyük beş kopukluk ve tekrar tekrar başvurdukları çözümler yer alıyor.
Liderlerin beklediği vaat ve bunun neden sürekli bozulduğu
Çoğu yapay zekâ programı aynı varsayımlarla başlar:
- Yapay zekâ, asgari kurulumla “öylece çalışacak”
- Çıktı hızı, karar alma hızına eşit olacak
- Araçlar mevcutsa benimseme doğal olarak gerçekleşecek
- Verimlilik kazanımları birikerek stratejik avantaja dönüşecek
Ancak erişilebilirlik entegrasyon değildir ve çıktı da değer değildir. Sürtüşme, kuruluşların en az beklediği noktalarda ortaya çıkar: bağlam, yönetişim, izin ve insan dinamikleri.
Liderlerin yakından gördüğü 5 kopukluk
1) Yapay zekâ bağlamınızı bilmiyor ve çoğu kuruluş da bağlam oluşturmuyor
Aman Bandvi adlı Yapay Zekâ Liderliği Stratejisti’nin açıkladığı gibi, “Bir LLM bir strateji taslağı hazırlayabilir, ancak ‘Project Phoenix’in iki yıl önce feci şekilde başarısız olduğunu ve kültürel bir tabu olduğunu bilmez.” Ayrıca yapay zekâ tarafından oluşturulan bir fikir kâğıt üzerinde doğru görünse bile bağlam açısından tamamen yanlış olabilir.
Yapay zekâ modelleri geniş genel bilgiye sahiptir, ancak sizin belirli iş bağlamınızı, kültürünüzü veya müşterinizin dile getirmediği ihtiyaçlarını doğuştan anlama yeteneğine sahip değildir.
Gerçek hayatta nasıl görünüyor?
- Çıktılar akıllıca geliyor, ancak kültürel nüansları, politikaları veya geçmişi gözden kaçırıyor.
- Paylaşılan bir sınırlar bütünü olmadığı için insanlar yapay zekâ çıktılarını tartışarak zaman ve emek harcıyor.
Have an account? Log In
Liderler bunun yerine ne yapıyor?
Bandvi’nin çözümü “daha iyi istemler” değil. Çözüm, yapay zekânın etrafında açık ve net bir bağlam katmanı oluşturmak.
Sırada bunu yapın
Liderlerin her çalışanın uymasını istediği 10 kuralı yazın (ödünleşimler, öncelikler, risk toleransı). Bunlar “anayasanızın” ilk taslağı olur.
Aman'ın İpucu
Benim ‘Şirket Anayasası’ olarak adlandırdığım şeyi uyguluyoruz. Bu, kuruluşun kendine özgü etik ilkelerini, stratejik sınırlarını, geçmişteki başarısızlıklarını ve marka sesini kaydeden yaşayan bir belgedir.
2) Kuruluşlar, “ham maddelerini” düzeltmeden dönüşüm bekliyor
Görüşmeler boyunca liderler, pek de gösterişli olmayan bir gerçeğe dönüp duruyor: Yapay zekâ zaten sahip olduğunuz şeyleri güçlendirir—belgelerinizin kalitesini, bilgi düzeninizi ve süreçlerinizin netliğini.
Yetenek geliştirme uzmanı Francesca Ranieri, yapay zekâ kullanıma sunma süreçlerinin, kuruluşların onlarca yıldır yaşadığı aynı başarısızlık kalıplarını tekrarladığına dikkat çekiyor.
Bu örüntüyü daha önce gördük: dönüşüm vadeden ancak kötü veri hijyeni, bozuk veya eksik süreçler, zayıf kültür ve belirsiz strateji nedeniyle çöken CRM ve HCM uygulamaları.
İşin şaşırtıcı yanı, yapay zekânın bu temel sorunların üstesinden sihirli bir şekilde gelememesidir.
Gerçek hayatta nasıl görünüyor?
- İç bilgi dağınık olduğu için yapay zekâ çıktıları genel ve yüzeysel görünüyor.
- Ekipler yanıtlara güvenmiyor, bu nedenle araçlar terk ediliyor.
Liderler bunun yerine ne yapıyor?
Ranieri'nin vurgusu operasyonel: teknolojiyle başlayıp sonuçlar ve kısıtlar yerine teknolojiye odaklanırsanız, zayıf sonuçlar beklemelisiniz.
Sırada bunu yapın
Örneğin yapay zekâ destekli performans değerlendirmeleri gibi kritik bir İK iş akışı seçin ve bunu bir ürün gibi belgeleyin: sahiplik, sürüm oluşturma, güncelleme sıklığı ve örnekler.
3) Yapay zekâ üretimi hızlandırıyor; kuruluşlar bunu yönetişim ve karar alma hızıyla karşılayamıyor
Yapay zekâ "çalışıyor" olsa bile inceleme ve hesap verebilirlik açısından yeni darboğazlar yaratıyor.
Bandvi, operasyonel uyumsuzluğu şöyle açıklıyor:
Yapay zekâ çıktıyı ışık hızında üretebilir, ancak kuruluşlar bu çıktıyı aynı hızla doğrulamak, onaylamak ve hayata geçirmek için buna paralel bir yönetişim yapısından yoksundur.
Uygulamada bu boşluk, öngörülebilir başarısızlık biçimleri yaratıyor: “Bu, yeni bir darboğaz oluşturur ve ya pervasızca uygulamaya alma ya da analiz felcine yol açabilir.”
Gerçek hayatta nasıl görünüyor?
- Daha hızlı taslaklar, daha fazla seçenek, daha fazla içgörü… ancak daha hızlı uygulama yok.
- Liderler çıktıların altında eziliyor ve önemli sinyalleri kaçırıyor.
Liderler bunun yerine ne yapıyor?
Çözüm, sürtüşmeyi ortadan kaldırmak değil, onu tasarlamaktır. Bandvi şöyle diyor: “Tüm sürtüşmeyi ortadan kaldırmaya çalışmak yerine stratejik sürtüşme tasarlarız. Bu, yapay zekâ destekli iş akışlarına zorunlu insan kontrol noktaları eklemek anlamına gelir.”
Ayrıca uygulayabileceğiniz pratik örnekler de veriyor:
Aman'ın İpucu
Şüpheci biri gibi davranın. Bu stratejiyi eleştirin ve en önemli 3 potansiyel başarısızlık biçimini listeleyin. Müşteri verilerine dokunan, finansal tavsiyede bulunan veya kamuya yönelik mesajlar içeren her türlü yapay zekâ çıktısı, bir insanın gözetiminde hazırlanan tanımlı bir etik kontrol listesinden geçmelidir.
Sırada bunu yapın
Basit bir yapay zekâ risk basamağı oluşturun (düşük/orta/yüksek). İnsan onayı gerektiren unsurları ve basit bir incelemeyle yayımlanabilecek unsurları tanımlayın.
4) Asıl benimseme açığı araçlara erişim değil; izin, güven ve kimliktir
En dikkat çekici örüntülerden biri şu: Kuruluşlar yapay zekâ satın alıyor, ancak çalışanlar ne zaman kullanmalarına izin verildiğini bilmedikleri veya kullanmanın kendileri hakkında ne ifade edeceğinden korktukları için hâlâ tereddüt ediyor.
Yapay zekâ eğitmeni Miriam Gilbert, liderlerin bunu sistemler ve duygularla ilgili bir sorun yerine beceri sorunu olarak ele alması durumunda benimsemenin sekteye uğradığını savunuyor.
Yapay zekânın benimsenmesi, daha fazla baskı veya teknik eğitimle hızlandırılamaz. İnsanların yapay zekâyla güçlendirilmiş bir sistemde kendilerini güvende ve değerli hissetmeleri için gereken duygusal koşulların geliştirilmesi gerekir.
Ekiplerin içinde bunun nasıl göründüğünü şöyle açıklıyor: "Bazıları kendini tehdit altında hissetti, diğerleri ise katkılarının hâlâ ne ölçüde önemli olduğunu bilmiyordu."
Gerçek hayatta nasıl görünüyor?
- Yapay zekâ araçlarının sessizce kullanılmaması: lisanslar mevcut, iş akışları değişmiyor.
- İnsanlar, inceleme veya riskten kaçınmak için varsayılan olarak “her zamanki gibi iş yapma” yaklaşımını sürdürüyor.
Liderler bunun yerine ne yapıyor?
Çözüm, izin verme yaklaşımını pratik bir yeniden tasarımla birleştirmekte yatıyor. Gilbert, liderler duygusal gerçekliği görünür kıldığında “yapay zekânın temel işleri yapabilmesini sağlamak için çeşitli iş akışlarının yeniden tasarlandığını” belirtiyor.
Şimdi bunu yapın
Üç cümlelik bir izin verme bildirimi yazın:
- Yapay zekâ hangi amaçlarla kullanılmaya teşvik ediliyor?
- Hangi konularda dikkatli olunması ve inceleme yapılması gerekiyor?
- Hangi konular kapsam dışında?
Ardından bunu yayımlayın, öğretin ve uygulamalarınızla gösterin.
5) Ekiplerin çoğu yapay zekâyı işi değiştirmek için değil, aynı işi daha hızlı yapmak için kullanıyor
Sık karşılaşılan bir hayal kırıklığı var: Liderler “benimsemeyi” kullanım, çıktılar ve denemeler üzerinden ölçüyor, ardından iş etkisinin neden ortaya çıkmadığını merak ediyor.
Gilbert bu tuzağı doğrudan ifade ediyor: "Kuruluşlar genellikle yapay zekâyı mevcut makinenin daha hızlı çalışmasını sağlayan bir araç olarak görüyor." Başarılı yapay zekâ uygulaması için kurumsal dönüşümü anlamak kritik önem taşıyor.
Ancak özellikle başarı ölçütleri faaliyeti ödüllendiriyorsa, yeniden tasarım olmadan yalnızca hız kazanmak avantaj yaratmaz. “Oturum açma sayılarını ölçmek veya çıktıları saymak, temel işleyişi değiştirmeden ilerleme yanılsaması yaratıyor,” diyor.
Daha kapsamlı çözüm, hedefi benimsemeden sonuçlara kaydırmaktır. Gilbert bunu şöyle ifade ediyor: "Önemli olan, yapay zekânın değerin nasıl yaratıldığını, ekiplerin nasıl uyumlandığını ve baskı altında kararların nasıl alındığını yeniden tanımlamak için kullanılıp kullanılmadığıdır."
DisruptHR Kurucusu Jennifer McClure da aynı örüntüyü başka bir açıdan pekiştiriyor:
Birçok kuruluş yapay zekâyı dönüşüm için bir katalizör olarak değil, öncelikle verimlilik sağlayan bir araç olarak görüyor.
Gerçek hayatta nasıl görünüyor?
- Daha fazla içerik, daha fazla gösterge paneli, daha fazla özet. Ancak daha iyi bir uyum yok.
- “Yapay zekâ gösterisi”: sonuçları değiştirmeyen pilot çalışmalar.
Liderler bunun yerine ne yapıyor?
- Önce rolleri, iş devirlerini ve kararları da kapsayacak şekilde iş akışlarını yeniden tasarlıyor, ardından yapay zekâyı entegre ediyorlar.
- Sonuçları ölçüyorlar: karar kalitesi, çevrim süresi, uyum ve sunulan değer.
Şimdi bunu yapın
Şunu sormayı bırakın: “Yapay zekâyı nerede kullanabiliriz?”
Bunun yerine şunu sormaya başlayın: “Kararlar nerede tıkanıyor?”
More Articles
Tutarlı oyun planı: Yapay Zekâ Gerçeklik Yığını
Her görüşmede aynı örüntü ortaya çıktı. Yapay zekâdan gerçekten yatırım getirisi elde eden kuruluşlar işe araçlarla başlamıyor. İşe operasyon modelini tasarlayarak başlıyorlar.
İşte tekrar tekrar başvurdukları beş katmanlı yığın:
- Bağlam Katmanı - Yolun kurallarını belgeleyin: marka dili, kesinlikle kabul edilemeyecekler ve geçmişteki başarısızlıklar.
- İş Akışı Katmanı - İşin gerçekte nasıl göründüğünü haritalayın, ardından rolleri, devir süreçlerini ve araçları yeniden tasarlayın.
- Yönetişim Katmanı - Akıllı sürtünme oluşturun: onaylar, etik kontrol listeleri ve risk basamakları.
- İnsan Katmanı - Korku ve güveni ele alın. Yapay zekâ kullanımını güvenli, teşvik edilen ve kimliği destekleyen bir hâle getirin.
- Ölçüm Katmanı - Oturum açma sayılarını saymayı bırakın. Karar kalitesini, döngü süresini ve gerçek iş etkisini takip edin.
Yığını atlayıp doğrudan araçlara geçerseniz yapay zekânın benimsenmesi istikrarsız hâle gelir: Ya güven eksikliği nedeniyle sönümlenir ya da yönetişim olmadan çıktıyı artırarak riski hızlandırır.
Bu, İK ve İnsan Operasyonları için ne anlama geliyor?
İK, yapay zekâyı "başkasının dönüşümü" olarak göremez. Bu görüşmeler, İnsan Operasyonlarının giderek gölge yapay zekâ yönetişimi zorluklarını yöneten bir sistem ekibi gibi işlev göreceğini gösteriyor:
- güvenli ve etkili kullanım normlarını tanımlamak
- kritik iş akışlarını yeniden tasarlamak (performans, işe alım, yetkinleştirme, kurum içi iletişim)
- sadece araçları değil, okuryazarlığı da geliştirmek
- güvenden ödün vermeden hızı destekleyen sınırlar belirlemek
İş yerinde yapay zekâ daha fazla uygulamayı devraldıkça, insan muhakemesi daha az değil, daha değerli hâle geliyor.
Yapay zekâ liderliğin yerini almaz, her şeyi açığa çıkarır
Yapay zekâ kuruluşları sihirli bir şekilde yüksek performanslı hâle getirmez. Operasyon modelinizin netlik, güven ve hızlı öğrenme için tasarlanıp tasarlanmadığını ortaya çıkarır.
Kazanan liderler en gösterişli araçlara sahip olanlar olmayacak. İşi yeniden tasarlayan ve ölçeklenebilir bir yönetişim oluşturan, ayrıca yapay zekâyı bir yenilik olmaktan çıkarıp bir yetkinliğe dönüştüren izin yapıları kuranlar olacak.
Sırada ne var?
Yapay zekânın benimsenmesine liderlik ediyor ve araçlarla güven, çıktıyla etki arasındaki kopukluğu hissediyorsanız yalnız değilsiniz.
People Managing People topluluğu, yapay zekânın gerçekten neleri mümkün kılabileceğini yeniden düşünen İK ve İnsan Operasyonları liderlerini bir araya getiriyor: daha iyi iş akışları, daha akıllı kararlar ve daha güçlü kültürler.
Gerçek dünyada uygulanmış haftalık çerçeveler, oyun planları ve gerçekten ölçeklenebilen kanıtlanmış stratejiler için bize katılın.
