Yapay Zekâ Eğitimi Talebiniz Bir Teşhis Sorunudur

Bir yönetici, etkinleştirme direktörünün kapısını çalar. Mesaj her zaman “ekibim yeni araçları umduğum gibi benimsemiyor, bu yüzden bunu düzeltmek için daha fazla eğitime ihtiyacımız var” ifadesinin bir versiyonudur.

Markus McKay-Fleisch, yetişkin eğitimi alanında yirmi yıl geçirdi ve son iki yılını özellikle Smartsheet'te AI benimsemeye odakladı; burada profesyonel hizmetler için AI etkinleştirmesini yönetiyor.

Yakın zamanda AI4'te konuşan McKay-Fleisch, bu talebin kendisine gelen en yaygın ve yanlış yorumlanma ihtimali en yüksek talep olduğunu belirtti. Yanıtı bir kurs kataloğu sunmak yerine bir soru sormak oluyor: hangi sonuca ulaşmaya çalışıyorsunuz?

Eğitim talebi bir semptomdur. Zaten bir teşhis taşıyarak gelir ve bu teşhis genellikle yanlıştır.

İpucu, etkinleştirme ekiplerinin zaten sahip olduğu verilerde gizlidir. Tamamlama oranları, çoğu zaman eğitim zorunlu olduğu için yüksek görünür. Kullanım ise farklı bir hikâye anlatır.

Bazı kuruluşlarda insanlar araçlara neredeyse hiç dokunmaz. Diğerlerinde ise onlara sürekli dokunur, varsayılan olarak mevcut en pahalı modelleri kullanır ve finans ekibi, tüketimi yeniden düşürecek bir eğitim talebiyle ortaya çıkar. Her iki örüntü de aynı talebi doğurur. Bunların hiçbiri bir bilgi sorunu değildir.

Olumlu örnekler var, ancak bunlar genellikle birbirinden kopuk. Kendi iş akışlarını yeniden oluşturan ve gerçekten dönüştürücü sonuçlar elde eden insanlar mı? Çoğu zaman bu bilgi, oluşturulduğu yerde kalıyor ve yayılmıyor.

Eğitim Ulaşıyor, Ancak İşe Yaramıyor

Centiment tarafından ABD, Birleşik Krallık, Kanada, Fransa, Almanya ve İtalya'da 2.000 katılımcıyla yürütülen Docebo'nun 2026 AI Hazırlık Açığı raporu, çalışanların %85'inin aldıkları eğitimin görevlerinde AI kullanmalarına yardımcı olmadığını söylediğini ortaya koydu. 

Docebo öğrenme yazılımı satıyor; bulgunun işaret ettiği yön düşünüldüğünde bunu belirtmekte fayda var. Ancak bu tartışma açısından, bu oranın doğru olduğunu varsayalım; çünkü McKay-Fleisch'in konuşmasında salondaki havaya bakılırsa, bunun gerçeklikten çok da uzak olduğunu söyleyemem.

Bu katılımcıların beşte biri hiç AI eğitimi almamıştı; bu da %85'lik kesimin bir bölümünün başarısızlığı değil, yokluğu tanımladığı anlamına geliyor. Bu grubu bir kenara bıraktığımızda bile sayı, bir eğitime katıldığı hâlde onu uygulayamayacak durumda ayrılan çalışanların hâlâ çoğunlukta olduğunu gösteriyor.

Anketin diğer tarafındaki rakam daha açıklayıcı. Öğrenme liderlerinin %79'u içerik üretimi gibi görevlerde AI kullandığını bildiriyor. Yalnızca %9'u kuruluşlarının AI'ı bir iş akışını yeniden tanımlamak için kullandığını söylüyor.

Öğrenme işlevleri, AI'ı bir üretim hızlandırıcısı olarak benimsedi. Aynı kursları daha hızlı hazırlıyorlar. İşin kendisinin nasıl yapıldığını yeniden düşünme çalışması neredeyse tamamen yapılmamış durumda; bu da kursların neden işe yaramadığını makul biçimde açıklıyor.

Dil Arayüzdür

Otuz yıl boyunca kurumsal eğitim büyük ölçüde platform bilgisini çözmek amacıyla var oldu. Yazılım tedarikçileri düğmelerin yerini değiştirdi, özellikler ekledi, gezinme düzenini değiştirdi ve birilerinin insanlara işlevlerin nerede olduğunu öğretmesi gerekti. Bunu tek başına Microsoft'un oluşturduğu küçük bir sektör vardı.

Üretken AI, müfredatın büyük bölümünü haklı çıkaran engeli ortadan kaldırdı. Arayüz dildir. Kullanıcı istediği sonucu tanımlar ve sistem adımları oluşturur. Etkinleştirmenin omurgasını oluşturan “nasıl yaparım?” sorusu artık doğrudan aracın kendisine, uygulamanın içinde veya herkese açık yardım belgelerine yönlendirilmiş genel amaçlı bir model aracılığıyla sorulabilir.

McKay-Fleisch'in yorumuna göre geriye gerçek engel olarak kurumsal anlayış ve insani muhakeme kalıyor.

Kurumsal anlayış sorunu, kendi şirketinin kullanım verilerinde açıkça görülüyor. Smartsheet'in Claude Projects verilerini inceleyen McKay-Fleisch, finans, müşteri desteği, satış ve İK ekiplerindeki çalışanlar tarafından oluşturulmuş, tümü marka kimliğine uygun materyaller üretmeye çalışan elliden fazla ayrı proje saydı. Sunumlar, tanıtım materyalleri ve benzerleri.

Dikkat çekici olan, bu projelerin hiçbirinin pazarlama ekibinden gelmemiş olması. Markanın sahibi olan işlev hiçbir şey oluşturmamıştı ve onun etrafındaki sorunları çözen elliden fazla kişi bunu sormayı akıl etmemişti.

Bu çalışanların her biri gerçek bir sorun belirledi ve bunu çözmek için yetkin bir araç kullandı. Ancak hiçbiri, sorunun başkasının alanında yer aldığını; uzmanlığın, kaynak materyallerin ve zaman içinde bu şeyi sürdürme becerisinin zaten orada bulunduğunu fark etmedi. Bu, komut yazma yetersizliği değildir. Daha iyi talimatlar yazma üzerine hiçbir kurs, sahibini bulup ona gitme içgüdüsünü kazandırmaz.

İnsani muhakeme daha geniş bir kategoridir ve McKay-Fleisch bunu çoğu kuruluşun şu anda yaşadığı en belirgin başarısızlık biçimine indirger. Buna “özensiz içerik topu” adını verir. İnsanlar neredeyse sıfır maliyetle çıktı üretir ve bunları incelemeden gönderir; bu da değerlendirme işini onu alan kişiye yükler.

BetterUp Labs ve Stanford Sosyal Medya Laboratuvarı, geçen Eylül ayında Harvard Business Review'da yayımlanan araştırmada bu aktarımı sayılarla ortaya koydu. Çalışanların yüzde 40'ı, araştırmacıların önceki ay aldıkları “iş savsaklaması” olarak tanımladığı içerikle karşılaştığını bildirdi. Her olay, alıcının yaklaşık iki saatini tüketti ve araştırmacılar bu sürenin çalışan başına aylık yaklaşık $186 değerinde olduğunu hesapladı.

İnceleme adımı ortadan kalkmadı. Bu adım, onu seçmemiş, ilk amacı göremeyen ve geri gönderme imkânı olmayan birine aktarıldı.

Yeniden Tasarım ve Dönüşüm Farklı Bütçelerdir

McKay-Fleisch, çoğu yetkinleştirme bütçesinin göz ardı ettiği bir ayrım yapıyor. İş akışı yeniden tasarımı, bir sonuca nasıl ulaşacağınızı belirler. AI dönüşümü ise bunun çevresinde değişmesi gereken her şeyi kapsar; yani kurumsal yapıları, rolleri ve insanların bu rolleri üstlenmek için ihtiyaç duyduğu becerileri.

Çoğu AI yetkinleştirme çalışması, ikisi de değilmiş gibi finanse ediliyor. Bu çalışmalar, artık var olmayan bir engel için doğru yanıt olan araç eğitimleri olarak finanse ediliyor.

Bu yılın 23 Şubat ile 18 Mart tarihleri arasında gerçekleştirilen ve on sektörden 950 iş lideri ile özel sermaye şirketlerini kapsayan Grant Thornton'ın 2026 AI Etki Araştırması, liderlerin yalnızca %12'sinin iş gücünü AI için tamamen hazır gördüğünü ortaya koydu. Başka bir %81'lik kesim oldukça veya büyük ölçüde hazır kategorilerinde yer alırken, %97'si bir tür benimseme zorluğu olduğunu kabul ediyor.  

Bu liderlere AI girişimlerinin neden beklenen performansı göstermediği sorulduğunda, %46 ile ilk sıraya yönetişim ve uyum sorunlarını koydular. Yetersiz eğitim, %31 ile ikinci sırada yer aldı. Yaklaşık %34'ü eğitimi, kuruluşun en az finanse edilen yatırım alanı olarak gösteriyor.

Dolayısıyla yöneticilerin geniş ölçekte ulaştığı teşhis, yetkinleştirme direktörünün kapısına gelen teşhisin aynısı: Yeterli eğitim yok. Daha fazla eğitim finanse edin.

Grant Thornton'ın bu konudaki kendi değerlendirmesi akılda tutulmaya değer. Farkındalık eğitimi, yetkinlikten ziyade aşinalık sağlar. Aşinalık, çoğu AI müfredatının sunmak üzere tasarlandığı şeydir ve Docebo'nun araştırmaya katılan çalışanlarının %85'i eğitimin işi yapmalarına yardımcı olmadığını söylerken tam olarak bunu tarif ediyor. Para bir yerlere gidiyor. Eğitimi onaylayan kişiler açısından en az yapısal değişiklik gerektiren müdahaleye gidiyor.

Docebo'nun %9'luk oranı da aynı bulguyu diğer yönden gösteriyor. Öğrenme işlevleri, içerik oluşturmak için AI'ı hevesle benimsemiş, ancak işin yeniden tasarımına neredeyse hiç dokunmamış durumda. Bunu, her iki bütçenin de yeniden tasarım tarafında hiçbir şeye harcanmaması olarak yorumlardım.

Talebin Anlamını Gösteren Dört Şey

Bir lider eğitim istediğinde, genellikle bunun altında dört koşuldan biri yatar. Her koşulun onu belirleyen bir işareti ve kurs olmayan bir karşılığı vardır.

Sonuç hiçbir zaman tanımlanmadı

İşaret, liderin başarının neye benzediği sorusunu faaliyetleri tanımlamadan yanıtlayamamasıdır. Kullanım artıyor ya da azalıyor, ancak hiç kimse ekibin eskiden yapamadığı hangi şeyi yapabilmesi gerektiğini söyleyemiyor. İnsanlar belirli bir hedef olmadan denemeler yapıyor ve bu denemeler benimseme başarısızlığı olarak görülüyor.

Müdahale, liderle birlikte tek bir ölçülebilir sonuç tanımlamak ve ardından geriye doğru ilerleyerek bu sonuca hizmet eden yetkinliği belirlemek için yapılacak bir çalışma oturumudur.

İş akışı hiçbir zaman yeniden tasarlanmadı

İşaret, AI'ın, AI'ın ortadan kaldırdığı bir kısıt etrafında oluşturulmuş bir sürece sonradan eklenmiş olmasıdır. Eskiden taslak hazırlamanın aldığı süreye göre boyutlandırılmış onay zincirleri. İki kişinin farklı araçlara sahip olması nedeniyle var olan devirler. Model hatası kalıpları yerine insan hatası kalıplarına göre ayarlanmış inceleme döngüleri.

İnsanlar, kendilerini AI'ın yarattığı hız nedeniyle cezalandıran bir süreç içinde aracı kullanıyor. Müdahale, iş akışının sahibi olan işlevle birlikte süreç haritalaması yapmaktır ve bunu tek başına sizin yetkinleştirme işleviniz gerçekleştiremez.

Uzmanlık mevcut ve atıl durumda

Göstergenin anlamı, aynı araçları kullanan aynı ekip içinde performansın geniş bir aralıkta değişmesidir. Yetkin kullanıcılar sorunu zaten çözmüştür. Çözümleri kişisel proje dosyalarında ve tarayıcı sekmelerinde durur.

Müdahale, McKay-Fleisch'in ifade ettiği üzere, bunu zaten çözmüş kişilere daha fazla oturum düzenlemek yerine yetkin kullanıcıların bilgisini doğrudan hangi yetkinleştirme çıktısı üretiliyorsa onun içine yerleştirmek; bu bilgiyi çıkarmak ve dağıtmaktır.

İnceleme disiplini çöktü

Göstergenin anlamı, çıktı kalitesine ilişkin şikâyetlerin üreticilerden değil alıcılardan geldiği “iş döküntüsü” örüntüsüdür. Üretici ekibin ölçümleri mükemmel görünür. Hacim artmış, çevrim süresi azalmış ve maliyet bir sonraki masaya aktarılmıştır.

Müdahale, bir iş ilerlemeden önce neyin inceleneceğine ilişkin, yöneticiler tarafından uygulanan bir standarttır; buna, yüksek hacimli üreticilere rakamlarının kısmen başkasının sorunu olduğunu söylemenin rahatsız edici işi de dahildir.

Bu dört durumun hiçbiri bir müfredatla çözülemez. Bunlardan üçü, tek başına yetkinleştirmenin sahiplenmesi gereken sorunlar değildir; tam da bu nedenle sürekli olarak yetkinleştirmenin kapısına gelirler.

Aynı İstem, İki Yanıt ve Bir Eğitim Programının Düzeltemeyeceği Sorun

Tüm bunların altında, çoğu insan liderinin görmezden gelmesi teşvik edilen teknik bir katman vardır ve bunu görmezden gelmek kötü yetkinleştirme üretir.

Çalışanlar yapay zekâyla birden fazla yüzeyde karşılaşır. Bir uygulamanın içine yerleştirilmiş, o platformun belgeleriyle eğitilmiş ve kullanıcının gerçek verileri içinde çalışan asistan vardır. 

Bir de genel amaçlı model vardır; bu model bir bağlantı protokolü aracılığıyla aynı platforma ulaşır. McKay-Fleisch'in örneği, portföy ve sorumluya göre gruplandırılmış, hangi projelerin planlandığı gibi ilerlediğini, risk altında olduğunu veya geciktiğini gösteren bir gösterge tablosu oluşturma isteğidir.

Onun görüşüne göre, kullanıcı bunu nerede yazarsa yazsın sonuç aynı olmalıdır. Pek çok platformda şu anda durum böyle değildir.

Bu fark sistem mimarisiyle ilgilidir ve istem eğitimi bunu kapatamaz. Yetkinleştirmenin yapabileceği şey, hangi yüzeyin hangi sonucu ürettiğini bilmek ve insanlara açıkça şunu söylemektir: Bu görev için buraya gidin. 

Bunu atlayıp çalışanlara araçların güvenilmez olduğunu öğretirseniz, onlar da bunu genelleyerek uygulayacak ve müfredattaki her şeyden daha uzun süre hatırlayacaktır.

İkinci teknik değişken, platformun kullanıcı adına ne kadar bağlam sağladığıdır. İş verilerine bağlı genel amaçlı bir model, bu verilerin ne anlama geldiğini, nasıl yapılandırıldığını veya uygulamanın bu verilerle ne yaptığını kendiliğinden anlayamaz. Daha iyi platformlar bu anlayışı sunucu tarafında yükler; bunu, bağlı her kullanıcının varlığından haberdar olmadan yararlandığı yeniden kullanılabilir yönerge kümeleri olarak paketler. Smartsheet bunu McKay-Fleisch'in “yerel beceriler” olarak adlandırdığı özellikle yapar.

Yetkinleştirme açısından sonuç doğrudan ve bütçeyle ilgilidir. Platform bağlamı sağladığında, kullanıcıların ihtiyaç duyduğu istem yönergesi miktarı keskin biçimde azalır. Platform bunu sağlamadığında ise istem ve bağlam mühendisliği taşıyıcı beceriler hâline gelir ve eğitimin bunları gerektiği gibi kapsaması gerekir.

Yetkinleştirme liderleri, tedarikçilere bu iki dünyadan hangisinde olduklarını sormalıdır. Yanıt, müfredatın anlamlı bir bölümünü belirler.

Aynı Kurumun İki Farklı Okuması

%12'lik tamamen hazır olma oranı içindeki ayrımı gizler. CIO'ların ve CTO'ların %39'u iş gücünü tamamen hazır olarak tanımlıyor. COO'larda bu oran %7.

Teknoloji liderleri sistem düzeyindeki benimsemeyi ölçüyor. Dağıtılan lisanslar, kullanıma açılan entegrasyonlar, kaydedilen kullanım. Operasyon liderleri ise işin daha iyi yapılıp yapılmadığını ölçüyor. Otuz iki puanlık fark, bu iki soruya yanıt vermek için yapılması gereken önemli bir çalışmayı temsil ediyor.

Desteğe nerelerde ihtiyaç duyulduğunun dağılımı bunu daha da belirginleştiriyor. Liderlerin en çok desteğe ihtiyaç duyulduğunu söylediği yerlerin %37'sini ön saflardaki çalışanlar oluşturuyor. Orta kademe yöneticilerin payı %30. Üst düzey liderliğin payı %8.

Yapay zekâ hakkında karar veren insanlar desteklendiklerini hissediyor. Bu kararlarla yaşayan kurumun üçte ikisi ise desteklenmiş hissetmiyor.

Eğitim talebinin altında yatan örüntü budur. Yeterince donanımlı olduğunu hisseden bir lider, yeterince donanımlı olmayan bir ekip gözlemler ve liderden hiçbir şey talep etmeyen müdahaleye yönelir. Daha fazla eğitim, talepte bulunan kişinin işin nasıl yapılandırıldığı, hangi karara kimin sahip olduğu veya ekipten ne üretmesinin istendiği konusunda hiçbir şeyi değiştirmeden verilebilecek bir taleptir.

Bu örneklemde nelerin yanlış olduğu konusunda neredeyse hiç kimse itiraz etmiyor. Anlaşmazlık, sorunun nerede bulunduğuyla ilgili.

İK, Bu Konu Kendiliğinden Bir Yere Atanmadan Önce Sahiplenmeli

McKay-Fleisch'in toplantıya yönelik kapanış önerisi, kuruma dönüp yapay zekâ iş akışlarının yeniden tasarlanmasından kimin sorumlu olduğunu belirlemekti. Smartsheet bu role birini alana kadar bir süre bu kişinin kendisi olduğunu belirtti.

Çoğu şirkette dürüst cevap hiç kimsedir. Ve hiç kimse sahiplenmediğinde iş ortadan kaybolmaz. En yakınındaki kişiye akar; bu kişi genellikle L&D ya da yetkinlik geliştirme ekibidir. İş, yeniden tasarlanması gereken süreçler üzerinde ne yetkisi ne de sorumluluğu bulunan bu ekibe, her seferinde bir eğitim talebi olarak ulaşır.

Bu şekilde devralmak, sahiplenmenin en kötü biçimidir. İK, bütçe ve yetki de kendisine bağlı olacak şekilde iş akışlarının yeniden tasarlanmasını bilinçli olarak sahiplenmelidir; çünkü bunun alternatifi, her ikisine de sahip olmadan hesap verebilirliği üstlenmektir.

İK'nın bunu üstlenmesi gerektiğine dair gerekçe duygusal değildir. İş akışlarının yeniden tasarlanması, üç yıl içinde hangi rollerin var olacağını, bu rollerin neler gerektireceğini ve şirket içinde kimin bu rollere geçiş yoluna sahip olacağını belirler. Bunlar, teknoloji kararlarının yan ürünü olarak alınan insan kararlarıdır. Bu kararların, araçları yapılandıran kişinin kim olduğuna bağlı olarak şekillenmesine izin vermek bir tercihtir ve çoğu kuruluşun şu anda varsayılan olarak yaptığı tercih de budur.

İşin nasıl yapılandırıldığını, yetkinliklerin nasıl geliştirildiğini ve her ikisi de değiştiğinde insanların başına ne geldiğini anlayan fonksiyon, bu sürecin ön saflarında olması gereken fonksiyondur. Organizasyon şeması başkasının etrafında kesinleşmeden önce bu iddianın ortaya konması gerekir.

Sorulması Gerekenler

Bir sonraki ekip lideri kapınızı çaldığında eğitim kataloğunu açmayın. İki soru sorun.

1. Hangi sonuca ulaşmaya çalışıyorsunuz? Daha fazla benimseme değil, daha yüksek kullanım değil. İşin kendisinde ölçebileceğiniz bir şey olmalı.
2. Bu sonuç hangi iş akışında ortaya çıkıyor ve bunun sahibi kim?

Lider her iki soruyu da yanıtlayabiliyorsa, üzerine inşa edebileceğiniz bir şey var demektir. Yanıtlayamıyorsa eğitim zaten işe yaramayacaktı; yetkinlik geliştirme fonksiyonunda çalışan bir kişinin yapabileceği en yararlı şey, bunu açıkça söylemektir.