Örgütsel değişim ve yapay zekâ benimseme uzmanı, yapay zekânın önce insan yaklaşımıyla bütünleştirilmesinin gerekliliğini vurguluyor

Paul Gibbons, sayısız alanda çalışmış bir genelcidir; ancak son 35 yıldaki temel odağı yönetim ve örgütsel değişim olmuştur. Kendisi bir danışman ve diğer yedi eserin yanı sıra Örgütsel Değişim Bilimi ve Yapay Zekâyı Benimsemek kitaplarının yazarıdır.

Kuruluşların yapay zekâ kullanımını ve okuryazarlığını nasıl geliştirebileceğini anlamak için Paul ile bir araya geldik. Bize insanı merkeze alan yaklaşımından bahsetti.

Uçtan uca bir bakış açısı

Babam, "Bir konuda dünya çapında uzmanlaşmak üzereyken gidip başka bir şey yaparsın," der. Bu fazlasıyla doğru.

Wisconsin Üniversitesi'nin tıp fakültesine giren en genç kişiydim — hem de gelmiş geçmiş en genç kişi. Sonra Wall Street'in cazibesine kapıldım ve hızla yükseldim.

Sorun şu ki, bu süreçte depresyonun da eşlik ettiği ciddi bağımlılıklar geliştirdim. Etkin bir şekilde evsiz olduğum dönemde, doktora programları arasında gidip gelerek ve profesyonel briç oynayarak beş yıl geçirdim.

32 yaşımda hayatımı düzene soktum, PwC'ye katıldım ve onların Örgütsel Dönüşüm ve Değişim yönteminin oluşturulmasına yardımcı oldum. Ardından bir kez daha gemi değiştirdim ve kendi şirketimi kurdum. Şirket artık 25. yılında; ancak onu on yıl önce sattım.

O zamandan beri danışman, profesör, açılış konuşmacısı ve dokuz kitabın yazarı olarak çalıştım. Ne derler? "Hayat ellisinde başlar..."

Kitaplarımdan ikisi büyük başarı yakaladı — krikette söylediğimiz şekliyle "altılık" oldu. Örgütsel Değişim Bilimi, tüm zamanların en iyi beş değişim yönetimi kitabından biri seçildi. Yapay Zekâyı Benimsemek ise 2025'in en iyi yapay zekâ kitabı olarak değerlendirildi — aceleyle belirteyim, New York Times tarafından değil; 1.000 kat daha az önem taşıyan LinkedIn'de.

Sanırım tüm bu kaosun bir nimeti varsa, o da mevcut bağlamımızı birden fazla perspektiften görebilmem. "Her işte usta, hiçbir işte uzman değil," diyebilirsiniz; ama daha hayırhah bir ifadeyle, benim "uçtan uca bir bakış açısına" sahip olduğumu söyleyebilirsiniz.

Bu örgütsel değişim uzmanı neden kararsızlığını aştı?

Yapay zekâ konusunda kişisel olarak haftada en az bir kez bir OMFG anı yaşıyorum. Her yeni araçta, yeni bakış açısında ve yeni model atılımında çocukça bir hayranlık hissine kapılıyorum.

Ama 2025'in başlarında yapay zekâ konusunda gerçekten kararsızdım. İnsanlık için muazzam bir potansiyeli var; ancak etik açıdan ciddi sorunlarla dolu. Fakat bir şey değişti. Sam Altman'ın Kool-Aid'inden çok fazla mı içtim, yoksa potansiyeli daha içgüdüsel bir şekilde mi hissediyorum bilmiyorum; ama yapay zekânın içine derinlemesine daldım — hatta evimdeki bilgisayarda LLM'ler oluşturdum.

Şu anda da örgütsel değişim ve liderlik alanındaki güçlü deneyimimi yapay zekâ dünyasıyla birleştirmeye çalışıyorum.

Yapay zekâ üretkenliği ve öğrenmeyi nasıl güçlendiriyor?

Hiç bu kadar heyecanlanmamıştım. Hiç bu kadar üretken de olmamıştım.

Örneğin yapay zekânın sunum dosyaları oluşturabilmesi benim için her şeyi değiştirdi. Küçük, hatta önemsiz görünebilir. Ancak 35 yıllık bir yönetim danışmanı olarak her biri bir hafta süren yüzlerce sunum hazırladım. Hayatımın yıllarını PowerPoint sunumları hazırlayarak geçirdim.

Sonra Gamma'yı keşfettim. Bir günde dünya standartlarında bir şey ortaya koyabiliyorum.

Ayrıca her zamankinden daha hızlı öğreniyorum. Bir konuyu iyi öğrenmek için muhtemelen 20 kitap veya 50 akademik makale okumanız gerekir. NotebookLM bunu çocuk oyuncağına çeviriyor. Saniyeler içinde 50 kaynaktaki verilerden bir zihin haritası oluşturabilirsiniz.

Buna iyi bir örnek olarak, yakın zamanda Özyinelemeli Dil Modelleri adı verilen bir konu üzerine yazılmış bir MIT makalesi keşfettim. Yoğun ve derinlikliydi. Büyük bir kısmı teknik açıdan benim seviyemin ötesindeydi; ancak "Vay canına, bu önemli," diyecek kadarını biliyordum. Bu yüzden makaleyi Gemini'ye yükleyip, "Bu önemli mi? İki sayfalık bir özet ver," diye sordum. Ardından evimdeki masaüstü bilgisayarda bir tane oluşturup oluşturamayacağımı ve bunun ne kadar süreceğini sordum. İki saat sonra oturma odamda çalışan mini bir LLM'im vardı.

Bu, her şeyi değiştiriyor. Bu teknoloji demokratikleştirici ve özgürleştirici.

Kuruluşlar neden verimlilik kazanımlarından daha fazlasına odaklanmalı?

Bununla birlikte, yapay zekânın sağladığı üretkenlik kazanımlarına aşırı odaklanamayız. Bu, Einstein'dan çamaşırları katlamasını istemekle eşdeğer.

Ben de bunu yaptım. Yapay zekâyı kendi işimde ilk kez kullandığımda, amacım yalnızca verimlilikti. Haftada 10-20 saatlik angarya işten kurtulmak istiyordum. Ancak aynı işi daha hızlı yapmak gerçekten sınırlayıcı.

Yeni yeteneklere odaklanmamız gerekiyor. Şunu sormalıydım: "Bu, daha önce yapamadığım neyi yapmama olanak tanıyor?"

Bu, Fortune 500 şirketleri için kritik önem taşıyor.

Liderlik çerçeveleri yapay zekâ çağı için neden evrilmeli?

Yapay zekâ liderliği değiştirmiyor ve bu bir sorun.

En yaygın liderlik çerçevesi Dönüşümcü Liderlik'tir. Bu çerçeve 70'lerden kalma. Eski liderlik paradigmaları, artık var olmayan bir öngörülebilirlik üzerine kuruluydu.

Uyarlanabilir Liderlik çerçevesine geçmemiz gerekiyor. Bu çerçeve değişimin hızını ve aynı zamanda yapay zekâ kullanımının ortaya çıkan katmanını kabul ediyor. Çünkü "tamamlanmış" durumun nasıl görüneceğini bilmiyoruz. Pilot uygulamaların ne şekil alacağını veya ne kadar kolay ölçeklenebileceğini kolayca öngöremiyoruz.

Değişim liderleri için yapay zekâ teknoloji yığını nasıl görünür?

Yapay zekâ yığınım sürekli değişiyor, ancak işte bir anlık görüntü:

• Descript — Video düzenleyici
• Granola — Not alma aracı
• NotebookLM — Araştırma ve yazım asistanı
• Gamma — PowerPoint oluşturucu
• Claude — Genel amaçlı
• ChatGPT — Genel amaçlı
• Gemini — Genel amaçlı
• Obsidian — Notlar
• Leonardo — Görsel oluşturucu
• Ollama — Otomasyon
• VSCode — Kodlama
• Hugging Face — Topluluk oluşturma
• LangChain
• PostgreSQL

Yukarıda belirttiğim gibi, özellikle Gamma ve NotebookLM benim için oyunun kurallarını değiştirdi.

Farklı yapay zekâ benimseme paradigmaları kurumsal kültürü neden şekillendirecek?

Yapay zekânın benimsenmesi için çeşitli paradigmalar var.

Şu anda Accenture yapay zekâ girişlerini zorunlu kılıyor — tartışmaya açık biçimde, zorlayıcı ve kaba bir araç. Buna karşılık Walmart, herkese yapay zekâ eğitimine ücretsiz erişim sunarak "çekme" yaklaşımını kullanıyor.

Accenture açısından soru, insanları zorlamanın yaratıcılığa ve psikolojik güvenliğe zarar verip vermeyeceği. Zaman gösterecek.

İnsan odaklı yapay zekâ benimsemesi güveni, okuryazarlığı ve yatırım getirisini neden artırır?

Kuruluşların %88'i gibi bir oran yapay zekâyı benimsemeye çalışıyor, ancak %30'dan azı bundan para kazanıyor. Rakamlar korkunç.

Bu şaşırtıcı değil. Otuz yıldır teknolojinin benimsenmesinin insan tarafında yer alan biri olarak, "parlak yeni teknoloji" ile faydalılık arasındaki boşluğu kapatmanın yıllar aldığını biliyorum.

Engeller kurumsal nitelikte. Silolar, kültür, zihniyet, beceriler ve benzeri. İnsanlar bundan korkuyor. Bağlam böyleyken bir teknolojiyi zorla yerleştirmeye çalışırsanız, bol şans.

Benim yaklaşımım ve ortaya attığım bir kavram olan "insan odaklı benimseme", hem ahlaki bir iddia hem de taktiksel bir yaklaşımdır. İki Fortune 500 şirketinin kullandığı hipotezim şu: Önce, insanları güçlendirir ve insani gelişimi destekleyen kullanım alanları geliştirirseniz, korkuları ve güvensizlikleri ortadan kalkar. Hayatlarını iyileştiren teknolojileri hızla benimserler.

Ardından akıcılık, güven, okuryazarlık ve beceriler oluşturulduğunda, yatırım getirisine güçlü biçimde odaklanabilirsiniz.

Yapay zekâ okuryazarlığı uygulamada nasıl görünür?

Araştırmaya dayalı yapay zekâ okuryazarlığı modelimde beş boyut var. Genel çerçeve şöyle:

1. Kavramlar: Yapay zekânın perde arkasında neler olduğuna dair yüzeysel bir anlayış
2. Beceriler: İstem yazmayı ve daha sonra geliştirme yapmayı bilmek
3. Etik: Çok geniş bir alan ve burada hiç kimse ne yaptığını bilmeden hareket etmemeli
4. Yurttaşlık: Yapay zekânın haberleri, siyaseti, ebeveynliği ve okulları nasıl etkilediği
5. Eleştirel düşünme: Sizden daha akıllı, ancak bazen çok daha aptal da olabiliyor. Yapay zekâyla birlikte eleştirel düşünme nadiren öğretiliyor ve çoğu insan bu konuda çok başarısız.

Kuruluşunuzda gerçek bir yapay zekâ okuryazarlığı istiyorsanız bunların her biri öğretilmeli.

Başarı yapay zekâ öğreniminin önünde nasıl bir engele dönüşebilir?

İşte şu anda liderlik konusundaki görüşüm: Hiç kimse gelişmeleri takip edemiyor, ancak denemeleri gerekiyor.

Yapay zekâ, modellerden algoritmalara, işletmelerdeki, ekonomilerdeki ve jeopolitik akışlardaki büyük yıkıcı güçlere kadar insanlık tarihindeki en karmaşık konu.

Yine de en korkutucu şey bir hikâyeden geliyor. 1995'te bir türev ürünleri dolandırıcılığını araştırmak üzere görevlendirildim — bugünün standartlarına göre küçük bir meblağ, $100M. Bir opsiyon yatırımcısını sorgulamak için oradaydım. O dünyadan geldiğim için gama, teta ve gülümseme eğrilerini anlıyordum.

Beni şaşırtan şey, bankadaki hiç kimsenin — ne CEO'nun, ne CFO'nun ne de Baş Risk Sorumlusu'nun — bu adamın neden bahsettiği hakkında en ufak bir fikrinin olmamasıydı. Bilançolarında milyarlarca dolarlık risk taşıyorlardı ve türev ürünler hakkında hiçbir fikirleri yoktu.

AI çok daha karmaşık ve üst yönetim ne yaptığını bilmeden ilerliyor. Bu, ödümü koparıyor. Üst kademelerdeki cehalet tehlikelidir.

Ama kimin zamanı var? Bir grup yönetici için bir program yürüttüm ve onlara, "Geçen yıl ne kadar resmî eğitim aldınız?" diye sordum. On iki kişi arasında toplam üç gün. Bu kesinlikle yeterli değil.

Liderlerin öğrenmeye zaman ayırması gerekiyor. Ayrıca, "Bilmiyorsam o kadar da önemli olamaz" şeklindeki varsayılan tutumlarından vazgeçmeleri gerekiyor. Çünkü şu anda sahip oldukları güç ve başarı, öğrenmenin önündeki engeller.

Liderler neden denemeler yapmak için zaman ayırmalı?

Şimdi her zamankinden daha fazla liderin becerilerini geliştirmesi gerekiyor. AI konusunda okuryazar hâle gelmeleri gerekiyor.

Kendinizi de geliştirmeden çalışanlarınız için AI eğitimi programı uygulamak tamamen ikiyüzlülüktür.

Çoğu liderin buna katılacağını düşünüyorum. Ancak neredeyse hiçbiri bunu yapmayacak. Zaten haftada 60 saat çalışıyorlar. Desteğe ihtiyaçları var. Yapılandırılmış programlara ihtiyaçları var. Ayrıca denemeler yapmak için zamana ihtiyaçları var — haftada en az bir ya da iki saat belki.

Denemeler yapmak tartışmaya açık değildir. Kitaplar henüz yazılmadı; yazılmış olsalar bile bu becerileri bir kitaptan öğrenemezsiniz.

Takipte kalın

Paul Gibbons'ın çalışmalarını LinkedIn, YouTube ve Substack üzerinden takip edebilirsiniz. Ayrıca Paul Gibbons Advisory'ye de göz atın.

People Managing People'da daha fazla uzman röportajı sizlerle olacak.