Key Takeaways
Örtük Bilgi: Standart prosedürler, uzmanların kullandığı karar mantığını gözden kaçırır ve yeni çalışanları ve yapay zekâ ajanlarını tekrarlanabilir hatalara açık hâle getirir.
Uzman Görüşmeleri: Yapılandırılmış görüşmeler, uzmanlardan karmaşık işleri kendilerinin belgelemesini istemeye kıyasla pratik tetikleyicileri ve akıl yürütme süreçlerini daha güvenilir biçimde ortaya çıkarır.
Uç Durumlar: Başarılı ve başarısız projeleri karşılaştırmak, eğitimi güçlendiren ve yapay zekâ kararlarındaki zayıflıkları ortaya çıkaran gizli kuralları açığa çıkarır.
Gerçek Çıktılar: Öğrenmeyi, pratik yeterlilik yerine ezber ölçen testlerle değil, tamamlanmış işler ve kalite kriterleri üzerinden değerlendirin.
Ortak Varlık: Resmîleştirilmiş bir bilgi tabanı, işe alıştırma sürecini ölçeklendirir, uzmanlığı korur ve insanlara ve yapay zekâya tutarlı karar alma rehberliği sağlar.
Yakın zamanda bir şirket için reklam materyalleri hazırlamak üzere yapay zekâ kullanmayı denedim. Deney başarılı oldu, ben de şirketin yeni pazarlama uzmanını bunu yapması için eğitmeye başladım.
Gösterdim ve açıkladım; o da uygulamaya çalıştı, ancak aynı hataları yapmayı sürdürdü. Sonuç alınmadan günler geçti ve bütün gün onun yanında oturamazdım.
Aslında genellikle yapılmamasını tavsiye ettiğim şeyi aynen yaptım. Bu işte iyi olduğum için yeni kişiye süreci göstermenin yeterli olacağına ve beni izleyerek becerilerimi kendiliğinden kazanacağına karar verdim.
Bu inanış yaygın bir hatadır, çünkü bir şeyi kendiniz yapabiliyor olmanız ile kararlarınızın ardındaki mantığı başka birine aktarabiliyor olmanız iki farklı şeydir. İkisini birleştirmeyi daha önce denemiştim ve işe yaramamıştı
Küresel bir BT eğitim ağı olan STEP IT Academy şirketimi büyütürken, şube yöneticilerini kendim eğittim. Eğitim yaklaşık üç ay sürdü ve bu süre boyunca kendi işlerimi yürütemedim. Uzman bilgisini, eğitimin artık bana veya başka insanlara bağlı olmayacağı şekilde ortaya çıkarıp yapılandırdığımızda, yöneticilerin eğitimi iki haftaya indi ve yılda 2–3 yeni şube açmak yerine onlarca şube açabilir hâle geldik.
Bilgi aktarımı sorunu artık yapay zekânın iş süreçlerine entegre edilmesini de zorlaştırıyor. Bir yapay zekâ aracısı talimatlara ve kurumsal verilere erişebilir, ancak deneyimli bir uzmanın etkili kararlar alırken kullandığı mantığa erişemez. Bu nedenle yapay zekâ aracısı, deneyimsiz bir yeni çalışanın yaptığı hataların aynısını yapar.
Aşağıda bunun neden böyle olduğunu ve en iyi çalışanlarınızın bilgisini nasıl şirket varlığına dönüştürebileceğinizi açıklayacağım.
Bilgi Tabanınız En Önemli Kısmı İçermiyor
Bir şeyi yıllardır yaptığınızda, eylemleriniz otomatik hâle gelir ve "bunu nasıl yapıyorsun?" sorusunu yanıtlamak şaşırtıcı derecede zorlaşır.
Buna örtük bilgi denir: Bir kişi açıklayabileceğinden daha fazlasını bilir. Bu durum, kendi alanındaki pek çok profesyonel için geçerlidir.
Bu nedenle "yeni çalışanı en iyi çalışanınızla eşleştirin" tavsiyesi her zaman işe yaramaz. Uzman, prosedürü açıklamaya çalışırken kendi işinden uzaklaşır ve çoğu zaman her şeyi kapsayamaz. Yeni çalışan gerekli bilgiyi edinemez: bazı şeyler kendisine o anda açıklanır, bazılarını kendi başına çözer, bazılarını sorması gerekir; diğer unsurlar ise aklına gelmez ve sonunda hata yapar.
Sonuç olarak ikisi de zaman kaybeder ve istenen sonuç elde edilemez.
Kurumsal yönetmelikler ve talimatlar standart bir süreci ortaya koyar: ne açılacağını, nereye tıklanacağını ve bir belgenin kime gönderileceğini. Ancak deneyimli bir uzmanın bir durumda neden bu süreci izlediğini, başka bir durumda ise süreçten sapması gerektiğini hemen nasıl fark ettiğini nadiren açıklar.
Uzmanın bunları tekrar tekrar başkalarına açıklamasına gerek yok. Bunun yerine, kararlarının ardındaki mantığı, artık onun varlığına bağlı olmayacak şekilde yapılandırın.
Have an account? Log In
Uzmanın Konuşmasına İzin Verin
Bir şeyleri yazıya dökmek başlı başına bir beceridir ve göründüğünden çok daha fazla zaman alır. Bir görüşme gerçekleştirmek ve uzmanın konuşmasına izin vermek daha iyidir.
Soruları önceden gönderin ki kişinin pratik örnekleri hatırlamak için zamanı olsun. İşletme farklı nişlerde faaliyet gösteriyorsa, her biri hakkında yorum yapmasını istemeyin – bunun sonu gelmez. Bir çalışanın eylemlerini etkileyen 2–3 temel tetikleyiciyi belirlemeniz gerekir. Örneğin bunlar pazar türü (B2B veya B2C) ya da anlaşma döngüsünün uzunluğu (kısa veya uzun) olabilir.
Görüşmeyi kaydedin. Yapay zekâ görüşmenin yazılı dökümünü çıkarıp ön taslağını oluşturabilir, ancak uzman bunu kontrol etmeli ve gerekirse ekleme veya düzeltme yapmalıdır.
Yapay zekâ söylenenleri düzenleme konusunda başarılıdır, ancak uzmanın tüm temel noktaları ele aldığını garanti edemez. Görüşmenin sonucu her şeyden önce sorulara bağlıdır. Bir kişiye "Nasıl çalıştığını anlat" diye sorarsanız, genel ifadelerle yanıt verir. Peki ne sormalısınız?
Belirli Eylemler Hakkında Soru Sorun
Uzun yıllardır personel eğitim programlarının geliştirilmesine dâhilim ve uzmanların işlerini neredeyse her zaman soyut terimlerle tanımladığını fark ettim: "analiz etmek", "değerlendirmek", "anlamak". Ancak bu tür kelimeler tam olarak ne yapılması gerektiğini ortaya koymaz.
Bu nedenle her birinin üzerinde durup şunları sormaya değer: "Tam olarak ne yapıyorsunuz? İlk adım nedir? Bilgiyi nerede arıyorsunuz?"
Diyelim ki bir uzman şöyle diyor: "Öncelikle satış departmanının ne kadar iyi performans gösterdiğini değerlendirmelisiniz."
Sorun: "Bunu başarmak için tam olarak ne yapıyorsunuz?" Uzmanın CRM'de yöneticilerin görevlerini açtığı ve süresi geçmiş görevlerin oranını kontrol ettiği ortaya çıkacaktır. Yarısından fazlasının süresi geçmişse bu, departmanın çalışmalarının düzensiz olduğuna dair bir işarettir. Bu tür bir mantık daha sonra başka birine aktarılabilir.
Bir iş çok çeşitli görevleri kapsadığında, en yaygın hatalardan biri olası her senaryoyu hemen açıklamaya çalışmaktır. Karmaşık bir işletmede bunların yüzlercesi olabilir.
Buna tersinden bakarak başlayın: müşteri, proje veya pazardan bağımsız olarak neyin sabit kaldığını sorun. Bu, sürecin özünü belirlemenize yardımcı olur. Yeni bir çalışan için bu, işe başladığı temeldir; bir yapay zekâ sistemi içinse bağlama göre değişmeyen kurallar bütünüdür.
Yalnızca İdeal Süreci Değil, Uç Durumları da İnceleyin
Bir uzmana işinde hangi kurallara uyduğunu sorun; size iki veya üç bariz kural söyleyecektir. Geri kalanlara ise farkında olmadan uyar ve deneyimi tam olarak bu kurallarda yatar.
Farklı vaka çalışmalarını analiz ederseniz bu kurallar ortaya çıkacaktır. Uzmandan, her şeyin özellikle iyi gittiği bir projeyi ve işlerin neredeyse tamamen sarpa sardığı bir durumu hatırlamasını isteyin.
İlk durumda, başlangıçta alınan hangi kararın veya gerçekleştirilen hangi eylemin başarı üzerinde en büyük etkiye sahip olduğunu sorun. İkinci durumda ise neyin yanlış gittiğini ve durumu düzeltmek için uzmanın tam olarak ne yaptığını sorun.
Bir keresinde ekibimden biri, genel bir toplantıda bir stajyerin müşterinin tarafındaki bir kişinin çalışmasını sert bir şekilde eleştirdiğini anlattı. O kişi içine kapandı ve proje durma noktasına geldi. Kıdemli bir uzman müdahale etmek zorunda kaldı; iş ortağıyla özel olarak konuştu ve çalışma biçimlerini değiştirmeyi kimsenin planlamadığını açıkladı. Aksine, sonucu kendi başlarına elde etmelerine yardımcı olmak istiyorlardı.
Bu durum doğrudan iki kurala götürür: birinin çalışmasını herkesin önünde eleştirmeyin ve çalışmanızın öncelikle, sorumluluk alanını etkilediği kişilere fayda sağladığından emin olun.
Bu uç durumlar yapay zekâ için de özellikle değerlidir. Standart belgeler çoğunlukla sorunsuz senaryoyu açıklar; ancak gerçek uzmanlık, veriler eksik olduğunda ve standart süreç beklenen sonucu vermediğinde ortaya çıkar. Bu tür senaryolar uç durumlara ve örneklere dönüştürülebilir; ardından yapay zekâ sistemi bunlara göre test edilir.
More Articles
Sonucun Nasıl Görünmesi Gerektiğini Tanımlayın
Şirketin en iyi uzmanıyla bir görüşme gerçekleştirdiğinizi düşünelim. Yapay zekâ araçları bu görüşmeyi anlaşılır bir yapıya dönüştürmenize yardımcı oldu ve artık her yeni çalışan için kesin bir adım adım kılavuza sahipsiniz. Kılavuzu gerçekten kavrayıp kavramadıklarını nasıl anlayabilirsiniz?
İlk akla gelen bir sınavdır. Ancak bu en kötü seçenektir: kişinin gerçekte ne yapabildiğini değil, neyi ezberlediğini gösterir. Yeni başlayan bir çalışanın gerçek hayattan bir görevi tamamlaması daha iyidir. Sonucun nasıl görünmesi gerektiğini en baştan tanımlamanız gerekir: doldurulmuş bir hesap tablosu, tamamlanmış bir belge, CRM'de yapılandırılmış bir ekran veya müşteriyle yapılan bir görüşmenin kaydı.
Kalite ölçütlerini tanımlamak için de bir uzmana danışın. Yeni başlayan bir çalışanın işini size teslim ettiğini, ancak tamamını okuyacak vaktiniz olmadığını düşünün. Çalışmayı gerçekten anlayıp anlamadığını veya yalnızca bir şablonu kopyalayıp kopyalamadığını anlamak için bakacağınız tek bir ayrıntı ne olurdu?
Daha da ileri gidebilirsiniz. Bir uzmana, yeni başlayanların yaptığı tipik hatanın ne olduğunu sorun ve bunu bir eğitim senaryosuna dahil edin. Çalışanın sorunu fark edip doğru eylem biçimini seçip seçmediğine bakın.
Aynı ilke bir yapay zekâ aracısına da uygulanmalıdır. Ona gerçek hayattan vakalar, özellikle de standart senaryonun işe yaramadığı vakalar verin ve çözümünü deneyimli bir uzmanın seçeceği çözümle karşılaştırın.
Araç farklı bir yaklaşım benimsediyse bu, modelin yeterince iyi olmadığı anlamına gelmez. Görüşme sırasında önemli bir istisnayı veya kuralı belirlemeyi başaramamış olabilirsiniz. Bu durumda bilgi tabanının güncellenmesi ve testin tekrarlanması gerekir.
Bu Ne Sağlar?
Uzmanlığın artık tek bir kişiye bağlı kalmaması için uzman bilgisinin biçimsel hale getirilmesi gerekir. Bunu yaptığınızda işe alıştırma süreci, en iyi uzmanın müsait olup olmamasına bağlı kalmaz: her yeni çalışan, uzmanın görevler arasında hatırlayabildiklerini değil, aynı operasyonel mantığı edinir.
Aynı uzmanlık bilgisi bütünü iki yönde kullanılabilir – insanlar ve yapay zekâ sistemleri için. Onlara karar verme kuralları, örnekler, istisnalar ve senaryolar sağlayabilirsiniz; bunlar daha sonra performanslarını test etmek için kullanılabilir.
