Yapay Zekâ Odaklı Olmak: Bir İK Liderinin Perspektifi

Johannes'in yapay zekâyı doğru kullanmak hakkında söyledikleri şöyle.

Askerlik hizmetinden İK liderliğine

Liderliğin bir kuruluşu şekillendiren en önemli unsur olduğunu düşünmek istiyorum.

Liderlik yolculuğuma İsveç ordusunda başladım. İsveç'te herkes askerlik hizmeti yapmak zorunda. Ben 15 ay askerlik yaptım — bu, liderlikteki ilk deneyimimdi ve merakımı tetikledi.

Sonunda bu merak beni İK'ya yönlendirdi ve son 15 yıldır şu ya da bu şekilde yaptığım iş bu. Şu anda kuruluşların ve liderlerin yapay zekânın tüm yönlerini anlamalarına yardımcı olan bir danışmanım.

Yapay zekâ liderliği ve ekip yönetimini nasıl yeniden şekillendiriyor?

Yapay zekâ öncelikli bir dünyada liderlik değişiyor mu? Hem evet hem hayır.

Bir yandan iş, sorun çözme görevlerini farklı kişilere devretmekle ilgili olmaya devam ediyor.

Diğer yandan çalışanlar artık daha etkili çalışmalarını sağlayan yeni yetkinliklere sahip. Daha fazla görevi çözebilir, daha yaratıcı ve yenilikçi olabilir, zaman kazanabilir ve teorik olarak daha fazla iş üstlenebilirler. Bu da liderlik söz konusu olduğunda yeni bir zihniyet gerektiriyor.

Liderlik, “Bu sorunu kime vereyim?” sorusundan uzaklaşıp “Bunun için ne tür bir yetkinliğe ihtiyacım var ve bunu nerede bulabilirim?” sorusuna yaklaşıyor.

Geçmişte kuruluşlar daha fazla iş üstlenmek için daha fazla insan işe alarak büyürdü.

Ancak bu denklem değişiyor. Yapay zekâ daha az kişinin daha fazla iş yapmasını sağlıyor ve bazı durumlarda işin bir bölümünü yapay zekânın kendisi üstlenebiliyor.

Bu değişim, liderliğe yeni bir bakış açısı getiriyor. Liderlerin sorunların en iyi şekilde nasıl ve kim tarafından — ya da ne tarafından — çözülebileceğini sürekli yeniden değerlendirmesi gerekiyor.

Dönüm noktası: Yapay zekâ liderlik yaklaşımımı nasıl dönüştürdü?

Başlangıçta yapay zekânın zaman zaman kullandığım yardımcı bir araç olacağını düşünüyordum. Ancak birkaç hafta içinde, daha önce planlamadığım işler için bile ona yönelmeye başladığımı fark ettim — taslaklar hazırlamak, varsayımları kontrol etmek ve hatta kararları mantık açısından değerlendirmek gibi.

GPT-5'ten ilk kez kapsamlı yapay zekâ raporlarından oluşan bir yığını benim için özetlemesini istediğim anı hatırlıyorum.

Normalde bir hafta sonunu fosforlu kalemler ve kahveyle geçirip eğilimleri ve içgörüleri anlamaya çalışırdım. Bunun yerine raporları sisteme yükledim, bütünleştirilmiş bir görünüm istedim ve karşılığında yapılandırılmış bir analiz, net temalar ve hatta kaynaklar arasında karşılaştırmalar elde ettim.

Bu benim için bir şeyi değiştirdi. Yalnızca zamandan tasarruf ettirdiği için değil, kendi rolüm hakkında farklı düşünmeye başladığım için de.

Artık işim her şeyi okumak değil; daha keskin sorular sormak ve ardından karşıma çıkanları yorumlamak. Bu, tüm materyali işleyen kişi olmaktan, yapay zekânın çözmeye yardımcı olabilmesi için sorunları yeterince iyi çerçeveleyen kişi olmaya geçiş anlamında bir liderlik değişimi.

Bu değişim ekibimi de etkiledi. İnsanlar denemeye daha açık hâle geldi ve “uzman olmama” korkusunu daha az yaşadı. Yapay zekânın angarya işleri üstlenebildiğini gördüklerinde, nelerin mümkün olduğu hakkında daha yaratıcı düşünmeye başladılar.

Dolayısıyla, liderlik etme biçimimi değiştiren tek bir ana işaret etmem gerekseydi, bunun tüm bilgiyi kendim tüketerek değerimi kanıtlamam gerekmediğini fark ettiğim an olduğunu söylerdim. Önemli olanı tanımlayarak liderlik etmem ve geri kalanını yapay zekânın üstlenmesine izin vermem gerekiyor.

Başarılı yapay zekâ entegrasyonu için temel yetkinlikler

Daha önce liderlerin yapay zekâ entegrasyonu için gerekli yetkinlikleri belirlemesi gerektiğinden bahsetmiştim. Bunu yapmak aynı anda hem basit hem de zor.

Basit, çünkü genellikle temel unsurları biliyoruz: Teknik becerilere, veri okuryazarlığına ve tedarikçilerle ve araçlarla çalışma becerisine ihtiyacınız var.

Zor, çünkü yapay zekâ farklı rollere yayılan bir alan ve “gerekli” olan yalnızca kodlama veya istem mühendisliği değil.

Benim izlediğim süreç şöyle:

1. İşe odaklanarak başlarım. İnsanlar gerçekte neyi başarmaya çalışıyor?
2. Sonra, sorunlu noktalara bakarım. Zaman nerede boşa harcanıyor? Kararlar nerede yavaş alınıyor? Tutarsız kaliteyi nerede elde ediyoruz? Yapay zekâ bu noktalara uyum sağlayabilir ve yetkinliklerin de bu alanlarda geliştirilmesi gerekir.

Dolayısıyla bazen mesele, yöneticilere daha iyi sorular sormayı öğretmektir. Bazen İK çalışanlarına araçları denemeleri için güven vermektir. Bazen de ekipte BT, uyumluluk ve gerçek son kullanıcılar arasındaki bağlantıları kurabilecek birinin bulunmasıdır.

Başka bir deyişle, sabit bir beceri listesine bakmıyorum. Kuruluşa bakıp şunu söylüyorum: "Kendi ayağımıza takılmadan ilerlemek için neye ihtiyacımız var?" Bu, genellikle bana kâğıt üzerindeki herhangi bir çerçeveden çok daha net bir tablo sunuyor.

Yapay zekâ performans değerlendirmelerini ve işe alımı nasıl iyileştiriyor?

Yapay zekâ ile gerçekten değiştirdiğim iki alan performans değerlendirmeleri ve işe alım.

Performans değerlendirmeleri

Performans değerlendirmelerinde yapay zekâ, geri bildirimlerdeki örüntüleri ortaya çıkarmama yardımcı oluyor. Yöneticilerin yorumları bir araya getirmeye saatler harcaması yerine yapay zekâ temaları belirliyor, güçlü yönleri öne çıkarıyor ve hatta gözden kaçan noktaları buluyor. Böylece görüşmeler “ne oldu” sorusuna daha az, “şimdi ne yapacağız” sorusuna daha fazla odaklanabiliyor. Bu, değerlendirmeleri daha hızlı ve açıkçası daha faydalı hâle getirdi.

Uygulamada bunun nasıl göründüğünü açıklayayım. Diyelim ki çalışanınızla birlikte tuttuğunuz, tercihen toplantı notlarının dökümlerini de içeren, güncel bir belgeniz var. Bir GenAI aracından son altı ayı özetlemesini isteyin. Ardından yapay zekânın yardımıyla son altı ayda neler olduğunu, neler hakkında konuştuğunuzu, nelerin iyi gittiğini, nelerin kötü gittiğini ve benzeri noktaları görebilirsiniz. Aynı zamanda kendiniz hakkında geri bildirim almak için de harika bir araçtır.

İşe alım

İşe alımda yapay zekâyı iş ilanları hazırlamak, başvuruları uygunluk açısından taramak ve hatta adaylarla ilgili geri bildirimleri işe alım yöneticileri için yeniden çerçevelemek amacıyla kullandım. Büyük kazanım, otomasyonun tek başına bir amaç olması değil; tutarlılık. Herkes aynı yapılandırılmış bilgiyi alıyor, bu da önyargıyı azaltıyor ve süreci hızlandırıyor.

Elbette yapay zekânın insan muhakemesinin yerini almadığını hatırlamak önemli; yalnızca gürültüyü ortadan kaldırıyor. Yöneticiler metinleri ayıklamaya daha az, karar vermeye daha fazla zaman ayırabiliyor. Yalnızca bu değişim bile hem işe alımı hem de değerlendirmeleri salt idari işler olmaktan çıkarıp daha stratejik hâle getirdi.

Yapay zekâ kullanımı neden duraklıyor ve engeller nasıl aşılır?

Yapay zekânın vadettikleriyle kurumsal hayattaki karmaşık gerçekliği arasında hâlâ büyük bir boşluk var.

Yapay zekânın sihirli bir üretkenlik motoru olduğuna dair parlak bir fikir var. Çoğu lider verimlilik kazanımlarından bahsediyor, ancak günlük yaşamda hâlâ eski süreçler, uyumluluk endişeleri ve araçları ne zaman kullanmalarına “izin verildiğini” bilmeyen insanlar var.

Dolayısıyla kopukluk aslında teknolojiyle ilgili değil. Güven, netlik ve tasarımla ilgili. Kuruluşlar lisans satın alıp “yapay zekâ kullanıyor” olduklarını düşünüyor, ancak bunu iş akışlarına, politikalara veya kültüre dayandırmıyorlar. Kullanımın duraklamasının nedeni bu.

Kendi liderlik anlayışımda bunu daha az soyut hâle getirmeye çalışıyorum.

Ekibinize "Yapay zekâ bize zaman kazandıracak" demek yerine, "Her hafta yaptığımız en sıkıcı üç iş nedir? Yapay zekânın bunları nasıl azaltabileceğine bakalım" demeyi deneyin. Bu küçük değişim korkuyu azaltır ve değeri görünür kılar.

Organizasyon tasarımında da net sorumluluklar belirlenmesini savunuyorum. Çalışanların neyin uygun olduğunu tahmin etmek zorunda kalmaması için birilerinin İK, BT ve hukuk arasında köprü kurması gerekiyor.

Dolayısıyla bana göre asıl boşluk hedef ile izin arasındaki boşluk. Yapay zekâ işin geleceğini vadediyor, ancak insanların onu gerçekten kullanabilmesi için birilerinin bugünü yeniden tasarlaması gerekiyor.

Johannes' İpucu

Yapay zekâ işin geleceğini vadediyor, ancak insanların onu gerçekten kullanabilmesi için birilerinin bugünü yeniden tasarlaması gerekiyor.

Yapay zekâ kullanımını kuruluşlarda kalıcı hâle getirmek için kanıtlanmış stratejiler

Bunu daha derinlemesine inceleyelim.

Benim için “yapay zekâya hazır” olmak, bir slayttaki görselden ibaret değil. Ekiplerin çalışma biçimlerini gerçekten değiştirmesi demek. Benim odaklandığım alan bu: Kuruluşların stratejiden uygulamaya geçmesine yardımcı olmak. Yalnızca yapay zekânın neler yapabileceği hakkında konuşmak değil; ekiplerle birlikte çalışmak, iş akışlarını yeniden tasarlamak ve onlara yapay zekâyı tam o anda nasıl kullanacaklarını göstermek.

Bunu farklı sektörlerde liderlik ekipleriyle, İK ekipleriyle, finans ekipleriyle — aklınıza gelebilecek her ekiple — yaptım ve örüntü hep aynı: İnsanların daha fazla teoriye değil, yapay zekânın kendi gerçeklikleriyle nasıl bağlantı kurduğunu görmeye ihtiyacı var.

Bunu deneyimlediklerinde, benimseme hızla yayılıyor.

Sorun şu ki çoğu kuruluş yapay zekâyı başka bir BT uygulaması gibi ele alıyor: Lisansları satın alıyor, bir e-posta gönderiyor ve insanların uyum sağlamasını bekliyor. Bu hiçbir zaman işe yaramıyor.

İnsanların yapay zekâyı işlerinde gerçekten kullanmaya hazır hissetmeleri için güveni, yetkinliği ve kültürü geliştirmeniz gerekir. Bir kuruluşu gerçekten yapay zekâya hazır yapan şey budur.

Pratik tarafa odaklanın. Ekiplerle birlikte çalışın, süreçleri yeniden tasarlayın ve bunun onların gerçek işlerinde nasıl göründüğünü gösterin. İnsanlar bunu deneyimlediğinde, değişim kalıcı olur — özellikle de işin sıkıcı olmasını engelleyebiliyorsanız. Sıkıcı işleri ortadan kaldırmaya çok az kişi karşı koyabilir.

Böylece konuşmayı ve ekibinizin yapay zekâya karşı hislerini değiştirirsiniz. Yavaş ama istikrarlı bir şekilde bu, kültürü dönüştürür.

Aksi takdirde yapay zekâ, kullanılan teknoloji yığını içindeki bir başka kullanılmayan araca dönüşür.

Deney yapmak yapay zekânın benimsenmesi için neden kritik?

Ekibinizin başlamak için kusursuz bir eğitime ihtiyacı yok. Zamandan tasarruf etmelerini sağlayan gerçek bir kullanım örneği gördüklerinde, onu hemen uygulamaya koyacaklardır. Benimseme, yukarıdan aşağıya yürütülen herhangi bir uygulamadan çok merak ve küçük kazanımlar sayesinde yayılır.

Bu liderler için de geçerli. Size verebileceğim bir tavsiye varsa, o da şu: Kusursuz bir netlik beklemeyi bırakın. Teknoloji bunun için fazla hızlı ilerliyor. Bunun yerine, güvenli bir şekilde deney yapabileceğiniz birkaç alan seçin ve deneyim kazanmaya başlayın.

Kusursuz bir netlik beklemeyi bırakın. Teknoloji bunun için fazla hızlı ilerliyor. Bunun yerine, güvenli bir şekilde deney yapabileceğiniz birkaç alan seçin ve deneyim kazanmaya başlayın.

Liderler çoğu zaman harekete geçmeden önce kapsamlı bir stratejiye ihtiyaçları olduğunu düşünür, ancak bu alanda öğrenme yaparak gerçekleşir. Sizin göreviniz, insanların korkmadan denemesi, başarısız olması ve öğrenmesi için gerekli koşulları yaratmaktır. Okuryazarlık ve benimseme böyle gelişir.

Şunu da unutmayın: Araç satın almakla dönüşüme liderlik etmeyi birbirine karıştırmayın. Asıl iş kültüreldir — izin vermek, sınırlar belirlemek ve yapay zekânın çalışma biçiminizin bir parçası olduğunu örnek olarak göstermek.

Bunu yaparsanız, hâlâ PowerPoint aşamasında takılıp kalmış kuruluşların %90'ından önde olursunuz.

Gerçekten yapay zekâ odaklı bir kuruluş hâline gelmek ne anlama gelir?

Şu anda çoğu kuruluş gerçekten etmen tabanlı sistemler çalıştırmıyor. Daha çok gördüğüm şey; otomasyon, araçları birbirine bağlama, iş akışlarını kolaylaştırma ve manuel adımları azaltma. Başlangıç noktası bu.

İşin ilginçleştiği yer, en baştan yapay zekâ odaklı olarak yeniden tasarlanan işletmeler. Bunun yol haritası çok farklı. Benim şu anda çalıştığım alan da tam olarak bu: Şirketlerin süreçlerini, yapılarını ve hatta iş modellerini yeniden düşünmelerine yardımcı olmak; böylece yapay zekâ sonradan eklenen bir unsur değil, tasarımın bir parçası oluyor.

İşte bir örnek. Müşterilerimden biri işe alım sürecinin tamamını temelden yeniden oluşturdu. İşe alım uzmanlarının saatlerce eleme yapması yerine, kısa aday listeleri oluşturan ve iletişim mesajlarının ilk taslaklarını hazırlayan yapay zekâ ekledik. Ardından işe alım uzmanları zamanlarını aday ilişkilerine ve stratejiye ayırıyor.

Amaç aynı, ancak yapay zekâ tasarımın içine yerleştirildiğinde süreç ve roller farklı görünüyor.

Yapay zekâ araç setimin içi: Günlük kullanım ve deneyler

Şu anda araç setim biraz karma bir yapıya sahip: Her gün güvendiğim temel araçların yanı sıra deney yaptığım birkaç araç da var.

En çok kullandıklarım ChatGPT Pro, Claude ve Gemini. Görevin türüne bağlı olarak bunlar arasında geçiş yapıyorum.

• ChatGPT'yi günlük işlerimin yanı sıra derinlemesine araştırma için kullanıyorum.
• Kodlama ve KPI'lar için gösterge tabloları oluşturmak gibi görselleştirmelerle ilgili her şey için Claude'u kullanıyorum.
• Gemini'yi Google ürünlerime entegre edilmiş şekilde kullanıyorum. Ayrıca yeni görsel oluşturucuyu, Nano Banana'yı çok seviyorum!

Otomasyon için n8n ve Zapier'e (iş akışı otomasyon yazılımı) güveniyorum.

Oluşturma ve deney yapma süreçlerinde Lovable ve Replit'i kullanıyorum. Kendi ATS'imi, kendi Çalışan Bağlılığı anketimi oluşturdum ve şimdi bir yönetici portalı üzerinde deney yapıyorum.

İçerik için de ses konusunda ElevenLabs ile, slaytlar konusunda ise Gamma ile çok çalışıyorum.

Büyük fırsat: Uçtan uca iş akışları için yapay zekâ araçlarını zincirlemek

Buradaki büyük değişim, araçları birbirine zincirlemeye yönelmem. “Hangi araç en iyisi?” diye sormak yerine, “Ben devreye girmeden iş akışının baştan sona çalışması için bu araçları nasıl birbirine bağlarım?” diye soruyorum.

Son zamanlarda asıl büyük fırsat bu oldu.

Örneğin e-postalar için Gmail'imi, bunun bir pazarlama e-postası mı yoksa yanıtlamam gereken bir e-posta mı olduğunu belirleyen bir ChatGPT aracısına bağladım. İkincisi söz konusuysa, bir yanıt taslağı da hazırlıyor. Verilerimle eğitildiği için üslubumu ve benzeri özellikleri biliyor. Bu tek başına benim için oyunun kurallarını değiştirdi.

İş akışımda en etkili yapay zekâ aracı

Tek bir araç seçmem gerekseydi, GPT-5 Pro'yu ve veri işleme yeteneklerini seçerdim. Söylediğim gibi, ona devasa veri kümeleri, kapsamlı raporlar ve uzun belgeler verdim; o da bunların üstesinden geliyor.

Etkisi iki yönlü. Birincisi hız. Ham materyalden yapılandırılmış bir analize günler yerine saatler içinde geçebiliyorum. İkincisi bakış açısı. Yalnızca özet çıkarmıyor; ayrıntıların içinde kaybolmuş olsaydım gözden kaçırabileceğim kalıpları da ortaya çıkarıyor. Bu, müşterilere nasıl hazırlandığımı ve nasıl karar verdiğimi değiştiriyor.

Yani evet, biraz takıntılıyım. İlk kez darboğazın veri ya da okuma süresi değil, ne kadar iyi bir soru sorabildiğim olduğunu hissediyorum.

Yapay zekâ yöneticilerinin yükselişi ve liderliğin geleceği

Bunların hepsi yalnızca başlangıç. Önümüzdeki beş yıl içinde yapay zekâ yöneticilerini görmeye başlayacağız.

Aslında bazı yönleriyle onları şimdiden görüyoruz. Uber'i düşünün — sizi bir sürücüyle manuel olarak eşleştiren kimse yok; bu kararı sistem veriyor. Bu yönetimdir. Görevler dağıtılıyor, performans takip ediliyor ve kaynaklar optimize ediliyor; üstelik bunların hiçbiri insan bir yönetici sürece dahil olmadan gerçekleşiyor.

Bu mantığın daha fazla bilgi işine taşınacağını düşünüyorum. Yalnızca yolculukları planlamakla kalmayıp projeleri atamak, iş yüklerini dengelemek ve hatta performans yönetiminin bazı bölümlerini yürütmek söz konusu olacak. İnsanlar hâlâ liderlik edecek, ancak koordinasyonun ve karar alma süreçlerinin büyük bölümlerini yapay zekâ devralacak.

Bu değişim, liderleri rollerini bir kez daha yeniden tanımlamaya zorlayacak. Konu artık “kim ne yapıyor”dan çok “bunu neden yapıyoruz ve nasıl anlamlı hâle getiriyoruz” olacak. Başka bir deyişle liderlik, operasyonel olmaktan uzaklaşıp amaç, güven ve bağlamla daha fazla ilgili hâle gelecek; yıllık değerlendirmelerden sürekli koçluğa geçilecek.

Daha fazla bilgi

Çalışma hayatının ve liderliğin geleceğini ele aldığı bülteni Johannes'ten ve FullStack HR'dan daha fazla bilgi edinebilirsiniz.