Yapay Zekâ Stratejiniz Şimdiden Geçersiz mi?

Farklı sektörlerdeki yöneticiler yapay zekâ benimsenmesi konusunda aynı hatayı yapıyor.

Bunu bir tedarik kararı gibi ele alıyorlar. Bu platformu satın al. Şu aracıyı pilot olarak dene. Bu özelliği teknoloji yığınına ekle.

Sorun, araç seçiminden daha derin. MIT'nin 2025 İş Dünyasında Yapay Zekâ Durumu raporuna göre, şirketlerin %90'ından fazlasındaki çalışanlar günlük görevler için kişisel sohbet robotu hesaplarını, çoğu zaman BT onayı olmadan kullanıyor; şirketlerin yalnızca %40'ının resmî LLM aboneliği bulunuyor. Çalışanlarınız yapay zekâ teknoloji yığınınızın temelini çoktan oluşturdu. Bunu yalnızca izin istemeden yaptılar.

Bu durum tuhaf bir gerçeklik yaratıyor: Çoğu yöneticinin hâlâ uygulamayı planladığı teknoloji, kuruluşlarında zaten çalışıyor. Yapay zekâ araçlarını değerlendirmek üzere bir komite oluşturduğunuzda ekibiniz çoktan favorilerini seçmiş ve bunları günlük iş akışlarına yerleştirmiş oluyor.

Mimari Sorunu

Yapay zekâya bir tedarik kararı olarak yaklaştığınızda, yeniden tasarım fırsatını kaçırırsınız.

Gabriela Mauch, ActivTrak'te Müşteri Direktörü ve Verimlilik Başkanı olarak bu durumu tekrar tekrar görüyor.

Ekipler dönüştürücü yapay zekâ kullanım alanlarını hayal edebiliyor, ancak yapay zekâ destekli çalışma için tasarlanmamış kurumsal altyapı tarafından engelleniyorlar. Liderlik yalnızca araç kullanımını ölçüyorsa bu görünmez sınırları göremez.

Sonuç olarak yapay zekâ, işlerin nasıl yapıldığını dönüştürmek yerine mevcut organizasyon yapılarına ekleniyor. Beceriler gelişmek yerine köreliyor.

Alternatif yaklaşım, yapay zekâ ve insanlar için ayrı görev alanları bulmayı gerektirir. Yapay zekâ analiz yapmalı, rapor taslakları hazırlamalı ve sıradan görevleri yönetmelidir. İnsanları bilgilendirmeli ve bağlama oturtamadığı konularda sorular sormalıdır. Nihai karar, sorumluluk üstlenebilecek bir kişiye ait olmalıdır.

Sorumluluk önemlidir, çünkü yapay zekâ işini kaybetmez. Mart 2024'te Air Canada, havayolunun sohbet robotunun yas ücretleri hakkında yanlış bilgi vermesinin ardından bir müşterinin dava açmasıyla bu dersi öğrendi. Mahkeme, Air Canada'nın sohbet robotunun hatalarından sorumlu olduğuna hükmetti. Yapay zekânın itibarına verilen zarar geçiciydi. Gerçek sonuçları şirketin hukuk ekibi üstlendi.

Bu, çoğu yapay zekâ sohbetinin kaçındığı tasarım kısıtıdır.

Deneyimli Yöneticiler Neden Zorlanıyor?

Bulut geçişini ve ERP uygulamalarını başarıyla yöneten liderler, yapay zekâ konusunda acemi hataları yapıyor. Üç faktör bu dalgayı farklı kılıyor.

• Hız eşi benzeri görülmemiş düzeyde. Gartner, kurumsal uygulamaların %40'ının 2026'nın sonuna kadar yapay zekâ aracılarını bünyesine katacağını öngörüyor; bu oran 2025'te %5'in altındaydı. Bu, bir yılda 8 kat artış anlamına geliyor. Bir gelişmeyi anlayana kadar sonraki dalga radikal biçimde farklı bir şey sunuyor.
• Etik boyut karmaşık. Her uygulama şu soruların sorulmasını gerektiriyor: Yapay zekâ bunu insanlar kadar iyi yapabilir mi? Bu noktaya ulaşmak için ne gerekir? İnsanlar kontrolü elinde tutmalı mı?
• Benimseme modeli tersine dönmüş durumda. Önceki iş yeri teknolojileri eğitim, sertifikasyon ve kontrollü kullanıma alma süreçleri gerektiriyordu. Yapay zekâ araçları asgari düzeyde uzmanlık gerektiriyor, çünkü insanlar bunları zaten kullanıyor.

Temel zorluk bu. Önceki teknoloji dalgalarında kullanıma almayı BT kontrol ediyordu. Şimdi teknoloji yığınınızın en alt katmanı zaten harekete geçmiş durumda ve büyük ölçüde görünmez.

Duyuru ile Benimseme Arasındaki Boşluk

Yaygın bir sorun, yeni bir strateji duyurulduğunda insanların nasıl farklı çalışacaklarını anında bileceklerine inanılmasıdır.

Bunu yapay zekâ konusunda sıkça görüyoruz," diyor GoodHabitz'in CHRO'su Iris Cremers. "Liderlik 'yapay zekâ kullanıyoruz' dediğinde, herkesin birdenbire daha akıllı ve daha verimli çalışacağı varsayılıyor. Gerçekte insanların ve ekiplerin zamana, net yönlendirmelere ve uygulamalı öğrenmeye ihtiyacı var.

Yeni teknoloji, uygun destek olmadan karmaşık veya tehdit edici gelebilir. GoodHabitz, insanlara özgüven ve beceriler kazanmaları için basit ve güvenli bir yol sunmak amacıyla Goodlearn yapay zekâ öğrenme platformuyla şirket genelinde bir eğitim programı tasarladı.

"Bu, bu yeni araçları günlük işlerimize dâhil ederken kaygıyı azaltmaya ve onun yerini merak ile heyecan duygularının almasına yardımcı oldu," dedi Cremers.

Fiverr'ın CHRO'su Sharon Steiner ise bunu farklı bir çerçevede ele alıyor.

"Gördüğüm en büyük kopukluk, liderliğin yapay zekâya çoğu zaman bir teknoloji veya verimlilik stratejisi olarak yaklaşması; ekiplerin ise bunu işlerin nasıl yapıldığına dair temel bir değişim olarak deneyimlemesi," dedi. "Yöneticiler 'Hangi araçları benimsemeliyiz?' diye soruyor, ancak çalışanlar 'Bu benim rolümü, becerilerimi ve nasıl değerlendirildiğimi nasıl değiştiriyor?' diye soruyor."

Ekip düzeyinde gerçekte olan şey deneysellik. İnsanlar zaten daha hızlı hareket etmek, yeni beceriler öğrenmek ve sorunları gerçek zamanlı olarak çözmek için yapay zekâyı kullanıyor.

Teknoloji Kararları Kurumsal Gerçekliği Görmezden Geldiğinde

Mauch, kurumsal yapay zekâyı standart teknoloji yaklaşımlarıyla kullanıma sunan bir finansal hizmetler müşterisinden örnek paylaştı: araç erişimi, eğitim, kullanım senaryosu kütüphaneleri ve öncüler. Altı ay sonra, aktif kullanım oranı %70 olmasına rağmen benimseme düzeyi sabitlendi ve ROI ortaya çıkmadı.

Firma, müşteri taleplerini karmaşıklıklarına göre otomatik olarak sınıflandırmak ve uygun şekilde yönlendirmek için yapay zekâyı kullanmak istiyordu; bu, gerçek bir iş akışı dönüşümü anlamına gelecekti. Ancak bunu yapamadılar çünkü:

• BT, müşteri verisi sistemlerine erişmek için gereken API çalışmalarına öncelik vermemişti
• Yönetici onay iş akışları, yapay zekânın yönlendirme kararları almasına izin verecek şekilde değiştirilmemişti
• Kalite güvence süreçleri hâlâ yalnızca insanlar tarafından yürütülen işler için tasarlanmıştı
• Ekip koordinasyonu biçimleri hâlâ bireysel görev atamaları etrafında yapılandırılmıştı

"Liderlik, bunları sürekli olarak 'daha sonra ele alınacak değişim yönetimi ayrıntıları' olarak görmeye devam etti," dedi Mauch. "Bu sırada gelişmiş modeller, daha fazla araç ve daha fazla entegrasyon gibi yeni teknolojilere yatırım yaptılar. Ancak kısıt teknoloji kaynaklı değildi."

Çalışanlar, temel görevler için hâlâ yapay zekâyı kullandıkları için benimseme metriklerinde "aktif yapay zekâ kullanıcıları" olarak görünüyordu; ancak gerçekte ROI sağlayacak yüksek değerli kullanım senaryolarından vazgeçmişlerdi.

Kimsenin Benimsemediği Uzun Vadeli Bakış Açısı

Yapay zekâ konusunda uzun vadeli bakış açısını benimsemekten bahsettiğimde, iki belirli şeyi kastediyorum.

Personel değişiklikleri

Bir profesyonel hizmetler firması, en başarılı yapay zekâ çalışanlarını (normal çıktının üç katını üreten danışmanları) belirledi ve onları terfiler, primler ve tüm çalışanlara yönelik sunumlarla ödüllendirdi. Klasik yetenek takdiri.

Üç ay sonra, bu yıldız çalışanların ekiplerinde ekip düzeyindeki yapay zekâ benimsemesi aslında azalmıştı.

"Şirket, bireysel verimlilik kazanımlarını ödüllendirdi; bu nedenle yüksek performans gösterenler, yapay zekâ tekniklerini paylaşmak yerine kendilerine sakladı," dedi Mauch. "Bir sonraki terfi için daha fazla rekabet yaratacaksa ekip arkadaşlarının yapay zekâyı benimsemesine neden yardım etsinler? Şirket, yapay zekâ mentorları oluşturma fırsatını kaçırdı."

Teşvikleri bireysel verimlilik yerine ekip benimsemesi etrafında yeniden yapılandırdılar. Primler, ekip arkadaşlarının yapay zekâ becerilerini geliştirmelerine yardımcı olmaya bağlandı. Terfiler için başkalarına koçluk yaptığınızı göstermeniz gerekiyordu.

Bu değişimle birlikte yüksek performans gösterenler aktif olarak öğretmeye başladı ve ekip düzeyindeki benimseme hızlandı. Bireysel yıldız çalışanlar harikadır; ancak bilgileri bireysel bir rekabet avantajı olarak kilitli kalmak yerine kuruluş genelinde çoğaldığında daha da değerlidir.

Kurumsal evrim

Liderler beş yıllık bir planı sever; ancak bu yılın sonunda dünyanın nasıl görüneceği hakkında hiçbir fikrimiz yok.

Planlamanıza esneklik katın. Yetenek profiliniz ve insanları nasıl geliştirdiğiniz, esnek kalmanıza yardımcı olacaktır. Bunun alternatifi, stratejinin merkezî unsuru olarak yapay zekâya aşırı ağırlık vermek, ardından onu çalıştırmak için insanlara ihtiyacınız olduğunu fark etmek ve sonra ihtiyaç duyduğunuz belirli becerileri bulmanın zor olduğu bir yetenek piyasasına girmektir.

İki yıllık plan yapın ve neler olacağını görün. Değişim hızı, daha uzun vadeli öngörüler için fazla yüksek.

Temel Zaten Hareket Halindeyken Nasıl İnşa Edilir?

İletişim kurmalısınız.

"Benimsemeyi ikili bir durum olarak görmekten vazgeçin ve etkiyi teşhis etmeye başlayın," dedi Mauch. "Çoğu kuruluşta temel kullanım oldukça yaygın; ancak değerin ortaya çıktığı dönüştürücü kullanım neredeyse hiç yok."

Çoğu yönetici, davranışsal dönüşüm yerine oturum açma sayılarını, sorguları ve koltuk lisanslarını takip ediyor. Gerçek ROI, yapay zekânın iş akışlarını yeniden şekillendirmesiyle ortaya çıkar. Bunun için teknolojinin gerçek iş davranışlarını değiştirip değiştirmediğini anlamak gerekir; yalnızca yapay zekâ aracı kullanımının artıp artmadığını değil.

Rapor bölümlerinin ilk taslağını hazırlamak için yapay zekâyı kullanan analist, iş akışını dönüştürmüş değildir. Tüm analiz sürecini yapay zekânın sürekli izleme yetenekleri etrafında yeniden tasarlayan analist ise dönüştürmüştür.

Steiner, öğrenme konuşmasının önemini vurguluyor.

"Ekiplerinize bugün yapay zekâyı nasıl kullandıklarını, hangi becerileri geliştirmek istediklerini ve ilerlemek için hangi desteğe ihtiyaç duyduklarını sorun," dedi. "İnsanlara bu araçlarla denemeler yapmaları, becerilerini geliştirmeleri ve özgüven kazanmaları için alan tanıyın.

Yeniden yapılandırma seçeneklerini analiz ederken bazı çalışanlarınız öğrenmeye çalışıyor. Doğru beceriler olup olmadığını bilmeden yeni beceriler ediniyorlar. Onları ihtiyaç duyduğunuz yöne yönlendirebilir ve işletmenin gerektirdiği yetkinlikleri geliştirmelerine yardımcı olabilirsiniz.

Bu süreçte kullandıkları araçları, nerelerde değer elde ettiklerini ve kuruluşun yaptıkları işi nasıl daha iyi destekleyebileceğini anlayacaksınız.

Bu, değişen gelişmelerin önünde olmanızı sağlar ve etik boyut üzerindeki kontrolü korumanıza yardımcı olur. Sansasyonun etkisine kapılmak yerine yönlendirme konusunda daha rahat hale gelirsiniz.

Ve “geride kaldık, ayak uydurmak için bunu yapmak zorundayız” demek yerine, “Bu yeni ve göz alıcı şey, iki yıl sonra olmak istediğimiz yere dair vizyonumuzu geliştirmemize yardımcı oluyor mu?” anlayışıyla hareket edersiniz.

Tepkisel yaklaşımdan bilinçli yaklaşıma geçiş, yönetişimin tamamen yeniden düşünülmesini gerektirir.

Denetim Değil Uyum Olarak Yönetişim

Bir çalışanın kendi AI iş akışını oluşturduğunu keşfettiğinizde, bunu iş birliği çerçevesinde ele alın.

“Gölge AI'ı bir uyum sorunu olarak değil, pazar araştırması olarak değerlendirin,” dedi Mauch. “Onaylanmamış araçları benimseyen çalışanlarınız, resmî araçlarınızın karşılamadığı gerçek sorunlara çözüm bulduklarını size gösteriyor.”

Cremers ve GoodHabitz'deki ekibi, çalışanların hâlihazırda harici AI araçlarını kullandığını fark ettiklerinde bu yaklaşımı benimsedi.

“Her şeyi engellemek yerine daha açık ve destekleyici bir yaklaşım seçtik,” dedi. “Hâlihazırda harici bir araç kullanan herkesi bunu bizimle paylaşmaya davet ettik. Ardından güvenli bir şekilde kullanılıp kullanılamayacağını kontrol ettik. Güvenlik kontrolünü geçtiyse, başkalarının da yararlanabilmesi için aracı tüm kuruluşun kullanımına sunduk.

Bu, güven oluşturdu, riskleri azalttı ve amacın insanları denetlemek değil, daha akıllı çalışmalarına yardımcı olmak olduğunu gösterdi. Tahmin edebileceğiniz gibi bazı çalışanlar, şirketin henüz farkında olmadığı faydalı araçları keşfetmişti.

“Goodlearn ayrıca herkese bilgileri güvenli ve sorumlu bir şekilde nasıl ele alacağına ve hangi araçlara güvenilebileceğini nasıl anlayacağına dair temel bir kavrayış kazandırarak yardımcı oldu,” dedi Cremers.

Mauch, üç bölümden oluşan bir çerçeve öneriyor:

Standartlaştırmadan önce anlayın

Gerçekte neyin, neden kullanıldığını, cezalandırmak için değil, bundan ders çıkarmak için haritalandırın. ActivTrak bir örnekte, bir ürün ekibinin onaylanmamış bir AI kodlama aracını her gün dört ila beş saat kullandığını keşfetti.

Yönetim bunu durdurmak yerine nedenini sordu. Ekip, “resmî” araçlarında bulunmayan belirli yetenekler keşfetmişti ve başka hiç kimsenin ulaşamadığı gelişmiş iş akışlarını kendiliğinden geliştirmişti.

Risk düzeylerini ayırt edin

Her gölge AI aynı düzeyde risk taşımaz. Sunum yapılarını beyin fırtınasıyla oluşturmak için AI kullanan analistin taşıdığı risk, müşteri kişisel olarak tanımlanabilir bilgilerini onaylanmamış bir araç üzerinden işleyen kişiyle aynı değildir. Basit kriterler oluşturun:

• Hangi veriler işleniyor?
• AI çıktısı hangi kararları yönlendirebilir?
• Kullanıcının uygun kullanıma ilişkin muhakemesi ne kadar gelişmiş?

Uygun güvenlik önlemlerini oluştururken düşük riskli ve yüksek değerli kullanımın devam etmesine izin verin.

Kullanıcılarla birlikte yönetişim oluşturun

Gölge AI kullanıcılarını politika tasarımına dâhil edin. Güvenlik ile fayda arasındaki pratik ödünleşimleri herkesten daha iyi anlarlar. Onlara şunları sorun:

• Bunu durdursak neyi kaybedersiniz?
• Hangi endişeleriniz var?
• Hangi güvenlik önlemlerini istersiniz?

Bu yaklaşım, ekiplerin üretim ortamında onay almadan önce sentetik veriler üzerinde onaylanmamış araçları deneyebileceği, yalıtılmış ortamlar gibi çözümleri ortaya çıkarır.

“Gerçek şu ki AI, işlerin nasıl yapıldığının zaten bir parçası ve bunu durdurmaya çalışmak şirketleri kontrol sahibi değil, geride bırakır,” dedi Steiner. “Yönetişim hâlâ önemli, ancak AI öncelikli bir ortamda ilerlemeyi mümkün kılmalı, yavaşlatmamalıdır.

Bu süreçlerin işe yaramasını sağlamak, onları insanların hâlihazırda kullandığı sistemlere yerleştirmeyi gerektirir. Bu, kurum içi dokümantasyon merkezinizde bir form olabilir mi? Belirlenmiş onaylayıcılar, Slack'te belirli bir zaman dilimi içinde fikirleri hızlıca onaylayabilir mi? Onay sürecini mevcut iş akışlarına yerel olarak dâhil etmek, sürtüşmeyi azaltırken insanların fikirleri netlik, hedeflerle uyum ve iş etkisi açısından değerlendirmesine yardımcı olur.

Deney yapan çalışanların şeffaflığını ödüllendirmeniz gerekir. Birisi teknolojinin iyi bir kullanım alanı olmayan bir şeyi paylaşırsa bunun cezası verilemez.

“Çok Geç” Gerçekte Nasıl Görünür?

Fazla zamanınız yok.

Çok geç kalmak, rakiplerinizin altı ay önce kullanıma sunduğu özellikleri piyasaya sürmek gibi görünür. En iyi çalışanlarınızın hayal kırıklığına uğramış ve ayrılmayı düşünüyor olması gibi görünür. Yöneticilerin strateji ile uygulama arasında kafası karışık aracılar gibi hissetmesi gibi görünür.

Her şeyden önce, AI'ı kuruluşunuzdaki gerçek sorunlara çözüm olarak uygulayamamak gibi görünür.

Bazı şirketler bunu şimdiden hissediyor. İşten çıkarmalara ve kısa vadeli kazanımlara yönelmelerinin nedeni bu. Uzun vadeli getiriler konusunda net bir vizyonları yok; bu nedenle bunu anlamaya çalışırken işletmeyi küçültüyorlar.

Reco AI tarafından yapılan araştırma, iki gölge yapay zekâ aracının medyan kullanım sürelerinin sırasıyla 403 ve 401 gün olduğunu ortaya koydu. Resmî onay veya gözetim olmadan bir yıldan çok daha uzun süre kesintisiz kullanım. 100 gün boyunca kesintisiz kullanımdan sonra bir yapay zekâ aracı artık bir deneme değildir. Temel iş süreçlerine yerleşmiştir. Onu kaldırmaya çalışmak yalnızca bir BT görevi değil, potansiyel bir iş kesintisidir.

Artık çok geç olmasının anlamı budur. Hâlihazırda benimsenmiş olanları yönetememek.

İlk Adım

Steiner, geride kaldığını hisseden yöneticiler için net bir tavsiyede bulunuyor.

"Asıl soru yapay zekâyı kullanmaya başlayıp başlamamak değil, ne zaman başlayacağımızı ve nasıl yapacağımızı belirlemektir; yanıt ise şimdi ve deneyerek başlamaktır," dedi. "Bu, kenarda durup gözlemleme zamanı değil. Yapay zekâ, işlerin nasıl yapıldığını çok hızlı bir şekilde yeniden şekillendiriyor."

Ekiplerinizin yapay zekâyla nasıl çalıştığı hakkında konuşmayı başlatın. Hangi araçları kullandıkları. Nerede değer buldukları. Yapabilmeyi isteyip de yapamadıkları şeyler.

"Kurumsal kısıtlamalar engel olmasaydı yapay zekâyla ne yapardınız?" kadar basit bir soru, görünmez engelleri ortaya çıkarabilir.

"Dönüştürücü uygulamalar tasarlayan, ancak yeni başlayanların karşılaştığı riskler için tasarlanmış veri erişimi, onay iş akışları veya yönetişim politikaları tarafından engellenen insanları sürekli olarak görüyoruz," dedi Mauch.

Bu konuşma, görünmez temelinizin hâlihazırda nerede bulunduğunu ortaya çıkarır. Hangi deneylerin ölçeklendirilmeye değer olduğunu ve hangilerinin yeniden yönlendirilmesi gerektiğini gösterir. Sağlam bir zemin mi yoksa teknik borç mu üzerine inşa ettiğinizi anlamanıza yardımcı olur.

"Yapay zekâyı anlayan bir iş gücü daha uyumlu, daha verimli ve gelecekte yaşanacaklara daha iyi hazırlanmış olur," dedi Steiner. "Öğrenmeye alan yaratmak, liderlerin şu anda yapabileceği en akıllı yatırımlardan biridir; çünkü çalışanların yapay zekâyı etkili bir şekilde kullanmayı öğrenmeye harcadığı her saat, roller ve iş akışları değiştikçe daha yüksek üretkenlik, daha iyi karar alma ve daha hızlı uyum sağlama olarak geri döner."