Yapay Zekâ Yetkinlikleri İçin Prim Ödeme Sorunları: Daha Yüksek Maaş Neden Geri Tepebilir?

Rakamlar açık bir tablo ortaya koyuyor. AI becerilerine sahip çalışanlar, PwC'nin Küresel AI İşleri Barometresi'ne göre artık aynı görevlerdeki meslektaşlarından %56'ya kadar daha fazla kazanıyor. Bu oran, bir yıl önceki %25'lik farkın iki katından fazla ve ücretlendirme liderlerini hazırlıklı olmadıkları kararlarla karşı karşıya bırakıyor.

İlk tepki, piyasaya ayak uydurmak oluyor. AI konusunda yetkin çalışanlar prim talep ediyorsa, bu prim ödenmeli. Ancak bu yaklaşım, temeli şimdiden değişmekte olan bir ücretlendirme yapısı oluşturuyor.

Bugün prim sağlayan beceriler yarın nadir olmayacak ve erken benimseyenleri kalıcı maaş artışlarıyla ödüllendiren kuruluşlar, geri çevirmekte zorlanacakları maliyet yapıları oluşturuyor.

Bu, değerli beceriler için ödeme yapılmasına karşı bir argüman değil. Çoğu şirketin yanlış sorunu çözmeye çalıştığına dair bir uyarı. Ücretlendirme liderlerinin karşı karşıya olduğu soru, hâlihazırda AI becerilerine sahip kişilere ne ödeneceği değil. Soru, diğer herkesin bu becerileri geliştirmesini teşvik edecek teşviklerin nasıl yapılandırılacağıdır.

Piyasa, Ücretlendirme Felsefenizden Daha Hızlı İlerliyor

%56'lık ücret farkı, dengeden çok piyasa işlevsizliğine işaret ediyor. Aynı görevlerdeki ücretler, yalnızca birinin AI araçlarını kullanıp kullanmadığına bağlı olarak büyük ölçüde farklılaşıyorsa, kıtlık fiyatlandırmasını gerçek zamanlı olarak görüyorsunuz. Sorun, bu kıtlığın kalıcı olmayacak olması.

Bir süreliğine altı haneli maaşları hak eden bir beceri olan istem mühendisliğini ele alalım. İstem uzmanlığı etrafında ücretlendirme kademeleri oluşturan şirketler, artık otomatikleştirilen veya standart iş akışlarına dâhil edilen yetkinlikler için fazla ödeme yaptıklarını görüyor. Beceri yaygınlaştığı için prim ortadan kalktı.

AI konusunda yetkinliği nadir bir uzmanlık olarak gören kuruluşlar aynı hatayı yapıyor. Günümüzdeki yetenek dağılımına dayalı ücretlendirme kademeleri oluşturuyor, ardından 18 ay içinde temel gereklilik hâline gelen beceriler için prim ödemeyi taahhüt ettiklerini fark ediyorlar.

Piyasa sinyalleri bu eğilimin şimdiden başladığını gösteriyor. Anthropic gibi şirketlerin 2023'te 375.000 dolara kadar maaş teklifleri sunduğu istem mühendisliği, talepte çarpıcı bir daralma yaşadı. 31.000 çalışanla yapılan bir Microsoft araştırmasına göre bu rol, şirketlerin eklemeyi planladığı pozisyonlar arasında sondan ikinci sırada yer alıyor; Indeed ise özel olarak istem mühendislerine yönelik iş ilanlarının oldukça az olduğunu bildiriyor.

Prim, beceri daha az değerli hâle geldiği için ortadan kalkmadı. Herkes artık bu beceriye sahip olduğu için ortadan kalktı.

Beceri Primleri ve Beceri Teşvikleri

Ücretlendirme stratejisinin iki farklı zorluğu birbirinden ayırması gerekiyor: bugün kıt olan yetkinlikleri sunan kişileri ödüllendirmek ve yarın ihtiyaç duyacağınız yetkinlikleri geliştirmeleri için insanları motive etmek.

Kalıcı maaş düzenlemeleri ilk sorun için işe yarar. Geliştirilmesi yıllar süren, gerçekten uzmanlaşmış AI becerilerine sahip birini işe alıyorsanız, buna uygun ödeme yapın. Ancak iş rollerinde ilgi gören AI yetkinliklerinin çoğu bu modele uymuyor. Bunlar nadir uzmanlıklardan ziyade öğrenilebilir yetkinlikler.

Beceri temelli teşvik yapıları, ikinci sorunu temel ücret artışlarından daha iyi ele alır. Giderek yaygınlaşan yaklaşımlardan biri, AI araçlarının benimsenmesine ve ölçülebilir verimlilik kazanımlarına bağlı proje bazlı primlerdir.

AI iş akışlarını uygulayan ve verimlilik artışlarını gösteren ekipler üç aylık teşvikler kazanır. Ödemeler kalıcı değildir, ancak davranış değişikliğini motive edecek kadar kayda değerdir.

Bu yapı, prim tuzağından kaçınır. Standart gerekliliklere dönüşebilecek beceriler için kalıcı bir ücretlendirme kademesi oluşturmuyorsunuz. İnsanlara normalde ilerleyeceklerinden daha hızlı ilerlemeleri için ödeme yapıyor, ardından davranış normalleştiğinde teşviki kaldırıyorsunuz.

Bu çerçeve, gerçekte neyi ödüllendirdiğiniz konusunda netlik gerektirir. Birinin Claude veya ChatGPT'yi nasıl kullanacağını bilmesi için mi ödeme yapıyorsunuz? Bu, prim gerektiren bir beceri değil, temel dijital okuryazarlık sorusudur. AI yetkinlikleri doğrultusunda iş akışlarını yeniden tasarlayabilen, etkiyi ölçebilen ve başkalarını eğitebilen birine mi ödeme yapıyorsunuz? Bu, farklı bir ücretlendirmeyi hak eder.

Pazarınızdaki Gerçek Primleri Belirlemek

Genel AI becerileri sürdürülebilir primler sağlamaz. Alan uzmanlığı ile AI konusundaki yetkinliğin belirli birleşimleri sağlar. Zorluk, piyasanın bunu elde tutma sorunları aracılığıyla size göstermesinden önce kuruluşunuz için hangi birleşimlerin önemli olduğunu belirlemektir.

AI becerileri için ücretlendirme karşılaştırması, geleneksel rol karşılaştırmalarından farklı veriler gerektirir. İş unvanlarına bakmak yerine, hangi beceri birleşimlerinin gerçekten kıt olduğunu anlamanız gerekir.

AI'yi rutin veri işleri için kullanan bir finans analisti prim almıyor. Özel tahmin modelleri oluşturmak için AI'yi kullanan ve yöntemi denetçilere açıklayabilen bir finans analisti ise prim alıyor.

Yetenek analitiği platformları bu ayrıntı düzeyini sunmaya başlıyor. Lightcast ve Revelio Labs gibi şirketler, iş unvanlarının ötesine geçerek gerçek yetkinlik kümelerine odaklanan beceri temelli ücretlendirme verilerini takip ediyor. Bu veriler, gerçek kıtlığın nerede bulunduğunu ve primlerin nerede geçici arz-talep dengesizliklerinden kaynaklandığını ortaya koyuyor.

Ödemenin hangi alanlarda piyasanın üzerinde yapılacağı ve bunun yerine hangi alanlara gelişim yatırımı yapılacağı konusunda stratejik kararlar almak için bu bilgileri kullanın. Prim gerçekten nadir bulunan bir uzmanlığa bağlıysa bunun karşılığını ödeyin. Altı ay içinde kurum içinde geliştirebileceğiniz yetkinliklere bağlıysa, satın almak yerine geliştirin.

Öfke Maliyeti

Beceri temelli ücret farklılıkları, ücretlendirme modellerinde görünmeyen kültürel maliyetler taşır. Benzer işler yapan iki kişi, biri yapay zekâ araçlarını kullanırken diğeri kullanmadığı için büyük ölçüde farklı maaşlar aldığında, dönüşüm sırasında kuruluşların göze alamayacağı türden bir sürtüşme için koşullar yaratırsınız.

Bu öfke mantıksız değildir. Standart ücret alan birinin bakış açısından, işvereninin eğitim sağlama veya yeni araçların benimsenmesini teşvik edecek unsurlar oluşturma konusundaki başarısızlığı nedeniyle cezalandırılmaktadır.

Prim alan kişi mutlaka daha çok çalışıyor veya daha fazla değer üretiyor değildir. Yalnızca kuruluşun herkese öğretmesi gereken bir şeyi öğrenmiştir.

Bu dinamik, kapsamlı eğitim programları olmadan yapay zekâ aracı primleri uygulayan satış kuruluşlarında açıkça görülür. Yapay zekâyı hâlihazırda kullanan en iyi performans gösterenler önemli ücret artışları alırken, aynı araçlara veya eğitime erişim sağlanmayan orta düzey performans gösterenler alamadı.

Sonuç, keyfî ve adaletsiz görünen bir ücret farkı oldu ve yapay zekânın benimsenmesinden en fazla fayda sağlayabilecek kişiler arasında işten ayrılmalara yol açtı.

Alternatif, yapay zekâ yetkinliklerini bireysel bir varlık olarak değil, kurumsal bir yatırım olarak ele almaktır. Eğitim sağlayın, denemeler için zaman yaratın ve benimsemeyi kalıcı ücret kademeleri yerine geçici teşviklerle ödüllendirin.

Bu yaklaşım, faydaları daha adil bir şekilde dağıtır ve yapay zekâ becerilerini ilk kimin öğrendiğine dayalı iki kademeli bir iş gücü oluşmasını önler.

Ücretlendirme Stratejisini Edinim Değil Benimseme Etrafında Oluşturmak

Stratejik soru, yapay zekâ becerileri için prim ödenip ödenmeyeceği değildir. Soru, ücretlendirme felsefenizin yapmanız gereken geçişi destekleyip desteklemediğidir. Amaç, iş gücünüzün %80'inin 24 ay içinde yapay zekâ araçlarını etkili biçimde kullanmasını sağlamaksa, ilk benimseyenler için kalıcı maaş farklılıkları bu hedefin aleyhine işler.

Netflix'in bu konuya nasıl yaklaştığını düşünün. Şirket, genel olarak piyasanın en üst düzeyinde ödeme yapar ve herkesin ihtiyaç duyduğu yetkinlikleri geliştirmesini bekler. Belirli araçları veya teknolojileri kullanmak için ayrıca prim verilmez; çünkü bu yetkinlikler temel beklentinin bir parçasıdır. Ücretlendirme modeli kültürü destekler: İhtiyacımız olan konuda mükemmel olun veya başka bir yerde çalışın.

Çoğu kuruluş bu yaklaşımı bütünüyle tekrarlayamaz, ancak ilke geçerlidir. Yapay zekâ yeterliliğini iş gerekliliğinin bir parçası hâline getirin, insanların bunu geliştirmek için ihtiyaç duyduğu desteği sağlayın ve ilk kimin ulaştığına dayalı kalıcı kademeler oluşturmak yerine benimseme hızını ödüllendiren teşvikler tasarlayın.

Bu, gerçekten öğrenilmesi zor olan şeylerin dürüstçe değerlendirilmesini gerektirir. Kuruluşunuz özel bir teknik altyapı üzerinde çalışıyorsa ve biri bu ortamda yapay zekâyı uygulama konusunda gerçek bir uzmanlık geliştiriyorsa, bunun karşılığını özel bir beceri olarak ödemek değerlidir.

Bir Coursera kursunda istem mühendisliği eğitimi alan kişilere prim ödüyorsanız, yenilik ile değeri birbirine karıştırıyorsunuz demektir.

İşe Yarayanlar

Bu konuyu iyi yöneten kuruluşların çeşitli ortak özellikleri vardır. Bunlar:

• Temel yapay zekâ okuryazarlığını özel uzmanlıktan ayırmışlardır.
• Herkesin, rolüyle ilgili yapay zekâ araçları konusunda temel yeterlilik geliştirmesini beklerler.
• Prim yoktur, özel bir takdir yoktur; yalnızca eğitim ve destek sağlanan standart bir iş gerekliliği vardır.

Gerçek uzmanlık gerektiren özel uygulamalar farklı şekilde ücretlendirilir, ancak çıta yüksektir. Ölçülebilir iş etkisi, başkalarını eğitme becerisi veya standart öğrenme programları aracılığıyla hızlıca geliştirilemeyecek yetkinlikler sergilemeniz gerekir.

Teşvik yapıları erken varışı değil, benimseme hızını ödüllendirir. Yapay zekâ iş akışlarını planlanandan önce uygulayan ekipler prim alır. Uzman kullanıcı hâline gelen ve iş arkadaşlarının araçları benimsemesine yardımcı olan kişiler takdir primleri alır. Ancak bunlar, temel ücrette kalıcı değişiklikler değil, belirli geçiş hedeflerine bağlı geçici ödemelerdir.

Bu yaklaşım, primlerin neden var olduğu ve ne zaman sona ereceği konusunda şeffaflık gerektirir. Birine kuruluşun şu anda ihtiyaç duyduğu becerilere sahip olduğu için daha fazla ödeme yapıyorsanız, primin mevcut piyasa kıtlığını yansıttığını ve yetkinlikler daha yaygın hâle geldikçe ayarlanacağını ona söyleyin. Benimseme teşvikleri sağlıyorsanız, hedeflere ulaşıldığında bu ödemelerin sona ereceğini açıkça belirtin.

En önemlisi, bunu etkili bir şekilde yapan kuruluşlar, prim karşılığında gerçekte ne elde ettiklerini ölçer. Emsallerinden %56 daha fazla kazanan biri ölçülebilir şekilde daha iyi sonuçlar sunmuyorsa, bu prim performansla gerekçelendirilemez. Bu, değer yaratıp yaratmadığını anlamadan eşleştirmeyi seçtiğiniz bir piyasa tepkisidir.

Ücret primi verileri, dönüşüm hâlindeki bir piyasayı yansıtıyor. Ücretlendirme stratejisi, iş gücü piyasalarının şu anda ne yaptığına yalnızca ayna tutmakla kalmamalı, kuruluşunuzun dönüşümünü desteklemelidir.