Yapay Zekâya Hazır Olmak Bir İfade, Strateji Değil

Bu ilkbaharda düzenlenen her büyük konferans gündeminde aynı oturum başlığının bir çeşidi yer aldı: yapay zekâya hazır bir iş gücü oluşturmak için gerçekten ne gerekir?

Bu ifade her yerdeydi. Sektörün, yapay zekânın çalışmayı değiştirip değiştirmeyeceği sorusunu geride bırakıp insanları bundan sonra olacaklara nasıl hazırlayacağı gibi daha zor bir soruya ulaştığının güvenilir bir işaretiydi.

Asıl sorunun yanıtlanması beklenenden daha zor çıktı.

Bu ilkbaharda Las Vegas'taki Transform ve San Francisco'daki HumanX etkinliklerinde yapılan oturumlar boyunca konuşmacılar, yapay zekânın hızlandırdığı bir ortamda iş gücünün hazırlıklı olmasının ne anlama geldiğine dair düşünceli ancak biraz üst düzey değerlendirmeler sundu.

DeepLearning.AI'nin Kurucusu Andrew Ng, görevinden bağımsız olarak herkesin kod yazmayı öğrenmesi gerektiğine dair kışkırtıcı bir görüş ortaya koydu.

Coursera CEO'su Greg Hart, platformda yıllık bazda neredeyse %200 artan eleştirel düşünme kurslarına yönelik artan talebi, kuruluşların yalnızca teknik yeterliliğin yanıt olmadığını anlamaya başladığının kanıtı olarak gösterdi.

Sensai'den Robin Daniels, temel yapay zekâ becerisinin netlik olduğunu savundu. Başka bir deyişle, bir kişinin yapabilmesi için istediğiniz şeyi yeterince açık şekilde tanımlayamıyorsanız, bunu bir yapay zekâ aracısı için yeterince açık şekilde tanımlamanız kesinlikle mümkün değildir.

Lattice CEO'su Sarah Franklin, yapay zekâya hazır olma durumunu kullanım ölçümleriyle değerlendirme eğilimine karşı çıktı ve önemli olanın insanların daha fazla belirteç üretip üretmediği değil, daha iyi sonuçlar elde edip etmediği olduğunu savundu.

Bunlar içi boş gözlemler değil. Arkalarında gerçek bir düşünce var. Ancak birlikte ele alındıklarında konferans çevresinin henüz çözemediği bir şeyi ortaya koyuyorlar: "Yapay zekâya hazır" hâlâ operasyonel bir ifadeden ziyade yön gösteren bir ifade olarak kalıyor.

Üç gün boyunca oturumlara katılıp güçlü bir aciliyet duygusuyla, ancak kuruluşunuzun gerçekte nerede durduğunu değerlendirecek neredeyse hiçbir yöntem olmadan ayrılabilirsiniz.

Bu konu incelenmeye değer; çünkü ilhamı stratejiyle karıştırmanın bedeli şu anda gerçek kuruluşlarda kendini gösteriyor.

Konferansın Hazırlıklı Olmayı Tanımlama Biçimi

Oturumlar boyunca ortaya çıkan yapay zekâya hazırlık çalışma tanımının birkaç tutarlı bileşeni var.

İlki, öncelikle teknik beceriler. Ng'nin kodlama argümanı bunun en keskin biçimi. Yapay zekâ yazılım geliştirmeyi daha erişilebilir hâle getirirken, bu düzeyde çalışabilen insanlar, görev unvanları ne olursa olsun, çalışamayanlardan daha iyi performans gösterecek.

Kod yazabilen pazarlamacıların, işe alım uzmanlarının ve finans profesyonellerinin kod yazamayan meslektaşlarından nasıl uzaklaştıklarını gözlemlediğini anlattı ve aradaki farkın giderek açıldığını belirtti.

Hart, kayıt verileriyle teknik boyutu güçlendirdi. 2025 yılında Coursera'da her dört saniyede bir kişi yapay zekâ kursuna kaydoldu; bu, 2024'teki oranın iki katıydı.

İkinci bileşen, gevşek biçimde değişime ayak uydurma kapasitesi olarak tanımlanan uyum sağlama becerisi.

Yapay zekâ ile G&A ve arka ofis işlevleri için çalışma arkadaşları geliştiren Leena AI'ın CEO'su Adit Jain, "İhtiyaç duyulan tek insani özellik uyum sağlama becerisidir," dedi.

Kuruluşların otomasyonu devreye aldığı zaman gördüklerini anlatıyordu. Geçiş sürecinden sağ çıkanlar mutlaka en kıdemli ya da teknik açıdan en gelişmiş kişiler değil. Bunlar, yerinden ettiği işi savunmak yerine rollerini yapay zekâyı denetleme ve geliştirme etrafında yeniden tanımlamaya istekli olanlar.

Üçüncü bileşen, kolayca adlandırılamayan bir şey. Franklin bunu yapay zekâyı bir araç değil, ekip arkadaşı olarak görmek şeklinde adlandırdı. Daniels buna netlik dedi. AILY Labs CEO'su Bianca Anghelina ise bunu iş sorunlarını yapay zekânın ele alabileceği zorluklara dönüştürme kapasitesi olarak tanımladı.

Ng'nin kodlama argümanının özünde yatan fikir, kodlamanın sistemler şeklinde düşünmeyi, sorunları otomatik bir sürecin ele alabileceği bileşenlere ayırmayı öğrenmenin bir aracı olduğudur.

Bu üç bileşenin altında, öğrenmeye süresiz olarak devam etme isteği şeklinde ima edilen dördüncü bir bileşen var. Her konuşmacı sonunda bu noktaya ulaştı. Hayat boyu öğrenme zorunluluğu, hazırlıklı olmanın tanımından çok, hiçbir sabit beceri setinin yeterli kalmayacağının kabulü niteliğinde.

Bir kuruluşun ilerlemesi gereken yönün açıklaması olarak bu yaklaşım makul. Belirli bir kuruluşun nerede durduğunu değerlendirmeye yönelik bir çerçeve olarak ise neredeyse tamamen işe yaramaz. "Uyum sağlayın" ve "öğrenmeye devam edin" değerlendirilebilir ifadeler değil. Bir İK direktörüne neyi ölçmesi, neyi geliştirmesi veya geçer notun neye benzediği konusunda yol göstermiyorlar.

Ayrıca, bu sürece başlarken ihtiyaç duyulanlardan nadiren söz ediliyor; oysa podcast'te bu konuyu ele aldık.

Tanımın Yetersiz Kaldığı Nokta

Ölçekli yeniden beceri kazandırma üzerine bir HumanX oturumundaki en faydalı an, bir çerçeveden değil, bir sayıdan geldi. Jain, şirketi büyük bir kurumsal müşteri için bir iş sürecini otomatikleştirdiğinde genellikle ne olduğunu anlattı: Bu işi yapan kişilerin %60'ına artık ihtiyaç kalmıyor.

Kalan %40'ın yaklaşık %20'si, yani toplamın yaklaşık %12'si, yapay zekânın insan yöneticileri olarak sürece yeniden dâhil edilebiliyor. Diğer %48 ise çoğu kuruluşun henüz çözemediği bir geçiş sorununu temsil ediyor.

İnsan kaynakları operasyonları çalışanlarını, rutin talepleri ele alma görevlerinden kurtararak ölçekli biçimde hasta verilerinin uyumluluğunu sağlayan ajanlar oluşturma ve yönetme işine yönlendiren bir sağlık hizmetleri müşterisinden gerçek bir örnek verdi. Daha önce gerçekten yapılmamış bir işti bu; çünkü insanlarla yapmak çok fazla kaynak gerektiriyordu.

Bu yeniden görevlendirme, çalışanların yeni işi anlayabilmesini, yeni becerileri hızla edinmesini ve işlevleriyle temelde farklı bir ilişkiyi kabul etmesini gerektiriyordu.

Konferansta yapılan hazırlık tanımı, yapısal sorunuyla tam da burada karşılaşıyor. Çoğu oturumda ele alındığı şekliyle hazırlık, bireylerin bir özelliğidir: teknik becerileri, uyum sağlama yetenekleri ve öğrenme istekleri.

Ancak %48'lik sorun öncelikle bireysel bir sorun değil. Bu, bir organizasyon tasarımı sorunu. Bu çalışanların geçiş yapıp yapamayacağı yalnızca kişisel uyum sağlama yeteneklerine değil, kuruluşlarının onların nereye geçebileceğini, bu rollerin neler gerektirdiğini, onları oraya ulaştıracak gelişim yatırımlarını ve ekonomik baskı kuruluşu daha basit çözümlere yöneltmeden önce kuruluşun bu geçişi ne kadar sürdürebileceğini belirleyip belirlemediğine bağlı.

Bir iş gücü kavramı olarak "yapay zekâya hazır olmak" bunların hiçbirine değinmiyor; en azından bugün bunu düşündüğümüz biçimiyle. Denklemin yetkinlik tarafına odaklanırken uygulama tarafını büyük ölçüde incelenmemiş bırakıyor.

Daniels, bu yılın başlarında Oracle'daki işten çıkarmalarla ilgili dikkat çekici bir gözlemde bulundu.

Çerçeveleme, yöneticilerin cesaretiyle ilgiliydi. Ancak anlatılan aynı zamanda bir organizasyonel yetkinlik başarısızlığı. Oracle'ın uyum sağlamaya ve öğrenmeye istekli insanlara sahip olduğu neredeyse kesin. Görünüşe göre eksik olan, bu kişilerin kim olduğunu, nereye geçebileceklerini ve geçişin gerektirdiği hızda nasıl geliştirileceklerini belirlemeye yönelik bir sistemdi.

Cesaret önemlidir. Ancak teşhis olmadan cesaret bir strateji değildir.

Ölçüm Sorunu

Franklin'in yapay zekâya hazırlığı kullanım ölçümleriyle değerlendirme konusundaki görüşü, konferans ortamının ona verdiğinden daha fazla ağırlığı hak ediyor. Kuruluşların düzenli olarak yanlış yaptığı bir şeyi anlatıyordu. Benimsemeyi, araç girişlerini, istem hacmini ve belirteç kullanımını takip ediyor, ilerleme kaydettikleri sonucuna varıyorlar.

Bu ölçüm temiz ve üst yönetime raporlanması kolay. Aynı zamanda kolayca manipüle edilebiliyor ve gerçekten önemli olan şeyle yalnızca zayıf bir korelasyon gösteriyor.

Bu, özellikle iş gücü geliştirme bağlamında önemli; çünkü benimsemeyi ölçme eğilimi, bazı kuruluşların yapay zekâ eğitimi gerekliliklerini nasıl yapılandırdığını şimdiden şekillendiriyor. Yapay zekâ kullanımını performans değerlendirmelerine bağlarsanız yapay zekâ kullanımı elde edersiniz. Daha iyi kararlar, daha hızlı çalışma veya daha yetkin çalışanlar elde etmeniz şart değil.

Jain bu sorunun bir versiyonunu diğer yönden anlattı: Çalışanlardan üç ay boyunca kendi hızlarında bir kursu tamamlamalarını istediği, yeniden beceri kazandırmaya yönelik yumuşak bir yaklaşımı denediğinde, otuz kişiden yalnızca ikisi bunu yaptı.

Aynı programı 90 günlük bir son tarih, resmî bir sınav ve başarı için ücret artışıyla yeniden uyguladığında, %85'ten fazlası programı tamamladı. Motivasyonla ilgili bulgu ilginç. Ancak daha önemli çıkarım, kuruluşun gerçekte neyi ölçtüğüyle ilgili.

Tamamlanma ve ücretlendirme izlenebilirdi. Süreci geçen kişilerin yeni işi yapma konusunda gerçekten daha yetkin olup olmadığı ise farklı bir soruydu.

Bunu bir onay kutusundan ibaret olmaktan çıkarıp gerçek bir değerlendirmeye dönüştürecek şey ne olurdu? Konferans oturumlarının tam olarak yanıtlayamadığı soru buydu.

Konferans Tanımını Daha Zorlu Bir Ölçüte Göre Sınamak

Yapay zeka dönüşümünde başarılı olan kuruluşları sonuç üretmeden yalnızca faaliyet gösterenlerden güvenilir biçimde ayıran yedi yetkinlik şunlardır: empati, varlık gösterme, ürün odaklı düşünme, cesaret, stratejik sabır, şeffaflık ve sistem düşüncesi.

Araştırmalarda bunlar sürekli olarak karşımıza çıkıyor. Ayrıca dikkat çekici biçimde, neredeyse tamamen çalışanların beceri setlerinden ziyade liderlik davranışlarıyla ilgili.

Konferans oturumlarını bunların her biri açısından değerlendirdiğimizde dengesiz bir tablo ortaya çıkıyor.

Empati

Franklin'in performans yönetiminde yapay zeka kullanımına ilişkin savı, insanların değerlendirmeyi nasıl deneyimlediğine dair gerçek bir içgörüye dayanıyordu: performans görüşmesi gerçekleşmeden önce kanıta dayalı bilgileri ortaya koyarak değerlendirme konuşmalarındaki yargılanma dinamiğini ortadan kaldırmak, insanların neyi duymaya istekli olduğunu değiştiriyor.

Çalışanların, yapay zekanın bir yöneticinin öznel izleniminden ziyade güvenilir verilerden yararlandığını anladıklarında kendilerini "daha rahat" hissettiklerine ilişkin açıklaması, bireylerin değişimi farklı şekillerde deneyimlediğine dair gerçek bir gözlemdi.

Coursera'nın, yapay zeka koçlarıyla etkileşime giren öğrencilerin girmeyenlere kıyasla belirgin biçimde daha iyi sonuçlar elde ettiğine yönelik bulgusu da aynı doğrultuya işaret ediyor. Farklı insanların farklı desteklere ihtiyacı var ve buna dikkat eden kuruluşlar daha iyi sonuçlar alıyor.

Oturumlarda örgütsel empatiyi değerlendirmeye yönelik bir teşhis yöntemi sunulmadı, ancak yönü gösteren anlayış mevcuttu.

Ürün odaklı düşünme

Anghelina'nın yoğun eğitim kampı modeli bunun en açık örneği: çalışanlara soyut bir beceri müfredatı ya da yapay zeka yetkinliğine ilişkin bir teori değil, çalışan bir aracı çerçevesi ve somut bir iş sorunu veriliyor.

Pazarlama harcamalarını %10 azaltın. Tasarım tercihi önemli. İş gücü gelişimini, bir ürün ekibinin bir soruna yaklaşımı gibi ele alıyor: gerçek bir kullanıcı ihtiyacıyla başlayın, bu ihtiyacı karşılayan bir şey geliştirin ve oradan ilerleyerek yineleyin.

Jain'in sağlık hizmetlerinde yeniden görevlendirme örneği de aynı mantığı izliyor. Serbest kalan İK operasyon kapasitesi genel bir yeniden beceri kazandırma programına yönlendirilmedi; kuruluşun daha önce hiç ele alamadığı belirli bir uyum sorununa yönlendirildi.

Bunlar uygulamadaki ürün odaklı düşünme örnekleri. Ancak konuşmacıların hiçbiri bunu bu şekilde çerçevelemedi; bu da oturumları izleyen liderlerin örneği özümsemesinin, ancak ilkeleri çıkaramamasının muhtemel olduğu anlamına geliyor.

Cesaret

Bu konu bir kez, açıkça gündeme geldi ve ardından konuşma başka yöne ilerledi. Daniels'ın Oracle eleştirisi keskindi: iş gücünü yeniden becerilendirmek için mali kaynaklara sahip bir kuruluş bunu yapmamayı seçmişti ve Daniels bunu yönetici iradesinin başarısızlığı olarak nitelendirdi. Bu çerçeve etkili oldu.

Ancak bu, kuruluşların uzun vadeli iş gücü yetkinliği uğruna kısa vadeli maliyetleri üstlenmek için kurumsal cesareti nasıl geliştirdiğine dair herhangi bir tartışma yaratmadı. Sorunu adlandırmak ile onunla başa çıkmak için gereken liderlik yetkinliğini geliştirmek arasındaki boşluk açıkta bırakıldı.

Şeffaflık

Bu konu tüm oturumlar boyunca örtük biçimde vardı, ancak nadiren doğrudan incelendi. Franklin'in, performans yönetiminde yapay zeka kullanımının ön koşulu olarak örgütsel güven oluşturma hakkındaki yorumları konuya en çok yaklaşan kısımdı.

Ancak hiçbir oturum, bir kuruluş hangi rollerin bir yapay zeka dönüşümünden sağ çıkacağından gerçekten emin olmadığında dürüst iletişimin nasıl göründüğünü ya da liderlerin benimsemeyi zayıflatan korkuyu artırmadan bu belirsizlik hakkında nasıl doğruyu söyleyebileceğini ele almadı.

Boston Consulting Group ve Columbia Business School tarafından gerçekleştirilen araştırma, yöneticilerin çalışanların yapay zeka stratejisi hakkında ne anladığını düşündükleri ile çalışanların gerçekte ne anladıkları arasındaki 51 yüzde puanlık farkı ortaya koydu; bu konu gündeme gelmedi. Gelmeliydi. Bu fark bir iletişim sorunu değil. Bir şeffaflık sorunu ve teknik açıdan sağlam olan uygulamaları rayından çıkaracak kadar büyük.

Varlık gösterme

Güçlü insanların öz farkındalıktan yoksun olmasıyla tanınan bir çağda, varlık gösterme kavramının da uygun biçimde neredeyse tamamen yokluğu dikkat çekiciydi. Oturumlar stratejik bir düzeyde sunuldu ve liderlerin kuruluşlarında işlerin gerçekte nasıl yürüdüğünü, yapay zeka uygulamasının işi yapan insanlar için neyi gerçekten değiştireceğini bilecek kadar yakından anlayıp anlamadığı sorusu incelenmeden bırakıldı.

Jain'in rakamları bunu ima ediyor: Bir iş sürecindeki insanların %60'ı otomasyondan sonra gereksiz hâle geliyorsa, üst düzeyde birinin bu insanların gerçekte ne yaptığını ve eşdeğer işlerin nerelerde bulunabileceğini net biçimde görmesi gerekiyordu.

Ancak kuruluşların bu operasyonel yakınlığı nasıl geliştirdiği, özellikle yönetici ekipleri ile sahadaki işler arasındaki silikon tavanın zaten belgelenmiş olduğu büyük işletmelerde, konuşmanın bir parçası değildi.

Stratejik sabır

Konferansın baskın söylemi aciliyet üzerine kuruluydu. Şimdi harekete geçin yoksa geride kalın. Pilot çalışmalar sona erdi, artık uygulama zamanı. Anghelina'nın bir günlük entegrasyon iddiası. Jain'in, yeterince hızlı hareket etmeyen bir CEO'nun, rakiplerin neden daha iyi marjlara sahip olduğunu soran analistlerle karşılaşacağı yönündeki uyarısı.

Robin Daniels'ın kapanışta yaptığı düzeltme, "hız artı belirsizlik sadece kaostur, bir nefes alın", oturumların herhangi birindeki tek karşı baskıydı ve süre dolmadan önceki son otuz saniyede geldi.

Kalıcı yapay zekâ benimsemesini gerçekte neyin sağladığına ilişkin araştırmalar farklı bir yöne işaret ediyor: Beş saatten fazla yapay zekâ eğitimi alan çalışanların %79'u düzenli kullanıcı hâline gelirken, beş saatten az eğitim alanlarda bu oran %67'de kaldı. J-eğrisi gerçektir.

Kalıcı sonuçlar üreten yetkinlik geliştirme, konferanslardaki aciliyet söyleminin kabul ettiğinden daha uzun sürüyor ve girişimleri olgunlaşmadan terk etmenin kurumsal maliyeti, S&P Global'in yapay zekâ projelerinin %42'sinin üretim ortamına ulaşmadan önce terk edildiğini belirttiği bir ortamda, "hızlı hareket et yoksa geride kalırsın" çerçevesiyle yakalanamıyor.

Sistem düşüncesi

Hiçbir oturum, bir işlevde yapay zekâ uygulamasının diğer işlevlerde nasıl aşağı yönlü etkiler yarattığını kapsamlı biçimde ele almadı. Örneğin:

• İK operasyonlarındaki iş akışı yeniden tasarımının, müşteri hizmetlerinin yapabilmesi gerekenleri nasıl değiştirdiği
• Kredi onayını otomatikleştirmenin, tüm kredi verme işlevi için ürün yönetimi sürecini nasıl değiştirdiği
• Bir departmanda aracıların devreye alınmasının, her departmanı etkileyen yönetişim sorularını nasıl gündeme getirdiği.

Ng'nin kredi onayı örneği, artımlı verimlilikten ziyade tepeden aşağı iş akışı yeniden tasarımının yeni ürünlerin önünü nasıl açtığını anlatarak aslında bunun tohumlarını içeriyordu; ancak kuruluşların bu fırsatları görebilmek ve bunlara göre hareket edebilmek için nasıl yapılandırılması gerektiğine ilişkin sistem düzeyindeki çıkarımlar geliştirilmedi.

BCG'nin, yapay zekâ konusunda başarılı kuruluşların %52'sinin artık iş ve teknoloji liderlerinden oluşan işlevler arası ekipler kullandığı, bir yıl önce bu oranın %5 olduğu yönündeki bulgusu, bunun sürmekte olan en önemli yapısal değişimlerden biri olduğunu gösteriyor. Oturumlar bunu etkin bir tartışma konusu olmaktan ziyade varsayılan bir arka plan bilgisi olarak ele aldı.

Yedi yetkinliğin tamamındaki örüntü ne? Liderler, bireysel beceri gelişimine en çok benzeyen yetkinlikler (empati, ürün düşüncesi) konusunda daha hazırlıklı, kurumsal yeniden tasarım gerektiren yetkinliklerde (sistem düşüncesi, stratejik sabır, mevcudiyet) ise daha zayıf görünüyor.

Bu dengesizlik, yapay zekâ etrafındaki konuşmanın şu anda bulunduğu yerle ilgili gerçek bir durumu yansıtıyor. Bireysel beceri gelişimi yönetilebilir bir konudur. Bunun tedarikçileri, müfredatları ve tamamlanma ölçütleri vardır. Kurumsal yeniden tasarım ise daha yavaş, siyasi açıdan daha karmaşık ve 45 dakikalık bir oturuma sığdırılması daha zordur.

Bu nedenle konuşma, somut olarak tanımlayabildiği şeylere yöneliyor ve ortaya çıkan sonuca hazırlık çerçevesi adını veriyoruz.

Uygulanabilirlik Gerçekte Neyi Gerektirir?

Arzulanan hazırlık ile uygulanabilir hazırlık arasındaki ayrım, kötümserlik ile iyimserlik arasındaki ayrımla ilgili değildir. Hem Ng hem de Hart, bunu iyi yapan kuruluşların gerçek ilerleme kaydettiğini açıkça belirtti.

Hart, 5.000 çalışanını uzmanlaşmış yapay zekâ rollerine yetiştiren büyük bir profesyonel hizmetler kuruluşunu ve Coursera etkileşiminin elde tutmada %50'lik bir iyileşmeyle ilişkili olduğu küresel bir teknoloji şirketini anlattı. Bunlar yalnızca niyet değil, sonuçtur.

Mevcut açıklamalara göre bu kuruluşların ortak noktası, genel bir hazırlık hedefinden ziyade belirli bir iş sorunuyla başlamış olmalarıdır. Profesyonel hizmetler kuruluşu, yapay zekâ destekli çalışmalarda müşteriler için daha iyi sonuçlar sunmaya çalışıyordu. Teknoloji şirketi ise daha etkili hâle gelen çalışanlarını elde tutmaya çalışıyordu. Her iki durumda da beceri gelişimi, değerlendirilebilecek kadar somut bir temele dayanıyordu.

Anghelina bu noktayı en doğrudan biçimde, ancak söz konusu hızlandırılmış eğitim kampları ve pazarlama harcamalarını optimize ederek %10 daha fazla satış elde etme hedefi bağlamında dile getirdi. Mekanizma soyut değil. Sonuç ölçülebilir. Çalışanın görevi, oraya ulaşmak için yapay zekânın nasıl uygulanacağını bulmaktır.

Yeniden beceri kazandırma çalışmalarının büyük bölümünün takılıp kaldığı nokta burasıdır. Çalışmalara becerilerle, çünkü beceriler anlaşılabilir, öğretilebilir ve takip edilebilir oldukları için başlanır. Coursera kayıt sayıları gerçektir. Mikro yeterlilikleri tamamlama verileri gerçektir. Öğrenenlerin altı ay içinde olumlu kariyer sonuçları bildiren %91'lik oranı gerçektir. Ancak kurumsal bağlamdan koparılan beceriler genelleşmeye yönelir. Genel hazırlık ise belirli bir şeye hazırlık değildir.

Franklin, İK'nın zamanının yaklaşık %60'ını geçmişte ne olduğunu belgelemeye harcadığını söylediğinde aynı noktaya İK perspektifinden de değindi.

Fırsat, İK'yı belgeleme konusunda daha iyi hâle getirmek değildir. Fırsat, İK'nın kapasitesini gerçekten insan muhakemesi gerektiren sorunlar üzerinde çalışmaya ayırmasını sağlamaktır; bunlar, organizasyonu, çalışanlarını ve sonuçları gerçekten yönlendiren kararları anlayan birine ihtiyaç duyacak kadar spesifik sorunlardır.

Gerçek bir yapay zekâ hazırlık stratejisi buradan başlar. "Çalışanlarımızın hangi becerilere ihtiyacı var?" sorusuyla değil, "Bu organizasyonun 18 ay içinde bugün yapamadığı hangi şeyi yapabilecek hâle gelmesi gerekiyor ve her rolün buna katkısı ne olmalı?" sorusuyla başlar.

Bu sorudan geriye doğru çalışmak, değerlendirilebilir bir yapı ortaya çıkarır. Yedi Yetenek Çerçevesi, tam olarak bu geriye dönük eşleştirmeyi yapılandırmak, bir işletme yetkinliği hedefini bunu gerçekleştirmek için gereken belirli insan yeteneklerine dönüştürmek ve mevcut durum ile gereken durum arasındaki mesafeyi, buna dayalı bir gelişim programı oluşturacak kadar hassasiyetle değerlendirmek için vardır.

Aciliyet Önemli Noktaları Gölgeliyor

Konferans çevresinin muhtemelen kasıtlı olmadan pekiştirdiği dinamiklerden biri, aciliyetin kesinliğin yerini almasıdır.

İster Transform'daki görkemli balo salonlarında, ister HumanX'teki dramatik biçimde aydınlatılmış sahnede, ister yaşadığım Atlanta'da düzenlenen daha küçük ve yerel konferanslardaki atölye oturumlarında olsun, son 6 hafta içinde katıldığım her oturum değişimin hızına değindi.

Birkaç konuşmacı, Ng'in çerçevesine göre en yeni yapay zekâ kodlama araçlarının üç ila dört ay gerisinde kalmanın mühendisler arasında önemli performans farkları yarattığını belirtti. Örtük mesaj, benimseme hızının birincil değişken olduğuydu.

Bu bir değişkendir. Ancak birincil değişken değildir.

Daniels, etrafındaki konuşma bunu bir ölçüde gömmüş olsa da, konuyu en açık şekilde ifade etti.

Şu anda yapay zekâ hazırlığı olarak adlandırılan şeylerin çoğu hız odaklı ilerliyor. Aciliyet, hepimizin bunu hissetmesi anlamında gerçek ve ona bağlı kalarak bu durumu sürdürüyoruz.

Ancak yapay zekâ iş gücü gelişimi sayesinde gerçek rekabet avantajı oluşturan organizasyonlar, neye doğru ilerlediklerini yeterince spesifik biçimde tanımlamış olanlardır; böylece hızın ilerleyebileceği bir yönü vardır.

Test basittir ve konferans oturumları bunu istemeden de olsa ortaya koyar. Bu oturumların herhangi birinde sunulan yapay zekâ hazırlığı tanımını alıp organizasyonunuz için bir gelişim programı oluşturmak üzere kullanmaya çalışsaydınız, tanımın yanıtlamadığı bir dizi soruyu hemen yanıtlamanız gerekirdi.

• Özel yapay zekâ stratejimiz açısından hangi roller en önemli?
• Her seviyede yetkinlik nasıl görünür ve bunu nasıl ölçeriz?
• Mevcut durumdan gereken duruma en hızlı şekilde ulaşmamızı sağlayacak gelişim sıralaması nedir?
• Tüm bunların işe yaraması için bireysel beceri gelişiminin yanı sıra hangi kurumsal değişikliklerin gerçekleşmesi gerekir?

Bunlar vizyoner sorular değildir. Operasyonel sorulardır. Bunları yanıtlamak, yapay zekâya hazır iş gücü oluşturma beceriniz ile yapay zekâ eğitim programları yürütme beceriniz arasındaki farkı ortaya koyar.

Bu ifade, herkesin üzerinde uzlaştığı bir hedefin kısa adı hâline geldi. Strateji ise bu hedefin tam olarak ne anlama geldiğine karar verdikten sonra yapılan çalışmadır.