Key Takeaways
Yükselen Standartlar: Yapay zekâ, giriş seviyesindeki işleri daha önce kıdemli rollerle ilişkilendirilen muhakeme, iletişim ve problem çözme becerilerine yönlendiriyor.
Kaybedilen Pratik: Rutin görevlerin otomatikleştirilmesi, kariyerinin başındaki çalışanların muhakeme yeteneğini geliştirmesine yardımcı olan hataları, gözlemleri ve bağlamı ortadan kaldırabilir.
İşe Alımda Değişim: İşverenler, yeterlilik belgelerine veya önceden hazırlanmış başarı anlatılarına güvenmek yerine muhakeme yeteneğini, uyum sağlayabilirliği ve öğrenme hızını giderek daha fazla test ediyor.
Yeni Merdiven: Yapay zekâ çıktıyı hızlandırıyor, ancak şirketlerin çalışanlara daha geniş sorumluluk vermeden önce denetimli pratik yapabilecekleri ortamları bilinçli biçimde oluşturması gerekiyor.
Uygulanabilir Tasarım: Simülasyonlar, rotasyonlar, iş sonrası değerlendirmeler ve telafi edilebilir hatalar, bir zamanlar rutin işlerin sağladığı gelişimsel öğrenmenin yerini alabilir.
Giriş düzeyindeki işler giderek daha az giriş düzeyinde görünmeye başlıyor.
PwC’nin Haziran 2026 Yapay Zekâ İşleri Barometresi, yapay zekâya yüksek düzeyde maruz kalan giriş düzeyi işlerin, geleneksel olarak kıdemli çalışanlarla ilişkilendirilen becerileri gerektirme olasılığının, yapay zekâya daha az maruz kalan rollere kıyasla yedi kat daha yüksek olduğunu ortaya koydu. Bu ilanlarda yeni ortaya çıkan becerilerin yarısından fazlası, tarihsel olarak daha kıdemli pozisyonlarla ilişkilendiriliyordu.
Bu değişim sezgisel olarak anlamlı. Yapay zekâ, kariyerinin başındaki bir çalışanın gününün büyük bölümünü dolduran yapılandırılmış ve tekrarlayan işleri giderek daha iyi yerine getirebiliyor. Geriye kalan işler ise daha çok muhakeme, iletişim, problem çözme ve eksik bilgilerle karar verme becerisi gerektiriyor.
Ancak bu verimlilik artışının bir sorunu var.
Bu daha basit görevler yalnızca çıktı üretmiyordu. Aynı zamanda deneyimsiz çalışanlara kuruluşların nasıl işlediğini gözlemleme, görece düşük maliyetli hatalar yapma ve daha zor kararlar verebilmek için gereken bağlamı zaman içinde biriktirme fırsatı da sunuyordu.
Bir siberpsikoloji araştırmacısı ve AI Mental Health Collective’in kurucusu olan Dr. Rachel Wood, giriş düzeyi işlerin gözden kaçırılan bu işlevinin önemli olduğunu savunuyor.
Bir sektöre giren ve işin kendisine kıyasla tali görünen işler yapan çalışanı düşünün. Bu görevleri yerine getirirken çalışan aynı zamanda liderlerin nasıl karar aldığını, çalışma arkadaşlarının nasıl etkileşim kurduğunu ve işletmenin gerçekte nasıl işlediğini de öğreniyor.
Bu deneyimi tamamen ortadan kaldırdığınızda, mantıksal sonuç, işverenlerin Wood’un “kariyerlerinin ilerleyen dönemlerinde iyi bir lider olma kapasitesini geliştiren angarya işlerin çok önemli bir bölümünü” ortadan kaldırma riskiyle karşı karşıya kalmasıdır. “Yapay zekânın sahip olduğu şey deneyimsiz bilgidir.”
Bu, şirketlerin düşük değerli işleri nostalji uğruna koruması gerektiği anlamına gelmez. Çok az çalışanın bilgileri elektronik tablolar arasında kopyalamakla geçen, karakter geliştiren saatlere ihtiyacı vardır.
Ancak kuruluşların yalnızca verimsiz olan işlerle gelişim sağlayan tekrarlar sunan işleri birbirinden ayırması gerekebilir.
İnsanlar muhakeme becerisi geliştirir, çünkü kararların kısmen sonuçları vardır. Bir şeyi yanlış yapar, sonuçlarıyla başa çıkar ve kendilerini düzeltirler. Bazen kendilerini açıklamak, bir ilişkiyi onarmak veya bir karara taşırken sahip oldukları bir varsayımın yanlış olduğunu fark etmek zorunda kalırlar.
Bu deneyimleri otomatikleştirmek zordur; çünkü değerleri kısmen bunları bizzat yaşamış olmaktan kaynaklanır.
Muhakeme Becerisine Göre İşe Alım Başka Bir Sorun Yaratıyor
İşverenler, alt düzey işlerin değişen yapısına çıtayı yükselterek şimdiden yanıt veriyor.
Haziran ayında 1.000’den fazla ABD’li işverenle yapılan bir ZipRecruiter araştırması, katılımcıların %31’inin yapay zekâ nedeniyle giriş düzeyi pozisyonlar için deneyim gerekliliklerini artırdığını ortaya koydu. Bu yanıt, başka bir sorun yaratma ihtimaliyle bir sorunu çözüyor. Şirketler, yeniden tasarlanan rollerinin gerektirdiği muhakeme becerisine zaten sahip kişileri işe alabilir.
Ancak er ya da geç, birilerinin bu beceriyi geliştirmesi gerekiyor.
Bu durum geleneksel işe alım göstergelerini de daha az kullanışlı hâle getiriyor. Bir giriş düzeyi çalışanın belirsizlik içinde yol alması, paydaşları yönetmesi ve muhakeme becerisi sergilemesi bekleniyorsa, yılların deneyimi ve özenle hazırlanmış bir özgeçmiş, bunu yapabileceğine dair yalnızca dolaylı kanıt sunar.
Engine’de İnsan ve Kültür Direktörü olarak yürüttüğü çalışmalarda direktör düzeyindeki ve daha üst düzey adaylarla görüşen Heather Krueger, adayların ne yaptıklarının ötesine geçerek nasıl düşündüklerini anlamaya giderek daha fazla çalıştığını söyledi.
Çoğu mülakat sorusu geçmişe dönüktür: Neyi başardınız? Sonuç ne oldu? Ne yaptınız?
Yapay zekâ, bu sorulara ikna edici yanıtlar hazırlamayı her zamankinden daha kolay hâle getiriyor.
Bu nedenle Krueger, baskı altında alınan kararlara, açık bir yanıtı olmayan durumlara ve adayın seçimlerinin ardındaki gerekçelere daha fazla odaklanıyor. Ayrıca görüşmecilerin varsayımlara meydan okumasına ve adayların gerçek zamanlı olarak nasıl tepki verdiğini görmesine olanak tanıyan iş denemelerini tercih ediyor.
Bu ayrım, işverenler potansiyel arayışıyla işe alım yaptığında özellikle önem kazanıyor.
Krueger, bilgi birikiminin geçerlilik süresi kısalırken şirketlerin adayların zaten bildiklerine çoğu zaman gereğinden fazla değer verdiğini söyledi. Bunun yerine merak, uyum sağlama becerisi ve yeni bir şeyi özümseyip uygulama yeteneği arıyor.
Öğrenme ivmesi, yeterliliklerden daha önemlidir.
Muhakeme de bu listede yer alıyor. Krueger, bunu kuruluşlara daha fazla özgürlüğü daha fazla hesap verebilirlikle bir arada sunma konusunda güven veren bir yetkinlik olarak tanımladı; özellikle de işlerin hızla ilerlediği durumlarda.
Kariyer Merdiveninin Yerine Bir Yapı Gerekiyor
On yıllar boyunca kuruluşların oldukça basit bir gelişim modeli vardı.
İşe yeni başlayan çalışanlar daha dar kapsamlı sorunlarla ilgilenirdi. Başarılı çalışanlar daha büyük sorunların sorumluluğunu üstlenirdi. Zamanla deneyimin kendisi, işe kattıkları değerin bir parçası hâline gelirdi.
Yapay zekâ bu ilerlemeyi karmaşıklaştırıyor; çünkü ilk ve ikinci adım arasındaki mesafeyi ortadan kaldırabiliyor.
İşe yeni başlayan bir analistin kapsamlı analizler üretecek yetkinliğe ulaşmak için artık yıllara ihtiyacı olmayabilir. Yeni bir işe alım uzmanı, daha önce önemli ölçüde deneyim gerektiren bir hızla yapay zekâyı kullanarak iletişim metinleri hazırlayabilir, mülakatları özetleyebilir veya adaylar hakkında araştırma yapabilir. Bir geliştirici, kariyerinin çok daha erken dönemlerinde çalışan kod üretebilir.
Ancak daha hızlı üretim, daha hızlı muhakeme anlamına gelmez.
Şirketler kariyerlerinin başındaki çalışanların karmaşıklık eğrisinde daha üst düzeyde faaliyet göstermesini istiyorsa, işi yapmaktan doğal olarak ortaya çıkan deneyimleri bilinçli bir şekilde oluşturmak zorunda kalabilir.
Bu; simülasyonlar, gözetimli karar alma, üst düzey görüşmelere yapılandırılmış biçimde katılma, rotasyonlar, olay sonrası değerlendirmeler ve önemli ancak telafi edilebilir hatalar yapma fırsatları anlamına gelebilir.
Yapay zekânın kendisi bile çalışanların zor konuşmaları prova edebileceği veya kararları gerçekte uygulamadan önce sınayabileceği düşük riskli ortamlar oluşturarak yardımcı olabilir.
Amaç, teknolojinin ortadan kaldırdığı her tekdüze görevi yeniden oluşturmak olmamalı.
Amaç, çalışanların bu görevleri yerine getirirken ne öğrendiğini belirlemek ve bu öğrenmenin hâlâ gerçekleşmesini sağlamak olmalı.
