Yapay Zekâ İşe Alım Uzmanı, Yapay Zekânın Ustalık Yaratan Zorlukları Ortadan Kaldırdığını Söylüyor

David Stepania bir iş lideri ve seri girişimcidir. Kendisi şu anda, uzaktan çalışan yapay zekâ mühendisliği yeteneklerini finansman almış ABD girişimleriyle buluşturan bir pazar yeri olan ThirstySprout'un CEO'sudur.

Yapay zekânın liderliği ve işe alımı nasıl değiştirdiğini öğrenmek için David'le bir araya geldik. Bize anlattıkları şöyle.

Yapay zekâ, yüksek performanslı bir ekip olmanın ne anlama geldiğini yeniden yazıyor

Ben, uzaktan çalışan yapay zekâ mühendisliği yeteneklerini — çoğunlukla Latin Amerika, Doğu Avrupa ve Asya'dan — finansman almış ABD teknoloji girişimleriyle buluşturan bir pazar yeri olan ThirstySprout'un kurucusu ve CEO'su David Stepania'yım. Ayrıca bir yapay zekâ maaş ve iş zekâsı platformu olan ChoppingBlock.ai'yi kurdum ve AI Chopping Block podcast'ini sunuyorum.

İki kez kendi kaynaklarıyla büyümüş bir girişim kurdum. Girişim sermayesi yok, güvenlik ağı yok — kurduğum her şirket hayatta kalabilmek için kârlı olmak zorundaydı. Son girişimim 2024'te Inc. 5000 listesinde 247. sırada yer aldı ve kariyerim boyunca 100 milyon doların üzerinde gelir elde ettim.

Dünyanın dört bir yanındaki güneşli yerlerden, dört kıtaya yayılmış dağıtık bir ekiple tamamen uzaktan çalışıyorum.

Liderlik yolculuğum, daha az kaynakla daha fazlasını yapmayı öğrenmekle geçti. Kendi kaynaklarıyla büyümek bunu zorunlu kılıyor. Her sorunu işe alım yaparak çözemeyeceğiniz için kaldıraç etkisini — süreç, sistemler ve doğru pozisyonlardaki doğru kişiler aracılığıyla — kullanma konusunda çok iyi hale geliyorsunuz.

Yapay zekâ dönemini ilginç buluyorum; çünkü bunu aynı anda iki farklı açıdan görüyorum. İçeride, kendi organizasyonumu yapay zekâyı bir uygulama katmanı olarak merkeze alacak şekilde yeniden kuruyorum. Dışarıda ise, onlarca finansman almış girişim bana artık mühendislerden tam olarak ne istediklerini anlatıyor — bu talep, son 18 ayda önceki on yılın tamamında değiştiğinden daha hızlı değişti. Yapay zekânın "yüksek performanslı bir ekip" kavramını nasıl yeniden yazdığına ilk elden tanıklık ediyorum.

Yapay zekâ ekip operasyonlarını ve karar alma süreçlerini nasıl dönüştürüyor?

Yapay zekâ tarafından oluşturulan aday sıralamalarını incelerken benim için her şey değişti.

Şöyle oldu: Yapay zekâdan bir grup mühendisi rol için puanlamasını istedim. Beklediğim sıralamaya oldukça yakın sonuçlar verdi — ancak bir aday için, bakmasını istemediğim bir şeyi işaret etti: mühendis teknik açıdan neredeyse kusursuz bir eşleşmeydi, fakat müşterinin onaylı işe alım listesinde yer almayan bir ülkede bulunuyordu.

Ardından, bir aracın genellikle yapmadığı bir şeyi yaptı. Bir çözüm önerdi — aday komşu ve onaylı bir ülkeye taşınabilirdi ya da daha önce başka mühendisler için yaptığımız gibi Meksika'da ikamet kurmasına yardımcı olabilirdik.

İşte o an geldi. Sadece bir görevi yerine getirmedi. Ekibimdeki becerikli bir operasyon yöneticisinin yapacağı gibi işim hakkında akıl yürüttü. Ve şirketimin darboğazının yer değiştirdiğini fark ettim.

İnsan neden zekâ katmanıdır, yapay zekâ ise ellerdir?

Artık herkes yalnızca Cursor kullanan kişileri değil, "yapay zekâ odaklı" mühendisleri istiyor. Bununla, kodlamayı yapay zekânın üstlenmesine izin verirken düşünmeyi — problemi çerçevelemeyi, mimariyi ve muhakemeye dayalı kararları — kendisi yapan bir mühendisi kastediyorlar.

Benim rolüm de aynı şekilde değişti. İki yıl önce işimin büyük bölümü işleri yönlendirmekten — kimin ne yapacağına karar verip ardından çıktıyı beklemekten — oluşuyordu. Bugün işim, çözümleri uygulayabilmemiz için problemleri yeterince kesin biçimde tanımlamak ve bu uygulamanın giderek büyüyen bir kısmı başka bir çalışan aracılığıyla değil, yapay zekâ üzerinden yürütülüyor.

Eskiden birim ekonomimiz konusunda gerçek bir netlik elde etmek için yarı zamanlı bir CFO'ya ihtiyacım olacağını varsayardım. Bunun yerine yapay zekâyla kendim CFO düzeyinde kapsamlı bir finansal analiz yaptım ve bir maliyet kaleminin sınıflandırılmasının gerçek birim ekonomimizi gizlediğini gördüm. Bu, ya bir uzmana para ödeyerek yaptıracağım ya da hiç yapmayacağım bir analizdi.

Hukuk alanında da aynı durum geçerli. Ana Hizmetler Sözleşmemizi, yüklenici sözleşmelerimizi ve iş ortağı ücret paylaşımı sözleşmelerimizi baştan oluşturdum. Taslakları yapay zekâ hazırlıyor, bir avukat inceliyor. Bu, maliyet yapısını tersine çeviriyor. Pahalı insan emeği artık ilk yüzde 90'ı değil, son yüzde 10'u gerçekleştiriyor.

Ayrıca ekibin kendisini de yeniden şekillendirdim. Ekiplerden uzaklaşıp, her biri yoğun biçimde yapay zekâyla desteklenen, bütün bir alandan sorumlu tekil sahiplik yapılarına geçiyoruz. Programatik SEO alanımızın tamamından bir kişi sorumlu. Topluluğumuzdan ve veri altyapımızdan bir kişi sorumlu. Organizasyonun her birimi artık bir ekip değil — yapay zekâyla birlikte çalışan güçlü bir operatör.

Yapay zekâ nerede kullanılmalı, nerede kullanılmamalı?

Ayrıca stratejide yapay zekâyı, karar alma ve organizasyon tasarımında da kullanıyorum; her birinde kullanım yoğunluğu farklı.

• Karar alma en derin alan: Karar vermeden önce fiyatlandırma, işe alım ve müzakere stratejisini yapay zekâ aracıma karşı stres testine tabi tutuyorum.
• Strateji için onu pazar analizinde yoğun biçimde kullanıyorum.
• Organizasyon tasarımında, şirketi ekipler yerine tek bir alandan sorumlu sahipler etrafında yeniden yapılandırdığımda, her rolün neleri üstlenmesi gerektiğini ve gerçek kısıtların nerede olduğunu modelleyerek bu yeniden tasarım sürecini yapay zekâ ile yürüttüm.

Kültür, en dikkatli olduğum alan. Temelde insana özgüdür çünkü insanların zor anlarda nasıl muamele gördüğüyle şekillenir ve bunu dışarıdan hizmet alarak devredemezsiniz. Yapay zekâ hazırlık konusunda yardımcı olur. Zor bir performans görüşmesinden önce, acımasız olmadan nasıl doğrudan konuşabileceğimi ve karşı tarafın neleri duyması gerektiğini düşünüp değerlendiririm. Ancak görüşmenin kendisini ben yürütmeliyim.

Yapay zekâ beni daha hazırlıklı bir lider yapabilir. Ancak daha mevcut ve ilgili bir lider olmamı sağlayamaz. Bu kısmı devredemem.

Yapay zekâ ile aday taraması nasıl yeniden tasarlanabilir?

İşe alım geleneksel olarak bir hacim oyunudur: yüz özgeçmiş bulur, bunları gözden geçirir, otuzunu iletir ve birkaçının işe yarayacağını umarsınız. İşe alım uzmanlarının değeri, iş hacmiydi. Ancak tüm aday tarama operasyonunu yapay zekâ etrafında yeniden oluşturduk.

İlk olarak, her müşteri çalışması için, gerçek işe alım çıtasını kodlayan özel talimatlara sahip ayrı bir Claude projesi oluşturduk — iş tanımında belirtilen gereklilikleri değil, işe alım yöneticisiyle görüştükten sonra onun gerçekten ne kastettiğini.

Bir iş tanımı "kıdemli React mühendisi" der. Görüşmeden sonra gerçek çıta ise "üretim ortamında bir RAG işlem hattı kullanıma sunmuş ve telefon entegrasyonlarını kurabilen biri"dir. Bu nüans çalışma alanında yer alır.

İkinci olarak, müşterinin mülakat planını ve puan kartını temel doğru kaynağı olarak yüklüyoruz. Böylece yapay zekâ, genel kıdem düzeyine göre değil, müşterinin kullanacağı tam değerlendirme ölçütlerine göre tarama yapıyor.

Üçüncü olarak, her aday, sahip olunması gereken her bir boyut için birden ona kadar bir puan alıyor; buna yazılı gerekçe ve açıkça işaretlenmiş eksikler de dahil. "İyi uyum" değil — "ön yüz: 9, RAG'i kullanıma sunma: 8, telefon: 0, nedeni şu."

Sonuç olarak çıktımız tamamen değişti. Otuz özgeçmiş iletmeyi bıraktık ve bunun yerine, her biri müşterinin harekete geçebileceği bir dökümle birlikte, tam olarak uygun üç ila beş aday göndermeye başladık.

Aday listeleri önemli ölçüde daha sıkı hâle geldi, adaylar mülakat süreçlerinde daha ileri aşamalara geçti ve görüşmeler "İşte bazı kişiler" demekten "İşte her birinin değerlendirme ölçütlerinize tam olarak nasıl uyduğu" demeye dönüştü.

Ancak daha derin değişim, ekibimin işlerinde gerçekleşti. Yapay zekâ artık angarya işleri — okuma, eşleştirme ve ilk eleme aşamasını — üstleniyor. Bu, ekibimdeki insanların harcadığı her saatin, yapay zekânın yapamayacağı kısma ayrılması anlamına geliyor: motivasyonu anlamak, birinin kaotik bir girişimde başarılı olup olmayacağını değerlendirmek, ilişki kurmak ve anlaşmayı sonuçlandırmak.

İş küçülmedi. Değer zincirinde yukarı taşındı. Bir lider olarak gerçek işim, ekibin bu değişimi anlamasını ve tehdit altında hissetmek yerine buna yönelmesini sağlamak hâline geldi.

Yapay zekâ benimsenmesinde süreçleri yeniden tasarlamak neden kritik?

David Paylaşıyor

En büyük kopukluk, şirketlerin yapay zekâyı eklenecek bir şey olarak görmesi — lisanslar, bir araç, yukarıdan gelen “yapay zekâ kullanın” talimatı — oysa aslında onun etrafında yeniden tasarım yapmanız gerekiyor.

En büyük kopukluk, şirketlerin yapay zekâyı eklenecek bir şey olarak görmesi — lisanslar, bir araç, yukarıdan gelen "yapay zekâ kullanın" talimatı — oysa aslında onun etrafında yeniden tasarım yapmanız gerekiyor. Bunlar tamamen farklı projeler.

İnsanlar bu mekanizmayı gözden kaçırıyor. Yapay zekâ, yönlendirdiğiniz her süreci güçlendirir. Temel süreç iyiyse yapay zekâ onu önemli ölçüde hızlandırır. Süreç vasatsa — çoğu şirketin içindeki süreçlerin çoğu vasattır — yapay zekâ yalnızca vasat işleri daha hızlı gerçekleştirmenizi sağlar. Dönüşüm elde edemezsiniz. Aynı karmaşayı daha hızlı yaşarsınız.

Bunu işimin her iki tarafında da görüyorum. Şirket içinde kendi yazılım yığınımızı denetlediğimde, elliden fazla araç kullandığımızı ve bunların önemli bir bölümünün, satın almanın kendisinin dönüşüm olduğuna inandığımız için aldığımız yapay zekâ araçları olduğunu fark ettim.

Bu, araç çoğalmasını ilerlemeyle karıştırmak demek. Dışarıdan baktığımda da her müşterinin tüm mühendislerini yapay zekâ ile kodlama araçlarıyla donattığını, ancak yine de ürünleri kullanıma sunmakta zorlandıklarını; buna karşılık nadir birkaçının gerçekten hızlı ilerlediğini görüyorum. Fark hiçbir zaman araçların sayısı değil, işi yeniden tasarlayıp tasarlamadıklarıdır.

Psikolojik zorluklar yapay zekâ kullanımını nasıl etkiler?

Yapay zekâyı işin bir bölümüne dâhil ettiğimde insanlar nadiren açıkça karşı çıktı. Direnç daha sessizdi. Bazı insanlar bunu gereğinden az kullandı ve işleri yavaş yöntemlerle yapmaya devam etti. Bazıları ise sürekli kullandı ama bundan bahsetmedi; neredeyse kopya çekerken yakalanacaklarmış gibi davrandı. Kimse “Bunun tarafından tehdit ediliyorum” demedi, ama davranışları bunu gösterdi.

Sonunda birçok insan için işlerinin kimlikleri olduğunu ve değerlerinin belirli bir zanaatta iyi olmaya bağlı olduğunu anladım. Bir araç birdenbire bu zanaatın büyük bir bölümünü yapabildiğinde, yalnızca birinin iş akışını değiştirmiyorsunuz; kişinin kendisini nasıl gördüğünü de sorguluyorsunuz. Bu, bir eğitimle çözebileceğiniz bir eğitim sorunu değil.

Eskiden teknolojik bir değişim sürecine liderlik etmenin, araçlar ve süreçlerle ilgili iyi kararlar almak anlamına geldiğini düşünürdüm. Artık asıl işin, insanların kendi değerlerini güvenli bir ortamda ve açıkça yeniden tanımlamalarına yardımcı olmak olduğunu düşünüyorum.

Somut olarak bu, yapay zekâ kullanmanın uygun olduğunu açıkça ve tekrar tekrar belirtmek anlamına geliyordu. “Bu taslağın çoğunu yapay zekâ hazırladı” demenin uygun olduğunu göstermek. Artık ekibin en hızlı yazanı ya da en iyi araştırmacısı olmamanın sorun olmadığını anlatmak; çünkü değeriniz artık orada yatmıyor. Kullanım başlayabilmeden önce utanç duygusunu ortadan kaldırmamız gerekiyordu.

Beni kişisel olarak en çok etkileyen kısım, aynı soruyu kendim için de yanıtlamak zorunda kalmamdı.

Yıllarca yavaş ilerlemeyi “kapasitemiz yok” diyerek açıklayabiliyordum. Bu bahane artık büyük ölçüde ortadan kalktı. Bir şey şu anda ilerlemiyorsa bunun nedeni genellikle, bir insanın veya yapay zekânın işi devralıp sürdürebilmesi için onu yeterince net tanımlamamış olmamdır. Bu alçakgönüllü olmamı sağlıyor.

Yapay zekâyı benimsemenin gösterişsiz kısmı nasıl yapılır?

Yapay zekâ kullanımına şu şekilde yaklaşıyorum.

İlk olarak, katı bir kuralımız var: Manuel olarak doğrulamadığımız hiçbir süreci otomatikleştirmeyiz. Şu anda bir iş geliştirme kampanyası yürütüyoruz ve ekibe bunu önce manuel olarak yapmasını özellikle söyledim.

İletişimleri kendiniz gönderin, görüşmeleri yapın ve gerçekte neyin işe yaradığını öğrenin. Bir süreci ancak doğruladıktan sonra otomatikleştiririz; çünkü otomasyon, elinizde ne varsa onun ölçeğini büyütür. Anlamadığınız bir süreci otomatikleştirirseniz, başarısız olmanın son derece verimli bir yolunu inşa etmiş olursunuz.

İkinci olarak, yapay zekâ kullanımını bir satın alma sorunu değil, iş akışı ve muhakeme sorunu olarak ele alıyorum. Kazanç hiçbir zaman “daha fazla araç” olmayacak. Kazanç, çalışma biçimlerini gerçekten değiştirmiş insanlar tarafından derinlemesine kullanılan daha az sayıda araçtır. Kesintileri agresif biçimde yaptık.

Üçüncü olarak, ödüllendirdiğimiz şeyleri değiştirdim. Yapay zekâ ham çıktıyı ucuzlattı; hangi problemi çözeceğini bilmek ve yapay zekânın kendinden emin bir şekilde yanıldığını fark etmek gibi muhakeme becerileri ise kıt ve değerli hâle geldi.

Eski dünya için kurulmuş bir organizasyon, en çok çıktı üreten insanları ödüllendirir. Bu dünya için kurulmuş bir organizasyon ise iyi karar veren insanları ödüllendirmelidir. Bu, performans görüşmelerini yürütme biçiminizde gerçek bir değişimdir.

Ekiplerde yapay zekâ okuryazarlığı ve hazırlığı nasıl geliştirilir?

Çoğu insan yapay zekâ hazırlığının araçlara hâkim olmak, yani ekibinizin yapay zekâ ürünlerini nasıl kullanacağını bilmesi anlamına geldiğini düşünür. Ancak bu en az önemli kısımdır ve zaten altı ayda bir değişir.

Yapay zekâya hazır olmak dört anlama gelir:

1. Bir kişi işi elle yapmadan önce “Bunun ilk taslağını yapay zekâ mı hazırlamalı?” diye sormayı varsayılan davranış hâline getirir.
2. Belirsiz girdiler belirsiz çıktılar ürettiği ve asıl becerinin problemi ifade etmek olduğu için net bir brif yazabilir.
3. Yapay zekânın kendinden emin bir şekilde yanıldığını fark eder.
4. Yapay zekâyı kullandığını açıkça belirtir.

Muhakeme, açık iletişim, doğrulama, şeffaflık. Bunların hiçbiri bir araç değildir.

Yapay zekâ okuryazarlığı oluşturmanın adımları şunlardır:

1. Bunu açıkça güvenli ve beklenen bir şey hâline getirin. İnsanlar, yapay zekâ kullanımının onları kolayca gözden çıkarılabilir göstereceğini düşünürlerse bunu gizler. Bu nedenle liderlerin, utanç duygusu ortadan kalkana kadar “İlk taslağı yapay zekâ hazırladı.” ifadesini aktif biçimde normalleştirmesi gerekir. Okuryazarlık gizlilik içinde gelişemez.
2. Genel bir seminerde değil, gerçek işin içinde öğretin — bir işe alım uzmanı tarama yaparak, talep yaratma sorumlusu ise potansiyel müşteri araştırması yaparak okuryazarlık kazanır. İşe bağlandığı için kalıcı olur.
3. İşte çoğu kişinin gözden kaçırdığı adım şu: Herkesi uzmanlaştırmak yerine beceri eşiğini düşürün. Bağlamı ve talimatları önceden kodlanmış, hazır çalışma alanlarından oluşan ortak bir altyapı kuruyoruz. Böylece deneyimsiz bir kişi, komut yazma konusunda uzman olmadan uzman düzeyinde çıktı elde ediyor.

David Paylaşıyor

\u003cstrong\u003eYapay zekâya hazır olmak dört şey anlamına gelir: Bir şeyi elle yapmadan önce, varsayılan olarak “Yapay zekâ bunun ilk taslağını hazırlamalı mı?” diye sorarlar. Belirsiz girdiler belirsiz çıktılar ürettiği ve asıl beceri problemi ifade etmek olduğu için açık bir çalışma özeti yazabilirler. Yapay zekânın kendinden emin biçimde yanıldığı durumları fark ederler. Yapay zekâ kullandıkları konusunda şeffaftırlar.\u003c/strong\u003e

Yapay zekâ okuryazarlığının kendine özgü sorunları neden vardır?

Sorunlar gerçek. En büyüğü ise aşırı güven.

İnsanlar rahatladığında bazıları yapay zekâ çıktısını eleştirmeden kabul etmeye başlar. Deneyimsiz bir kişi, alan bilgisine dayalı muhakemesi araçlarına duyduğu güvene yetişemediği için fark edilmesi zor bir yanlışı yayımlar. “Hazır” kavramını tanımlama biçiminize doğrulamayı dâhil etmeniz tam da bu yüzden gerekir.

İkinci sorun daha zor ve kimse sizi buna karşı uyarmıyor: Yapay zekâ herkesi eşit ölçüde ileri taşımaz. En güçlü çalışanlar onunla hızla ivme kazanırken en zayıflar oldukları yerde kalır. Ekibinizdeki performans farkı büyür. Bu bir yönetim sorunudur ve kaçınamayacağınız dürüst konuşmaları zorunlu kılar.

Araçları azaltmak yazılım yığınınızı neden güçlendirir?

Bu yıl yazılım yığınımda yaptığım en önemli değişiklik azaltmaydı.

Önce temel yapıyı, ardından değişikliği anlatayım.

Temel yapı Claude. Diğerleri gibi yığındaki “bir araç” değil; gerçek işlerin çoğunun içinden geçtiği katman: aday tarama ve sıralama, finansal analiz, sözleşme hazırlama, içerik ve strateji.

Bunu, işin her büyük bölümü için bir tane olacak şekilde, her birinde ilgili alanın nasıl işlediğini kodlayan özel talimatlar bulunan özel çalışma alanları olarak kullanıyorum. Daha teknik, aracı tabanlı çalışmalar için Claude Code kullanıyorum.

Değerlendirmem şu: Şirkette açık ara en yüksek kaldıraç etkisine sahip tek araç bu ve aradaki fark oldukça büyük.

Bunun çevresinde kalan yığının geri kalanı bilerek sıkıcı. İletişim, operasyonlar ve topluluk altyapımız için Google Workspace ve Slack. Bülten için Beehiiv, podcast için Riverside. Yüklenici sözleşmeleri ve ödemeleri için Deel. Planlama için Calendly, toplantıları ve görüşmeleri kaydetmek için Fathom, müşteri teklifleri için de BetterProposals. Büyük ölçüde hepsi bu.

Bu katmanla ilgili değerlendirmem basit: istikrarlı ve gösterişsizdir; böyle kalmalıdır. Bir şirketin operasyon katmanı, yenilik aramak isteyeceğiniz yer değildir.

Şimdi dikkat çekici değişikliğe gelelim. Bu yılın başlarında her ürün aboneliğini denetledim. Yirmi ya da otuz araç bekliyordum... sayı elliyi aşmıştı. En anlamlı küme, büyük ölçüde aynı işleri yapan beş farklı yapay zekâ aboneliğiydi. İki ayrı zaman takip aracı. Üç farklı LinkedIn paylaşım aracı. Beş web sitesi platformu.

Bunların hiçbiri strateji değildi. Hepsi, bir yıl boyunca her şeye evet demenin geride bıraktığı kalıntılardı. Hiç iptal edilmeyen her “Bunu bir deneyeyim” düşüncesi. %10 derinlikle kullanılan beş araç, %90 derinlikle kullanılan tek bir araca yenilir. Bu yüzden yapay zekâ araçlarını birincil araç olarak Claude altında birleştirerek ve diğer her iş için her yerde tek bir araç seçerek kapsamlı bir konsolidasyona gittik; geri kalanları da kaldırdık.

Yapay zekâ mühendislik yetenek pazarını nasıl yeniden şekillendirecek?

Mühendislik işe alımı alanında gözlemlediğim ilginç bir şey var. Bunu akılda tutmakta fayda var.

Beş yıl içinde geleneksel giriş seviyesi mühendislik işi büyük ölçüde ortadan kalkacak. “Değişecek” değil — yok olacak. Yapay zekâ artık, yeni mezun mühendislerin tarihsel olarak işe alınma nedeni olan, iyi tanımlanmış ve gözetim altında gerçekleştirilen basit kodlama görevlerini tam olarak yerine getiriyor; üstelik bunu iyi ve ucuza yapıyor.

Şirketler şimdiden deneyimsiz mühendis işe alımını yavaşlatıyor. Beş yıl içinde bu bir yavaşlama olmayacak, yapısal bir değişim olacak.

Deneyimsiz mühendislik yılları olmadan kıdemli bir mühendis yetiştiremezsiniz. Kıdemli muhakeme — hangi yaklaşımın ölçek büyüdüğünde bozulacağını bilmek, kötü bir mimari kararını sezmek — öğretilmez; mühendisler bunu binlerce küçük iş yaparak ve zaman zaman hata yaparak biriktirir.

Giriş seviyesindeki kademeyi ortadan kaldırırsanız eğitim alanını da ortadan kaldırırsınız. Bu yüzden asıl öngörüm şu: Yaklaşık beş yıl içinde, genç mühendislik rolü ortadan kalktıktan sonra sektör, kendi yarattığı kıdemli mühendis açığıyla karşı karşıya kalacak. Merdivenin insanları zirveye nasıl taşıdığını fark etmeden merdivenin en alt basamağını ortadan kaldırmaya çalışıyoruz.

Giriş seviyesindeki mühendislik işi ortadan kalkacak — ve bu on yılı atlatan şirketler, yalnızca kıdemli yetenekleri bulmayı değil, onları nasıl yetiştireceklerini çözenler olacak. Tüm sektör, insanları bulmaktan onları yetiştirmeye kayacak.

Yapay zekâ dönüşümünü yönlendirmede dürüstlük neden kritik?

Liderlere tavsiyem şu:

• Yapay zekâ bir teknoloji sorunu gibi görünür, bu yüzden liderler ona da teknoloji sorunu gibi yaklaşır — araçlar, bütçeler, eğitim. Oysa bu bir liderlik sorunudur. Yazılım hiçbir zaman zor kısım olmadı. Yapay zekâ, ekibinizdeki herkesi kendilerini değerli kılan şeyin ne olduğunu yeniden müzakere etmeye zorlar ve bu korkutucudur. İnsanlar bunu yüksek sesle söylemez. Uygulamayı yönetir ama korkuyu yönetmezseniz uygulama başarısız olur. Önce insani dönüşüme liderlik edin.
• Yapay zekâ bozuk bir organizasyonu düzeltmez, onu açığa çıkarır. Özensiz süreçlerin ve net olmayan düşüncelerin daha hızlı ilerlemesini ve daha görünür hâle gelmesini sağlar. Gerçek işin büyük kısmı aslında yapay zekâyı benimsemek değil; organizasyonunuzun nasıl işlediği konusunda dürüstleşmek ve bunu düzeltmek gibi gösterişsiz bir iştir. Yapay zekâ yalnızca bundan saklanma imkânınızı ortadan kaldırır.
• Şimdi, kendi gerçek işinizde başlayın — bir pilot uygulamayla ya da delege edeceğiniz bir şeyle değil. Bu araçları kendi en zor sorunları üzerinde derinlemesine kullanmamış liderler, başka hiç kimseyi bu süreçte yönlendiremez.

Bir şey daha. Bunu kimse tam olarak çözmüş değil, ben de dâhil. Şu anda kesinlik satan herkes aslında başka bir şey satıyordur. Doğru yaklaşım kendine güven değil; dürüstlük, hızlı öğrenme ve makine ne kadar iyi hâle gelirse gelsin liderliğin insani yönlerini bir makineye devretmeme disiplinidir.

Bu anı kazanacak liderler, en çok yapay zekâyı benimseyenler olmayacak. En dürüst kalanlar olacak.

Liderler neden ustalık ve mücadele için alan açmalı?

Bir şey daha. Bir noktada liderlerin, yapay zekânın bize ne kazandırdığını düşünmeyi bırakıp sessizce bizden ne aldığını düşünmeye başlaması gerekebilir.

Yapay zekâ ve liderlik hakkındaki her konuşma, bunun büyük bölümü de dâhil olmak üzere, kazanımlara odaklanır. Daha hızlı, daha ucuz, daha fazla kaldıraç. Bunların hepsi gerçek. Ancak bir bedeli de var ve bu bedeli dürüstçe adlandırmalıyız.

En çok düşündüğüm bedel bu. Ustalık — gerçek, derin ve kıdemli düzeyde muhakeme — her zaman mücadeleyle gelişir. Takılıp kalırsınız, zor bir sorunla baş başa kalırsınız, yanlış şeyi üç kez denersiniz ve o sürtüşmenin bir yerinde öğrenirsiniz.

Yapay zekâ bu sürtüşmeyi ortadan kaldırır. Siz onun için mücadele edip bulmadan önce cevabı önünüze koyar. Kısa vadede bu, işin tamamlanmasını sağladığı için tamamen olumlu görünür. Ancak mücadele hiçbir zaman yalnızca bir verimsizlik değildi. İnsanları iyi yapan mekanizmaydı. Onu ortadan kaldırdığınızda daha hızlı çıktı ve sessizce daha sığ insanlar elde edersiniz. Derinliği hızla takas ederiz ve çoğunlukla bunu fark etmeyiz.

Bunu yavaşlamak için söylemiyorum — yavaşlayamazsınız ve yavaşlamamalısınız. Bunu, bir kaybı adlandırmanın onu yönetmenin ilk adımı olması nedeniyle söylüyorum. Mücadele muhakemeyi geliştiriyor ve yapay zekâ mücadeleyi ortadan kaldırıyorsa, liderin artık yeni ve açık bir görevi var: mücadeleyi bilinçli olarak geri getirmek.

İnsanlara yapay zekânın kestirmeden çözemeyeceği sorunlar verin. Hızlı yol tam önlerinde olsa bile üretken zorluğu koruyun. İnsanlarınızın gelişimini artık niyet gerektiren bir şey olarak ele alın; çünkü ortam bunu artık kendiliğinden ve karşılıksız olarak sağlamayacak.

Diğer liderlerin düşünmesini istediğim kısım bu. Yapay zekânın olumlu yönü kendiliğinden hallediliyor — herkes zaten onun peşinde. Bedel incelikli; yıllar sonra ortaya çıkıyor ve tamamen çalışanlarınızın üzerine kalıyor. Odadaki birinin buna dikkat etmesi gerekiyor. O kişi sizsiniz. Artık sizin göreviniz bu.

Takip edin

David Stepania hakkında daha fazlasını LinkedIn, X, Instagram, YouTube ve stepania.co üzerinden bulabilirsiniz. Ayrıca ThirstySprout ve Chopping Block'a göz atabilirsiniz.

People Managing People'da yakında daha fazla uzman röportajı!