Yapay Zekâ İşe Geldiğinde Ne Buldu?

Jenny Podewils, Leapsome'un dahili ekipleri genelinde yapay zekâ araçlarını kullanıma sunduğunda direnç bekliyordu. Bunun yerine rahatlama gördü.

"İnsanlar, asıl işlerinin etrafında biriken işleri üzerlerinden atmak istiyordu," diyor. "İlk taslakları hazırlamak, özetlemek, peşine düşmek, veri toplamak, biçimlendirmek. Yapay zekâ bunları üstlendiğinde bir şey açığa çıktı."

Açığa çıkan yalnızca zaman değildi. Baştan beri orada olan bir şeyin görünümünü de sundu. Anlaşıldığı üzere Leapsome çalışanları yıllardır idari işlerden oluşan bir yapı altında yavaş yavaş gömülüyordu. Çoğu bunu sessizce işin doğası olarak kabullenmişti. Yapay zekâ bunu görünür kıldı ve görünür hâle geldikten sonra hiç kimse eskiye dönmek istemedi.

Podewils, İK yazılımı geliştiren bir şirketin eş CEO'su; bu nedenle kuruluşların insan teknolojilerini nasıl kullandığına dair hem içeriden bir görüşe hem de kendi ekibinin gerçekte neler yaşadığına dair doğrudan bilgiye sahip. Bu kullanıma sunma sürecine ilişkin gözlemi, yapay zekânın benimsenmesiyle ilgili çoğu konuşmada geri planda bırakılan bir noktaya işaret ediyor. 

Yapay zekânın İK'da açığa çıkardığı sorun bir teknoloji sorunu değil. Çoğu durumda yeni bir sorun bile değil. Bu, çok uzun süredir devam eden sonuçları olan bir organizasyon tasarımı başarısızlığı.

Şu anda yapay zekâda liderlik etmeyi en etkili şekilde başaran liderler, en hızlı hareket edenler değil. Yapay zekânın ortaya çıkardığı şeylere bakmaya ve bundan çekinmemeye istekli olanlar.

Hazırlıkla İlgili Olmayan Hazırlık Açığı

Jeanne Meister, otuz yılı aşkın süredir kuruluşların iş gücü dönüşümünü yönetmesine yardımcı oluyor. Şirketlerin demografik değişimler, hibrit çalışma, beceri açıkları ve bildiğimiz şekliyle işi yeniden tanımlaması beklenen yarım düzine başka yapısal değişimle mücadele ettiğini gördü. Ona göre yapay zekâ, belirli bir açıdan farklı: Mevcut bir açığı inkâr edilemez hâle getirdi. Buna hazırlık açığı adını veriyor. 

"Kuruluşların yapay zekâyla yapmak istedikleriyle iş gücünün yapay zekâyı iş akışlarına dâhil etmeye hazır oluşu arasındaki açık." 

Ancak eğitimlerin temel neden olmadığını söylemekte gecikmiyor. 

"Bu bir güven ve korku meselesi. Çalışanlar geçerliliğini yitirmekten korkuyor. Yapay zekâ konusunda yetkin olma zorunluluğu ve bunun mevcut ve gelecekteki rolleri açısından ne anlama geldiği konusunda endişeleniyorlar."

Beceri sorunu ile güven sorunu arasındaki bu ayrım son derece önemli. Açık yetkinlikle ilgiliyse bunu eğitim programlarıyla çözersiniz. Açık korkuyla ilgiliyse yalnızca eğitim programları buna ulaşamaz. Yetkinlik çerçevesinin altında yer alan bir şeyle uğraşıyorsunuz.

Anket verileri bunu somutlaştırıyor: Çalışanların %79'u iş yerinde yapay zekâyı kullanmaya hazırlıksız hissettiğini, %65'i ise kuruluşlarının doğru eğitimi sağlamadığını söylüyor. Ancak Meister bu sayıların ötesine geçiyor. 

"Birçok şirket iş gücü için yapay zekâ okuryazarlığını zorunlu kılıyor ancak bunun çalışanları açısından ne anlama geldiğini tanımlayamıyor." 

Tanım içermeyen bir zorunluluk strateji değildir. Kaygı dağıtma mekanizmasıdır.

Onun tarif ettiği şey aslında bir hazırlık açığı değil. Hesap verebilirlik sorunlarıyla daha da büyüyen bir iletişim başarısızlığı. Liderler yapay zekânın etkisini anlattıklarına inanıyor. Çalışanlar ise bunu hissetmiyor. Niyet ile algı arasındaki bu mesafe, çoğu kuruluşun yapay zekâ sahneye çıkmadan önce de kötü yönettiği bir konuydu. Şimdi bu durum yapay zekânın benimsenme rakamlarında ortaya çıkıyor.

Belgeleme Sorunu Bir Tasarım Sorunudur

Linnea Bywall, Alva Labs'ta insan ve kültürü fonksiyonunu altı buçuk yıl boyunca oluşturduktan sonra Quinyx'te İnsan ve Kültür Başkan Yardımcısı görevini üstlendi. Yapay zekâyla ilgili herhangi bir şeyin geniş ölçekte işe yaramasından önce ne olması gerektiğine dair net bir kuramla geldi.

"Belgeleme eksikliği, yapay zekâya hazırlığın önünde önemli bir engel," diyor. "O kadar çok kuruluş yapay zekâ kullanmak istiyor ki, ancak çok fazla süreç insanların zihninde yaşıyor."

Teknik bir ön koşul gibi görünen, yapay zekâ modellerinin üzerinde çalışabileceği bir şey olması için süreçlerinizi belgeleme işi aslında yapısal bir hesaplaşmadır. İşe alıştırma süreciniz, performans kalibrasyonu yaklaşımınız ve ücretlendirme felsefeniz, işlerin nasıl yürüdüğünü bilecek kadar uzun süredir orada olan kişilerin kas hafızasında yaşıyorsa, yıllar öncesinden yapay zekâdan kaynaklanan bir organizasyonel kırılganlık sorununuz var demektir.

Bywall'ın ekibi İnsan ve Kültür El Kitabı ile Yönetici El Kitabı'nı yeniden yazdı, üç aylık OKR'lara belgeleme hedefleri ekledi ve hem taslak hazırlama aracı hem de eksikleri belirlemek için bir düşünce ortağı olarak yapay zekâyı kullandı. Süreç, belgelerin ötesine geçen şekillerde aydınlatıcı oldu. "Gerekli tüm unsurları kapsadığımızdan emin olmak için yapay zekâyı bir düşünce ortağı olarak kullandık," diyor. Ortaya çıkan sonuç, kurumsal bilgilerin ne kadarının hiçbir zaman açık hâle getirilmediğini onlara gösterdi.

Podewils de farklı bir yönden aynı noktaya ulaştı. Yapay zekânın anlamlı içgörüler üretebilmesi için birbirine bağlı, geçmişe dönük verilere neden ihtiyaç duyduğundan bahsederken, farklı bir dille belgeleme savını ortaya koyuyor. 

"İK sisteminizin dışında duran parlak, bağımsız bir yapay zekâ aracısı elbette bir iş tanımı yazabilir. Ancak belirli bir ekipte bağlılığın düşüp düşmediğini, yüksek performans gösteren bir çalışanın aylardır gelişim görüşmesi yapıp yapmadığını ya da bir yöneticinin doğrudan bağlı çalışanlarının kendi çalışma arkadaşlarının değerlendirmelerinde sürekli olarak düşük performans gösterip göstermediğini söyleyemez."

Belgelendirmeyi yapay zekâya hazır olmanın ilk adımı olarak ele almak, çoğu zaman yapay zekâdan bağımsız olarak zaten yüzleşilmesi gereken bir şeyi ortaya çıkarır. Kurum, gayriresmî bir altyapı üzerinde çalışıyordur. Bilgiye sahip insanlar kurumda kaldığı sürece bu işe yaradı. Ancak bu her zaman bir riskti.

Büyük Ölçekte Kendine Odaklanma

Dean Carter, Instill'de CEO görevine geçmeden önce Fossil, Sears, Patagonia ve Guild gibi şirketlerde yaklaşık 25 yıl boyunca CHRO olarak çalıştı. Instill, kurum içi konuşmalardaki kültür sinyallerine odaklanan bir yapay zekâ şirketidir. Bakış açısı hem uzun yıllara dayanan hem de farklı alanları kapsayan bir nitelikte; ayrıca İK'nın şu anda yapay zekâyı kullanma biçimi konusunda gördüklerini özellikle yumuşatarak anlatmıyor.

"Bence İK, iş akışlarını ve organizasyon tasarımını baştan yapılandırmaya gereğinden fazla odaklanıyor," diyor. "Bu, büyük resmin çok küçük bir parçası. Bir işletme için yatırım getirisi neredeyse sıfır. Var olan şeylere yapay zekâ uygulayarak kendimize odaklanıyoruz."

Bu, tartışmanın daha zor versiyonu. Bywall ve Podewils, yapay zekânın sonuç üretmesinden önce kurumların temel çalışmaları yapması gerektiğini savunuyor. Carter ise temel çalışmaları doğru yapan kurumların bile yanlış problemi çözüyor olabileceğini ileri sürüyor. Zaten bozuk olan bir performans değerlendirme sürecini yapay zekâyla optimize ediyorsanız, aslında hiçbir şeyi dönüştürmüş olmazsınız. Bir başarısızlığı otomatikleştirmiş olursunuz.

Yapay zekânın kendi çalışmasındaki rolü hakkında düşündüğü özel bir çerçevesi var. 

"Yapay zekânın bana sunduklarının yüzde sekseni harika ve ihtiyacım olan da bu. Artık son bir çözüme, görsele ya da yanıta ihtiyacım veya isteğim yok. Bilgi toplama ve özümseme zahmetini, beyin gücünden çok zaman alan işleri yapmasını istiyorum; ardından zamanımı ve zihnimi son, zorlu ve harika yüzde yirmiyi şekillendirmek için kullanabilirim."

Bu, bir iş akışı optimizasyonu değil. İnsan yargısının süreçte nereye ait olduğunun yeniden tanımlanması. Zahmetli işler, farklılaşmış düşünce üretmeden zaman tüketen kısımdı. Yüzde yirmilik bölüm ise deneyimin, bilgeliğin ve bağlamı anlamanın gerçekten önem taşıdığı yer. Yapay zekâ bu ayrımı yaratmadı. Sadece ona değer vermeyi mümkün kıldı.

Carter'ın gündeme getirdiği daha zor soru şu: Kaç İK ekibi, mevcut yapıyı incelemek yerine korumak için yapay zekâ kullanıyor? Kaçı, aslında yeniden tasarlanması gereken süreci otomatikleştiriyor?

Bağlayıcı Doku Sorunu

Trent Cotton, iCIMS'te yetenek içgörülerini yönetiyor ve yapay zekânın İK'daki rolünü yapısal açıdan düşünüyor. Yapay zekânın mümkün kıldığına inandığı şey, işe alım, kurum içi hareketlilik, performans ve öğrenmeyi tek bir yerde birbirine bağlayan bütünleşik bir yetenek portföyü görünümü, iddialı görünüyor. Ancak bu fikir, yapay zekânın kapasitesinden çok kurumsal parçalanmışlıkla ilgili bir teşhise dayanıyor.

"Bugün İK, bağlantısız süreçlerin peşinden koşarak çok fazla zaman harcıyor," diyor. "İş gücü talepleri burada, kurum içi hareketlilik orada, öğrenme ise başka bir sistemde."

Bu parçalanmışlık yeni değil. İK birimleri onlarca yıldır bağlantısız sistemleri yönetiyor, belirli sorunlar için noktasal çözümler satın alıyor, geçici çözümler geliştiriyor ve her aktarımda veri bütünlüğünü kaybediyor. Yapay zekâ bu parçalanmışlığı düzeltmiyor. Bunun neden her zaman bir sorun olduğunu açığa çıkarıyor. Çünkü yapay zekânın bağlantılı verilerden üretebileceği içgörü; kimin ayrılma riski taşıdığı, hangi yöneticilerin çalışanlarını geliştirdiği ve halefiyet boşluklarının nerede oluştuğu, veriler birbirinden yalıtılmışsa kullanılamıyor.

Podewils, "Yapay zekâ bağlantılı verilerden faydalı içgörüler üretir," diyor. "Veriler birbirinden yalıtılmışsa gürültü üretir. Parçalanmışlık pahalı bir mirasa dönüşüyor ve hesaplaşma çoğu insanın beklediğinden daha yakın."

Cotton bunu liderliğin doğasına da taşıyor. "Bir işlevin lideri" olmaktan "öğrenen sistemlerin tasarımcısı" olmaya geçişten söz ediyor. Onun çerçevesinde yapay zekâ destekli İK lideri daha az iş yapmıyor. Yetenek kapasitesi riskini ve iş gücü stratejisini, eskiden sezgi ve gecikmeli veriler üzerine kurulan konuşmalarda görünür kılabilerek farklı bir düzeyde faaliyet gösteriyor.

"Bütünleşik ve yapay zekâyla güçlendirilmiş içgörüler sayesinde İK bir toplantıya girip şöyle diyebilir: 'Ekibinizin bugün sahip olduğu yetkinlik bileşimi burada, stratejinizin gerektirdiği şey burada ve yapabileceğimiz üç portföy hamlesi de şunlar.'"

Bu, farklı türde bir liderlik konuşması. Farklı bir altyapı gerektiriyor. Bu altyapıyı, yani bağlantılı sistemleri, temiz veriyi ve belgelenmiş süreçleri oluşturmak; yapay zekâyla hiçbir ilgisi olmayan, ancak eskiden isteğe bağlı olan ve artık olmayan kurumsal disiplinle tamamen ilgili bir çalışma.

Tüm Bunların Altındaki Güven Mimarisi

Belgelendirme sorununu, hazırlık açığını, kendine odaklanma eleştirisini ve parçalanmışlık sorununu birbirine bağlayan ortak bir kök var. Temelde bunların her biri bir güven sorunu.

Yapay zekânın işlerini gereksiz kılacağından korkan çalışanlar, kurumlarının bu geçişi kendi çıkarlarını gözeterek yönettiğine güvenmiyor. Meister'ın, şirketlerin her rol için ne anlama geldiğini tanımlamadan yapay zekâ okuryazarlığını zorunlu kıldığı yönündeki gözlemi bir güven başarısızlığıdır. 

"Liderler, 'herkese uyan tek tip yapay zekâ eğitimi'nden rol odaklı yapay zekâ eğitimine geçmeli ve performansı bu bağlamda değerlendirmelidir."

Carter bunu daha doğrudan ifade ediyor. Liderler çalışanlardan yapay zekânın benimsenmesi bağlamında görevlerini ve becerilerini haritalandırmalarını istediğinde, çoğu çalışan kendilerine iletilen mesajdan farklı bir mesaj duyuyor. 

"Liderler ne söylerse söylesin, insanlar ne yaptıklarını görüyor ve bu onlara samimi gelmiyor." Niyet ile algı arasındaki bu fark, bir güven açığıdır. Bu açık yapay zekâdan önce de vardı. Yapay zekâ sadece ona üzerinde çalışabileceği yeni bir malzeme verdi.

Bywall'ın kendi benimseme yolculuğuna dair gözlemi de aynı alt metni taşıyor. 

"Yapay zekâyı benimserken geride kalmak korkutucu gelebilir. Pek çok kişi çalışma biçimlerinde nasıl devrim yaptıklarını anlatıyor, ancak bunu nasıl yaptıklarını çok azı açıklıyor. Bunun insanlar için bunaltıcı olabileceğini ve gerçekten işe koyulmalarını engellediğini düşünüyorum." 

Şeffaflık sorunu, yani liderlerin yolu açıklamadan sonuçlar hakkında konuşması, katılımın gerekli olduğu yerde kaygı yaratıyor. Bu, yapay zekâ kılığına bürünmüş bir iletişim ve güven başarısızlığıdır.

Podewils, İK kararlarında yapay zekânın sınırlarını alışılmadık bir netlikle çiziyor. 

"Yapay zekâ, birinin kariyerini, geçimini veya refahını etkileyen kararlar konusunda insan muhakemesinin yerini asla almamalıdır. Yapay zekâ taslaklar hazırlar, önerilerde bulunur ve bilgileri öne çıkarır. Bir kişi inceler, karar verir ve sonuçtan sorumlu olur."

Riski, yapay zekânın arızalanması olarak değil, tam tasarlandığı gibi çalışan ancak yanlış yöne yönlendirilen yapay zekâ olarak çerçeveliyor. Daha hızlı gerçekleşen ama daha az insani hissettiren incelemeler. Politikaların doğrulama olmadan bir sohbet robotu tarafından yanıtlanması. Bir sistem ürettiği için nesnel görünen kararlar. 

"Risk, tam tasarlandığı gibi çalışan ancak yanlış yöne işaret eden yapay zekâdır."

Bu, güven mimarisi sorunudur. Yalnızca yapay zekâ yönetişimi çerçeveleriyle çözülemez, ancak bunlar önemlidir. Her koşulda kurumsal güveni oluşturan aynı unsurlarla çözülebilir: neye ve neden karar verildiği konusunda şeffaflık, sonuçlar için hesap verebilirlik ve ifade edilen değerlerle örtüşen görünür liderlik davranışları.

Değerlendirmenin Gösterdikleri

Meister, yapay zekânın İK liderlerinin davranışlarını belirli bir yönde değiştirdiğini gözlemledi. Gözlemine göre erken benimseyenler, yapay zekâ ajanlarını yeni ekip üyeleri olarak görüyor ve onları bilinçli bir şekilde yönlendiriyor. Gördüğü değişim, "'Ben liderlik ederim'den 'insanlardan ve yapay zekâ ajanlarından oluşan bir ekibi koordine ederim'e" doğru ilerliyor. Bu, yapay zekâ etrafında kurulmuş bir yönetim felsefesi değil. Yapay zekânın görünür ve gerekli kıldığı bir yönetim felsefesi.

Cotton'ın gözlemi de yapı bakımından benzer. Ona göre önümüzdeki beş yıl içinde kalıcı bir avantaj oluşturacak liderler, yapay zekâyı maliyet azaltma mekanizması olarak kullanmak yerine "kuruluşun öğrenme kapasitesini artırmak" için kullananlar olacak. Bu ayrım anlamsal değildir. Bir yaklaşım yetkinlik oluşturur, diğeri onu tüketir.

Bywall, bir örgüt psikoloğundan geldiğinde bir teknoloji uzmanından gelebileceğinden daha fazla ağırlık taşıyan bir öngörüyle sözlerini tamamlıyor: 

"Önümüzdeki beş yıl içinde İnsan ve Kültür işlevlerinin yarısının gereksiz hâle geleceğini öngörüyorum. Geriye kalan profesyoneller, hem insanlarla hem de ajanlarla ilgilenebilenler olacak."

Bu, öncelikle yapay zekâ yetkinliği hakkında bir ifade değil. Bu, kurumsal amaç hakkında bir ifade. Yararlı olmaya devam edecek İK profesyonelleri, değerleri yapay zekânın emmekte olduğu idari katmana bağlı olmayanlardır. Bu da insan işlevleri liderlerinin şu anda karşı karşıya olduğu sorunun yapay zekâyı nasıl benimseyecekleri değil, idari yapının altında aslında neyi temsil ettikleri olduğu anlamına gelir.

Podewils, pek çok İK liderinin bu alana insanları önemsedikleri için girdiğini söylüyor. Kültürler oluşturmak, liderler geliştirmek, insanların en iyi çalışmalarını yapabilecekleri ortamlar yaratmak için. "Yolun bir noktasında çoğu süreç yöneticisine dönüştü. Sistemler birikti. Rol onların etrafında şekillendi."

Yapay zekâ bu kaymaya neden olmadı. Ancak bu konuyla yüzleşmeyi zorunlu kılıyor.

Bu değerlendirme, yapay zekânın yalnızca neler yapabileceğine değil, neleri açığa çıkardığına bakmaya istekli herkesin erişimine açık. Bunu bir teknoloji uygulaması olarak ele alan kuruluşlar, bir bedel ödeyerek teknolojinin kolay kısım olduğunu öğrenecek.