Yapay Zekâ Liderlerini Yapay Zekâda Geride Kalanlardan Ayıran Yedi Yetkinlik

Şu anda en çok ilgi gören yaklaşım basit bir öncüle dayanıyor: insanları korkutun, daha çok çalışacaklardır.

Mali disiplin olarak sunulan işten çıkarmalar. Verimlilik müdahaleleri olarak konumlandırılan ofise dönüş zorunlulukları. Yapay zekâ dönüşümünün, insanların bunun kendi gerçek işleri açısından ne anlama geldiğini anlamasından önce duyurulması.

Manşetler oluşturuyor. Yöneticilerin istediklerini söyledikleri dönüşümü ise oluşturmuyor.

BCG ve Columbia Business School tarafından yapılan yeni araştırma, insanların yapay zekâ stratejisini anlayıp anlamadığı konusunda yöneticiler ile ön saflardaki çalışanlar arasında 51 puanlık bir algı farkı olduğunu ortaya koyuyor. Liderler çalışanların %80'inin iyi bilgilendirildiğini düşünüyor. Bireysel katkı sağlayan çalışanların yalnızca %29'u buna katılıyor. Bunun nedeni iletişim eksikliği değil. Bu bir liderlik sorunu.

Yapay zekâ dönüşümünün başarısının sert görünmekle ya da hızlı hareket etmekle pek ilgisi yok. Başarı, teknoloji uygulamasıyla hiçbir ilgisi olmayan ve sonuçların belirsiz olduğu durumlarda liderlerin kendilerini nasıl ortaya koyduğuyla tamamen ilgili olan yedi özel liderlik yetkinliğine bağlı.

Brian Elliott, mart ayında Transform etkinliğinde sunucu olarak sahneye çıkmadan önce, bu dönemde liderler için en önemli gördüğü dört yetkinliği Substack aracılığıyla açıkladı.

Bu görüş benim için de anlamlıydı. Ancak aynı zamanda genişletilmeye çok uygun görünüyordu.

Şimdi yapacağım şey, Brian'ın yaptığı gibi bu yetkinlikleri ayrıntılı biçimde ele almak ve listeye birkaç ekleme yaparak kapsamlarını genişletmek. Bu, zayıf ya da toksik liderliğin zamanı değil. Geçen yıl podcast'te onunla konuştuğumuz gibi, çalışanların son yüzyılın belki de en kafa karıştırıcı çalışma dönemini yaşadığı bu süreçte, olup biteni anlayamayan liderlik maliyetli sonuçlar doğuruyor.

1. Empati: İnsanların Değişimi Nasıl Deneyimlediğini Anlamak

Slack'in araştırmasına göre, ABD'li çalışanlar arasındaki üretken yapay zekâ heyecanı 2024'te yalnızca üç ay içinde %45'ten %36'ya düştü. Teknoloji kötüleşmedi; uygulama yaklaşımı kötüleşti. Kuruluşlar, insanların yeni yetkinlikleri ne kadar farklı biçimlerde benimsediğini anlamadan araçları kullanıma sundu.

BCG'nin araştırma yaptığı şirketlerdeki yöneticiler, yapay zekâ benimsemesindeki bireysel farklılıkları dikkate alacak şekilde eğitim yaklaşımlarını değiştirdiğinde, üretken yapay zekâ kullanımı %89 arttı. Bu, nazik olmakla ilgili değil; insanların değişimi nasıl deneyimlediğini bilişsel açıdan anlayarak daha iyi yaklaşımlar tasarlamakla ilgili.

BCG ve Columbia araştırmasına göre, çalışan odaklı kuruluşlarda insanların yapay zekâ benimsemesi konusunda hevesli hissetme olasılığı %70, strateji hakkında kendilerini iyi bilgilendirilmiş hissetme olasılığı ise %92 daha yüksek.

İş sonuçlarıyla bağlantı doğrudan. Bu kuruluşlar, rakiplerine kıyasla çok daha yüksek yapay zekâ olgunluğu oranları bildiriyor. Çalışan odaklılık, yapay zekâ olgunluğundaki değişkenliğin %36'sını açıklıyor; bu oran sektör (%14), departman (%12) ve şirket büyüklüğünün (%5) toplamından daha yüksek.

Klinik psikolog ve "Mind Rules" kitabının yazarı David Zierk, yapay zekânın yanıtlar sağladığı ancak liderlerin bağlam ya da destek sunmadığı durumlarda ortaya çıkan boşluğu "bağlantı eksikliği bozukluğu" olarak adlandırıyor.

"Zihin belirsizliğe tahammül etmez," diye açıklıyor. "Mümkün olduğunca hızlı şekilde kesinlik ararız ve yapay zekâ rahatlama sağlar. Ancak size rahatlama sağlayan her şey bağımlılık potansiyeli taşır. Liderlerin, insanların yapay zekânın sunduğu ilk yanıta sarılmak yerine gerçek bir anlayış geliştirebilecek kadar uzun süre belirsizlikle birlikte yaşamalarına yardımcı olması gerekir.

"Yapay zekâ yerini almak yerine destekleyecek" mesajları ile yeni araçların kullanıma sunulduğu departmanlarda eş zamanlı yeniden yapılanma arasındaki fark, tam olarak yapay zekâ girişimlerini zayıflatan ve uygulamaların işe yarayıp yaramadığına ilişkin dürüst geri bildirimleri ortadan kaldıran güvensizliği yarattı.

Çok ileri gitmeden önce yedi yetkinlik konusunda kendinizi test etmek ister misiniz? Değerlendirmeyi tamamladığınızda gelişim hedeflerinizi içeren ücretsiz, kişiselleştirilmiş bir rapor indirebilirsiniz.

Not: Bu bilimsel bir değerlendirme değildir; yalnızca öz değerlendirmeyi veya kendi mesleki gelişim yolculuğunuz için fikirleri başlatabilecek bir düşünce egzersizidir. Daha kapsamlı bir değerlendirme arıyorsanız, geçen yıl işe alımda kişilik değerlendirmelerinin kullanımı hakkında yayımladığımız yazıya göz atın.

2. Varlık: Dans Pistine Geri Dönmek

Amazon'un ofise dönüş zorunluluğu bir bildiriyle geldi. Hibrit çalışmanın gerçekte nasıl işlediğine dair hiçbir görüşme yapılmadı. Dağıtık iş birliği etrafında tüm iş akışlarını yeniden tasarlamış ekiplerle hiçbir iletişim kurulmadı. Yalnızca günlük yaşamı etkileyen bir politika, uzaktan iletildi.

Bu, BCG'nin 2025 İş Yerinde Yapay Zekâ Raporu'nun başarılı dönüşüm için kritik olarak tanımladığı şeyin tam tersidir: işin gerçekte nasıl yapıldığını anlayan liderler. Rapor, ön saflardaki çalışanların yalnızca %51'inin yapay zekâ araçlarını düzenli olarak kullandığını; liderler ve yöneticilerde bu oranın %75'in üzerinde olduğunu ortaya koydu. Bu, operasyonel gerçeklikten uzaklaşmanın yarattığı bir "silikon tavan"dır.

Elliott bu kalıbı şöyle açıklıyor.

Aynı mantık, yöneticilerin operasyonel gerçekliğe değil kendi bağlamlarına dayanarak karar vermesiyle yapay zekâ için de geçerlidir.

Sadece Nedenine Değil, Nasılına da Odaklanın

Çoğu kuruluş yapay zekâya ‘onu geliştirirsek, kullanırlar’ anlayışıyla yaklaşıyor. Ancak insanların yalnızca yaklaşık %40’ı kişisel yaşamında bile yapay zekâ kullanıyor. Bu tür bir değişime nasıl liderlik edeceğiniz konusunda önemli miktarda zaman ve enerji harcamanız gerekiyor.

Teknik olarak tamamlanmış ancak içerik açısından işe yaramaz, yapay zekâ tarafından üretilen içerik olan "iş artığı" sorununu, iyi kalitenin nasıl göründüğünü göstermiyorsanız çözemezsiniz. İşin gerçekte nasıl yapıldığına dair hiçbir fikriniz yoksa dönüşüm talep edemezsiniz.

3. Ürün Odaklı Düşünme: İşi Tasarladığınız Bir Şey Olarak Ele Almak

MIT Sloan araştırması, veri liderlerinin %91'inin kültürel zorlukların yapay zekâ çalışmalarını engellediğini söylediğini ortaya koydu. Yalnızca %9'u teknoloji sorunlarına işaret ediyor. Buna rağmen çoğu şirket hâlâ yapay zekâyı teknik bir sorun olarak ele alıyor ve gerçek iş akışlarında sürtüşme yaratan şeyleri anlamadan önce verimlilik hedefleri açıklıyor.

BCG araştırması, angarya işi veya başka bir deyişle insanın ruhunu tüketen tekrarlı işleri azaltmanın yapay zekâ başarısı olasılığını artırdığını ve çalışanları elde tutmayı iyileştirdiğini gösteriyor.

Zapier, özellik dağıtımını en üst düzeye çıkarmak yerine gerçek sorunları çözmeye odaklanarak başlangıçtaki %65 kullanım oranını günlük yapay zekâ aracı kullanımında %89'a yükseltti. Müşteri hizmetleri ekibi, çalışan bağlılığı puanları 20-30 puan artarken taleplerin ele alınma süresinde %50 azalma gördü.

Bu dönüşüm sürecinde Zapier'e liderlik eden Brandon Sammut, değişimi şöyle açıkladı.

Kuruluşlar her yıl müşterileri anlamaya 142 milyar dolar yatırım yaparken çalışan deneyimine 11 milyar doların altında harcama yapıyor; oysa bağlılık ile iş sonuçları arasındaki bağlantıyı gösteren açık kanıtlar var. Teknoloji geçişleri sırasında müşterilere çoğu şirketin çalışanlarına davrandığı gibi davransaydınız, iflas ederdiniz.

Temel sorun, Elliott'ın "üretkenlik tiyatrosu" olarak adlandırdığı şeydir — sonuçlar yerine etkinlik görüntülerini optimize etmek.

Elliott, "Ankete katılanların yüzde altmış beşi, temel işlerine odaklanıp işlerini teslim etmektense bir mesaja hızlı yanıt vermenin kendileri için daha önemli olduğunu söyledi," diyor. "Bu gerçekten üzücü, değil mi? Bunlar, etkinliğin gerçekleştiğine dair görsel ipuçları. Bir şeyden daha fazla üretmek bir sonuç değildir."

Elliott, gerekli değişimi açıklamayı sürdürdü. Liderler, görsel etkinlik ipuçlarını bırakıp sonuç odaklı yönetime geçmeli. Bu; kurumsal hedefleri tanımlamak, en önemli öncelikleri netleştirmek, başarı ölçütleri oluşturmak ve bu netliği şirketin tamamına kademeli olarak yaymak anlamına geliyor.

İyi yapıldığında, eşit şartlar yaratır ve yöneticilerin gerçekten istediği sonuçları sunar. Ancak önemli bir yatırım gerektirir ve kuruluşların çalışma biçiminde köklü bir değişikliği temsil eder.

4. Cesaret: Riskli Olduğunda Omurgalı Olmak

Bir Salesforce genel çalışan toplantısında yönetim, ayağa kalkan uluslararası çalışanları yakalamak için ICE'nin odanın arka tarafında beklediği yönünde şaka yaptı. Ardından gelen büyük tepki yalnızca kötü muhakemeyle ilgili değildi; yapay zekâ deneyleri için gerekli psikolojik güvenliğin yok edilmesiyle ilgiliydi.

"Belirsizlikle başa çıkmanın en hızlı yolu yargılamaktır," diye belirtiyor Zierk. "Bu, zihni kapatır. Yargılamanın karşıtı meraktır ve kuruluşların şu anda ihtiyaç duyduğu şey meraktır. Ancak merak psikolojik güvenlik gerektirir ve korkuya dayalı liderlik bunu yok eder."

Liderlikte cesaret, yöneticilere işten çıkarma metinleri vermek yerine, iş gerekçelerini dürüstçe açıklayarak zor haberleri bizzat iletmek anlamına gelir. Özellikle de görevler, yapay zekâ gerçekten kendini kanıtlamadan ve uygun bir şekilde prim ödemeleri yapılmadan önce ortadan kaldırılıyorsa.

Sert konuşan liderlik etrafındaki uyum, belirsizlik boyunca insanların en iyi işlerini yapabilecekleri kuruluşlar kurmaya istekli liderler için fırsat yaratır. Bunun nedeni bunun nazik olması değil; korkunun itaati, güvenin ise yapay zekâ dönüşümünün gerektirdiği akıllı risk almayı teşvik etmesidir.

5. Stratejik Sabır: Uzun Vadeli Düşünmek

S&P Global araştırmasına göre şirketlerin %42'si yapay zekâ girişimlerini üretim ortamına ulaşmadan önce terk ediyor; bu oran yalnızca bir yıl öncesine göre iki kattan fazla arttı. Örüntü şu şekilde ilerliyor:

• Yönetim kurullarını memnun etmek için iddialı verimlilik hedefleri açıklamak
• Zaman çizelgelerine yetişmek için uygulamayı aceleye getirmek
• Kurumsal yetkinliklerin mevcut olmadığını keşfetmek
• Altı ay sonra beklentileri sessizce geri çekmek.

"Yeniden şekillendirme aşaması" terimi, yalnızca araçları kullanıma sunmak yerine iş akışlarını uçtan uca yeniden tasarlayan şirketleri tanımlamak için ortaya çıktı. Bu kuruluşlarda iş güvenliği konusunda endişe duyan çalışanların oranı %46 iken, daha az ilerlemiş şirketlerde bu oran %34'tür.

Bu kaygı, gerçek dönüşümün bedelidir. Stratejik sabır, dönüşümün sürtüşme olmadan gerçekleştiğini varsaymak değil, gösterilen destek ve yetkinlik geliştirme yoluyla bu kaygının çözülmesi için zaman ayırmayı korumak anlamına gelir.

Deney Yapmayı Korumak

“J-eğrisi gerçektir. Performans temel bir yeniden tasarımdan kaynaklandığında, iyileşmeden önce kötüleşirsiniz. Baskı altında bile deney yapmak için gereken zamanı ve bütçeyi koruyan liderler, yetkinlik oluşturmadan önce değeri kanıtlamak için acele edenlere kıyasla daha yüksek nihai benimseme ve daha iyi iş sonuçları görür.”

BCG, beş saatten fazla yapay zekâ eğitimi alan çalışanların %79'unun düzenli kullanıcı hâline geldiğini; beş saatten az eğitim alanlarda ise bu oranın %67 olduğunu ortaya koydu. Stratejik sabır, yönetim kurulları hemen sonuç almak istese bile bu yatırımı korumaktır.

6. Şeffaflık: Belirsizlik Konusunda Dürüst Olmak

Yöneticilerin çalışanların ne anladığını düşündükleri ile çalışanların gerçekte ne anladıkları arasındaki 51 puanlık fark, yetersiz iletişimden değil, dürüst olmayan iletişimden kaynaklanır.

Liderler, bu işin ne olduğunu veya mevcut ücret düzeylerinde var olup olmayacağını açıkça belirtmeden "Yapay zekâ sizi daha yüksek değerli işlere ayıracak" açıklamasını yapar. Yapay zekâ stratejilerini, gerçekte gerçek zamanlı olarak test edilen varsayımlar oldukları hâlde tamamen oluşturulmuş planlar olarak sunarlar. Üst düzey liderlerin kendileri belirsizken, yapay zekânın gidişatı konusunda kesinlik iddiasında bulunurlar.

Steve Cadigan bu dinamiği açıklıyor.

Korku, Ethan Mollick'in "gizli siborglar" olarak adlandırdığı durumla kendini gösteriyor: Yapay zekâ araçlarını kullanan ancak bazen kullanımlarını itiraf etmenin değiştirilebilir oldukları sinyalini vereceği endişesiyle bunu yöneticilerine söylemeyen insanlar. Bu, dönüşüm için gereken şeffaf denemelerin tam tersi; artık gölge yapay zekâ olarak bildiğimiz şey.

Johannes Sundlo, yapay zekâ benimseme uzmanı, bilgi olarak bildiğimiz şeyle ilişkimiz üzerine sorular soruyor.

Şeffaflık, kesin olanlarla (yapay zekâya yatırım yapıyoruz, bazı roller değişecek) belirsiz olanları (tam olarak hangi rollerin ve nasıl değişeceği) birbirinden ayırmak anlamına gelir. Başarısızlıklar da dâhil olmak üzere pilot uygulama sonuçlarını paylaşmak demektir. Elinizde olmayan yanıtlar varmış gibi davranmak yerine, "bunu birlikte çözüyoruz" diyebilmektir.

Cadigan, yapay zekâ konusundaki hataları yönlendiren temel bir unsurun, bunun "daha önce gördüğümüz hiçbir teknolojiye benzememesi. Bunun nasıl uygulanacağı konusunda genellikle oldukça net oluruz. Yapay zekâ ile neler yapabileceğinin çoğunu henüz bilmiyoruz ve bunu hâlâ öğreniyoruz. Olasılıklar henüz tam olarak keşfedilmedi, ancak burada rekabet avantajı olduğundan oldukça eminiz. O hâlde başlayalım." olduğunu belirtiyor.

Bu belirsizlik, geleneksel uygulama planlarını geçersiz kılıyor ve dürüst iletişimi vazgeçilmez hâle getiriyor.

7. Sistem Düşüncesi: Dalga Etkilerini Anlamak

Yapay zekâ girişimlerinin çoğu ekipler arasındaki sınırlarda başarısız olur. Ürün geliştirme üzerindeki etkiyi (farklı şikâyet örüntüleri), pazarlamayı (mesajlaşma ihtiyaçları değişir) veya operasyonları (yapay zekâ rutin sorunları ele alırken karmaşık sorunları üst kademeye taşıdığında personel modelleri değişir) dikkate almadan müşteri hizmetlerinde bir yapay zekâ aracı uygularsınız.

BCG'nin yapay zekâ yönetişimi konusundaki araştırması, başarılı kuruluşların %52'sinin artık stratejiyi yönlendirmek için iş ve teknoloji liderlerinden oluşan işlevler arası ekipler kullandığını gösteriyor; bu oran bir yıl önce yalnızca %5'ti. Bu değişim, yapay zekâ kararlarının BT liderliğindeki yaklaşımların ele alamayacağı insan ve süreç sonuçları yarattığını kabul ediyor.

Cadigan'a göre bölümlere ayrılmış uygulamaların temel nedeni, geçmişte işleri yapma biçimimizdir.

"Hazır yazılımlar gibi," diyor. "Bağlarız, eğitim alırız; işte bunu nasıl kullanacağınız. Ancak yapay zekâ deneme gerektiriyor ve genellikle görmeye alışık olduğumuz bir şey bu değil. Yapay zekânın tüm çalışanlarımızın işlerine, kariyer yollarına ve çalışma biçimlerine, sistem düzeyinde düşünmeyi gerektirecek şekillerde dokunduğunu kabul etmemiz gerekiyor."

Caldwell, genel amaçlı yapay zekâ araçlarının eğitim verilmeden kullanılmaya başlanmasını, çalışanlara 20 işlevi olan bir İsviçre çakısı verip yalnızca üçünü açıklamaya benzetiyor. İşlerinin başkalarının işleriyle nasıl bağlantılı olduğunu anlamadan çalışanlar, yerel düzeyde optimizasyon yaparak sistem düzeyinde işlev bozuklukları yaratıyor.

Yalnızca Stratejiyi Duyurmak Değil, Yetkinlik Oluşturmak

Bu yedi yetkinlik—empati, mevcudiyet, ürün düşüncesi, cesaret, stratejik sabır, şeffaflık ve sistem düşüncesi—sosyal beceriler değildir. Bunlar, sürekli uygulama gerektiren zorlu çalışmalardır.

BCG ve Columbia araştırması, yapay zekâ odaklı değişim liderliği güçlü olan şirketlerin, geleneksel BT liderliğindeki yaklaşımları kullananlara kıyasla 3,2 kat daha yüksek kâr marjlarına sahip olduğunu gösteriyor. Liderlik ekipleri yapay zekânın gerektirdiği kültürel dönüşümü yönlendiremiyorsa teknoloji konusundaki yetkinlik boşa gider.

Liderlerin ve yöneticilerin, önümüzdeki on yıl içinde işlerini yapay zekâ nedeniyle kaybetme konusunda ön saflardaki çalışanlardan daha fazla endişe duyduğu bir dönemdeyiz. Bu kaygı, hızlı hareket etme, kendinden emin görünme ve kontrolü elinde tuttuğunu gösterme baskısı yaratıyor. Ancak başarılı olan yönetici ekipleri bunun tam tersini yapıyor; bilinçli bir şekilde ilerliyor, belirsizliği kabul ediyor ve güven inşa ediyor.

Doğru Ortamı Yaratın

“2026’nın sonunda akıllı görünen liderler, 2025’te en sert konuşanlar olmayacak. Gerçek belirsizlik boyunca insanların en iyi işlerini yapabildiği kuruluşlar inşa edenler olacak.”

Bu yetkinlikler açısından bulunduğunuz nokta ile olmanız gereken nokta arasındaki fark sabit değil. Bu yetkinlikleri geliştirmeye ne kadar bilinçli yatırım yaptığınızın bir sonucu. Soru, herkes manşetler üretirken bu işi yapmaya istekli olup olmadığınız.