Ajan Tabanlı Yapay Zekâ İşe Alıştırma, Mentorluk ve Çalışanları Elde Tutmayı Nasıl Değiştiriyor

David Rice: Bu ajanları, örneğin bir gösterge paneli veya akıllı asistandan farklı olarak gerçekten ajan tabanlı yapan nedir?

Francisco Marin: Ajan tabanlı yapay zekâ, bir insanın soru sormasını beklemez. Gerçek zamanlı kararları proaktif biçimde alır veya yapay zekânın erişebildiği evrensel ölçümlere dayanarak müdahaleleri belirler.

David Rice: Yapay zekâ ajanları çalışanları elde tutma veya mentorluk gibi hassas bir süreci başlattığında güveni nasıl sağlıyorsunuz?

Dan George: Ajan tabanlı yaptığımız her şeyin etik kullanım ve doğru onay düzeyine sahip olması gerekiyor. Bu nedenle kişi onay düğmesine tıklıyor ve istediği noktada onayını geri çekebiliyor.

David Rice: Peki başarı nasıl görünüyor?

Francisco Marin: Bir mentorluk eşleştirme müdahalesi için, yeni çalışanın verimliliğe ulaşma süresini yüzde 40’a kadar kısaltarak 20 bin ila 30 bin dolar arasında tasarruf sağlayabilirsiniz.

David Rice: İnsanları Yöneten İnsanlar Podcasti’ne hoş geldiniz. İşin insani yönünü, onu etkileyen teknolojiyi ve insan uygulamalarının geleceğini şekillendirecek cesur fikirleri incelediğimiz programdasınız. Ben sunucunuz David Rice.

Bugün iki konuğum var. Francisco Marin, Cognitive Talent Solutions’ın kurucusu ve CEO’sudur. Aynı zamanda Network-First Manifesto’nun yazarı ve örgütsel ağ analizinin öncülerindendir. Francisco, büyük işletmelerde gayriresmî ağların ve yapay zekâ iş birliğinin işe alıştırmayı, mentorluğu ve gayriresmî liderliği nasıl hızlandırabileceğine odaklanan, büyüyen küresel bir topluluğa liderlik ediyor.

Dan George, CTS’nin Deneyim Direktörü ve Piper Key Analytics’in kurucusu ve CEO’sudur. İnsan analitiği, iş gücü planlaması ve veriye dayalı İK dönüşümü alanlarında ödüllü bir uzmandır. Fortune 100 şirketlerinde ve orta ölçekli yenilikçi kuruluşlarda deneyim kazanmış, İK’nın stratejik ve analitik güçle desteklenen bir işlev olarak yeniden tasarlanmasına yardımcı olmuştur. Aynı zamanda yayın danışma kurulumuzun üyesidir.

Bu sohbette, yapay zekâ ajanlarının ve ağ analizinin İK’yı statik raporlamadan uygulanabilir, otonom iş akışlarına nasıl dönüştürdüğünü derinlemesine incelemeye çalışacağız. Francisco, yapay zekâ ajanlarının mentorları ve mentileri eşleştirdiği, gayriresmî liderliği haritalandırdığı ve kritik ağlar üzerinden işe alıştırmayı hızlandırdığı erken pilot uygulamalardan bazı içgörüleri paylaşacak. Dan ise bu ajanların insan analitiği işlevinin kendisini nasıl ölçeklendirebileceğini, içgörüleri otomatikleştirerek İK profesyonellerinin stratejik çalışmaya odaklanmasını nasıl sağlayabileceğini açıklayacak.

İK ve insan operasyonlarına ya da yetenek stratejisine liderlik ediyor olun veya iş gücü dönüşümünün bir sonraki sınırının nereye ilerlediğini anlamak istiyor olun, bu sohbet sizin için. Hemen başlayalım.

Pekâlâ! Francisco, Dan, hoş geldiniz!

Dan George: Burada olmak harika. Teşekkür ederim.

David Rice: Cognitive Talent Solutions ile sahip olduğunuz vizyon hakkında konuşarak başlamak istiyorum. Neden bu sekiz ajan? İK’ya bütünüyle baktığınızda ele almak istediğiniz temel alanlar nelerdi?

Dan George: Bizim açımızdan yapay zekâ ajanlarının İK içinde etkili olabileceği pek çok alan var. Ancak bu sekiz alan, yalnızca kolayca onay toplayabileceğimiz ve sürece dahil olan tüm tarafların istekli ve yetkili olmasını sağlayabileceğimiz değil, aynı zamanda İK’nın genel operasyonlarını nasıl etkilediklerine ilişkin yatırım getirisini de izleyebileceğimiz en belirgin alanlardı.

Bu yüzden işi fazla ileri götürmek istemedik; ama elbette bir etki yaratmaya çalışırken tüm bunların zamanla gelişeceğini de biliyorduk. Dolayısıyla bu sekiz alan, açık ara en mantıklı olanlardı.

Francisco Marin: Dan’in söylediklerine tamamen katılıyorum. Biraz tamamlamak gerekirse, bordro veya mevzuata uyum gibi temel İK süreçleri için bazı ajan tabanlı yapay zekâ yeteneklerinin kullanıma sunulduğunu gördük.

Ancak insan analitiğini etkileyen ve özellikle CTS’de kullandığımız ağ çerçevesiyle uyumlu olan kullanım alanları kuşağını gözden kaçırıyorduk. Örneğin değişim yönetimi, liderlik gelişimi veya sosyal etkinleştirme açısından işe alıştırma gibi temel süreçlerden bazılarını yeniden düşünmemize nasıl yardımcı olabilirlerdi?

Bu sekizli grubu bu nedenle seçtik. Büyük ilgi görüyoruz. İşe alıştırma ve mentorluk eşleştirme konularını daha sonra ayrıntılı biçimde tartışabiliriz; ancak bunun, bunun yeni ajan tabanlı yetenek yaklaşımı olduğunu ve örgütsel ağ analizi alanının ötesinde, bir bütün olarak insan analitiği sektörünü temsil eden bir kullanım alanları grubu olduğunu hissettik.

David Rice: Dan, onaydan bahsettin. Yapay zekâ ajanları çalışanları elde tutma müdahalesi veya akran mentorluğu bağlantısı gibi hassas bir şeyi başlattığında onayı, güveni ve şeffaflığı nasıl sağlıyorsunuz?

Dan George: Bu, bütün bunlarla ilgili önceden düşündüğümüz konulardan biriydi. Ajan tabanlı yaptığımız her şeyin, bu otomatik süreçlerin etik kullanımı için doğru onay düzeyine sahip olması gerekiyor. Bunu yapmanın en iyi yollarından biri, platformumuz üzerinden hem katılımcıların hem de kurumdaki diğer kişilerin hizmet ve e-posta bilgilerini almaktır. Böylece ajan belirli bir kriter gördüğünde yöneticilerden biri tarafından oluşturulabilen otomatik bir e-posta başlatabilir.

Yöneticiler süreci başlatabilir veya tanımlanan tüm imzaların yer aldığı süreci doğrudan başlatabilir. Her iki taraf da bir e-posta alır, düğmeye tıklar ve onay verir. Böylece her iki tarafı bilgilendirir, süreci başlatmak için onay verdiklerini kaydeder ve istedikleri noktada onaylarını geri çekmelerine olanak tanırız. Bu sayede yalnızca GDPR’a değil, genel etik kullanım ilkelerine de uyumlu kalırız.

Francisco Marin: Evet. Ayrıca ekiple her kullanım alanının ayrıntıları hakkında ayrı ayrı sürekli görüşmeler yaptık. Örneğin yetenekleri elde tutma konusunda şu soruyu tartıştık: Bu içgörüleri toplu düzeyde sunmak mantıklı mı? Örneğin, gördüğümüz sinyallere dayanarak 13 kişilik bir ekibinizin yüksek çalışan ayrılma riski taşıdığını ve uygulayabileceğiniz bazı eylemlerin bunlar olduğunu söylemek gibi.

Yoksa bunu bireysel düzeyde yapıp doğrudan amiri bilgilendirmek mi daha mantıklı? Bazı durumlarda bunu toplu düzeyde, bazı durumlarda bireysel düzeyde test ediyoruz. İlk pilot şirketlerden ve çalışanların kendilerinden aldığımız tepkileri görmeye çalışıyoruz.

Buradaki temel ilke, mümkün olan her yerde bu tercih mekanizmalarını oluşturmaktır. Örneğin yeni bir çalışan için mentor olarak belirlendiyseniz mentorluk fırsatına katılmak için onay vermeniz gerekir. Diğer konu ise doğrudan amirin rolüdür.

Doğrudan amir, müdahaleyi yetkilendirmesi gereken bir kapı bekçisi mi olmalı, yoksa bu fırsatın belirlendiğinden haberdar mı edilmeli? Örneğin mentor olan kişi, katılım için nihai onayı vermesi gereken kişi mi olmalı? Bu konu üzerinde çalışmaya devam ediyoruz; ancak amaç GDPR’a ve diğer düzenlemelere tamamen uymak ve mümkün olan her yerde bu tercih mekanizmalarını oluşturmaktır.

David Rice: Biraz da işlevsellikten bahsedelim. Bu ajanları, örneğin bir gösterge panelinden, akıllı asistandan veya üretken yapay zekâyla normalde ilişkilendirilen şeylerden farklı olarak gerçekten ajan tabanlı yapan nedir?

Francisco Marin: Buradaki fikir, adından da anlaşılacağı üzere, ajan tabanlı yapay zekânın daha fazla yetkiye sahip olmasıdır.

Bu yapay zekâ, bir insanın gösterge panelini analiz etmesini veya bir soru sormasını beklemez. Bu soruyu proaktif biçimde ortaya çıkarır ya da müdahaleleri belirler. Müdahaleyi platform üzerinden yetkilendirmek için hâlâ insan unsuruna ihtiyaç vardır; ancak yapay zekâ bu sinyali sürekli izler ve müdahaleleri gerçek zamanlı olarak belirler.

Ayrıca bağlamı dikkate alan kararlar verebilir. Bazı durumlarda belirli sayıda ölçüm bulunur; diğer durumlarda, verilerin erişebildiği evrensel ölçümlere ve farklı kullanım alanlarına sahip genel ajan orkestratörünün çerçevesi içindeki bilgi erişimi destekli üretime dayanarak başka ölçümler bulunur. Yapay zekâ e-posta bildirimlerini nasıl oluşturacağına ve bu müdahaleleri nasıl gerçekleştireceğine gerçek zamanlı olarak karar verir.

Sahip olduğu yetki düzeyi, örneğin daha önce platformda oluşturduğumuz geleneksel üretken yapay zekâ arayüzlerinden çok daha yüksektir.

David Rice: Pilot uygulamalar yaptığınızı söyledin. Bu pilot çalışmalarda hangi ajanlar en hızlı ilgiyi gördü veya kullanıcıların dikkatini özellikle çekti? Sizce bunun nedeni ne?

Francisco Marin: İşe alıştırmayla birlikte mentorluk eşleştirme. Dan, bunu sen anlatmak ister misin?

Dan George: Evet, büyük ölçüde öyle. Mentorluk eşleştirme, risk veya hata açısından muhtemelen en düşük eşiklerden birine sahip. Ben yalnızca bir mentorun değil, birden fazla mentorun olmasına inanıyorum.

Her kuruluş için yeni çalışanların veya yeni yöneticilerin etkileşimini artırmak açısından, doğrudan bağlı olmadıkları biriyle eşleşebilmeleri çok değerli. Mentorluk yöneticisi, kişinin seviyesini, hedeflerini ve beklentilerini daha iyi anlamaya çalışır; bu, aktif örgütsel ağ analizi anketinin ne kadar kapsamlı olduğuna bağlıdır.

Bu süreçte hem potansiyel menti hem de mentor onay e-postaları alır. İkisi de olumlu yanıt verdiğinde tanışma süreci başlar ve ölçeklenebilir hâle gelir. Daha önce bu süreci manuel olarak yürüttüm. Eski bir İK Direktörü olarak ve farklı kuruluşlarda insan analitiği yöneticiliği yaparken listeler hazırlamak ve bunları liderlik veya diğer yetenek etkileşimi ekiplerine göndermek zorunda kaldım.

Bunun, bir yöneticinin tıklayarak işlemi başlatabildiği otomatik ve yetkilendirilmiş bir alana dönüştürülmesi süreci çok kolaylaştırıyor. Ayrıca başlangıçta her zaman seçtiğimiz tipik mentor ve mentileri belirlemekten kurtuluyoruz.

Genel olarak bu, bir kuruluşun maliyetine kıyasla yapabileceği en kolay, en düşük riskli ve en etkili çalışmalardan biri. Gerçekten inanılmaz.

Francisco Marin: İnsanlar bunu kavramsal olarak çok kolay anlayabiliyor. Çünkü büyük bir çok uluslu şirkette çalışmış olan hepimiz, kuruluşta etkileşim kurduğunuz ve size yolu gösteren ilk kişinin ilham verici, destekleyici ve bağlı biri olmasının büyük fark yarattığını biliriz.

Bunun yerine ilgisini kaybetmiş ve belki de kuruluştan ayrılmak isteyen biriyle karşılaşabilirsiniz. Günümüzde bu özellikle önemli; çünkü birçok yeni çalışan hibrit düzende işe başlıyor ve ekipleriyle yüz yüze etkileşim kuramıyor.

Ayrıca gerçek zamanlı olarak yeniden yapılanma geçiren kuruluşlara katılıyorlar. Çok belirsiz bir ortamda işe alıştırma sürecini optimize etmek ve yeni çalışanın verimliliğe ulaşma süresini kısaltmak kritik önem taşıyor. Bizim yaptığımız şey, işe alıştırmayı sosyal etkinleştirme olarak yeniden düşünmek.

David Rice: Çok ilginç. Çok uluslu bir şirket olduğunuzu ve şirketlerin artık sınırlar ötesinde işe alım yaptığını düşünürsek, bu bağlantılar kurmak için mükemmel olabilir. Daha önce bu ajanların tükenmişlik risklerini belirlemeye başlayabileceğinden bahsetmiştin.

Birini otomatik olarak bir mentor veya yöneticiyle bağlayabiliyorlar. Peki bunu nasıl yaptıkları, yani iş akışının kendisi uygulamada nasıl görünüyor?

Francisco Marin: Şu anda birden fazla şirkette operasyonel olarak uygulanan mentorluk eşleştirme iş akışını açıklayabiliriz.

Başlangıç noktası olarak kullandığımız süreç bu. Temel olarak yeni bir çalışan kuruluşa katılıyor. Yapay zekâ, bu kişi için mentor veya rehber olmaya en uygun kişiyi belirliyor. Bu belirleme; daha önce örgütsel ağ analiziyle ölçülen gayriresmî liderlik, teknik yeterlilik, rol, departman, performans düzeyi ve deneyim yılı gibi ölçümlere dayanıyor.

Sisteme ne kadar çok veri sağlarsanız öneriler o kadar gelişmiş ve uygulanabilir oluyor. Eşleştirme belirlendiğinde müdahale, ağ analiz platformundaki İK kullanıcısına gösteriliyor ve İK kullanıcısının müdahaleyi başlatmayı yetkilendirmesi gerekiyor.

Ardından yapay zekâ, bu girişime katılım için mentorun onayını almak üzere mentorla iletişime geçiyor ve doğrudan amiri bilgilendiriyor; ancak doğrudan amirden izin istemiyor. Mentor onay verirse yapay zekâ mentor ile menti arasında e-posta yoluyla bir tanışma gerçekleştiriyor.

Bir toplantı planlıyor; böylece birbirlerini tanıyorlar. Ardından toplantının gerçekleşip gerçekleşmediğini belgeliyor ve bu müdahalenin etkisini değerlendiriyor. Değerlendirme, yeni çalışanın verimliliğe ulaşma süresinin kısaltılması açısından sağlanan tasarrufları da içeriyor. Bu, mentorluk eşleştiriciyle işe alıştırma için tam bir ajan tabanlı yapay zekâ iş akışına örnek.

David Rice: Sonuçlar hakkında biraz konuşalım. Bu ajanlardan biri için başarı nasıl görünüyor? Bunu belirlemek için hangi sinyalleri veya sonuçları izliyorsunuz?

Dan George: Genel etki açısından, uzun süredir mevcut olan araştırmalar farklı senaryolarla ilgili oldukça ortalama yatırım getirilerini ortaya koyuyor.

Ajanlar görevlerini tamamladıkça ve eşleştirilen kişiler toplantılarını yapıp ilk düzenlemelerini gerçekleştirdikçe sistem bunları saymaya başlıyor. Daha sonra bu sayılara bir dolar değeri uyguluyor. Tüm bunlar gösterge panelinin üst kısmında toplanıyor. Böylece herhangi bir İK yöneticisi veya sistem yöneticisi sonucu görebiliyor.

Elbette sayılar üzerinden kendi yatırım getirilerini uygulayabilir veya isterlerse bu değeri değiştirebilirler. Ancak genel olarak, planlanan, koordine edilen ve gerçekleştirilen tüm işleri dikkate alan otomatik bir akışa bakıyoruz.

Bu bile tek başına, çalışma grubunun kapsamına ve sürecin ne kadar uzun sürdüğüne bağlı olarak onlarca veya yüzlerce saat tasarruf sağlayabilir. Bu yatırım getirisi gösterge panelinde yer alıyor. Tüm ölçümler farklı sunum biçimleriyle gösterilebiliyor; böylece ekip toplantılarında veya liderlik sunumlarında etkiyi ortaya koyabiliyorlar.

Her şey toplandığı için herkes gerçekleşen ve tamamlanan işlerin hacmini anlayabiliyor.

Francisco Marin: Mentorluk eşleştirme müdahalesi için biraz daha somut bir örnek vereyim: Yeni çalışanın verimliliğe ulaşma süresini yüzde 40’a kadar kısaltarak 20 bin ila 30 bin dolar arasında tasarruf sağlayabilirsiniz.

Bu, kuruluştaki her yeni çalışan için ölçekli biçimde uygulanabilir. Şu anda bu yapay zekâ ajanları kendi hizmet platformumuz olan Connect Network Analyzer’da kullanılabiliyor. Ancak müşterilerimizin bunları mevcut BT altyapıları içinde de kullanabilmesi için ServiceNow ve Google gibi platformlara doğal olarak entegre edilmesi yönünde ilerliyoruz.

Bu noktada ajanlar, örneğin ServiceNow içindeki vaka yönetimi bilgileri veya çalışan iş akışları ekosistemindeki İK hizmet yönetimi gibi tüm bilgi kaynaklarıyla etkileşime girebilir. Şu anda yeni kullanım alanlarını keşfettiğimiz ve çok sayıda geri bildirim aldığımız, gerçekten ilginç ve heyecan verici bir dönemden geçiyoruz.

Bunları hazırlayarak nihayetinde tüm ajanları ölçekli biçimde kullanıma sunmak ve bu ilk pilot aşamanın ötesine geçmek istiyoruz.

Dan George: Diğer müşteri ilişkileri yönetimi sistemlerinden de ek ilgi görüyoruz. Bunu onların pazar yerlerinde doğal bir uygulama olarak sunma fikri, mevcut ekosistemlerinde bu teknolojiyi kullanma sürecini kolaylaştırıyor.

David Rice: Dünyanın en iyi yeteneklerine erişiminiz olduğunu düşünün. São Paulo’daki mühendis, Dublin’deki satış yöneticisi veya Cape Town’daki inanılmaz tasarımcı olabilir. Bir sonraki harika çalışanınız dünyanın herhangi bir yerinde olabilir. Oyster ile kaçıp giden kişi olmak zorunda değil.

Oyster, şirketlerin küresel olarak yetenek işe almasına, doğru ve zamanında bordro yürütmesine ve sürecin her adımında uyumlu kalmasına yardımcı olur. Hayalinizdeki ekibi kurun ve güvenle büyüyün; çünkü dünya gerçekten sizin istiridyenizdir.

İK’dan büyük bir ilgi olduğunu tahmin ediyorum; ancak üst yönetimin geri kalanıyla konuşabilme ve onlara sunum yapabilme yeteneğinden de bahsettiniz. Operasyon, CEO’lar ve benzeri alanlardan da yoğun ilgi görüyor musunuz?

Dan George: Her hafta ve her ay yaptığımız görüşmelerin giderek daha büyük bir bölümü İK dışından geliyor.

Genellikle insan analitiği profesyonelleri, diğer İK dönüşümü uzmanları veya yetenek yönetimi profesyonelleri aracılığıyla sürece giriyorduk. Ancak giderek daha fazla, İK işlevinin dışındaki liderlerle konuşmaya başladık; çünkü çalışanlarının tüm becerilerini ve ağlarını anlamakla ilgileniyorlar.

Böylece inovasyonu hızlandırabilir, daha iyi iş birliği yapmanın yollarını bulabilir, ekiplerinin kültürel dinamiklerini anlayabilir ve en basit durumlarda bile herhangi bir değişim girişimi için en etkili kişilerinin kim olduğunu görebilirler. Bildiğimiz veya bilmediğimiz en etkili kişileri belirleyip, kuruluşun orta, üst veya alt seviyelerinde bulunan bu kişilere ve ağlarına özel iletişimler uyarlayabilirler.

Nerede oldukları önemli değil; kuruluşun her yerinde etkili kişiler var. Değişimin benimsenmesini hızlandırmak için bu kişilerden yararlanabilmek bizim için çok büyük bir kullanım alanı.

David Rice: Teknik açıdan, her kuruluşta karşılaşacağınız veri ve altyapı biraz farklı olabilir. Şirketlerin bu ajanları gerçekçi biçimde benimseyebilmesi için hangi veri ve altyapıya sahip olması gerekiyor?

Francisco Marin: Bu harika bir soru; çünkü giriş engelleri insanların düşündüğünden çok daha düşük. Buradaki güzel şey, aktif örgütsel ağ analizini pasif örgütsel ağ analiziyle birleştirmemiz. Aktif analiz çevrim içi anketlere, pasif analiz ise Microsoft, Google, Slack ve diğer iş birliği araçlarının toplu üst verilerine dayanıyor.

İhtiyacınız olan temel ölçümlere gelince, en önemlileri çalışanın adı, e-posta adresi, yöneticinin adı ve yöneticinin e-posta adresi. Pilot uygulama başlatabilmek için aslında bu kadar veri yeterli. Bundan sonra eklediğiniz departman, bölüm, performans, bağlılık, ayrılma ve geçmiş ayrılma verileri gibi tüm ek bilgiler faydalı olur.

Ne kadar çok veri olursa o kadar iyi; ancak ajan tabanlı yapay zekânın güzelliği, bağlamı dikkate alan kararlar verebilmesi ve sahip olduğu temel bilgilerle çalışabilmesi. Yapay zekâ yöneticinizin kim olduğunu veya e-posta adresini bilmiyorsa elbette bildirim gönderemez, yazamaz veya bu bildirimleri sağlayamaz.

Ancak bu bilgilerin çoğu Microsoft veya Google API’lerinde varsayılan olarak zaten mevcut. Elinizdeki tamamlayıcı veriler de sistemi daha iyi çalıştırıyor.

Dan George: Evet. Bazı ekipler oldukça basit hiyerarşi yapıları yükledi. Diğer müşteriler ise kuruluşlarını farklı şekillerde görmek ve eğilimleri anlamak için iki veya üç ayrı hiyerarşi yükledi.

Bu sayede onlar için anlamlı olan hemen her yapıyı sisteme alabiliyoruz. Bence arka plandaki özel büyük dil modelimizin güzelliği de burada. Başka tedarikçi sistemlerinden birinin içinde yer alıyorsak, onların özel büyük dil modelleriyle de birleşebiliyoruz.

Böylece ağları analiz etmesi için özel örgütsel ağ analizi motorumuza yardımcı olan birkaç farklı büyük dil modeline sahip oluyoruz.

Francisco Marin: Buna iyi bir örnek olarak yakın zamanda Fortune 5 şirketlerinden biriyle çalıştık. Ekiplerini tanımlamak için yedi farklı ölçümleri vardı: denetim kuruluşu, işlevsel raporlar, doğrudan raporlar, dolaylı raporlar ve benzeri. Yapay zekâ, sisteme sağladığımız tüm bu evrensel ölçümleri anlamlandırabildi.

Bunları önerilere dahil etti ve üretken yapay zekâ bileşeniyle istemleri de değiştirdi. Bu, müşterilerin bu tür içgörüleri tüketme biçiminde büyük fark yaratan başka bir özellik.

David Rice: İK çalışanlarının özellikle birçok yapay zekâ aracını kullanmak için yeterli niteliklere sahip olmadıklarını düşündüklerini öne süren araştırmalar gördüm. Belki veri konusunda uzman değiller. Bu geleneksel olarak insan merkezli süreçlere ajan tabanlı yapay zekâyı getirirken herhangi bir şüphecilik veya dirençle karşılaştınız mı? Bununla nasıl başa çıktınız?

Francisco Marin: Şimdiye kadarki deneyimime göre, yapay zekânın çalışma hayatının geleceğinde kritik bir rol oynayacağı çok iyi anlaşılıyor. İK, BT veya finans alanında çalışmanız fark etmiyor; bununla ilgilenmeniz ve bu teknolojiyle tanışmanız gerekiyor, çünkü kısa vadede işinizi etkileyecek.

Bu aciliyet duygusu, önceki dalgalara kıyasla bu tür teknolojileri benimseme ve kullanma konusundaki direnci azaltıyor. Örneğin, insan analitiği sektöründe çözümlerimize üretken yapay zekâyı entegre eden muhtemelen üçüncü şirketiz.

O zaman bazı şirketlerin “Teknolojiyi seviyoruz, kullanmak istiyoruz ama henüz üretken yapay zekâ bileşenini eklemeye hazır değiliz” dediğini gördüm. Ancak aynı şirketler iki ay sonra tüm kuruluş genelinde ajan tabanlı yapay zekâyı kullanıma sundu. Artık bunu anlamaya başladılar; erken benimseyenlerin bir parçası olmaları gerektiğini, aksi takdirde pazarın dışında kalacaklarını düşünüyorlar.

Bu konudaki zihniyetin değiştiğini görüyorum. Bunun bir nedeni de yapay zekânın günlük yaşamımızın daha önemli bir parçası hâline gelmesi. Çoğunlukla üretken yapay zekâ ile ajan tabanlı yapay zekâdan bahsediyoruz; ancak deneyimim, beklediğimden çok daha düşük bir direnç olduğu yönünde.

Dan George: Bunun iki yönü var. Birincisi, platformumuzu örgütsel ağ analizinin ve grafik veri tabanlarının arkasındaki matematiği kapsamlı biçimde anlamayan profesyonellerin de kullanabileceği şekilde tasarladık. Teoride bekleyeceğiniz tüm ölçümler orada.

Ancak platformda, raporlarımızda ve oluşturabildiğimiz çıktılarda ön planda gösterdiğimiz şeyler, örgütsel ağ analizi konusunda çok fazla geçmişi olmayan ama ağları, bağlantıları ve tipik bir işletmede gerçekleşmesi gereken iş birliğini anlayan kişiler için tasarlandı.

Bunu iki şekilde katmanlandırıyoruz. Genel raporlarımız ve etki ölçümlerimiz çok kolay anlaşılır. Daha derine inmek isterseniz tüm bilgiler yine orada. Bunları farklı hesap tablolarına indirebilir ve mevcut veri tabanınızı veya İK veri ambarınızı yeni bir hesap tablosu yüklemek kadar kolay biçimde genişletebilirsiniz.

300 kişiyle veya 30.000 kişiyle çalışmanız fark etmez; bunların tamamı sisteminize entegre edilebilir. Yani hem teknik olmayan raporlara ve içgörülere odaklanıyoruz hem de tüm matematiğin mevcut olmasını sağlıyoruz.

Francisco’nun söylediği konuya gelince, kısa süre önce bir müşteriyle konuşuyordum. Üretken ve ajan tabanlı yapay zekâ olmadan başlamak istediler; çünkü bu onlar için daha rahattı.

Ancak sisteme, mevcut özelliklere, anket ve sonuç görünümlerine alışmaya başladıklarında “Bunu eklemek gerçekten harika olur” dediler. Bunun iki temel nedeni vardı. Birincisi, bu sistem diğer ana İK sistemlerinden ayrı bir ortamda çalışıyordu.

Sistem genelinde kullanılan bir yapay zekâ aracı olmadığını, yalnızca platform içindeki alanla sınırlı olduğunu biliyorlardı. Bu da erişmemesi gereken şeylere erişmeyeceği konusunda kendilerini daha güvende hissetmelerini sağladı. Çünkü müşteri bize yalnızca kendi sistemi dışında paylaşmakta sakınca görmediği demografik bilgileri gönderdi.

Francisco Marin: Bu mesaj çok önemli. İK ve diğer paydaşlarla konuşurken şu mesajı özellikle vurguluyoruz: Platforma erişimi olan kullanıcılar, bu içgörülerin kuruluş genelinde nasıl paylaşılacağı üzerinde tam kontrole sahip.

Müdahaleyi yetkilendirebilir veya yetkilendirmeyebilirsiniz. PDF biçiminde yönetici özeti paylaşabilirsiniz. Rapora hangi ölçümlerin, içgörülerin ve grafiklerin dahil edileceğini tamamen kendiniz özelleştirebilirsiniz.

Raporun kapsamını da özelleştirebilirsiniz. Yani kapı bekçisi sizsiniz ve bunun nasıl paylaşılacağına siz karar veriyorsunuz. Bu mesaj İK ekiplerimde karşılık buluyor.

David Rice: Bu özelleştirilebilir deneyimin ve sistemi kullanan kişinin seviyesine göre şekillendirilebilmesinin benimsemede büyük bir etken olduğunu tahmin ediyorum.

Bu beni bir sonraki soruma getiriyor. Tüm bunları oluşturmak ve bu işlevsellik düzeyini geliştirmek zaman almış olmalı. Bundan sonra nereye gideceğinizi düşünüyorsunuz? Bir sonraki dalga için şimdiden hayal ettiğiniz ajan tabanlı yetenekler var mı?

Francisco Marin: Evet.

Dan George: Ben başlayayım; Francisco’nun bu konuda çok tutkulu olduğunu biliyorum.

Uzun zamandır parlak bir vizyonu var. Söylediğim gibi, muhtemelen beş ya da altı yıldır birbirimizi tanıyoruz. Pandemiden önce tanıştık ve uzun süredir bunun üzerinde düşünüyoruz.

Şu anda sahip olduğumuz sekiz ajanın ikinci neslini geliştirebileceğimiz ve insanların daha fazla alışmasıyla yeni alanlara girebileceğimiz pek çok yer görüyorum. Ancak gördüğümüz eğilimlere ve o an en popüler veya etkili olan konulara da ayak uydurmaya çalışıyoruz.

Rekabet açısından bazı konuları kendime saklamak istiyorum. Genel olarak, yalnızca bu ilk nesil için değil, gelecekteki ikinci nesil ve ortaya çıkarabileceğimiz sonraki nesiller için de çok heyecanlıyız.

Francisco Marin: Bence geleceğin kuruluşu ajanlar tarafından güçlendirilen bir ağ olacak. Yapay zekâ ajanlarının bu makro müdahaleleri ölçekli biçimde uyguladığı bir yapıdan bahsediyoruz.

Büyük çok uluslu şirketlerin bu yeni çalışma biçimi için kuluçka merkezi olarak hareket etmesi ve buna ağ öncelikli çalışma geleceği dememiz de bunun bir parçası. Ayrıca bu uygulamaları baştan itibaren ölçekli biçimde entegre ederek doğan ve büyüyen yeni kuruluşlar da olacak.

Biz de CTS’de bunu yapıyoruz. Danışmanlar, elçiler ve Kaliforniya’daki çekirdek ekipten oluşan, 50 kişilik ve son derece merkeziyetsiz bir topluluğuz. Nihayetinde CTS’yi nasıl yönettiğimiz üzerinden bu yeni çalışma biçiminin nasıl göründüğüne ilişkin bir örnek olay oluşturmak istiyoruz.

Hatta CTS’den bağımsız olarak kişisel düzeyde de bir girişim başlattık. Bir ay önce, bu kavramla bağ kuran herkesin Network-First Manifesto’yu hazırlamasına ve bir dizi ilke oluşturmasına olanak tanıyan Network-First Manifesto girişimini başlattık. Mike Lorena Andras Seven gibi düşünce liderleri ve sektördeki diğer kişilerle iş birliği yapıyoruz.

Şu anda 200 kişilik bir grubumuz, yaklaşık 80 kuruluşta 200 kurucu üyemiz var. Bu yalnızca bir ay içinde gerçekleşti. Yaklaşık 13’ünde onaylama etkinlikleri düzenleyeceğiz ve çok heyecan verici olacak bir sonraki adımlar dizisini duyuracağız.

Bunu yapmamızın temel nedeni şu: Sınırlı kapasitemiz ve etkimiz dahilinde, hiyerarşi öncelikli bir modelden ağ öncelikli bir çalışma geleceğine geçişe nasıl öncülük edebiliriz?

Çünkü günümüzde yeni bir çalışan bir kuruluşa katıldığında nerede, kiminle ve ne zaman çalışması gerektiğine ilişkin kısıtlayıcı yönergelerle karşılaşıyor. Bu, iş birliğine dayalı kontrolün giderek büyüdüğü bir model. Merkezileşme ile merkeziyetsizlik ve beşerî sermaye ile sosyal sermaye arasında sağlıklı bir denge kuran bir model değil.

Bizim yapmaya çalıştığımız şey, bu unsurları yapısal düzeyde yerleştirmek. Böylece büyük bir kuruluşa katılan kişi, Silikon Vadisi’ndeki bir girişime katılmış olsaydı elde edeceği teşviklere ve deneyime benzer teşviklere ve deneyime sahip olabilsin.

Mesele bu. Hepimizin heyecan duyduğu, korkmadığı bir çalışma geleceği oluşturmak.

David Rice: Harika. Muhteşem. Michael’ın ağlar konusundaki çalışmalarını çok seviyorum; gerçekten ilginç işler yaptı. Dan, Francisco, bugün bize katıldığınız için teşekkür ederim. Bitirmeden önce, insanlara yaptıklarınız hakkında daha fazla bilgiye ve bu ajanlarla ilgili ayrıntılara nereden ulaşabileceklerini söyleme fırsatı vermek istiyorum.

Francisco Marin: Öncelikle cognitivetalentsolutions.com adresini ziyaret edebilirsiniz. Ayrıca LinkedIn’de, CTS Running Sites adlı ve makaleleri haftalık olarak e-postanıza gönderen bir bültenimiz var. CTS’den ayrı olarak Network-First Manifesto girişimini de başlattık: networkfirstmanifesto.com veya networkfirstmanifesto.com/join.

Girişim hakkında oradan bilgi alabilirsiniz. Katılmak isteyen herkese açık.

David Rice: Pekâlâ, bugün bize katıldığınız için ikinize de teşekkür ederim. Harika bir sohbetti.

Dan George: Teşekkürler David, memnuniyetle.

Francisco Marin: Teşekkür ederim David.