İnsan-Yapay Zekâ Devir Teslimi Şirketlerin Düşündüğünden Daha Karmaşık

David Rice: Kurumsal yapay zekâ sohbetlerinin çoğu aynı soruyla başlıyor: Neyi otomatikleştirebiliriz? Ancak başlamak için yanlış yer burası. Bugünkü programda Salesforce’un Etik ve İnsancıl Kullanımdan Sorumlu Genel Müdürü Paula Goldman ile otomasyon için tasarlamakla insan-yapay zekâ iş birliği için tasarlamak arasındaki farkı konuşuyorum.

Bunlar aynı şey değil. Otomasyon, hangi adımları ortadan kaldırabileceğinizi sorar. İş birliği ise insanların artık yeni bir yeteneğe erişimi varken işin neye dönüşebileceğini sorar. Yapay zekâ ile insanlar arasındaki devir teslim de sandığımız kadar net değil. Müşteriler öfkeli olduğunda bir insanla konuşmak ister. Utandıklarında ise çoğu zaman yapay zekâyı tercih eder.

Bu sınırın nerede olması gerektiğine dair genellemeler, kuruluşların yeniden kazanmasının zor olduğu biçimlerde güven kaybetmesine yol açacak. Paula’nın temel savı şu: Yapay zekâ güçlendikçe muhakeme ve ilişki kurma daha önemli hâle geliyor, daha az değil. Verimlilik ara sonuçtur. Daha ilginç soru, yarattığı kapasiteyle ne yaptığınızdır.

Bugün otomasyonla başlamanın liderlerin insan emeğinin nasıl değer yarattığını görmesini neden engellediğini, kendi kullanım alanlarınız için yapay zekâ-insan devir teslimini nasıl düşüneceğinizi, her çalışandan artık yöneticilerin bir zamanlar aldığı eğitim eksikliğiyle yapay zekâyı yönetmesinin neden beklendiğini ve insan gelişimini destekleyecek şekilde tasarlamanın pratikte nasıl göründüğünü ele alıyoruz.

Ben David Rice. Burası People Managing People. Yapay zekâ stratejiniz neyi otomatikleştirebileceğiniz yerine işin neye dönüşebileceği etrafında şekilleniyorsa, bu konuşma tüm soruyu yeniden çerçeveleyecek. Başlayalım.

Microsoft Teams için geliştirilmiş, performans yönetimi ve çalışan bağlılığı alanında bir numaralı değerlendirilen platform Teamflect ile tanışın.

Binden fazla kuruluşun güvendiği, kullanımı kolay ve kurumsal düzeyde bir çözüm. Daha fazla bilgi için Teamflect.com adresini ziyaret edin.

Paula, programımıza hoş geldin.

Paula Goldman: Beni davet ettiğiniz için teşekkürler.

David Rice: Sohbete şunu konuşarak başlamak istiyorum: Kurumsal yapay zekâ sohbetlerinin önemli bir bölümü hâlâ “Peki, neyi otomatikleştirebiliriz?” sorusunun bir türüyle başlıyor.

Yapay zekâ için tasarlamakla insan-yapay zekâ iş birliği için tasarlamanın temelde farklı şeyler olduğunu savunuyorsun. Hedef olarak otomasyonla başlarsak, bu liderlerin insan emeği ve onun nasıl değer yarattığı konusunda neyi gözden kaçırmasına neden oluyor?

Paula Goldman: Teşekkürler. Soruyu çok iyi ifade ettin ve bence bunun birkaç bölümü var.

Bunlardan biri dönüştürücü bir sonuçla verimlilikteki küçük bir artış arasındaki fark. Şunu sormamız gerekiyor: “Yapay zekâ işletmelerimiz için neyi mümkün kılıyor? Müşterilerimizi, çalışanlarımızı ve diğer paydaşlarımızı nasıl daha fazla memnun edebiliriz?” Ancak daha temel düzeyde soru, insan etkileşiminin bir sonucun başarısı açısından nerede vazgeçilmez olduğunu kabul etmekle de ilgili.

Örneğin telefona cevap veren kişiyle arayan kişi arasındaki bağlantının, gerçekten hayal kırıklığına uğramış bir müşteriyle memnun bir müşteri arasındaki farkı yarattığı yerler vardır. Ya da bir çalışan için insan koçluğunun motivasyon ve gelişimle bunların yokluğu arasındaki farkı yarattığı durumlar vardır.

Bunun neden önemli olduğunu büyük ölçüde hafife aldık. Yapay zekâ çok güçlü. Onunla yapabileceğimiz çok şey var. Ancak doğru soru şu: Sadece yapay zekâyı nereye ekleyeceğimize bakmak yerine, sorumlu ve sıra dışı sonuçlar elde etmek için insanları ve yapay zekâyı nasıl birlikte iyi çalıştırırız?

David Rice: Sorunlarımızdan biri, verimlilikle değeri zihnimizde çoğu zaman eş anlamlı hâle getirmemiz. Oysa bir iş akışı, aynı anda güven, öğrenme, yaratıcılık ve muhakeme gibi önemli şeyleri üretme konusunda daha kötü hâle gelirken dramatik biçimde daha verimli olabilir. Otomasyon mevcut iş akışını analiz birimi olarak ele alma eğilimindedir.

Hangi adımları kaldırabiliriz? İş birliği ise farklı bir soru sorar: “İnsanların artık yeni bir yeteneğe erişimi varken bu iş akışı neye dönüşebilir?”

Paula Goldman: Bunu çok iyi ifade ettin.

David Rice: Bunun özellikle insan kaynakları yöneticileri için önemli olduğunu düşünüyorum. Bir finans lideri yüzde yirmi kapasitenin serbest kaldığını görecektir.

İnsan kaynaklarının ise bu kapasitenin mesleki uzmanlığı ve kurumsal sistem açısından ne anlama geldiğini sorması gerekir. Şu anda uğraşmak zorunda olduğumuz büyük konulardan biri bu. Yapay zekâ ile insanlar arasındaki devir teslimi tasarlamaktan söz ettin. Ancak bu sınır, yapay zekânın rutin işleri, insanların da karmaşık işleri üstlenmesi kadar basit değil.

Bunu söylüyoruz ama bence o kadar temiz bir ayrım yok. Bazen insanlar gerçekten hassas etkileşimlerde yapay zekâyı tercih ediyor. Başka insanlar içinse görünüşte basit anlar büyük ölçüde insan bağlantısına bağlı. Sence kuruluşlar bu konuda genellemeler yapmak yerine sınırın nerede olması gerektiğini nasıl belirlemeli?

Paula Goldman: Yapay zekânın rutini, insanların karmaşığı ele alması şeklindeki genel kural yanlış değil. Aslında oldukça iyi bir başlangıç noktası. Ancak tek tek kullanım alanlarına bakmaya başladığınızda konu gerçekten ilginçleşiyor.

Örneğin müşteri hizmetlerini ele alalım. Yapay zekâ daha önce hiç karşılaşmadığı bir soruyla karşılaşır ve sorunun yanıtına ilişkin hiçbir veriye sahip değilse, muhtemelen o soruyu ele almamalıdır. Fakat başka pratik kurallar da var. Bir konu yüksek düzeyde düzenlemeye tabi ise, örneğin küçük işletmelere finansal danışmanlık veren One Eight Hundred Accountant gibi bir kuruluş vergi danışmanlığı gibi düzenlemeye tabi bir alana girdiğinde, bunu bir insanın ele almasını ister.

Müşteri duygularını veya duygusal bağlantıyı düşünmeye başladığınızda işler daha da ilginçleşiyor. Çok sayıda araştırma ve veri, müşteriler öfkeli olduğunda genellikle bir insanla konuşmak istediklerini gösteriyor. Utandıklarında, örneğin tıbbi bir durum söz konusuysa ya da yargılanmak istemedikleri bir şey varsa, yapay zekâya karşı hafif bir tercih oluşabiliyor.

Bu eğilimleri ve tercihleri anlamak çok önemli. İnsanların nerede insanlarla konuşmak istediğini, nerede istemediğini bilmek gerekiyor. Müşteri hizmetleri örneğine devam edersek, mesele yalnızca verimlilik değil; müşteriyi elde tutup tutamayacağınızla ilgili.

Bunun için çok fazla fırsatınız yok. Bu nedenle iş birliğinin pratikte nasıl çalıştığının ancak yüzeyini kazımaya başladığımızı düşünüyorum. Bunun insan tarafına dikkat etmek gerçekten önemli.

David Rice: Belki ayrım basit ve karmaşık arasında değildir. Asıl soru, insanların bu etkileşimden ne istediğidir.

Müşteriler öfkeli olduğunda bir insanla konuşmak istiyor. Utanç veya yargılanma korkusu hissettiklerinde ise yapay zekâ, yaşamlarımız boyunca yaşadığımız rahatsız edici insan etkileşimleri nedeniyle psikolojik olarak biraz daha güvenli gelebiliyor.

Bu da kuruluşların insanların nerede olması gerektiğine karar vermeden önce yalnızca süreç haritalamasına değil, kullanıcı araştırmasına da ihtiyaç duyduğunu gösteriyor. Üstelik sınır kalıcı değil. İnsanlar başlangıçta bir insanın güven vermesini isteyip zamanla yapay zekâyla rahat edebilir veya bunun tersi olabilir.

Dolayısıyla mesele bir seçim meselesi. İnsanların değer kattığı yeri belirlemek için görev karmaşıklığını vekil değişken olarak kullanıyoruz. Sence duygusal sonuç daha iyi bir değişken mi?

Paula Goldman: Bence her ikisi de çok önemli. İnsanlar insan bağlantısı tarafını görmezden geliyor ve bunun bedelini ödeyebilirler.

Her ikisini de hesaba katmak değerli. Ayrıca haklısın, işler değişecek. Zamanla insanlar yapay zekâyla etkileşime daha fazla alışabilir. Yapay zekâ da açıkça giderek daha iyi ve daha güçlü hâle geliyor. Ancak insanların insan bağlantısına daha fazla değer vermesi de mümkün.

Tüketiciler ve çalışanlar yapay zekâyı daha fazla kullandıkça, kendilerine gelen pazarlama mesajlarını ve diğer içerikleri yapay zekâ aracılığıyla filtreledikçe insan temas noktaları azalabilir ve bu noktalar çok daha önemli hâle gelebilir.

Bunun nasıl sonuçlanacağını tahmin etmek zor. Fakat kitabı yazdıktan sonra etkileşimin insan tarafının önemini hafife aldığımızdan tamamen eminim.

David Rice: Daha önce sosyal hizmet uzmanlarıyla ilgili harika bir hikâye anlatmıştın. Saha ziyaretlerinden sonra ofise dönmek zorunda kalmamaları için tasarlanan yapay zekâ aracına karşı çıkmışlar. Yönetim bu dönüşü verimsizlik olarak görmüş.

Çalışanlar ise bu yolculuğu zor vakaları birlikte işledikleri yer olarak görmüş. İnsan kaynakları yöneticileri için buradaki daha büyük ders şu gibi geliyor: Güven, öğrenme, muhakeme ve dayanıklılığı en fazla etkileyen görünüşte verimsiz insan etkileşimleriyle israfı nasıl ayırt edeceğiz?

Paula Goldman: Bu, insanların saha ziyaretlerinden sonra ne yaptıkları ritüelini gerçekten anlamanın önemli olduğu iyi bir örnekti. Sahaya çıkıyor, daha önce hiç görmediğiniz zor vakalarla karşılaşıyor veya bir çalışan olarak üzerinizde duygusal yük oluşturan durumlar yaşıyorsunuz. Sonra geri dönüp birlikte değerlendirmek ve öğrenmek istiyorsunuz; çünkü belki iş arkadaşınız benzer bir şeyle daha önce karşılaşmış.

Yapay zekâ notları almanıza veya süreci yürütmenize yardımcı olamaz demek değil. Soru, hem verimliliği hem de orada gerçekleşen ortak öğrenmeyi nasıl en iyi biçimde destekleyeceğiniz. Hedef yalnızca zaman kazanmak değil, ekip içindeki öğrenmeyi artırmak ve bu vaka çalışanları aracılığıyla desteklenen kişilere en iyi yanıtları sunmak.

Hedefin ne olduğunu anlamaya yönelik küçük bir değişiklik olağanüstü bir fark yaratabilir. Birleşik Krallık’taki bir belediye meclisinde bu pilot uygulama reddedilmişti. Uygulamayı biraz daha insan merkezli hâle getirmek hem verimliliği hem de onunla birlikte gelen öğrenmeyi koruyabilirdi.

David Rice: On yıllar boyunca sürtünmeden kötü bir şeymiş gibi söz ettik ve onu ortadan kaldırmaya çalıştık. Yapay zekâ bize bunu yapmak için eşi görülmemiş bir güç veriyor.

Ancak olumlu sürtünmenin de gerçek bir şey olduğunu göreceğiz. Ofise dönüş, süreç haritasında ulaşım israfı gibi görünebilir. Gerçekte ise akran denetimi, birlikte rahatlama ve örtük bilgiyi paylaşma fırsatıydı.

Benzer örneklerin her yerde bulunduğunu düşünüyorum: kıdemsiz çalışanların kıdemli çalışanları dinlemesi, toplantılardan sonra yapılan konuşmalar veya yanınızda oturan birine bir işi nasıl ele alacağını sormanız. Bu etkileşimler görünmezdir ancak yatırım getirisi ve çalışan gelişimi açısından hesaplanamayacak kadar değerlidir.

Paula Goldman: Katılıyorum. İş ortamında gerçekleşen farklı ritüellerin değerine dikkat etmek çok önemli. Olumlu sürtünmenin değerine de katılıyorum. Salesforce’ta buna bilinçli sürtünme diyoruz.

Yapay zekâ ve teknoloji çok güçlü. Pek çok alanda yanıtlar üretebilir. Ancak başarılı sonuçla başarısız sonuç arasındaki farkın bir insanın muhakemesiyle devreye girmesi olduğu yerler var.

Her gün üzerinde çok zaman harcadığım konulardan biri, birini ikinci kez düşünmeye yönlendirmek istediğiniz anların nerede olduğu. Bu, istihdam taraması veya kredi başvurusu değerlendirmesi gibi sonuçları çok önemli bir karar olabilir ve insan denetimi gerektirebilir.

Bazen de birinin sürece gerçekten katılmasını sağlamak kadar basit olabilir. Sürtünmenin her zaman kötü olduğu fikri evrensel olarak doğru değil. Sistemde kesinlikle sürtünmeye ihtiyaç duyduğumuz yerler var.

David Rice: Birinin buna taşıyıcı yük üstlenen verimsizlikler dediğini duymuştum. Bu ilginç bir ifade. İnsan kaynakları yöneticileri hangi verimsizliklerin aslında verimsizlik olmadığını belirlemekten sorumlu mu?

Paula Goldman: Evet, kesinlikle. İnsan kaynaklarının rolü, şirket içindeki farklı işlevlerin yapay zekâyı en iyi sonuçları elde edecek şekilde kullanmasına yardımcı olmak açısından son derece önemli. Pazarlama ekibi, hazırladığımız mesajlarda estetik anlayışın ve insani özgünlüğün nerede önemli olduğunu bilir. Hangi mesajları yapay zekâdan yirmi bin farklı müşteriye yirmi bin farklı biçimde kişiselleştirmesini isteyebileceğimizi de bilir.

Doğru dengeyi bulmak gerekir. Yapay zekâ artık yalnızca bir veya iki uygulamada bulunmuyor; her işlevde yaptığımız işin derinliklerine yerleşiyor. Bu nedenle ilgili işlevlerde uzman kişilerin temel kullanım alanlarını belirlemesi ve insan kaynaklarının insan uzmanlığının sonuçların merkezinde kalmasını sağlaması gerekiyor.

David Rice: Çalışanlar yapay zekâ dönüşümünün yalnızca alıcıları olamaz. Dönüşümü tasarlayan kişilerin sahip olmadığı iş bilgilerine sahipler. Ancak kuruluşlar her iş akışını komiteyle yeniden tasarlayamaz. Dönüşümü yöneticilerin rahatsız olmayacağı kadar yavaşlatmadan anlamlı çalışan katılımı nasıl sağlanabilir?

Paula Goldman: Çalışanların masada bir yeri olmalı. Sosyal hizmet uzmanlarıyla ilgili hikâye, bunu yapmamanın neden ters teptiğini gösteriyor. Ancak çalışan katılımı sonuçları hızlandırabilir ve sorunlar büyümeden önce öngörmenizi sağlayabilir.

Salesforce’ta çalışanların yapay zekâyı kullanma fikirleri geliştirdiği hackathonlar düzenliyoruz. En sevdiğim örneklerden biri, nöroçeşitli çalışanların Slack’teki bilgi akışı karşısında bunalmamak için yapay zekâyı nasıl kullanabileceklerini araştırmalarıydı. Bu fikirler daha sonra Slack’teki odaklanma modunun geliştirilmesinde kullanıldı.

Bu yalnızca hackathonlarla sınırlı değil. Uygulama içinde geri bildirim istemek, hangi uygulamaların önemli olacağını belirlemek için insanları beyin fırtınasına dahil etmek ve gelen geri bildirimleri dinlemek de gerekiyor. Amaç yalnızca yapay zekâyı kullanıma sunup herkesin benimsemesini istemek değil; insanların onu günlük işlerinde daha iyi sonuçlar almak için nasıl kullandığını anlamak.

İnsanlar teknolojiyle gerçekten çalıştıkları için, onu nasıl geliştireceklerini de biliyorlar. Bu nedenle teknoloji yukarıdan aşağıya bir talimat olarak sunulmamalı; insanlar sürece gerçekten dahil edilmeli.

David Rice: Çalışanların veto hakkına sahip olmasıyla tasarım zekâsı sağlaması arasında büyük bir fark var. Ön saflarda çalışanlar, standart operasyon prosedürlerinde her zaman görünmeyen kestirme yolları, kuralları ve gölge iş akışlarını biliyor.

Paula Goldman: Kesinlikle. Bazen yapay zekâ bu örtük bilgiyi yakalayıp daha erişilebilir hâle getirebilir. Ancak bazen de kodlanmamış bilgiler söz konusudur: ortamı okumak, işlerin yıllardır nasıl yapıldığını anlamak ve buna göre hareket etmek. Daha iyi sonuçlar için bu uzmanlığa ihtiyaç duyarsınız.

David Rice: Bunu katılımdan çok gereksinim toplama olarak çerçevelerdim. İnsanlar kendi gerçekliklerini tasarımda gördüklerinde sistemi kullanma olasılıkları artar.

Paula Goldman: Yüzde yüz katılıyorum. Bu çok iyi bir çerçeveleme.

David Rice: Peki meşru ön saflardaki bilgiyi, temelde “İşimin değişmesini istemiyorum” biçimindeki dirençten nasıl ayırt edersin?

Paula Goldman: Bu çok önemli bir soru. Çalışma biçimimizde büyük bir dönüşüm yaşıyoruz. Değişim zordur. İnsanları masaya dahil etmek ve gereksinimleri gerçekten anlamak daha iyi sonuçlar verir; çünkü insanlardan çalışma biçimlerini değiştirmelerini istiyoruz.

Bu değişimin büyük bir duygusal eğri yarattığını ve dikkate alınması gereken bilgiler bulunduğunu küçümsemek kolaydır. Neyin insani kalması gerektiğini sormak ve bu konuda görüş almak gerekir. Her görüş sonucu belirlemeyebilir; ancak muhakemenin, ilişki kurmanın ve istisnai durumları ele almanın nerede fark yarattığını gerçekten dinlemek gerekir.

İnsanları işin nasıl görünmesi gerektiğinin tasarımına dahil etmek büyük fark yaratır. İnsanlar bir çalışma biçiminde ustalaştıktan sonra ondan vazgeçmek zorunda kaldıklarında desteğe ve değişime ikna olmaya ihtiyaç duyarlar. Yeni yöntemin işi daha iyi hâle getireceğini gördüklerinde ise heyecan duyarlar. Bu, değişim yönetimidir.

David Rice: İnsan-yapay zekâ iş birliğinin başka bir boyutu daha var. Belirli bilişsel görevleri sistematik biçimde yapay zekâya devredersek yalnızca işleri yeniden tasarlamış olmayacağız; insanların uzmanlık geliştirme biçimini ve iş yerinde ortaya çıkan sonuçları şekillendirme yeteneklerini de yeniden tasarlayabiliriz.

Liderler insanların yapmaya devam etmesi gereken şeyleri nasıl düşünmeli? Yapay zekâ bunları yapamayacağı için değil; bir noktada her şeyi bizden daha iyi yapabilir. Ancak insanlar bu görevleri yaparak rollerinde başarılı olmak için ihtiyaç duydukları muhakemeyi geliştiriyor.

Paula Goldman: Yapay zekâ bir şeyi yapabiliyor mu, yoksa yapmalı mı ayrımı çok önemli. Müşteri hizmetlerinde ve başka alanlarda, yapabilmekle yapmanın doğru olması arasındaki fark başarıyla başarısızlık arasındaki farkı yaratıyor.

İnsan kaynakları açısından yöneticilerin daha kapsamlı performans değerlendirmeleri ve geri bildirimler hazırlamasına yardımcı olan teknolojileri düşünün. Yapay zekânın bilgileri toplamasıyla yöneticinin değerlendirmenin sorumluluğunu üstlenip bunu bizzat aktarması farklı şeylerdir. Bu fark motivasyon açısından önemlidir.

Ekibinizle daha sık görüşmeniz için sizi yönlendiren bir sistem başka şeydir; görüşmeyi sizin yerinize yapay zekânın gerçekleştirmesi başka şey. Uzmanlık geliştirme sorusu da çok önemli. Çıraklık, eğitim ve beceriler hakkında yeniden daha fazla konuşulmasının nedenlerinden biri bu.

Bu soru beş veya on yıl içinde farklı görünebilir. Elektronik tablolar ilk çıktığında insanların hesaplama uzmanlığını kaybetmesi konusunda endişeler vardı. Temelleri hâlâ bilmeniz gerekir; sonra teknolojiye alışırsınız ve sonuçları nasıl iki kez kontrol edeceğinizi öğrenirsiniz.

Yapay zekâyı denetleyerek temelleri öğrenmek gibi yeni öğrenme biçimleri ortaya çıkıyor. Örneğin satışta yapay zekâ gelen soruları yanıtlıyorsa, nerede başarılı olduğunu, nerede olmadığını ve nasıl geliştirilebileceğini öğrenirsiniz. Yapay zekâ işlerin yapılma biçimini değiştirdiği için işletmeyi öğrenmenin yeni yolları ortaya çıkacak.

David Rice: Bazı görevlerin, yapay zekâ bunları daha hızlı yapabilse bile eğitim görevi olarak bilinçli biçimde insani kalması gerekebilir. Ancak bu ekonomik açıdan rahatsız edici bir soru doğuruyor: Finans direktörünüz gelip “Gelişim amaçlı verimsizliğinizin bedelini kim ödeyecek?” diye sorabilir.

Paula Goldman: Bence bu verimliliği yanlış çerçevelemek olur. İnsanların yapay zekâ sistemlerini yönetmeyi öğrenmesinden söz ediyoruz. Bu yönetim, muhakeme ve denetim sonucun büyük ölçüde farklılaşmasını sağlayabilir.

Yapay zekâya büyük bir yatırım yapacaksanız hem işi bilen hem de hangi görevlerin yapay zekâya devredileceğine karar verebilen insanlara sahip olmalısınız. Bu iki unsur bir araya geldiğinde yapabileceklerinizin sınırı yoktur. Aksi hâlde sorunu çözmeden para harcamış olursunuz.

David Rice: Yapay zekâ iş vakaları genellikle ortadan kaybolan şeyleri, yani kazanılan saatleri, otomatikleştirilen görevleri ve yaratılan kapasiteyi ölçmekte başarılı. Ancak örtük bilgi aktarımı, ilişkiler, muhakeme, mentorluk ve insanların zor işleri birlikte anlamlandırdığı gayriresmî anlar gibi şeylerin kaybını ölçmekte daha kötü.

Mevcut yapay zekâ yatırım getirisi tanımımız işin insani tarafını sistematik olarak değersizleştiriyor mu?

Paula Goldman: Bu değişiyor, ancak evet. Bu nedenle yapay zekâ yatırım getirisini yalnızca kaç saatin tasarruf edildiğiyle değil, sonuçlarla ölçmeye başlıyoruz. Örneğin kaç müşteri çağrısının gerçekten çözüldüğünü ölçmek, yalnızca kaç saat kazanıldığını ölçmekten farklıdır.

Eğitimde yapay zekâ kullanıyorsanız insanların becerileri gerçekten gelişti mi? Hukuk alanında araştırma için kullanıyorsanız sunulan belgelerin kalitesi ölçülebilir biçimde arttı mı? Yoksa dosyalara bir sürü halüsinasyon içeren bilgi eklenip avukatınızın bunun için yaptırım görmesine mi neden oldunuz?

Metriklere daha bütünsel baktığınızda yapay zekânın neleri yapabildiğini ve neleri yapamadığını, nerede insanların döngüde olması gerektiğini ve nerede gerçek insan muhakemesine ihtiyaç duyulduğunu hesaba katarsınız.

Sonunda daha bütünsel iş sonuçlarını ölçeceğimize güveniyorum. Böylece teknolojiye daha iyi yatırımlar yapacak ve insanların işlerinin nasıl gelişmesi gerektiğine dair daha net bir yol haritasına sahip olacağız.

David Rice: Kullanımı ölçmekten uzaklaşıyoruz. Ölçülebilir kazanımlar var, ancak bazı kayıplar zaman içinde yayılıyor. Tasarruf edilen saatleri hemen ölçebilirsiniz. Zayıflayan muhakemenin etkisini bir veya iki yıl boyunca fark etmeyebilirsiniz. Fayda şimdi kayda geçerken kapasite maliyeti erteleniyor. Bu nedenle farklı ölçüm yapmamız gerekiyor.

Paula Goldman: Müşteri memnuniyeti gibi ölçütler de önemli. Yapay zekâ tüm müşteri sorularını yanıtlayabilir; bu, satışı kapatacağınız veya müşterinin aldığı hizmetten memnun olacağı anlamına gelmez. Yapay zekâ güçlü ve pek çok şey yapabiliyor. Sadece onu doğru biçimde ölçmeniz ve insanların nerede devreye girmesini istediğinizi anlamanız gerekiyor.

David Rice: Peki gerçekte neyi ölçerdin? Müşteri açısından tasarruf edilen saatleri ölçebilirsiniz, ancak müşteri memnuniyetini ve müşteri kaybını da ölçmelisiniz. Yapay zekâ tarafından desteklenen veya güçlendirilen satış çalışmalarından kaç müşterinin dönüşüm sağladığına da bakmalısınız.

Bunların hiçbiri yeni ölçütler değil. İşimizi zaten bu bütünsel yöntemlerle ölçüyoruz. Yapay zekâya odaklandığımız geçici bir dönemdeyiz. Yapay zekâyı sisteme gerçekten entegre ettiğinizde bir strateji karışımına ihtiyaç duyduğunuzu görürsünüz.

Müşterinizin web sitenize gelip ürününüz hakkında istediği soruyu sorabilmesini istersiniz. Basit bir işlemse çevrim içi tamamlanabilir. Daha zor bir işlemse, anlaşmayı kapatabilecek ve müşterinin yaşadığı sorunu anlamasına yardımcı olabilecek bir kişiye aktarılabilir.

Yeni metriklere ihtiyacımız olduğunu düşünmüyorum. Mevcut metrikleri sağduyuyla uygulamamız gerekiyor.

David Rice: Teknoloji güçlü ama başrol oyuncusu değil. Başrol biziz. Bunu ciddiye alırsak yapay zekâ dönüşümünün amacı yalnızca insanları daha üretken kılmak olamaz. Makineler daha yetenekli hâle gelirken kuruluşlar insanların hangi alanlarda daha iyi olmasını istemeli?

Paula Goldman: Kitap yazmamın nedeni, yapay zekânın son dalgası sırasında çok zeki arkadaşlarımın endişelenerek bana ulaşmasıydı. “Hâlâ önemli miyiz? İnsanlar gereksiz mi hâle geliyor?” diye düşünüyorlardı.

Teknolojiyi zaman içinde gözlemlediğimde ve müşterilerle yaptığım görüşmelerde bunun tam tersinin doğru olduğunu gördüm. Yapay zekâ güçlendikçe muhakeme ve ilişki kurma daha da önemli hâle geliyor. Hepimiz yapay zekâ yöneticilerine dönüşüyoruz.

Yapay zekâyı etkili biçimde yönetmemiz, onun neyi iyi yapıp neyi iyi yapmadığını anlamamız ve gerektiğinde devreye girmemiz gerekiyor. Mesele daha hızlı bir at üretmek değil; yapay zekâ pazarlamada etkileşimleri büyük ölçekte kişiselleştirebildiğinde, müşterilerin ilk sorularını yanıtlayabildiğinde veya çalışanlara yan haklar konusunda ihtiyaç duydukları bilgiyi sunabildiğinde neyin mümkün olduğunu yeniden hayal etmek.

Bunlar zamanla temel beklentiler hâline gelecek. Önemli olan, bu verimliliklerden yararlanıp müşterileri veya çalışanları için daha iyi bir şey yapabilen insanların bulunması. Bu nedenle insanların yalnızca yapay zekâ okuryazarı değil, aynı zamanda muhakemelerinde ve yeni fikirler üretme konusunda yetkilendirilmiş olmaları gerekiyor.

Daha hızlı bir at değil, yeniden tasarlanmış bir işletme. Bütün bu konuşma konusunda bu kadar tutkulu olmamın nedeni bu.

David Rice: Bunun teknolojinin iş yerine girmesinin kaçınılmaz sonucu değil, bir kurumsal tasarım seçimi olduğunu daha fazla liderin fark ettiğini görüyorum. Özellikle liderler tüm yanıtlara sahip olmadıklarını anlıyor. İyi bir lider doğru soruları sorabilir; mesele muhakeme, sorunları çerçeveleme ve insanların sorumluluk alabilecekleri bir güven ortamı oluşturma.

Verimlilik ara sonuçtır; nihai amaç değildir. Daha ilginç soru, bu dönüşümün yarattığı kapasiteyle ne yaptığımızdır.

Paula Goldman: Kesinlikle. Verimlilik elbette çok önemli. Ancak yapay zekâ felaketlerini gördük. Yapay zekânın nerede devreye girmesi, nerede insanların sorumluluğu üstlenmesi gerektiğini anlayan kişilere ihtiyaç var.

Ayrıca dönüşümün merkezinde müşterilerini ve çalışanlarını tutarak işleri yeniden hayal edebilen, yetkilendirilmiş insanlara ihtiyacınız var. Kazanacak şirketler bunlar.

David Rice: İşlerin yeniden tasarlandığını görüyorum. Yöneticiler bunun iyi bir örneği. Yapay zekâ raporlama ve idari işleri ortadan kaldırabiliyorsa, yöneticiden beklediğiniz şey değişir. Daha iyi bir koç olmasını ve doğrudan bağlı çalışanlarından daha fazlasını ortaya çıkarmasını istersiniz.

Paula Goldman: Bu benim üzerinde çok düşündüğüm konulardan biri. Artık neredeyse her çalışandan yapay zekâyı yönetmesini istiyoruz ama bunu nasıl yapacağı konusunda benzer ölçüde bir eğitim vermiyoruz.

Yöneticim John Stormer, kitabı yazma fikrimi duyduğunda beni engellemedi veya fikrimi başka yöne çevirmedi. Sessizce hayal gücümü besledi, podcast’ler ve haber makaleleri gönderdi ve bunun önemli olduğuna inandığını gösterdi. Bu destek kitabın ortaya çıkmasını ve bu bakış açısını dünyaya sunma cesaretini bulmamı sağladı.

Bu tür bir bağlantının ne kadar önemli olduğunu hafife alıyoruz. Yapay zekâ güçlendikçe kaybetmek istemediğimiz şey bu. Bunu tasarımın içine yerleştirmeli ve daha yaygın hâle getirmeliyiz. Beni heyecanlandıran fırsat bu.

David Rice: Paula, harika bir sohbetti. Bugün zaman ayırdığın için teşekkür ederim.

Paula Goldman: Beni davet ettiğiniz ve böylesine iyi sorular sorduğunuz için teşekkürler. Çok keyif aldım.

David Rice: Dinleyiciler, henüz yapmadıysanız AI Signal’a göz atmanızı kesinlikle öneriyoruz. Her hafta bu hafta düşünmeniz gereken tek şeyi, bir sonraki liderlik ekibi toplantınızda sormanız gereken soruyu veya şu anda gerçekleşen işi değerlendirmek için kullanabileceğiniz bir aracı içeren yönetici bilgilendirmesi hazırlıyoruz.

Kaydolmayı unutmayın. Bir sonraki bölüme kadar olasılıkları düşünün. Burada işi yeniden tasarlıyoruz.

Performans değerlendirmelerini yürütün ve çalışan bağlılığı içgörülerini en sevdiğiniz yapay zekâ aracına taşıyın. Teamflect’i ChatGPT, Claude veya herhangi bir büyük dil modeliyle bağlayarak hedefleri kontrol edin, değerlendirmeler yazın, geri bildirimleri değerlendirin, görevler oluşturun ve daha fazlasını basit bir sohbet üzerinden gerçekleştirin. Teamflect’i şimdi ücretsiz deneyin.