Yapay zekâ iş yerini dönüştürüyor; ancak gerçek ve pratik kullanım alanlarını sonuç vermeyen, abartılmış trendlerden nasıl ayırabiliriz? Ayrıca hangi etik risklere karşı dikkatli olmalıyız?
Sunucu David Rice, Amazon'da eski Baş Yapay Zekâ Bilim İnsanı ve Synerise'de Yönetim Kurulu Danışmanı olan Jonathan Conradt ile yapay zekânın İK ve liderlik üzerindeki gerçek etkisi hakkında konuşuyor. Yapay zekânın işe alımı, çalışanların iyilik hâlini ve karar alma süreçlerini nasıl şekillendirdiğini; ayrıca sorumlu yapay zekânın kritik rolünü ele alıyorlar. Jonathan ayrıca şirketlerin yapay zekâya neden çoğu zaman yanlış yatırımlar yaptığını ve liderlerin nasıl daha akıllı seçimler yapabileceğini açıklıyor.
Röportajdan Öne Çıkanlar
- Jonathan Conradt ile tanışın [00:52]
- Jonathan'ın teknoloji alanında uzun yıllara dayanan bir geçmişi var.
- Google'da, Mac ve Linux sürümlerine odaklanarak özgün Chrome ekibinde çalıştı.
- eBay'de pazarlamayı yönetti ve AI/ML'yi entegre etti.
- Amazon'da 12 yıl geçirdi ve burada AI projelerinin çoğu zaman yanlış değerlendirildiğini fark etti.
- Amazon'ın liderliği, yeterli anlayışa sahip olmaması nedeniyle AI yatırımlarını değerlendirmekte zorlandı.
- Amazon'daki son yılını başkan yardımcılarını ve direktörleri AI/ML konusunda eğiterek geçirdi.
- İşletmelerin AI fırsatlarını ve risklerini daha iyi anlamasına yardımcı olmak için Amazon'dan ayrıldı.
- İK'de AI: Pratik Uygulamalar [02:37]
- Üretken AI popüler, ancak geleneksel makine öğrenimi de ilerleme kaydetti.
- Önemli ilerlemelerden biri otomatik makine öğrenimidir (AutoML).
- AutoML, model oluşturmadaki tekrarlayan görevleri otomatikleştirir.
- Açık kaynaklı AutoGluon paketi, temel SQL ve Python becerilerine sahip kişilerin AI'ye erişmesini sağlar.
- AutoML, daha önce aylar süren yüksek kaliteli modellerin hızlı bir şekilde oluşturulmasını sağlar.
- AI, İK'de kullanışlıdır; çalışan sınıflandırması, çalışan kaybı tahmini ve liderlik eğitimi için uygun kişilerin belirlenmesi gibi görevlerde kullanılabilir.
- İşe alım ihtiyaçları ve iş gücü planlaması gibi sayısal tahminlere yardımcı olur.
- Mevsimsel eğilimleri tespit etmek için zaman serisi analizini destekler.
- Yalnızca üç satır kodla dünya standartlarında bir model oluşturabilir.
- AI'de Etik Hususlar [05:03]
- İK, yasal ve etik uyumluluğu sağlayarak AI geliştirmede kritik bir rol oynar.
- Bilim insanları, İK ile ilgili yasalar ve önyargılar konusunda çoğu zaman yeterli uzmanlığa sahip değildir.
- AI modelleri, geçmişteki önyargıları istemeden öğrenebilir ve pekiştirebilir (örneğin lakros oynayan adayları kayırmak).
- Sorumlu AI; adalete, şeffaflığa ve verilerin etik biçimde işlenmesine odaklanır.
- İK profesyonelleri, özellikle işe alım ve terfi modellerinde AI adaletine rehberlik etmek için oldukça donanımlıdır.
- Terfi tahminlerindeki AI önyargıları (örneğin Ivy League mezunlarını veya erkekleri kayırma) azaltılmalıdır.
- AI etiğine ilişkin düzenlemeler ortaya çıkıyor; AB bu alanda öncülük ederken ABD de mevzuat hazırlamayı değerlendiriyor.
- İK, bilim insanlarının sorumlu AI uygulamalarını anlamasına ve hayata geçirmesine yardımcı olabilir.
- ChatGPT gibi AI modelleri, değerli verilerin bozulmasını önlemek için kullanıcı girdilerini doğrudan eğitim amacıyla kullanmaz.
- Bir yanıttan duyulan memnuniyetsizliğe işaret eden yeniden ifade edilmiş sorular gibi kullanıcı etkileşimlerinden öğrenirler.
- Etkileşimler toplumsal önyargıları yansıtıyorsa (örneğin cinsiyet, gelir veya coğrafi tercihler), önyargı ortaya çıkabilir.
- Ortaya atılan bir örneğe göre OpenAI modelleri, pekiştirmeli öğrenmeye dâhil olan Kenyalı yüklenicilerin dil kalıplarına benzeyen dilsel kalıpları benimsemiş olabilir.
- Daha uzun yanıtları tercih etmek gibi insan geri bildirimlerindeki önyargılar model davranışını etkiledi.
- AI, baskın kullanıcı gruplarının konuşma kalıplarını, konularını veya tercihlerini istemeden kayırabilir.
- AI'deki önyargılar beklenmedik şekillerde ortaya çıkabilir ve en ilgili kullanıcı demografilerindeki kalıpları pekiştirebilir.
Sorumlu AI açısından doğru olanı yapmak için dikkate alınmaması gereken faktörleri ortadan kaldırmanız gerekir. Gerçek bir terfide dikkate almayacağınız şeyleri modelin görmesine veya bunlara dayanarak çıkarım yapmasına izin vermeyin.
Jonathan Conradt
- Güvenlik Sınırları ve Yönetici Eğitimi [12:36]
- AI sistemleri, zararlı veya etik olmayan sorguları işlenmeden önce filtrelemek için güvenlik sınırı modelleri kullanır.
- Şirketler güvenli ve onaylı erişim sağlamazsa çalışanlar AI araçlarını kullanmanın yollarını bulacaktır.
- Hassas kurumsal verilerin herkese açık AI modellerine yüklenmesi ciddi güvenlik riskleri oluşturur.
- Kurumsal AI hesapları, riskleri azaltmak için kontrollü ortamlar sunabilir.
- Uzmanlıklarına rağmen yöneticiler, güvenli ve güvenli olmayan AI araçlarını birbirinden ayırmakta zorlanabilir.
- Eğitim ve resmî AI araçları sağlamak, güvenlik ihlallerini önlemeye yardımcı olabilir.
- AI benimseme stratejileri farklılık gösterir:
- Erken benimseyenler: Büyük yatırımlar yaptılar, yüksek risklerle karşılaştılar ve çoğu zaman zorlandılar.
- Hiç benimsemeyenler: Şüpheci ve dirençli davranarak geçerliliğini yitirme riski aldılar.
- Hızlı takipçiler: Erken benimseyenlerden öğrenerek AI'ı daha düşük maliyetlerle benimsiyor ve başarılı olma olasılıkları yüksek.
- AI bir performans düzlüğüne ulaşacak ve bu da hızlı takipçilerin erken benimseyenleri yakalamasına olanak tanıyacaktır.
- AI Eğitimi ve Benimsenmesini Anlamak [20:03]
- Teknik profesyoneller de dâhil olmak üzere birçok kişi, makine öğrenimi konusunda derin bir anlayışa sahip değildir.
- AI, temelde girdiyi alan, işleyen ve çıktı üreten matematiksel bir işlevdir.
- AI "düşünmez" veya kullanımlar arasında "hatırlamaz"—yalnızca çağrıldığında var olur.
- AI'ın etkileyici yetenekleri, ek kodlardan ve veri organizasyonundan kaynaklanır.
- Eğitim, bir kuruluş içindeki farklı rollere (kullanıcılar, teknisyenler, yöneticiler vb.) göre uyarlanmalıdır.
- Herkese uyan tek bir eğitim yaklaşımı işe yaramaz.
- İK, çeşitli çalışan grupları için uygun AI eğitim stratejilerini belirlemelidir.
- Teknik olmayan personel de dâhil olmak üzere çalışanların, korkuyu azaltmak ve benimsemeyi mümkün kılmak için AI eğitimi alması gerekir.
- Yöneticiler, ön saflarda çalışan personelden farklı bir AI eğitimine ihtiyaç duyar.
- Çalışanların Refahı ve AI [23:20]
- Jonathan, AI destekli çalışan refahı ölçümü ve iyileştirilmesi konusunda araştırmacılarla birlikte çalışıyor.
- AI sabırlıdır ve çalışanlara uygulanabilir geri bildirimler sağlayabilir.
- Gallup'ın StrengthsFinder ürünüyle yaptığı geçmiş çalışmalar, genel refahı artırmak amacıyla yönetici-çalışan ilişkilerini iyileştirmeyi hedefliyordu.
- Geleneksel değerlendirmeler, çalışanların duygu ve düşüncelerini tam olarak yansıtmayabilecek zorunlu seçimli yanıtlara dayanır.
- Yeni yaklaşım, çalışanların kendilerini açıkça ifade etmesine olanak tanıyarak değerli nitel veriler ekler.
- AI, metni matematiksel vektörlere dönüştürerek daha iyi analiz yapılmasını sağlayabilir.
- Geçmişte araştırma makalelerini analiz etmek için AI kullanılan bir deney, tahminleri %14 oranında iyileştirdi.
- Benzer AI tekniklerinin çalışan memnuniyeti anketlerine uygulanması, anlayışı önemli ölçüde geliştirebilir.
- İş Yerinde AI'ın Geleceği [26:35]
- AI aracıları muhtemelen İK profesyonelleri tarafından karmaşık görevleri yönetmeye, bilgi toplamaya ve süreçleri basitleştirmeye yardımcı olmak için kullanılacaktır.
- AI, görevleri düzenleyen, e-postaları okuyan ve öneriler sunan bir yönetici asistanı gibi çalışabilir; nihai kararları ise insanlara bırakır.
- AI'lar özellikle bilgi sentezleme konusunda iyidir; bu da onları kuruluşu geniş bir bakış açısıyla değerlendirmesi gereken başkan yardımcıları gibi roller için etkili kılar.
- AI destekli asistanlar (ör. Microsoft'un yardımcı pilotları) zaman kazandıracak ve işletmenin daha iyi anlaşılmasını sağlayacaktır.
- Şirketler verimliliği artırmak için AI kullanabilir, ancak küçülmeye gitmekten kaçınmalıdır; bunun yerine aynı çalışan kadrosuyla üretimi artırmaya odaklanmalıdır.
- Verimliliği artırmak için AI'ı benimseyen işletmeler, personel sayısını azaltıp aynı üretim düzeyini koruyan rakiplerini geride bırakacaktır.
Daha az çalışanla aynı iş düzeyini korurken küçülmeye gitmeyi ve çalışanları işten çıkarmayı seçen şirketler; aynı sayıda çalışanı koruyup yapabilecekleri iş miktarını ve müşterilere sunabilecekleri değeri önemli ölçüde artıran şirketler tarafından ezilecektir.
Jonathan Conradt
Konuklarımızla Tanışın
Jonathan Conradt, şu anda yapay zekâ ve büyük veri çözümleri konusunda uzmanlaşmış bir şirket olan Synerise'de Yönetim Kurulu Danışmanı olarak görev yapan, yapay zekâ ve makine öğrenimi alanında deneyimli bir uzmandır. Bu görevinden önce Amazon'da Baş Yapay Zekâ ve Makine Öğrenimi Bilim İnsanı olarak çalışmış ve Amazon'un Makine Öğrenimi Üniversitesi için müfredat geliştirip dersler vermiştir. Kapsamlı deneyimleri arasında eBay'de İnternet ve E-posta Mühendisliği Ürün Yönetimi Direktörlüğü, Google'da Chrome web tarayıcısı için mühendislik ürün yöneticiliği ve Microsoft'ta IP üzerinden televizyon ürünü için ürün yöneticiliği bulunmaktadır. Jonathan, makine öğrenimi ve pazarlamayla ilgili sekiz patent sahibidir ve popüler yönetim aracı StrengthsFinder'ın yaratıcılarından biridir. Ayrıca özellikle AutoGluon gibi araçlarla otomatik makine öğrenimine yaptığı katkılarla da tanınmaktadır.
Yapay zekânın harika özelliklerinden biri çok sabırlı olmasıdır. Ona doğru ve eyleme geçirilebilir veriler sağlayabildiğiniz için değerli bir bilgi kaynağı olabilir ve yapay zekâ insanlara yanıt vererek onlara bu tür içgörüler sunabilir.
Jonathan Conradt
İlgili bağlantılar:
- People Managing People topluluğuna katılın
- En yeni makalelerimizi ve podcast'lerimizi almak için bültene abone olun
- Jonathan ile LinkedIn üzerinden bağlantı kurun
- Synerise'a göz atın
İlgili makaleler ve podcast'ler:
- People Managing People podcast'i hakkında
- Yapay Zekânın Yetenek, Güven ve Çalışan Deneyiminin Geleceğindeki Rolü
- Şirketinizin L&D'sini Dönüştürmek İçin Yapay Zekâ Öncülerinden Yararlanma
- Yapay Zekâdaki İlerlemenin Hızı ve Bunun İş Yeri İçin Anlamı
- Yapay Zekâ Çağında Liderlikte Yol Almak
- Yapay Zekânın Önüne Geçmek: İK Liderleri Araçlarını ve Sistemlerini Nasıl Uyarlıyor?
- Z Kuşağı Şirketleri Yapay Zekâ Çağına Nasıl Sürükleyecek?
Jonathan Conradt: [00:00:00] Özünde yapay zekâ bir işlev çağrısıdır. Excel’deki toplam işlevi gibidir. Hepiniz bunu kullanır, toplamak istediğiniz sütun veya satırların listesini girersiniz; sistem bunu girdi olarak alır ve bir çıktı üretir. Yapay zekâ da bundan ibarettir.
