Meraktan Güvene: Yapay Zekâ Kullanımı İçin Uygulamalı Bir Çerçeve

David Rice: Yani ekibiniz yapay zekâyı merak ediyor. Tanıtımları izlediler. Makaleleri okudular. İlginç olduğunu düşünüyorlar. Ancak bununla kesinlikle hiçbir şey yapmıyorlar; çünkü güven olmadan merak, daha iyi görünen bir ertelemeden ibarettir.

Bugünkü konuğum Justin Angsuwat. Kendisi Culture Amp’in İnsan ve Kültürden Sorumlu Genel Müdürü ve kuruluşunun çalışanlarının neredeyse %80’inin yalnızca altı hafta içinde yapay zekâ kullanma konusunda güven kazanmasını nasıl sağladığını anlatacak.

Meraklı değil, güvenli. İşte farklı yaptıkları şeyler. Keşfi beklentiden ayırdılar. Kusursuz sonuçlar sunma baskısı yoktu, izin beklemek yoktu; yalnızca anlamadan denemeye, oradan da günlük kullanıma uzanan yapılandırılmış bir yol vardı. Ancak Justin’in şu anda ilgilenmek zorunda olduğu bazı rahatsız edici noktalar da var.

Güven, otomatik olarak bütünleşmeye dönüşmüyor. İnsanlar hâlâ günlük iş akışlarına bakıp donakalıyor. Bazen yapay zekâyı kuruluşa taşıması beklenen kıdemli çalışanlar en çok zorlanan kişiler oluyor; çünkü kimlikleri, yapay zekânın az önce geçersiz kıldığı iş akışına sıkı sıkıya bağlı.

Bugün çalışanların kullanım ölçümlerine veya otomasyon hedeflerine değil, neden çalışan güvenine odaklandıklarını ele alacağız. İvme sağlayan haftalık çalışmaları, insanları belirlenebilir görevlerden gerçek etkinin bulunduğu olasılıksal görevlere nasıl taşıdıklarını konuşacağız. Dönüşüme liderlik eden yöneticilerden daha deneyimli yapay zekâ kullanıcıları olabilen genç çalışanları ve %80’e biraz altında kalan güvenin uygulamada gerçekten nasıl göründüğünü inceleyeceğiz.

Ben David Rice. Burası People Managing People. Merak ile gerçek uygulama arasında sıkışıp kaldıysanız, bu konuşma bir şirketin bu boşluğu tam olarak nasıl kapattığını gösterecek. Hadi başlayalım.

Justin, programa hoş geldin.

Justin Angsuwat: Teşekkürler David. Burada olmak güzel. Sohbet etmek için heyecanlıyım.

David Rice: Seni ağırlamak güzel.

Orlando’daki konuşmamızı sürdürmekten memnunum. O zamandan beri bunu sabırsızlıkla bekliyordum. Koç ve inşa ettiğin diğer şeylere çok fazla girmeden önce, ekiplerinin yapay zekâyla gerçekten bir şeyler oluşturmaya nasıl başladığını anlatır mısın? Onları merak aşamasının ötesine taşıyan neydi?

Justin Angsuwat: Kuruluşta genel olarak yapay zekâ ile başlarsak, öncelikle bir aydınlanma anı yaratmaya çalıştık.

Bu da kendi başına bizim için bir öğrenme süreciydi. Ürün ekiplerimizle başladığımızda diğer ekiplere geçtik ve bu, bir hedefle başlamamız anlamına geliyordu. Bizim hedefimiz çalışanların yapay zekâ kullanma konusunda güven kazanmasıydı. Kullanım veya otomasyon gibi başka hedefler de belirlenebilir, ancak bizim için teknolojinin arkasındaki insanlarla ilgili olmak çok açıktı.

Dolayısıyla hedefimiz, çalışanların yapay zekâ kullanırken duyduğu güveni artırmaktı. Çünkü bir aydınlanma anını ölçmek oldukça zor. Bu nedenle keşfi beklentiden ayırmak üzere tasarlanmış altı haftalık bir program başlattık. Amaç özellikle öğrenmek, denemek ve gerçekten bir şans vermekti. Kusursuz bir sonuç ortaya koymakla ilgili değildi. Bu da baskıyı azalttı ve insanların o zamanlar oldukça yeni olan teknolojiyle daha fazla etkileşim kurmasını sağladı.

David Rice: Şimdiye kadar incelediğimiz veya konuştuğumuz şirketlerde gördüğüm kadarıyla merak oldukça kolay, değil mi? İnsanlar keşfetmek istiyor. Ancak gerçek ilerleme genellikle bir tür yapı, netlik veya ideal olarak erken dönemde elde edilen ortak bir başarı gerektiriyor. Ekibiniz için bu geçişin nasıl göründüğünü merak ediyorum. Bahsettiğin o aydınlanma anı gibi.

İnsanların “Evet, bunu öğrenelim” veya “Bu ilginç” demekten “İşte bununla yapacağımız şey bu” noktasına geçmesine yardımcı olan bir itki ya da erken başarı oldu mu?

Justin Angsuwat: Evet. Az önce söylediğin gibi bu oldukça kritikti; bununla neler yapabileceğimiz konusunda başlangıçta çok net değildik.

Bu da aydınlanma anı değildi. İlginç olan, insanların aydınlanma anlarının birbirinden oldukça farklı görünmesiydi. Bunu standartlaştırmak oldukça zordu. Bu nedenle daha önce sözünü ettiğim, ortasında “yapay zekâ” bulunan ve Accelerate adını verdiğimiz altı haftalık programı oluşturduk.

Çünkü adında yapay zekâ olmayan bir program yapamazsınız. Yaptığımız şey, insanları bu yolculukta ilerleten aşamalar belirlemekti. Onları anlamadan denemeye, ardından günlük kullanıma taşımaya çalıştık. Son bölüm en zoru ve hâlâ bunun şifresini çözmeye çalışıyoruz. Kusursuz değildi ancak çalışanlarımızın aceleye getirilmiş veya tamamen açıkta bırakılmış hissetmek yerine destek gördüklerini hissetmelerine gerçekten yardımcı oldu.

Herkes bir şeyler üretiyorsa ve ben nasıl bir şey üreteceğimi bilmiyorsam ne olacak? Bu kaygı vardı. Ancak aynı zamanda insanların mevcut duruma fazla rahatça yerleşmesine de izin vermemek gerekiyordu.

Anlamadan denemeye, denemeden kullanıma sürekli ilerledik. Bunu çok sayıda içerik ve insanların araçlara girip gerçekten bir şeyler oluşturabildiği öğrenme oturumları aracılığıyla yaptık. Bilgisayar oyunundan videoya kadar her şeyi denediler. Ardından daha fazla ivme yaratmak için küçük başarıları paylaştık.

Her hafta şirket genelinde çalışmalar veya yarışmalar başlatıyordum. Örneğin, işveren markamız için yapay zekâ tarafından oluşturulan bir video hazırlamak ya da parolayı kırmaya ve Gandalf’ı parolayı vermeye ikna etmeye çalıştığınız Gandalf oyununu oynamak gibi. Son aşamaya kimin ulaşabileceğini ve ne öğrendiğini görüyorduk.

Bunu görmek gerçekten eğlenceliydi. Bir çalışanın yalnızca birkaç dakika içinde bir yapay zekâ aracısı oluşturmaktan ne kadar heyecanlandığını hatırlıyorum. Eve gitti, bunu eşine anlattı. Eşi “Bunu sen mi yaptın?” diye sordu. O da “Evet, bunu ben yaptım” dedi. Güveni yükseldi ve çevresindeki tüm ekibin güveni de arttı.

Çünkü “Ben de bunu yapabilirim” demeye başladılar. Altı hafta boyunca bu ivmeyi yaratmada gerçekten önemli olan şey buydu: insanların anlamadan denemeye, denemeden kullanıma geçmesine ve kullanım aşamasında bunu günlük işleriyle nasıl daha ilgili hâle getireceklerini öğrenmesine yardımcı olmak.

Daha önce de söylediğim gibi, bu konuda yapacak çok işimiz var. Ancak başlangıç noktamız, insanların iş yerinde kullanabileceği aynı araçları kullanmaya çalışmaktı: Miro, Glean, Gemini, Copilot veya diğerleri. Onlarla ortaklık kurduk, onları davet ettik ve programı başlattığımızda aslında beklemedik veya izin istemedik.

Programı başlattık ve ilerletmeye devam ettik. Yakın zamanda LinkedIn’de bununla ilgili bir şey paylaştım. Birinin bunu gerçekten güzel bir yorumla özetlemesi ilginçti. David, senin değindiğin noktaya geliyordu. Şuna benzer bir şey söyledi: “Birçok şirketin önce merdivenin en üst basamağına atlayıp yapay zekâyla çalışmalarını geliştirmek için bütün harika fikirleri görmek istediğini, ancak insanların işe koyulması için gereken temel güveni kazandırmakla başlamadıklarını görüyorum.” Bu nedenle başlangıçta temel odağımız buydu.

David Rice: Diğer konu da insanların gerçekten neyin yararlı olduğunu anlamasına yardımcı olmak. Bunun neden bu kadar iyi çalıştığını merak ediyorum. Çünkü diğer birçok yaklaşım tıkanıyor, değil mi? İnsanlar “Her şeyi yapabilirim” noktasına geliyor. Sonra boş tuvalet sorunu ortaya çıkıyor: nereden başlayacağınızı bilmiyorsunuz ya da “Buna gerçekten ihtiyacım yok” diyorsunuz.

İnsanların doğru soruları sormasını sağlamayı anlatır mısın? Bunun incelik ve bağlam gerektirdiğini biliyoruz. En iyi sonucu almak için yapay zekâya ne vermeleri gerektiğini anlamalarına nasıl yardımcı oldunuz?

Justin Angsuwat: Evet, bu zor oldu. Aslında son aşamamız, bunu günlük işlerimde nasıl kullanırım ve günlük iş akışlarıma nasıl entegre ederim sorusu olacak.

Bunun üzerinde hâlâ çalışıyoruz. Birinci adımda başarılı olmamızı sağlayan şey, ilk bölüme aşırı odaklanmamızdı: henüz bütün kullanım alanlarını bulmadan insanları yapay zekâ kullanma konusunda nasıl gerçekten güvenli hâle getirebilirim? Birçok kişinin zihinsel bir engeli vardı: “Bu çok zor.”

İlginç olan, bu altı haftalık program boyunca bazı insanların bizi takip edip bilgisayar oyunlarını oluşturmak için küçük komutları kullanmasıydı. Sonra normal günlük iş akışlarına dönüyor ve yeniden gözleri korkuyordu. Boş sayfaya bakıyorlardı.

Bazı ekipler için küçük bir fikir maratonu başlattık. Bunu yaptıklarında bile “Üç kişilik küçük bir ekibim var. Komutları ben mi yazacağım? Başkası yapabilir mi? Nereden başlayacağım?” diyorlardı. Ancak bu çok daha güvenli bir ortamdı ve bazı yönlerden ihtiyaç duydukları itkiyi sağladı. “Tamam, ekranın karşısında oturuyorum. Bir deneyeyim” dediler.

Aydınlanma anları basitçe şuydu: “Düşündüğüm kadar zor değilmiş.” Bence henüz tamamen çözmüş değiliz. Birinci aşama, bu güveni nasıl yaratacağımızdı ve bunu başardık. Programdan sonra ölçüm yaptık. Günlük işlerinde yapay zekâ kullanma konusunda kuruluşumuzun %80’e biraz altında bir bölümü kendini güvende hissediyordu.

Yapay zekâ kullanımında olumsuz yanıt verenlerin oranı yaklaşık %4’tü. Zaman içinde “Yapay zekâ gibi yeni teknolojileri keşfeder ve benimseriz” sorusunu da ölçtük. 24 puanlık bir artışla yaklaşık %84’e ulaştık. Dolayısıyla yapay zekâ kullanımı konusunda güçlü bir ivme ve inanç var. Senin de belirttiğin gibi sıradaki adım, bunu günlük kullanıma nasıl entegre edeceğimizin şifresini çözmek.

Orlando’da yaptığımız konuşmada bundan bahsetmiştik: yapay zekâyı yalnızca daha iyi bir hesap makinesi olarak değil, tamamen farklı bir şey olarak kullanmak.

David Rice: Şu anda o kadar çok gürültü var ki herkes “Bunu nasıl kullanacağım?” seçeneği karşısında bunalmış durumda. Sonuçlar da çoğu zaman hayal kırıklığı yaratıyor çünkü en iyi bilgiyi nasıl sağlayacaklarını bilmiyorlar.

Bence çoğu insanın ihtiyacı olan şey, mantıklı bir başlangıç noktası ve oradan devam etmek. Bana öyle geliyor ki oluşturduğunuz çerçeve, insanlara en mükemmel kullanım alanını beklemeyi bırakma izni verdi. Bu şekilde biraz ivme kazanabilmeniz gerçekten ilginç.

Justin Angsuwat: Evet, kesinlikle haklısın. İnternette insanların gerçekten harika şeyler yaptığını görüyoruz ve bu göz korkutucu olabiliyor. “Ben yapay zekâyı bunu yapmak için kullanmıyorum. Hâlâ şu şeye komut vermeyi öğrenmeye çalışıyorum” diyorsunuz.

Dolayısıyla çok fazla gürültü var ama bu, dışarıda çok iyi şeyler olduğu anlamına da geliyor. Başlamak isteyen insanlar için “Ben bunun yanına bile yaklaşamıyorum” veya “Bu yaratıcıymış. Yapay zekâyı bunu yapmak için kullanmayı nasıl düşündün?” demek ürkütücü olabilir. Komut mühendisliğini nasıl yapacağımı bile bilmiyorum.

Biz sadece gürültünün bir kısmını ortadan kaldırmaya çalıştık ve “Bu altı haftalık programa odaklanın. Şu anda yapay zekâyı tam olarak nerelerde kullanmanız gerektiğini gösteremesek bile sizi güven duygusuna ulaştıracağız” dedik.

David Rice: Hesap makinesinden bahsettin: onu yalnızca daha iyi bir hesap makinesi olarak kullanmayı bırakmak. Bu benzetmeyi sevdim. İnsanlar bu zihinsel değişimi yaptığında gerçekte ne oluyor veya ne değişiyor? Sen bu anı yaşadığında deneyimin nasıldı?

Justin Angsuwat: Eminim yapay zekâ çerçeveleri ve insanların bunu nasıl düşündüğünü anlatan olgunluk eğrileri vardır. Seninle bunlardan bahsetmiştik.

Bunu kendi gördüğüm hâliyle basitçe açıklayayım; yine oldukça basitleştirilmiş olacak. Yapay zekânın insanların iç dünyasını ve yapılan işi dönüştürdüğünü gördüğüm kuruluşlarda iki düzeyde yapay zekâ değişimi görüyorum. İlk düzey bir şeyi daha hızlı veya daha iyi yapmak. İkinci düzey ise yeni bir şeyin önünü açmak.

Bunu ben uydurdum çünkü akılda kalıcı değil ve aliterasyon içermiyor. Hesap makinesi konuşmamıza gelirsek, elektronik tablolar ilk çıktığında bunun temelde daha iyi bir hesap makinesi olduğunu düşünüyorum.

Bu, bir şeyi daha hızlı veya daha iyi yapma aşamasına denk geliyor. O dönemde muhasebeciler kâğıt defterler kullanıyordu. Bir bütçedeki veya defterdeki bir sayıyı değiştirmek istediklerinde elle silmeleri ve ona bağlı her değişkeni yeniden hesaplamaları gerekiyordu. Bu saatler sürüyordu.

Elektronik tabloyla defterleri beş saatte değil, beş veya on dakikada dengeleyebiliyordunuz. Yani verimlilik sağlıyordunuz: bir şeyi daha hızlı veya daha iyi yapmak. Artık birçok insanın yapay zekâdan bunu elde ettiğini görüyorum. Tekrar tekrar yaptığım bir şeyi nasıl otomatikleştirebilirim?

Ancak bence aydınlanma anı bundan sonra nelerin mümkün hâle geldiğinde ortaya çıkıyor. Elektronik tabloyu düşünün. Hesaplamalar anında yapılabilir hâle geldiğinde muhasebeciler artık yalnızca sayıları hesaplayan kişiler değildi. Artık senaryolar çalıştırabiliyorlardı. Yani açılan kapı şuydu: “Bu elektronik tablodaki veya defterdeki her sayıyı çok hızlı şekilde yeniden düzenleyebilirim” demek yerine, soruların yanıtlarını modelleyebiliyorlardı.

Örneğin “Fiyatlarımızı %10 düşürür, ancak hacmimizi %20 artırırsak brüt kâr marjımıza ne olur?” diye sorabiliyordunuz. Böylece geriye dönük kayıt tutan muhasebeciler olmaktan çıkıp senaryo planlayıcıları, stratejik modelleyiciler veya ileriye bakan stratejik finans uzmanları hâline geldiler. Farkında bile olmadıkları bir sorunu çözmeye başladılar.

İnsanlar bu zihinsel değişimi yaptığında değişen şey bu. İlk aşamaya ulaşmak, hâlihazırda yaptığım bazı şeyleri nasıl daha hızlı veya daha iyi yapacağım sorusudur. İkinci aşama ise “Bu neyin önünü açıyor? Daha önce açabileceğini hayal bile edemediğim neyi mümkün kılıyor?” sorusudur. Bunu süreçten geçmeden anlatmak gerçekten zor.

David Rice: İlginç olan şu ki insan kaynakları alanında bu kadar tereddüt olmasının nedenlerinden biri de bu olabilir. Aydınlanma anını yaşadığınızda “Bütün bunları yapabilirim” diyorsunuz. Sonra da hukuk ekibinin sizinle iletişime geçmesiyle ilgili küçük bir kâbus yaşamaya başlıyorsunuz.

Bazı insanların bu anı aşmasına yardımcı olacak şeyin ne olacağını merak ediyorum. Sen yapay zekâyla oynamaya başladığında “Bundan emin değilim” dediğin bir şey oldu mu?

Justin Angsuwat: Hukukla ilgili gerçekten iyi bir noktaya değindin. Bununla şaka yapsak da yapay zekâyı kullanırken dikkatli olmamız gerekiyor. Bir elektronik tabloyu doğrulamak, bir yanıt veya belirli bir cevap için yapay zekâya güvenmekten daha kolaydır.

Konuşmamızda “etkileyici gösteri” dediğimiz kavramdan, yanılsama ile etki arasındaki farktan bahsetmiştik. Bu, bazı yanıtlar için yapay zekâya fazlasıyla güvenmek ve hukuk ekibinin kapınızı çalması konusuna geri dönmemi sağladı.

Bunun iyi bir örneği, yaptığımız işlerde olasılıksal ve belirlenebilir görevler arasındaki farktır. Çok basit şekilde özetlersem, belirlenebilir görevlerin genellikle tek bir doğru yanıtı vardır. Matematiksel bir hesaplama veya bir şeyin yasal olup olmadığı gibi. Bunun bazı gri alanları olabilir. Olasılıksal görevlerin ise birçok iyi yanıtı vardır.

Bir e-posta taslağı hazırlamak veya bir toplantıyı özetlemek gibi. Bunları birçok farklı şekilde yapabilirsiniz. Yapay zekâyı yalnızca belirlenebilir görevlerde kullanmak faydalı olabilir; örneğin “Dördüncü çeyrekteki gelirim nedir?” Ancak bu durumda belirlenebilir bir problemi çözmek için olasılıksal bir motor kullanıyorsunuz.

Bunun zorluğu yavaş olmasıdır. Yanılsamalar içerebilir ve örneğin geliriniz hakkında bir SQL sorgusundan, Excel’den veya doğrudan kayda bakmaktan daha az doğru olabilir. Harika görünebilir ancak yapay zekâyı tam kapasitesiyle kullanmaz ve hata yapabilir.

Bence hukuk ile yapay zekâyı dağınık, olasılıksal görevlerde kullanmak arasındaki tartışma burada başlıyor. Örneğin “500 çalışanın geri bildirimlerini oku ve hissettikleri en önemli üç duygusal hayal kırıklığını söyle. Yalnızca konuları değil, duygusal hayal kırıklıklarını da belirt” diyebilirsiniz.

Bir elektronik tablo veya formül duygusal hayal kırıklığını hesaplayamaz. Etkiyi en üst düzeye çıkarmak için yapay zekâyı, belirlenebilir görevleri tek başına yerine getirmekten çok bu olasılıksal görevlerin yorumlanmasında kullanmaya odaklanırdım.

Hukuku dahil etmekle ilgili az önce konuştuğunuz noktaya da bu bağlanıyor. Bazen yapay zekâyı belirlenebilir görevlerde gereğinden fazla kullanıyoruz ve tek bir doğru yanıtın bulunduğu bir durumda “Bu durumda ne yapmam gerektiğini söyle” diyoruz. Bence burada biraz sorun yaşayabiliriz. Bu tür durumlarda, söylediği şeyi uygulamadan önce yanıtları iki veya üç kez kontrol etmek konusunda temkinliyim.

David Rice: Bu iyi bir tavsiye. Bunun altını yeterince çizmek mümkün değil.

Küresel bir ekip büyütmek, insan kaynakları, bordro ve bilişim için beş farklı sistemi yönetmek anlamına gelmemeli. Deel her şeyi bir araya getiriyor; böylece insanları dünyanın her yerinde işe alabilir, işe başlatabilir, ücretlerini ödeyebilir ve ihtiyaç duydukları ekipmanı sağlayabilirsiniz.

İster 10 ülkede çalışanları işe alıyor ister farklı zaman dilimlerindeki yüklenicileri yönetiyor olun, Deel uyumluluk, yan haklar ve bordroyu tek bir yerde yönetir. Bu da daha az araç karmaşası, daha az baş ağrısı ve çalışanlarınıza odaklanmak için daha fazla zaman demektir. Sınırlar olmadan işe almanın gerçekte nasıl göründüğünü görmek ister misiniz?

Demo randevusu almak için deel.com/pmp adresini ziyaret edin. Tekrar edeyim: deel.com/pmp. Demo randevusu almak için deel.com/pmp. Deel. Herkesi, her yerde işe alın, yönetin ve ücretini ödeyin.

Şimdi bir yapay zekâ koçu oluşturdunuz. Bununla ilgili hedeflerinizi biraz anlatır mısın?

Justin Angsuwat: Hedefimiz, her zaman etkin bir yapay zekâ koçuna veya cebinizde taşıdığınız bir insan bilimine sahip olabilmekti.

Orlando’da, senin bulunduğun yerde bazı insanlarla konuştuk. “Koça ihtiyacım yok. Bütün koçlar çok pahalı” diyorlardı. Ben koçu, cebinizde taşıdığınız ve sorular sorabildiğiniz bir insan bilimciye benzetiyorum.

Örneğin “Bu zor geri bildirim konuşmasını nasıl yapmalıyım?” David’in sana çok zor bir geri bildirim vermesi gerekiyor ve sen bu geri bildirimi iyi karşılamayacağın için o gergin. “Beni bu konuşmaya hazırla” diyebilirsiniz. Bu açıdan koç, insan kaynakları iş ortaklarımızın, insan kaynakları ekibinin veya insan ekibinin kuruluş genelindeki yöneticilere talep üzerine tavsiye vermesine yardımcı oluyor.

Ancak bağlamın farkında. Bence buradaki büyük fark bu. Bağlam her şeyi değiştiriyor. Genel bir yapay zekâ modeline bir duruma nasıl yanıt vermesi gerektiğini sorarsanız internetin ortalamasını verir. Teknik olarak doğru olan ancak sizin özel durumunuz için çok yararlı olmayan bir tavsiye sunar.

Bu, burç yorumuna benzer; herkese uygulanabilecek kadar belirsizdir. Bu nedenle hiç kimseye özel olarak yardımcı olmaz. Yapay zekâ koçu gibi bir şeyi gerçekten yararlı hâle getiren bağlam katmanlarını düşünüyorum. Gerçekten üç katman var.

İlk olarak temel katmanla başlarsınız: Koç nasıl eğitildi? David, koça bir soru sorduğunu düşünelim. Ona başka hiçbir bağlam vermedin. Bu temel katmanda koçumuzu internetin ortalaması, Reddit başlıkları veya rastgele bloglarla eğitmiyoruz.

Onu insan bilimiyle eğittik. Şu anda insan, kültür ve performansla ilgili, on yılı aşkın sürede ve binlerce iş yerinden topladığımız yaklaşık 1,5 milyar veri noktasına sahibiz. Koçu yönlendiren ve tasarlayan ekiplerde insan bilimciler ve doktora derecesine sahip kişiler bulunuyor.

Dolayısıyla temel katman, koçluk alanındaki sağlam bilime ve kurumsal veri noktalarına dayanıyor. Bunun üzerine kuruluş bağlamını ekliyorsunuz. Koç şirketinizin bağlamını biliyor. Vizyonunuzu, stratejinizi, yıllık hedeflerinizi, değerlerinizi, değerlerin arkasındaki davranışları ve kullandığınız geri bildirim çerçevelerini hızlıca yükleyebilirsiniz.

Bazı kuruluşlar radikal açık sözlülük, bazıları SBI veya başka bir yaklaşım kullanıyor. Böylece koç bir anda şirketiniz hakkında bilgi sahibi oluyor. Bunun üzerine performans katmanını yerleştiriyorsunuz: çalışan bağlılığı verileri, performans verileri, bire bir görüşmeler, anlık geri bildirimler ve diğer her şey.

Koç ekibinizi ve sizi tanımaya başlıyor. Bu bağlam katmanlarını bir araya getirdiğinizde “Daha fazla dinlemelisin” gibi genel bir tavsiye almazsınız. Şöyle özel bir tavsiye alırsınız: “Ekibinizin düşük bağlılık puanlarına, şirketinizin yeni radikal açık sözlülük hedefine ve stratejinizin bir parçası olarak yeni bir ülkede genişliyor olmanıza dayanarak, durumu anlamak için size bazı sorular sorayım.” Koçluk tam olarak budur. Ardından insan bilimi tarafından geliştirilen bu özel senaryoyu kullanır ve rol yapma çalışmasına geçersiniz.

Bu da temel katmandır. Bu üç bağlam katmanı gerçekten önemli hâle geliyor ve yapay zekâ koçunu size yalnızca tavsiye veren bir dil modelinden veya üretken yapay zekâ aracından ayıran şey de bu.

David Rice: Sanırım hepimiz teknik olarak çalışan ancak sizin hakkınızda hiçbir şey bilmeyen bir araç kullanmışızdır. Bu nedenle konuştuğunuz şey sanki bir şeymiş gibi hissettirir.

Ne hakkında konuştuğumu bile bilmiyorum. Bu şeyle neden konuşuyorum, onu da bilmiyorum.

Justin Angsuwat: Bunu çok görüyorsundur. Birçok insan kaynakları lideriyle çalışıyor ve birçok şey inşa ediyorsun. Sen de bunu görüyor musun?

David Rice: Evet. Kendim de birkaç tane oluşturdum ve “Bu şey neden bundan bahsediyor?” diye düşündüm. Sonra vazgeçip “Tamam, bu yardımcı olmuyor” diyorsunuz.

Ekip dinamikleri, kuruluşun geçmişi ve kişisel güçlü yönler gibi bağlamları katmanlandırmaktan bahsettiğinde, bu çoğumuzun başladığı modeli tamamen değiştiriyor. Bu yapay zekâ tavsiyesini gerçekten anlamlı kılan en güçlü sinyaller hangileri?

Justin Angsuwat: Birkaç şey var.

Birincisi, insan bilimi üzerine kurulmuş olması ve kuruluşunuzun bağlamını bilmesi. Bunun anlamı, bir yönetici olarak yapay zekâ koçuyla etkileşim kurduğunuzda bağlamı her seferinde açıklamak zorunda kalmamanızdır.

Bu yolculuktan geçtin mi bilmiyorum ama bir süre sonra “Vay, bu çok fazla bağlam. Koça bunu her seferinde vermem gerekiyor” diyorsunuz. “Bunu şu tonda yap. Şunu düşün. Bu kişiyle şöyle konuştum” demek zorunda kalıyorsunuz.

Yapay zekâ koçunun şöyle diyebilmesi harika olurdu: “Bir yönetici olarak bu kişiyle bu konuşmayı birkaç kez yaptın. Neden işe yaramıyor? Bunu tekrar ele alalım.” Bence güçlü olan ilk şey, bağlamın zaten orada olması.

Diğer konu ise SaaS şirketi ile yapay zekâ şirketi arasındaki fark hakkında biraz konuşmuştuk. Koç sürekli öğreniyor ve yararlı olanla olmayan arasındaki boşluğa bakıyor. Bu da koçu daha güçlü hâle getirmek için eğitmeye devam ediyor. Bu, her zaman görülmeyen bir incelik: Koç, aldığı olumsuz geri bildirimlerden daha iyi hâle geliyor.

David Rice: Yakın zamanda birinin, şirketlerinin yalnızca bir SaaS şirketi gibi değil, bir yapay zekâ şirketi gibi faaliyet göstermesini istediklerini söylediğini dinledim. Bunu duyduğunda, salı günü ofisteyken bu ne anlama geliyor?

Justin Angsuwat: Bildiğim bir şey var: Yapay zekâ şirketi gibi faaliyet göstermek, bir sürü yardımcı pilot lisansı satın almak anlamına gelmiyor.

Bu, satın aldığınız yazılımdan çok nasıl inşa ettiğiniz ve çalıştığınızla ilgili. Bunun birçok yansıması var ancak az önce yapay zekâ koçuyla ilgili konuştuğumuz konu üzerinden bir tanesini seçeyim.

Bence açık geri bildirimden örtük geri bildirime doğru büyük bir geçiş yaşanıyor. Bunun ne anlama geldiğini açıklayayım.

SaaS dünyasında genellikle kullanıcıların bize bir şeyleri açıkça söylemesine güveniriz. “Bu özelliğe birden beşe kadar puan verin” veya “Bu makale yararlı oldu mu?” sorularını hepimiz görmüşüzdür. Evet veya hayır.

SaaS dünyasında kullanıcıların bize bir şeyleri açıkça söylemesine güvenmenin sorunu, insanların bu düğmelere yalnızca çok memnun veya çok memnuniyetsiz olduklarında basmalarıdır. Belki bu yalnızca benim için geçerlidir ama insanlar bu tür sorularla çok fazla etkileşime girmez.

Bu nedenle masada çok fazla veri kalır. “Bunun iyi olup olmadığını söyle” şeklindeki açık geri bildirimi ararız. Oysa yapay zekâ bakış açısıyla çalışmak, örtük geri bildirime takıntılı olmayı gerektirir.

Bir taslağı düzenlediğinizi, örneğin bazı metinleri sildiğinizi düşünün. Yapay zekâ bir e-posta taslağı hazırladığında veya toplantı özeti çıkardığında kullanıcı bir cümleyi siler. Açık geri bildirim kullanıyorsanız bu başarısızlık gibi görünebilir: Yanlış yaptık, beğenmediler.

En iyi ihtimalle bu yalnızca bir düzenleme olarak görünür. Fakat yapay zekâ şirketi gibi faaliyet göstermek, örtük geri bildirimi görmem anlamına gelir. Burada bir sinyal vardır. Kullanıcı modele, bu bağlam için yaptığın tahminin yanlış olduğunu söylüyordur.

Yapay zekânın başlangıçta yazdığıyla insanın sonunda memnun olduğu şey arasındaki boşluğu anlamak çok değerli bir eğitim verisidir. Bu nedenle yapay zekâ şirketi olarak neyin yanlış olduğunu bilmek, neyin doğru olduğunu bilmekten daha faydalıdır.

Basitleştirirsem, SaaS şirketleri gerçekten dikkatinizi ister. Platformda olmanızı ve platformu kullanmanızı isterler. Açık geri bildirime güvenirler: Platformu kullanmayı sevdin mi? Bu özelliği beğendin mi? Bunu nasıl iyileştireceğimi söyle.

Yapay zekâ şirketleri ise dikkatinizi istemez. Yetkilendirmenizi isterler. O kadar iyi olmak isterler ki yalnızca onay vermeniz yeterli olsun. Bu nedenle eksik olan veya modelin yeniden eğitilmesi gereken yerleri anlamak için olumsuz alanı kullanırlar.

Bunu bir sinyal olarak görürler ve bu sinyalleri bulduklarında kutlama yaparlar. Çünkü zaman içinde yapay zekâ sizi çok daha iyi tanır.

David Rice: Bu büyüleyici. Bu soruya dönmemin nedeni şu: Bence bu harika bir hedef ancak birçok insan bunu operasyonel davranışa dönüştürmeniz gereken noktada takılıp kalıyor. Koç gibi araçların da bunu yapmanıza yardımcı olabileceğini düşünüyorum.

İki şirket türü arasındaki farkı düşündüğümde, yapay zekâ tarafında daha fazla deneme, daha fazla gerçek zamanlı karar, daha az kusursuzluk ve daha fazla hız olduğunu düşünüyorum. Yanılıyor olabilirim ama heyecanı bir kenara bıraktığımızda ekipler için gerçekte ne değişiyor?

Bu fikri yaşamaya başladıklarında ne oluyor?

Justin Angsuwat: Açık ve örtük geri bildirim konusu bunun yalnızca bir parçası. Özellikleri nasıl geliştirdiğiniz de değişiyor. Geleneksel şelale yazılım geliştirme yönteminden çok daha hızlı hareket edebilen bir yönteme geçiyorsunuz.

Yazılım mühendislerimiz ve ürün yöneticilerimiz için aydınlanma anı, bir şey inşa etmeye başladıklarında geldi. “Vay, aylar sürebilecek bir şeyi bir haftada oluşturdum. Devam edelim” dediler. İlk prototipinizi hazırlamak bile çok daha kısa sürüyor.

Bu nedenle prototipi hazırlayın. Çok hızlı şekilde inşa edin ve çalışan bir prototipin nasıl göründüğünü görün. Ardından bunu test kullanıcılarımızın ve kullanıcılarımızın ellerine verin. Geleneksel yöntemde projeyi kapsamlandırır, takvimi oluşturur ve bütün bu aşamalardan geçersiniz.

Yazılım geliştirme biçimimiz açısından bu bizim için büyük bir değişim oldu. Ancak sen birçok yapay zekâ şirketiyle çalışıyorsun. Senin gördüğün de bu mu?

David Rice: Evet, bence öyle. Daha önce bana söylediğin ve gerçekten aklımda kalan bir şey vardı: Bir iş akışının teknik olarak karmaşık olması, gerekli olduğu anlamına gelmez.

Bunu düşündüğümde, şu anda yapay zekânın çok fazla kullanıldığı bir ortamda sıkışıp kaldığımı fark ediyorum. Her şey şık ve havalı görünüyor ama gerçekten çözülmesi gereken bir sorunu çözüyor mu? İş yerinde bazı şeylerin biraz karmaşık olmasının sorun olmadığını da düşünüyorum. Bunun adı iş. Bir noktada biraz iş yapmanız gerekir.

Yapay zekânın gerçekten değer kattığı yerle etkileyici gösteri olduğu yeri düşünmek önemli.

Justin Angsuwat: Evet. Bu, önceki konuşmamızın bir bölümüne geri dönüyor. Bence kuruluşlara göre etkileyici gösteri olan şey ile olmayan şey değişiyor.

Ancak yapılması çok kolay bir şey var: Tek bir doğru yanıtın bulunduğu belirlenebilir görevleri alıp bunları aramak için yapay zekâyı kullanmak. Bu yararlı olabilir ama yapay zekâyı bütün avantajlarıyla kullanmış olmazsınız. Temelde daha hızlı bir elektronik tablo elde edersiniz.

Üstelik bildiğimiz gibi yapay zekâ elektronik tablolarda da her zaman çok iyi değil. Bu nedenle etkileyici gösterinin ortaya çıktığı yer, daha önce konuştuğumuz yapay zekâ olgunluğunun iki aşamasını ele almaktır: Bir şeyleri nasıl daha hızlı hâle getirirsiniz ve daha önce var olduğunu bilmediğiniz bir şeyin önünü nasıl açarsınız?

Bir şeyleri hızlandırmanın belirli bir sınırı var. Bir noktaya kadar hızlandırabilirsiniz ve sonra azalan getiriler ortaya çıkar. Bence gösteri, görece acısız ve iş açısından kritik olmayan bir görevin önüne başka bir arayüz koyup daha fazla yapay zekâ eklediğinizde ortaya çıkıyor.

Güzel görünüyor ve havalı. Bir sohbet kutusuna yazıyorsunuz ve yanıt alıyorsunuz. Beni yanlış anlama, bunların birçoğu son derece yararlı olacak. Ancak yapay zekâ arayüzlerinin üzerine başka yapay zekâ arayüzleri koymak yerine, olasılıksal görevlerde çok iyi olan yapay zekânın önünü açabileceği şeyleri ele almaya başlamanız gerekiyor.

Geçmişte bu tür görevler için fazla teknoloji kullanmadık. Henüz düşünmediğimiz hangi şeylerin önünü açabilir ve gelecekte bize yardımcı olabilir?

Örneğin kurum içi iletişimdeki bazı kişilerle konuştuğumu düşünün. Bunun bir versiyonunda, kurum içi iletişim ve kanal sunumları için metinleri sizin adınıza yazdırabilirsiniz.

Asıl ilginç olan, ekiplerin yapay zekâyı olasılıksal görevler için kullanmasını izlemek. CEO’nun şirket genelinde yaptığı bütün toplantıları bulmasını, analiz etmesini ve kurum içi iletişim uzmanı gibi tavsiyeler vermesini isteyebilirsiniz.

Bir keresinde Claude’un bir CEO’ya şöyle bir tavsiye verdiğini duydum: “Çok iyi haberler verdiğinizde iyi haberle başlıyorsunuz, ancak kötü haber verdiğinizde önce şirketin değerlerinden söz ediyorsunuz.” Lider şaşırdı: “Bunu yaptığımı hiç fark etmemiştim.”

Herkes bu lideri izliyor. Değerlerle başlarsa insanlar “Eyvah, kötü haber geliyor” diye düşünüyor.

Daha önce hayal bile edilemeyen bu tür şeyleri yapabilmek önemli. Bir iletişim çalışanının bütün sunumları hatırlaması gerekiyordu ancak daha önce hiç fark edilmeyecek bir ayrıntı ortaya çıkıyor.

Etkileyici gösteri, konuşma yazan motoru geliştirmeye devam etmeye benzer; bu değerli bir şeydir. Ya da konuşmalarımı arayıp bana parçalar sunmasını istemek gibi çok belirlenebilir bir görevdir.

Gerçek etki ise olasılıksal görevlerde ortaya çıkar: “Daha önce hiç bilmediğim bir şeyi söyle. Binlerce saatlik sunumu analiz et ve neyi iyi, neyi kötü yaptığımı özetle.” Bence yapay zekânın gücü burada yatıyor.

David Rice: Bunu karmaşıklıkla etkililiği birbirine karıştırmanın kolay olduğunu düşünüyorum. İleride karşılaşacağımız büyük liderlik zorluklarından biri, yapay zekânın neler yapabildiğini gösterme arzusu bu kadar güçlüyken insanları değere odaklı tutmak olacak.

Bunun 2026’da ortadan kalkacağını sanmıyorum. Zor.

Justin Angsuwat: Önce iş sorununu çözmeye çalışmak gerekiyor. Çözülmesi gereken sorun ne? Sonra bu sorunu çözmek için nasıl bir araç oluşturabilirim?

Ancak yapay zekânın zorluğu, daha önce var olduğunu bilmediğimiz sorunları çözebilmesi. Komut vermeye başlayana kadar o sorunun var olduğunu bile bilmiyorsunuz.

Bir CEO’nun liderlik ekibine şöyle söylediğini hatırlıyorum: “Yapay zekâ yolculuğunun çok başındaydık ama yapay zekâya yüz komut vermediyseniz, yapay zekâ hakkında konuşurken fikriniz benim için şu anda fazla ağırlık taşımıyor.” Çünkü bilmiyorsunuz.

İnsanların bu sürece girmesi çok önemli. Bizim güvenle başlamamızın nedeni de buydu. İçine girmeden hangi sorunları çözebileceğinizi bilemezsiniz. Sonra bir bakarsınız: “Vay, bu sorunu çözmenin önünü açıyor. Bunun çözebileceğini hiç bilmiyordum” veya “Böyle bir sorunun var olduğunu bile bilmiyordum.” İnsanların geçmesi gereken önemli yolculuk bu olacak.

David Rice: Yapay zekâ olgunluğunu yalnızca müşterileriniz için değil, kendi kuruluşunuz için de haritalandırıyorsunuz. Bu süreçte sizi hazırlıksız yakalayan şey ne? Birçok şirket bunu değerlendirmeye çalışıyor. İnsanlar için nasıl gittiğini bilmiyorum.

Justin Angsuwat: Bu yolculukta hâlâ oldukça erken aşamadayız. Üzerinde çok çalışıyoruz ancak seninle de konuştuğumuz gibi her şeyin büyük sıçramalarla ilerlediği görülüyor. Her geriye dönüp baktığımda yeni bir şey var; yeni bir makale yayımlanmış oluyor.

Dolayısıyla hâlâ çok erken aşamadayız. Beni tamamen şaşırtmıyor ama birçok kuruluşta gördüğüm bir şey var: Kıdemli veya yüksek performanslı kişilerin yapay zekâya ilk atlayan ve onu ustalıkla kullanan kişiler olacağı varsayılıyor. Bu varsayım her zaman gerçeğe dönüşmüyor.

Çünkü işleri nasıl yaptığınızı unutmak, öğrenmekten daha zor olabilir. İlk işinizse işin nasıl yapıldığıyla pek ilgilenmezsiniz. Daha önce başka bir şekilde yapmadığınız için yalnızca yanıtı almak istersiniz. A’dan B’ye en kısa yol nedir? Cevaba ulaşmak istersiniz.

Aynı şeyi 20 yıldır yapıyorsanız kimliğiniz cevaba nasıl ulaştığınızla iç içe geçer. Oraya ulaşmak için iş akışınızı geliştirmeye hayatınızın büyük bir bölümünü harcamışsınızdır. Yapay zekâ ise bunu çok hızlı biçimde geçersiz kılabilir.

Bu nedenle genç çalışanların veya iş hayatına yeni katılan kişilerin yapay zekâyı kıdemli çalışanlardan daha ileri bir düzeyde kullandığını görebiliyoruz. Oysa yapay zekâyı kuruluşa taşıma sorumluluğu kıdemli çalışanlarda.

Kıdemli çalışanlar artık farklı bir beceri seti de getiriyor. Mühendislik tarafını düşünün: Örneğin kıdemli bir mühendis için ölçeklendirme ve mimari, kod yazmaktan daha önemli hâle geliyor.

Bu kültürel değişimin şifresini henüz tam olarak çözdüğümüzü düşünmüyorum. Hâlâ karmaşık bir geçiş dönemindeyiz. Birçok kuruluşta gördüğüm konu şu: Kariyerlerinin başındaki yapay zekâyı doğal olarak kullanan yeni çalışanlarla, bir şeyi neden belirli şekilde yaptığını açıklayabilecek geçerli nedenleri olan ancak yapay zekânın sunduklarına uyum sağlamak için değişmesi gereken kıdemli veya yüksek performanslı çalışanlarla nasıl başa çıkacağız?

David Rice: Evet, bu gerçekten bir zorluk.

Ama bunu yaşamanızı seviyorum. Çünkü bu süreç insanı alçakgönüllü kılıyor. Biz de zaman zaman bunun içinden geçiyoruz. Eğrinin önünde olduğumuzu düşünüyoruz, sonra “Bu noktada eğrinin ne olduğundan bile emin değilim” diyoruz.

Justin Angsuwat: Eğrinin dışındayım ama bu eğrinin üzerindeki tek kişi de benim. Ne oldu? Eğrinin geri kalanı nerede?

David Rice: Bunu yaşayan ve deneyimleyen başka insanların hikâyelerini dinlemeyi seviyorum. Bugün bunları paylaştığın için teşekkür etmek istiyorum. Gerçekten çok yararlıydı.

Justin Angsuwat: Teşekkürler David. Beni davet ettiğin için teşekkürler.

Önceki konuşmamızdan gerçekten keyif almıştım. Bu konuşmayı da çok sevdim. Biz de bunu bizzat yaşıyor ve her gün çözmeye çalışıyoruz. Bunun şifresini nasıl çözeceğimize dair bir yıllık planımız yok. Bu yüzden ilerliyor ve öğrendiğimiz her şeyi paylaşmaya çalışıyoruz.

İyisiyle, kötüsüyle ve çirkiniyle.

David Rice: Kesinlikle. Her gün uyum sağlamaya çalışıyoruz. Tekrar teşekkürler. Programa katılman harikaydı.

Justin Angsuwat: Tekrar teşekkürler David. Görüşürüz.

David Rice: Sevgili dinleyiciler, bir sonraki bölüme kadar. Henüz yapmadıysanız bültene kaydolduğunuzdan emin olun: peoplemanagingpeople.com/subscribe. Ayrıca Yapay Zekâ Dönüşümü Kaşifimize de göz atın.

Bir sonraki bölüme kadar, bunu yaşamaya devam edin. Sonunda hepimiz çözeceğiz.