Üretkenliği Artırmak Neden İşi Anlamakla Başlar

David Rice: Bir üst düzey yönetici kuruma baktığında gördüğü şey bir organizasyon şeması ve bir süreç belgesidir. A rolü bir işi bitirir, B rolüne devreder; B de C’ye devreder. Düzenli, basit ve neredeyse tamamen kurgusaldır. Bugünkü programda ActivTrak’in CEO’su Heidi Farris ile liderlerin işin nasıl yapıldığını düşündükleriyle gerçekte nasıl yapıldığı arasındaki farkı konuşuyorum.

Gerçek iş akışı; devirlerin, geçici çözümlerin ve hiçbir belgeye girmeyen gayriresmî yönlendirmelerin toplamıdır. Heidi bunun iyi hâline kabile bilgisi diyor. Bu, işletme hakkında çok şey bilmek anlamındaki türden bir bilgi değil; işlerin yürümesini sağlayan küçük günlük uyarlamalar. Heidi’nin söylediği gibi, insanlar her gün işi daha iyi hâle getiriyor.

Sorun şu ki bu durum belgelerde pek görünmüyor. Bu nedenle bugün belgelenmiş sürecin neden nadiren işin gerçekte nasıl yapıldığıyla örtüştüğünü, yapay zekânın bir rolde nereye yerleştirileceğine karar vermek için kullanılan üç kategoriyi, bir ekip hızlanırken komşu ekipleri hızlanmadığında kurumsal iş hacmine ne olduğunu ve bir işletmenin yapay zekâ benimsemesinden yapay zekâ etkisine geçtiğini gösteren gerçek işaretleri ele alıyoruz.

Ben David Rice. Burası People Managing People ve kuruluşunuz yapay zekâ başarısını yarattığı kapasitede ne olduğuna göre değil, kullanım ölçümlerine göre değerlendiriyorsa bu konuşma size neleri gözden kaçırdığınızı gösterecek. Hadi başlayalım.

Pekâlâ Heidi, programa hoş geldin. Seni ağırlamak güzel.

Heidi Farris: Teşekkürler David. Burada olduğum için çok mutluyum.

David Rice: Sohbetimize başlamak istediğim nokta şu: Bugün bir üst düzey yönetici kuruma baktığında, sanırım insanların liderlikle ilgili en yaygın hayal kırıklıklarından biriyle karşılaşıyoruz, değil mi? Sanki işin neleri gerektirdiğini gerçekten bilmiyorlar gibi geliyor.

Merak ediyorum, bir üst düzey yönetici kuruma baktığında işin gerçekte nasıl yapıldığı konusunda genellikle neyi yanlış anlıyor?

Heidi Farris: Bence bugün birçok kuruluşun, genel tabloya baktığınızda ve herkes işin yeniden tasarlanmasından ya da bugün işe yapay zekâ uygulanmasından söz ederken, zorlandığı konu bu. Liderlerin gördüğü şey bir organizasyon şeması ve bir süreç belgesi, değil mi?

A rolü bir işi bitirir, B rolüne aktarır, sonra B de C’ye aktarır ve her şeyin böyle güzel, temiz bir devir şeklinde olması beklenir. Kuruluşlarda işin gerçekte nasıl yapıldığını fazlasıyla basitleştirme eğilimindeyiz. Bir kuruluştaki bir kişi herhangi bir günde kolaylıkla onlarca uygulamada gezinebilir, birden fazla onay sürecinden geçebilir, pek çok farklı paydaşla ve geçici çözümle ilgilenebilir.

Gerçek iş akışı, insanların uğraştığı ve bir süreç belgesinde ya da organizasyon şemasında görünmeyen devirlerin, geçici çözümlerin ve gayriresmî yönlendirmelerin toplamıdır. Bu durum üst yönetim için gerçekten görünmezdir ve bir kuruluşta işin gerçekte nasıl yapıldığıyla bağlantımızı çok hızlı kaybederiz.

David Rice: Evet. Bence bu biraz doğal, değil mi? Hiyerarşide yükseldikçe her şey çizelgelere, standart çalışma prosedürlerine ve panolara indirgeniyor. Çalışanlara dair görünürlük ile işe dair görünürlük arasında ilginç bir ayrım olduğunu düşünüyorum. Aslında aynı şey değiller, değil mi?

Heidi Farris: Kesinlikle. Asıl önemsediğimiz şey işin kendisi, değil mi? Çalışanların içgüdüsel olarak her zaman ellerinden gelenin en iyisini yapmaya çalıştığını düşünüyorum. Mesele, bir kurumdaki işi nasıl iyileştireceğimize ya da işin nasıl yapıldığını anlayarak işi nasıl geliştireceğimize yardımcı olmak. Ayrıca yapay zekânın yapamadığı şekilde işe muhakeme ve empati katabilen insanları anlamak da önemli.

David Rice: Yapay zekânın işin yapılış biçimini nerede değiştirmesi gerektiğine karar vermeye çalışıyorsanız, önce iş hakkında neyi anlamanız gerekir? Bunu şekillendirmeye yardımcı olacak gerçekten yüksek değerli unsurlar neler?

Heidi Farris: Her rol tarafından gerçekleştirilen görevleri anlamanız gerekir.

Bunları bir biçimde kategorilere ayırabilmelisiniz; çünkü işler görevlerin toplamıdır ve yapay zekâ işleri, tüm rolleri değiştirmekten çok görevleri değiştirerek dönüştürür. Her rolde yapay zekânın faydalı olabileceği belirli bölümler vardır. Bu nedenle ilk adım, herhangi bir rolün yaptığı görevleri tekrarlı, yapılandırılmış ve kurallara dayalı görevler; yapay zekâ için uygun olan görevler; hızlı veri sentezi, örüntü eşleştirme ya da benzeri şeyler gerektiren ve yapay zekânın insan için yardımcı pilot görevi gördüğü, iş birliğinin gerçekleştiği yapay zekâ destekli görevler; ardından da empati, duygusal zekâ ve muhakeme gerektiren benzersiz biçimde insana özgü görevler olarak sınıflandırabilmektir.

İlk adım bu ve çoğu insan bu adımı tamamen atlayıp her soruna teknoloji uyguluyor.

David Rice: Bunu söylemen ilginç; çünkü kısa süre önce gelecekte en önemli şeyin empati olduğundan söz eden birinin bir kaydını izlediğim için bunu düşünüyordum. Bunun özellikle iyi öğrettiğimiz bir şey olmadığını düşünüyorum.

Çoğu zaman empatiyi bir beceriden çok bir özellik olarak gördük. Yapay zekânın tehlikelerinden biri, görev düzeyindeki faydasının, görevin mevcut biçimiyle var olup olmaması gerektiğini sormaktan bizi uzaklaştırabilmesi. Burada gerçekten farklı müdahale düzeyleri var, değil mi? Görevi iyileştirebilirsiniz; bence zamanımızın önemli bir bölümünü bunu yaparak geçirdik.

Görevi ortadan kaldırabilirsiniz ya da iş akışını yeniden tasarlayabilirsiniz. Üretmeye çalıştığınız sonucu yeniden değerlendirebilirsiniz. Burada yapılabilecek pek çok farklı şey var. Ancak “Yapay zekâ bunu yapabilir mi?” diye sormakla “Bunu neden birinin yapması gerekiyor?” diye sormak arasında fark olduğunu düşünüyorum. Sanırım ikincisi daha önemli sonuçlar doğuruyor.

Dolayısıyla birçok durumda otomatikleştirilmesi en kolay şeyler, değiştirilmesi en değerli şeyler olmayabilir.

Heidi Farris: Doğru. Bence ne zaman bir denetim yapsanız… Yapay zekâ şu anda işe ışık tutuyor, ancak söylediğiniz şey aslında her zaman vardı. Zaman içinde, teknoloji yığınının ya da bir ürünün teknik borç biriktirmesi gibi biz de iş borcu biriktiriyoruz.

Belirli şeyleri bir noktada yeniden değerlendirip “Bunu artık neden yapıyoruz?” diye sormanız gerekiyor. Ardından tam bir denetim yapıp yine farklı iş türlerini ve bunları nasıl daha iyi hâle getireceğinizi anlamalısınız. Çünkü söylediğim gibi her şey yapay zekâ ile çözülemez.

Yapay zekâ, işte gördüğümüz her sorunun çözümü değil. Bazen iş akışını yeniden tasarlamak, bazen insanlar için daha iyi yetkinleştirme sağlamak, bazen de tamamen yanlış teknolojiyi kullanmak gerekir. İşin nasıl yapıldığını ve hangi görevlerin gerçekleştirildiğini gerçekten anlamalısınız ki işi parçalara ayırıp “Peki, bunu aslında böyle iyileştirebiliriz” diyebilesiniz.

Bu çözüm yapay zekâ olabilir, başka bir şey de olabilir.

David Rice: Diyelim ki yapay zekâ bir ekibe kapasitesinin yüzde 15’ini geri kazandırdı. Pek çok üretkenlik kazanımı gördük ve bazı durumlarda yönetim işlerini ve benzeri şeyleri kolaylaştırdığını gördük. Ancak insanlar kapasite kazandığında bundan sonra hangi kararın alınması gerekiyor?

Son zamanlarda birçok lidere şunu soruyorum: İş değeri yaratmayı göz önünde bulundurarak bu kapasiteyi yeniden görevlendirmedeki ilk adımınız nedir? Çünkü bunu çalışanlara bırakırsanız sonuçlar oldukça ilginç olabilir.

Heidi Farris: Bence ilk olarak kuruluşunuzda birini karar verici olarak yetkilendirmeniz gerekir.

Bununla kastettiğim şu: Kapasite kendiliğinden yeniden görevlendirilmez. Bu konuda açıkça sorumlu biri yoksa kapasite sessizce kuruluş tarafından emilir. Belki düşük değerli işlere gider, belki de dediğim gibi bir yerde Slack’in içinde kaybolur. Zaman içinde birikmiş iş borcu listesi vardır ve insanların kendiliğinden dönmesini istediğiniz en değerli işler bunlar olmayabilir.

İkinci olarak, kapasitenin hangi kategoriye gireceğine karar vermek gerekir. Amacımız maliyet azaltmak mı? İşlevi gerçekten küçültmek mi istiyoruz? Yeniden yatırım mı yapacağız? Boşa çıkan saatleri daha yüksek değerli işlere mi yönlendireceğiz? Yoksa genişleme mi yapacağız? Daha önce hiç var olmamış tamamen yeni bir projeyi ya da işi mi üstleneceğiz?

Her birinin farklı bir finansal sonucu vardır. Bazılarını FAVÖK’e, bazılarını büyümeye, bazılarını da pazarda farklılaşmaya bağlarsınız. Yalnızca benimseme ölçümünü kutluyor ve bu kapasitenin hangi kategoriye girdiğini hiç kontrol etmiyorsanız, FAVÖK’e bir çizgi çekip “Bunu böyle yaptık” diyemezsiniz.

Çünkü günün sonunda işi daha iyi hâle getirmek denklemin bir yarısıdır. Diğer yarısı ise bunun bir kuruluşun finansal profilinde nerede sonuç verdiğini göstermektir.

David Rice: Evet, düşük değerli işe dönüşmesiyle ilgili söylediklerine tamamen katılıyorum. Yakın zamanda farklı bir medya kuruluşunda bir liderle konuşuyordum.

Bazı şeylerin serbest kalmasından söz ediyorduk. Masaya getirdiği fikirlerden pek etkilenmedikleri bir çalışanları vardı ve bu kişi yaratıcı planlamasında yapay zekâyı kullanmaya başlamıştı. Bu da çok zaman kazandırıyordu; ancak ardından bütün bunları çeşitli elektronik tablolara girmesi ve yönetmesi isteniyordu. Zaman, elektronik tabloları yönetmekle emiliyordu.

Ben de “Yaratılan kapasiteyi kullanmanın iyi bir yolu bu mu?” diye düşündüm. Çünkü elektronik tabloları da muhtemelen yapay zekâ yönetebilirdi. Fakat bu, artık o kişiye ihtiyacınız olmadığı anlamına otomatik olarak gelmez. Bence anlatının fazlasıyla kaybolan kısmı bu: çalışan sayısını azaltmak.

Bunun dönüşebileceği pek çok başka şey var. Zaman kazanmakla değer yaratmak arasında eksik bir yönetim kararı var gibi görünüyor. Birinin bu zamanın ne amaçla kullanılacağına karar vermesi gerekiyor. Takip sorum şu: Liderler otomatikleştirmeden önce kapasitenin nasıl yeniden görevlendirileceğine karar vermeli mi?

X’i yapabilmek için kapasite yaratacak şekilde otomatikleştirmekten söz ediyorum.

Heidi Farris: Evet, çünkü hedeflerinizle başlamalısınız. Hedefiniz FAVÖK’ü artırmak ve rolleri ortadan kaldırmaksa, önce kuruluşunuzda yapay zekâ otomasyonu için en büyük fırsatın nerede olduğunu anlamalı ve oradan başlamalısınız. Buna karşılık, bir kuruluşta zamanının yüzde 80’i görevlerden oluşan rollere sahipseniz ve bu görevler ya yardımcı pilot olarak yapay zekâ ya da yoğun insan muhakemesi gerektiriyorsa, bu rolleri ortadan kaldıramazsınız.

Bunu yaparsanız onları yeniden işe almak zorunda kalırsınız; çünkü insan muhakemesinin, empatinin ve yapay zekânın size söylediklerini sınama becerisinin önemli olduğunu fark edersiniz. Zaten çok iyi tanımlanmış, veriye dayalı bir süreci otomatikleştirmekle bunlar birbirinden tamamen farklı şeylerdir. Bir rolün yüzde 80’i bu diğer unsurlardan oluşuyorsa zaten istediğiniz FAVÖK’e ulaşamazsınız.

Bu nedenle, söylediğin gibi başlamadan önce hedefinizin ne olduğunu anlamak çok önemli. Aksi takdirde çok fazla iş yapıp hedefinize hiç ulaşamayabilirsiniz.

David Rice: Kesinlikle. Peki, yapay zekâ benimsemesi ve yapay zekâ değeri… Bunlardan biri otomatik olarak diğerine yol açmıyor. Sence liderler yapay zekânın anlamlı bir kapasite yaratıp yaratmadığını bilmek için gerçekte neyi ölçmeli?

Ve bu kapasitenin daha iyi iş sonuçlarına dönüşüp dönüşmediğini nasıl anlayabilirler?

Heidi Farris: Önemli olan, senin de değindiğin gibi, kullanım ölçümlerinin benimsemeyi ölçmesidir. Ancak önce ve sonra ölçümü yapmanız gerekir. Bir iyileştirme uygulamadan önce döngü süresinin, iş hacminin ve benzeri ölçümlerin nasıl göründüğünü anlamalısınız. Bu iyileştirme yapay zekâ olabilir.

Bugün üzerinde yoğunlaştığımız konu bu. Ardından işin uygulamadan sonra nasıl göründüğüne bakmalısınız. Öncesi ve sonrası görünüm olmadan, sürece koyduğum yeni şeyin işin yapılma biçimini nasıl etkilediğini değerlendirmek gerçekten zordur. Kapasiteyi artırdı mı? İş hacmini artırdı mı?

Nerede kazanım elde ettim? Ardından bu kapasitenin gerçekten nereye gittiğini bugün neredeyse hiç kimse takip etmiyor ya da incelemiyor. Yapay zekânın geri kazandırdığı zamanla bir ekibin ne yaptığını yanıtlayamıyorsanız, yatırım getirisi hikâyeniz yoktur; yalnızca benimseme hikâyeniz vardır.

Para harcadık ve daha fazla araç kullanmaya başladık, ancak bunu şirkette anlamlı herhangi bir şeye bağlamadık.

David Rice: Az önce “Ekip ne yapıyor?” dedin. Bence odak noktası bu olmalı. Bireysel üretkenlik çok cezbedici, çünkü bunu göstermek kolay: “Bu iş eskiden 40 dakikamı alıyordu, şimdi 10 dakikamı alıyor.”

Peki kuruluş, bir kişinin sürecinin biraz hızlanmasından gerçekten fayda sağlıyor mu? Kuruluş yüzde 30 daha üretken hâle gelmeden siz yüzde 30 daha üretken olabilirsiniz. İşimi iki kat hızlı bitirsem ama iş üç gün boyunca başka birinin kuyruğunda darboğaz olarak beklese gerçekten herhangi bir şeyi iyileştirmiş olur muyuz?

Görev verimliliği, iş akışı hacmi ve iş sonucu arasında faydalı bir ayrım var. Ancak liderlerin bir iş akışının nasıl işlediğini düşünme biçimiyle gerçekte nasıl yürütüldüğü arasında neden bu kadar büyük bir fark var? Başta biraz değinmiştik, fakat deneyimlerine dayanarak bunu biraz anlatabilir misin?

Heidi Farris: Daha önce konuştuklarımızın yanı sıra süreç belgesi zamanda donmuş bir görüntüdür, oysa iş hareketli bir hedeftir. İş sürekli değişir. Bir süreci belgelersiniz; biz kurum içinde sık sık süreç belgesinin iş gücünden nadiren sağ çıktığını söyleriz.

Bunun anlamı insanların doğru şeyleri yapmadığı değildir. Sadece süreç belgesinin uygulamadaki tüm incelikleri göstermediği anlamına gelir. İşe en yakın insanlar, işi daha iyi hâle getirmek için her hafta onlarca küçük uyarlama yapar.

Bu uyarlamalar nadiren herhangi bir belgeye yansır. Bunu yüzlerce ya da binlerce role ve uzun yıllara yaydığınızda, belgelenmiş süreç ile gerçek iş akışı arasındaki fark çok hızlı büyür. Liderlerin, yapay zekâ çağında kuruluşları çevik biçimde yönetebilmeleri için işin nasıl yapıldığına dair net ve sürekli bir görünümü olması gerekir.

David Rice: Çalıştığım hiçbir yerde çalışanlar olarak oluşturduğumuz tekrarlanabilir bir geçici çözüm olmadığını düşünemiyorum. Resmî süreç, sahadaki gerçeklikle örtüşmüyor. Yapay zekâyla ilgili risklerden biri, resmî iş akışını otomatikleştirmeye çalışmamız ve işi mümkün kılan geçici çözümü gerçekten anlamamamız.

Bazı durumlarda bu geçici çözüm, başlangıçtaki planın parçası olmamasına rağmen işin çalışmasını sağladı. Ancak bunları ortadan kaldırmaya başlarsak sürecin ne kadarı bozulur? Yanıtlamamız gereken soru bu.

Heidi Farris: Liderler olarak insanların her gün işi daha iyi hâle getirmesine yeterince değer vermiyoruz. Çünkü insanlar muhakemelerini ve tüm bu unsurları kullanıyor.

Yeni işe başlayan biri olarak bir süreç belgesinde tıklayarak ilerlersiniz. Size verilen budur. Atmanız gereken tüm adımları tıklayarak geçersiniz ve bir noktada bir sorunla karşılaşıp “Eyvah” dersiniz. Elbette yanınızda oturan, kabinin diğer tarafında bulunan ya da Slack’te olan kişi size “Evet, Shift tuşunu basılı tutup Excel’e gitmeniz, bunu buradan kopyalayıp oraya yapıştırmanız gerekiyor; sonra her şey yeniden çalışır” der.

İnsanların bu şeyleri çözdüğü ve bunların hiçbir belgede yer almadığı gerçeğine yeterince değer vermiyoruz. İnsanlar buna kabile bilgisi diyor. Fakat insanlar kabile bilgisini düşündüğünde çoğu zaman “İş zekâsı hakkında çok şey biliyorum; benim kabile bilgim bu” diye düşünüyor.

Bir kuruluşun işlemesini gerçekten sağlayan kabile bilgisi bu değil. Bir kuruluşu çalışır hâlde tutan kabile bilgisi, tüm bu küçük ayrıntılar, geçici çözümler ve işletmenin çalışmaya devam edebilmesi için her gün bir şeyi nasıl işler hâle getirmem gerektiğidir.

David Rice: Bu da başka bir soruya yol açıyor: Yapay zekâ farklı işlevlerin kapasitesini değiştirdiğinde iş gücü planlamasına ne olur?

Bunu farklı hızlarda görüyoruz. Bir analist için pazarlamadaki ya da muhasebedeki birinden çok farklı olacak. Şimdi aynı teknolojiyi uygulayan farklı alanlar var, ancak etkisi her alanda aynı olmuyor.

İş gücü planlamasını düşünürken neleri hesaba katmamız gerekiyor?

Heidi Farris: Bununla ilgili kurum içinde kendi ekiplerimiz açısından harika bir örnek yaşadık. Mühendislik ekibimiz yapay zekâ ile kodlama araçlarını benimsedi ve bunları kullanarak oldukça etkili olmanın bir yolunu buldu. Döngü sürelerimizi kısalttılar ve kod gönderimlerini hızlandırdılar.

Mühendislik iş hacmimiz iki kattan fazla arttı. Bu bir başarıydı ve hepimiz kutlamaya başladık. Ardından mühendislerimizin artık kodu, ürün yöneticileri ekibimizin gereksinimleri yeniden geliştirebildiğinden daha hızlı yazabildiğini fark ettik.

Böylece darboğazı grubumuzdaki bir işlevden başka bir işleve kaydırdık ve kuruluş olarak toplam iş hacmimizi aslında artırmadık. Geçici olarak artırdık; çünkü mevcut gereksinimleri daha hızlı tamamlayabildiler. Ancak artık kod geliştirme hızlarına yetişecek yeni gereksinimleri sağlamak sorun hâline geldi.

Kuruluşların bütüne bakması ve bir kuruluştaki tüm işlerin bir şekilde birbirine bağlı olduğunu anlaması gereken yer burası. Bir departman iş hacmini hızlandırır, döngü süresini azaltır ya da benzer bir iyileştirme yaparsa komşu ekiplerinin de bu değişime ayak uydurması gerekir.

David Rice: Bu, iş gücü planlaması sorununa iyi bir örnek gibi görünüyor. Mesele kaç kişiye ihtiyacımız olduğu değil, kısıtın nereye taşınacağı. Çünkü bu sürekli değişiyor. Bahsettiğin gibi izole üretkenlik kazanımları darboğazı taşıyabilir ya da eski darboğazları ortadan kaldırmak yerine yenilerini yaratabilir.

Heidi Farris: Bunların bir kısmı her şeyi aynı anda yapamayacağınız için gerçekleşecek. Ancak bu nedenle konulara nasıl yaklaşacağınızın bir sırası olmalı. İş gücü planlamasının bir parçası olarak oturup önce bu işin hangi bölümünü hızlandırmam gerektiğini ve bunun başka bir yerde darboğazla karşılaşana kadar bana ne kadar zaman kazandıracağını düşünmelisiniz.

Tüm kuruluş genelinde işe dair sürekli bir görünüm elde edebilmek, kuruluşta bu iniş çıkışların nerede gerçekleşeceğini anlamanızı sağlar.

David Rice: Beklenenden daha fazla kapasite tüketen bir iş akışı bulduğunuzda, yanıtın yapay zekâ mı, süreç yeniden tasarımı mı, başka bir teknoloji mi yoksa yalnızca daha iyi yetkinleştirme mi olduğunu nasıl belirliyorsunuz?

Heidi Farris: Liderlerin öncelikle yanıtlaması gereken soru, sürtünmeye gerçekten neyin neden olduğudur. İş tekrarlı, iyi tanımlanmış ve yüksek hacimliyse bu otomasyon ya da yapay zekâ adayıdır. Ancak dizinin kendisi yanlışsa; çok fazla onay, gereksiz devirler ya da yinelenen adımlar varsa bu bir süreç yeniden tasarımı sorunudur ve gidip bunu düzeltmeniz gerekir.

Süreç ve araçlar iyiyse fakat insanlar işi yapmanın en iyi yolunu bilmiyor ya da işi yapacak beceriden yoksunsa bu bir yetkinleştirme sorunudur. Çözüm, işin neden istediğiniz kadar verimli ya da iyi olmadığının gerçek sebebiyle örtüşmelidir. Çoğu kuruluş, bu üç sorundan hangisinin söz konusu olduğunu kontrol etmeden yine yalnızca daha fazla teknoloji satın almaya yönelir.

David Rice: Burada biraz teşvik sorunu var gibi görünüyor. Yapay zekâ bütçeleri ayırdık ve yöneticiler yapay zekâ taahhütlerinde bulundu; herkese yapay zekâ öncelikli olmalarını söylediler. Bu nedenle bir şeyi sıkıcı bir yönetim ya da süreç sorunu olarak tanımlamak yerine yapay zekâ kullanım alanı olarak tanımlamak daha cazip hâle geliyor.

Yapay zekânın bizim için stratejik açıdan önemli olduğuna karar verdiğinizde, her verimsizliğin birdenbire yapay zekâ fırsatı gibi görünmesinin bir tehlikesi var mı? Oysa bazıları yalnızca otomasyon gerektiren tekrarlı manuel görevler, bazıları daha net standartlara ihtiyaç duyan tutarsız görevler olabilir.

Heidi Farris: Doğru; kafa karıştırıcı bir görev eğitim gerektirebilir. Bunları farklı kategorilerde düşünmemiz gerekiyor.

Yapay zekâ konusunda güçlü başladık ve yapay zekâ hâlâ güçlü biçimde ilerliyor. Bu bir dönüm noktası. Yapay zekânın çok değerli olduğuna ve hepimizin çalışma biçimini değiştireceğine inanıyorum.

Değişim yönetimi açısından, bir şeye tamamen odaklanmadığınız sürece değişim yapmak çok zordur. Bu nedenle kuruluşların büyük bir yapay zekâ hamlesi yapmasını tamamen anlıyorum. İnsanların alışkanlıklarını ve çalışma biçimlerini değiştirmek, onların kalıpların dışına çıkmasını sağlamak için bazen değişimi başlatacak kadar abartılı bir şey yapmanız gerekir.

Ancak şimdi değişimin iyice ilerlediğini düşünüyorum. İnsanların “Çok hızlı işten çıkardık, onları yeniden işe almamız gerekiyor” dediğini ya da herkese “Belirteçleri en üst düzeye çıkarmak liderlik tablosunun tepesine çıkmanızı sağlar ve bunun için ikramiye alırsınız” dediğimizi, şimdi ise harcamalara sınır koyduğumuzu görüyorsunuz.

Bu nedenle artık kuruluşlarda yapay zekânın nasıl kullanılacağına uzun vadede daha bilinçli yaklaşılması gerekiyor. Roller, görevler, insan tarafından gerçekleştirilen, insan destekli ve yalnızca yapay zekâ ile gerçekleştirilen işler arasındaki ayrımı anlayan bir çerçeveye ihtiyaç var. Yapay zekâ nereye ait ve artık herkesi yapay zekânın doğru yol olduğuna ikna edip insanların onu kullanmasını sağladığınıza göre uzun vadeli faydaları nasıl elde edeceksiniz?

Şimdi ne yapacaksınız?

David Rice: Neredeyse The Sims’teki şehir kurma oyununa benziyor. İlk şehriniz çok temiz bir haritaydı; ama şimdi çok daha ayrıntılı, karmaşık ve gelişmiş bir şehir kurmanız gerekiyor.

İşte olup bitenleri anlama biçiminiz de böyle. Sürecin oldukça ilerlediğini söyledin. Şimdi bu yolda ilerliyoruz ve iş akışlarını farklı işlevlerde değiştiriyor. Geleneksel olarak insan kaynakları işleri, yetenek sistemlerini ve iş gücü planlamasını yönetiyordu. Operasyonlar büyük ölçüde süreçlerle, bilişim teknolojileri teknolojiyle, finans da parayla ilgileniyordu.

Bütün yapı bu şekildeydi. Ancak iş akışlarını bu işlevler arasında değiştirmeye başladığında, işin kendisini yeniden tasarlamaktan kim sorumlu olmalı? Herkes bunu çok farklı yapıyorsa işlerin eskisi gibi birbirine uyup uymadığını bilmiyorum.

Heidi Farris: İşin kendisini yeniden tasarlamanın, bence bugün çoğu yapay zekâ girişiminde eksik olan iki özelliğe sahip bir sahibi olmalı.

Birincisi, konuştuğumuz gibi yalnızca tek bir işlevin parçasını değil, tüm iş akışı boyunca görünürlük sahibi olmak. Böylece işin nerede birbirine bağlandığını ve bu iniş çıkışların nerede gerçekleştiğini anlarsınız.

İkincisi, işin nasıl yapılandırıldığını değiştirecek gerçek yetkiye sahip olmak. İkinci bölüm olmadan kısıtlanmış olursunuz. Bir kuruluştaki tüm noktaları gösterebilirsiniz; ancak gidip “Bu işlev, rol ya da departman için işin nasıl yapılandırıldığını yeniden düşüneceğiz” deme yetkiniz yoksa bunu yapamazsınız.

Bu, bunu yapabilmek için özerklik ve yetki gerektirir. İşlev liderleri işe çok yakındır ve bazen işe çok yakın olan işlev liderleri olarak belirli bir yönteme bağlanırsınız. İşlerin yapılış biçimini değiştirmeyi düşünmek sizi tedirgin edebilir.

Bu nedenle bu sorumluluk yalnızca yapay zekâ ya da bilişim teknolojileri ekibine ait olamaz; çünkü onların işlev liderlerinin sahip olduğu incelikleri anlaması mümkün değildir. Yalnızca işlev liderlerine de bırakılamaz; çünkü onlar yapay zekânın bir kuruluşa getirebileceği tüm kapasiteyi anlamaz.

Bu nedenle genellikle uçtan uca sonuçların sahibi olan bir operasyon direktörü benzeri role ihtiyaç vardır. Bu kişi yeniden tasarımı kuruluş genelinde gerçek bir çıktı olarak ele alır. Yapay zekâ sorunu çözmenin yollarından yalnızca biridir; tek yol değildir.

David Rice: Sana katılıyorum. Geçtiğimiz yıl insan kaynakları yöneticisinin sorumluluk alanının genişlemesi ve işlerle kuruluşları tasarlamaktan, insan ve makine kapasitesinin iş üretmek üzere nasıl birleşeceğini tasarlamaya geçmesi gerektiği konusunda birçok konuşma yaptık.

Ancak bunu yapanlar için bu, sorumluluğun yalnızca insan kaynakları ya da insan operasyonlarında kalması yerine operasyon sorumluluğunun artmasına yol açtı. Rol, uzun vadeli çözümün bu olup olmadığını bilmediğim bir noktaya evrildi. Açıkçası, insanlarla ilgili zorluk zaten yeterince büyük.

Heidi Farris: Katılıyorum. Yapay zekânın insan kaynakları liderlerine getirdiği şeyin, insan kaynakları açısından çok heyecan verici olduğunu düşünüyorum; çünkü insanları ve operasyonları birlikte ele almaya başlıyor.

Kuruluşlar çoğu zaman insan kaynaklarını bir kenara koyup “İnsan kaynakları burada ayrı bir iş yapıyor, biz de burada işletmeyi yürütüyoruz; insan kaynakları uyumla ilgili konularla ve ihtiyaç duyduğu şeylerle ilgileniyor. Onların kendi verileri var, bizim de işletmeyi yürüttüğümüz verilerimiz var” diyor.

Şimdi bütün bu verilerin aynı iş görünümünde birleşmesi gerekiyor. Çünkü rolleri yeniden tasarlayacak ve işi yürütecekseniz insan kaynakları açıkça bu konuşmanın kilit paydaşı, hatta sahibi olmasa bile kilit bir parçasıdır.

Bunun ücret, unvan, yapı ve diğer tüm unsurlar üzerinde etkileri vardır. Bu nedenle yapay zekânın insan kaynakları liderleri için çok heyecan verici olduğunu düşünüyorum. Bir yandan çok yorucu olsa da, insan kaynakları liderlerinin her gün işletmeyi yürütmenin parçası olmaya yönelmesi açısından heyecan verici.

Bu, her şeyin yanında duran bir uyum merkezi olmak yerine gerçekleşiyor.

David Rice: Daha önce kullanım ölçümlerinden söz ettin. Ortalıkta bunlardan çok var. Etkinleştirilen lisanslar, haftalık aktif kullanıcılar, başlatılan kullanım alanları ve “Bu teknolojiyi kullanıyoruz” dememizi sağlayan pek çok şey. Ancak bunların yalnızca benimsemenin ötesine geçip operasyonel olarak değiştiğimizi gösterdiğini düşünmüyorum.

Birinin bunu yaptığını ve işletmenin artık farklı çalıştığını gösteren işaretler sence neler?

Heidi Farris: Bence bir kuruluş, liderlik ya da gerçekten kuruluştaki herhangi biri hangi işin yeniden tasarlandığını, sonucun ne olduğunu ve bunun hedeflerde nerede göründüğünü ifade edebildiğinde benimsemenin ötesine geçmiştir.

Liderlik için bu, kâr ve zarar tablosudur. Ekipler için bunun altında yer alan alt hedefler olabilir. Ancak tek seferlik olarak “Müşteri başarı ekibimiz artık tasarruf ediyor” demek yerine, bunun nerede bir hedefe ya da kâr ve zarar tablosuna yansıdığını söyleyebilmek gerekir.

Örneğin, eskiden çeyreklik iş değerlendirmeleri yapıyor ve bir müşteri için tüm verileri manuel olarak toplamak, sunumu hazırlamak ve her şeyi tamamlamak zorunda kalıyorlardı. Artık dört saat süren işi beş dakikada yapabiliyoruz. Bu bir şeydir.

Fakat “Peki bu bir hedefte ya da kâr ve zarar tablosunda nerede göründü?” diyebilmeniz gerekir. Çünkü tek başına bu sonuç değildir. Asıl sonuç, bu ek zamanla müşteri portföylerini kişi başına 50 müşteri artırabilmeleri ve artık müşteri başarı yöneticilerinin müşterilere oranını 1’e 25 yerine 1’e 75 olarak yönetebilmenizdir.

İşlerin ve hedeflerin içinde gerçekten görünür olmaya başladığı yer burasıdır. Bir kuruluşun yalnızca benimsemeden etkiye geçtiğini gösteren temel işaretler bunlardır. Bana yalnızca yapay zekâ ile ne yaptığınızı söylemeyin; yapay zekâdan elde ettiğiniz faydayla ne yaptığınızı da söyleyin.

David Rice: Bu konuşmaları yaptıkça giderek şu sonuca varıyorum: Eninde sonunda bir yerde görünür hâle gelmesi gerekiyor. Yalnızca bir panoda bulunamaz. Rol tasarımınızda, müşteri sonuçlarınızda, kuruluş yapınızda, becerilerinizde ya da her neyse orada görünmelidir.

Kuruluşu gerçekten dönüştürüyorsa, bir ölçüme bakmadan kanıtını görebilmeliyim. Belki de yapay zekâ olgunluğunun nihai işareti, yapay zekâ hakkında konuşmayı bırakmamızdır; çünkü işletmenin nasıl çalıştığından söz ediyor oluruz.

Heidi Farris: Buna daha fazla katılamazdım. Bence insan kaynakları ve operasyonlar ortak çalışacak ve işin bugün nasıl yapıldığını incelerken yapay zekâ birçok çözümden biri olacak.

David Rice: Kesinlikle. Heidi, bugün sana sormak istediğim tüm sorular bunlardı. Programa katıldığın ve görüşlerini bizimle paylaştığın için teşekkür ederim. Bunu gerçekten takdir ediyorum.

Heidi Farris: David, beni davet ettiğin için tekrar çok teşekkürler.

David Rice: Dinleyiciler, henüz yapmadıysanız peoplemanagingpeople.com/subscribe adresine gidin. Tüm bültenlerimize kaydolun. Her hafta çıkan üç bültenimiz var. Tüm bu içerikleri güzel bir şekilde derlenmiş olarak doğrudan gelen kutunuza alacaksınız.

Bir sonraki buluşmamıza kadar, insanlar işi her gün zaten daha iyi hâle getiriyor. Bunu unutmayın.