Yapay Zekâ Akıcılığı Gerçekte Nasıl Görünür ve Ona Nasıl Ulaşılır

David Rice: Liderlerin, insanların yapay zekânın nasıl kullanılacağını anlamasının artık açıkçası kolay olması nedeniyle, yapay zekâ söz konusu olduğunda hafife aldığı riskler neler?

Kenneth Corrêa: Şirketlerin yaptığını gördüğüm en büyük hata, aracı tek başına kullanmak değil. Asıl mesele özel ve gizli dosyaların paylaşılması. Birinin aklına bir fikir geliyor ve kişi kendi telefonunu kullanarak çeyreklik finansal sonuçları içeren bir elektronik tabloyu ChatGPT’nin ücretsiz sürümüne yüklüyor.

David Rice: Kendi şirketinizde verimlilikte %15 artış gördüğünüzü ve çalışan sayısını hiç artırmadığınızı belirtmiştiniz. Sizce neden daha fazla şirket bunu takip etmiyor?

Kenneth Corrêa: İnsanlar yapay zekâyı, hâlâ çok fazla veriye, veritabanına ve veri bilimciye ihtiyaç duyan 70 yıllık bir teknolojiymiş gibi öğretiyor ve anlatıyor. Oysa üretken yapay zekâ kullanımı, uygulaması ve sonuç alması çok kolay bir şey. Sadece %20 ila %40 arasında bir verimlilik artışı sağlayabilir.

David Rice: Yapay zekâ konusunda yetkinleşmeye çalışan kuruluşlarda genellikle hangi sorunları görüyorsunuz? Güvenilmez ve aşırı vaatlerde bulunan çıktılardan nasıl kaçınılır?

İnsanların yapay zekâ çağında çalışmayı insani tutmasına yardımcı olduğumuz People Managing People Podcast’e hoş geldiniz. Ben sunucunuz David Rice. Bugünkü bölümde küresel yapay zekâ eğitmeni, konuşmacı ve Cognitive Organizations: Leveraging the Full Power of Generative AI and Intelligent Agents kitabının yazarı Kenneth Corrêa ile birlikteyim.

Bu konuşmada Kenneth, şirketlerin yapay zekâ merakından gerçek yapay zekâ yetkinliğine geçmesi için bir yol ortaya koyuyor. Bunun ne anlama geldiğini, çoğu liderin neden hâlâ kenarda beklediğini ve aşırı araç kullanımından oluşan Frankenstack tuzağından nasıl kaçınılacağını açıklıyor. Öngörücü yapay zekâdan üretken yapay zekâya geçişi, liderlerin uygulama konusunda neyi yanlış yaptığını ve ekip liderliğinin geleceğinin neden görev devrinden çok iş akışı orkestrasyonuna benzeyebileceğini konuşuyoruz.

İnsanlarınızı onların yerine geçmek yerine güçlendirmeye çalışıyorsanız ve yapay zekâya daha gerçekçi, sistem düzeyinde bir yaklaşım istiyorsanız, bu bölüm sizin için. Öyleyse daha fazla uzatmadan başlayalım.

Pekâlâ. Ken, hoş geldin!

Kenneth Corrêa: Teşekkür ederim David. Seninle burada olmak büyük bir zevk.

David Rice: Kesinlikle. Brezilya’dasın, değil mi?

Kenneth Corrêa: Evet, Güney Amerika’nın en büyük şehri São Paulo’dayım.

David Rice: Vay canına. Harika. O tarafta birkaç meslektaşım var. Her zaman ziyaret etmek istemişimdir.

Kenneth Corrêa: Büyük bir şehir. New York kadar büyük değil ama güneydeki kendi New York’umuz.

David Rice: Yapay zekâ yetkinliği ve esasen ona ulaşma yolu hakkında konuşacağız. Sanırım çoğumuz zaten bu yolda ilerliyoruz ama bütün adımların ne olduğundan pek emin değiliz. Değil mi? Bir de yetkinliği nasıl ölçersiniz?

Kenneth Corrêa: Hâlâ merdivenleri inşa ediyoruz. Dolayısıyla yarısına geldiğimizde keşfedeceğimiz basamaklar olacak. Uçak uçarken inşa ediliyor.

Günümüzde kullandığımız benzetmeler bunlar çünkü her şey çok hızlı gerçekleşiyor.

David Rice: Kesinlikle. Bunun en farklı yönlerinden birinin modern yapay zekâ arayüzü olduğunu düşünüyorum. Deney yapmanın önündeki birçok engeli kaldırdı. Onunla etkileşime geçmek ve neler yapabildiğini test etmek için bilgisayar bilimci olmanız gerekmiyor.

Tarihin farklı dönemlerine baktığımızda, Excel’in ilk çıktığı zamanı düşünün. İnsanlar önce Excel’i nasıl kullanacaklarını öğrenmek için kurslara gitmek zorundaydı. Şimdi ise neredeyse genel bir bilgi hâline geldi. Üniversiteden mezun olduğunuzda Excel konusunda belli bir deneyiminiz oluyor. Ancak bu durum elektronik tabloların yanlış kullanılmasına da yol açtı.

Dolaplarında ne kadar temizlik malzemesi olduğunu takip etmek için elektronik tablo kullanan insanlar tanıyorum. Merak ettiğim şu: Yapay zekâya döndüğümüzde, liderlerin kuruluş genelinde yapay zekâ kullanımının karmaşıklığını yalnızca insanların onu nasıl kullanacağını anlamasının çok kolay olması nedeniyle hafife aldığı riskler neler?

Kenneth Corrêa: Noktaya tıklıyorsunuz veya araçla konuşmaya başlıyorsunuz ve araç size doğal dille yanıt veriyor.

Evet, ama bunu ifade ediş şeklini gerçekten beğendim çünkü ben bunu her zaman bir özellik olarak tanıtırdım. Sen ise bunun bir hataya dönüşebileceği noktayı ortaya çıkarmaya çalışıyor olabilirsin. İnsanların doğrudan işe başlayabilmesi anlamında söylüyorum. İyi bir arayüze sahip olmak ve kişinin etkileşime geçmesini kolaylaştırmak, insanların başlamasını sağlamak açısından harika. Ancak şirketlerin yaptığını gördüğüm en büyük hata, aracı kullanmanın kendisi değil; özel ve gizli dosyaların paylaşılması.

Şirketin gizli tutması gereken, normalde birçok güvenlik duvarının, parolanın ve kullanıcı doğrulamasının arkasında bulunan bilgilerden bahsediyoruz. Şimdi birinin aklına bir fikir geliyor. Belki de şirket ChatGPT kullanımını engellediği için kişi kendi telefonunu kullanıyor. Kendi telefonuyla çeyreklik finansal sonuçları içeren bir elektronik tabloyu ChatGPT’nin ücretsiz sürümüne yüklüyor.

Bence en büyük risk, özel bilgilerin kullanıcının bundan haberi bile olmadan yayılması.

David Rice: İnsanların onu nasıl kullandığını denetlemenin veya çalışanların onu nasıl kullanmaması gerektiğini anlaması için bir uyumluluk kontrol listesi ya da çerçeve oluşturmanın yolları var mı? Bu alanda gerçekten işe yaradığını gördüğünüz şeyler neler?

Kenneth Corrêa: İnsanların istemlerini kontrol edelim veya konuşmalarını okuyalım gibi bir yaklaşım görmüyorum. 2025’te buna ayıracak alanımız yok. Benim tarafımda, kendi şirketimde ve diğer şirketler için yapmaya çalıştığım şey eğitim. Bu, siber güvenlikte yaşadığımız sorunla aynı.

Her şeyi engelleyemeyeceğiz. İnsanların hesaplarını ele geçirmek için kullanılan yeni adresler ve yeni yöntemler ortaya çıkıyor. Bu nedenle insanlara aracı nasıl kullanacaklarını, sınırlarını, ücretsiz sürümü kendi cep telefonlarında kullanmanın kurumsal sürümden nasıl farklı olduğunu öğretmenin önemli olduğunu düşünüyoruz.

Böylece bilgiler bu sınırların içinde tutuluyor. Bu anlamda eğitimin en önemli yol olması gerektiğini düşünüyorum çünkü elbette herkesin verdiği her yanıtı kontrol edecek yeterli zamanımız yok. Bazı şirketlerin hâlâ denediği şey, kendi asistanlarını oluşturmak. Bazı şirketler GPT veya Gemini gibi bir teknoloji alıyor ve şirketin adıyla bir asistan oluşturuyor. Böylece ek güvenlik sınırları koyabiliyorlar.

Asistana sorulan herhangi bir şeyle ilgili olarak “Bu konuda size yardımcı olamam” denebilir. Örneğin alabileceğiniz yanıt türü bu olabilir veya paylaşmanıza izin verilmeyen bilgi türü bu olabilir. Şirket kendi asistanını oluşturursa bunun gerçekleşmesini önlemek için ek güvenlik kuralları yerleştirebilir.

David Rice: Siber güvenlik açısından yaptığın karşılaştırmayı gündeme getirmen ilginç.

Kenneth Corrêa: Yenilikten bahsederken genellikle onu daha önce bildiğimiz bir şeye bağlamaya çalışırız. Çünkü tamamen yeni ve farklı bir şeyden bahsediyorsam, kafanı boynundan çıkarıp sana tamamen yeni bir şeymiş gibi anlatmam gerekir.

İnsanlar onu asla benimsemez. Bunu altmışlı yıllarda öğrendik. Raymond Lowy adında bir adam vardı sanırım. Maya adı verilen bir kavram oluşturmuştu. Duydun mu bilmiyorum. “En gelişmiş ama yine de kabul edilebilir” anlamına geliyor. Yeni bir ürün oluştururken onu elbette yeni saldırılar, olasılıklar, özellikler ve diğer yönlerden olabildiğince gelişmiş hâle getirmeye çalışırsınız.

Ancak bir tür aşinalık oluşturmanız gerekir. Böylece kişi onunla bağlantı kurabilir ve anlayabilir. İki hafta önce San Francisco’daydım ve Waymo araçlarına bindim. Biri bana Waymo’nun ne olduğunu sorarsa “Şoförsüz Uber” derim. Onu tanıdık hâle getiriyorum. Bir uygulama alabilir, yolculuk çağırabilirsiniz ama direksiyonun başında sürücü olmaz.

Fark bu. Geri kalan her şey aynı. Kredi kartınızı ekler, gittiğiniz mesafe için ödeme yaparsınız. Yeni bilgilerin ve fikirlerin içimize yerleşmesini kolaylaştıran şeyin bu tür bir aşinalık oluşturmak olduğunu düşünüyorum.

David Rice: Waymo araçları burada, Atlanta’da da kullanılmaya başladı ve bence bu şehre henüz hazır değiller. Sürekli takılıp kalıyorlar.

Kenneth Corrêa: Takılıp kalıyorlar. Los Angeles’ta bazı şiddet olayları gördüm sanırım. Şöyle bir şey vardı…

David Rice: Evet, insanlar onları ateşe veriyordu.

Kenneth Corrêa: O hâlde araba şehre hazır değil mi, yoksa şehir mi arabaya hazır değil bilmiyorum. Bir tür paradoks, değil mi?

David Rice: İkisinden de biraz olabilir. Liderler ekiplerin daha fazla iş yapmasını istiyor. Üretkenlik, insanların yapay zekâdan beklediği şeylerin çoğunu yönlendiriyor ve bence büyük ölçüde bunu elde ediyorlar. Gördüğümüz bazı çalışmalarda %20 ila %40 arasında artış normal kabul ediliyor. Daha önce konuştuğumuzda kendi şirketinde %15 verimlilik artışı gördüğünü ve çalışan sayısını hiç artırmadığını söylemiştin.

Sence neden daha fazla şirket bunu takip etmiyor? İnsanları geride tutan şey ne? Yapay zekâ konusundaki anlayış eksikliği mi? Yapay zekânın o kadar çok kullanılması ve kimsenin onu aynı şeyler için kullanmaması nedeniyle kapsamın genişlemesi ve kafa karışıklığı mı? Ya da farklı etkinlik düzeyleri mi? Sence en büyük engel ne?

Kenneth Corrêa: Kendi şirketimde bunu yaptığım ve sonuçları gördüğüm için şirketlerin hemen işe koyulmaması bana kesinlikle çılgınca geliyor. Masada para buldum, bunu böyle ifade etmeyi seviyorum. Ama bence birçok faktör devreye giriyor.

Birincisi, insanlar yapay zekâyı hâlâ çok fazla veri, veritabanı, veri gölü ve veri bilimci gerektiren 70 yıllık bir teknolojiymiş gibi öğretiyor ve anlatıyor. Bu teknik uzmanlığı olmayan insanları çok korkutuyor. Sorumluluklarımızdan biri, 22 Kasım’dan önceki yapay zekânın son üç yılda yaşananlardan farklı olduğunu hâlâ yeterince açık anlatamıyor olmamız. Önceki şey klasik, öngörücü yapay zekâydı. Zor ve teknikti; harikaydı ama uygulanması çok pahalı ve zaman alıcıydı. Şimdi ise üretken yapay zekâ, daha önce de söylediğin gibi, kullanımı kolay bir şey. İnsanların yüklememesi gereken verileri yüklemesine yol açacak kadar kolay.

Uygulaması çok kolay ve %20 ila %40 arasında verimlilik artışı sağlamak çok kolay. Beş günlük bir çalışma haftasından bahsediyorsak %20’nin bir gün izin anlamına geldiğini unutmayın. Aynı üretimi ve aynı sonuçları elde etmekten ama haftada bir ya da iki gün daha az çalışmaktan bahsediyoruz. Ancak şirketlerde liderler ve sorumlu kişiler bunu kişisel olarak kullanmıyor.

İzleyicilerine vermek istediğim ilk tavsiye şu: Aracı kendiniz kullanmalısınız. Değeri ancak uygulamaları kullanmaya başladığınızda görürsünüz. ChatGPT, DeepSeek, Gemini ve Claude var; uygulamalarını indirip kişisel işlerinizde kullanabilirsiniz.

Örneğin eve geldiniz, pazar gecesi ve yemek pişirmek istemiyorsunuz ama yemek zorundasınız. Buzdolabınızın veya mutfak dolabınızın fotoğrafını çekip “Bende bulunan malzemeler bunlar. Beş dakika veya daha kısa sürede ne pişirebilirim?” diyebilirsiniz. Böylece bu aracın fotoğrafı görebildiğini, nesneyi anlayabildiğini görürsünüz.

Bazen nesneleri de sayabilir, tarif veritabanına ulaşabilir ve bu malzemeleri birleştirerek neler pişirebileceğinizi önerebilir. Bu genellikle Brezilya’da “kafanın patlaması” dediğimiz şeyi tetikler. Olasılıklar ve fikirler ortaya çıkar. Daha sonra kendi işinize döndüğünüzde ve süreçlerinize, insanların her gün yaptığı faaliyetlere baktığınızda birçok olasılığın ortaya çıkacağından eminim.

Ayrıca David, ilk kez teknolojinin kendisinin size onu nasıl kullanacağınızı öğretebildiği bir teknolojiye sahibiz. ChatGPT’ye “14 kişilik bir ekibe liderlik ediyorum. Hepsi satış personeli. Müşterileri ofislerinde ziyaret ediyoruz ve ChatGPT’nin bana nasıl yardımcı olabileceğini bilmek istiyorum” diyebilirsiniz. Ekibinizin dinamiklerini açıkladığınız sürece araç size genel bir yanıt vermeyecektir.

Ne sattığınızı, stratejinizi ve nereye gittiğinizi açıklarsanız ne yapmanız gerektiği konusunda gerçekten iyi tavsiyeler alırsınız. Bu nedenle araçları kullanmaya başlamak atılması gereken adımlardan biri. Şirketler bunu henüz yeterince yapmadı. Medyaya baktığınızda her şey korku, riskler, AGI, Skynet ve yapay zekânın hepimizi yok edeceğiyle ilgili.

Bazen haber mi yoksa bilim kurgu kitabı mı okuduğumuzu bilmiyorum ama hissettirdiği şey bu. Şirketlerin henüz işe başlamamasının temel sorunlarından birinin bu olduğunu düşünüyorum. Bu bir teknoloji ve elbette sınırları var. Sınırları anlamamız önemli.

Bu araç halüsinasyon görebilir, gerçeğe dayanmayan veya gerçekle temellendirilmeyen içerikler oluşturabilir. Bu büyük bir “hayır”, değil mi? Yanlış bilgiler üreten bir araç kullanmak istemem. Bu nedenle insanların ChatGPT ile başlamasını ama örneğin Perplexity’yi de kullanmaya çalışmalarını öneriyorum. Böylece yanıtları kaynaklara dayandırılmış şekilde alırsınız.

Mutlak doğrulardan bahsetmiyoruz ama en azından bir temellendirme söz konusu. Bu şekilde olgunlaşabilir, gelişebilir ve daha iyi çalışma yöntemlerine geçebilirsiniz. Yeter ki sürece dâhil olun.

David Rice: Kesinlikle. İnsanların bunun güvenli olmadığını veya kullanmaya yetkin olmadıklarını düşünmelerinden bahsetmen ilginç.

Bazı araştırmalar, İK operasyonlarında çalışan insanların bazen teknik uzman olmadıklarını düşündükleri için korku taşıdığını gösteriyor. Belki de bazı durumlarda öngörücü yapay zekâ çözümlerini düşünüyorlar. Bazı insanlar üretken yapay zekâyı biraz denemiş olabilir ama henüz güvenmiyorlar.

Bu insanların üretken yapay zekâdan elde edeceği değer, onunla yapabilecekleri açısından diğer ekiplerden biraz farklı olabilir. Örneğin İK veya operasyon bölümünde çalışan birinin en büyük fırsat alanları neler?

Kenneth Corrêa: Harika. Buna hemen değineceğim ama önce şunu sorayım: İK çalışanlarının üretken yapay zekâyı kullanmaktan neden korktuğunu biliyor musun?

David Rice: Neden?

Kenneth Corrêa: 2016’da bir makale yayımlandı ve o tarihten sonra insan kaynaklarından bahseden neredeyse her medya kuruluşu algoritmik önyargı konusunu gündeme getirdi. Umarım doğru ifade ediyorumdur.

Şirketler özgeçmişleri seçmelerine yardımcı olması için öngörücü yapay zekâ kullanıyordu. Sonra öngörücü yapay zekâ aracının BT ekipleri hakkındaki verileri gördüğünü ve “Tamam, bu alanda yalnızca erkekler çalışıyor” sonucuna vardığını keşfettiler. Öngörücü bir araç olarak da “Bu alanda çalışmak için yalnızca erkekler iyidir” diye tahminde bulundu. Bu korkunç bir şey, değil mi?

Ancak yapay zekânın etiği ve ahlâkı yok. Yalnızca kendisine verilen veriler üzerinde çalışıyor. Bu gerçek bir sorun ve hâlâ yüzde yüz çözülmüş değil. Sorumlu yapay zekâ konusunda atmanız gereken birçok adım var. Bunlardan biri bu. Ancak İK alanındaki birçok kişi “yapay zekâ” terimiyle kötü bir deneyim yaşadı.

Bu yüzden yapay zekâ dediğinizde “Hayır, orada önyargı var” diye düşünüyorlar. Elbette ChatGPT kullanırsam önyargı olacaktır. Tanıdığım her insanın kendi önyargısı var. Benim de önyargılarım var. İnsan verileriyle eğitilen yazılım, insan önyargılarını taşıyacaktır. İK çalışanlarının konuya neden sıcak bakmadığına dair belirtmek istediğim şey bu. Ama…

Brezilya’da iki büyük etkinlikte konuştum. Bunlardan birinde İK alanından 3.000 kişi vardı. Yapay zekâyla gerçekleştirdiğimiz bazı kullanım örneklerini gösterdim. Bunlardan biri, birlikte çalıştığım bir çözüm sağlayıcıyla yaptığım bir vaka çalışmasıydı. Şirketimde 95 kişi var ve bunu çalışanlarımızı performansları hakkında değerlendirmek ve onlarla görüşmek için kullanıyoruz.

Şirket hakkında nasıl hissettiklerini, onlara nasıl davrandığımızı ve yöneticilerinin onlara nasıl davrandığını inceliyoruz. Bu 360 derece geri bildirim analizi ve benzeri şeyleri kapsıyor. Şimdi düşünün: 95 kişi 95 kişiyi değerlendiriyor. 95 çarpı 95’ten, analiz edilmesi gereken 9.000 içerik parçasından bahsediyoruz. Buna ayıracak zaman bulmak imkânsız.

1 Ocak’ta başlasaydık hâlâ yarısında olurduk. Ancak insanlara geri bildirim de vermemiz gerekiyor. Biz de 2 milyon belirteçlik geniş bir bağlam penceresine sahip olan Gemini’yi kullandık. Bu, formdaki 9.000 yanıtın veri olarak girilebilmesi anlamına geliyor. Şimdi bunu kalıpları analiz etmek için kullanıyoruz.

Aykırı noktaları kontrol ediyoruz ve hangi konuların daha acil olduğunu belirtmesini istiyoruz ki harekete geçebilelim. İK çalışanları için örneklerden biri şu: Bazen panolarınız, verileriniz, yanıtlarınız ve formlarınız oluyor ama bunların hepsini analiz edecek zamanınız olmuyor. İK’daki bazı insanlar Microsoft Excel bilmiyor, formüllerle veya sayılarla iyi çalışamıyor.

Gemini sizin için verileri ve sayıları düzenleme ve analiz etme konusunda oldukça iyi bir iş çıkarabilir. İK için yaptığımız şeylerden biri bu. Bu, İK çalışanlarıyla ilgili ilk örnek. İkincisi, bir İK iş akışını düşündüğünüzde işe alım yapacağınız kişiyi bilmek için bir iş tanımınızın olmasıdır.

Sonra özgeçmişler gelir. Böylece kiminle görüşme yaptığınızı bilirsiniz. Ardından seçim süreci gelir. Bu aşamada da daha önce bahsettiğim önyargı konusunda dikkatli olmamız gerekir. Yine de iş tanımını içeren bir istem oluşturup “Ben Kenneth’im, bu pozisyon için işe alımdan sorumluyum” diyebilir ve iş tanımını yapıştırabilirsiniz.

Bu işlem herhangi bir araçta yapılabilir: ChatGPT, Gemini, DeepSeek, Claude veya Microsoft Copilot. İlk özgeçmişi yükleyip “Tamam, bu ilk aday. Bu kişi bu işe ne kadar uygun?” diyebilirsiniz. Her özgeçmiş için bunu yapabilirsiniz. Daha sonra görüşmeler gerçekleştireceksiniz. Bu kişilerin iznini alırsanız ki bu bazen hassas bir noktadır, görüşmenin yazılı dökümünü elde edebilirsiniz.

Ardından “Bu özgeçmiş ve görüşme dökümü bende var. Gemini, lütfen bu kişiyi işe almanın olumlu ve olumsuz yönlerini anlamama yardım et” dersiniz. Bunu gerçekleştirdiğiniz her görüşme için yaparsınız. Özetler ve karşılaştırmalar elde edersiniz.

Elbette kendi izlenimleriniz de olacak. Görüşmeyi siz yaptınız. Hatta Gemini’den veya ChatGPT’den, adayın gönderdiği özgeçmişe dayanarak o adaya sorabileceğiniz soruları önermesini isteyebilirsiniz. Daha sonra kendi algılarınızı yapay zekânın bu özgeçmiş, iş tanımı ve görüşme dökümünden çıkardığı sonuçlarla birleştirirsiniz.

Bu durumda daha iyi bir seçim yapma konusunda çok daha fazla güç kazanacağınızdan eminim. Bu, İK için yetenek kazanımı alanının tamamını düşünmek anlamına geliyor. Şirketlerin Amerika Birleşik Devletleri, Brezilya, Şili ve Hindistan’da bunları zaten yaptığını gördüm.

David Rice: Yapay zekâya, özellikle de üretken yapay zekâya başlayan birçok şirket temel olarak içerik ve iletişim işlerini otomatikleştiriyor. Birçok kişi operasyonlara, planlamaya veya iç karar iş akışlarına dokunmuyor. Liderler çoğu durumda daha iyi görünürlük kazanmak, öncelikleri netleştirmek veya karar döngülerini hızlandırmak için yapay zekâyı kullanmıyor.

Bu normal görevlerin ötesinde yapay zekâ uygulamak istiyorlarsa nereden başlamalılar? İK’ya değindik ama bunu genel liderlik alanına genişletelim. CEO veya operasyonlar olabilir. Hangi iç iş akışlarını kolay başlangıç noktaları olarak görüyorsun?

Kenneth Corrêa: Harika bir soru.

Şirketimin adının 80 20 olduğunu hatırlarsın. Bu, Pareto kuralına dayanıyor. Önceliklendirmeye ve ilk olarak nerede harekete geçileceğini seçme becerisine büyük önem veriyoruz. Çünkü yapılacak çok şey var. Birçok farklı cephede harekete geçebilir veya mücadele edebilirsiniz. Ancak önceliklendirmeyi düşündüğünüzde, kitapta oluşturduğum bir matris var. Basit görevler, karmaşık görevler, benzersiz görevler ve tekrarlayan görevler olduğunu söylüyorum.

İlk gitmeniz gereken yer hem basit hem de tekrarlayan görevlerdir. Daha iyi stratejik planlama yapmak için yapay zekâ çözümü oluşturmaktan bahsetmiyoruz. Bu da yapılabilir. Ancak borç hesapları ve alacak hesaplarıyla başlayabilirsiniz. Müşteri telefon görüşmelerini analiz ederek başlayabilirsiniz.

İşe alım görüşmeleri ve yazılı dökümlerle başlayabilirsiniz. Bunlar her gün birçok kez gerçekleşen işler. Bu testlerde %5 veya %10 verimlilik artışı elde ederseniz sonuçları ertesi gün toplamaya başlarsınız. Bu nedenle basit ve tekrarlayan görevlerdeki kolay kazanımlara yönelin.

Bu yalnızca yapay zekâya özgü yeni bir şey değil. Otomasyondan daha genel bir kavram olarak bahsettiğimizde de aynı matrisi kullanıyoruz. Ancak büyük dil modelleriyle olan şu, David: Modeller ve yapay zekâ ajanları kendilerine verilen bilgileri anlayabiliyor. Metinleri okuyabiliyor.

CSV dosyalarını, yani elektronik tablo dosyalarını açabiliyorlar. Görsellere bakabiliyorlar. Birlikte çalıştığım bir şirket, panolara bakmak için yapay zekâ kullanıyor çünkü artık her şirketin göstergeler, temel performans göstergeleri ve neler olup bittiğine dair bilgiler içeren kendi panoları var. Ancak çalışanlar panoya bakmaya zaman ayırmıyor.

Bakmıyorsanız bir panonun ne faydası var? İK’da bahsettiğin gibi birçok insan bu verileri teknik açıdan nasıl analiz edeceğini bilmiyor. Bu temel performans göstergesi ne anlama geliyor? Panoda gördüklerime göre nasıl farklı bir karar verebilirim? Microsoft Copilot’a her göstergenin ne olduğunu açıklarsanız, bir kılavuzunuz veya açıklamanız varsa, hatta bazen panonun kendisinde göstergelerin açıklaması bulunuyorsa…

Panonun fotoğrafını çekersiniz ve Copilot bunu size okur. Hayatımızı çok daha kolaylaştıran otomasyonların bunlar olduğunu düşünüyorum. Sahibi olduğum başka bir şirkette 45 kişilik bir satış ekibim var. Brezilya’daki bir sağlık teknolojisi şirketi ve doktorları, doktor muayenehanelerini ziyaret eden insanlar çalıştırıyoruz.

Bekleme odalarındalar. Doktorun muayenehanesine girdiklerinde satış yapmak için dört ila beş dakikaları oluyor. Çalıştığımız pazar çok dinamik. Amerika Birleşik Devletleri’nde elliden fazla eyalet, Brezilya’da ise 27 eyalet var. Amerika Birleşik Devletleri’nin yarısı kadar. Biz 17 eyalette faaliyet gösteriyoruz. İnsanlarımız her yere dağılmış durumda.

Bu kadar büyük bir şirkette neler olduğunu bilmek çok zor. Yapay zekânın panodaki verileri analiz etmesinde hiçbir sorun yok. Yapay zekâ hiç tembel değil. Panodaki her ayrıntıya bakıyor.

David Rice: Yetkinlik fikrinden bahsettiğimizde bunun bir parçasının araçların operasyonlarınıza nerede uyduğunu bilmek olduğunu düşünüyorum.

Ve onun etrafında nasıl bir iş akışı tasarlanacağını bilmek. Çoğu kuruluş gördüğü havalı bir araca atlamak istiyor ama ekipler, araçlar ve görevler arasındaki bağlantıyı hiçbir zaman kurmuyor. Sence yüz kişiden az çalışanı olan bir şirket için temel ama işlevsel bir yapay zekâ yığını nasıl görünür?

Bir süre sonra oluşan bu tür Frankenstack’ten nasıl kaçınılır?

Kenneth Corrêa: Frankenstack ifadesini sevdim. Evet. Birçok şirketin Frankenstack’i var. Belki 10 veya 20 farklı araçla çalışıyorlar ve her aracın farklı bir istem yöntemi ve farklı bir çıktısı bulunuyor.

Yüzden az çalışanı olan şirketleri sordun ama büyük şirketlerde gördüğüm şey, bunu bir veya iki araçla sınırlamaya çalışmaları. Microsoft şirketiyse yığınları Microsoft oluyor ve Copilot’a yöneliyorlar. Google şirketiyse Gemini’ye yöneliyorlar.

Teknoloji konusunda daha yetkinlerse, örneğin yazılım geliştirme veya dijital ürünler oluşturan bir şirketse, muhtemelen Anthropic’e, yani Claude’a veya GPT için OpenAI’a yöneleceklerdir. Başlangıç için benim önerim de bu. Tek bir araçla başlamak ve eğitim, eğitim ve yine eğitim yoluyla ekibe güven kazandırmak.

Çünkü şu anda, konuştuğumuz bu dakikada, son teknoloji olarak gördüğüm yedi araç var. ChatGPT veya Gemini kullanmanız aslında çok fark etmiyor. İkisinin de etkileşime geçebileceğiniz aynı arayüzü ve benzer gücü var.

2025’in ortası itibarıyla Microsoft’un Copilot’u, OpenAI’ın ChatGPT’si, Google’ın Gemini’si, X’in Grok 4’ü, Meta’nın Llama’sı, DeepSeek ve çok sevdiğim Perplexity var. Bu yedi yapay zekâ asistanı şu anda aynı seviyede. Bir şirket için riskleri yönetmek, erişimi kontrol etmek ve odaklanarak eğitim vermek çok daha kolay olur.

Bu, son kullanıcıyla, yani şirketteki her çalışanın kendi Copilot’una sahip olmasıyla ilgili. Arka uca, gerçekten otomatikleştirilmiş süreçlere geçtiğinizde ise ajan ağlarını uygulayıp bunları orkestre ediyorsunuz. O zaman üç veya dört farklı sağlayıcıya yönelmeniz gerekiyor.

Tek bir sağlayıcıya bağlı kalmak çok zor çünkü çok fazla şey oluyor ve geride kalmak istemezsiniz. Her yeni model ve yeni teknoloji ortaya çıktığında bu yedi araç arasında geçiş yapabilmeniz gerekir. Ancak bu daha teknik, teknoloji yöneticisi düzeyinde bir konuşma.

David Rice: Anladım. Şu anda insanların ve birçok liderin çalışanlarımız söz konusu olduğunda aklına gelen büyük soru becerilerle ilgili. İnsanları bundan sonra gelecek şeye nasıl geçiririz? Şu anda verimliliği daha az insan anlamına değil, daha iyi yararlanılan insanlar anlamına gelecek şekilde yeniden çerçevelememiz gerekiyor.

İnsanların görev uygulayıcıları değil, yapay zekâ çıktılarının orkestratörleri ve doğrulayıcıları hâline gelmesi gerekiyor. Bir ekip liderinin gelecekteki rolü daha çok ajanların kalite kontrolüne ve iş akışlarının stratejik olarak yönlendirilmesine odaklanacak gibi görünüyor. Liderlik, yapay zekâ konusunda bilgili ekipleri yönetmek için hangi yeni rolleri veya beceri setlerini şimdiden geliştirmeli?

Kenneth Corrêa: Üretken yapay zekâ anlamında yapay zekâ okuryazarı olma fikri araçları kullanmakla ilgilidir. Bu harika. Ancak liderler için çok önemli ve zor olan bir şey var: muhakeme. Akıllıca seçim yapabilme becerisi.

Bu görevin bir insan tarafından mı yapılması gerekir, yoksa bilgisayar mı daha iyi yapar? Bunda hiçbir sorun yok. Herhangi bir tabu hakkında konuşmuyoruz. Bilgisayarların bazı görevleri daha iyi yaptığı bir gerçek.

Bir kontrol listesindeki maddeleri kontrol etmeniz, görselleri analiz etmeniz, belgelerdeki belirli bilgileri kontrol etmeniz, metin parçalarını veya bir bilgi bölümünü bulmanız ya da özet çıkarmanız gerekiyorsa bunların hepsi bilgisayarların şu anda daha iyi yaptığı işler.

Bir lider olarak bunu anlarsanız ve başlangıç noktası olarak kullanırsanız “İnsanlarımın bu işle uğraşmasını istemiyorum” diyebilirsiniz. Diğer tarafta yaratıcılık, karar verme ve verdiğiniz kararın sorumluluğunu üstlenme vardır.

Paradoksları görebilmek ve karar alma sürecindeki karmaşıklığı anlayabilmek de buna dâhildir. Bunların tümü insanların yapay zekâdan çok daha iyi olduğu insani becerilerdir. Yapay zekâyı size bir plan oluşturmak için kullanabilirsiniz. Belki tarihler ve bir program önerir ama insan çalışmasıyla karşılaştırıldığında kalitesi oldukça düşüktür.

Bu nedenle her görev için bilgisayarların mı yoksa insanların mı daha uygun olduğuna karar vermek yöneticilerin ihtiyaç duyacağı becerilerden biridir. Cognitive Organizations kitabını yazmamın ilham kaynağı da buydu. Yöneticilere, bilgisayarların sürekli daha güçlü hâle geldiği gerçeğiyle uyumlu kalmalarına yardımcı olacak bir el kitabı vermek istedim.

Bilgisayarlar her geçen gün daha iyi oluyor. Her gün, her hafta yeni bir çözüm ortaya çıkıyor. Her şeyi takip edemiyoruz. Elbette her şeyi takip etmek imkânsız. Ben neler olduğunu izlemeye çalışıyorum ama burada üç dakika geçirdik. Belki son 30 dakikada büyük bir şey oldu. Her şeyi takip edemezsiniz.

Ancak bunun bir gerçek olduğunu ve %20 ila %40 verimlilik artışının görmezden gelinemeyeceğini anlarsanız, rakipleriniz zaten bunu kullandığı için bunu yok sayamazsınız. Bence yöneticiler bu konuda iyi kararlar verecek.

Ayrıca dünyada işlerin ortadan kalkması ve insanların yapay zekâyla değiştirilmesi hakkında süregelen bir tartışma olduğunu unutmayalım. Şirketlerle konuştuğumda sorun aslında bunun tersi. Çalışmaya istekli yetenekleri bulamıyorlar.

Benim kendi şirketimde yaptığım şey de buydu. Yeteneklerimi korudum. Şirketimde 95 kişi var ve son üç yılda her yıl %15 büyüdüm.

Bunu aynı 95 kişilik ekiple yapıyorum çünkü kendi insanlarıma güç veriyorum. Gerçek olduğunu gördüğümde değiştirmem gereken zihniyet buydu. Herkesi sürece dâhil etmem gerekiyordu. Dürüst olmak gerekirse herkes sürece katılmadı. Birçok kişi eskisi gibi çalışmak istedi. Ancak 2025’te 2021’de çalıştığınız şekilde çalışabileceğinizi düşünmüyorum çünkü o dönemde bir şey oldu.

COVID’den bahsetmiyorum. Üretken yapay zekânın çalışma biçiminden bahsediyorum. Şirketimde güçlendirmem ve yapay zekâ araçlarıyla yapabileceklerinden en iyi şekilde yararlanmam gereken yetenekler olduğunu düşündüğünüzde, en iyi sonucu alırsınız. Pastanın üzerindeki krema da budur.

David Rice: Katılıyorum. Bu yolculuğa eşlik etmekte zorlanan birçok insan var. Ben son zamanlarda şöyle ifade ediyorum: Görevlerimize bağlanamayız. Bize değer kazandıran şey görev değil; yeteneklerimiz, bilgimiz ve daha önce bahsettiğin, değerimizin temelini oluşturan benzersiz insani özelliklerimizdir.

Belki de mesele, bu özelliklerin ortaya çıkmasını sağlayan motor olarak görevleri bırakmaktır. Yapay zekâ konusunda yetkinleşmek isteyen ve merak aşamasında deneyler yapmaya başlayan kuruluşlarda hangi sorunları görüyorsun? Güvenilmez çıktılar ve teknolojinin yapabilecekleri hakkında aşırı vaatlerde bulunma nedeniyle zeminin ayaklarımızın altından çekilmesinden nasıl kaçınırız?

Kenneth Corrêa: Bence bu yapay zekâyla ilgili ciddi bir sorun. Genellikle “Yapay zekâ şudur”, “Yapay zekâ bunu yapar”, “Yapay zekâ şunu yapabilir” deriz. Bunun sonucunda yapay zekâyı, dünyada dolaşan ve herkesi anlayan tek bir varlık gibi düşünmeye başlarız. Bu doğru değil.

Birden fazla şirketten ve farklı teknolojilerden bahsediyoruz. Tüm bu modeller farklı verilerle eğitildi. Farklı güvenlik kuralları var çünkü her şirket modelin yapabileceği ve yapmaması gereken şeyleri nasıl engelleyeceğine kendisi karar veriyor. Bazen sorun da bu oluyor.

Yapay zekâdan bahsederken onun yalnızca bir araç olduğunu hatırlamalıyız. Evet, bir devrimin, üretkenlikte ve iş yapma biçimimizdeki devrimin gerçekleşmesine yardımcı olan bir araç. Ama hâlâ yalnızca bir araç.

Yetkinleşmenin yolu tekrar, kullanım, deneme ve hata yapmaktır. Çünkü yapay zekâ size bir şey yapmanızı söylediğinde onu yapmak zorunda değilsiniz. Sadece okuyup ne yapacağınıza siz karar verirsiniz. Onu ne kadar çok kullanırsanız, nerede işe yarayacağını ve nasıl çalışacağını anlamanız o kadar kolaylaşır.

Kuzey Amerika’da CH Robinson adında büyük bir şirket var. Üçüncü taraf lojistik hizmetleriyle dünyanın her yerinde faaliyet gösteriyorlar ve saatte yaklaşık 3.000 e-postayı ele almaları gerekiyor.

Bunlar, paketleri A noktasından B noktasına taşımak isteyen müşterilerden gelen e-postalar. Örneğin Beaverton, Oregon’dan Austin, Texas’a bir şey göndermek istiyorsunuz. Maliyeti ne kadar? Ne kadar sürede alabilirsiniz? Bu etkileşimlerin tamamı daha önce insan operatörler tarafından gerçekleştiriliyordu.

İnsanlar telefonları yanıtlıyor, bilgisayarlarında kısa mesajları veya e-postaları okuyordu. Şimdi yapay zekâ ön sınıflandırma konusunda harika iş çıkarıyor. Basit ve rutin bir çağrıysa ve tüm özel veriler düzenlenmişse otomatik olarak bir kod oluşturabiliyor. İnsan etkileşimine gerek kalmıyor.

Ancak başka bir çağrı biraz farklı olabilir. Soğutmalı kamyonla taşınması gerekebilir. Altı saat içinde yola çıkması gerekebilir. Bu, normalde yaptığımız süreden daha kısa olabilir. O zaman insan desteğine yönlendirilir.

Daha fazla kullanım örneği gördükçe yetkinlik geliştirmeye başlarsınız. CH Robinson’un bununla bir yıldır çalıştığını unutmayın. Çağrıların yalnızca %10’unu yapay zekâ yönetiyor. %90’ı hâlâ insanlar tarafından ele alınıyor.

İsveçli müşteri hizmetleri şirketi Klarna’yla ilgili başka bir hikâye var. Teknolojiyi gördüklerinde tamamen üretken yapay zekâya yöneldiler. “Bu bizi kurtaracak. Herkesi işten çıkaracağız” dediler. Yaklaşımları buydu.

Ancak daha sonra geri adım attılar çünkü yapay zekânın her müşteri hizmeti durumunun yüzde yüzünü yönetemeyeceğini fark ettiler. Yapay zekâ insan değil.

Şimdi daha dengeli bir yaklaşıma geçtiler. Sayıları ben uydurmuyorum: 80’e 20. İşin %80’i yapay zekâ tarafından yönetiliyor. %20 ise istisnalar ve özel durumlar. Bunlar ön sınıflandırmadan geçirilerek insan desteğine aktarılıyor.

Bunun hakkında bir kitap okuyarak yetkinleşmek imkânsız. Dil yetkinliğinden bahsediyorduk. Okuyabileceğiniz bir dilbilgisi kitabı yok. Başka insanlarla konuşursunuz ve dilde böyle akıcı hâle gelirsiniz. Umarım bugün İngilizcem çok kötü değildir.

David Rice: Artık içselleşmiş.

Kenneth Corrêa: Konu hakkında konuştuğumuzda akıcı olursunuz. Çalışanlarınızla, meslektaşlarınızla veya bu araçları hâlihazırda kullanan diğer şirketlerdeki insanlarla konuşabilirsiniz. Özellikle ellerinizi kirletmeniz, yani aracı gerçekten kullanmanız çok önemli.

Bence bu konuda söyleyeceklerimi söyledim. Dili ne kadar çok konuşursanız o kadar akıcı olursunuz.

David Rice: Harika. Kenneth, bugün programa katıldığın için teşekkür ederim. Görüşlerini bizimle paylaştığın için gerçekten minnettarım.

Kenneth Corrêa: Harika. Umarım beğenmişsindir. Senin beğenmene sevindim. Ben de bundan keyif aldım. Çok karmaşık sorular sordun.

Beni zorlamaya çalışıyorsun ve olaylara baktığım tarafı aktarmanın bir yolunu bulmam gerekiyor. Çünkü bazen büyük bir heyecanla herkesin tamamen sürece girmesi gerektiğini ve hiçbir sınır veya sorun olmadığını söylüyor gibi görünebilirim. Ancak sorunlar ve dikkat etmemiz gereken noktalar var.

Bunu ancak sürece katıldığımızda öğrenebiliriz. İnsanların anlamasına yardımcı olmaya çalıştığım şey bu: %20’lik verimlilik artışını görmezden gelmek imkânsız.

David Rice: Tekrar teşekkürler. Önümüzdeki birkaç yıl içinde konuşmalarının nasıl gelişeceğini görmek için sabırsızlanıyorum. İlginç olacağını düşünüyorum.

Kenneth Corrêa: Harika.

David Rice: Dinleyiciler, Kenneth’in kitabına göz atmak isterseniz kitabın adı Cognitive Organizations: Leveraging the Full Power of Generative AI and Intelligent Agents. Amazon’dan satın alabilirsiniz. Mutlaka göz atın. Bir sonraki bölüme kadar ellerinizi kirletin.