Yapay Zekâ İnsanlarla İlgili Kararları Kötüleştiriyor—İşte Nedeni

David Rice: İşe alım kararları, performans değerlendirmeleri, ekip atamaları ve kariyerleri, kurum kültürünü ve iş sonuçlarınızı etkileyen yüksek riskli insan kararlarını vermek için yapay zekâ kullanıyorsunuz. Ancak çoğu durumda, ona aslında hangi bağlamı verdiğimiz hakkında hiçbir fikrimiz yok. Bu, bir arkadaşınızdan patronunuz hakkında tavsiye istemenize ve onun da, “Patronunu gerçekten tanımıyorum, sana nasıl iyi bir tavsiye verebilirim?” demesine benziyor. Ona daha fazlasını anlatmanız gerekecek. Fakat çoğu durumda yapay zekâya daha fazlasını anlatmıyorsunuz; yalnızca onun durumu kendiliğinden anlayacağını umuyorsunuz.

Bugünkü konuğumuz The Predictive Index’ten Matt Poepsel. Matt’in Las Vegas’taki en son Transform konferansındaki oturumunun başlığı Akıllı Araçlar, Aptalca İnsan Kararları idi. Çünkü olan şu: Yapay zekâ, daha önce iki hafta süren araştırma ve yazma işlerini dakikalar içinde yapabiliyor; bu yüzden beklentileri sıkıştırıyoruz. Daha hızlı hareket ediyoruz ama yeni araçlarla hâlâ eski bir zihinsel model üzerinden çalışıyoruz. Yapay zekâyı ilk ve yoğun biçimde benimseyenler ise en fazla tükenen kişiler.

Burada dikkate alınması gereken başka bir şey de en önemli ve en tehlikeli çalışma biçiminin ekip çalışması olmasıdır. Farklı kişilik tiplerine sahip insanlar tampon arabalar gibi birbirlerine çarpıyor. Karmaşık stratejilerin zorunlu olarak barındırdığı birbiriyle rekabet eden hedefleri de eklediğinizde ortaya felaket için bir reçete çıkıyor. Ancak yöneticiler davranışsal veri istemeyi bilmiyor. Onları bu şekilde eğitmiyoruz. Strateji, teknoloji ve operasyon öğretiyoruz; insanlarla ilgili kısmı doğru yapmayı değil.

Şimdi bu karışıma aracılar da ekleniyor. Sizin aracınız benim aracımı arıyor, yapay zekâ özetler oluşturuyor ve benim yapay zekâm bunları sindiriyor. Üretken olduğumuzu düşünürken aramızda gerçek bir mesafe yaratıyoruz. Bu, değerin gerçekte neye benzediğine evrilmek yerine dünkü üretkenlik tanımına yetişmeye çalışmak; yani iş artığı.

Bugünkü programda yapay zekânın neden yalnızca iş tanımlarına ve becerilere değil, davranışsal bağlama ihtiyaç duyduğunu; yüksek riskli insan kararlarında ve artık her insan kararında geçerli olan iki kez ölç, bir kez kes ilkesini; becerilerin geçici, davranışsal özelliklerin ise istikrarlı olmasının nedenlerini; işe alım sürecinin daha erken aşamalarına davranışsal içgörülerin nasıl yerleştirileceğini; yöneticilerin doğru veriyi istemeyi neden bilmediğini ve İK’nın bu konuda ne yapması gerektiğini; son olarak da ekip dinamiklerini hızlandıran yapay zekâ ile güveni yok eden yapay zekâ arasındaki farkı ele alacağız.

Ben David Rice. Burası People Managing People. Eğer davranışları etkileyen kararlarınızı hangi bağlamın gerçekten önemli olduğunu anlamadan yapay zekâ kullanarak veriyorsanız, bu konuşma umarım tam olarak neleri kaçırdığınızı gösterecek. Bu, Transform fuar alanında Matt ile aramızda gerçekleşen yüz yüze bir konuşma. Keyfini çıkarın. Sözü bana ve Matt’e bırakıyorum.

The Predictive Index’ten Matt Poepsel ile birlikteyim. Hoş geldin Matt. Transform’da seninle konuşmak güzel.

Matt Poepsel: Çok teşekkürler. Beni davet ettiğiniz için teşekkür ederim.

David Rice: Dün yaptığın oturumu gerçekten çok beğendim. Başlığı Akıllı Araçlar, Aptalca İnsan Kararları idi.

Matt Poepsel: Evet, doğru.

David Rice: Buradan başlayalım.

Çoğu durumda yapay zekânın bir öneride bulunduğunu ve bir kişinin bunu onayladığını söylüyorsun. Buradaki daha büyük risk nerede, merak ediyorum. Ona aşırı güvenmek mi, yoksa çoğu durumda ona ne verdiğimizi gerçekten bilmememiz mi?

Matt Poepsel: Evet, bu doğru. Başlangıçta ona kesinlikle gereğinden fazla güvenilecek, ancak yapay zekâ araçlarını kullanmanın kendisinin mutlaka kötü bir şey olduğunu düşünmüyorum.

Fakat şunu anlamamız gerektiğini düşünüyorum: Yapay zekâ bize yalnızca kendisine verdiğimiz bağlam ölçüsünde bir sonuç sunabilir.

David Rice: Doğru.

Matt Poepsel: Bir arkadaşıma, “Patronumla çalışmak konusunda bana bir tavsiye verebilir misin?” diye sormam gibi olurdu. Bana, “Patronunu gerçekten tanımıyorum, sana bu konuda nasıl iyi bir tavsiye verebilirim? Daha fazlasını anlatman gerekecek,” derdi. Bu yapay zekâ araçlarında da çoğu zaman olan şeyin bu olduğunu düşünüyorum.

David Rice: Evet. Bir de insan verilerinin pek çok sorun barındırmasıyla ünlü olduğunu biliyoruz.

Matt Poepsel: Bu doğru.

David Rice: Pek çok kişiyle konuşuyorsun. İnsanların sisteme girdikleri verilere ne kadar güvendiklerini düşünüyorsun?

Matt Poepsel: Hiç güvenmiyorlar. Yapay zekânın ilk dönemlerindeyiz ve pek çok şey başlangıçta biraz deneysel ilerliyor: “Bana nasıl yardımcı olabilirsin, bakalım ne sonuç alacağım.” Zamanla insanlar kendilerini daha rahat hissediyor ve bundan daha fazlasını, daha karmaşık işleri yapmasını istemeye başlıyor.

Başlangıçta, “Bu e-postayı ifade etmeme yardım et,” denirken zamanla, “Ekibime en son satış rakamları hakkında bir sunum yapmam gerekiyor. Bunu hazırlamama yardım eder misin?” noktasına gelindi. Ancak gözden kaçan şey şu: Ekibin davranış biçimleri ve iletişim tercihleri hakkında gerçekten bilgi sahibi değilsek, sunumu hazırlamamıza yardımcı olan yapay zekâdan en iyi tavsiyeyi alıyor muyuz? Beni biraz endişelendiren de bu.

David Rice: Son zamanlarda birkaç konferansa katıldım ve özellikle aracıların dönemine girerken yönetişim hakkında çok fazla konuşma var. İnsanlar bir kararın sahibinin kim olduğunu ne kadar iyi tanımlıyor sence?

Matt Poepsel: Bu kararın futbol topu gibi oradan oraya tekmelendiğini düşünüyorum. Çünkü bir tür arada kalmışlık söz konusu. Tamamen hukuki bir konu değil, tamamen BT’nin konusu da değil; tamamen İK’nın konusu da değil. Yapay zekânın kabul edilebilir ve uygun kullanımı söz konusu olduğunda İK’ya çoğu zaman bunu ileri taşıma görevi veriliyor ve bunun mantıklı olduğunu düşünüyorum.

Çünkü günün sonunda insanları potansiyel olarak zarara açık hâle getirmekten söz ediyoruz. Bir çalışan yöneticisinden rahatsız edici bir şey alırsa bu, büyük ölçüde güveni yok edebilir. Dolayısıyla bunun gerçek bir insan maliyeti var. Bu açıdan İK’nın sorumluluk alması mantıklı. Ancak bazen konuya yalnızca işlemsel açıdan yaklaşılıyor.

Yalnızca uyum açısından yaklaştığımızda yapay zekânın ekip dinamiklerini doğru kurma becerimizi gerçekten hızlandırma veya işlerimizi yeni şekillerde güçlendirme potansiyelini göz ardı ediyoruz.

David Rice: Ekip dinamiklerinden söz ettin. Yapay zekâ, dediğin gibi, bunu ve işin gerçekte nasıl yapıldığını tam olarak anlayabilecek kapasitede değil.

Peki ona verdiğimiz bağlamı nasıl yapılandırırsın ve bundan yararlanabilmesi için girdiyi nasıl düzenlersin?

Matt Poepsel: Bunu her zaman söylediğim şeylerden biriyle açıklıyorum: En önemli ve en tehlikeli çalışma biçimi ekip çalışmasıdır. Şirketinizde gerçekleşen herhangi bir şeyi düşünürseniz, bunu tek başına yapan bir kişinin olma ihtimali oldukça düşüktür.

Bunun yerine programları, girişimleri ve iş modeli değişikliklerini harika hâle getirmek için çalışan ekipler, hatta ekipler vardır.

David Rice: Evet.

Matt Poepsel: Bu nedenle ekip çalışmasını doğru yapmamız gerekiyor. Bana göre bu, ekibin davranışsal farklılıklarını ve stratejik gerekliliklerini anlamakla başlıyor.

Çok farklı kişilik tiplerine sahip insanları bir ekibe koyduğunuzda, tampon arabalar gibi birbirlerine çarparlar. Üstelik karmaşık stratejilerin çoğunda zorunlu olarak bulunan birbiriyle rekabet eden hedefleri de eklerseniz, ortaya çok kötü bir ekip dinamiği için kusursuz bir tarif çıkar.

David Rice: Evet.

Matt Poepsel: Yapılacak iş ve işi kimin yaptığıyla ilgili tüm bu verileri ele aldığımızda, uzman bir insanın bakıp, “Bu ekibin neden yavaşladığını veya şu alanda neden sürtüşme yaşadığını anlıyorum,” diyebileceği çok zengin bir bağlam elde ederiz.

O hâlde soru şu: Yapay zekâ araçlarının bu konuda da bize yardımcı olmasını nasıl sağlayacağız? Bunun üzerinde düşünmemiz gerekiyor.

David Rice: Ekip dinamiklerinin ve ekip çalışmasının tehlikeye girdiğinden söz ediyoruz. Fakat herkesin girişimci ve aracı yöneticisi olacağı vurgulanıyor. İnsanların birlikte çalışmasını nasıl sağlayacağımı anlamıyorsam, bu aracıların doğru şekilde birlikte çalışmasını sağlayabilir miyim?

Matt Poepsel: Evet. Senin aracın benim aracımı arasın, değil mi? Birdenbire, bugün oluşan iş artığının çoğunun insanların gerçek üretkenliğin dünkü tanımına yetişmeye çalışmasından kaynaklandığını göreceksiniz; oysa değer kavramının gerçekte neye dönüştüğünü anlamış değiller.

İnsanlar, “Çok geride kaldım. Bir aracı işimin bazı bölümlerini otomatikleştirmeme yardım ederse ne kadar daha fazla iş yapabilirim,” diye düşünüyor. Fakat bunun doğru türden iş olup olmadığını sormamız gerekiyor. Ekip konusuna döndüğümüzde, senin kendi görevini yapmana yardım eden aracılardan oluşan bir ekibin, benim de kendi görevimi yapmama yardım eden aracılardan oluşan bir ekibim varsa, yapay zekâ sürekli özetler oluşturup benim yapay zekâm bunları sindirirken aramızda gerçek bir mesafe mi yaratıyoruz? Çok dikkatli olmamız gereken nokta bu.

David Rice: İş artığından söz ettin; bu da sürekli yaşadığımız zaman baskısını düşündürüyor. Hepimiz çok hızlı hareket etme baskısı altındayız ve bu rekabet avantajı olarak görülüyor. Teşvik, ona güvenip yolumuza devam etmemiz yönünde. Peki bu gerçekten zaman baskısından mı kaynaklanıyor? Bunu nasıl hafifletebiliriz?

Matt Poepsel: Zaman kısıtlamaları yaşadığımız ve zamanın çeşitli şekillerde daraldığı kesin. Eskiden biraz yazma da içeren bir araştırma görevi için birine bunu tamamlaması için iki hafta verebilirdiniz.

Ancak artık yapay zekâ birkaç dakika içinde çok kapsamlı araştırmalar yapabildiğinde, beklentiyi sıkıştırıp işlerin biraz daha hızlı tamamlanmasını istemek doğruymuş gibi geliyor.

David Rice: Evet.

Matt Poepsel: Fakat çıktıya güvenmek konusunda söylediğin gibi, hâlâ yeterli doğrulama ve yeterli istem mühendisliği gerekiyor; bunlar kendiliğinden ortaya çıkmıyor.

Belki de bir görevi tamamlamanın ne kadar süreceğine dair anlayışımız ve tahminimiz biraz yapay hâle geldi. Ancak soru şu: Sonuç hâlâ kaliteli mi? Yoksa yapay zekânın bunu bir boşlukta kendi başına oluşturduğu mu anlaşılıyor? Bu kimseye yardımcı olmaz.

Aynı zamanda araştırmalar, yapay zekâyı en erken ve yoğun biçimde benimseyen kişilerin aslında en fazla tükenen kişiler olduğunu gösteriyor. Çünkü yeni araçları kullanmalarına rağmen hâlâ eski bir zihinsel model üzerinden çalışıyorlar. Öğrenme eğrisinin hâlâ başındayız.

Bu bir beklenti döngüsü değil. Yapay zekâ kesinlikle değer yaratıyor. Ancak bunun bir kısmını kaçırıyorsak, deneyimimiz ekip üyelerimizle aramızda mesafe yaratıyorsa veya kendi kaynaklarımızı ve yeteneklerimizi tüketiyorsa, bu hâlâ onu ne kadar iyi yönetmemiz gerektiğini gösteriyor.

David Rice: Hız yaratıyor ama insan kararları söz konusu olduğunda biraz daha yavaş, daha bilinçli ve daha düşünceli olmaktan fayda görüyoruz.

Matt Poepsel: Evet.

David Rice: Bu da hedefimiz ile işi en iyi şekilde yapma biçimi arasında bir gerilim yaratıyor. İnsanlar bunu nasıl yönetiyor ve kazanmak istediğimiz hızdan tamamen vazgeçmeden kaliteyi nasıl koruyabiliyorlar?

Matt Poepsel: Kısa cevap: Pek iyi yönetemiyorlar. Öğrenme eğrisinin başında olduğumuzu ve bunun beklenebilir olduğunu anlamamız gerekiyor. Ancak bu çözümler söz konusu olduğunda çok hızlı hareket etmemiz için büyük bir baskı var ve bu da durumu daha kötü hâle getiriyor.

Birinin ihtiyaçlarını karşılamaz ve kişi sisteme güvenmemeye başlarsa ya da gizli bir gündem olduğunu düşünürse, süreç baştan biraz daha fazla zaman ayırmamıza kıyasla çok daha uzun sürebilir. Marangozlukta eski bir söz vardır: “İki kez ölç, bir kez kes.” Bunun iyi bir nedeni var; daha hızlı ve daha uygun maliyetlidir.

Yüksek riskli insan kararlarında da benzer bir yaklaşım kullanmamız gerekiyor. Bugünkü ortamda her insan kararı yüksek riskli bir karardır. Yavaşlamamız gerekmiyor ama düşünceli davranmamız gerekiyor; böylece istediğimiz kadar hızlı ilerleyebiliriz.

David Rice: Haklısın. İşe alım konusunda çok fazla çalışma yapıyorum. Elde ettiğimiz verilerin kalitesi biraz daha iyi olmalı. Biraz yavaşlayıp bunun doğru olduğundan emin olmalıyız. Tüm kutuları işaretledik mi? Çünkü bazen aradığımız becerileri tam olarak bilmiyoruz.

Matt Poepsel: Doğru.

David Rice: Becerileri bile bilmiyorsak doğru kişiyi işe alabilmek için bu iş tanımını nasıl yazacağız?

Matt Poepsel: Eski dönemlerden kopyalayıp yapıştırdığımız ve tüm bu Google sonuçlarından aldığımız metinleri şimdi yapay zekâdan geçiriyoruz; sonuç yine aynı şekilde karşımıza çıkıyor. Bir diğer sorun da adayların da yapay zekâya erişiminin olması.

Hepsi kusursuz görünmeye başlıyor ve, “Bir dakika, nasıl oldu da birdenbire bu kadar mükemmel adayımız oldu?” diyorsunuz. Bu nedenle müşterilerimize davranışsal içgörüleri sürecin daha erken aşamalarına nasıl yerleştireceklerini öğretiyoruz. İş tanımını yazarken yalnızca becerilere ve görevlere odaklanmayın; rolün davranışsal gerekliliklerini gerçekten ortaya koyun ki özellikle ne aradığımızı anlayabilelim.

Ayrıca mülakat sürecinde adayın bu davranışlar hakkında özel olarak konuşmasını sağlayın. Birine, “Bana şu davranışı sergilediğin bir zamanı anlat,” diye sorduğunuzda, yapay zekâya erişimi olmadığında gerçek zamanlı olarak ikna edici bir hikâye ve bunu nasıl yaptığınıza dair bir örnek bulmak daha zordur.

David Rice: Evet.

Matt Poepsel: Bunun çok iyi bir yaklaşım olduğunu görüyoruz. Beceri konusundaki diğer sorun da şu: Bugün bunları tam olarak ifade edemesek bile değişecekler. Çünkü her şey çok hızlı ilerliyor. Beceriler öğrenilebilir; bu harika. Ancak kişilik davranışları öğrenilebilir değildir.

Siz olduğunuz kişisiniz ve bu güzel bir şey. Sadece sizi doğru role uygun olduğunuz için işe aldığımızdan emin olmamız gerekiyor.

David Rice: İki yıl önce herkes istem mühendisliğinin büyük bir alan olacağını düşünüyordu; şimdi ise yapay zekâyla doğrudan konuşuyorum.

Matt Poepsel: Bırakalım içimizden geldiği gibi kullanalım. Sonuna kadar içimizden geldiği gibi kullanalım.

Bu çok doğru. Şimdi baktığınızda, iş gücünün 2030’da ihtiyaç duyacağını düşündüğümüz becerilerin belki üçte biri gerçekleşebilir. Ancak gerçek şu ki, bunlar bile oldukça kırılgan olacak. Bir başka deyişle geçici olacaklar.

Buna karşılık kişilerarası beceriler, hikâye anlatımı, yaratıcı düşünme ve farklı insan gruplarıyla uyum içinde çalışabilme hiçbir zaman modası geçmeyecek özelliklerdir. Bunlar yumuşak beceriler değil, teknoloji işin büyük bölümünü mekanik biçimde yapabildiğinde temel becerilerdir.

David Rice: Daha fazla verinin otomatik olarak daha iyi karar verme anlamına geldiğine inanıyoruz. Ancak bağlamın açıkça önemli olduğunu düşünüyorum. Baktığımız veri doğru veri mi? Verdiğimiz herhangi bir karar için bu gerçekten doğru veri mi?

Matt Poepsel: “Keşke daha fazla verim olsaydı,” diyen hiçbir yöneticiyle konuşmuyorum. Gerçekten çok fazla verimiz var. Soru, doğru veri mi? Özellikle yönetim işlevine baktığımızda, insan gruplarını ortak bir hedef doğrultusunda birlikte çalıştırmak yöneticilerden beklenen şeydir.

İK da çoğu durumda eğitim, araçlar ve rehberlik sağlayarak bunu destekler. Dolayısıyla soru tam olarak şu hâle geliyor: Giderek daha fazla veriye sahip olabiliriz ama bağlama dayalı bir karara girecek doğru veri bu mu? Ayrıca çıktıyı kişiselleştirebilir miyiz? Çünkü beni yönetiyorsanız, benden çok farklı bir kişiliğe sahip birini yönetmenizden farklı bir yaklaşım gerekir.

David Rice: Evet.

Matt Poepsel: Liderden beklenen, kendi tarzını uyarlaması ve kendisinin ve başkalarının farkında olarak bu durumu yönetebilmesidir. Veri olmadan bunu yapmak zor, hatta imkânsızdır. Yöneticiler bugün çok fazla eğitim almadığı için, kapsamlı bir eğitimden geçmedilerse bunu onlara yardımcı olacak araçlar olmadan yapmak da zordur.

Çünkü zaman bir etken. Dürüst olalım, gerçekten zaman baskısı var. Bu nedenle tüm bunlar, insanlarla ilgili kısmı büyük ölçekte doğru yapmamıza yardımcı olacak bağlamsal, düşünceli ve davranış odaklı araçlara ihtiyacımız olduğunu gösteriyor.

David Rice: Daha fazla bağlam odaklı bir sistem nasıl görünür? Çoğu yapay zekâ organizasyonunun sisteme iş tanımları ve belki gelişim planları verdiğini düşünüyorum. Peki gerçekte nasıl görünür, içinde neler bulunur ve liderlik kararlarını nasıl besler?

Matt Poepsel: Dışarıdan içeriye doğru ilerlemek isterim. En üst düzeyden, şirketin kültürü nedir, kültürel değerleriniz nelerdir, işinizde neleri başarmaya çalışıyorsunuz sorularıyla başlamak isterim.

Bunlar önemli şeyler. Geleceğin becerileri ne olacak? Genel olarak kuruma hangi yetenekleri kazandırmaya çalışıyorsunuz? Ardından bunu ekip düzeyine taşıyabiliriz. Ekip ne üzerinde çalışıyor? Ekip üyelerinin bilmem gereken davranışsal yapıları neler?

Benzer miyiz, farklı mıyız? Aramızdaki etkileşimlerin geçmişi nasıl? The Predictive Index olarak üzerinde çalıştığımız tüm bu verilere sahip olduğumuz için şanslıyız; bu nedenle çok geniş bir bağlama sahibiz. Bu da yüksek riskli insan etkileşiminin gerçekleştiği ortamı gerçekten anlamamıza yardımcı oluyor ve işi doğru yapma ihtimalimizi artırıyor.

David Rice: Farklı kuruluşlarla çalışıyorsun ve liderlerin yaptığı yaygın hataların çoğunu görüyorsun. Sence bu zorluğu hafife mi alıyorlar? İnsanlarıyla ilgili sahip oldukları verilere fazla güvenmediklerini konuşmuştuk. Bir sonraki soru şu: Doğru veriyi elde edebileceklerine güveniyorlar mı?

Matt Poepsel: Çoğu zaman soruyu nasıl soracaklarını bilmiyorlar. Bu yüzden İK ile ortaklık çok önemli. Eğitimsiz olup İK’ya giderek, “İnsanlarımla ilgili daha fazla davranışsal veriye gerçekten ihtiyacım var,” diyen çok fazla yönetici tanımıyorum.

David Rice: Doğru.

Matt Poepsel: Bilmiyorlar; böyle bir soru sormaları gerektiğini bile bilmiyorlar.

İşletme okullarında onları bu şekilde eğitmiyoruz. Strateji, teknoloji ve operasyon öğretiyoruz. İnsanlarla ilgili kısmı doğru yapmayı öğretmiyoruz. Bu nedenle bir yöneticinin durup dururken, “İnsanlar hakkında veriye ihtiyacım var,” demesini beklemek zaten büyük bir adım.

İkinci konu ise bu veriyi yapmak istediğim şey bağlamında nasıl kullanacağınız. Bir sonraki zorluk burada ortaya çıkıyor. Çok fazla çeviri yapılması gerekiyor. İyi haber şu ki araçlar hazır durumda. Gelip öz farkındalık geliştirebilir, başkaları hakkında farkındalık kazanabilir ve araçlarımızı kullanarak bütün bir ekip dinamiği oluşturabilirsiniz. Bu araçlar süreci çok hızlı şekilde anlaşılır hâle getiriyor. Bu umut verici ama onları kullanmanız gerekiyor.

David Rice: Programa katıldığın için teşekkürler. Bu hafta seni heyecanlandıran ne var? Neyi öğrenmek veya incelemek istiyorsun?

Matt Poepsel: Konuştuğum her İK çalışanının bu dönüşümdeki rolünü nerede gördüğünü ve bunu nasıl deneyimlediğini anlamak istiyorum. Bunun oldukça düzensiz ilerlediğini görüyorum. Bazı İK profesyonelleri çok geride kalmış durumda; kuruluşları onlara tamamen işlemsel bir bakışla yaklaşıyor. Diğerleri ise mümkün olanlar açısından işletmeyi ileri taşıyacak kadar öncü konumda.

Neyse ki bu uçların hiçbirinde çok fazla kişi yok. Çoğu, yolculuğun bir yerinde bulunuyor. Bu nedenle deneyimleri hakkında ne kadar çok şey öğrenebilirsem, İK işlevini gerçekten güçlendirmelerine o kadar çok yardımcı olabileceğimi düşünüyorum. Çünkü her işletmenin bir insan işletmesi olduğunu her zaman söylerim.

Bu da insan kaynakları profesyonellerimizi gerçekten yükseltmemiz ve dün yaptığım konuşmada söylediğim gibi onları her gün kullandığımız araçların içine yerleştirmemiz gerektiği anlamına geliyor. İK’nın sunduklarından büyük ölçekte en iyi şekilde yararlanmanın yolu bu. The Predictive Index’te yaptığımız iş beni gerçekten heyecanlandırıyor.

David Rice: Matt, bugün bize katıldığın için teşekkürler. Programa katılman harikaydı.

Matt Poepsel: Beni davet ettiğiniz için teşekkürler. Harika bir konferans ve harika bir sohbet oldu.

David Rice: Bu bölüm için burada bitirelim. Bir sonraki bölümde görüşmek üzere.

Her zaman olduğu gibi, henüz yapmadıysanız bültene kaydolduğunuzdan ve tüm bunların doğrudan akışınıza gelmesi için bizi YouTube’da ve tüm sosyal medya kanallarında takip ettiğinizden emin olun.