Yapay Zekâ Neden Beklediğimiz Verimlilik Kazançlarını Sağlamıyor?

David Rice: Yöneticiler, çalışanlarının yaklaşık otuz beş uygulama kullandığını düşünüyor. Gerçek sayı sizi şaşırtabilir. Bu görünürlük açığı, yapay zekâ yatırımları artmaya devam ederken çalışan verimliliğinin neden yerinde saydığının merkezinde yer alıyor. WalkMe’den Ofir Bloch ise bunun geçici bir benimseme eğrisi olduğunu söyleme noktasını aştığımızı düşünüyor. Bunu kabul etmemiz gerekiyor. İş süreçlerini yeniden tasarlamadan araçları kullanıma sunmak bir strateji değildir.

Bugünkü programda Bloch ile WalkMe’nin Dijital Benimsemenin Durumu Raporu’nu ve beş yıllık verilerin kuruluşların gerçekte nerede hata yaptığını bize ne anlattığını konuşuyorum. Sorun model değil. Modelin çevresindeki her şey: parçalı sistemler, sürtüşme, yöneticilerin gerçekleştiğine inandıkları şey ile çalışanların her gün gerçekten yaşadığı şey arasındaki fark.

Şu anda bu konuda başarılı olan kuruluşlar, en gelişmiş yapay zekâya sahip olanlar değil. Sürtüşmeyi en hızlı azaltanlar. Bağlam sağlayan ve iş akışı içinde destek alan çalışanların, işlerine tamamen güvendiklerini bildirme olasılığı neredeyse dört kat daha fazla. Bunun nedeni daha iyi eğitim almaları değil; ihtiyaç duydukları anda, altı hafta önce değil, yardımın tam zamanında ulaşması.

Bugün, otuz beş uygulama ile yüzlerce uygulama arasındaki farkın yönetici-çalışan kopukluğunu neden açıkladığını, geleneksel eğitimin gerçek zamanlı değişime neden yetişemediğini, bir aracı kullanmakla gerçekten ondan yararlanmak arasındaki farkı ve şu anda modelin gelişmişliğinden çok orkestrasyonun neden önem taşıdığını ele alıyoruz.

Ben David Rice. Burası People Managing People. Kuruluşunuz hâlâ yapay zekâ başarısını lisans kullanımıyla ölçüyorsa, bu konuşma aslında neyi kaçırdığınızı gösterecek. Haydi başlayalım.

Ofir, hoş geldin. Seni burada görmek güzel.

Ofir Bloch: Teşekkürler David. Burada olmak güzel.

David Rice: Bugünkü konuşmaya, yayımladığınız rapordaki en büyük gerilimlerden biri etrafında başlamak istiyordum. Yapay zekâ yatırımları hızlanmaya devam ederken çalışan verimliliği ve deneyimi giderek kötüleşiyor gibi görünüyor.

Merak ediyorum, bunu geçici bir benimseme eğrisi olarak değerlendirmeyi ne zaman bırakıp yapay zekâyı uygulama biçimimizde temelden hatalı bir şey olduğunu kabul edeceğiz?

Ofir Bloch: Açıkçası, bence o noktayı zaten geçtik. Senin de söylediğin gibi, bunu kabul etmemiz gerekiyor.

Artık sorunu adlandırmaya ve onunla yüzleşmeye başlamalıyız. Rakamlara bakıyoruz. Şirketlerin teknolojiye ve elbette tüm bu yapay zekâ heyecanına giderek daha fazla para yatırdığını görüyoruz. Geçen yıl bu tutar rekor seviyeye, elli dört milyon dolara ulaştı. Ancak bildiğin gibi, yatırımlar beklediğimiz sonuçları gerçekten üretmiyor.

Dolayısıyla bir sorunumuz var. Bunu destekleyen veriler mevcut. Raporumuz bu noktaların çoğunu ortaya koyuyor ve bugün bunlar hakkında konuşmaktan memnunum.

David Rice: Sanki yapay zekânın yalnızca var olarak doğal biçimde verimlilik yaratacağını varsayıyoruz. Yani burada olması bile yeterliymiş gibi, herkesin kendini on kat geliştireceğini düşünüyoruz.

Ancak teknoloji benimsemesi ile iş akışı dönüşümü tamamen farklı iki şey. Bazı şirketler faaliyeti yetkinleştirmeyle karıştırıyor gibi görünüyor. Araçları işin nasıl yapıldığını yeniden tasarlamadan kullanıma sunmak, bizi şu noktaya getiriyor: Yatırım getirisini tanımlayamıyoruz.

Sonra ne yapacağımız konusunda da gerçekten karar veremiyoruz. Ayrıca şu anda batık maliyet psikolojisinin de devrede olduğunu düşünüyorum. Şirketler ne kadar fazla harcarsa, uygulamanın işe yaramadığını kabul etmeleri o kadar zorlaşıyor.

Ofir Bloch: Evet, kesinlikle doğru. Bu sorunun birçok katmanı ve seviyesi var.

Davranış değişikliğini yönlendirmekten kim sorumlu? Bu yeni araçların benimsenmesini sağlamaktan kim sorumlu? Şöyle bir yanlış kanı var: “İnşa edersen gelirler.” Bir şeyi kullanıma sunarsanız insanların onu kendiliğinden kullanacağı düşünülüyor. Oysa gerçekte tam tersi söz konusu. Giderek büyüyen bir verimlilik ya da benimseme açığı görüyoruz.

Yeniliklerin hızı akıl almaz düzeyde. Her gün yeni bir model çıkıyor. Sonnet 5’in yarın çıkacağını duydum; biz daha Claude’daki Opus 4.7’ye alışmıştık. Her gün yeni bir model geliyor ve her model diğerinden daha iyi. Fakat günün sonunda insanlar bunları yalnızca e-postaları özetlemek veya temel işleri yapmak için kullanıyorsa, bu araçlardan gerçekten yararlanmış ya da onların tüm potansiyelini kullanmış olmuyorlar.

David Rice: Sınırsız Hayaller filmine yaptığın göndermeyi de sevdim. Herhangi bir yapay zekâ içeriğinin yorum bölümüne bakarsanız, orası daha çok çığlıklar tarlası gibi. Ancak raporunuz yöneticiler ile çalışanlar arasında büyük bir algı farkı olduğunu gösteriyor.

Bu yalnızca güvenle ilgili değil. Hazırlık, eğitim ve bu araçların insanlara işlerinde gerçekten yardımcı olup olmadığı da söz konusu. Bu konu hakkında düşüncelerini merak ediyorum. Liderlik, işin gerçek yaşantısından nasıl bu kadar kopuk hâle geliyor?

Peki bu gerçekliğe hızla yeniden ulaşmak için ne yapmaları gerekiyor?

Ofir Bloch: Bence bu, rapordaki en açık gözlemlerden biriydi. Üstelik tutarlı bir sonuç; yayımladığımız beşinci rapor bu. Bunun birçok nedeni olabilir, ancak raporumuzun özellikle ortaya çıkardığı şey, yöneticilerin iş gücünün kullandığını düşündüğü uygulama sayısı ve teknoloji yığını ile gerçekte olanlar arasındaki büyük fark.

Yöneticilere iş gücünüz ya da çalışanlarınız kaç araç kullanıyor diye sorduğunuzda, bir avuç araç diyeceklerdir: otuz, otuz beş uygulama. Ancak şirketlerin sahip olduğu gerçek teknoloji yığınına ve portföye baktığınızda, bu sayı neredeyse yedi yüz uygulamaya ulaşıyor.

Dolayısıyla sahip olduklarını düşündükleri şey ile gerçekten kullanıma sundukları şey arasında büyük bir görünürlük açığı var. Bu anlaşılır bir durum; bugün araç satın almak çok kolay. Kredi kartınızı çıkarıp ayda yirmi dolar ödeyerek araçlara sahip olabiliyorsunuz. Üstelik doğaçlama kodlama ile bu daha da kolay.

Bugün herkes araç oluşturup geliştirebilir ve çoğumuz bunu zaten deniyoruz. Bu nedenle yöneticilerin sahip olduklarını düşündükleri şey ile iş gücünde gerçekten kullanılan şey arasında çok geniş bir görünürlük açığı oluşuyor. Bunun bir nedeni de bu durumu ölçmek veya incelemek için gerekli araçlara sahip olmamanız.

Raporun yıldan yıla çok net biçimde gösterdiği noktalardan biri bu. İkinci soruna, yani bu açığı kontrol altına almak için ne yapmaları gerektiğine gelirsek, bunun büyük bölümü iletişimle ilgili. İnsanların işte gerçekten neye ihtiyaç duyduğunu dinlemek gerekiyor.

Neleri kullanıyorlar? Neleri eksik? Bunun yanında teknolojik bir çözüm de var. Teknoloji yığınınızda nelerin bulunduğunu ve insanların gerçekte neleri kullandığını gösteren araçlar mevcut.

David Rice: Dinleme konusundaki vurgun çok yerinde. Bu sorunun nasıl ortaya çıktığını düşünürken, kopukluğun kendisi büyüleyici geliyor; çünkü iki grup da teknik olarak aynı kuruluşu deneyimliyor.

Yöneticiler çoğu zaman vaadi görüyor, çalışanlar ise sürtüşmeyi yaşıyor. Liderlik ekipleri, insanların deney yapma yükünü taşıdıklarını ve bunun yatırım getirisi üretmesini sağlamaya çalıştıklarını düşündüklerinde güvenin ne kadar hızlı aşındığını hafife alıyor. Tepede bir empati sorunu var gibi görünüyor.

Liderler bir şey çalışmadığında bunu teknoloji sorunu olarak görmeye eğilimli. Bunun bir teknoloji sorunu değil, insan sorunu olduğunu kaç kez söyleyebiliriz bilmiyorum. LinkedIn’de görüyorum, bu podcast’te duyuyorsunuz, diğer podcast’lerde duyuyorsunuz. Yine de bazı liderlerde karşılık bulmuyor. Nedenini bilmiyorum.

Ofir Bloch: Dijital empati diye bir kavram var. Birçok şirket çalışan deneyiminden söz ediyor. Ancak bugün, özellikle evden ve hibrit modelde çalışmaya başladığımızdan beri, çalışan deneyimi büyük ölçüde farklı dijital temas noktalarından ve işte kullandığımız teknoloji yığınını ve araçları nasıl deneyimlediğimizden oluşuyor.

Çalışan deneyiminden söz ettiğimizde bunun önemli bir bölümü teknolojiden kaynaklanan sürtüşmeyle, çalışma biçimlerini değiştirmekle veya yeni şeyler öğrenmeye çalışmakla ilgili. Dolayısıyla kesinlikle haklısın; bu kopukluk yardımcı olmuyor. Yönetim ve yöneticiler çalışanlarımızın ne tür araçlar kullandığını, bununla ilişkili sürtüşmeyi ve işlerini yapmaları için oluşturduğumuz farklı iş akışlarının karmaşıklığını anlayabilseydi, bu dijital empati duygusuna sahip olsaydık iş hayatı ve genel dijital çalışan deneyimimiz daha iyi olurdu.

David Rice: Katılıyorum. Gerçek sınırlamanın yapay zekânın kapasitesinde olmadığını, bağlam eksikliğinde olduğunu savunuyorsunuz. Bu, çoğu kuruluşun fark ettiğinden daha derin bir sistem sorunu gibi görünüyor. Bağlam neden kurumsal yapay zekânın belirleyici kısıtı hâline geliyor?

Ofir Bloch: Bunun bir bölümü bu araçların nasıl uygulandığıyla ilgili. Bir yapay zekâ patlaması yaşanıyor. Her satıcı yapay zekâyı entegre ediyor ve kendi araçlarının içine yerleştiriyor. Yardımcı araçlarımız var. Bu araçların çoğu tek bir uygulamaya veya ekosisteme odaklanıyor. Ancak iş tek bir uygulamada yaşamıyor. İş akışlarımız birden fazla uygulamaya yayılıyor ve yapay zekâ modelleri bu uygulamaların tümüne erişemiyor.

Bazı modeller API’ler veya MCP’ler ve A2A’lar gibi programatik yöntemlerle verilere erişebiliyor. Ancak kullandığımız her uygulamanın bu protokollere erişimi yok. Veriler, iş akışlarımızın yalnızca yüzde yirmi dokuzuna bu programatik yöntemlerle erişilebildiğini gösteriyor.

Yüzde yetmiş birine bu modeller ulaşamıyor. Bağlam konusuna gelirsek, bir çalışanın yaptığı işlerin büyük bölümü ekranında gerçekleşiyor. Bir çalışan ve insan olarak ekrana baktığımda, bir bakışta görebildiğim çok büyük miktarda bilgi var.

Yapay zekâ ise buna sahip değil. Hızlı bir örnek vereyim. Dinleyicilerinizin insan kaynakları profesyonellerinden oluştuğunu biliyorum. Diyelim ki sana, David’e, beş bin dolarlık anlık prim vermek istiyorum.

Bir uygulamanın içindeki sohbet robotuna, yardımcı araca veya yapay zekâ asistanına “David’e beş bin dolarlık anlık prim vermek istiyorum” dediğimde, bunu gerçekleştirmek için cevaplamam gereken çok sayıda soru ortaya çıkıyor. Satıcı tanıtımlarında bunun sihirli biçimde gerçekleştiğini görüyorsunuz, ancak gerçek hayat böyle işlemiyor.

Hangi David? Londra ofisimizdeki David mi, San Francisco ofisindeki David mi? David benim ekibimde mi? Beş bin dolarlık prim verme yetkim var mı? Mali işler yöneticisinin onaylaması gerekiyor mu? HCM sistemine giriş yaptığınızda tüm bu bilgileri tek ekranda görebilirsiniz.

Grafik kullanıcı arayüzü bu bağlamın büyük bir bölümünü barındırıyor, ancak yapay zekâ modelleri ekranınızı göremedikleri için bundan yoksun. Anketten gördüğümüz bir başka sorun da bu.

David Rice: Bu büyüleyici; çünkü işin büyük bölümü derin biçimde bağlamsal. Söylediğin gibi, bu sistemler bütün bunları göremiyor.

Son iki yıldır model zekâsı hakkında konuşuyoruz. Ancak kuruluş zekâsı hakkında ve bütün bu noktaları birbirine bağlama konusunda yeterince konuştuğumuzu sanmıyorum. Yapay zekâ olağanüstü çıktılar üretebilir, fakat bağlam olmadan kuruluşun önceliklerini, siyasetini, geçmişini ve bağımlılıklarını, yani kuruluşun çalışmasını sağlayan görünmez unsurları anlayamaz. Yatırım getirisini görmekte zorlanmamızın ve çıktılar bazen kuruluş olarak kim olduğumuzdan ve profesyonel olarak neyi başarmaya çalıştığımızdan kopuk hissettirmesinin nedenlerinden biri bu.

Ofir Bloch: Bu noktada bir istatistik daha vereyim. Çalışanların yüzde otuz yedisi yapay zekâyı tamamen atlıyor. Denemiyor bile; çünkü yanıtlamaları gereken çok fazla soru ve girmeleri gereken çok fazla bilgi var. Bazen işin tamamlanması için yapay zekâya güvenmiyorlar ve bu nedenle onu tamamen devre dışı bırakıyorlar.

David Rice: Eskiden sürekli serbest kalan zamandan söz ederdik. Bence serbest kalan zamanı daha fazla üretmek ve güne daha fazla iş sıkıştırmak için kullandık. Özellikle insan kaynakları gibi alanlarda, zaman kazandırarak sistemlere odaklanmak, onları öğrenmek ve kuruluş genelinde daha tutarlı hâle getirmek için daha fazla zaman ayırmayı değerlendirmeye değer.

Bence bu teknolojinin daha fazla sonuç vermesini sağlamaya yardımcı olacak büyük fırsat burada. Çoğu kuruluş gölge yapay zekâyı yönetişim veya uyum sorunu olarak çerçeveliyor, ancak bu rapor çoğu zaman bunun iyileştirilmiş sistemlerin işin gerçekliğiyle örtüşmediğinin bir işareti olduğunu gösteriyor.

Şirketlerin bu sorunu yanlış teşhis ettiğini gerçekten görüyor musunuz?

Ofir Bloch: Çoğunlukla evet. Ancak gölge yapay zekâ terimini sevmediğimi söyleyerek başlayayım. Buna işletme öncülüğündeki yapay zekâ demeyi tercih ediyorum; çünkü olan şey bu. Çoğu kuruluşun varsayılan tepkisi bunun bir güvenlik sorunu, yetkisiz araçlar olduğunu söylemek ve sistemi kilitlemek.

Risk açısından bu mantıklı, ancak gerçekte ne olduğunu gözden kaçırıyor. Çalışanlar size şunu söylüyor: “Bana sağladığınız veya kullanıma sunduğunuz araçlardan ihtiyacım olanı alamıyorum.” Anket yaptığımız çalışanların yüzde kırk beşi onaylanmamış araçları kullandığını kabul etti ve yüzde otuz altısı bunları gizli bilgilerle de kullandığını söyledi.

Bu çalışanların zarar vermek istediğini düşünmüyorum. Sadece işlerini yapmaya çalışıyorlar ve kuruluşlarının sağladığı araçlar beklenen sonucu üretmiyor olabilir. Yazı yazmak için Claude’u, ChatGPT’ye tercih edebilirim. Kodex’in ön yüz bileşenleri oluşturma biçimini Claude’un yönteminden daha çok beğenebilirim.

İşimi daha iyi yapmama yardımcı olacak aracı kullanacağım. Dolayısıyla gölge yapay zekâ bir davranış sorunu değil. Onaylanmış sistem ve ekosistem içinde çalışmak, bunun dışında çalışmaktan daha zor olduğunda olan şey bu. Çalışanlar size “Bizi dinleyin. Doğru araçları sağlamıyorsunuz” diyor.

David Rice: Gölge yapay zekâya farklı bir açıdan yaklaşmanı sevdim. Bu terimin yaşanan durumu tam olarak yansıtmadığını hep düşünmüşümdür. Gölge yapay zekâ kulağa Görevimiz Tehlike filmindeki Ethan Hunt’ın CIA ana bilgisayarına girmesi gibi geliyor. Oysa gerçekte çoğu insan riski artırmaya çalıştığı için değil, sürtüşmeyi azaltmaya çalıştığı için bu araçları kullanıyor.

Geçmişte, sistemler gerçekle uyuşmayı bıraktığında geçici çözümler ortaya çıkardı. Çalışanlar neden kuralları çiğniyor veya onaylanmamış araçları kullanıyor diye sormak yerine, resmi sistemlerin ihtiyaç duydukları işi yapmalarına neden yardımcı olmadığını sormak daha doğru.

Çalışanlar yapay zekâyı teknolojiye karşı oldukları için reddetmiyor. Kesintiyi, parçalanmayı ve belirsizliği, yani yapay zekânın yarattığı koşulları reddediyorlar. Liderlerin yapay zekânın modern iş içinde yarattığı bilişsel yükü hafife aldığını düşünüyor musun?

Ofir Bloch: Kesinlikle, hem de büyük ölçüde. Verilere baktığınızda bu çok açık. Her iki grubu da araştırdık. Yöneticilerin yüzde seksen biri yapay zekânın verimliliği artırdığını söylüyor; çünkü sonucu görüyorlar. Ancak çalışanlar yapay zekâyla ilişkili büyük bir sürtüşme bildiriyor.

Çalışanların yalnızca yüzde dokuzu karmaşık işler için yapay zekâya güveniyor. Bunun bir bölümü halüsinasyonlardan, bir bölümü de verileri kopyalayıp yapıştırmak ve sistemler arasında taşımak için gereken zamandan kaynaklanıyor. İşin tek bir uygulamada yaşamadığından söz ettik.

Satış kuruluşundaki bir kişiyi düşünün. Basit bir müşteri adayından fırsata ve nakde dönüşüm iş akışı, hukuk, satış ve pazarlama gibi beş farklı departmanda bir düzine uygulamaya yayılabilir. Her seferinde verileri kopyalayıp yapıştırmanız ve her aracın kendi yapay zekâsı veya yardımcısı olması çok fazla sürtüşme yaratır.

Uyumlu muyum, bu aracı kullanabilir miyim, bu belgeyi yükleyebilir miyim, bu bir halüsinasyon mu, veri kaynaklarını kontrol etmem gerekiyor mu diye düşünmeniz gerekir. Tüm bunları hesaba kattığınızda, evet, yapay zekânın getirdiği kesinlikle bir bilişsel yük var. Ancak yöneticiler bunu görmüyor; yalnızca sonucu görüyorlar.

David Rice: Liderlerle konuştuğumda duyduğum şeylerden biri de bu. Birçok lider yapay zekâyı gerçekten kullanmıyor. Kullanamamalarının nedenlerinden biri de karmaşık işlerde ona güvenmemeleri. “Bunu yaptım ama bana verdiği şeyi beğenmedim veya güvenmedim” diyorlar.

Sonunda “Peki, ne girdin?” sorusuna geliyoruz. Doğru şeyleri girmiyorsunuz, dolayısıyla güvenebileceğiniz bir sonuç alamıyorsunuz ve onunla bir ilişki kurmuyorsunuz. Birçok konuşmada gözden kaçan şey bu: Bunu yapmanın zihinsel bir yükü var. Artık yalnızca iş yapmıyorsunuz; nasıl çalıştığını çoğumuzun tam olarak anlamadığı bir sistemi yönetiyorsunuz.

Ofir Bloch: Evet, işin üzerine iş ekleniyor. İnsanlar alışkanlıklarının varlıklarıdır ve davranış değiştirmek gerçekten zordur. Yöneticileri örnek alalım. iPhone veya Android telefonunuza bir uygulama indirip beklediğiniz gibi çalışmadığını gördüğünüzde ne yaparsınız? Genellikle onu tamamen bırakırsınız.

Uygulamanın değişip değişmediğine, yükseltme veya güncelleme gelip gelmediğine bakmak için geri dönmeyiz. Beklediğimiz sonucu vermediği için onu bırakırız. Son birkaç yılda yapay zekâda olan da buydu. Modellerin farklı sürümlerinden geçtik ve giderek iyileştiler.

Ancak belki on iki ay önce yapay zekâyla bir şey denediniz ve beklediğiniz sonucu alamadınız. Sunumu istediğiniz biçimde tasarlamadı, belgeyi istediğiniz ses tonuyla üretmedi ve onu bıraktınız. Zihninizde istediğiniz işi yapamıyor.

Birçok yönetici onunla denemeler yaptı ve “Çalışmıyor, istediğimi vermiyor” dedi. Sonra geri dönmediler. Yapay zekâda gördüğümüz şey şu: Yenilik hızı nedeniyle sürekli geri dönüp denemeniz gerekiyor; çünkü araçlar gelişiyor. Ancak çalışma biçiminizi de sürekli değiştirmeniz gerekiyor.

David Rice: Çıktıları doğrulama işi, sürekli bağlam değiştirmek gibi başka bir şey. Artık eskisi gibi düşünmüyoruz. Ekibime her zaman şunu söylerim: Editör bakışı, yazar bakışından farklıdır. O anda tamamen farklı bir şapka takmanız gerekir.

Teknik olarak işleri daha hızlı yapıyoruz, ancak birçok açıdan toplam bilişsel yük biraz daha ağır. Bu yüzden işi otomatikleştirmiş olsak da günün sonunda hâlâ tükenmiş hissediyoruz.

Ofir Bloch: Çünkü daha fazlasını yapıyorsunuz. Daha fazlasını başarmaya çalışıyorsunuz.

David Rice: Rapor, geleneksel eğitimin yetişemeyeceğini söylüyor; çünkü modern iş gerçek zamanlı olarak değişiyor. Bu birçok insan için doğru. Ancak bu, ne yapılacağı sorusunu doğuruyor. İnsanları geleneksel eğitimin hazırladığına benzer biçimde, fakat modern çalışma ortamına nasıl hazırlayabiliriz?

Ofir Bloch: Birçok kuruluş hâlâ yeni sorunları eski araçlarla çözmeye çalışıyor. Şirketlerin içgüdüsü daha iyi ve daha sık eğitim yapmak, sınıf eğitimi düzenlemek ve videolar hazırlamak. Ancak bu işe yaramıyor.

Bu geleneksel yaklaşımlar 2026’da çalışmıyor. İnsanların öğrendiklerini unuttuğunu biliyoruz. Ayrıca bilişsel aşırı yüklenmeden söz ettin. Bu, özellikle iş yerinde farklı kuşaklar bulunduğunda ve dikkat süreleri çok kısa olduğunda kesinlikle gerçekleşiyor.

Her gün ortaya çıkan yeniliklere ve yeni modellere nasıl yetişebiliriz? Raporda gördüğümüz şey, eğitimi, tek seferlik bir eğitim, öğretici içerik veya video olarak vermek yerine iş akışına yerleştirdiğinizde ortaya çıkıyor. Yardım tam ihtiyaç duyduğunuz anda iş akışında bulunuyor, sizi bir süreç boyunca yönlendiriyor veya bir şeyi nasıl yapacağınızı hatırlatıyor. Büyük verimlilik artışlarını o zaman gördük.

Rapordan birkaç istatistik vereyim: İş akışı içinde bağlamsal destek alan çalışanların, işlerinin her boyutunda tam güven bildirme olasılığı 1,9 ila 3,7 kat daha yüksek. Bir şeyi öğrenmek için ayrıca zaman ayırmak yerine, ihtiyaç anında iş akışında destek almak yeni teknolojileri benimsemenin muhtemelen en iyi yolu.

David Rice: İş akışı içinde, tam ihtiyaç anında bağlamsal destek fikrini seviyorum. Çünkü günümüzde işin büyük bölümü kaotik hissettiriyor. Kariyerinizde belirli bir noktaya ulaştığınızda sürekli yeni bir şeyle karşılaşıyorsunuz.

Geleneksel eğitim her zaman istikrarlı bir ortam veya başlangıç noktası varsayar: Yazılımı öğren, iş akışını öğren, tekrarla. Ancak yapay zekâ her şeyi çok hızlı değiştirdiğinde, edindiğiniz statik bilgi daha edinir edinmez eskimeye başlıyor.

Bunu sürekli söylüyoruz ve kanıtlar da bunu doğruluyor: Gelecek, insanlara yalnızca araçları öğretmek değil; uyum sağlama konusunda güven oluşturmak ve hareket hâlindeyken sürekli öğrenmeyi öğretmek.

Ofir Bloch: Kesinlikle.

David Rice: Rapordaki daha incelikli fikirlerden biri, kazananların en gelişmiş yapay zekâya sahip kuruluşlar değil; insanları, sistemleri, iş akışlarını ve tüm bu bağlamı en iyi biçimde orkestre eden kuruluşlar olabileceği. Operasyonel entegrasyonun modelin gelişmişliğinden daha önemli olduğu bir döneme mi giriyoruz?

Ofir Bloch: Kesinlikle. Bir aracı kullanmakla ondan yararlanmak arasında büyük fark var. Lisans kullanımında artış görebilirsiniz. İnsanlar uygulamalara girip çıkabilir, ancak o uygulamaların içinde ne yapıyorlar? Yalnızca temel sorular soruyor, e-postaları özetliyor veya bir ifadenin biçimini değiştiriyorsam, kullandığım milyarlarca belirteçlik pahalı modelin tüm potansiyelinden gerçekten yararlanıyor muyum? Muhtemelen hayır.

Gerçek verimlilik sonuçlarını gören ve diğer şirketleri geride bırakan şirketler, insanlar ile teknoloji arasındaki açığı kapatma ihtiyacını anlayanlar. İş yerinde farklı kuşaklar ve farklı dijital beceri düzeyleri var. Değişime direnç de var. Kuruluşunuzdaki herkesin bu araçlardan aynı sonucu elde edebilmesini istiyorsanız, teknolojinin bağlamsallaştırılması ve kişiselleştirilmesi gerektiğini anlamalısınız. Teknolojiyi insanlara, insanları da teknolojiye yaklaştırmalı ve ortak bir zemin bulmalısınız.

Bu açıdan orkestrasyon iyi bir kelime. Birincisi, insanların bu araçlara yönlendirilmesi. İkincisi, insanlara hangi aracı ne zaman kullanacaklarını bunu ayrıca öğrenmek zorunda kalmadan nasıl anlatacağımız. Bir çalışan olarak masraf bildirimini nasıl yaptığımızı, hangi uygulamanın insan sermayesi yönetim sistemimiz olduğunu veya CRM’imizin ne olduğunu bilmek zorunda kalmamalıyım.

Benim bir iş hedefim ve görevim var. Yapay zekâ, on iki farklı uygulama arasında alt sekmeyle geçiş yapmak veya doğru yardımcı aracı aramak zorunda kalmadan bu iş akışını yürütmeme yardımcı olabiliyorsa harika. Bu durumda yapay zekâyı insana orkestre etmiş olurum ve bir iş sonucu elde ederim. Kuruluşların odaklanması gereken şey bu.

En akıllı modeli uygulamak yerine, insanlar ile kullanıma sunduğumuz modeller arasındaki açığı nasıl kapatabiliriz?

David Rice: Bu değişim için önemli bir an gibi görünüyor. Piyasa tartışmaları model savaşları etrafında dönüyor. Ancak çoğu kuruluş model yeterince akıllı olmadığı için zorlanmıyor.

Sistemler parçalı olduğu ve herkes bu yolculuğa dâhil edilmediği için başarısız oluyorlar. Orkestrasyon, üzerinde uzlaştığımız kelime gibi görünüyor ve şu anda en büyük rekabet avantajı olabilir; ham yapay zekâ kapasitesi değil.

Her şeyi, sürtüşmeyi en hızlı azaltacak kuruluş belirleyecek.

Ofir Bloch: Kesinlikle. Daha iyi ifade edemezdim.

David Rice: Ofir, bu güzel bir sohbetti. Katıldığın için teşekkür ederim.

Ofir Bloch: Kesinlikle. Beni davet ettiğin için teşekkürler. Raporun bağlantısını yorumlarda paylaşacağını düşünüyorum. Okumak isteyenler için raporun adı WalkMe’nin 2026 Dijital Benimsemenin Durumu Raporu. Görüşmek üzere.

David Rice: Kesinlikle; indirmeye değer. Okudum, büyüleyiciydi. Bu bölümü tanıtırken hakkında daha fazla paylaşım yapacağım, ancak rapora mutlaka göz atın.

Dinleyiciler, henüz yapmadıysanız peoplemanagingpeople.com/subscribe adresine gidin. Bültene kaydolun. Bu podcast’i ve ürettiğimiz diğer her şeyi doğrudan gelen kutunuza alacaksınız.

Bir sonraki bölüme kadar: bağlam, bağlam, bağlam.