Yapay Zekâ Pilotlarınızın Başarısız Olmasının Asıl Nedeni ve Onları Nasıl Rayına Oturtabileceğiniz

Çoğu yapay zekâ projesi kötü teknoloji yüzünden başarısız olmaz. İyi teknolojinin hazırlıksız insanlarla buluşması yüzünden başarısız olur.

Geçen yıl MIT araştırması, üretken yapay zekâ pilotlarının %95'inin ölçülebilir yatırım getirisi sağlamada başarısız olduğunu ortaya koyduğunda dünya çapında manşetlere çıktı. Başarısızlık oranının modelin kapasitesiyle hiçbir ilgisi yok. Kuruluşlar, yönetişim yapısı olmadan, eğitimden sorumlu kişiler belirlemeden ve ekiplerle iletişim kurulmuş net bir amaç olmadan yapay zekâ araçlarını baş döndürücü bir hızla kullanıma sunuyor. Haftalar içinde sistemler bozuluyor, çünkü insanlar hazır değildi.

İnsanlar araçları tutarsız biçimde kullanıyor ve bu da çıktıların büyük ölçüde değişmesine neden oluyor. Kalite dibe vuruyor. Çalışanlar anlamadıkları sistemlere bağımlı hale geliyor ve temel becerileri köreliyor. Sonuç sunma baskısı altında resmî araçları tamamen bırakıp kullanımı daha kolay hissettiren kişisel yapay zekâ araçlarına yöneliyorlar.

Artık buna gölge yapay zekâ diyoruz.

Maliyet yalnızca boşa harcanan geliştirme süresinden ibaret değil. Verimlilik kayıpları, düşen çıktı kalitesi, uyumluluk riskleri ve stratejik yön kaybı da söz konusu.

Yapay Zekâ Pilotları Neden Başarısız Olur?

Liderler yapay zekâ kullanımını aslında kurumsal bir dönüşüm olduğu halde bir teknoloji kullanıma sunma süreci olarak görüyor.

Bir kullanıma sunma süreci, teknolojiyle ilgili bir zorluktur. Seçtiğiniz araç için doğru verileri bulur, lisansları ve erişimi düzenler, ardından sistemi devreye alırsınız.

Dönüşüm, insanlarla ilgili bir zorluktur. Davranışlara, iş akışlarına, çalışma biçimlerine, kişisel kimliklere ve yetkinliklere dokunur. Asıl çalışma aracın kendisinde değil, insanların nasıl düşündüğü, karar verdiği ve iş birliği yaptığı noktada gerçekleşir.

Dönüşüm çalışmalarını atladığınızda, yenilik kılığına bürünmüş bir kaos elde edersiniz.

Hızlı ilerleme baskısı gerçek. Herkes rakiplerinin hızla öne geçtiğini varsayıyor; bu nedenle sistem tasarımı ve iş akışlarının yeniden tasarlanmasıyla ilgili zor çalışmayı atlıyorlar. Bazı kuruluşlar en üst kademeden başlayarak pervasız bir yaklaşım benimsiyor; maliyetleri düşürme, verimliliği artırma veya yenilikçi görünme arzusu bu yaklaşımı yönlendiriyor.

Sonuç mu? Şirketlerin %42'si yapay zekâ girişimlerini rafa kaldırdı; bu oran bir önceki yıl yalnızca %17 idi.

Yapay Zekânın Yatırım Getirisini Yok Eden Üç Yetkinlik Açığı

Beceri açığı tek bir sorun değil. Kurumsal başarısızlığa dönüşen ve birbirini büyüten üç ayrı yetkinlik eksikliği var.

1. Kullanıma sunma kararları için teknik muhakeme

Ekibinizin aracı ne zaman kullanacağını ve ne zaman kullanmayacağını anlaması gerekir. Bu, aracı nasıl kullanacağını bilmekten farklıdır.

Çoğu zaman insanlar, yapay zekâ çıktısının yeterince iyi olup olmadığını, bağlama uygunluğunu veya doğru soruyu yanıtlayıp yanıtlamadığını değerlendirecek muhakemeden yoksundur. "Araç bir şey üretti" ile "Araç faydalı bir şey üretti" arasındaki farkı ayırt edemezler.

Bunun SQL becerileriyle veya sürüm kontrolüyle hiçbir ilgisi yok. Mesele, gerçek çalışma bağlamlarında akıllı yapay zekâ kullanıma sunma kararları verecek ayırt etme yetisini geliştirmektir.

Degreed'de Yapay Zekâ Laboratuvarlarından Sorumlu Kıdemli Başkan Yardımcısı Taylor Blake, temel bir kopukluğa dikkat çekiyor.

"Yapay zekâ demosu ile yapay zekânın uygulamadaki kullanımı arasındaki fark çok büyük olabilir. İşin içine girip bu sorunları görmeniz ve hissetmeniz gerekene kadar bunu gerçekten bilemezsiniz," dedi.

2. Kalite standartları ve değerlendirme çerçeveleri

Çoğu kuruluş insanlara aracın nasıl çalıştığını gösteriyor. Bu, onların yalnızca yüzeysel bir fikir edinmesini sağlıyor.

Eksik olan şey, çıktıları anlamlı standartlara göre değerlendirme yetkinliği. Net kalite çerçeveleri olmadığında insanlar "bir şey üretti, o halde kullanırım" yaklaşımını benimsiyor.

Yatırım getirisi açığı önemlidir, çünkü gerçek getiriniz daha fazla çıktı üretmekten değil, insanların en yüksek değerli işlerinde daha iyi olmalarını sağlamaktan gelir. Herkesin aynı araçlara erişebildiği bir dünyada, insanların yapay zekâyı stratejik olarak uyguladığı bir ortam yaratmak, iş sonuçlarınızı farklılaştırır.

3. Yaratıcı uygulama ve problem çözme

Eğitimlerin çoğu bu noktada tamamen başarısız olur. Yaratıcı problem çözmeyi teşvik etmek yerine özellikleri öğretir.

Belki de biri, yaratıcı yönlendirmeye sahip olduğunda pazarlama metni oluşturmakta hiç zorlanmıyordur. Ancak seçenekleri analiz edip bir yön belirleme söz konusu olduğunda takılıp kalır. Asıl büyük fırsatları, yapay zekânın çalışma yaklaşımlarını yeniden şekillendirebileceği alan burasıdır.

Yaratıcı uygulamaya ilham vermek için farklı özellikleri sergilemek, çalışanların en çok zaman alan zorluklarının üstesinden gelmesine yardımcı olur. Dönüşümün gerçekte gerçekleştiği yer burasıdır.

Görmezden Geldiğiniz Kimlik Krizi

Kişisel kimlik, çoğu yapay zekâ uygulamaya alma planında yer almaz. Oysa almalıdır.

Yapay zekâ birinin rolünün bazı bölümlerini üstlenmeye başladığında, derin bir güvensizlik ve kaygı yaratır. İnsanlar iş gücündeki değişikliklere uyum sağlayamazlarsa ne olacağından korkar. Bu korku, iki yıkıcı şekilde ortaya çıkar.

1.) Şirketin yapay zekâ çalışmalarına direnç gösterir veya bunları sabote ederler. Bunu açıkça değil; pasif bir şekilde benimsememe, geçici çözümler kullanma ve resmî sistemleri sessizce baltalama yoluyla yaparlar.

2.) Bu araçların gerçekten iş ihtiyacını karşılayıp karşılamadığına bakmaksızın, kullanımı daha kolay hissettiren araçlara yönelirler. Bu durum gölge yapay zekâ sorununu yaratır: Çalışanların %90'ı iş görevleri için ChatGPT gibi kişisel yapay zekâ araçlarını her gün kullanırken, şirketlerin yalnızca %40'ının resmî LLM aboneliği bulunuyor.

Çalışan kaygısına ilişkin veriler şaşırtıcı boyuttadır. Çalışanların %65'i yapay zekânın işlerinin yerini almasından endişe ediyor. Yaklaşık üçte ikisi yapay zekâyı etik bir şekilde nasıl kullanacağını bilmemekten kaygılı. Bu kaygı, benimsemeyi doğrudan baltalıyor; yapay zekâyla ilgili değişim girişimlerinin %70 kadarı çalışanların karşı çıkması veya yetersiz yönetim desteği nedeniyle başarısız oluyor.

Culture Amp'te İnsanlardan Sorumlu Genel Müdür olan Justin Angsuwat, kuruluşunun bir yapay zekâ koçunu uygulamaya alma sürecinde sezgilere aykırı bir gözlemde bulundu.

Paradoks acımasız: İnsanlar aynı anda hem geride kalmaktan endişe ediyor hem de başarılı olmalarına yardımcı olmak için tasarlanan sistemleri aktif olarak baltalıyor.

Önce İnsani Çalışmayı Gerçekleştirmek

Yapay zekâ araçlarını uygulamaya almak üzere olan bir COO veya CHRO için müdahale, iletişim ve güven inşasıyla başlar.

Çalışanların bunu neden bu şekilde yaptığınızı, bundan ne kazanacaklarını ve bunun hem şirket içindeki hem de profesyonel anlamda geleceklerini nasıl şekillendireceğini anlamaları gerekir.

Yine de bunu tamamen benimsemeyebilirler. Ancak şeffaflık, gerçek anlamda benimsemenin temelini oluşturur.

Angsuwat'ın ekibi, kusursuz uygulama konusunda endişelenmeden önce güven oluşturmaya odaklandı.

"Amacımız, yapay zekâyı kullanma konusunda çalışanların güvenini artırmaktı; çünkü bir aydınlanma anını ölçmek oldukça zor," diye açıklıyor. "Bu süreç kasıtlı olarak öğrenmeye, denemeye ve gerçekten işe koyulmaya odaklanıyordu. Kusursuz bir sonuç sunmakla ilgili değildi; bu da üzerimizdeki baskıyı büyük ölçüde azalttı."

Önemli olan yeniden çerçeveleme, insanların yapay zekâyla çalışmayı yeni beceriler geliştirme ve temel katkılarının ne olduğunu yeniden düşünme fırsatı olarak görmelerine yardımcı olmaktır. Bunu mevcut rollerine yönelik bir tehdit olarak değil, daha değerli bir şeye dönüşme fırsatı olarak görmelerini sağlamaktır.

Ancak tek başına eğitim yeterli değildir. Angsuwat bunu zor yoldan keşfetti.

"İlginç olan şuydu: Bu altı haftalık program boyunca bazı insanlar süreci takip etti ve küçük istemleri uyguladı, bilgisayar oyunlarını oluşturdu; ancak günlük rutin iş akışına döndüklerinde yeniden gözleri korktu."

Bu, sorunlar ortaya çıktıktan sonra değil, uygulamaya almadan önce liderliğin zor işi önceden yapmasını gerektirir.

Cathey, denemeler için alan yaratmanın gerekliliğini vurguluyor.

"Şirketlerin, işin içinde değişim olduğunda insanların hızlanmak için yavaşlamak zorunda kalacağını kabul etmesinin gerçekten önemli olduğunu düşünüyorum. Hiç kimse bir günde acemilikten uzmanlığa geçemez. Bu bir süreç gerektirir ve çalışanlarınıza güvenli bir şekilde deneme yapabilmeleri için alan ve zaman tanımanız gerekir."

Yönetişimdeki Kör Nokta

Liderlik, net bir sahiplik, hesap verebilirlik yapıları veya kullanım kalıplarına ilişkin görünürlük olmadan araçları kullanıma sunduğunda, başıboş bir ortam yaratırsınız.

Çoğu şirket, insanların teknolojiyle gerçekte hangi işleri yaptığını veya onu nasıl kullandıklarını takip etmiyor. Bu da bir yönetişim krizine zemin hazırlar.

Bir yapay zekâ yönetişimi çerçevesi olmadan kuruluşlar; tutarsız veya sorunlu çıktılardan kaynaklanan itibar kaybı, kalite düştüğünde müşteri güveninin kaybedilmesi, boşa yapılan yatırımlar ve yeniden çalışmadan doğan mali kayıplar ile uyumsuzluklardan kaynaklanan düzenleyici cezalarla karşı karşıya kalır.

Operasyonel tehlike hemen ortaya çıkar. Net yönetişim yapıları olmadan, yapay zekâ sistemleri başarısız olduğunda veya olumsuz sonuçlara yol açtığında sorumluluk atayamazsınız. Sorunları ele almak ve sistemleri zaman içinde iyileştirmek için hesap verebilirlik oluşturmak kritik önem taşır.

Beceri açığı, bireysel yetkinliklerin ötesine geçer. Bu açık; görünürlük, hesap verebilirlik ve sürekli iyileştirme sağlayan kurumsal sistemler oluşturma ihtiyacından kaynaklanır.

5,5 Trilyon Dolarlık Soru

2026 yılına kadar küresel işletmelerin %90'ından fazlası kritik beceri eksiklikleriyle karşı karşıya kalacak. Süregelen beceri açıklarından kaynaklanacağı öngörülen kayıp: küresel piyasa performansında $5.5 trilyon.

Bu kulağa teorik veya sansasyonel gelebilir, ancak Dünya Ekonomik Forumu'na göre liderlerin %94'ü bugün yapay zekâ açısından kritik beceri eksiklikleriyle karşı karşıya. Her üç liderden biri %40 veya daha fazla açık bildiriyor.

Rekabet baskısı gerçek, ancak yetkinlik oluşturmadan uygulamaya geçme telaşı daha büyük bir sorun yaratıyor. Harici ortaklıklar kuran kuruluşlar, dahili geliştirmelere kıyasla %33'e karşılık %67'lik uygulama başarısı oranına ulaşıyor. Geleneksel yazılımlar için işe yarayan "bunu kendimiz geliştirelim" anlayışı, yapay zekâ başarısını doğrudan sabote ediyor.

Bu arada kuruluşların %75'i değişim doygunluğu noktasına yaklaştığını, bu noktada olduğunu veya bu noktayı aştığını bildiriyor. Ortalama bir çalışan, son yıllarda planlanan 10 kurumsal değişim yaşadı; bu sayı 2016'da yalnızca ikiydi. BT profesyonellerinin yarısından fazlası son 24 ay içinde yapay zekâ uygulamasını hızlandırdıklarını söylüyor.

Çok hızlı ilerlemenin insanlar üzerindeki maliyeti, teknik başarısızlıkları daha da artırıyor.

Pilot uygulamalarınızın başarısız olmasını önlemek için 4 adım

Yapay zekâyı uygulamaya koymak üzere olan bir COO veya CHRO iseniz, düğmeye basmadan önce yapılması gerekenler şunlardır. Yapay zekâyı değişim yönetimi sürecinize nasıl dâhil edebileceğinizi de düşünmeye değer.

1. Yalnızca uygulamayı değil, dönüşümü tanımlayın

Hangi iş akışlarının gerçekten değişeceğini haritalandırın. Kimin rollerinin ve nasıl etkileneceğini belirleyin. Başarının "araç uygulandı" ifadesinin ötesinde neye benzediğini tanımlayın ve eğitim, yönetişim ile sürekli destek için net bir sahiplik belirleyin.

2. İletişim altyapısını oluşturun

Bu özel yaklaşımı neden benimsediğinizi açıkça ifade edin. Çalışanların profesyonel açıdan neler kazanacağını açıklayın ve kimlik ile kaygı endişelerini doğrudan ele alın. Sorunları erkenden ortaya çıkarmak için geri bildirim döngüleri oluşturun.

3. İlk 30 gün: yetkinlik geliştirme sistemleri oluşturun

"Nasıl çalıştığı şöyle" eğitimlerinin ötesine geçerek "onunla nasıl düşünüleceği şöyle" yaklaşımını benimseyin. İnsanların çözebileceği en yüksek değer taşıyan sorunları belirlemelerine yardımcı olun ve kalite standartları ile değerlendirme çerçeveleri oluşturun. Stratejik kullanıma ilham veren yaratıcı uygulamaları sergileyin.

Başlangıçta insanların yavaşlamasına izin verin. Davranış değişikliğinin zaman aldığını ve insanların üretkenlik cezalarından korkmadan deneme yapabilmek için alana ihtiyaç duyduğunu kabul edin.

4. Süreklilik: yönetişim ve görünürlük oluşturun

Gerçek kullanım kalıplarını ve sonuçları takip edin. Kalite ve uyum için hesap verebilirlik yapıları oluşturun ve yapay zekâdaki sapmayı izleyin. Sistemi iyileştirmek için geri bildirim mekanizmaları oluşturun. Gölge yapay zekâyı bir krize dönüşmeden önce ele alın.

Kritik gerçeklik kontrolü: ABD'li çalışanların yalnızca %15'i iş yerlerinin net bir yapay zekâ stratejisi ilettiğini bildiriyor. Ekibiniz bunu neden yaptığınızı ve kendilerine nasıl fayda sağlayacağını açıklayamıyorsa, zaten geridesiniz.

Kurmanız Gereken Köprü

Benimsemeler başarısız oluyor çünkü kuruluşlar, araçları etkili bir şekilde yönetmek, uygulamak ve bunlardan yararlanmak için gereken insan altyapısını oluşturmaktan daha hızlı bir şekilde araçları kullanıma sunuyor.

Yetkinlik uyumsuzluğu açıkça görülüyor ve rekabet baskısı artmaya devam ederken maliyetler ölçülebiliyor. Ancak çözüm, AI benimsenmesini yavaşlatmak değil. Çözüm, insan yetkinliklerinin geliştirilmesini buna paralel olarak sağlamak. Bu, bunu aslında bir teknoloji projesi ve kullanıma sunulma tarihi olan bir girişim olarak değil, gerçekte olduğu gibi kurumsal dönüşüm olarak ele almak anlamına geliyor.

Doğru yaparsanız AI'ı kalıcı bir rekabet avantajına dönüştürürsünüz. İnsanlara yönelik çalışmaları atlar ve pilot uygulamaları hiçbir zaman yatırım getirisi sağlayamayan %95'lik kesime katılırsınız; bunun nedeni çoğu zaman kuruluşların en başından beri AI yatırım getirisini yanlış ölçmesidir.

Liderler, hız ve hazırlık arasında seçim yapıyormuş gibi davranıyor. Gerçekte ise sürdürülebilir dönüşüm ile maliyetli başarısızlık arasında seçim yapıyorlar.