Yıllık Değerlendirmelerden Sürekli Yapay Zekâ Destekli Koçluğa: Uygulamalı Bir Geçiş Çerçevesi

Fortune 500 şirketlerindeki CHRO'ların yalnızca %2'si mevcut performans değerlendirme sistemlerinin iyileşmeyi güçlü biçimde desteklediğine inanıyor.

Bu oran, İK konferanslarında ve tedarikçilerin tanıtım sunumlarında güvenilir bir gündem maddesi hâline geldi; genellikle ardından yapay zekâ destekli sürekli geri bildirimin sorunu çözeceği vaadi geliyor. Bu söylem ikna edici. Ancak şimdiye kadarki sonuçlar öyle değil.

MIT'nin NANDA girişimi tarafından yürütülen ve artık ünlü olan araştırma, üretken yapay zekâ pilot programlarının yaklaşık %95'inin üretim ortamına ölçeklenemediğini gösterdi. RAND Corporation tarafından yapılan ayrı bir analiz ise genel yapay zekâ projesi başarısızlık oranını %80 olarak belirliyor; terk edilen projelerde ortalama 4,2 milyon dolarlık batık maliyet oluşuyor. 

Gartner, kurumsal yapay zekâyı artık 2026 için kesin biçimde Hayal Kırıklığı Çukuru'nda sınıflandırıyor; bu tanım, CHRO'ların sahada yaşadıklarıyla örtüşüyor: tanıtımda iyi görünen, pilot uygulamada kabul edilebilir sonuçlar veren ve kurumsal benimseme aşamasında duran araçlar.

Performans yönetimi alanı bu örüntüye karşı özellikle savunmasız, çünkü iyileştirmeyi amaçladığı temel süreç olan yıllık değerlendirme, kendisi de derin biçimde yerleşmiş durumda. Geri bildirimi sürekli, yapay zekâ destekli bir koçluk döngüsüne dönüştürmeyi vaat eden bir araç satın almak, tedarikçi sunumunda ikna edici görünüyor. 

Operasyonel açıdan bu, yöneticilerin zamanlarını nasıl kullandıklarının, ücret ve terfi kararlarının nasıl alındığının ve çalışanların hesap verebilirliği nasıl deneyimlediğinin baştan sona yeniden tasarlanmasını gerektiriyor. Çoğu kuruluş bu yeniden tasarımı atlıyor ve yükü yazılımın taşımasını bekliyor.

Aşağıda, uygulamaların gerçekte nerelerde aksadığı üzerine kurulmuş pratik bir geçiş çerçevesi yer alıyor:

• Çoğu kuruluşun atladığı geçiş öncesi denetim
• Yöneticinin iş akışının geçişin ardından nasıl görünmesi gerektiği
• Koçluk araçlarının gözetim araçlarına dönüşmesini önleyen aktarım mimarisi
• Tekrarlanan beş başarısızlık biçimi ve geçiş için gerçekçi bir zaman çizelgesi.

Denetim

Herhangi bir yapay zekâ aracı yapılandırılmadan önce üç sorunun dürüstçe yanıtlanması gerekir.

Veri

İlk soru veriyle ilgili. Yapay zekâ destekli sürekli koçluk, şu unsurları içeren düzenli bir yapılandırılmış girdi akışına bağlıdır:

• Belgelendirilmiş bire bir görüşme notları
• Proje kilometre taşları
• Akran geri bildirimi kayıtları
• Hedef izleme güncellemeleri.

Yöneticiler bu verileri hâlihazırda tutarlı bir şekilde oluşturmuyorsa yapay zekânın analiz edebileceği anlamlı hiçbir şey yoktur. Kötü veri girerse, gürültü çıkar.

Yönetici yetkinliği

İkinci soru yönetici yetkinliğiyle ilgili. Bağlılık kaybı sinyalini işaretleyen ve bir koçluk müdahalesi öneren yapay zekâ sistemi, ancak bu işareti alan yönetici buna nasıl karşılık vereceğini biliyorsa yararlıdır.

Yöneticileriniz şu anda doğrudan geri bildirim görüşmeleri yapmakta zorlanıyorsa makine tarafından oluşturulan bir yönlendirme eklemek bunu düzeltmez. Bu, eksikliği daha hızlı ortaya çıkarır; bu yararlı olabilir, ancak yalnızca kuruluşun bu eksikliği giderecek bir planı varsa.

Süreç

Üçüncü soru süreç mimarisiyle ilgili. Mevcut performans yönetimi sisteminizde konuyu üst kademeye taşıma yolları açıkça belirlenmiş mi? Yetersiz performans örüntüsü ne zaman yöneticinin sorumluluğundan İK'nın sorumluluğuna geçer? Bir koçluk müdahalesinin ne zaman performans iyileştirme planına dönüşeceğine kim karar verir?

Yapay zekâ sorunları geniş ölçekte işaretlemeye başlamadan önce bu aktarım noktalarının mevcut olması gerekir; çünkü uyarıların hacmi, mevcut sürecinizdeki her belirsizliği birkaç hafta içinde açığa çıkaracaktır.

Daha geniş kapsamlı yapay zekâ uygulama araştırmaları faydalı bir çerçeve sunuyor. Bu yılın başlarında yayımlanan bir Dünya Ekonomik Forumu raporu, kuruluşların beşte birinden azının veri hazırlığının herhangi bir boyutunda yüksek olgunluk bildirdiğini ve iş liderlerinin %72'sinin veri temelleri ile veri hatlarının yapay zekâ yatırımlarında en hızlı büyüyen alan olacağını söylediğini ortaya koydu.

Performans yönetimi açısından temel çalışma; araç etkinleştirilmeden önce veri ortamınızın haritasını çıkarmak, yöneticilerinizi değerlendirmek ve süreç mimarinizi belgelemek, yani denetim yapmaktır.

Geçişten Sonra Bir Yöneticinin Haftası Nasıl Görünür?

Sürekli geri bildirim hakkında yazılan içeriklerin en yaygın sorunu, kavramsal düzeyde kalmalarıdır.

"Sürekli koçluk görüşmelerine geçin" ifadesi, yöneticiye salı günü hakkında hiçbir şey söylemeyen bir talimattır. Geçiş çerçevesi, bir İK direktörünün, birinci kademe yöneticisinin anlayacağı ifadelerle haftalık rutininde neyin değiştiğini açıklayabileceği kadar somut olmalıdır.

Olgun bir uygulamada yapay zekâ platformu, her doğrudan bağlı çalışanın faaliyetlerinin sürekli güncellenen bir özetini oluşturur; proje yönetimi verilerinden, eş geri bildirimi kayıtlarından ve belgelenmiş bire bir görüşme notlarından yararlanır.

Pazartesi

Yöneticinin pazartesi günü genellikle bu özetleri 15 ila 20 dakika boyunca önceliklendirmesiyle başlar. Sistem, sekiz ila on doğrudan bağlı çalışandan oluşan bir ekipte belki beş ila yedi koçluk fırsatını işaretlemiştir; bunlar aciliyet ve örüntü gücüne göre sıralanır.

Yöneticinin görevi bu listeyi filtrelemektir. Bazı işaretlemeler gürültüdür. İş birliği ölçümlerindeki düşüş, ilgisizlikten değil, tüm dikkatin işe verilmesini gerektiren bir proje aşamasından kaynaklanabilir. Yapay zekâ bunu bilemez. Yönetici bilir.

Bu filtreleme adımı, insan yargısının vazgeçilmezliğini koruduğu noktadır. Yapay zekâyı yönetsel muhakemenin desteği yerine onun ikamesi olarak konumlandıran uygulamalar da genellikle burada çöker.

Salı - Cuma

Hafta boyunca yönetici bire bir görüşmeler gerçekleştirir. Eski modelde bu görüşmeler çoğu zaman, o anda en çok akılda olan konu tarafından yönlendirilen, yapılandırılmamış durum kontrolü toplantılarıdır.

Geçiş yapılmış modelde yapay zekâ, her doğrudan bağlı çalışan için bir koçluk gündemini önceden yükler ve yöneticinin fark etmemiş olabileceği örüntüleri ortaya çıkarır: bu ay ekip arkadaşlarından üç kez takdir alan ancak gelişim alanları hakkında hiç geri bildirim almayan bir ekip üyesi ya da hedef tamamlama oranı son iki sprintte keskin biçimde düşen biri.

Eski modelden temel fark, görüşmelerin sıklığı değildir. Pek çok yönetici zaten haftalık bire bir görüşmeler yapıyordu. Fark, hazırlığın kalitesidir. Yapay zekâ, bir yöneticinin ya insanın tam bir ekip genelinde takip edebileceğinden daha fazla veri olması nedeniyle kötü yaptığı ya da hiç yapmadığı toplama ve örüntü tanıma işini üstlenir.

Ancak yeni rutinin benimsenmesi, çoğu kuruluşun öngöremediği şekillerde eşit değildir. Poepsel'e göre yapay zekâ tarafından oluşturulan sürekli içgörülerle gerçekten ilgilenen yöneticiler, araç gelmeden önce de koçluk alışkanlıklarına sahip olan yöneticiler olma eğilimindedir.

"Yapay zekâ yalnızca mevcut olanı güçlendirdi," dedi. "Diğerleri içinse araç, davranışsal bir boşluğa yerleşti."

Kuruluşların rutin olarak gözden kaçırdığı bir etken olarak davranış profilini işaret etti: sonuç odaklı yöneticiler aracı gürültü olarak görme eğilimindeyken, insan odaklı yöneticilerin onu mevcut yaklaşımlarına entegre etme olasılığı daha yüksek.

"Benimseme stratejinizde davranış profilini hesaba katmazsanız, tek bir yönetici türü için tasarım yapar ve diğerlerinin neden buna ayak uydurmadığını merak edersiniz," dedi.

60 kuruluşta 633 yöneticiyi analiz eden Happily.ai verileri, örüntünün koçluk tarzından daha derinlere uzandığını gösteriyor. Şirket, kıdemin ekip bağlılığıyla neredeyse hiçbir ilişkisinin olmadığını ortaya koydu; bu da tutarlı biçimde varlık gösteren üç aylık bir yöneticinin, bunu yapmayan on yıllık bir yöneticiden daha iyi performans göstereceği anlamına geliyor.

Veri kümelerindeki yöneticilerin en alt çeyreği kademeli olarak düşük performans göstermedi. Ekiplerinin bağlılık puanları sıfırdı. Sürekli geri bildirime geçiş açısından bunun anlamı şu: teknoloji ilk günden hazır olabilir, ancak yönetici davranışlarındaki farklılık, bunun içgörü mü yoksa sessizlik mi üreteceğini belirleyecektir.

Bununla birlikte, zaman yatırımı ortadan kalkmak yerine değişiyor. Yöneticiler yıl sonu değerlendirmelerinin yoğunluğu için daha az zaman harcıyor. Erken benimseyenler arasında sıkça dile getirilen bir hedef, değerlendirmeyle ilgili idari işlere harcanan toplam sürede %20 azalma sağlanması ve bu zamanın yıl geneline yayılarak daha kısa, daha odaklı koçluk temas noktalarına dağıtılmasıdır.

Toplam saatler mutlaka azalmaz. Saatler daha verimli hâle gelir.

Üç Kademeli Devir

Yapay zekâ destekli bir koçluk uygulamasını başarısızlığa uğratmanın en hızlı yollarından biri, içgörü ile gözetim arasındaki ayrımı ortadan kaldırmaktır.

Yapay zekânın iş birliği kalıplarını, e-posta yanıt sürelerini veya toplantı katılımını bağlam sunmadan takip ettiğini fark eden çalışanlar, sistemi gözetim olarak yorumlayacaktır. Kuruluş, nelerin takip edildiği, kimin neyi gördüğü ve bir uyarının yöneticinin ötesine ne zaman taşınacağı konusunda net sınırlar oluşturmadıysa bu yorumları yanlış da olmayacaktır.

Bu işi başarıyla yürüten kuruluşlar genellikle üç kademeli bir modelle çalışır.

Yönetici düzeyi

Birinci kademe yönetici düzeyidir. Yapay zekâ, koçluk önerilerini, örüntü özetlerini ve gelişim tavsiyelerini doğrudan yöneticiye sunar. Bu veriler, yöneticinin koçluk görüşmelerinde kullanması içindir. Veriler otomatik olarak üst yönetime paylaşılmaz.

HRBP düzeyi

Bir örüntü, örneğin performans ölçümlerinde 60 ila 90 gün boyunca süren bir düşüş veya yöneticinin harekete geçmediği tekrarlanan uyarılar gibi belirlenmiş bir dönem boyunca devam ettiğinde sistem HRBP'ye yükseltir. Bu yükseltme, HRBP ile yönetici arasında bir görüşmeyi tetikler; yöneticinin bağlamı olmadan İK'nın çalışanın verilerini incelemesini değil.

Kurumsal düzey

Toplu ve anonimleştirilmiş veriler, iş gücü planlaması için üst yönetime aktarılır. Liderlik, ekipler ve departmanlar genelindeki eğilimleri, çalışanı elde tutma riski örüntülerini ve bağlılık eğilimlerini görür. Bireysel çalışan panolarını görmezler.

Şeffaflık unsuru, mimari kadar önemlidir. Çalışanların nelerin takip edildiğini, bunun nasıl kullanıldığını ve kendileri hakkında neleri görebileceklerini bilmeleri gerekir. Tepkiden kaçınacak uygulamalar, çalışanlara yapay zekâ tarafından oluşturulan kendi özetlerine erişim sağlayacaktır. Bu da tek yönlü bir izleme aracı yerine koçluk görüşmeleri için ortak bir referans noktası oluşturur.

Sektörler genelinde benimseme sorunlarının yaşanmasının nedenlerinden biri, benimseme başarısızlıklarının çoğunlukla teknik sınırlamalardan değil, çalışanların konuyla ilgili olma, kimlik ve iş güvencesi endişelerinden kaynaklanmasıdır.

Performans yönetiminde bu endişeler, yapay zekânın işlediği verilerin kişisel olması nedeniyle daha da büyür. Birinin iş yerinde nasıl davrandığı, nasıl iş birliği yaptığı ve nasıl performans gösterdiği. Çalışanlar bu verilerin kendileri için değil, kendilerine karşı kullanıldığını hissederse aracın teknik kapasitesi ne olursa olsun benimseme sona erer.

Beş Başarısızlık Biçimi ve Gerçekte Nasıl Göründükleri

Yapay zekâ projelerindeki başarısızlıklara ilişkin araştırmalar ve özellikle performans yönetimindeki erken benimseyenlerin deneyimleri, tekrar eden beş aksama örüntüsüne işaret ediyor. Bunları ayrıntılandırmaya değer; çünkü sürekli geri bildirim konusunda satıcı sponsorluğundaki içeriklerin çoğu bunlardan hiç bahsetmiyor ve gerçek operasyonel öğrenmenin gerçekleştiği alanları temsil ediyorlar.

Sonradan ekleme sorunu

Kuruluş yapay zekâ aracını satın alıyor ancak yıllık değerlendirmeyi kaldırmıyor. Her iki sistem de paralel olarak çalışıyor. Yöneticiler alışık oldukları sistemi tercih ediyor. Yapay zekâ platformu kullanılmadan kalıyor ve yenileme zamanı geldiğinde veriler, benimsemenin düşük olduğunu ve yatırım getirisinin belirsiz kaldığını gösteriyor.

Sürekli koçluğa geçiş yapıyorsanız yıllık değerlendirme sürecinin üzerine ekleme yapılmamalı, süreç tamamen sökülmelidir. Her ikisini birlikte yürütmeye çalışan kuruluşlar, yıllık döngünün her seferinde kazandığını görecektir; çünkü yıllık döngünün kurumsal bir ağırlığı vardır ve yeni sistemin yerini alabilmesi için henüz güven kazanmadığı biçimlerde ücretlendirme kararlarına bağlanır.

Gürültü sorunu

Yapay zekâ her şeyi işaretler. Yöneticiler günde 10 ila 15 uyarı alır, sinyali gürültüden ayıramaz ve sonunda sistemi tamamen görmezden gelmeye başlar. Temel neden genellikle kurulum sırasında eşiklerin yanlış yapılandırılmasıdır.

Platform, yöneticilerin günlük değil, haftada üç ila beş uygulanabilir koçluk anı göreceği şekilde ayarlanmalıdır.

Gürültü Güveni Aşındırır

“Bu güveni, birkaç yüksek kaliteli isabetle yavaş yavaş kazanırsınız. Tek bir önemli hatayla onu hızla kaybedersiniz. Çoğu platform, bu güveni oluşturmadan önce yöneticileri içgörülere boğar. Gevşek filtrelerle başlayıp bunları daha sonra sıkılaştırmayı planlayan uygulamalar nadiren toparlanabilir; çünkü aşırı gürültünün verdiği güven hasarını tersine çevirmek zordur.”

Güven boşluğu

Yöneticiler, yapay zekâ tarafından oluşturulan bir koçluk istemi alıyor ve buna inanmıyor. Belki de sistem, yöneticinin en başarılı çalışanlardan biri olarak gördüğü bir çalışanın bağlılığını kaybettiğini işaretliyor.

Yönetici, tutarsızlığı araştırmak yerine yapay zekâyı göz ardı ediyor. Poepsel bunun yaygın bir örneğini şöyle açıklıyor: Yapay zekâ, iletişim sıklığı veya toplantılara katılım gibi davranışsal sinyallere dayanarak bağlılık kaybını işaretliyor, ancak bağlamı tamamen gözden kaçırıyor.

Birisi derinlemesine çalıştığı için sessiz olabilir. Ya da kişisel bir süreçten geçiyor olabilir," dedi. "Yönetici, görevi gereği bu işarete dayanarak harekete geçiyor, tuhaf bir durum değerlendirme görüşmesi yapıyor ve çalışan desteklendiğini değil, gözetlendiğini hissediyor. Bu uyumsuzluk anı yalnızca ilişkiye zarar vermekle kalmaz. Yöneticinin araca duyduğu güveni de zedeler.

Çözüm, yapay zekânın değerlendirmelerini nasıl oluşturduğu, hangi verilerden yararlandığı ve bilinen hata oranının ne olduğu konusunda şeffaf olmaktır. Yanlış pozitif oranlarını aracın doğruluğunu pazarlamak yerine yöneticilerle açıkça paylaşmak, benimsenmenin sürdürülebilmesini sağlayan ölçülü bir güven oluşturur.

Gözetim tepkisi

Bu konu devir teslim bölümünde ele alınmıştı, ancak ayrı bir başarısızlık biçimi olarak ayrıca vurgulanmaya değer. Çalışanlarla iletişim zayıfsa, kuruluşun iyi niyetleri ve makul bir veri mimarisi olsa bile bu durum yaşanabilir.

Tetikleyici neredeyse her zaman açıklama değil, keşiftir: çalışanların nelerin izlendiğini önceden kendilerine söylenmesi yerine sonradan öğrenmeleri.

Veri kalitesi sorunu

Yapay zekâ eksik kayıtları analiz ediyor. Kuruluştaki yöneticilerin yarısı bire bir görüşmelerini belgeliyor. Diğer yarısı ise bunu yapmıyor. Ekip arkadaşlarından alınan geri bildirimler düzensiz. Hedef takibi ekipler arasında tutarsız. Yapay zekâ, kalitesi büyük ölçüde değişen içgörüler üretiyor ve bu da kuruluş genelinde sistemin çıktısına duyulan güveni aşındırıyor.

Bu, birinci bölümdeki denetim sorununun geniş ölçekte ortaya çıkmasıdır ve göç öncesi veri temizliği adımının neden vazgeçilmez olduğunu açıklar.

Yıllık Değerlendirmeler Olmadan Ücret ve Terfi Kararları Alma

Bu, CFO'ları ve ücret komitelerini tedirgin eden sorudur ve sürekli geri bildirim içeriklerinin çoğunun kaçındığı sorudur. Yıllık değerlendirmeyi kaldırırsanız terfi ve ücret kararlarını nasıl alırsınız?

Kısa cevap, tek bir yüksek riskli yargının yerine zaman içinde biriktirilen, belgelenmiş ve daha düşük riskli bir dizi değerlendirme koymanızdır.

Göç edilmiş bir sistemde yapay zekâ, yıl boyunca girilen koçluk görüşmelerini, hedef tamamlama verilerini, ekip arkadaşlarının takdirlerini ve yönetici değerlendirmelerini bir araya getiren sürekli güncellenen bir performans kaydı tutar.

Üç aylık veya altı aylık karar noktası geldiğinde, yönetici ve HRBP, geriye dönük bir yıllık değerlendirmenin üretebileceğinden daha geniş, daha güncel ve daha ayrıntılı bir kanıt bütününe sahip olur.

Daha uzun cevap ise bunun, kalibrasyon sürecinin temelden yeniden tasarlanmasını gerektirdiğidir. Yöneticilerin, zorunlu dağılım eğrisine göre ekip üyelerinin puanlarını savunduğu yıllık kalibrasyon oturumları, performans verilerinin sınırlı ve öznel olduğu bir dünya için tasarlanmıştır.

Sürekli bir modelde kalibrasyon görüşmesi, puanları tartışmaktan gidişatları incelemeye kayar. Bu kişi yükseliş eğiliminde mi? Gelişim hızı değişti mi? Belgelenmiş performansları ile ücret bantları arasındaki boşluklar nerede?

Poepsel bunu, sürekli geri bildirim görüşmesinin merkezindeki çözülmemiş gerilim olarak görüyor.

Çoğu kuruluş yıllık değerlendirmenin yerine başka bir şey koymadı. Üzerine sürekli geri bildirim eklediler. İki sistemi birlikte işletiyor ve buna dönüşüm diyorlar," dedi. "Yapay zekâ, kalıpları ortaya çıkararak, gelişim gidişatlarını belirleyerek ve yönetici değerlendirmeleri arasındaki tutarsızlıkları işaretleyerek insan yargısına bilgi sağlamalıdır. Ancak kararı yine de insan vermelidir. Kuruluşlar bunun aksini varsaydığında yanlılığı ortadan kaldırmış olmazlar. Hesap verebilirliği belirsizleştirirler.

Haftalık geri bildirim alan çalışanların bağlı olma olasılığının 2,7 kat daha yüksek olduğunu ortaya koyan ve sıkça atıfta bulunulan Gallup bulgusu, sürekli geri bildirime geçiş için çoğu zaman bir gerekçe olarak öne sürülür. Ancak tek başına bağlılık, ücret sorununu çözmez.

Operasyonel soru, sürekli verilerin gerçekten daha iyi terfi ve ücret kararları üretip üretmediğidir. Tam geçişi gerçekleştiren kuruluşlardan elde edilen ilk kanıtlar yanıtın evet olduğunu gösteriyor, ancak bir koşulla: Verilerin kalitesi tamamen yöneticilerin yıl boyunca sistemi ne kadar tutarlı kullandığına bağlıdır.

Benimsemenin eşitsiz olduğu kuruluşlarda sürekli veri, aslında eski sistemden daha kötüdür; çünkü eksik girdilerle desteklenen bir titizlik yanılsaması yaratır.

Gerçekçi Bir Geçiş Takvimi

Yukarıda belgelenen başarısızlık örüntülerine ve bu geçişi yönetmiş kuruluşların deneyimlerine dayanarak, aşamaların sıralaması kabaca şöyledir.

1-3. aylar denetim aşamasıdır. Veri ortamınızın haritasını çıkarın. Yöneticilerin hazırlık düzeyini değerlendirin. Mevcut tırmandırma ve karar alma mimarinizi belgeleyin.

Bu aşama gösterişsizdir ve görünür bir çıktı üretmez; bu nedenle atlanır. Bu aşamayı atlayan kuruluşlar, süreç içinde güvenilirliklerini ve ilk yenileme dönemlerini tüketmiş olarak dokuz ay sonra kendilerini yeniden bu aşamada bulma eğilimindedir.

4-6. aylar süreç yeniden tasarımı aşamasıdır. Yönetici iş akışının yeniden oluşturulduğu yer burasıdır. Haftalık ritim nasıl görünüyor? Devir teslim protokolleri neler? Kalibrasyon nasıl işleyecek? Hangi verileri kim görecek?

Bu sorular, herhangi bir tedarikçi seçilmeden önce yanıtlanır; çünkü yanıtlar gereksinimleri belirler.

7-9. aylar pilot aşamasıdır. Bir grup yönetici, seçilen platformla yeni süreci yürütür. Pilot uygulamanın amacı sistemin çalıştığını kanıtlamak değil, aksine nerelerde bozulduğunu belgelemektir.

Her başarısızlık biçimi, her geçici çözüm ve her kafa karışıklığı noktası kataloglanır. Başarı öyküsü yerine başarısızlık kataloğu oluşturmak için pilot uygulamayı kullanan uygulamalar yanlış sonuca odaklanıyor demektir.

10-12. aylar ayarlama ve daha geniş kapsamlı kullanıma sunma aşamasıdır. Protokoller, pilot uygulamanın ortaya çıkardıklarına dayanarak gözden geçirilir. Kuruluş için gerçekçi beklentiler belirlenerek kullanıma sunma kapsamı genişletilir.

Uygulamaların çoğu, ilk yılın sonunda hedeflenen benimseme düzeyinin %60-70'ine ulaşır. Sistemin eski süreçleri tamamlayan bir unsur olmaktan çıkıp birincil performans yönetimi mekanizmasına dönüştüğü tam olgunluğa ulaşmak 18 ila 24 ay sürer.

Görüştüğüm kişilerin dürüst değerlendirmesi, kuruluşların çoğunun bu geçişten bekledikleri değerin yaklaşık %60'ına ulaşacağı yönünde. Ölçüm çerçevesi gerçeklikle uyumlu olacak şekilde kalibre edilmişse bu yine de değerlidir.

Yöneticilerin idari inceleme çalışmalarına ayırdığı zaman azalır. Özgüllük ve zamanındalıkla ölçülen geri bildirim kalitesi artar. Çalışanların bulundukları nokta hakkındaki netliği gelişir. Ancak bunların hiçbiri 90 günde gerçekleşmez ve bunların hiçbiri, onu destekleyecek şekilde tasarlanmamış bir sürece bir araç eklenerek gerçekleşmez.

Gartner'dan John-David Lovelock, bu yılın başlarında yapay zekânın kuruluşlara çoğunlukla yeni bir projenin parçası olarak satın alınmak yerine mevcut yazılım sağlayıcıları tarafından satılacağını söyledi; çünkü kuruluşların dönüşümsel kullanım alanları üzerine risk alabilmesi için yatırım getirisinin öngörülebilirliğinin iyileşmesi gerekiyor.

Performans yönetimi, bu tezin bir sınamasıdır. Dönüşüm araç değildir. Sürecin yeniden tasarlanmasıdır. Araç, yeniden tasarlanan süreci ölçeklenebilir hâle getirir. Bunu hâlâ bir tedarik kararı olarak ele alan kuruluşlar ise neredeyse hiç kimsenin inanmadığı bir sistemi ortaya çıkaran aynı temel üzerine inşa ediyor.