Geçenlerde McKinsey'in "Yapay Zeka Çağında Yeteneği Değere Dönüştürmek" başlıklı bir makalesini okudum.
Son zamanlarda, tek bir kişinin yapay zeka kullanarak işini ne kadar geliştirebileceğini deniyorum—Claude Code ile kendi ürünlerimi oluşturuyor ve Obsidian'da bir bilgi tabanı inşa ediyorum. Bu makale tam da bu sorunu—"Yapay zeka varsayımı altında, değeri en üst düzeye çıkarmak için hangi kişiler hangi işlere yerleştirilmelidir?"—tipik McKinsey tarzı bir yapıyla ele aldığı için büyüleyiciydi.
Özellikle, "yetenek" kavramının bir değer kaynağı olarak yapay zeka nedeniyle temelden değiştiği noktası beni çok etkiledi. Bunun hem işe alanlar hem de işe alınanlar için geçerli olduğunu düşünüyorum.
İkinci yarıda, makalenin gündeme getirdiği sorularla ilgili bazı kişisel düşüncelerimi paylaşacağım.
"Yeteneği Değere Dönüştürmek" Nedir?
Ana konuya girmeden önce, temel kavrama hızlıca bir göz atalım.
McKinsey'in on yılı aşkın süredir kullandığı ünlü bir çerçevesi var: "Yeteneği Değere Dönüştürmek." Kabaca şu fikre dayanır:
Bir şirketin değerinin yaklaşık %80'i, sadece 30 ila 50 "kritik rol" tarafından üretilir. Bu nedenle, bu kritik rolleri belirleyip en iyi yetenekleri bu rollere yerleştirirseniz, etkiyi en üst düzeye çıkarırsınız.
İlginç olan, bu kritik rollerin mutlaka en üstte olmamasıdır. Makaleye göre, kritik rollerin sadece %5-10'u doğrudan CEO'ya rapor verir; büyük çoğunluğu iki veya üç seviye aşağıda bulunur. Başka bir deyişle, "önemli kişilere" bakmak değil, "değerin kaynağının nerede olduğunu" tarafsız bir şekilde belirlemekle ilgilidir.
Bu mantık, yapay zeka çağında hiç kaybolmadı. Ancak, belirleyici bir şey değişti:
Değer artık yalnızca "roller" tarafından değil, insanların ve yapay zeka ajanlarının dinamik olarak birleştirildiği "sistemler" tarafından üretiliyor.
Üretken yapay zeka "işin nasıl yapıldığını" değiştirirken, ajan yapay zeka "işi kimin (veya neyin) yaptığını" değiştirdi. İnsanların ve akıllı sistemlerin yan yana çalıştığı yeni bir hibrit iş gücü ortaya çıkıyor. Bu nedenle yetenek stratejisinin "yeniden kablolanması" gerekiyor ki bu da makalenin ana noktası.
Makale, Yeteneği Değere Dönüştürmek'in geleneksel dört adımını yapay zeka çağı için güncelliyor ve yeni bir beşinci adım ekliyor. Sırayla inceleyelim.
❶ Adım 1: Değeri Sürekli Olarak Haritalayın
Geçmişte, iş birimlerine veya ürün hatlarına hedefler atayarak değeri haritalayabilir ve bu haritayla bir süre mücadele edebilirdiniz.
Ancak yapay zeka çağında, teknolojik ilerleme yetenekleri o kadar hızlı bir şekilde metalaştırıyor ki değerin kaynağı, geleneksel planlama döngülerinin yetişemeyeceği bir hızda hareket ediyor. Orta vadeli bir plan belirlediğinizde, değer noktaları çoktan kaymış oluyor.
Bu nedenle lider şirketler, değer tahsisini tek seferlik bir plan olarak değil, "sürekli bir süreç" olarak ele almaya başlıyor. Yapay zekanın nerede avantaj yarattığını (veya yok ettiğini) dinamik olarak takip ediyor ve yetenekleri ve ajanları hızla yeni fırsatlara yönlendiriyorlar.
Makaledeki örnek çarpıcıydı. Johnson & Johnson yaklaşık 900 üretken yapay zeka kullanım senaryosu belirledi, ancak değerin %80'i bu girişimlerin sadece %10-15'inden geldi. Sonuç olarak şirket, "geniş, uzun vadeli deneylerden" en fazla değeri üreten kullanım senaryolarına sürekli olarak odaklanmaya geçti.
Tohumları saçmak yerine, değerin nerede olduğunu bulun ve oraya yoğunlaşın. Kulağa bariz geliyor, ancak yapay zeka girişimlerinin amaçsızca çoğalma eğiliminde olduğu bir çağda güçlü bir hatırlatma.
❷ Adım 2: Kritik Rolleri ve Ajanları Belirleyin
Bu, benim için kişisel olarak en ilginç kısımdı.
Eskiden, "kritik role karar ver ve bir kişiyi yerleştir" kadar basitti. Ancak yapay zekanın işi "görevlere" ayırdığı bir dünyada hikaye değişiyor: bazıları otomatikleştiriliyor, bazıları insan destekli ve bazıları insan liderliğinde yapılıyor.
McKinsey, bakış açısını "Yeteneği Değere Dönüştürmek"ten "Yetenek ve Ajanları Değere Dönüştürmek"e kaydırmayı öneriyor.
Spesifik prosedür şöyle: İlk olarak, en yüksek değere sahip alanları belirleyin. Ardından, bunları "yetenekler, beceriler ve görevler" olarak ayrıştırın. Son olarak, en iyi neyin işe yaradığına bağlı olarak her bir göreve "insan, ajan veya her ikisinin bir karışımını" atayın.
Çoğu durumda, gerçek değer birimi artık tek bir rol değil, insanların ve ajanların sonuç üretmek için işbirliği yaptığı bir "sistemdir."
Önemi artan roller arasında yapay zeka sonuçlarından sorumlu alan liderleri, yapay zeka ürün sahipleri, insan-ajan iş akışlarını tasarlayan mimarlar, prompt mühendisleri ve ajanlara bağlam sağlayan veri/bilgi uzmanları yer alıyor. Ajan operasyon platformları liderleri ve ajan yönetişim irtibat kişileri gibi tamamen yeni roller de ortaya çıkıyor.
❸ Adım 3: Yapay Zeka ile "Değeri Artırabilecek" Kişileri Kesin Olarak Belirleyin
Adım 3, Adım 2 ile yakından bağlantılıdır.
Geleneksel olarak, insanlar bir rol için gereken "bilgi, beceri, nitelik ve deneyime" göre değerlendirilirdi. Yapay zeka çağında bu artık yeterli değil. Bunun nedeni, bilginin yapay zeka aracılığıyla giderek daha erişilebilir hale gelmesi ve işin kendisi değiştikçe deneyimin geçerliliğini yitirebilmesidir.
McKinsey, değerlendirme ekseninde bir değişim öneriyor:
Amaç artık "yetenekleri rollere sığdırmak" değil, bir kişinin yapay zeka kullanarak değeri ne kadar artırabileceğini belirlemektir.
Bu, "Yapay Zeka Süper Kullanıcısı" kavramını ortaya çıkarıyor—daha önce tüm bir ekibi gerektiren işi yapay zeka kullanarak yapabilen kişi. Makale, şu niteliklere sahip kişilere öncelik verilmesini öneriyor: kendilerinin ve ekiplerinin yapay zeka okuryazarlığını artırma yeteneği, operasyonları ve iş akışlarını yapay zeka aracılığıyla yeniden tasarlama yeteneği, değişimi yönlendirmek için problem belirleme, yaratıcılık ve muhakeme kullanımı ve karar alma ve sorumluluk üstlenme yeteneği.
Meta, gerçek dünyadan bir örnek olarak gösteriliyor. Şirket, her kritik rol için becerileri ve "beklenen yapay zeka etkisini" tanımladı ve çalışanları, değer yaratmak için yapay zekayı nasıl kullandıklarına göre değerlendirmeye başlıyor. Makale şunu vurguluyor:
Yapay zekaya geniş erişim, otomatik olarak farklılaştırılmış sonuçlara yol açmaz. İnsanların yalnızca küçük bir kısmı, yapay zekayı entegre ederek etraflarındakilere ezici bir üstünlük sağlayacaktır.
Sadece araçları dağıtmak bir fark yaratmaz. Aynı yapay zekaya sahip olsanız bile, sıçrama yapacaklar ve yapamayacaklar olacaktır. Bu farkı belirlemek, yetenek stratejisinin özüdür.
Bu arada, makale yetenek için "satın al, inşa et, ödünç al" karışımını önerse de, temel yapay zeka yetenekleri için dış yeteneklere çok fazla güvenmenin, ölçeklenmekte veya değeri korumakta zorlanan kırılgan bir organizasyon yarattığı konusunda uyarıyor. Harici bir CMO olarak çalışan biri olarak, bu nokta hem acı vericiydi hem de ikna ediciydi! (gülüyor)
❹ Adım 4: Üst Yönetim Ekibini Gözden Geçirin
Yeteneği Değere Dönüştürmek, nihayetinde liderlerin süreci sahiplenip yürütüp yürütemeyeceğine bağlıdır. Ancak makale, birçok yönetim ekibinin hala yapay zeka okuryazarlığından yoksun olduğunu ve tutarlı bir değer gündemi tanımlayamadığını, kritik rollere öncelik veremediğini veya etkili yetenek kararları alamadığını keskin bir şekilde belirtiyor.
Bu nedenle, üst yönetim ekibi ve yönetim kurulu yapay zeka konusunda bilgili hale gelmeli, işin içine girmeli ve önceki varsayımları sorgulamalıdır. Organizasyonel hiyerarşileri "denetlemek" yerine, yetenek, yapay zeka, iş akışları ve kaynak tahsisinden oluşan dinamik bir sistemi "işletme" tarafına geçmelidirler.
Makale, son 18 ayda birçok Fortune 500 şirketinin, bazen organizasyonel yeniden yapılanma veya yönetici ayrılışlarını içeren, yapay zeka stratejisine odaklanmak için liderlik ekiplerini yeniden yapılandırdığını belirtiyor. Görünen o ki, yeniden kablolanan ilk katman yönetim katmanı.
❺ Adım 5 (Yeni): "Kim Yaptı" Yerine "Sistem Nasıl Çalıştı"
Yapay zeka çağı için bu yeni adım, Adım 2 ile birlikte benim için bir öne çıkan noktaydı.
Ajan organizasyonunda, değerlendirmenin temel sorusu değişir.
"İşi kim yaptı?" sorusundan "Sistem ne kadar iyi çalıştı?" sorusuna geçilir.
Sonuçlar artık yalnızca bireylere atfedilmez, insan-ajan işbirliğinden oluşan tüm sistemin performansı tarafından belirlenir. Bu nedenle, değerlendirmeler insanlar ve ajanlar için ayrı ayrı ancak tamamlayıcı bir şekilde tasarlanmalıdır. Ajanlar "karar kalitesi, güvenilirlik, hız ve maliyet" açısından değerlendirilirken, insanlar "iş etkisi, yapay zeka iş akışlarını tanımlama ve iyileştirme yeteneği, etik yapay zeka kullanımı ve ekipler arası işbirliği" açısından değerlendirilir.
Makalenin vurguladığı nokta şudur:
Çoğu organizasyon, yetenekli insanlara veya gelişmiş yapay zeka araçlarına sahip olmadıkları için değil, bunları net hesap verebilirlik ve geri bildirim döngülerine sahip "tutarlı bir sistem" içinde entegre edemedikleri için tökezler.
İnsanlara ve yapay zekaya sahipsiniz, ancak sonuç alamıyorsunuz. Sebep "bağlantıda" yatıyor. Makale, liderleri bu sistemi sermaye tahsisiyle aynı titizlikle işletmeye çağırarak sona eriyor.
Kişisel Düşünceler
Bu uzadı, ancak okurken aklıma gelen iki şey var.
❶ Tanımlama çözünürlüğünü "Rollerden" "Fiillere" çıkarmalıyız
Adım 2, kritik roller için atamaların nasıl düşünüleceğini ele aldı. Henüz tam olarak içselleştiremediğim şey, bu "tanımlamanın" nasıl yapılacağıdır.
Makale "görevlere ayırın" diyor, ancak bu görevlerin çözünürlüğünden bahsetmiyor. Şu anki düşüncem, rollere "isim" olarak bakarsanız, yapay zekalaştırılıp yapay zekalaştırılamayacaklarına karar veremezsiniz, ancak onları "fiil" düzeyine indirirseniz, atamalar daha net hale gelir.
Örneğin, "İşe Alım Uzmanı" ismine bakarak yapay zekanın bunu yapıp yapamayacağını anlayamazsınız. Ancak bunu "adayları taramak", "mülakatın havasını okumak" ve "teklifi ikna etmek" gibi fiillere ayırırsanız, hangilerinin ajanlar için uygun olduğunu ve hangilerinin insan gerektirdiğini görebilirsiniz. Tarama ajanlar içindir; havayı okumak insanlar içindir.
Bir rolü ancak fiillere ayırarak insan ve yapay zeka arasındaki dağılıma karar verebilirsiniz. Bunun Adım 2'yi uygulamaya koymanın anahtarı olduğunu düşünüyorum.
❷ Yapay Zeka bir "Yükselticidir"; yükseltecek bir şeyi olmayanlar için çalışmaz
Adım 3'teki "yapay zeka ile değeri artırabilecek kişileri belirleme" noktası aklıma takıldı.
Makale, Meta'nın "küçük bir grup insanın sıçrama yapması" örneğini veriyor, ancak neden yalnızca bazı insanların değeri artırdığını açıklamıyor. Benim hipotezim, yapay zekanın kesinlikle bir yükseltici olduğu; "temel"den—işi kendin yapma alışkanlığından—yoksun olanlar için yükseltilecek bir şey olmadığıdır.
Bu nedenle, birinin "yapay zeka yükselticisi" olup olmadığına karar verecek olsaydım, yapay zekayı bir kenara bırakır ve şunu sorardım: "Geçen yıl öğrendiğiniz veya denediğiniz yeni bir şey nedir?" Bunu yapay zeka ile sınırlamadan sorarak, sadece bir araca atlayanlar ile her zaman kendi yeteneklerini genişletenler arasında ayrım yapabilirsiniz. Gerçek yükseltme, ancak ikinci gruba yapay zeka eklendiğinde gerçekleşir.
...
Yapay zeka çağında yetenekle ilgili tartışmalar genellikle bankacılıkta "hangi işler yok olacak"a dönüşür, ancak bu makale bunu bir adım öteye taşıyarak "insanları ve yapay zekayı nasıl birleştireceğimiz, değerlendireceğimiz ve bağlayacağımız" konusunda bir tasarım problemi olarak yeniden çerçeveliyor. Oldukça doyurucu bir okumaydı.
İster işe alıyor, ister işe alınıyor veya kendinizi nasıl geliştireceğinizi düşünüyor olun, bu makalenin birçok içgörü sunduğunu düşünüyorum.
Şimdilik bu kadar. Okuduğunuz için teşekkürler! 🙇
📩 THE LEAD şimdi teslim ediliyor
İş dünyasını ileriye taşıyan kişiler için bir bülten olan "THE LEAD"i yürütüyorum.
① Pazarlama Haberleri (Haftada yaklaşık iki kez)
İngilizce dünyasındaki 60'tan fazla pazarlama medya kuruluşundan özenle seçilmiş makaleler sunuyoruz. Her günün haberleri, genel yayın yönetmeninin yorumlarını içeriyor.
② Genel Yayın Yönetmeni (Nakagawa) Köşe Yazısı / Yorumu (Ayda yaklaşık bir kez)
Eski bir CMO perspektifinden içgörüler ve yakın zamanda öğrenilen bilgi birikimini yalnızca e-posta yoluyla sunuyorum. Bilgi birikimi makaleleri daha sonra note'da ücretli olacak, ancak THE LEAD'de önceden ücretsiz olarak sunuluyor.
③ Sektör Raporları
Ayrıca anketlere ve orijinal araştırmalara dayalı raporlar sunmayı planlıyoruz.
Benzersiz Özellikler
En son küresel trendleri sunuyoruz.
İngilizce literatür, çevrilmeden önce bile pratik ve çok yönlü bakış açıları ve bilgilerle doludur. Bunları işinizde uygulayabileceğiniz bir ayrıntı düzeyinde Türkçe olarak sunuyoruz.
Yalnızca e-posta abonelerinin okuyabileceği içerikler var.
Genel Yayın Yönetmeni köşe yazısı yalnızca e-posta yoluyla sunulur (web sitesinde arşivlenmez). Ayrıca, bilgi birikimi makalelerinin gelecekte note'da ücretli olması planlanmaktadır. Bültene kaydolursanız, bunları size ücretsiz olarak sunacağız.
Kimler okumalı?
- CMO/Pazarlama Lideri olmayı hedefleyen pazarlamacılar
- Uzmanlıklarını derinleştirmek isteyen pazarlamacılar
- Startup'larda veya yeni işlerde iş büyümesinden sorumlu kişiler
- En son pazarlama trendlerine verimli bir şekilde yetişmek isteyen yöneticiler
Ücretsizdir. Lütfen kaydolun!
📝 İş teklifleri için buradan iletişime geçin
Harici CMO işimiz ve diğer taleplerle ilgili olarak aşağıdaki adresten bizimle iletişime geçmekten çekinmeyin.
CMO No. 1 Co., Ltd., iş büyümesi için anahtar olan pazarlama stratejileri formüle etmek ve organizasyonlar oluşturmak için sizinle ortaklık kurar ve ilk aşamalardaki zorlukları çözer.
