2026’nın En Büyük Teslimat Liderliği Zorlukları
Yapay Zekâ Entegrasyonu: Yapay zekâ, proje liderleri için güncel bir baskı unsuru ve benimsenmesi çoğu zaman yeterli strateji ile hazırlıktan yoksun.
Veri Zorlukları: Yapılandırılmamış ve önyargılı veriler, yapay zekânın etkinliğini zayıflatıyor; bu da daha iyi veri yönetişimi ve veri okuryazarlığı gerektiriyor.
İnsani Kaygılar: Yapay zekâ uygulaması, iş güvencesi konusunda ekiplerde kaygı oluşturuyor ve liderlerin güveni etkili bir şekilde yönetmesini gerektiriyor.
Uzmanlık Paradoksu: Yapay zekâ değer üretmek için insan uzmanlığına dayandığından, etkili yapay zekâ kullanımı için derin uzmanlık hâlâ büyük önem taşıyor.
Uygulamaya Odaklanma: Proje başarısı çoğu zaman kötü planlama nedeniyle değil, çoklu görev ve aşırı iş yükü nedeniyle uygulama aşamasında sekteye uğruyor.
2026'da teslimat konusunda bir şeyler farklı. Mesele yalnızca araçların değişmiş olması ya da değişim hızının artmış olması değil — kuruluşların işleyişini sekteye uğratan her büyük gücün aynı anda ortaya çıkmış olması. Yapay zekâ, birkaç yıl içinde merak uyandıran bir kavram olmaktan çıkıp operasyonel bir beklentiye dönüştü. Jeopolitik istikrarsızlık, pazarları ve tedarik zincirlerini yeniden şekillendiriyor. Ekipler her zamankinden daha yalın ve daha dağınık hâle gelmişken teslimat baskısı yoğunlaştı. Tüm bunlar yaşanırken, projelerin gerçekten hayata geçmesini sağlamaktan sorumlu insanlar, hiçbir kılavuzun bütünüyle haritasını çıkarmadığı bir arazide yol almak zorunda kalıyor.
Bu dönemin gerçekten ne gerektirdiğini anlamak için çeşitli sektörlerden birkaç teslimat lideriyle görüştük. İşte onların düşünceleri.
Yapay Zekâ ile Hesaplaşma — Fırsat, Kaygı ve Yanıtlanmamış Sorular
Yapay zekâ artık proje yöneticileri için gelecekte değerlendirilecek bir konu değil — şu anda yaşanan bir baskı. Ancak görüşmelerimizin tamamında tutarlı bir gerilim ortaya çıktı: Yapay zekâya duyulan ilgi, kuruluşların yapay zekâyı iyi kullanmaya hazır olma düzeyini önemli ölçüde aşmış durumda. Artık soru yapay zekâyı benimseyip benimsememek değil; bunu sorumlu bir şekilde nasıl yapacağımız ve kuruluşlar yapay zekânın gerçekten işe yaraması için gereken temel çalışmaları atladığında ne olacağı.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Temel Olmadan Benimseme Baskısı
"Yapay zekâyı kullanma" talebi, kuruluşların üst kademelerinden aciliyetle geliyor; ancak çoğu zaman bunu destekleyecek bir strateji bulunmuyor. Projects & Data'de Yönetici Koçu ve Değişim ve Proje İletişimi Danışmanı olan Marcus Glowasz, tekrar tekrar karşılaştığı bir durumu şöyle anlatıyor: "Sık sık şunu duyuyorum: ‘Yapay zekâ kullanmalıyız. Herkes kullandığı için bizim de kullanmamız gerekiyor.’ Sonra herkes buna atlıyor. Oysa yapay zekâdan daha iyi bir çözüm olabilir." Baskı gerçek, ancak yönelim çoğu zaman zamansız.
Sık sık şunu duyuyorum: ‘Yapay zekâ kullanmalıyız. Herkes kullandığı için bizim de kullanmamız gerekiyor.’ Sonra herkes buna atlıyor. Oysa yapay zekâdan daha iyi bir çözüm olabilir.
Bu üstten alta doğru baskı, teslimatı gerçekten yöneten kişilere danışılmamasıyla daha da artıyor. Project Managers Africa'nın kurucusu Emmanuels Magaya, sayısız kez karşılaştığı bir durumu şöyle anlatıyor: "Yapay zekâ çoğu zaman şirket genelindeki üst kademeden geliyor; size bu aracı kullanmaya başlamanızı söylüyorlar. Bir helikopter gibi tepeden geliyor... Ancak PMO ekibine kimse danışmıyor." Sonuç, uyum sağlanamadan yapılan uygulama ve şüpheciliği besleyen başarısız bir benimseme oluyor.
Yapay zekâ çoğu zaman tepeden, bir helikopter gibi geliyor… ancak PMO ekibine kimse danışmıyor.
Aynı durum proje düzeyinde de görülüyor. The COO Solution'ın Kurucusu Derek Fredrickson, birçok kuruluşta sıralamanın temelden yanlış olduğunu savunuyor: "Çoğu zaman [liderler], bir insan bunu gerçekten yapmadan önce yapay zekâyı çözüm olarak devreye sokmaya çalışıyor... Önce insanın ne yaptığını gerçekten netleştirmemiz gerekiyor ki yapay zekânın nerede değer katabileceğini görelim; ‘Henüz bir işlevim ya da işim yok ama yapay zekânın bunu yapmasını istiyorum’ demek yerine." Yapay zekâ sürece eklenmeden önce insan sürecinin anlaşılması ve belgelenmesi gerektiğini söylüyor.
Çoğu zaman onlar [liderler], bir insan bunu gerçekten yapmadan önce yapay zekâyı çözüm olarak devreye sokmaya çalışıyor. Önce insanın ne yaptığını gerçekten netleştirmemiz gerekiyor ki yapay zekânın nerede değer katabileceğini görebilelim.
Yapay Zekâ Sorununun Altında Yatan Veri Sorunu
Yapay zekânın benimsenmesi sorusunun altında daha temel bir soru yatıyor: Temel alınan veriler, yapay zekâyı faydalı kılacak kadar iyi mi? Mantegora'nın Kurucusu ve CEO'su Bruno Morgante, portföy çalışmalarında yapay zekâ ile ilgili gördüğü sorunu doğrudan ifade ediyor: "Şu anda en büyük sorun, başlangıç verilerinin yeterince temiz olmaması. Yani yapılandırılmamış, temiz olmayan ve taraflı verilerimiz var. Bunları bir araya getirip bir yapay zekâ aracından tahmin konusunda bize yardımcı olmasını istediğinizde... sonuç pek iyi olmayacak." Veriye ne verirseniz onu alırsınız — verideki en eski kural, büyük dil modelleri çağında bile geçerliliğini koruyor.
Yapılandırılmamış, temiz olmayan ve taraflı verilerimiz var. Bunları bir araya getirip bir yapay zekâ aracından tahmin konusunda bize yardımcı olmasını istediğinizde… sonuç pek iyi olmayacak.
Taleo Project Services, Inc.'de Yönetici Ortağı ve Başkan olan Laurel Sim için yapay zekânın nerede ve nasıl kullanılabileceğine ilişkin net sınırların bulunmaması, günümüzün belirleyici liderlik zorluklarından biri. "Yapay zekânın hızı ve yapay zekânın hangi durumlarda kabul edilebilir bir uygulama olduğuna sınır getirecek hiçbir koruyucu çerçevemizin olmaması," diyor; bu durum, en büyük mesleki endişeleri arasında yer alıyor — ve güçlü veri yönetişimine sahip olmayan kuruluşlar, onun görüşüne göre, ciddi ölçüde savunmasız durumda.
Marcus Glowasz, ciddi bir yapay zekâ kullanıma sunma sürecinden önce ele alınması gereken bir veri okuryazarlığı sorunu da bulunduğuna dikkat çekiyor: "Ele alınması gereken bir veri okuryazarlığı konusu var. Verilerin çevresindeki kavramları anlamanız gerekiyor. Anlamadığınız verileriniz varsa... gerçekten gelişmiş bazı yapay zekâ araçlarından ne şekilde yararlanabilirsiniz?" Veri yönetişimi ile kullanılan verilere ilişkin insani anlayışın bir arada bulunması, etkili yapay zekâ kullanımı için tercih edilebilir bir unsur değil, ön koşuldur.
İnsani Boyut: Ekipler, Güven ve İş Kaybı Korkusu
Yapay zekâ özenli bir şekilde entegre edilse bile liderlerin yeterince önemsenmediğini söylediği bir insan yönetimi zorluğu var: ekiplerde yarattığı kaygı. Horizontal Digital'de Kıdemli Başkan Yardımcısı ve Teslimattan Sorumlu Pam Butkowski, bunu gerçek liderlik sınavı olarak tanımlıyor: "Yapay zekâ araçlarını ve yöntemlerini her gün çalışma biçimlerimize nasıl entegre edeceğimizi anlamanın veya çözmenin asıl zorluk olduğunu düşünmüyorum. Liderlik açısından benim için zorluk, bu yapay zekâ araçlarını kullanmaya başlarken ekibimi başka becerilerini de geliştirmeye teşvik etmek veya bunu yapmanın yollarını bulmak oldu... Ayrıca ekip üyelerine yapay zekânın işlerini ellerinden almayacağını açıklamak ve onlara güven vermek." Ona göre teknik entegrasyon neredeyse daha kolay kısım.
Benim için zorluk, ekibimi teşvik etmek ya da bu yapay zekâ araçlarını kullanıma alırken ekibimin farklı becerilerini geliştirmesini sağlamanın yollarını bulmak oldu… Ve ekip üyelerine yapay zekânın işlerini ellerinden almayacağı konusunda güven aşılayıp bunu açıklamak.
UW Medicine'da Kurumsal PMO Direktörü olan Bill Dow, bu kaygıyı liderlerin görmezden gelemeyeceği daha geniş bir çevresel gerçeklikle ilişkilendiriyor: "Bence 2026'da içinde bulunduğumuz ortamın, yapay zekâ nedeniyle gerçekleşen tüm işten çıkarmaların, dünyada olup biten her şeyin farkında olmanız ve sonra durup şunu sormanız gerekiyor: Bunun üstesinden nasıl geliriz? Bunun önünde nasıl kalırız?" Teslimat liderleri için soru yalnızca yapay zekâdan nasıl yararlanılacağı değil, aynı zamanda gelecekleri açısından ne anlama geldiğinden korkan ekiplere nasıl liderlik edileceğidir.
2026’da içinde bulunduğumuz ortamın, yapay zekâ nedeniyle gerçekleşen tüm işten çıkarmaların, dünyada olup biten her şeyin farkında olmanız ve sonra durup şunu sormanız gerekiyor: Bunun üstesinden nasıl geliriz?
Uzman Paradoksu — Yapay Zekânın Değer Sunabilmesi İçin İnsan Uzmanlığına İhtiyacı Var
ALVISSION'da CPMAI Baş Koçu olan Markus Kopko'nun ifade ettiği gibi, yapay zekânın benimsenmesinin merkezinde bir paradoks var: "Çoğu insanın henüz fark etmediği şey, yapay zekâdan iyi sonuçlar elde etmek için kendi alanınızda uzman olmanız gerektiğidir." Bunun önemli sonuçları var. Yapay zekâ, derin uzmanlık ihtiyacını azaltmıyor — ona bağlı.
Kopko, nesiller arası bir endişeyi gündeme getirerek şöyle devam ediyor: "Çok da uzak olmayan bir gelecekte karşılaşacağımızı düşündüğüm sorun şu: Genç insanlar artık bu bilgiyi edinmiyor ve zaman içinde uzmanlaşmıyorsa, yapay zekâ çıktılarının sonuçlarını nasıl değerlendirebilecek ve gözden geçirebilecekler?"
Yapay zekâ, derin uzmanlık ihtiyacını azaltmaz. Ona bağlıdır.
Ayak Uydurmak — Değişimin Hızı İnsanları Geride Bırakıyor
Yapay zekâ en görünür hızlandırıcı olsa da tek hızlandırıcı o değil. Görüştüğümüz uzmanlar çok daha kapsamlı bir hız sorunuyla mücadele ediyor: teknolojik değişim, çoğu insanın ve kuruluşun özümseyebileceğinden daha hızlı ilerliyor, makro güçler yeni belirsizlikler yaratıyor ve daha hızlı teslimat beklentisi, insan sınırlarının gerçekliğiyle çakışıyor. Ayak uydurma zorluğu yalnızca yeni araçları öğrenmekle ilgili değil — insanları süreğen bir yönelim kaybı sürecinde yönlendirmekle ilgili.
Teknoloji Hızı ve Öğrenme Borcu
Kopko, bu tempoyu nispeten yeni bir durum olarak tanımlıyor: "[en büyük zorluk] teknolojilerin hızlı gelişimine ayak uydurmak ve bunları entegre etmek. Yapay zekâ alanı sadece birkaç yıl önce birçok kişi için nispeten yeniydi. Şimdi ise onu temelde her gün kullanıyoruz. Artık yapay zekâ okuryazarlığını ve veri okuryazarlığını entegre etmemiz, ayrıca eskiden olduğundan çok daha hızlı öğrenmemiz gerekiyor."
Meslek, yapay zekâyı teorik olarak anlamakta zorlanmıyor — asıl zorluk, yapay zekânın kendisinin ne kadar hızlı geliştiğine ayak uydurmak. Altı ay önce güncel olan uygulamalar bugün çoktan geçerliliğini yitirmiş olabilir ve kuruluşlar sürekli olarak gelişmeleri geriden takip etme durumunda kalıyor.
Makro Ortam: Siyaset, Piyasalar ve Belirsizlik
Hız konusundaki zorluk teknolojinin çok ötesine uzanıyor. Laurel Sim, makro ortamı meslek açısından en acil iki endişesinden biri olarak ifade ediyor: "en büyük endişem ülkenin, kıtanın ve dünyanın siyasi ortamı ve hepimizin pazarlarımızın bulunduğu yerlere ayak uydurmak için nasıl gelişmek zorunda olduğumuz." Jeopolitik istikrarsızlık, değişen ticaret dinamikleri ve ekonomik belirsizlik, teslimat liderleri için soyut endişeler değil — bunlar doğrudan değişen önceliklere, aksayan tedarik zincirlerine ve bir dizi varsayım altında başlayıp tamamen farklı koşullar altında tamamlanması gereken projelere dönüşüyor.
En büyük endişem ülkenin, kıtanın ve dünyanın siyasi ortamı ve hepimizin pazarlarımızın bulunduğu yerlere ayak uydurmak için nasıl gelişmek zorunda olduğumuz
İnsani Beceriler Krizi — Eleştirel Düşünme, Uygulama ve Ekip Dinamikleri
Teknolojiyle ilgili tüm gürültünün ortasında, görüştüğümüz uzmanlar tekrar tekrar daha sessiz ve daha yavaş ilerleyen bir krize döndü: hiçbir yapay zekânın taklit edemeyeceği temel insani becerilerin aşınması.
Eleştirel Düşünme ve İletişim Becerileri Artık Olmazsa Olmaz Beceriler Olarak Öne Çıkıyor
Laurel Sim'e gelecek nesil proje liderleri için hangi becerilerin en önemli olduğunu sorduğumuzda hiç tereddüt etmedi: "Eleştirel düşünme," diyor. "Düşünmemiz ve yaratıcı olmamız gerekiyor... bu gücü teşvik etmeye çalışmıyorsak, büyük bir fırsatı kaçırıyoruz." Endişe yalnızca eleştirel düşünmenin yeterince gelişmemiş olması değil — yapay zekâ çağında giderek daha önemli hâle gelen bu beceriyi geliştirmekte aktif olarak başarısız oluyoruz.
Teslimat Kurucusu ve Kesirli Başkanı Michael Gold, bu değişimi doğrudan yapay zekânın proje yöneticisi rolünü yeniden şekillendirme biçimine bağlıyor: "Bir proje yöneticisi olarak süreç odaklı olduğunuzu söylemek anlamsız, çünkü yapay zekâyla kim süreç odaklı değil ki? Yapay zekâyla birlikte işin insani yönüne, ilişki yönetimine, paydaş yönetimine, ikna becerisine ve iletişim becerilerine daha da fazla odaklanılıyor... Yapay zekâ, bire bir insani etkileşimin yerini alamaz." Yapay zekâ rolün süreç ağırlıklı kısımlarını üstlendikçe geriye kalan ve en çok önem taşıyan şey, özünde insani olmaya devam ediyor.
Yapay zekâyla birlikte işin insani yönüne, ilişki yönetimine, paydaş yönetimine, ikna becerisine ve iletişim becerilerine daha da fazla odaklanılıyor.
More Articles
- Yapay Zekâ Yönetişimi Girişiminde Ürün Lideri, Teslimatı Kolaylaştırmak İçin Uyguladığı Ajan Tabanlı İş Akışlarını Paylaşıyor
- Proje Teslimatında Yapay Zeka: Kullanım Örnekleri, Araçlar ve Strateji Hakkında Bilmeniz Gereken Her Şey
- Bu Kıdemli Program Yönetimi Direktörü, Müşterilerinin Teknolojisindeki Boşlukları Kapatmak İçin Kullandığı Yapay Zekâ Araçlarını ve Entegrasyonlarını Açıklıyor
- PMO lideri, yapay zekânın daha iyi uygulama yerine daha hızlı kaos yaratmasını nasıl önleyebileceğinizi anlatıyor
- Kıdemli BT Proje Lideri, PM’lerin algoritmaların dokunamadığı insani etkileşimleri merkezine alması gerektiğini söylüyor
Çoklu Görev, Aşırı Yük ve İnsanlık Dışı İş Yeri
Görüşmelerimizde en tutarlı biçimde öne çıkan temalardan biri, kurumsal aşırı yüklenmenin yol açtığı zarardı — insanların makul ölçüde üstlenebileceklerinden daha fazla işle görevlendirilmesi. Bill Dow bunu açıkça ifade ediyor: "Yöneticiler insanlara 10 proje yüklüyor... Sonuç olarak sürekli bir projeden diğerine, sonra bir diğerine geçip duruyorsunuz, değil mi? Ve hiçbir insan bedeni bunu kaldıramaz." Sonuç üretkenlik değil — daha derin kurumsal sorunları gizleyen bir üretkenlik yanılsaması.
Rothman Consulting Group'un sahibi Johanna Rothman, eleştiriyi daha da ileri taşıyarak çoklu görevi yalnızca pratik bir sorun olarak değil, etik bir sorun olarak da çerçeveliyor: "Çoklu görevden bu kadar rahatsız olmamın nedeni, işin insani yönünü ortadan kaldırması. Bunun yerine, bir elektronik tabloda insanların parçalarını görüyoruz. Dolayısıyla çoklu görev, böl ve yönet anlayışıyla hareket edebileceğimizi düşünmekten doğuyor ve insanlık dışı bir iş yeri yaratıyor." Başka bir deyişle, insanları paralel iş akışlarına bölünmüş kaynaklar olarak gördüğümüzde yalnızca verimliliği azaltmıyoruz. Anlamlı ve yüksek kaliteli işlerin gerçekleştirilmesini zorlaştıran koşulları da yaratıyoruz.
Johanna Rothman, kuruluşların işi planlama biçimini de sorguluyor. Birçok ekip, iki haftada bir teslimat sözü veren uzun iş listeleri ve yol haritaları oluşturuyor; ancak Rothman bu düzeyde bir kesinliğin gerçekçi olmadığını savunuyor: “İşlerin ne kadar süreceğini bilmiyorum ve elde ettiğim sonuçlar konusunda çok fazla deneyimim var. Eğer sonuç odaklı 30 yıllık deneyimden sonra, önümüzdeki hafta ne yapacağımı öngöremiyorsam, herhangi bir ekip bunu nasıl yapabilir?”
Onun vurguladığı nokta, aşırı yükün ve gereğinden fazla taahhütte bulunmanın çoğu zaman sistemin kendisine yerleşmiş olduğu ve teslimattan sorumlu liderleri bunun sonuçlarıyla baş başa bıraktığıdır.
Sonuç odaklı 30 yıllık deneyimden sonra, önümüzdeki hafta ne yapacağımı öngöremiyorsam, herhangi bir ekip bunu nasıl yapabilir?
Önümüzdeki Yol
Bu liderlerin anlattığı zorluklar münferit değil. Birbirleriyle bağlantılılar. Yapay zekâ, projelerin planlanma ve yürütülme biçimini dönüştürüyor; ancak bu dönüşümü desteklemek için gereken yönetişim çerçeveleri, veri altyapısı ve insan kaynağı geliştirme süreçleri geride kalıyor. 2026'yı en başarılı şekilde yönlendirecek liderler, en zor sorunların hâlâ özünde insani sorunlar olduğunu anlayanlardır.
Bu makalede yer verilen uzmanlar gibi kişilerden daha fazla içgörü edinmek ister misiniz? Çok sayıda uzman tarafından hazırlanan içeriğe ve kaynağa erişmek için ücretsiz bir hesap oluşturun.
