Akıllı İnsanlar Yapay Zekâdan Neden Genel Sonuçlar Alıyor?

Galen Low: Kabul edelim, hepimiz genel yapay zekâ kokan teslimatları, raporları ve durum güncellemelerini incelemekten yorulduk. Teknolojiyi suçlamak ve konuyu burada kapatmak kolay olsa da aslında daha fazlası oluyor. Çoğu insan yapay zekâdan genel sonuçlar alıyor çünkü genel sorular soruyor. Çoğu insan genel sorular soruyor çünkü ya teknolojinin nasıl çalıştığını anlamıyor, yapay zekâya meydan okuyacak özgüvene sahip değil, akranları arasında kendini bir sahtekâr gibi hissediyor ya da bazen bunların hepsini birden yaşıyor.

Bunun sonucunda birçok kişi şu anda en çok ihtiyaç duyduğumuz becerileri kaybediyor: merak ve eleştirel düşünme yeteneği. Ekiplerimizde bunu düzeltmemize yardımcı olmak için, tüm teknelerin yükselmesini sağlamak konusunda kararlı bir yapay zekâ uzmanını ve eğitimcisini programa davet ettim. Böylece sahtekârlık sendromu, niteliksiz istemler ve genel yapay zekâ çıktıları geçmişte kalacak; insanların masaya getirdiği unsurlar yeniden ön plana çıkacak. Bölümü beğenmenizi umuyorum.

Yapay zekâ çağında teslimat liderlerinin daha akıllı çalışmasına, daha sorunsuz teslimat yapmasına ve ekiplerini özgüvenle yönetmesine yardımcı olan program olan Digital Project Manager Podcast’e hoş geldiniz. Ben Galen’im ve her hafta gerçek dünyadan stratejileri, yeni ortaya çıkan eğilimleri, kanıtlanmış çerçeveleri ve proje cephelerinden ara sıra savaş hikâyelerini ele alıyoruz. İster büyük dönüşüm projelerini yönetiyor, ister yapay zekâ iş akışlarını düzenliyor, isterse kaosu kontrol altında tutmaya çalışıyor olun, doğru yerdesiniz. Hadi başlayalım.

Bugün, yapay zekâ etrafındaki sahtekârlık sendromunun ekiplerimizi nasıl açık ve örtük biçimlerde geride bırakabileceğini ve yapay zekâ araçlarından aldıkları sonuçları stratejik olarak sorgularken meraklı olma ile dengeli hareket etmelerine yardımcı olmak için hangi pratik adımları atabileceğimizi konuşuyoruz.

Ekiplerimizin daha iyi sorular sormasını ve sonuçları eleştirel biçimde değerlendirmesini sağlayacak pratik bir çerçeveyi adım adım inceleyeceğiz. Bunun bir işletmenin genel yapay zekâ stratejisi üzerindeki etkisini ve dünya çevrelerinde değişirken ekiplerin gelişmeye devam etmesini, becerilerin körelmesini nasıl önleyebileceğimizi ele alacağız.

Bugünkü konuğum M1 Consultants’ta Danışmanlık Proje Direktörü olarak görev yapan Mashhood Ahmed. Mashhood, işletmelerin somut etki yaratan üretken yapay zekâ yetkinleştirme programları tasarlamasına ve uygulamasına yardımcı oluyor. Kurum genelinde yapay zekâ okuryazarlığını, departmana özgü iş akışlarını, etmen tabanlı otomasyonu ve eğitim programlarını kapsayan, kanıtlanmış dört seviyeli Üretken Yapay Zekâ benimseme çerçevesini kullanarak ekiplerin insan yaratıcılığını merkeze alan bir yaklaşımla yapay zekâ alanında ilerlemesine destek oluyor.

Mashhood bunu gerçekleştirmek için program, proje ve değişim yönetimindeki 20 yılı aşkın deneyiminden yararlanıyor. Ona göre yapay zekâ yalnızca araçlardan ibaret değil; yapay zekâyı işlerin gerçekte nasıl yapıldığına yerleştirmekle ilgili.

Mashhood, bugün burada benimle olduğun için çok teşekkürler.

Mashhood Ahmed: Çok teşekkür ederim. Beni davet ettiğiniz için teşekkürler.

Galen Low: Bu konuya dalacağımız için gerçekten heyecanlıyım.

Bu konuyla ilgili birkaç konuşmanızı dinledim ve yaklaşımınızın ne kadar dengeli olduğunu düşünüyorum. Yapay zekâya, onun uygulanmasına ve işimize dâhil edilmesine nasıl bakmamız gerektiği konusundaki bakış açınız gerçekten beni etkiledi. Bence son derece pragmatik; bu yüzden bugün konuya dalacağımız için heyecanlıyım.

Elbette burada, The Digital Project Manager’da bizimle birkaç kez iş birliği yaptınız. Mesajınız her zaman yankı uyandırıyor. Bu nedenle belki büyük ve karmaşık bir soruyla başlayabileceğimizi, ardından konuşmanın bizi götürdüğü yere ilerleyebileceğimizi düşündüm. Yol boyunca yapay zekâ söz konusu olduğunda meraklı bir zihniyete sahip olmanın ne anlama geldiğine ve bunun neden önemli olduğuna, ekiplerimizle yapay zekâ çıktılarımızı stratejik biçimde sorgulayarak bu merakı nasıl dengeleyebileceğimize ve ekiplerimiz yüzeysel sorularla çalışmaya, genel çıktıları yapay zekâyla etkileşimlerinde olduğu gibi kabul etmeye devam ederse yapay zekâ teknolojisinin geleceği açısından nelerin tehlikede olduğuna değinmek isterim.

Evet, bunun çok fazla olduğunu biliyorum ama nasıl geliyor?

Mashhood Ahmed: Mükemmel geliyor.

Galen Low: Harika. Hadi başlayalım. Birçok kuruluşla çalışarak yapay zekâ konusunda yetkinleşmelerine ve onu çalışma biçimlerine dâhil etmelerine yardımcı olduğunuz için geniş kapsamlı bir soruyla başlamak istiyorum.

İnsanların genel sorular kullanarak genel çıktılar elde ettiğini ve ardından bunları olduğu gibi kullanmaya devam ettiğini söylediğinizi duydum. Bu yüzden şunu sormak istiyorum: Profesyonel bağlamda yapay zekâ kullanan insanların yüzde kaçının yapay zekâdan yalnızca ortalama, genel sonuçlar aldığını ve bunun elde edilebilecek en iyi şey olduğunu düşündüğünü tahmin edersiniz?

Mashhood Ahmed: Evet, bu çok iyi bir soru. İnsanların yüzde kaçı yapay zekâyı genel bir biçimde kullanıyor ve genel yanıtlar alıyor? Tahminim yaklaşık yüzde 40 ila 50’sinin bunu yaptığı yönünde. Tüm dinleyicilerinize küçük bir test yaptırmak istiyorum. Yapay zekâdan aldığınız genel yanıtla neyi kastettiğimi görmek için bunu deneyebilirsiniz. Çoğumuz hayatımızın bir döneminde zar kullanarak bir oyun oynamışızdır.

Yüzlerce kişinin, hatta yirmi kişinin bulunduğu odalarda bu deneyi yaptım ve her seferinde aynıya yakın yanıtı alıyorum. Sayılar biraz değişiyor. Bir sekmede Copilot’u, başka bir sekmede ChatGPT’yi, bir diğer sekmede Gemini’yi ve başka bir sekmede farklı bir aracı açın.

Dört veya beş araç deneyin. Basit bir istem yazın: "Benim için altı yüzlü bir zar at." Bu istemi çalıştırdığınızda üretken yapay zekâların çoğu size dört yanıtını verecek.

Bunu yüzlerce kişinin bulunduğu odalarda denedim. Genellikle insanların yüzde 85 ila 90’ı dört sonucunu alıyor. Farklı sonuç alan birkaç kişi oluyor. ChatGPT, Gemini, Claude, Groq, Perplexity ve diğer araçlarda bunu deneyenlerden geri bildirim aldım. Hepsi aynı hatayı yapıyor.

Yapay zekâdan bir zar atmasını istediğinizde aslında zar atmayı bilmiyor. İstatistikçiler ve matematikçiler yapay zekâya şu modeli öğretmiş: Bir zar atmanız gerekiyorsa altı seçenekten birini al, ortalamasını hesapla, gerekiyorsa yuvarla ve vasat yanıtı ver.

Bu nedenle dört sonucunu alıyorsunuz; altı sayının ortalaması üç buçuk, bu da dörde yuvarlanıyor. Zamanın yüzde 80 ila 90’ında yanıtı dört olarak almanızın nedeni bu. Şimdi başka bir şey deneyin. Aynı pencereye şu istemi yazın: "Benim için, her yüzün eşit olasılığa sahip olduğu altı yüzlü bir zar at." Ardından bazı yönlendirici ifadeler ekleyin: "En yüksek sayıyı" veya "en düşük sayıyı" tercih ettiğinizi söyleyin ya da alışılmadık bir şey isteyin.

İnsanların farklı türlerde istemler yazdığını gördüm. Her seferinde bunu yaptığınızda daha dengeli bir yanıt aldığınızı göreceksiniz; çünkü yapay zekâdan iyi dengelenmiş, iyice çalkalanmış bir zar istemiş oluyorsunuz. Bu bize şunu gösteriyor: "Benim için altı yüzlü bir zar at" gibi genel bir soru sorarsanız zamanın yüzde 80 ila 90’ında dört sayısını alırsınız.

Bunun nedeni yapay zekânın bağlamı anlamaması. Projeniz, muhakemeniz ve insanların uyguladığı insan yargısı hakkında bir arka planı yok. Bu nedenle harika bir yanıt alabilmek için istemlerinizin veya etmenlerinizin mümkün olduğunca fazla bağlama ve koruyucu sınırlara sahip olması gerçekten önemli.

Galen Low: Buna bayıldım. Az önce birkaç büyük dil modeli açtım ve kesinlikle haklısınız. Yalnızca üç sekmem açıktı; ikisi dört, biri altı sonucunu verdi. Bağlamın etkisini henüz deneyemedim ama bunun son derece yerinde olduğunu düşünüyorum. Elbette ne siz ne de ben derinlemesine araştırma yaptık, ikimiz de tam anlamıyla istatistikçi değiliz.

Ancak sözünü ettiğiniz yüzde 40-50 aralığına katılıyorum. Hâlâ yapay zekâyı Google Arama gibi, yalnızca dört veya beş kelimelik basit istemlerle kullanan çok fazla insan var. Bazı bağlamlarda bu en kötü şey olmayabilir. Fakat yürüttüğümüz projelerin, birlikte çalıştığımız insanların karmaşıklığını ve iki kulağımızın arasında bulunan, büyük dil modelinin eğitim verilerinde yer almayan tarih ve bilgiyi düşündüğümüzde, bağlamı belirtmezsek genel sonuçlar alacağımız konusunda size katılıyorum.

Üretken yapay zekânın şu anki durumunda en çok sevdiğim ve nefret ettiğim şey, çok ikna edici olması. İnsanlar bunları yayımlıyor. Bu yeni bir şey değil ama çok iyi ve ikna edici görünüyor; ardından size harika olduğunuzu söylüyor ve siz de bununla devam etmek istiyorsunuz.

"Harika, işim bitti. Bu, benim yapabileceğimden çok daha cilalı; bunu alıp kullanacağım" diyorsunuz. Bunu neden yaptığımızın bazı nedenlerine geleceğiz. Fakat başka bir sorun da şu: Sonuç çok vasat olsa bile her zaman son derece ikna edici görünüyor.

Mashhood Ahmed: Ben persona değiştirme adı verilen bir yöntem kullanıyorum. Raporunuzu, ürün sözleşmenizi, herhangi bir belgenizi veya e-postanızı hazırladığınızı düşünün. Basitçe persona değiştirme istemi ekleyebilirsiniz. Örneğin: "Şimdi bu e-postayı veya belgeyi, bu projeyi destekleyen ya da desteklemeyen bir kişinin bakış açısından oku" diyebilirsiniz. O kişi hakkında biraz daha bağlam da ekleyebilirsiniz.

Ardından yanıtı görürsünüz. Belgeyi düzenlemeye karar verebilir veya şöyle diyebilirsiniz: "Bu soruyu koruyacağım ve buna hazırlanacağım. Bir sonraki toplantımda ya da bu projeyi geniş bir kitleye veya yönetim kuruluna sunarken biri bana bu soruları sorarsa yanıtlarımı hazırlamış olurum."

Bu çok önemli; çünkü bir proje üzerinde çalışırken çok fazla gürültüyle körlemesine karşılaşırız. Yapay zekâyı personayı değiştirmek için kullanabiliriz. Örneğin, projenin kurtarılması için 1,4 milyon dolar harcamamız gerektiğine ikna olmayan finans direktörünün bakış açısından değerlendirmesini isteyebilirsiniz. Bu, farklı bir bağlamdır.

Bazen proje yöneticisi olarak bunları düşünmeyiz bile; çünkü meşgulüzdür. Yapay zekâ diğer işlerin çoğunda bize yardımcı olabiliyorsa proje yöneticisi eleştirel düşünme becerilerine ve doğru soruları sormaya odaklanabilir. Bu çok önemli bir beceri setidir. Ben buna meraklı zihniyet diyorum ve bugün bunun hakkında da konuşacağız.

Galen Low: Harika. Buna geçelim. Bunu seviyorum çünkü birçok açıdan yapay zekâ işi sizin yerinize yapmıyor. Aslında paydaşlarınızla empati kurmanıza yardımcı oluyor; böylece hazırlıksız yakalanmıyorsunuz. Hazırlıksız yakalanmanız genellikle başka birinin zihniyetini öngörmemiş olmanızın sonucudur.

Buna geleceğiz ama biraz uzaklaşmak istiyorum. Konuşmalarınızda ve paylaşımlarınızda sahtekârlık sendromu ifadesini kullandığınızı gördüm. Farkında olmayanlar için bu, başarılı profesyonellerin akranlarını kandırdıklarını ve başarılarını hak etmediklerini hissettiği bir olgudur.

Yapay zekâ bağlamında bunun yalnızca başarıyı hak etmemekle ilgili olmaktan biraz farklı olduğunu düşünüyorum. Sözü size bırakayım: Yapay zekâ sahtekârlık sendromumuzu neden tetikliyor ve bu, yapay zekâya yaklaşımımızı nasıl etkiliyor?

Mashhood Ahmed: Sahtekârlık sendromunu tetikleyen ve insana "Yetişemiyorum, bunu anlamıyorum ya da herkes benden daha iyi kavrıyor" dedirten birçok şey var. Birincisi, yapay zekâ görünmez. Girdi, süreç ve çıktı düzenine alışığız. Kariyerimizi böyle geçiriyoruz: Girdi veriyoruz, bir şey işleniyor ve süreç akışını anlıyoruz. Yapay zekâ çağında ise süreç akışı bağlama ve sağladığınız istem ayrıntılarına göre değişiyor.

Bu nedenle bir kara kutuya dönüşüyor ve bizi rahatsız ediyor. Canlı gösteriler yaparken benim de başıma geldi; gösteri üç kez beklediğim gibi çalışmadı. On kez çalışmıştı ama bir kez çalışmadı. Bu bizi rahatsız ediyor.

İkinci konu, LinkedIn’e veya sosyal medyaya gittiğinizde herkes yapıyormuş gibi görünmesi. Oysa herkes bunu doğru yapmıyor. Ben hâlâ öğreniyorum; her şeyi yeniden öğreniyorum. Ayrıca proje yöneticisi veya PMO yöneticisi olarak projede neler olduğunu bilmeyi beklemeye alışığız.

Bu risk neden var? Bu sorun nedir? Bu tedarikçiyle ilgili problem nedir? Biri beni belirli bir toplantıya çağırdığında, o tedarikçiyle ne olduğunu açıklayabilirim; tüm geçmişi biliyorum. Burada ise her şey görünmez. Bu bizi çok rahatsız ediyor ve sahtekârlık sendromuna yol açıyor; çünkü kontrol bizde değil.

İnsanlar kontrolün kendilerinde olmasını ister. Kontrol meraklısı bir türüz. Kontrol makineye geçtiğinde paniğe kapılıyoruz.

Sahtekârlık sendromu burada ortaya çıkıyor; çünkü makinenin ne söyleyeceğini bilmiyoruz. Her şeyi tekrar kontrol edip doğrulamamız gerekiyor ve bu bazen çok fazla gürültü oluşturuyor.

Gerçekten değer yaratmaktan çok daha fazla iş çıkarıyor. Bugün tartışacağımız meraklı sorular, gürültü ve diğer birkaç konu da burada devreye giriyor.

Galen Low: Bu gerçekten ilginç; çünkü bir bakıma iki yönü var. Birincisi, popüler tanımda sahtekârlık sendromu, etrafınızdaki herkes sizden çok daha başarılı görünürken kendinizi sahtekâr hissetmek. Bence özgüveninizi artırmak için LinkedIn akışına bakmak yapılabilecek en kötü şeylerden biri. "İsteminizde yanlış yaptığınız yedi şey" veya "Etmenleriniz neden başarısız olmaya devam ediyor?" gibi başlıklar görüyorsunuz ve "Her şeyi yanlış yapıyor olmalıyım, berbatım" diyorsunuz.

İkinci yön ise az önce söylediğiniz şey: Bazı çıktılara bakıp onları eleştirmek istememek. İnsanların başka bir özelliği de budur: "Tamam, oldukça tamamlanmış görünüyor" deriz.

Bir proje yöneticisi olarak size teslimatlar gelir; yüzde 98 veya yüzde 100 tamamlanmıştır ve son teslim tarihi yarındır. Geri bildirim verirseniz her şeyi yeniden ele almak ve baştan oluşturmak zorunda kalacağınızı düşünürsünüz.

Burada da birincisi kara kutu, ikincisi tamamlanmış görünmesi, üçüncüsü ise özgüvenli değilseniz yapay zekânın sizden daha akıllı olduğunu düşünmenizdir. "İnternetin tamamı ve bilgi çağından bu yana insanlık tarihinin tamamı üzerinde eğitilmiş bu şeyle karşılaştırıldığında ben ne biliyorum?" dersiniz. Fakat sizin de belirttiğiniz gibi yapay zekânın kör noktası bağlamdır. Toplantıda ne söylendiğini, hangi paydaşın projeye karşı olduğunu ve riskin nerede bulunduğunu bilmez. Bunların çoğu sizin beyninizdedir. Yapay zekâ bunları bilmiyor; bu nedenle aramızdaki ortaklık çok önemli.

Mashhood Ahmed: Aklıma eski bir söz geliyor: "Şeytan ayrıntıda gizlidir." Bir ürün tamamlanmış gibi görünür ama bakmamız gereken ayrıntılarda şeytan saklıdır. Proje yöneticisi olarak toplantı dökümlerini kaydedebilirsiniz fakat "evet" diyen paydaşın aslında "belki" demek istediğini bilirsiniz.

Fikrinizi tam olarak desteklemiyor olabilir. Proje sözleşmesini, belgeyi, kullanıcı kabul testini veya canlıya geçiş belgesini hangi direktörün imzalayacağını bilirsiniz; ancak sizinle birlikte her şeyi yapacak kişi o değildir.

Analist unvanına sahip başka biri toplantıyı dinleyecektir. Bu kişi dolaylı paydaşınızdır ve direktörün unvanından ziyade onun desteğini almanız gerekir. Bütün bunlar deneyimden ve eleştirel düşünme becerilerinden gelir.

Eleştirel düşünmenin neden her zamankinden daha önemli olduğundan da söz edeceğiz. Siyaseti, insanları ve dinamikleri anlarsınız. Kuruluşunuzda işe yarayan başka bir kuruluşta işe yaramayabilir. PMO’larımız, proje yönetimi şablonlarımız ve PMI’ın sağladığı birçok kılavuz var.

Hayatımda yaptığım hiçbir proje tek bir yöntemi veya tek bir yaklaşımı izleyemedi; çünkü her durum kendine özgüdür. İnsan burada devreye girerek "Evet, bu benim durumum için geçerli. Paydaşımı, sponsorlarımı, ekibimi ve riskimi anlıyorum" der.

Risk kayıtlarında 14. veya 15. satırda gömülü duran bir risk vardır ama asıl devreye girecek olan o olabilir. Bunların hepsi insan öngörüsünden gelir.

Galen Low: Buna bayıldım. Yalnızca bu küçük bölümün bile birçok proje yöneticisinin duyması gereken şey olduğunu düşünüyorum. Bunu, hâlihazırda politik ve karmaşık olan, ayrıca sahtekârlık sendromuyla yüklü bir rolde proje yöneticilerinden oluşan ekipleri yöneten biri açısından ele alıyorum.

Birçok kişi bu role tesadüfen geldi. Ders kitabını yüzde 100 takip etmedikleri için işi doğru yapmadıklarını düşünüyorlar; içgüdüleriyle hareket ediyor ve doğaçlama yapıyor gibi hissediyorlar. Ancak sizin de söylediğiniz gibi değerli olan tam olarak bu. İhtiyaç duyulan ek bağlam bu.

Bu sizin uzmanlığınız. Yapay zekâ, onunla ortaklık kurmak, iş birliği yapmak ve bilginizi daha üretken olmanızı sağlayacak biçimde kullanmak için yararlandığınız araç. Aslında belki de daha üretken olmanızı sağlıyor. Şimdi buna geçelim. Sizi dinlediğim konuşmada meraklı olma ile stratejik sorgulama, yani eleştirel düşünme arasındaki yin ve yang ilişkisinden bahsediyordunuz. Bunun yapay zekâyı etkili biçimde kullanmanın anahtarı olduğunu söylediniz.

Meraklı olma kısmıyla başlayalım. Sizin için meraklı bir zihniyete sahip olmak ne anlama geliyor? Yapay zekâ söz konusu olduğunda bu neden önemli?

Mashhood Ahmed: Eskiden verinin güç, bilginin güç olduğunu ve en çok veriye sahip olanın teknolojinin önünde olacağını söylerdik. Bence şu anda bunun tam tersi doğru. Ne kadar çok veriye ve bilgiye sahip olursanız bu bir lanete dönüşebilir. Değerli olması için ilgili veriye ve ilgili bilgiye sahip olmanız gerekir.

İnternette her şey hakkında tonlarca veri bulabilirim. Üretken yapay zekâ da tüm verileri taradı. Belirli bir veriyi ondan isteyebilirsiniz; bu veri parmaklarınızın ucunda.

Ancak çok fazla gürültü var. Üç veya dört satırlık bir istem yazıyorsunuz ve şimdi okuyup anlamlandırmanız, önemli noktaları seçmeniz gereken beş sayfalık bir belgeniz oluyor. Burada çok fazla gürültü var. Gürültünün bir girdi olduğunu anlamak gerekiyor.

Benim stratejik sorgulama olarak adlandırdığım şey, doğru soruyu sormaktır. Basitçe ifade edersek, bana yardımcı olması için yapay zekâya sormam gereken en ilgili soru nedir? Bunun neden önemli olduğunu da net biçimde anlamam gerekir. Doğru soruyu sormazsanız yapay zekâ sizinle aynı fikirde olur ve olumlu yanıt verir. Persona değiştirin: "Şimdi bu duruma şu kişinin bakış açısından bak" deyin.

Olası senaryoları düşünün. Tüm bu olasılıkları oluşturmak çok fazla bilişsel güç gerektirir. Deneyimlerime göre herhangi bir üretken yapay zekâyla iki veya üç saat bilişsel olarak çalışmak çok yorucu. İki veya üç saat sonra yoruluyorum ve zihnim aşırı yüklenmiş oluyor. Ara vermem gerekiyor.

Ara verin ama soru sormaya devam edin. Doğru soruyu sormazsanız olumlu yanıt alırsınız.

Kariyerimiz boyunca CIO’lar, CFO’lar, CEO’lar, direktörler ve başkan yardımcılarıyla çalıştık. Bazen bu kişilerin o seviyeye nasıl geldiğini merak ederiz. Liderlik pozisyonundaki bu insanların ortak özelliği, bana geldiklerinde gerçekten önemli olan ve derinlere inen bir ya da iki soru sormalarıdır.

Bu soruları doğru yanıtlarsam onların saygısını kazanırım. Yanıtlayamazsam beni tercih etmezler. Bu insanlar kariyerlerinde yükselir çünkü doğru zamanda doğru soruyu sorarlar.

Yapay zekâ sizin için çok şey yapabildiği için doğru soruyu sormak artık daha da kritik. Yapay zekâ etmenlerinizi doğru kurarsanız arka planda birçok işi yapabilir. Ancak bağlam şu: Bu noktada gerçekten önemli olan doğru soruyu soruyor musunuz ve bundan sonra ne yapacaksınız?

Bu bilgiyle ne yapacaksınız? Bir rapor aldınız. Raporu okuduktan sonra ne yapacaksınız? Bir şeyi değiştirecek misiniz? Değişen ne? Asıl derin sorular bunlar.

Bu podcast’i dinleyen herkesten burada durup şu soruyu sormasını istiyorum: "Bir sonraki toplantımda gerçekten sonuca ulaşmamı sağlayacak hangi derin soruları sormalıyım?" Bu soruları sormayacaksanız toplantıyı iptal etmeli misiniz? O hâlde toplantıyı iptal edin. İnsanlar toplantılardan nefret ediyor.

Galen Low: Bunu gerçekten seviyorum. İnsanlar düşünme anlarından çıktığında bunu bir senaryo üzerinden adım adım inceleyebilir miyiz? Daha iyi sorular sorma fikrini seviyorum. Başarılı gördüğümüz veya kuruluş içinde üst düzey konumlara ulaşmış insanların doğru zamanda doğru soruyu sorma içgüdüsüne sahip olduğunu düşünüyoruz.

Büyük dil modelinizle bir veya iki saatlik konuşmalar yapmaktan söz ettiniz. Dinleyen herkes bu şekilde çalışmıyor olabilir. Ancak büyük dil modelinizle 30 veya 45 dakikalık bir konuşmada doğru soruları sormanın nasıl görünebileceğini adım adım inceleyebilir miyiz?

Mashhood Ahmed: Yeni bir proje üzerinde çalıştığımı varsayalım. Belgelerime erişim veririm. Office’te Copilot kullanabilirim. Bu arada günümüzde birçok şirket Copilot’u benimsedi ancak çoğu onu etkili ve verimli kullanmıyor. Ekibinizde bunu yapan kişi siz olun.

Belgenizi paylaşın ve "Yalnızca bu belgeleri kullan" diyerek sınırları belirleyin. Ardından şu soruları sormaya başlayın: "Neler eksik? Boşluğu nerede doldurmam gerekiyor? Bu belgelerdeki tutarsızlıklar neler? Başka biri bana ne sorabilir?"

Persona değiştirme türünde sorular kullanın. Daha fazla bütçe istiyoruz. CFO hangi soruları sorar? CFO projenizin planlandığı gibi ilerleyip ilerlemediğiyle ilgilenmez; bütçe dâhilinde olup olmadığını önemser. İş sahibi veya işletme yöneticisi projenin zamanında canlıya geçip geçmediğini önemser. CIO entegrasyonda ne olduğunu, verilerimizin güvende olup olmadığını önemseyebilir. Herkesin farklı bir bakış açısı vardır; persona değiştirme burada gerçekten yardımcı olur.

Üretken yapay zekâdan birer birer bana sorular sormasını istemek de kullandığım ve bana çok yardımcı olan bir istem tekniğidir. Halüsinasyonların neden oluştuğunu anlamamız gerekir. Yapay zekâya yeterli bağlam sağlamadığımız için halüsinasyon oluşur.

Yapay zekâ varsayımlarda bulunur. Varsayımlar doğruysa harika bir yanıt alırız. Doğru değilse yapay zekâ veriler uydurur, yanlış varsayımlarda bulunur ve bize bir çıktı verir. Biz de "Bu tamamen yanlış" deriz. Bu nedenle yapay zekâyı bir stajyeri eğitir gibi eğitmemiz gerekir.

Ekibinize yeni katılmış, MBA yapmış veya kısa süre önce PMP sınavını geçmiş biri gibi düşünün. Çok akıllı ve iyi olabilir ama acemi hataları yapar. Her zaman acemi hataları yapacaktır. "Bana açıklayıcı soruları teker teker sor" istemini yazın. Böylece yapay zekânın arka planda yaptığı her varsayımı sizinle doğrulaması sağlanır.

Neden tek tek? "Bana açıklayıcı sorular sor" derseniz dört soruyu aynı anda sorar. Siz birine yanıt verirsiniz ve diğer üçünü de yanıtladığınızı varsayar. Ancak soruları tek tek sormasını ve yanıtınızı beklemesini söylerseniz yanıtlarınızın kalitesinin ve yapay zekâdan elde ettiğiniz değerin çok daha yüksek olduğunu görürsünüz.

Bir diğer konu, kısıtları veya koruyucu sınırları belirlemektir. İnsanlar ne yapılacağını anlamakta çok iyidir; ne yapılmaması gerektiğini anlamakta ise kötüdür. Aşırı kaydırmanın bizim için iyi olmadığını biliriz ama çoğumuz olması gerekenden çok daha fazla zaman harcarız. Çünkü kolay ve kullanışlıdır.

Bu, yapılmayacaklar listesi gibidir. Ancak çoğumuzun böyle bir listesi yoktur. Yapay zekâ çağında yapılmayacaklar listesini oluşturmak ve bunu etmenlerinizin veya istemlerinizin içine koruyucu sınır olarak yerleştirmek çok önemlidir. Yapay zekâdan yapmasını istemediğiniz her şeyi yapmaya eğilimlidir.

Bu nedenle koruyucu sınırlar koymak daha iyidir. Bir diğer konu kısıtları üst üste eklemektir. Örneğin çıktıyı üç maddeyle, beş sütunlu bir tabloyla veya 50, 200 ya da 1.000 kelimeyle sınırlandırabilirsiniz. Ben genellikle daha kısa bir yanıtı tercih eder ve üzerine adım adım ekleme yaparım.

Copilot’ta belgelerinizi düzenlemesine izin verebileceğiniz bir özellik vardır. Örneğin PowerPoint sunumumda veya Word belgelerimde belirli bir düzeni kontrol edip düzeltmesini isteyebilirim. Böylece bunu manuel olarak yapmam gerekmez.

Copilot’tan belgenizi düzenlemesini isterken çok açık olun. Tüm belgeyi düzenlemesi için ona sınırsız yetki vermeyin; neyi değiştireceğini bilemezsiniz. Bir raporu teslim ettiğinizde üzerinde sizin adınız vardır. Üretken yapay zekâ yanıt verdiğinde ise "Yapay zekâ tarafından oluşturuldu, kontrol edin; yapay zekâ hata yapabilir" uyarısı çıkar. Adınızın bulunduğu bir rapora "Mashhood tarafından geliştirildi ancak yapay zekâ tarafından oluşturuldu; doğruluğunu kontrol edin" yazamazsınız. Çünkü risk sizin adınızdadır.

Bu nedenle insan unsurunu anlamamız gerekir. İnsan unsurunu görmezden gelemeyiz. Etmen tabanlı yapay zekâda bile farklı kapılarda ve aşamalarda bir insanın döngüde olması gerekir; bir etmenin doğru şeyi yaptığını doğrulamak ve ardından süreci takip etmek zorundayız.

Galen Low: Stratejik sorgulama kısmına geçelim. Ancak önce şunu söylemek istiyorum: Merak etmek ve doğru soruları sormak öğrenmekle ilgilidir. Sizin de söylediğiniz gibi biz bir işi yapma konusunda iyiyiz. Bir şeyi mümkün olduğunca hızlı tamamlamaya çalışıyoruz; çünkü yapay zekâdan beklenenin bu olduğunu düşünüyoruz.

Copilot ve büyük dil modellerine sahip olduğumuza göre her şeyin 15 dakika sürmesi gerektiğini hissedebiliriz. Ancak söylediklerinizde sevdiğim şey şu: Görünür olmayan soruları sormak, yapılmayacaklar listesi gibi koruyucu sınırlar eklemek, eksik veya çelişkili şeyleri sorgulamak için zaman ayırmamız gerektiğini söylediniz.

Bunların hepsi proje yöneticisi olarak birçok proje profesyonelinin iyi yaptığı şeyler. Bir ekibe liderlik ederken özellikle üzerinde durduğum konu şuydu: Yalnızca mevcut olan hakkında değil, eksik olan hakkında da geri bildirim verin.

İnsanlar mevcut olmayanı görmekte iyi değildir. Hemen mevcut olana yönelir ve geri bildirim veririz. Bir sorun bulamazsak değer katmak için yazım ayrıntılarına takılırız. Oysa uzaklaşıp şunu söylemek gerekir: "Öncelikle size bilgi verirken bunları yapmayın; bunlar kısıtlarımız."

Küçük parçalar hâlinde birlikte çalışıp sonucu dosyaya işleme fikrini seviyorum. Bazen büyük dil modelinizden yedi sayfalık bir çıktı alır ve günün geri kalanını bunu okumaya ve parçalamaya harcarsınız. Bunun yerine daha küçük bölümler hâlinde çalışabilirsiniz.

Bu fırsatı yalnızca işleri daha hızlı bitirmek için değil, daha fazla öğrenmek ve bağlamınızı daha iyi düşünmek için kullanmanız gerektiğini düşünüyorum. Daha önce bahsettiğiniz incelikleri büyük dil modelinize aktarıyor musunuz? Örneğin bu paydaş evet diyecek ama asıl karar verici başka biri gibi.

Mashhood Ahmed: Evet. PMP hazırlığında etki matrisi kullanmayı öğrendik. Projelerinizde etki matrisi derecesi oluşturmanızı öneriyorum; ancak her paydaşın personasını da oluşturun.

Toplantı dökümlerinizin tamamını okuyabilen ve "Toplantılarıma katılan bu kişi hakkında ne biliyorum?" diye yanıt verebilen bir etmeniniz olabilir. Ardından bunu gözden geçirip "Bunu hatırla" veya "Bunu hatırlama" diyebilirsiniz. Bu, yapay zekânın bağlamı anlamasına yardımcı olur.

Persona değiştirmeye başladığınızda da faydalı olur. "Bu benim sponsorum. Bu toplantı dökümünü oku ve kişilik tipinin ne olduğunu söyle" diyebilirsiniz. Yapmak istediğim konuşmalardan biri de paydaşların DISC profilini çıkarmak. John Maxwell tarafından geliştirilen DISC profillemesiyle paydaşlarınızın profilini üretken yapay zekâ kullanarak oluşturabilir ve zaman içinde kullanmaya devam edebilirsiniz. Yapay zekânın bu konuda giderek daha iyi olduğunu görürsünüz.

Galen Low: Bunu gerçekten seviyorum. Yine de iyi bir değerlendirme yapabilmesi için bağlam sağlamamız gerekiyor. Ayrıca hiçbir zaman her toplantı dökümünü okuyup tüm paydaş ekosistemimin DISC profillerini oluşturacak biri olmadım. Çok fazla zaman alacak gibi görünür.

Yapay zekâ, kararlarını bilgilendirmeye yardımcı olacak bir miktar işi yapabilir ve bu da sizin kararlarınızı etkileyebilir. Bu, stratejik sorgulama kısmına geçmek için iyi bir fırsat olabilir.

İnsan olarak sorumlu olduğunuz konusuna zaten değindik. Hesap verebilir tutulacaksınız. "Çalışmamda hatalar olabilir ama lütfen bana ödeme yapmaya devam edin" diyemezsiniz.

Yapay zekâ çıktılarını stratejik olarak sorgulamak sizin için ne anlama geliyor ve bu, meraklı zihniyetle nasıl dengeleniyor?

Mashhood Ahmed: Çok iyi dengeleniyor. Strateji, odaklanmam gereken tek şeyin ne olduğunu belirlemek demektir. Benim için strateji, tüm gürültüyü ortadan kaldırıp tek bir şeye odaklanmaktır.

Herhangi bir strateji belgesine baktığınızda genellikle üç veya beş madde görürsünüz; çünkü insan belleği böyle çalışır. Bu bağlamda gerçekten önemli olan nedir? Önemli olmayan nedir? Gürültü olan nedir? Bunu anlamak gerçek değer katar.

Yapay zekâ sizin için ağır işleri yapabilir ancak siz değerli olan şeyleri seçersiniz. Bir belgeye, yapay zekânın bilgi havuzuna veya paydaş personasına neyin eklenmesi gerektiğine siz karar verirsiniz. Bir şeyi sunuma koymak istemeyebilirsiniz; çünkü o kelimeyi koyarsanız sunumun nereye gideceğini bilirsiniz.

Toplantıya gelecek kişinin bunu sorma ihtimali varsa hazırlanmak için yapay zekâdan yardım istersiniz. Stratejik sorgulama ve meraklı zihniyet burada devreye girer. Doğru soruyu sormak, slayt destesine neyin konulacağını veya neyin konulmayacağını belirlemek sizin kararınızdır; çünkü paydaşlarınızı tanırsınız.

Odayı okuyabilirsiniz. Yapay zekâ yönetim kurulunun, PMO’nun veya paydaşınızın karşısına oturup soruları yanıtlamaz. Direksiyon başında olan sizsiniz. Doğru soruyu sormak ve farklı projelerde hangi sorunun doğru olduğunu bilmek kritik öneme sahiptir.

İki farklı projede iki farklı soru veya çok sayıda farklı soru sorarsınız. Ne zaman ve ne soracağınızı bilmek, geliştirmemiz gereken en önemli kritik becerilerden biridir. Yapay zekâ her şeyi yapabilir ama şu anda sizin için doğru şeyi yapmasını istiyor musunuz?

Galen Low: Komik olan şu ki bu konuşmaya geri dönüp yapay zekâ kelimesini çıkararak yerine doğrudan rapor veren çalışanlarınızı koysanız her şey yine anlamlı olurdu. Makinelere bağlam vermek, çıktıyı sorgulamak ve geri bildirim sağlamak için harcadığımız zamanın daha iyi insan liderleri olmamıza da yardımcı olacağını fark ediyoruz.

Bazen bir yapay zekâ istemim bir insana vereceğim bilgilendirmeden daha ayrıntılı oluyor; çünkü insanın bunu anlayacağını ve bağlamı kendisinin bulacağını varsayıyorum. Oysa proje nüansları, siyaset, stratejik olarak önemli veya önemsiz olan şeyler konusunda insanlarımızı da büyük dil modellerimizi eğittiğimiz gibi daha iyi eğitebiliriz.

Birçok kuruluşun meraklı olma ve çıktıları sorgulayarak stratejik davranma konusunda bu adımı atmasına yardımcı oluyorsunuz. Bazen ister insan ister yapay zekâ olsun, paydaşlarınızın önüne ne koyacağınıza veya yönetim kuruluna ne sunacağınıza karar veren kişi sizsiniz.

İlk sorum şu: Büyük dil modelinize "Teşekkürler, bunu şu nedenle dahil etmiyorum; şimdi slayt destesini hazırlayacağım" diye geri bildirim veriyor musunuz? Yoksa bu sizin vereceğiniz bir karar olduğu için devam mı ediyorsunuz? Ardından insanları bu zihniyete nasıl taşıdığınızı, doğru soruları sorma ve çıktılara meydan okuma bileşimini kullanmayan kişilerin belirtilerini ve ne soracaklarını bilmelerini nasıl sağladığınızı adım adım inceleyebilir miyiz?

Mashhood Ahmed: İlk soruya yanıt olarak üretken yapay zekâya yanıtları hakkında geri bildirim vermek çok önemlidir. Bu podcast’i dinleyen herkesten sistem isteminin, özel talimatların ve belleğin ne olduğunu araştırmasını istiyorum.

Bunların hepsini açıklamayacağım; herhangi bir yapay zekâya bunların ne olduğunu ve aralarındaki farkı nasıl kullanacağınızı sorabilirsiniz. Ardından Outlook, Copilot, ChatGPT veya Claude içindeki belleği ve özel talimatları güncelleyebilirsiniz.

Bu, sınırları belirlemenize yardımcı olur. Bellek ve özel talimatlarla kurallar koyabilirsiniz. Bu tür şeyler olursa şu şekilde davranmasını söyleyebilirsiniz. Ancak bunları uygulamanız gerekir. Her şeyi ayarlasanız bile yapay zekâ hâlâ hata yapacaktır; bu nedenle gözünüzü üzerinden ayırmamalısınız.

Bu sorunları fark edecek gözü geliştirmek de başka bir beceridir. Bunu daha fazla geliştirmemiz gerekiyor.

İkinci sorunuz, hâlâ kararsız olan insanlarla ilgiliydi. Bu her zaman olur. İnternet ilk ortaya çıktığında da 25 veya 30 yıl önce aynı şey yaşandı. İnsanlar depolarındaki her şeyi bildiklerini söylüyordu. Ancak tatile çıktığınızda insanlarınız çalışamıyorsa bunu nasıl kusursuz hâle getirebilirsiniz? Çözüm çevrim içi veritabanıydı. Şimdi bunu kabul ediyoruz.

Bir diğer soru da bunun işimi etkileyip etkilemeyeceği ve işimin risk altında olup olmadığı. Buna evet ve hayır derim. Bağlama göre işinizin risk altında olup olmadığı konusunda kesin bir yanıt veremeyiz. Tarihten bildiğimiz şey mesleklerin değiştiğidir. Yeni meslekler, araçlar ve teknolojiler ortaya çıkar.

25 yıl önce bulut mühendisi, sanallaştırma mühendisi veya masaüstü mühendisi ifadelerini duyan var mıydı? Hayır. Bugün yaptığımız proje türleri de yarın yapacağımız projeler olmayacak. Bu nedenle kendimi bu projelere nasıl hazırlayabilirim diye sormak gerekir.

Tek mantıklı yanıt, en yeni araçları öğrenmek, kendi kör noktalarınızın ve kullandığınız araçların kör noktalarının farkında olmaktır. Yapay zekâ modelleri değişmeye devam edecek. Bazı konularda daha iyi olurken başka konularda kötüleşebilir. İstem kayması veya model kayması olarak adlandırılan durum yaşanacak. Bu nedenle kalite güvence konusunda her zaman dikkatli olmalıyız.

Beş satırlık bir istem yedi sayfalık bir belgeye dönüşebilir. Bunu doğru biçimde okumak en az 25-30 dakika sürer. Doğru yapılmadıysa belgeyi düzenlemek tüm gününüzü alabilir. İnsan öngörüsüne hâlâ ihtiyaç vardır; çünkü yönetim kurulunun karşısında olan, insanları yöneten ve insan zihninin karmaşıklığını anlayan biziz.

Farklı kültürlerde bazı şeyler farklıdır, ancak ortak noktalar da vardır. İnsanları yönetmek, sürtüşmeleri çözmek ve tüm bu unsurlar giderek daha önemli hâle gelecek; farklı bir zihniyet gerektirecek.

Galen Low: Bunu seviyorum. Baştan sona bir hikâye anlatabilir misiniz? Başta genel soruların genel çıktılar ürettiğinden söz ettik. Ardından meraklı zihniyete, stratejik sorgulamaya ve daha iyi sonuç almaya geçtik.

Ekiplerle çalışırken, başlangıçta yapay zekâyı oldukça genel biçimde kullanan, çıktıyı olduğu gibi kopyalayıp kullanan ve sonuç doğru olmadığında sorun yaşayan ekiplerde hangi belirtileri görüyorsunuz? İlerlemeleri gerektiğini nasıl belirliyorsunuz? Onları meraklı zihniyet ve stratejik sorgulama alanına nasıl taşıyorsunuz ve sonrasında ne değişiyor?

Mashhood Ahmed: Deneyimlerime göre onlara çok basit bir şey göstermek işe yarıyor. Podcast’in başında önerdiğim zar deneyini yapmalarını isteyebilirsiniz. Genel girdilerin genel çıktılar verdiğini anlamaları gerekir.

Bunu insanlara gösterdiğimde bir keresinde biri bunun sihir olduğunu ve sistemi hacklediğimi söyledi. Oysa üretken yapay zekânızı hacklemiyorum; bu yalnızca istatistik ve matematik. Yapay zekânın örüntülerle çalıştığını anlamak gerekiyor.

Ekibi nasıl ileri taşırız? Eğrinin önünde olan bazı ekip üyeleri vardır. Onlar kurum içindeki yapay zekâ öncülerinizdir. Onları sürece dâhil edin. Atölyeler, Teknoloji Salıları veya öğle yemeği ve öğrenme oturumları düzenlemelerini sağlayın. Küçük bir konuyu tartışın; büyük bir şeyle başlamayın.

Bir danışmanlık çalışmamda Amerika Birleşik Devletleri’ndeki bir üniversite için üretken yapay zekâ yetkinleştirme programı yürütüyorum. Onlara yapay zekânın temellerini, temel istem oluşturmayı ve temel konuları öğretiyoruz. Katılımcıların yüzde 70’i öncekinden daha özgüvenli olduğunu bildirdi. Yalnızca iki saatlik tek bir oturumla yüzde 19’dan yüzde 70’in üzerine çıktık. İnsanların yüzde 90’ı bu tür bir eğitimi bir iş arkadaşına önermeye yatkın.

Onların seviyesine inmeniz gerekir. Teknolojiye yatkın olmayan insan kaynaklarındaki Suzy’yi veya teknolojiye yatkın olmayan ancak tedarikçi yönetimini çok iyi bilen satın alma bölümündeki Dan’i düşünün. Onların seviyesinden düşünün. Basit örnekler verin, karmaşık örneklerle başlamayın. İlk günden uçtan uca bir süreç çalıştırmaya kalkmayın. Küçük adımlar atın, denemelerine izin verin ve bir ay süre tanıyın.

Geri bildirim çok önemlidir. Bu müşteri için basit bir anket oluşturduk: "Bu oturumdan sonra kendinizi ne kadar özgüvenli hissediyorsunuz?" ve "Bir sonraki konu olarak ne öğrenmek istersiniz?" Böylece geri bildirim alırsınız.

Teknik taraftaysanız, Copilot kullanımını kontrol edin ve örüntüyü izleyin. Her ay daha fazla belirteç kullanımı görüyor musunuz? Bunun size maliyetini de dikkate alın. İnsanlar agresif biçimde kullanmaya başlarsa sınıra ulaşabilirsiniz.

Yönetişimi, politikaları ve yapılmayacaklar listesini düşünün. Kuruluşunuzun politikası ve stratejisi açısından ne yanlış gidebilir? Yapay zekânın yapmaması gereken bir şeyi yaptığına dair çok sayıda haber var. Bunun tek nedeni uygun koruyucu sınırların belirlenmemiş olmasıdır.

Aklıma gelen örneklerden biri Air Canada olayıdır. Bir müşteri Air Canada’nın internet sitesine gidip büyükannesinin vefat ettiğini, acil seyahat etmesi gerektiğini ve yas indirimi verip vermediklerini sordu. Air Canada’nın sohbet robotu yas indirimi vermenin iyi bir fikir olduğunu düşündü ve müşteriye indirim uygulanacağını söyledi.

Müşteri ekran görüntülerini aldı, başvurdu ve şirket böyle bir politikalarının olmadığını söyledi. Müşteri ekran görüntülerini kullanarak itiraz etti, mahkemeye gitti ve mahkeme Air Canada’nın indirimi ödemesi gerektiğine karar verdi.

İndirim birkaç yüz dolar olabilir ancak olay hâlâ konuşuluyor. Bunun nedeni uygun koruyucu sınırların, yönetişimin ve insanların ve etmenlerin kullanacağı politikaların oluşturulmamasıydı.

Bu nedenle başlamadan önce neyin yanlış gidebileceğini düşünmek çok önemlidir. Yavaş ve kademeli ilerleyin, ekibinizin nasıl çalıştığını gözlemleyin. Her ekip, işletme ve işletme sorunu farklıdır. Küçük başlayın.

Galen Low: Dengeyi bulma fikrini seviyorum. Ayrıca üniversitedeki eğitim çalışmanızı da gerçekten beğeniyorum. Konuşmaya sahtekârlık sendromuyla ve LinkedIn akışlarımızda gördüklerimizin zıddıyla başladık. LinkedIn akışlarımızda birinin diğerinden daha iyi yaptığı, diğerinden daha çok bildiği ve bir şeyin başarısız olacağı söyleniyor.

Siz herkesi bir araya getiriyor, birlikte öğrenmelerini ve paylaşmalarını sağlıyorsunuz. İnsanlar daha rahat ediyor; çünkü sahtekârlık sendromunun o tarafını artık yaşamıyorlar. Herkesin nerede olduğunu biliyor ve ihtiyaç duydukları yerde kendilerini geliştiriyorlar.

Meraklı zihniyet ve stratejik sorgulama da bizim öğrenme biçimimiz. Zaman alıyor ama özgüvenimizi oluşturuyor. Böylece yalnızca genel sorular sormaya direnmekle kalmıyor, büyük dil modelimizin cilalı çıktısını da sorgusuz sualsiz kabul etmiyoruz.

İnsanların bazen sizin sihir yaptığınızı düşünmesini, bazılarının da yapay zekânın her şeyi yapabileceğine inanmasını sevdim. Gerçek şu ki insanlar bazı şeylerde iyidir, yapay zekâ bazı şeylerde iyidir; yapay zekânın ve insanların kötü olduğu alanlar da vardır. Kurmamız gereken denge bu.

Mashhood Ahmed: Bu bana daha önceki yapay zekâ konuşmalarımı hatırlattı. O konuşmalarda önemli becerilerden birinin unutmayı ve yeniden öğrenmeyi olduğunu söylemiştim.

Alışkanlıklarımızı düşünün. Lean Six Sigma’da da insanların mevcut durumu koruduğunu söyleriz. "Bunu 20 yıldır böyle yapıyoruz" denir. Evet, 20 yıldır böyle yapıyor olabilirsiniz ama bu en etkili ve verimli yöntem olmayabilir. Değişim yönetimi budur.

Bunun altında yatan önemli beceri unutmayı öğrenmektir. Artık yardımcı olmayacak bir beceriyi bırakmam gerektiğinin farkında olmalıyım. On veya on beş yıl önce bana yardımcı olan şey şimdi yardımcı olmayabilir. Hangi farklı becerileri öğrenmem gerektiğine dair bir strateji veya plan oluşturmalıyım.

Buna açık olmanız gerekir. Bazı insanlar açıktır, bazıları değildir; bu da sorun değil. Herkes farklıdır ve hayatının farklı bir seviyesindedir. Babam mimar. 25 yıl önce AutoCAD geldiğinde herkes kullanmaya başladı ama babam kullanmayı reddetti. AutoCAD çizimlerinde ona yardımcı olacak birini işe aldı ve kendisi imzaladı. O dönemde bu işe yaradı.

Bazı insanlar deneyecek, bazıları denemeyecek. Önemli olan neyi unutmamız ve neyi öğrenmemiz gerektiğini anlamaktır. Eski alışkanlıkları unutmak çok zordur. Yeni alışkanlıkların nasıl oluşturulacağı hakkında kitaplar okuyun. Söylemesi kolay, yapması zordur. Unutmayı ve yeniden öğrenmeyi içeren bu iki kelimenin altında büyük bir derinlik var.

Galen Low: Bu konuşma boyunca sevdiğim şeylerden biri, bunun bir kısmının negatif alanla ilgili olması. Yalnızca mevcut olan değil, eksik olan da önemlidir. Yalnızca ne sorduğumuz değil, ne sormadığımız önemlidir. Yalnızca ne bildiğimiz değil, neyi varsaydığımız önemlidir.

Yalnızca öğrenmek değil, farklı bir alanda daha fazla öğrenebilmek için neyi unutmamız gerektiği de önemlidir. Eleştirel düşünme ve becerilerin körelmesi hakkında konuştuk. Yapay zekâ ve medya eleştirel düşünme becerisinin önemini azaltıyor olabilir.

Yapay zekâ araçlarımızın yanıtı verdiğini düşündüğümüzde meraklı olmamız veya o şeyi öğrenmemiz gerekmediğini hissedebiliriz. Oysa bunu tersine çevirdiğinizde bunun daha fazla öğrenmek, daha eleştirel düşünmek ve odadaki kıdemli liderler olmak için bir fırsat olduğunu görürsünüz.

Babanız gibi bir şeye bakıp onu eleştirel biçimde değerlendiren, sorgulayan ve onaylayabilecek hâle gelen kişi olmak mimaride de, proje yönetiminde de ve çalışma hayatında da önemlidir. Sizin için çalışan insanların aldığı kararlardan sorumlu olmak, yapay zekâ hakkında her şeyi öğrenmek ve başka hiçbir şey öğrenmek zorunda kalmamak şeklinde anlaşılmamalı.

Mashhood Ahmed: Bu bana yapay zekâ risk yönetiminde konuştuğum bir konuyu hatırlattı: Yapay zekâya aşırı güvenmek. Bu, bilişsel kapasitemizi ve problem çözme yeteneğimizi geliştirme becerimize zarar veriyor.

Bunlar temel beceriler. Çocuklara anaokuluna başlamadan önce eleştirel düşünmeyi, problem çözmeyi ve çevrelerinin farkında olmayı öğretmemiz gerekir. Bunun teknolojiyle ilgisi yok; insan etkileşimiyle ilgili.

İnsanlar raporlarını, LinkedIn paylaşımlarını ve benzeri içerikleri yapay zekâya yazdırıyor. Ben de birkaç kez hata yaptım; bir şeyi yayımladım ve iki satırı silmeyi unuttum.

Hata yapmak sorun değil. Ancak farkında olmak ve düzeltmek, farkında olmamaktan çok daha önemlidir. Her LinkedIn paylaşımında böyle hatalar varsa itibarım risk altındadır. Yapay zekânın yapamayacağı hangi değeri masaya getirdiğimi düşünmeliyim.

Galen Low: Buna bayıldım. Masaya hangi değeri getiriyoruz? Hızlı bir soru: Sizin unuttuğunuz bir şey nedir?

Mashhood Ahmed: Yapay zekânın eskiden benim yaptığım şeyleri yapabilmesini ve benden daha iyi yapabilmesini kabullenmek.

İngilizce benim ana dilim değil. Çok hata yapardım. Birkaç yıl önce Grammarly aboneliğim vardı, şimdi iptal ettim. Sınırlarınızı anlamalı ve bunu gereğinden fazla düzeltmeye çalışmamalısınız.

Yazım tarzınızın ne olduğunu yapay zekâya söyleyebilir, Oxford virgülünü tercih edip etmediğinizi belirtebilirsiniz. Yapay zekâ bunu takip eder. Yine de dikkat etmeniz gerekir.

Rahatsız edici şeyleri kabullenmek, her seferinde bir adım ilerlemek, öğrenmek, unutmayı öğrenmek, yeniden öğrenmek ve yol boyunca kritik soruları sormak önemlidir. Benim durumumda neyin ilgili olduğunu düşünmeliyim. Bunlar bu konuşmadan çıkarılabilecek önemli beceriler ve derslerdir.

Galen Low: İnsan olarak her konuda en iyi olmak zorunda olmadığımı öğreniyorum.

Mashhood Ahmed: Kesinlikle.

Galen Low: Buna bayıldım. Mashhood, bugün zaman ayırdığın için çok teşekkürler. Çok keyifliydi. Yaptıklarınla ilgilenen kişiler senin hakkında nereden daha fazla bilgi edinebilir?

Mashhood Ahmed: LinkedIn’de adımı arayabilirler. Beni bulup bağlantı kurabilirler. İlginç bulacağınız bazı LinkedIn paylaşımları yapıyorum. mashhood.net adresindeki internet siteme de bakabilirsiniz. Beni takip etmek için en iyi yol LinkedIn.

TikTok kullanıyorsanız orada da zaman zaman içerik paylaşıyorum. Beni bulabilirseniz TikTok’tan takip edin.

Ayrıca farklı etkinliklerdeki videolarımdan bazılarına bakın. Farklı podcast’lerden ve konferanslardan bir veya iki dakikalık klipler paylaşıyorum. Farklı yapabileceğiniz, kısa ve uygulanabilir şeyler bulabilirsiniz.

Galen Low: Harika. İlginlenenler için LinkedIn, TikTok ve internet sitenizin bağlantılarını program notlarına ekleyeceğim.

Tekrar teşekkür etmek istiyorum. Çok güzel bir sohbetti.

Mashhood Ahmed: Harika. Çok teşekkürler. Bu podcast’in yakında yayımlanmasını sabırsızlıkla bekliyorum.

Galen Low: Pekâlâ millet. Digital Project Manager Podcast’in bugünkü bölümü burada sona eriyor. Bu sohbeti beğendiyseniz dinlediğiniz platformda abone olmayı unutmayın. Daha fazla pratik içgörü, vaka çalışması ve çalışma planı istiyorsanız thedigitalprojectmanager.com adresinden ücretsiz bir hesap oluşturun.

Bir sonraki bölüme kadar dinlediğiniz için teşekkürler.