Yapay Zekâ Benimsemesini En İyi Ölçen Liderler Neden Panolara Bakmıyor
Metrikleri Takip Etme: Geleneksel kullanım metrikleri yapay zekânın değerini çoğu zaman yanlış yansıtır; odak noktası operasyonel verimlilik olmalıdır.
Verimlilik Kazanımları: Yapay zekânın etkisini değerlendirmek, yalnızca faaliyet düzeylerine veya çıktılara değil, ölçülebilir verimlilik iyileştirmelerine dayanır.
Davranış Değişikliği: Anlamlı yapay zekâ benimsemesi, kendiliğinden kullanım ve görev otomasyonu gibi davranış değişimleriyle kendini gösterir.
Muhakeme Değişimi: Proje yöneticilerinin değeri, çıktı hızından bilinçli kararlar almaya ve düzenlemeler yapmaya doğru evriliyor.
Görünürlük Paradoksu: Yapay zekâ benimsemesindeki başarı gizli kalabilir; anlamlı değişimleri çalışmaya en yakın kişiler görür.
Proje yönetiminde AI benimsenmesini takip etmek, kolayca yapılabilecek bir işmiş gibi görünüyor. Kullanım günlükleri, istem sayıları, araç etkinliği — veriler mevcut. Ancak AI'ın gerçek etkisini ölçmeye çalışan liderler, en anlamlı sinyallerin hiçbir şekilde gösterge panolarında ortaya çıkmadığını fark ediyor. Gerçekte işe yarayan şey, analizlerden çok, işlerin sahada nasıl değiştiğine dikkat etmekle ilgili.
Uzmanlarımızın işe yaradığını ve yaramadığını söyledikleri noktalar şöyle.
Geleneksel Kullanım Ölçümlerinin Yetersiz Kalmasının Nedeni
AI benimsenmesini etkinlik üzerinden ölçme eğilimi anlaşılır bir durum — daha fazla istem, daha fazla deneme ve daha görünür bir heyecan, daha fazla değer anlamına gelmeli. ZeroGPT CEO'su Rawad Baroud, tam olarak bu varsayımla yola çıktı ve bulguları, ölçüm hakkındaki düşüncelerini tamamen değiştirdi. "Bir yönetici olarak başlangıçta AI'dan en fazla değer elde eden ekipleri belirlemenin en kolay olacağını düşünüyordum," diyor. "Daha yüksek kullanım oranları, daha fazla istem, daha fazla deneme ve daha görünür bir heyecan görmeyi bekliyordum." Gerçek ise neredeyse bunun tam tersiydi.
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
"En güçlü sonuçları alan ekipler çoğu zaman AI'ı yazım denetimi gibi kullanıyordu. İş akışlarına o kadar yerleşmişti ki artık kimse bundan söz etme ihtiyacı hissetmiyordu." Bunun, liderlerin benimsemeyi değerlendirme biçimi açısından önemli sonuçları var. Baroud'un ifade ettiği gibi, "günde elli istem oluşturan bir proje yöneticisi, AI'ı yinelenen darboğazları ortadan kaldırmak için beş kez kullanan birinden daha fazla değer üretmiyor olabilir."
En güçlü sonuçları alan ekipler çoğu zaman AI’ı yazım denetimi gibi kullanıyordu. İş akışlarına o kadar yerleşmişti ki artık kimse bundan söz etme ihtiyacı hissetmiyordu.
Artık en fazla dikkat ettiği sinyaller operasyonel nitelikte: proje planları paydaşlara daha hızlı ulaşıyor mu, daha az görev açıklama talebiyle geri dönüyor mu, durum güncellemeleri daha az düzeltme gerektiriyor mu? Söylediğine göre bu göstergeler, ona benimseme gösterge panolarından çok daha fazla bilgi veriyor.
Etkinliği Değil, Verimliliği Ölçmek
Kullanım takibini geride bırakan liderler için odak noktası somut verimlilik kazanımlarına — gerçek ölçütler olarak iş hacmine, hata oranlarına ve paydaş geri bildirimlerine — kayıyor. Project Managers Africa'nın Kurucusu Emmanuels Magaya, bunu öncesi ve sonrası karşılaştırması olarak oldukça basit bir şekilde açıklıyor. "Benim için bir numaralı ölçüt şu: AI kullanmaya başladığınızdan beri verimliliğiniz arttı mı? Yoksa yaptığınız işi düzeltmek için istem yazmaya çok daha fazla zaman mı harcıyorsunuz?" diyor.
Benim için bir numaralı ölçüt şu: AI kullanmaya başladığınızdan beri verimliliğiniz arttı mı? Yoksa yaptığınız işi düzeltmek için istem yazmaya çok daha fazla zaman mı harcıyorsunuz?
Yaklaşımı, temiz karşılaştırma dönemleri oluşturmak: "Örneğin yılın ilk çeyreğinde bir iş akışının hiçbir bölümünde AI kullanmadıysak bu bir ölçüt olur. Şimdi ise ikinci çeyrekte AI kullandık. Böylece birinci çeyrek ile ikinci çeyreği karşılaştırıyoruz."
Magaya ayrıca liderleri, etkiyi değerlendirirken kendi ekiplerinin bakış açısının ötesine geçmeye yönlendiriyor. "Bu yalnızca PMO ekibi olarak sizin bakış açınız olmamalı. Paydaşlarınızdan, iç müşterilerinizden ve benzeri kişilerden görüş alın. Onlara AI kullandığınızı söylemeniz bile gerekmiyor. Sadece 'Son birkaç aydır nasıl performans gösteriyoruz?' diye sorun." İşe en yakın kişilerden alınan tarafsız geri bildirimin, mevcut en dürüst ölçütlerden biri olduğunu savunuyor.
Çıktılar Yerine Davranışları Ölçmek
Birçok lider, anlamlı AI benimsemesinin en güvenilir göstergesi olarak davranış değişikliğini benimsedi — özellikle hangi görevlerin AI öncelikli hâle geldiğini ve ekip üyelerinin kendilerine yönlendirme yapılmadan AI'a başvurup başvurmadığını. Ekofi'nin Kurucusu ve CEO'su Ferhat Suat Erdogan, tam da bu nedenle resmî bir ölçüm yapısı oluşturmaktan bilinçli olarak kaçındı. "Yalın bir ekip olduğumuz için bilinçli olarak bir AI gösterge panosu oluşturmaktan kaçındım," diye açıklıyor. "Bir gösterge panosuna bakarak göremediğim şey, AI'ın işin gerçekten nasıl yapıldığını değiştirip değiştirmediği. Bu yüzden çıktılardan çok davranışları ölçüyorum."
Erdogan'ın izlediği sinyaller oldukça belirgin: hangi tekrarlayan görevler AI öncelikli hale geldi — "durum raporları, toplantı notlarının eylem maddelerine dönüştürülmesi, müşterilere gönderilecek ilk taslak güncellemeler, kapsam özetleri" — ve hangileri hâlâ insan öncelikli; bir teslimatın ilk taslağına kadar geçen süre ve bir AI çıktısının kullanıma sunulmadan önce ne kadar düzenlenmesi gerektiği. "Bu yeniden çalışma oranı, benim gerçek kalite ölçütüm," diyor. "En çok güvendiğim davranış, ekibin herhangi bir yönlendirme olmadan AI'a başvurup başvurmadığıdır. Kullanımı zorunlu kılmak size hiçbir şey anlatmaz; yönlendirme olmadan kullanım ise gerçekten zaman kazandırdığını gösterir."
En çok güvendiğim davranış, ekibin herhangi bir yönlendirme olmadan AI’a başvurup başvurmadığıdır. Kullanımı zorunlu kılmak size hiçbir şey anlatmaz; yönlendirme olmadan kullanım ise gerçekten zaman kazandırdığını gösterir.
Brocoders'ta Teslimat Başkanı olan Artem Panasiuk, sinyal toplamak için resmi bir gösterge paneli yerine düzenli ekip toplantılarını kullanarak benzer bir yaklaşım benimsiyor. "Şu anda AI kullanımını resmi bir metrik gösterge paneli üzerinden takip etmiyoruz. Yöneticilerimizin günlük işlerinde nelerin işe yaradığını paylaştığı düzenli ekip toplantıları yapıyoruz ve sinyallerimizin çoğu buradan geliyor," diyor.
Yöneticilerimizin günlük işlerinde nelerin işe yaradığını paylaştığı düzenli ekip toplantıları yapıyoruz ve sinyallerimizin çoğu buradan geliyor.
Panasiuk'un aslında ölçtüğü şey, bir proje yöneticisinin zamanını harcadığı alanlardaki değişim. Standart PM görevleri — doküman oluşturmak, Jira kayıtları oluşturmak, dokümantasyonu güncellemek, e-posta taslakları hazırlamak — otomatikleştirildi ve bu sayede açığa çıkan kapasite, yöneticileri daha önce PM rolünün dışında kalan işlere yöneltti: iş analizi, tasarım sistemi unsurları, dokümantasyon ve vibekodlama. Panasiuk'un dikkat çektiği sonuç çarpıcı: "Yöneticilerimiz önceden yaptıkları iş hacminin yaklaşık iki katını yapıyor ve çevrelerindeki ekipler çok daha fazla T-şekilli hale geldi."
More Articles
- Bir Asana Uygulama Ajansında Teslimat Başkanının Kullandığı Gerçek Dünya Yapay Zekâ İş Akışları
- Proje Yönetimi Görevleri İçin En İyi Yapay Zekâ Modelleri
- Yapay Zekâ Destekli Proje Yöneticisi ve Eğitimci, Projelerin İşleyişini Temelden Değiştiren Basit Bir Yapay Zekâ İş Akışını Paylaşıyor
- İnsan Proje Yöneticilerinizi Yapay Zekâ Ajanlarıyla Değiştirmenin 3 Alternatifi
- Vazgeçmeyeceğim Tek Proje Yönetimi Aracı
Daha Büyük Değişim: Çıktıdan Muhakemeye
Bu bakış açıları arasında tutarlı bir yeniden çerçeveleme ortaya çıkıyor — yalnızca AI'ın nasıl ölçüldüğünde değil, liderlerin ekiplerinde neye değer vermeye başladığında da. Erdogan bunu doğrudan ifade ediyor: "Eskiden farkında olmadan hıza ve çıktı hacmine ödül verirdim. Artık yüksek değer taşıyan beceri muhakeme — AI çıktısını düzenlemek ve onu hiç kullanmamak gerektiğini bilmek. İş, taslak üretmekten, ondan sorumlu olan editör olmaya doğru değişiyor."
Eskiden farkında olmadan hıza ve çıktı hacmine ödül verirdim. Artık yüksek değer taşıyan beceri muhakeme — AI çıktısını düzenlemek ve onu hiç kullanmamak gerektiğini bilmek.
Bu değişimin, teslimat performansının nasıl değerlendirildiği açısından pratik sonuçları var. Hacim ve hız artık bir zamanlar taşıdığı sinyali taşımıyor. Daha az üreten ama daha iyi düzenleyen, AI'ın gözden kaçırdığı boşlukları fark eden ve aracı tamamen bir kenara bırakmanın ne zaman gerektiğini bilen PM, en yüksek çıktıyı üreten kişiden daha fazla değer sağlıyor olabilir. Baroud'un belirttiği gibi, düşüncedeki en büyük değişim şu: "AI kullanımı her zaman görünür değildir. Birçok durumda başarı, artan faaliyetten çok ekipleri yavaşlatan işlerin sessizce ortadan kaldırılması gibi görünür."
Görünürlük Paradoksuyla Bitirelim
Baroud'un gözleminin ortaya koyduğu en yararlı nokta, üzerinde düşünmeye değer bir paradoks: AI'ı en iyi kullanan ekipler, kullanım raporunda görmeyi en az bekleyeceğiniz ekipler. Başarı görünür faaliyet yerine sessizce ortadan kaldırma olarak görünüyorsa, AI'ın etkisini ölçmek için en iyi konumda olan liderler gösterge panellerini izleyenler değil — bir şeyin artık sürtüşme yaratmadığını fark edebilecek kadar işin içinde kalanlardır.
Bunun gibi daha fazla içgörü mü istiyorsunuz? Daha fazla uzmanı dinlemek için ücretsiz bir DPM hesabına kaydolun.
