Üretken Yapay Zeka (Gen AI)'nın Maliyet ve Faydalarının Yeniden Hesaplanması

Şirketler ve çalışanlar için Üretken Yapay Zeka (Gen AI) muazzam bir değer potansiyeli taşıyor. Ne var ki, genellikle yapay zeka çıktısının sunduğu değere odaklanıp daha geniş resmi gözden kaçırıyoruz.

Üretken yapay zekanın (GenAI) dönüştürücü etkisi her yerde karşımıza çıkıyor. Sürekli makale akışları, kurumların iş hızını ve ölçeğini nasıl artırabileceğini veya süreçleri nasıl otomatikleştirebileceğini ve kolaylaştırabileceğini detaylandırırken, e-posta kutularımız ve sosyal medya akışlarımız da bizi bireysel olarak daha verimli hale getirmeyi ve sıradan görevleri üzerimizden almayı vadeden "en iyi 10 yapay zeka aracı" listeleriyle dolup taşıyor.

“Recalculating the Costs and Benefits of Gen AI” by Mark Mortensen | HBR

Açıkça belirtmek gerekirse: Üretken yapay zeka (Gen AI) kesinlikle daha fazla çıktıyı, daha hızlı ve daha az insan çabasıyla üretmemizi sağlayabilir. Bunu inkâr edenler gerçeği görmezden geliyor demektir.

Ancak, yapay zekanın ürettiği çıktının değerine odaklanırken, ne öğrendiğimiz ve kurduğumuz ilişkiler gibi diğer değer kaynaklarını genellikle göz ardı ediyoruz. Nadiren şu soruyu soruyoruz: Yaptığımız her etkinlik gerçek ve benzersiz değeri nasıl yaratıyor? Artık liderlerin kuruluşlarına daha gerçekçi bir gözle bakarak bu soruyu sormasının zamanı geldi; böylece üretken yapay zekayı benimserken yarattıklarından daha fazla değeri yok etmezler.

Değer Nereden Gelir?

Mozart'ın senfoniler besteler gibi yazı yazdığı o anları ne kadar arzu etsem de – yani kelimelerin tamamen oluşmuş düşüncelerle sayfaya döküldüğü ve görünürde hiç düzeltme olmadığı anları – gerçek asla böyle değil. Bu makaleyi yazmak, sayısız yanlış başlangıç, birden fazla (birbiriyle çelişen) taslak, bilgisayarımı sık sık hayal kırıklığı içinde terk etme ve nihai makaleden çok daha uzun bir "artıklar" belgesiyle doluydu. Merak edip bir üretken yapay zeka aracına birkaç talimat girdim ve yaklaşık 10 saniyede tutarlı bir taslak elde ettim.

O zaman bariz olanla başlayalım: Üretken yapay zeka (Gen AI), hem kuruluşlar hem de bireysel çalışanlar için muazzam bir değer yaratma potansiyeline sahip. Karmaşık veya sıradan görevleri otomatikleştirerek verimliliği artırabilir ve daha fazla değer üreten işler için kaynakları serbest bırakabilir.

Hesaplama gücü sayesinde, veri analizi yoluyla karar kalitesini iyileştirebilir ve yeni fikirleri modelleyerek, test ederek ve geliştirerek inovasyon gibi süreçleri hızlandırabilir; tüm bunlar sıradan insanların çok ötesinde bir ölçek ve hızda gerçekleşir. Bir beyin fırtınası aracı olarak kullanıldığında ise, yaratıcı süreçlerimizi görünüşte sonsuz miktarda kaynak materyalle besleyebilir.

Liderlerin bu faydaları göz önünde bulundurması ve başlangıç noktası olarak alması kritik. Zira bunlar, yapılan işin kalitesini ve verimliliğini artırmaya hizmet eder. Peki bir görevi yapay zekaya devrettiğimizde nelerden feragat ediyor olabiliriz? Veya başka bir deyişle: Değer başka nereden gelir? İşte dikkate almamız gereken beş temel alan.

Bilgi ve İçgörü Edinme

Çalışma süreçlerimiz, genellikle üzerinde çalıştığımız görevin ötesinde bilgi ve anlayış sağlar. Yabancı bir dilde bir kelimeyi bulmaya çalışmak, çoğu zaman onu gelecekte hatırlamak üzere beynimize kazır. Karmaşık bir teknik soruna bulunan reddedilmiş çözümler bile, kendi başlarına diğer ilgili sorunlara veya beklenmedik yeni inovasyonlara yol açabilir (tıpkı penisilin, Coca-Cola ve duman dedektörlerinin keşfinde olduğu gibi). Ayrıca, bilgiyi özetleme ve sentezleme süreci, kavramsal bağlantıları fark etmemize yardımcı olur.

Yapay zekadan çeviri yapmasını, sorunları çözmesini veya belgeleri özetlemesini istemek şüphesiz daha az çabayla daha hızlı ve bazı durumlarda daha doğru sonuçlar verecektir. Ancak bunu yaparken, aksi takdirde kazanacağımız öğrenmeyi kaybederiz. Konfüçyüsçü filozof Xun Kuang'a atfedilen şu sözü düşünmekte fayda var: "Bana söyle ve unuturum. Bana öğret ve hatırlarım. Beni dahil et ve öğrenirim."

Becerileri Geliştirme

Bununla yakından ilişkili olarak, insanların "pratik mükemmelleştirir" demesinin bir nedeni var: Becerilerimizi yaparak geliştiririz. Bir raporun taslağını hazırlamak ve gözden geçirmek editörlük becerilerimizi geliştirir, kodumuzdaki hataları bulmak için arama yapmak bizi daha iyi programcılar yapar ve yazar tıkanıklığına küfretmek yazarlar olarak azmimizi artırır.

Öğrenmeye paralel olarak, üretken yapay zekadan bir belgeyi gözden geçirmesini, kodda taslak hazırlamasını veya hataları bulmasını ya da seçebileceğimiz bir paragraf koleksiyonu oluşturmasını istemek bize bir çözümün kısa vadeli faydasını sağlar. Ancak bu durum, yeteneklerimizdeki uzun vadeli iyileştirmeler için riskler oluşturur.

Sosyal Bağları Sürdürme

Geleneksel olarak, çoğu iş kolektif olarak yapılırdı; özellikle zorlu sorunlara çözüm bulmak için gereken zihinsel gücü genellikle insan grupları sağlardı. Üretken yapay zekanın (GenAI) sunduğu devasa hesaplama gücü artışı ise, normalde başkalarına ihtiyaç duyacağımız pek çok sorunu bireysel olarak çözmemize olanak tanıyor. Bu da kaçınılmaz olarak daha az kişilerarası etkileşim anlamına geliyor.

Bu tür etkileşimlerin karşılıklı anlayışın, bir bağlantı ve topluluk duygusunun ve nihayetinde güvenin temeli olarak hizmet ettiğini kabul etmek önemlidir. Bunların hepsi de kuruluşların iş yapma ve teslimat becerisi üzerinde önemli etkilere sahiptir. Üstelik araştırmalar, bu değişen davranışların bizi daha izole ve yalnız hale getirerek kişisel refahımızı da azaltabileceğini öne sürüyor.

Fikirlerle Etkileşim

Bir rolü yerine getirirken psikolojik olarak mevcut olma olarak tanımlanan etkileşim, gelişmiş sonuç kalitesi ve verimlilikten, bireysel refah ve memnuniyete kadar geniş bir yelpazede faydalar sunar. Ancak hiçbirimiz yaptığımız şeylerin %100'üne %100 etkileşimde bulunmayız ve üretken yapay zeka (Gen AI) kullanımımız bunda bir rol oynayabilir.

Özetleme görevini ele alalım. Üretken yapay zeka, büyük miktardaki verilerden herhangi bir insandan çok daha hızlı temalar çıkararak bu konuda mükemmeldir. İster özetlenen veriler büyük bir rapor, ister bir toplantı dökümü olsun, bu görevi üretken yapay zekaya devrettiğimizde genellikle zihinsel olarak bir adım geri çekilir ve etkileşimimizi azaltırız.

İnsan tarafından yapılan özetleme aktif bir süreçtir; sadece verileri yakalamakla kalmayız, aynı zamanda fikirleri çerçeveler, yorumlar ve daha da geliştiririz. Bu süreç bizi işe bağlar ve etkileşimimizi artırır. "Ama geri dönüp yorumlarımı ekleyeceğim veya argümanları daha sonra geliştireceğim" demek kolay olsa da kendinize şunu sorun: Bunu gerçekten ne sıklıkla yapıyorsunuz? Hepimiz meşgulüz ve derinlemesine etkileşime girmeden, eksik olanı fark etmeden sadece bakıp "Evet, bence bu yeterince iyi" demek çok kolaydır.

Benzersizliği Korumak

Herhangi bir yönetim yayınına veya gazete iş bölümüne göz attığınızda, farklı liderlik stilleri üzerine makaleler bulmanız uzun sürmez. Bunun haklı bir sebebi var, çünkü belirli bir durum için doğru liderlik stiline sahip olmak, sonuçlarda büyük bir fark yaratabilir.

Bizler deneyimlerimizin bir ürünüyüz ve yaptığımız işler liderler olarak kimliğimize katkıda bulunur. Yazılı belgelerdeki tonumuz, mesajlardaki iletişim tarzımız, sunumlardaki üslubumuz ve hatta sorunları çözme biçimimiz, bizi diğerlerinden ayıran belirgin özelliklerdir. Üretken yapay zekayı (Gen AI) e-postaları, notları veya sunumları otomatik olarak oluşturmak için kullanmak liderlerin zamanından tasarruf sağlayabilir ve teknik olarak daha iyi sonuçlar verebilir. Ancak bunu yapmak, onları eşsiz kılan kişisel tonu ve sesi ortadan kaldırır.

Bir adım daha ileri gidersek, büyük dil modellerinin (LLM'ler) temelinde birleştirici teknolojiler olduğunu hatırlamak önemlidir. Bir lider, üretken yapay zekadan bir şeyin taslağını hazırlamasını istediğinde, sistem eğitildiği verilerdeki tüm ilgili bilgilerle en iyi şekilde uyumlu ve eşleşen bir yanıt döndürür. Bu, aynı LLM'ye benzer sorular soran tüm liderlerin, aynı varsayımlardan oluşturuldukları için benzer yanıtlar alacağı anlamına gelir. (Bu etki, bu yanıtlar daha sonra gelecekteki modellerin eğitim verilerine eklendiğinde daha da büyüyebilir.)

Gen AI'nın Maliyetlerini ve Faydalarını Tartmak

Artan üretkenlik veya verimlilik gibi faydaları, kaybedilen beceriler veya azalan katılım gibi maliyetlerle tartmaya çalışmak kolay değil; bu, adeta elmaları portakallarla değil, elmaları motor yağıyla karşılaştırmaya benziyor. Üstelik, tüm maliyetler ve faydalar aynı şekilde deneyimlenmediği için durum daha da karmaşıklaşıyor.

HBS profesörü Amy Edmondson ile yaptığımız "Entegre Bir Çalışan Değer Önermesi Oluşturma" araştırmamızda, liderlerin kurumsal girişimlerin etkilerini değerlendirirken akıllarında bulundurmaları gereken iki kritik boyut belirledik: seviye (bireysel veya kolektif) ve zaman ufku (kısa veya uzun vadeli). Liderler hem kolektif hem de bireysel sonuçlardan sorumlu olduklarından, üretken yapay zekanın (Gen AI) nerede ve nasıl entegre edileceğine dair kararlar her ikisini de etkiler. Örneğin, üretken yapay zeka bir proje için kod yazmak üzere kullanıldığında, proje düzeyinde çıktıyı artırabilir; ancak bunun bedeli, bireysel düzeyde ekip üyesi gelişiminin sekteye uğraması olabilir.

Benzer şekilde, liderler yalnızca hangi araç ve süreçlerin çalışanlarına, ekiplerine ve organizasyona şu anda fayda sağladığını değil, aynı zamanda bunların zaman içinde nasıl uygulanacağını da düşünmelidir. Örneğin, toplantıları kaydetmek ve özetlemek için yapay zeka kullanmak şu anda zamandan tasarruf sağlayabilir, ancak gelecekte ilgisizliğe yol açabilir. Bu nedenle liderler, mevcut faydaları gelecekteki maliyetlerle nasıl karşılaştıracaklarını da düşünmelidir; bu da insanların genellikle çok kötü yaptığı bir şeydir.

Yapay Zeka Değer Denetimi Nasıl Yapılır?

Yapay zeka (AI) kalıcıdır ve faydaları inkar edilemez. Ancak olası dezavantajları, liderlerin kullanımı konusunda bilinçli olmaları gerektiği anlamına geliyor. Diğer önemli yönetim kararları gibi, bu da fayda ve maliyetlerin nesnel ve bütünsel bir değerlendirmesini gerektirir. Liderlerin bir yapay zeka değer denetimi yapması şart. İşte nasıl yapılacağı:

1. Adım: Belirli bir yapay zekaya uygun görev için en alakalı değer türlerini belirleyin.

İlk olarak, görevin hangi tür değerleri yarattığını sorun. Çıktı (hacim, hız, kalite ve verimlilik gibi) aşikâr olsa da, görevin ne kadar öğrenme sağladığını, sosyal etkileşimi ve ilişkileri ne kadar teşvik ettiğini ve benzersiz veya kişisel bir sesten faydalanıp faydalanmadığını da düşünmelisiniz. Bu liste elbette kapsamlı değil ama iyi bir başlangıç noktası. Bu, karmaşık bir süreç olmak zorunda değil; basit bir kontrol listesi kadar sade de olabilir. Önemli olan, yalnızca çıktıya odaklanmak yerine, tüm bu unsurlar üzerinde biraz düşünmeniz.

2. Adım: Belirlediğiniz türleri önceliklendirin ve optimize edin.

Elbette, her görevin her tür değeri sağlaması gerekmez ve her proje de bu değerleri sağlamada eşit derecede etkili değildir. Önemli olan, faydaların en büyük ve en çok ihtiyaç duyulan yere odaklanmak.

Örneğin, toplantıları özetlemek için üretken yapay zeka kullanmak verimliliği artırabilir, ancak ekip içindeki bağlantıyı ve etkileşimi azaltabilir. Bu durumda, sadece düşük riskli toplantılar için notları otomatikleştirmeyi veya yapay zeka ile canlı not alma arasında dönüşümlü olarak kullanmayı düşünebilirsiniz.

Ayrıca, görevlerin daha geniş ekosisteme ve sosyal ağa nasıl uyduğunu da göz önünde bulundurun. Eğer beyin fırtınası toplantılarının yerine üretken yapay zekayı kullanıyorsanız, insanların bir araya gelip uyum sağlamaları için başka fırsatlar yaratmaya çalışın.

Adım 3: Tekrarla.

Üretken yapay zekanın (Gen AI) etkilerini henüz tam olarak kavrayamadığımızı kabul edelim. Dahası, her organizasyon, sektör ve ekibin kendine özgü dinamikleri var; yani bağlam kritik öneme sahip.

Benim "süt testi" dediğim şeyi kullanın: Gen AI kullanımıyla ilgili her kararın bir son kullanma tarihi olmalı. Tıpkı sütü kontrol eder gibi, yeni veriler geldiğinde kararlarınızı yeniden değerlendirin; otomatik olarak bir kenara atmayın, koklayın.

Bir bilim insanı gibi düşünün: Bir hipotez oluşturun, test edin, veri toplayın ve deneysel olarak desteklenen sonuçlara ulaşın. Bu, kararlarınızın uyarlanabilir olmasını sağlamanın en iyi yolu. Böylece, eğer önceliklerinizin artık en uygun olmadığını fark ederseniz, bunları kolayca ayarlayabilirsiniz.

. . .

Son bir noktaya değinelim: Üretken yapay zeka (Gen AI) kullanma kararı yalnızca (belki de öncelikli olarak) liderlere ait değildir. Bu araçlar ucuz, erişilebilir ve yaygın olarak mevcut olduğundan, çalışanlarınız zaten rehberlik olsun ya da olmasın, bunları ne zaman ve nasıl kullanacaklarına dair kendi kararlarını veriyorlar.

Atasözünde dendiği gibi, "Ölçülen yapılır." Eğer temel performans göstergeleriniz (KPI'lar) ve diğer metrikleriniz yalnızca çıktı ve hıza odaklanıyorsa, çalışanlarınızı mümkün olduğunca üretken yapay zekayı dış kaynak olarak kullanmaya teşvik ediyorsunuz demektir. Eğer önemli olan tek şey buysa – ki bazı durumlarda öyledir – bunda bir sorun yok. Ancak eğer önemli olan bu değilse, ödüllendirdiğiniz şeylere dikkat edin ve işbirliği veya öğrenme gibi risk altında olabilecek davranışları teşvik eden seçenekleri göz önünde bulundurun.

Son olarak, çalışanlarınızla üretken yapay zeka (Gen AI) ve yarattığı değer türleri – ve potansiyel zararlı riskler – hakkında konuşun. Avantajların ve dezavantajların farkında olmalarını sağlamak, insanların kendi çıkarları veya kuruluşun çıkarları doğrultusunda olmayan kararlar alma olasılığını azaltacaktır.

Yazan: Mark Mortensen | HBR

---

Mark Mortensen, INSEAD'de örgütsel davranış profesörüdür. 20 yılı aşkın süredir hibrit, sanal ve küresel olarak dağıtılmış çalışmalara odaklanarak işbirliği ve örgüt tasarımı üzerine çalışmalar yapmış ve danışmanlık yapmıştır. Mark, Harvard Business Review, MIT Sloan Management Review ve INSEAD Knowledge gibi yayınlarda düzenli olarak makaleler yazmakta; BBC, The Economist, Financial Times ve Fortune gibi popüler basın kuruluşlarında sıkça yer almaktadır.