Onlarca yıl boyunca, küçük işletmeler için işe alım mottosu basitti: işi yapabilecek kişileri bulun. Eğer bir pazarlama yöneticisine ihtiyacınız varsa, metin yazabilen ve grafik tasarlayabilen birini arardınız. Eğer bir muhasebe yardımcısına ihtiyacınız varsa, e-tabloları denkleştirebilen birini arardınız. Uygulama yeteneği için işe alım yapardık. Ancak küçük işletmeler için yapay zeka spekülatif bir trendden temel bir araca dönüşürken, bu kriter tehlikeli bir şekilde geçerliliğini yitiriyor.
Son iki yılımı binlerce işletmenin yapay zekayı entegre etmesini izleyerek geçirdim. 'Yapay Zeka Boşluğu' (AI Gap) adını verdiğim bir model ortaya çıktı. Bu, bir yapay zeka aracının ürettiği (%80 oranında 'yeterince iyi' taslak) ile bir işletme için gerçekten fark yaratan bitmiş, yüksek değerli sonuç arasındaki boşluktur. Çoğu işletme sahibi bu boşluğu sadece daha fazla yazılım satın alarak kapatabileceğini düşünüyor. Yanılıyorlar. Bu boşluğu, kimi işe aldığınızı değiştirerek kapatırsınız. Bir sonraki harika çalışanınız sıfırdan inşa eden bir 'Üretici' olmamalı; küratörlük yapan, rafine eden ve yönlendiren bir 'Editör' olmalı.
Uygulama Arbitrajının Ölümü
💡 Penny'nin işinizi analiz etmesini ister misiniz? Yapay zekanın hangi rollerin yerini alabileceğini haritalıyor ve aşamalı bir plan oluşturuyor. Ücretsiz denemenizi başlatın →
Tarihsel olarak işletmeler, 'Uygulama Arbitrajı' adını verdiğim bir yöntemle ticaret yapardı. Birini, sizin öğrenmek için vaktiniz veya yeteneğiniz olmayan belirli bir teknik beceriye sahip olduğu için işe alırdınız. Onlar 'yapan' kişilerdi. Bu modelde değer çıktıdaydı; bitmiş makale, dengelenmiş defter, kodlanmış açılış sayfası.
Yapay zeka, ham uygulama yeteneğinin değerini yerle bir etti. Bir LLM altı saniyede 1.000 kelimelik bir blog yazısı taslağı hazırlayabildiğinde veya bir araç banka mutabakatınızın %90'ını otomatikleştirebildiğinde, 'yapma' eylemi artık ayrıcalıklı bir beceri değildir. Bu bir emtiadır. Eğer hala bir adayın manuel görevleri yerine getirme becerisine dayanarak işe alım yapıyorsanız, maliyeti hızla sıfıra yaklaşan bir hizmet için fazla ödeme yapıyorsunuz demektir.
Bu değişim, benim 'Mimari Eksen Kayması' (Architectural Pivot) dediğim şeydir. İnsanların tuğla olduğu bir dünyadan, insanların mimar olduğu bir dünyaya geçiyoruz. Tuğlalar (uygulama) artık bol ve neredeyse bedava. Mimari (strateji, kürasyon, 'neden' sorusu) ise kıtlığın ve dolayısıyla değerin yattığı yerdir.
'Kürasyon Tavanı' ile Tanışın
Çeşitli sektörlerdeki çalışmalarımda, 'Kürasyon Tavanı' adını verdiğim bir fenomen fark ettim. Yapay zeka 10 kat daha fazla hacim üretmemize izin verdikçe, bir işletme için darboğaz artık üretim kapasitesi değildir. Bu hacmi filtreleme, rafine etme ve kalitesini sağlama becerisidir.
Haftada 50 adet genel geçer LinkedIn gönderisi paylaşmak için yapay zeka kullanan bir işletme, sonunda Kürasyon Tavanı'na çarpacaktır. İçerik ruh, nüans ve stratejik uyumdan yoksun olduğu için kitleleri uzaklaşacaktır. Başarılarının sınırı yapay zekanın hızı değil; insanın editoryal gözetim eksikliğidir.
Yapay Zeka Boşluğu için işe alım yaptığınızda, bu tavanı kırabilecek birini arıyorsunuzdur. Onlar sadece yapay zekayı 'kullanmazlar'; onu denetlerler. Yapay zekanın parlak, yorulmak bilmeyen ama bazen halüsinasyon gören bir stajyer olduğunu bilirler. Genel yapay zeka çıktısını tescilli bir ticari varlığa dönüştüren 'Odadaki Yetişkin' gözetimini sağlarlar.
EDIT Çerçevesi: Yeni İşe Alım Kriteri
Eğer 'yapma' yeteneği için işe alım yapmıyorsak, ne için yapıyoruz? KOBİ'lerin, yapay zeka öncelikli bir dünyada yeni yetenekleri değerlendirirken EDIT Çerçevesini benimsemelerini öneriyorum.
1. Extract - Ayrıştırma (Prompt Yazarları)
Aday, bir yapay zekadan mümkün olan en iyi başlangıç noktasını çıkarabiliyor mu? Bu sadece 'prompt mühendisliği' (muhtemelen üç yıl içinde geçerliliğini yitirecek bir terim) ile ilgili değil. Bu, Bağlamsal Zeka ile ilgilidir. Yapay zekaya, yüksek kaliteli bir ilk taslak elde etmek için gereken derin iş bağlamını, müşteri personası verilerini ve stratejik kısıtlamaları sağlayabiliyorlar mı?
2. Direct - Yönlendirme (Orkestra Şefleri)
'Editör' olarak işe alınan biri, araçları nasıl birbirine bağlayacağını bilir. Sadece ChatGPT kullanmakla kalmazlar; işe alım süreçlerini kolaylaştırmak için onu İK yazılım maliyetleri ile nasıl entrege edeceklerine veya CRM'den gelen verileri analiz etmek için nasıl kullanacaklarına bakarlar. İş akışını birden fazla sistem üzerinden yönlendirirler.
3. Inspect - Denetleme (Eleştirmenler)
Bu en kritik beceridir. Kişi yapay zekanın ne zaman hata yaptığını fark edebiliyor mu? Bir metnin ne zaman 'robotik' tınladığını veya bir veri setinin ne zaman yanlış yorumlandığını belirleyebiliyor mu? Yapay zeka tarafından üretilen gürültü dünyasında, 'Beğeni ve Estetik Anlayışı' ticari bir kaledir. Estetik anlayışını öğretemezsiniz ama buna sahip olanları işe alabilirsiniz.
4. Transform - Dönüştürme (Değer Katanlar)
Bir Editör, yapay zekadan gelen %80'lik çıktıyı alır ve 'Son Kilometre' değerini ekler. Bu, insan dokunuşudur; kişisel bir anekdot, sezgilere aykırı bir içgörü veya bir yapay zekanın bilmesinin imkansız olduğu belirli bir bölgesel nüans. Yatırım getirisinin (ROI) yattığı yer burasıdır.
Sektörler Arası Modeller: Sağlıktan Perakendeye
Takip ettiğim her sektörde aynı değişimin yaşandığını görüyoruz. Sağlık hizmetlerinde yapay zeka artık röntgenleri inanılmaz bir doğrulukla analiz edebiliyor. Radyoloğun rolü 'kırığı bulmaktan' (uygulama) 'hasta için klinik önemi yorumlamaya' (kürasyon) kayıyor.
Perakendede yapay zeka envanter seviyelerini yönetebilir ve stok tükenmelerini tahmin edebilir. Mağaza müdürünün rolü 'kutuları saymaktan', verilerin önerdiklerine dayanarak 'müşteri deneyimini iyileştirmeye' dönüşüyor. Finansta bile geçiş çok net. Makbuzları manuel olarak girmek için bir muhasebeciye ihtiyacınız yok; nakit akışını yönetmek için yapay zeka odaklı içgörüleri kullanabilen stratejik bir düşünüre ihtiyacınız var. Bu nedenle, çalıştığım işletmelerin çoğu geleneksel rollerden uzaklaşıyor ve üst düzey rehberlik için Penny'nin dış kaynaklı bir CFO ile karşılaştırmasına bakıyor.
'Ajans Vergisi' ve Yeni İşgücü Ekonomisi
KOBİ'ler uzun zamandır 'Ajans Vergisi' dediğim şeyi ödüyorlar. Bu, dış hizmet sağlayıcılara, genç personelinin muhtemelen zaten yapay zeka ile yaptığı uygulama işleri için ödediğiniz primdir. Bir ajansa 'içerik oluşturma' için ayda £2,000 ödüyorsanız ve onlar işin %90'ını yapmak için yapay zeka kullanıyorlarsa, onların uzmanlığı için değil, verimlilikleri için para ödüyorsunuz demektir.
Dahili bir 'Editör' işe alarak bu marjı geri kazanırsınız. Yapay zeka kullanan yetenekli bir Editör, genellikle üç kişilik geleneksel bir uygulama ekibinin çıktısının yerini alabilir. Maliyet tasarrufu sadece marjinal değil; dönüştürücüdür. Ancak bu, profesyonel hizmetler ve eğitime bakış açınızda bir değişiklik gerektirir. İnsanları sadece 'bir aracın nasıl kullanılacağı' konusunda eğitmiyorsunuz; onlara otomatikleştirilmiş bir ortamda nasıl muhakeme yürütecekleri konusunda eğitim veriyorsunuz.
Bir Mülakatta Editör Nasıl Tespit Edilir?
Yapay Zeka Boşluğu için işe alım yapmak istiyorsanız, adaylardan sıfırdan 'bir test görevi yapmalarını' istemeyi bırakın. Bunun yerine şu üç tekniği deneyin:
- Eleştiri Testi: Onlara yapay zeka tarafından oluşturulmuş bir iş (bir blog yazısı, bir proje planı veya bir bütçe) verin ve bunu eleştirmelerini isteyin. Yapay zeka tarafından oluşturulduğunu söylemeyin. 'Üreticiler' genellikle onu biraz değiştirmeye çalışacaktır; 'Editörler' ise derinlik eksikliğini hemen fark edecek ve onu tam olarak nasıl dönüştüreceklerini size söyleyecektir.
- Araç Zinciri Yarışması: Onlara şunu sorun: "Yalnızca yapay zeka araçlarını kullanarak [X Görevini] yarı sürede tamamlamanız gerekseydi, hangi üçünü birbirine bağlardınız ve neden?" Sadece araç aşinalığı değil, orkestrasyon becerileri arıyorsunuz.
- Prompt'tan Ürüne Yolculuk: Onlara yapay zeka kullanarak tamamladıkları bir projeyi göstermelerini isteyin. Nihai sonuca bakmayın; yinelemeli sürece bakın. Yapay zeka ile nasıl 'konuştular'? İşler yolundan çıktığında onu nasıl düzelttiler?
Makinenin Merkezindeki İnsan
İşletme sahiplerinden sık sık 'Otomasyon Kaygısı Paradoksu'nu duyuyorum: Yapay zekanın ekiplerinin yerini alacağından korkuyorlar, ancak ekiplerinin yapay zekayı ne kadar yavaş benimsediği konusunda hüsrana uğruyorlar.
Çözüm, insanlarınızın yerine başkasını koymak değil; onların iş tanımlarını değiştirmektir.
Ekibinizden üretici olmalarını istemeyi bırakıp onları editör olmaları için güçlendirdiğinizde iki şey olur. Birincisi, artık ham uygulamanın 'angarya işlerine' saplanıp kalmadıkları için iş tatminleri genellikle artar. İkincisi, işletmeniz önemli ölçüde daha yalın hale gelir.
'Tek kişilik dev kadroların' veya 'mikro ekiplerin' devasa şirketlerle rekabet edebileceği bir döneme giriyoruz. Ancak bunu yalnızca Yapay Zeka Boşluğu'nu insan muhakemesiyle kapatırlarsa yapabilirler. Araçlar burada. Kapasite burada. Şimdi gidip dizginleri nasıl tutacağını bilen kişiyi işe alın.