Yapay zeka ajanları, robotlar ve biz: Yapay zeka çağında teknolojik ortaklıklar

• Geleceğin işi, insanlar, ajanlar ve robotların ortaklığı etrafında yeniden şekillenecek; mevcut teknolojiyle çalışma süresinin yaklaşık %57’si otomatikleştirilebilir, ancak bu yalnızca teknik potansiyeli gösterir ve istihdamın azalacağı yönünde bir tahmin değildir
• İşverenlerin bugün talep ettiği becerilerin %70’inden fazlası, hem otomatikleştirilebilen hem de otomatikleştirilemeyen işlerde kullanılıyor; yani becerilerin çoğu hâlâ geçerli, ancak uygulanma biçimleri değişiyor
• Yapay zeka akıcılığına (yapay zeka araçlarını kullanma ve yönetme becerisi) yönelik talep 2 yılda 7 kat arttı ve iş ilanlarında en hızlı büyüyen beceri haline geldi
• 2030’a kadar yalnızca ABD’de yaklaşık 2,9 trilyon dolar ekonomik değer yaratılabilir; bunun için tek tek görevleri değil, tüm iş akışını yeniden tasarlamak gerekiyor
• Skill Change Index’e göre dijital ve bilgi işleme becerileri en büyük değişimi yaşayacak, bakım ve destekle ilgili becerilerde ise en az değişim bekleniyor

---

Temel özet

• Geleceğin işi, yapay zeka destekli insanlar, ajanlar ve robotlar arasındaki ortaklığa dönüşüyor
• Mevcut teknolojiyle ABD’deki çalışma süresinin yaklaşık %57’si teorik olarak otomatikleştirilebilir; ancak bu teknik potansiyeldir ve gerçek benimsenmenin onlarca yıl alması beklenir
• Bazı roller küçülürken bazıları büyüyecek veya değişecek, ayrıca yeni roller ortaya çıkacak
• İşverenlerin talep ettiği becerilerin %70’inden fazlası, otomatikleştirilebilen ve otomatikleştirilemeyen işlerin her ikisinde de kullanılıyor; bu nedenle becerilerin çoğu geçerliliğini korurken uygulama bağlamı değişiyor
• Skill Change Index, önümüzdeki 5 yılda her becerinin otomasyona maruz kalma düzeyini ölçüyor; dijital ve bilgi işleme becerileri en çok etkilenecek, bakım becerilerinde ise en az değişim bekleniyor
• Yapay zeka akıcılığına yönelik talep 2 yılda neredeyse 7 kat arttı ve ABD iş ilanlarında en hızlı büyümeyi kaydetti
• 2030’a kadar ABD’de yaklaşık 2,9 trilyon dolar ekonomik değer yaratılabilir; bunun için kurumların iş gücünü hazırlaması ve tek tek görevleri değil, tüm iş akışını yeniden tasarlaması gerekir

Yapay zeka işin sınırlarını yeniden tanımlıyor

• Ajanların ve robotların artan özerkliği ve yetenekleri

  • Geçmişte makineler kuralları takip edecek şekilde tasarlanır, yalnızca önceden belirlenmiş biçimde çalışırdı
  • Yapay zekanın ortaya çıkmasıyla, bilişsel ve fiziksel işleri yerine getiren ajanlar ve robotlar, büyük veri kümelerinden öğrenerek daha fazla yetenek kazandı
  • Doğal dil dahil çeşitli girdilere yanıt verebiliyor ve önceden tanımlanmış kurallar yerine bağlama uyum sağlayabiliyorlar
  • Mevcut teknolojiyle ABD’deki çalışma süresinin yaklaşık %57’si teorik olarak otomatikleştirilebilir; ancak gerçek benimseme politika, iş gücü maliyetleri, uygulama maliyetleri ve geliştirme süresi gibi etkenlere bağlıdır
  • Elektriğin yaygınlaşması 30 yıldan fazla sürdü; endüstriyel robotlar da benzer şekilde onlarca yıllık bir yol izledi ve 2023 itibarıyla uygulamalarının çoğunu bulutta çalıştıran şirketlerin oranı yaklaşık beşte bir düzeyindeydi

• Yapay zeka her tür işi etkiliyor

  • Fiziksel olmayan işler, ABD’deki çalışma süresinin yaklaşık üçte ikisini oluşturuyor
  • Fiziksel olmayan işlerin yaklaşık üçte biri, yapay zekanın henüz ulaşamadığı sosyal ve duygusal beceriler gerektiriyor
  • Geri kalanı ise akıl yürütme, bilgi işleme gibi otomasyona uygun işlerden oluşuyor ve ABD’deki toplam ücretlerin yaklaşık %40’ını oluşturuyor
  • Fiziksel işler, ABD’deki çalışma süresinin yaklaşık %35’ini oluşturuyor; robotlar ilerleme kaydetmiş olsa da fiziksel işlerin çoğu, teknolojinin henüz güvenilir biçimde kopyalayamadığı ince motor becerileri, el becerisi ve durumsal farkındalık gerektiriyor
  • ABD iş gücünün yaklaşık %40’ında, fiziksel işler çalışma süresinin yarısından fazlasını oluşturuyor (sürücüler, inşaat işçileri, aşçılar, sağlık destek personeli vb.)
  • Robotlardaki ilerleme nedeniyle üretim, yemek hazırlama gibi bazı düşük ücretli rolleri de içeren mesleklerde değişim bekleniyor
  • Su altı çalışmaları, arama-kurtarma, tehlikeli ortamların denetlenmesi gibi insanlar için tehlikeli veya imkânsız görevleri robotlar yapmayı sürdürecek

• İnsan vazgeçilmez olmaya devam ediyor

  • Mevcut yetenek düzeyinde ajanlar ABD’deki çalışma süresinin %44’ünü, robotlar ise %13’ünü yerine getirebilir
  • Otomasyonu daha da genişletmek için niyet ve duyguları yorumlama (ajanlar), ince motor kontrolü (robotlar) gibi bugün yalnızca insanların yapabildiği yetenekler gerekiyor
  • Teknoloji ilerledikçe bazı roller küçülecek, diğerleri genişleyecek veya odak değiştirecek ve yeni roller oluşacak
  • Radyoloji örneği: 2017-2024 arasında radyolog istihdamı, yapay zekadaki ilerlemelere rağmen yılda yaklaşık %3 büyüdü; yapay zeka doğruluğu ve verimliliği artırırken doktorlar karmaşık karar alma ve hasta bakımına odaklandı
    • Mayo Clinic, 2016’dan bu yana radyoloji çalışanlarını %50’den fazla artırırken yüzlerce yapay zeka modelini devreye aldı
  • Yapay zeka, yeni iş türleri ve roller yaratıyor (yazılım mühendislerinin ajan oluşturup iyileştirmesi, tasarımcı ve içerik üreticilerinin üretken araçlarla yeni içerikler üretmesi gibi)

7 iş türü

• Yaklaşık 800 meslek, fiziksel ve fiziksel olmayan otomasyon potansiyeline göre analiz edilerek 7 türe ayrıldı
• Otomasyon potansiyeli en düşük meslekler insan merkezli (people-centric), otomatikleştirilebilir iş oranı yüksek olanlar ise ajan merkezli (agent-centric) veya robot merkezli (robot-centric) olarak sınıflandırıldı
• İki ya da üç unsurun dengeli biçimde birleştiği roller ise karma veya hibrit türler olarak sınıflandırıldı

• İnsan merkezli roller

  • Sağlık hizmetleri, bina işleri ve bakım gibi alanlarda görülüyor ve ABD’deki işlerin yaklaşık üçte birini oluşturuyor
  • Ortalama yıllık maaş yaklaşık 71.000 dolar
  • Mevcut teknolojiyle kopyalanamayan fiziksel faaliyetler çalışma süresinin yaklaşık yarısını oluşturuyor

• Ajan merkezli ve robot merkezli roller

  • Otomasyon potansiyeli en yüksek roller olup toplam işlerin yaklaşık %40’ını oluşturuyor
  • Bunların çoğu hukuk ve idari hizmetlerdeki ajan merkezli roller; ortalama yıllık maaş yaklaşık 70.000 dolar ve belge hazırlama gibi yapay zeka sistemlerinin teknik olarak üstlenebileceği büyük ölçekli bilişsel işleri içeriyor
  • Robot merkezli roller (sürücüler, makine operatörleri vb.) fiziksel olarak daha zorlu ve zaman zaman tehlikeli; ortalama yıllık maaş yaklaşık 42.000 dolar
  • Ajan-robot rolleri toplam çalışanların yaklaşık %2’sini oluşturuyor; ortalama yıllık maaş yaklaşık 49.000 dolar, fiziksel işler çalışma süresinin %53’ünü kapsıyor ve bu roller çoğunlukla yazılım zekâsının fiziksel sistemleri yönlendirdiği otomasyonlu üretim ve lojistik operasyonları gibi üretim ortamlarında görülüyor

• Hibrit roller

  • İnsanları, ajanları ve robotları birleştiren çeşitli mesleklerden oluşuyor ve iş gücünün yaklaşık üçte birini istihdam ediyor
  • Ücret, fiziksel yoğunluk ve otomasyon potansiyeli büyük ölçüde farklılık gösterse de her ortamda insan vazgeçilmezdir
  • İnsan-ajan rolleri: öğretmenler, mühendisler, finans uzmanları gibi dijital ve yapay zeka araçlarıyla işleri geliştirilebilen roller; ortalama yıllık maaş 74.000 dolar ve ABD çalışanlarının yaklaşık beşte birini oluşturuyor
  • İnsan-robot rolleri: bakım ve inşaatta görülür; makineler insan çabasına güç ve hassasiyet katar, fiziksel işler çalışma süresinin yaklaşık %81’ini oluşturur, ortalama yıllık maaş 54.000 dolardır ve ABD çalışanlarının %1’inden azını kapsar
  • İnsan-ajan-robot rolleri: ulaşım, tarım ve yiyecek hizmetlerinde görülür; emeğin bu üç biçimi neredeyse eşit şekilde birleşir, fiziksel işler çalışma süresinin yaklaşık %43’ünü oluşturur, ortalama yıllık maaş 60.000 dolardır ve ABD çalışanlarının yaklaşık %5’ini kapsar

Teknoloji gereksinimlerindeki değişim

• İş ilanı analizine göre yaklaşık 6.800 beceri, 11 milyondan fazla iş ilanında sıkça anıldı
• Neredeyse tüm mesleklerde, 2030’a kadar en üst çeyreğe giren yüksek ölçüde değişmiş becerilerden en az biri bulunuyor
• Mesleklerin üçte birinde, becerilerin %10’dan fazlasında büyük değişim bekleniyor

• Teknoloji gereksinimlerinin somutlaşması ve uzmanlaşması

  • Her meslekle ilişkili benzersiz beceri sayısı 10 yıl önce ortalama 54’ten 64’e yükseldi; bu da işverenlerin rolleri tanımlama biçiminin daha somut hale geldiğini gösteriyor
  • Yüksek ücretli alanlarda daha fazla beceri ve daha yüksek uzmanlaşma gereksinimi eğilimi var
    • Veri bilimci ve ekonomist iş ilanlarında 90’dan fazla benzersiz beceri listeleniyor
    • Otomobil sürücülerinde ise 10’dan az listeleniyor
  • Yüksek ücretli mesleklerde yönetim, bilgi ve dijital beceriler öne çıkıyor
  • Düşük ücretli roller uygulamalı işler, ekipman kullanımı ve bakım-destek sağlamaya odaklanıyor

• Aktarılabilir beceriler ve en sık görülen 8 beceri

  • Becerilerdeki her değişim dalgası çalışanların iş yapma biçimini değiştirdi; ancak bugünün farkı hız
  • 2023’e kadar yapay zeka ile ilgili beceri talebi, bulut bilişim ve siber güvenlik gibi diğer dijital becerilerle benzer hızda büyüdü
  • Üretken yapay zeka yükselişinin ardından keskin biçimde hızlandı: Son 2 yılda iş ilanlarında yaklaşık 600 yeni beceri ortaya çıktı (son 10 yılda eklenen toplamın yaklaşık üçte biri) ve bunların çoğu yapay zeka ve ilgili teknolojilerle bağlantılı
  • Hızlı değişim, aktarılabilir becerilerin değerini artırıyor
  • Uzmanlaşma artsa da en sık görülen 8 beceri (iletişim, müşteri ilişkileri, yazma, problem çözme, liderlik, yönetim, operasyonlar ve ayrıntı odaklılık) sektörler ve ücret seviyeleri genelinde kalıcı biçimde geçerliliğini koruyor
  • Bu beceriler iş gücü piyasasının bağ dokusunu oluşturuyor ve yetenek geliştirmede temel rol oynuyor
  • Daha birçok beceri de meslekler arasında aktarılabilir: Örneğin bir Account Executive için gereken becerilerin yarısından fazlası 175 farklı meslekte de görülüyor

• AI Fluency talebinde hızlı büyüme

  • AI Fluency’ye (yapay zeka araçlarını kullanma ve yönetme yeteneği) yönelik talep, 2025 ortasına kadar geçen 2 yılda neredeyse 7 kat arttı
  • Bu, bugün yaklaşık 7 milyon kişinin çalıştığı mesleklerde bir gereklilik olarak öne çıkıyor
  • Teknik yapay zeka becerilerine (yapay zeka sistemleri kurma ve dağıtma) yönelik talep de artıyor, ancak daha yavaş bir hızda
  • Yapay zeka becerisi talebinin %75’i, üç meslek grubunda yoğunlaşıyor: bilişim-matematik, yönetim ve iş-finans
  • Kalan kısım ise mimarlık-mühendislik, kurulum-bakım-onarım ve eğitim gibi 10 diğer meslek grubundan geliyor
  • İnşaat, taşımacılık ve gıda hizmetleri gibi 9 meslek grubunda (iş gücünün yaklaşık %40’ı, medyan gelirin altında) yapay zeka ile ilgili beceri talebi sınırlı
  • İşverenler, süreç optimizasyonu, kalite güvencesi ve eğitim gibi yapay zekaya komşu yetkinliklere yönelik talebi de artırıyor
  • Buna karşılık makinelerin zaten iyi yaptığı veya büyük ölçüde iyileştirdiği alanlarda (araştırma, yazma, basit matematik) iş ilanı atıfları azalıyor; ancak bu beceriler hâlâ iş gücünün büyük bölümü için gerekli

• İnsan becerilerinin çoğu geçerliliğini koruyor, ancak kullanım biçimi değişiyor

  • Becerilerin yaklaşık %72’si, hem yapay zekanın yapabildiği işler hem de insanların yapması gereken işler için birlikte gerekli
  • Az sayıdaki becerinin ise kişiler arası çatışma çözümü ve design thinking gibi empati, yaratıcılık ve bağlamsal anlayışa dayanan özgün biçimde insani olarak kalması bekleniyor
  • Spektrumun diğer ucunda veri girişi, finansal işlem işleme ve ekipman kontrolü gibi çoğunlukla yapay zeka odaklı hale gelmesi muhtemel beceriler bulunuyor
    • Bu alanda insanlar uygulamalı işlerden çekilip tasarım, sonuç doğrulama ve istisna yönetimine odaklanacak
  • Bu iki uç arasında kalan geniş orta alanda insanlar ve yapay zeka yan yana çalışacak
    • Teknolojik ortaklıklar oluşacak: Makineler rutin işleri üstlenirken insanlar problemi çerçevelendirecek, yapay zeka ajanları ve robotlara talimat verecek, sonuçları yorumlayacak ve karar alacak
    • Makinelerde hâlâ eksik olan muhakeme ve bağlamsal anlayışı insanlar sağlayacak; böylece iş birliği ile gözetim birleşecek

Skill Change Index(SCI)

• SCI, farklı benimsenme senaryolarında her becerinin otomasyona potansiyel maruziyetini ölçen zaman ağırlıklı bir gösterge
• Talebin en yüksek olduğu 100 beceri arasında yapay zekanın etkisi büyük farklılık gösteriyor
  • Koçluk gibi insan odaklı becerilerde otomasyon maruziyeti en düşük düzeyde
  • Fatura işleme gibi manuel ve rutin becerilerde maruziyet en yüksek düzeyde
  • Kalite güvencesi gibi beceriler dağılımın ortasında yer alıyor; bu da yapay zekanın becerinin yerini almaktan çok kullanım biçimini değiştirdiği bir alanı gösteriyor

• 7.000 becerinin maruziyeti

  • Dijital ve bilgi işleme becerileri, yapay zekanın veri işleme ve analiz yeteneklerindeki gelişmeyi yansıtacak şekilde SCI’da en üst sıralarda yer alıyor
  • Bakım ve destek becerilerinde en az değişim bekleniyor

• Becerilerin evriminde üç yol

  • Yüksek maruziyetli beceriler (üst çeyrek): Talebin düşme olasılığı yüksek; muhasebe süreçleri ve belirli programlama dilleri gibi yapay zekanın zaten iyi yaptığı uzmanlık becerileri çoğunlukta
  • Orta çeyrek beceriler: Talebin artıp azalmasından çok, doğasının ve uygulanma biçiminin evrilmesi daha olası; insan muhakemesi ile dijital araçları birleştiren aktarılabilir beceriler burada öne çıkıyor, AI Fluency de buna dahil; insanlar yazma ve araştırma gibi becerileri yeni şekillerde uyguluyor
  • Düşük maruziyetli beceriler (alt çeyrek): Kalıcılık olasılığı yüksek; liderlik ve sağlık hizmeti becerileri gibi insan bağı ve bakım üzerine kurulu beceriler burada öne çıkıyor

Ekonomik değer ve iş akışı yeniden tasarımı

• Yapay zeka tabanlı otomasyonla, orta benimsenme senaryosunda 2030’a kadar ABD’de yıllık yaklaşık 2,9 trilyon dolar ekonomik değer yaratılabilir
• Bu kazanımların gerçekleşmesi için tek tek görevlerin otomasyonu değil, insan, ajan ve robotların etkili biçimde birlikte çalışabilmesini sağlayacak uçtan uca iş akışı yeniden tasarımı gerekiyor

• Şirketlerin çoğu hâlâ somut kazançların gerisinde

  • Şirketlerin yaklaşık %90’ı yapay zekaya yatırım yaptığını söylese de, ölçülebilir fayda bildirenlerin oranı %40’ın altında
  • Farkın nedeni: Birçok proje hâlâ pilot/deneme aşamasında ya da organizasyonlar tüm iş akışını yeniden tasarlamak yerine yapay zekayı tekil görevlere uyguluyor
  • Örnek: Bir bankanın çalışanlara geçici kullanım için chatbot sağlaması ile, kredi onayı, işleme ve yönetimi için insanlarla birlikte yeniden kurgulanmış sürece özel ajanlar yerleştirmesi arasındaki fark

• Verimlilik kazanımlarının dağılımı

  • ABD ekonomisi genelinde 190 iş süreci analiz edildi
  • Potansiyel verimlilik kazanımlarının yaklaşık %60’ı, sektöre özgü alanlarla ilgili iş akışlarında yoğunlaşıyor (her sektörün çekirdek faaliyetleri)
    • Üretim: tedarik zinciri yönetimi
    • Sağlık: klinik teşhis ve hasta bakımı
    • Finans: mevzuata uyum ve risk yönetimi
  • Ek kazanımlar ise BT, finans ve idari hizmetler gibi tüm sektörleri destekleyen çapraz fonksiyonlardan geliyor

Vaka incelemesi: yapay zeka gömülü iş akışları

• AI merkezli olarak iş akışlarını yeniden tasarlayan 80 uygulama örneği inceleniyor
• Yönetici ve uzmanlar, uygulayıcı olmaktan giderek orkestratör/doğrulayıcı rolüne geçiyor
• Veri analistleri, underwriter'lar ve mühendisler gibi alan uzmanları; ilk analiz veya ilk taslak üretimini yapan ajanlarla ortaklık kuruyor
• En değerli insan becerileri AI akıcılığı, uyum yeteneği ve çıktıları eleştirel değerlendirme yönüne kayıyor; bu da insanların daha yüksek değerli işlere odaklanmasını sağlıyor

• Satış örneği: küresel teknoloji şirketi

  • Erişim alanını genişletmeyi ve müşteri ilişkilerini derinleştirmeyi hedefliyor
  • Mevcut modelde insan satış ekipleri tutarsız önceliklendirme yöntemleri kullanıyor, binlerce küçük hesaba kişiselleştirilmiş yaklaşım kapasitesi sınırlı kalıyor ve yalnızca en güçlü potansiyel müşteriler özelleştirilmiş ilgi görüyor
  • Satış sürecinin erken aşamalarını otomatikleştirmek için birden fazla AI ajanı devreye alındı
    • Önceliklendirme ajanı: açık ve tescilli veriler temelinde hesapları puanlayıp sıralıyor
    • Erişim ajanı: müşteriyle iletişime geçiyor
    • Müşteri yanıt ajanı: takibi yönetiyor, lead'leri ilgili/ilgisiz/kararsız olarak sınıflandırıyor
    • Zamanlama ajanı: yüksek potansiyelli lead'ler için arama ve hatırlatıcı planlıyor
    • Devir ajanı: insan muhakemesi gerektiğinde dosyayı uzmana aktarıyor
  • Sonuç: yeni gelir, çapraz satış ve müşteri tutma oranındaki artışla yıllık gelirde %7-12 artış öngörülüyor; satış rollerinin genelinde %30-50 zaman tasarrufu sağlanıyor
  • İş geliştirme uzmanları; teklif hazırlama, ortaklık müzakeresi ve ilişki kurma gibi stratejik katılıma daha fazla zaman ayırabiliyor
  • İleride koçluk ajanı (satış ekibine gerçek zamanlı geri bildirim), yönetim ajanı (rutin idari işleri yürüten asistan) eklenebilir

• Müşteri operasyonları örneği: büyük bir utility şirketi

  • Uygulama ve web sitesinde birçok self-service seçeneği olmasına rağmen yılda 7 milyondan fazla destek çağrısı alıyor
  • Mevcut interaktif sesli yanıt sistemi taleplerin yalnızca yaklaşık %10'unu çözüyor, geri kalanı insan müşteri hizmetleri temsilcilerine aktarılıyor
  • Tüm müşteri tabanına ajanik konuşma tabanlı AI dağıtıldı
    • Gelen çağrı ajanı: müşteri doğrulaması yapıyor
    • Niyet belirleme ajanı: aramanın amacını tespit ediyor
    • Arama planlama ajanı: randevuları yönetiyor
    • Self-service ajanı: backend sistemleriyle entegre çalışıyor
  • Sonuç: şu anda tüm çağrıların yaklaşık %40'ını karşılıyor ve bunların %80'inden fazlasını insan müdahalesi olmadan çözüyor
    • Eskalasyon gerektiğinde doğrulanmış hesap ayrıntıları ve konuşma geçmişiyle birlikte aktararak sorunsuz bir devir sağlıyor
    • Çağrı başına ortalama maliyet yaklaşık %50 azalıyor
    • Bekleme süresinin kısalması, tutarlı işlem ve daha hızlı çözüm sayesinde müşteri memnuniyeti puanı 6 yüzde puan artıyor
    • İnsan temsilciler daha karmaşık, duygusal açıdan daha hassas ve daha yüksek değerli sorunları yönetiyor
  • İleride müşteri sorunu tespit ajanı (hizmet kesintilerini algılama ve müşterilere proaktif ulaşımı izleme), koçluk ajanı (canlı görüşme sırasında insan temsilciye gerçek zamanlı yönlendirme sağlama) eklenebilir
  • Gelişmiş AI ajanlarının sonunda müşteri taleplerinin %80-90'ını karşılayabileceği öngörülüyor

• Tıbbi yazım örneği: küresel biyofarma şirketi

  • Yeni ilaçların güvenlik ve etkinlik verilerini belgeleyen klinik çalışma raporları yazım sürecini iyileştirmeyi hedefliyor
  • Mevcut modelde tıbbi yazarlar araştırma verilerini manuel olarak topluyor, uzun raporlar yazıyor ve birden fazla inceleme döngüsünü koordine ediyor
  • Sınırlı kapasite ve uzun tamamlama süresi, artan başvuru talebini karşılama yeteneğini kısıtlıyor
  • Rapor yazımı için iş akışını yeniden yapılandıran bir AI platformu geliştirildi
    • Yapılandırılmış ve yapılandırılmamış araştırma verilerini sentezliyor, dakikalar içinde kapsamlı bir taslak üretiyor, şirket stili ve uyumluluk şablonlarını uyguluyor, hataları kendi kendine gözden geçiriyor
  • Tıbbi yazar rolü, manuel taslak yazımından AI sistemiyle iş birliği yapma ve klinik muhakeme uygulama yönüne kayıyor
  • Sonuç: ilk insan incelemesi taslağında harcanan çalışma süresi yaklaşık %60 azalıyor, hatalar yaklaşık %50 düşüyor
    • Diğer ilgili süreç ve teknoloji değişimleriyle birleştiğinde pazara çıkış çalışmaları haftalar düzeyinde kısalıyor ve ek iyileşmeler bekleniyor
  • İleride klinik çalışma planlamasından başvuruya kadar temel aşamaları destekleyen ajanlar kullanılabilir: klinik çalışma planlama ajanı (deneme protokolünü oluşturma), veri eşleme ajanı (veri analizi ve sentezi), rapor yazım ajanı (tam taslak oluşturma), doğrulama ajanı (uyumluluğu kontrol etme), inceleme ajanı (hata taraması), başvuru taslak ajanı (düzenleyici kuruma sunulacak belgeleri üretme)
  • Araştırma döngüsünün geneline uygulandığında zaman çizelgesi aylar düzeyinde kısalabilir

• BT modernizasyonu örneği: bölgesel banka

  • AI ajanlarını kullanarak KOBİ bankacılığı uygulamalarını modernize ediyor
  • İç geliştirme hızını artırmak için çeşitli programlama dillerini güncellemeyi hedefliyor
  • Mevcut yaklaşımda milyonlarca satır kod için manuel dokümantasyon, kod refactoring ve test yapılması; aylar süren çalışma, büyük bütçe ve geniş mühendislik kapasitesi gerektiriyor
  • Birden fazla modernizasyon görevi için AI ajanlarını kullanan bir pilot başlatıldı
    • Değerlendirme ajanı: legacy kod tabanını tarayarak bağımlılıkları belirliyor
    • Fonksiyon ajanı: hedef durum mimarisini oluşturuyor
    • Kodlama ajanı: kodu yeni framework'e taşıyor ve otomatik testler yürütüyor
  • Geliştiriciler, mimari bütünlüğü, uyumluluğu ve işlev doğruluğunu sağlamak için çıktıları doğrulayıp iyileştirirken 15-20 ajanla iş birliği yapıyor
  • Modernizasyon sürecinde uygulama masaüstünden mobile, on-premises'ten cloud'a, monolitik yapıdan microservices mimarisine geçiyor
  • Tekrarlayan uygulamanın büyük kısmını AI ajanları üstlendikçe insanların iş odağı planlama, orkestrasyon ve test yönüne kayıyor
  • İlk sonuçlar: en fazla %70 kod doğruluğu
  • Banka, pilot modüllerin ardından tüm modernizasyon çalışmalarında ajan kullanımını genişletmeyi planlıyor; gereken insan zamanında en fazla %50 azalma öngörülüyor
  • İleride modernizasyon planlama ajanı (süreci koordine etme), kalite güvence ajanı ve test ajanı destek sağlayabilir

• AI yönetim işlerini ve becerileri yeniden şekillendiriyor

  • AI daha fazla analiz ve karar destek işini üstlendikçe yönetim işinin doğası, insanları denetlemekten; insanların, AI ajanlarının ve robotların birlikte çalıştığı sistemleri orkestre etmeye dönüşüyor
  • Yöneticiler etki yaratma ve mentorluk gibi daha yüksek değerli işlere zaman ayırabilirken, aynı zamanda daha güçlü teknik akıcılık da gerekiyor
    • Örnek: satış yöneticileri, AI tabanlı içgörüleri kullanıp ilişkileri güçlendirmesi için ekibe koçluk yapmaya daha fazla zaman ayırabilir
    • Örnek: müşteri hizmetleri yöneticileri, insanlarla AI ajanlarından oluşan hibrit iş gücünü denetleyerek hem AI sistemlerini hem de çalışanları eğitip hizmeti iyileştirebilir

İş liderleri için temel sorular

• Gelecekteki değer için işi yeniden tasarlamak

  • İlk yapay zeka girişimleri çoğu zaman iş akışlarını yeniden düşünmekten ziyade mevcut yapıyı iyileştirmeye odaklanır
  • Daha büyük kazançlar süreçlerin uçtan uca yeniden tasarlanmasından gelir
  • Gelecekteki değeri inşa etmek için birkaç yıl sonrasını öngörüp geriye doğru çalışarak yapay zeka ile bağlantılı olarak hangi rollerin, becerilerin ve yapıların değişmesi gerektiğini belirlemek gerekir
  • Liderlerin, bugün hangi büyük yeniden tasarımlara yatırım yapacakları ve hangi alanlarda kısa vadeli kazanımlar için mevcut modeli iyileştirecekleri arasında seçim yapması gerekir

• Temel bir iş dönüşümü olarak yapay zekaya liderlik etmek

  • Yapay zeka neredeyse tüm işlevleri etkiler
  • Liderler buna bir teknoloji projesi olarak ya da daha geniş çaplı bir iş dönüşümü olarak yaklaşabilir
  • Sorumluluk IT departmanına devredildiğinde uygulama hızı artabilir, ancak kalıcı değişim ve gerçek stratejik avantaj; üst düzey liderliğin görünür bağlılığına ve yapay zekanın organizasyon genelinde insanlar ile iş üzerindeki etkisine yönelik sürekli ilgiye bağlıdır

• Deney ve öğrenme kültürü oluşturmak

  • Yapay zeka uygulamaları, özellikle başlangıçta, belirsizlik içerir
  • Hızla test eden ve uyum sağlayan organizasyonlar en hızlı öğrenenler olma eğilimindedir
  • Bu durum; merakı, risk almayı, başarısızlıktan öğrenmeyi ve iş birliğini destekleyen kültüre bağlıdır
  • Kültürü değiştirmek zordur, ancak yapay zekanın gerektirmesi muhtemel ölçekteki dönüşüm için bu zorunludur

• Güven inşa etmek ve güvenliği sağlamak

  • Yapay zeka, şirketlerin sorumluluğu sürdürme ve gözetim sağlama biçimini değiştirir
  • Odak, tek tek çıktıları kontrol etmekten; net politikalar belirlemeye, yapay zeka mantığını doğrulamaya, istisnaları ele almaya ve insan müdahalesinin en çok ne zaman gerektiğini belirlemeye kayar
  • Zorluk, yenilikçiliği ve verimliliği sınırlamadan risk yönetimi ve güvenliği sağlamak için yeterli gözetimi koruyan doğru dengeyi sürdürmektir

• Yöneticileri hibrit ekipleri yönetebilecek yetkinlikle donatmak

  • Yapay zeka, yöneticiliğin anlamını yeniden tanımlar
  • Rutin denetimin otomatikleşmesiyle yöneticiler; koçluk, etki yaratma ve insanlardan, ajanlardan ve robotlardan oluşan hibrit ekiplerin orkestrasyonuna odaklanabilir
  • Yöneticiler ayrıca önyargı testi, performans doğrulama ve bütünlüğün korunmasında da kilit rol oynar
  • Otomasyonla birlikte doğrudan kontrol azaldıkça sonuçlara ilişkin sorumluluğu sürdürmek daha zor hale gelebilir
  • İnsan ve makine katkıları ile etkileşimlerini değerlendirmek için yeni performans göstergeleri ve geri bildirim sistemleri gerekir

• Yapay zekanın serbest bıraktığı kapasitenin nasıl kullanılacağına karar vermek

  • Şirketlerin, yapay zekanın serbest bıraktığı kapasiteyi nasıl kullanacaklarına karar vermesi gerekir: çalışan gelişimine ve daha yüksek değerli işlere yeniden yatırım yapmak mı, yoksa daha yüksek verimlilik ve maliyet azaltımına mı odaklanmak
  • Çoğu şirket her ikisinden de bir miktar yapacaktır
  • Bu geçişin yönetilmesi, hangi rollerin evrilebileceğini belirlemeyi ve çalışanlara net beceri temelli büyüme yolları sunmayı gerektirir
  • Yapay zeka ile birlikte sürekli öğrenme ve eğitim, kurumsal güç açısından daha da önemli hale gelir
  • İşlerin ve beceri ihtiyaçlarının daha hızlı evrilmesiyle, çalışanların kendi becerilerinin yeni iş türlerine nasıl aktarılabileceğini anlamalarına yardımcı olmak hem insanların hem de şirketlerin dayanıklılığını güçlendirir
  • Yapay zeka okuryazarlığının organizasyonun tüm seviyelerine yayılması gerekir
  • Şirketler bu becerileri dijital araçlar, uygulamalı projeler ve koçluk yoluyla geliştirebilir; diğer organizasyonlar ve kurumlarla kurulacak ortaklıklar da öğrenmeye erişimi genişletip yeni fırsatlar açabilir

Kurumlar için temel sorular

• Eğitimin ve öğretimin evrimi

  • Beceri ihtiyaçları değiştikçe eğitim kritik bir rol oynar
  • İnsanların bu teknolojileri etkili biçimde kullanmayı ve yönlendirmeyi öğrenebilmesi için; yapay zeka okuryazarlığının temelleri olan eleştirel düşünme, sonuçları sorgulama, varsayımlara meydan okuma, önyargı ve hataları fark etme gibi yetkinliklerin ilkokuldan itibaren geliştirilmesi gerekir
  • Müfredat yeniden tasarlanarak teknik bilgi; uyum sağlama, analitik düşünme ve iş birliği gibi aktarılabilir insani becerilerle birleştirilebilir
  • Üniversiteler yapay zekayı disiplinlerin geneline entegre edebilir, meslek yüksekokulları ve topluluk kolejleri ise nitelikli teknik eğitimleri genişletebilir
  • Yapay zeka, daha kişiselleştirilmiş ve sürekli öğrenmeyi destekleyebilir
  • Yeniden beceri kazandırma talebi arttıkça yaşam boyu öğrenmeye yatırım yapmak gerekir
  • Eğitim sistemleri ile işverenlerin; ortak programlar, esnek modeller, gelirle birlikte yürütülen çıraklıklar ve hızlı sertifikasyon yoluyla daha yakın iş birliği yaparak insanların meslekler ve sektörler arasında geçişini desteklemesi gerekir

• Aktarılabilir becerileri yeni fırsatlara bağlayan sistemler

  • Yapay zeka işi dönüştürdükçe birçok kişinin tamamen yeni mesleklere geçmesi gerekecek
  • Bu geçişlerde aktarılabilir beceriler hayati önemdedir, ancak bunun anlamlı olabilmesi için iş gücü piyasasının bunları tanıyıp ödüllendirebilmesi gerekir
  • Bunu mümkün kılan unsurlar; becerilerin net biçimde tanımlanması, yetkinliği kanıtlamanın güvenilir yolları (testler veya doğrulanmış sertifikalar) ve daha iyi eşleştirme platformlarıdır
  • İşverenler, okullar ve sertifikasyon kurumları arasında bağlantılar kurmak; işlere ve fırsatlara erişimi genişletebilir

• Bölgesel ekonomiler ve toplulukların yanıtı

  • Yapay zekanın etkisi sektörlere ve bölgelere göre büyük ölçüde farklılık gösterir
  • Bu farkları verilerle anlamak, etkili adımların ilk aşamasıdır
  • Değişimin nerede yaşandığına dair net bir tabloyla; sektör grupları, eğitimciler, iş gücü kurumları ve sendikalar yerel ihtiyaçlara uygun eğitim ve kariyer geçiş stratejileri için iş birliği yapabilir

Terim tanımları

• Benimseme (Adoption): Organizasyon veya iş gücü bağlamında yapay zeka ve otomasyon teknolojilerinin gerçek iş faaliyetleri ve iş akışlarına uygulanması; otomasyon potansiyelinin ne kadarının, ne kadar hızlı ve ne ölçüde yakalanacağını belirler
• Ajanlar (Agents): Dijital dünyada iş faaliyetlerini gerçekleştiren makineler; insanların fiziksel olmayan yeteneklerini (doğal dil üretimi, sosyal ve duygusal muhakeme, yaratıcılık vb.) güçlendirir veya yerine geçer
• Yapay zeka destekli ajanlar (AI-powered agents): İçine yapay zeka gömülü olan, daha otonom davranabilen ve iş akışı orkestrasyonu yapabilen ajanlar; agentic AI olarak da adlandırılır
• Yapay zeka destekli robotlar (AI-powered robots): İçine yapay zeka gömülü olan, daha otonom davranabilen ve iş akışı orkestrasyonu yapabilen robotlar
• Yapay zeka (Artificial Intelligence, AI): Geleneksel olarak insan zekası gerektiren görevleri yerine getiren yazılımın yeteneği; potansiyel olarak insan yeteneklerini güçlendirebilir veya onların yerini alabilir
• Yetenekler (Capabilities): Teknolojinin uygulanmasını destekleyen fiziksel veya fiziksel olmayan yetiler; iş faaliyetlerini yerine getirmek için gereken insan düzeyindeki performansa göre değerlendirilir; fiziksel olmayan yetenekler arasında bilişsel yetenekler (doğal dil, mantıksal akıl yürütme, yaratıcılık, navigasyon vb.) ile sosyal ve duygusal yetenekler yer alır
• Üretken yapay zeka (Generative AI): Yapılandırılmamış verileri girdi olarak alıp, foundation model'ler (çok büyük miktarda çeşitli veriyle eğitilmiş büyük yapay sinir ağları) aracılığıyla yapılandırılmamış veriler üreten yapay zeka uygulamaları
• Fiziksel olmayan iş (Nonphysical work): Fiziksel hareketten ziyade bilişsel veya sosyal/duygusal yetenekler içeren işler (problem çözme, bilgi işleme, yaratma, başkalarıyla iş birliği yapma vb.)
• Meslekler (Occupations): Beceri, iş bağlamı ve diğer yeterlilikler açısından tanımlanabilen benzer görevleri veya iş faaliyetlerini paylaşan iş grupları; ABD'de Bureau of Labor Statistics tarafından sürdürülen Standard Occupational Classification sistemi kullanılır
• Fiziksel iş (Physical work): Büyük kas motor becerileri, ince motor becerileri ve hareketlilik gibi harekete dayalı yetenekler gerektiren; fiziksel dünyayla doğrudan etkileşimi içeren işlerdir; genellikle nesneleri, araçları ve makineleri kullanmayı veya taşımayı, malzemeleri birleştirmeyi ya da konumlandırmayı ve insan gücüne veya el becerisine dayanan hareketleri gerçekleştirmeyi kapsar
• Robotlar (Robots): Fiziksel dünyada iş faaliyetlerini gerçekleştiren makineler; insanların fiziksel yeteneklerini (büyük kas motor becerileri, ince motor becerileri, hareketlilik) güçlendirir veya yerine geçer
• Beceriler (Skills): İnsanların iş faaliyetlerini yerine getirmek için kullandığı bilgi, yetenek ve nitelikler; çoğu zaman resmî eğitim, öğretim ve iş deneyimi yoluyla edinilir; Lightcast ve ESCO, beceriler için piyasa odaklı sınıflandırma sistemleri sunar
• Teknik otomasyon potansiyeli (Technical automation potential): Belirli bir teknoloji yetkinliği düzeyiyle teorik olarak otomatikleştirilebilecek çalışma saatlerinin payı; ABD ekonomisi genelindeki teknik otomasyon potansiyeli, her mesleğin ayrıntılı iş faaliyetlerinin analiziyle değerlendirilir; ABD Bureau of Labor Statistics ve O*NET tarafından yayımlanan veri tabanları kullanılarak yaklaşık 800 meslek yaklaşık 2.000 faaliyete ayrıştırılır ve insanların bugün işte bu faaliyetleri nasıl gerçekleştirdiğine dayanarak her faaliyet için gereken yetenekler belirlenir
• İş faaliyetleri (Work activities): Bir kişinin, bir mesleğin hedeflerine ulaşmak için ne yaptığını gösteren gözlemlenebilir iş davranışları; ABD'de O*NET tarafından detailed work activities (DWA) olarak resmî biçimde sınıflandırılır
• İş akışları (Workflows): Tanımlı bir hedefe doğru işi topluca ilerleten, süreçler (kurallar, bağımlılıklar, bilgi akışı vb.) tarafından yönlendirilen ve insanlarla teknolojiyi içeren yapılandırılmış iş faaliyeti dizileri