İçerik ucuzladı, uygulama değerlendi
Birkaç yıl önce kurumsal bir eğitim için 20 senaryo sorusu, 10 mikro içerik ve 5 rol oyunu vakası yazmak bir öğrenme tasarımcısının haftalarını alırdı. Bugün yapay zekâ bunların ilk taslağını dakikalar içinde üretebiliyor. Bu, öğrenme ekiplerinin en eski darboğazını, yani içerik üretim kapasitesini neredeyse ortadan kaldırdı.
Ama bir darboğaz kalkınca, bir sonraki görünür olur. Kurumların sorunu hiçbir zaman yalnızca içerik eksikliği değildi; öğrenilenin sahaya yansımamasıydı. Daha fazla içerik bu sorunu çözmez; tersine, katılımcının dikkatini daha fazla parçaya böler.
Yapay zekâ ile daha çok içerik değil, daha çok uygulama tasarlayın.
Beş kullanım alanı
| Alan | Ne yapar? | Motordaki yeri | Dikkat |
|---|---|---|---|
| Kişiselleştirme | İçeriği, örnekleri ve zorluk düzeyini role, deneyime ve T0 sonucuna göre uyarlar | Ölç · Sürekli Kıl | Herkese farklı içerik, ölçümü karşılaştırılamaz hâle getirebilir |
| AI pratik partneri | Rol oyunu, müşteri itirazı, zor konuşma provası; anında geri bildirim | Derinleş · Sürekli Kıl | Geri bildirim kalitesi kurumun ölçütlerine bağlanmalı |
| İçerik üretimi | Kurumun onaylı kaynaklarından mikro içerik, senaryo, soru ve vaka taslağı | Derinleş · Sürekli Kıl | İnsan onayı olmadan yayımlanmamalı |
| AI koç | Saha görevinden önce hazırlık, sonra yansıtma soruları, hatırlatmalar | Sürekli Kıl · Uygula | Koç destek verir, onay vermez |
| Ölçüm desteği | Açık uçlu yorumları ve kanıtları temalara ayırır, T0–T1 karşılaştırmasını özetler | Ölç · Kutla & Ölç | Her iddia bir veriye geri götürülebilmeli |
Kişiselleştirme: herkese aynı program değil, herkese aynı hedef
Klasik bir programda 25 katılımcı aynı içeriği aynı sırayla alır. Oysa T0 ölçümü çoğu zaman farklı başlangıç noktaları gösterir: biri geri bildirim vermekte, diğeri öncelik koymakta zorlanır. Kişiselleştirilmiş öğrenme, herkese aynı hedefe farklı yollardan ulaşma imkânı verir: aynı davranış için role uygun örnekler, zayıf alana daha sık hatırlatma, güçlü alanda daha zor senaryo.
Kişiselleştirmenin bir sınırı vardır: hedef ortak kalmalıdır. Herkese bambaşka içerik vermek, programı bir öğrenme kataloğuna çevirir ve sonunda neyin değiştiğini ölçmeyi zorlaştırır. Yol kişisel, varış noktası ortak olmalıdır.
AI pratik partneri: atölyeler arasındaki boşluk
Davranış prova ile öğrenilir; ama atölyede herkesin prova süresi sınırlıdır. Bir satış temsilcisi bir müşteri itirazını atölyede belki bir kez prova eder. AI pratik partneri bu sınırı kaldırır: katılımcı aynı itirazı farklı müşteri tipleriyle, istediği saatte, hata yapmaktan çekinmeden defalarca deneyebilir.
İyi bir AI pratiği üç unsur taşır:
- Gerçekçi senaryo: Kurumun gerçek müşteri tipleri, ürünleri ve itirazları.
- Net ölçüt: Geri bildirim, atölyede öğretilen davranış ölçütlerine göre verilir; yapay zekânın kendi “iyi konuşma” fikrine göre değil.
- Bir sonraki adım: Pratik, bir saha görevine bağlanır. Prova sahneye hazırlıktır; sahnenin yerini tutmaz.
Kuruma özel bilgi tabanı ve insan onayı
Genel bir yapay zekâ modeli, kurumunuzun ürünlerini, süreçlerini, yetkinlik modelini ve dilini bilmez. Ona bunları sormak, genel ve bazen yanlış cevaplar almak demektir. Çözüm, yapay zekânın cevaplarını kurumun onaylı kaynaklarına dayandırmaktır: politika belgeleri, ürün bilgileri, yetkinlik tanımları, eğitim materyalleri. Teknik dilde bu yaklaşım çoğunlukla “erişimle güçlendirilmiş üretim” (RAG) olarak anılır; sade dille, kuruma özel bilgi tabanı: yapay zekâ önce kurumun belgelerinde ilgili bölümü bulur, sonra cevabını o bölüme dayanarak yazar.
Bilgi tabanı hatayı azaltır ama sıfırlamaz. Bu yüzden ikinci koşul insan onaylı içeriktir: yapay zekâ taslak üretir, bir konu uzmanı ve gerekiyorsa kurumun ilgili birimi onaylamadan hiçbir içerik katılımcıya ulaşmaz. Hız yapay zekâdan, güvenilirlik insandan gelir.
AI koç: hatırlatmanın ötesi
Atölyeden sonraki haftalarda katılımcının en çok ihtiyaç duyduğu şey, doğru anda doğru soruyu soran biridir. AI koç bu rolün bir kısmını üstlenebilir: saha görevinden önce “bu görüşmede hangi soruyla açacaksın?”, sonra “ne oldu, neyi farklı yapardın?” diye sormak.
Koçun sınırı nettir: destekler, onaylamaz. Davranışın gerçekleştiğini doğrulayan ve yeni davranışı tanıyan yönetici olmalıdır. Ayrıntısı saha görevleri ve yöneticinin rolü bölümünde.
Beş risk
- Halüsinasyon. Yapay zekâ akıcı ve kendinden emin bir dille yanlış bilgi üretebilir. Onaylı kaynak ve insan kontrolü olmadan yayımlanan içerik, kurumun adıyla yanlış öğretir.
- Kişisel veri. Çalışanların cevapları, saha kanıtları ve performans verileri kişisel veridir. Hukuki dayanak, veri işleyen, yurt dışına aktarım ve saklama süresi netleşmeden bu veriler yapay zekâ araçlarına verilmemelidir. KVKK sorumlunuzu tasarımın başına davet edin.
- Aşırı otomasyon. Her şeyi otomatikleştirmek, programın insan tarafını, yani yönetici ilişkisini, akran öğrenmesini ve tanınmayı zayıflatır. Davranış insanlar arasında değişir.
- İçerik enflasyonu. Üretim ucuzladığı için içerik çoğalır; katılımcının dikkati bölünür, hiçbir içerik derinleşmez. Daha az ama daha iyi içerik, her zaman daha fazla içerikten iyidir.
- Yanlış ölçü. Yapay zekâ ile etkileşim sayısı, sohbet süresi ya da üretilen içerik miktarı başarı ölçüsü değildir. Ölçü yine aynıdır: sahada uygulanan davranış.
Devredilmeyecek iki karar. Hangi davranışın değişmesi gerektiği bir iş kararıdır; yöneticiler ve öğrenme ekibi verir. Davranışın sahada gerçekleştiğinin onayı bir ilişki kararıdır; yönetici verir. Yapay zekâ bu iki kararın etrafındaki her işi hızlandırabilir, ama kararın kendisini değil.
Nereden başlamalı?
Üç küçük adım önerilir:
- Bir programda AI pratik partneri deneyin. En zor prova edilen bir davranış seçin (bir müşteri itirazı, bir geri bildirim konuşması) ve atölyeler arasında yapay zekâ ile pratiği saha görevine bağlayın.
- İçerik üretimini insan onayına bağlayın. Yapay zekâ ile üretilen her mikro içerik ve senaryo için bir onaylayıcı ve bir kaynak belge belirleyin.
- Hazır prompt’larla başlayın. Öğrenme Tasarımı Prompt’ları ihtiyaç analizinden etki raporuna kadar Motor’un altı fazı için hazır prompt’lar sunar; her birinin altında, o adımda yapay zekâya nerede güvenmemeniz gerektiği yazılıdır.
Akademus Hibrit Learning programlarında da hedef aynıdır: yapay zekâ içeriği ve pratiği hızlandırır, ölçü ise sahada kanıtlanan uygulamadır.