PwC'nin geçen yıl yayınladığı bir rapor ilgimi çekmişti: yapay zeka bilen beyaz yakalılar %56 daha fazla gelir elde ediyor. Peki "yapay zeka biliyor olmak" tam olarak ne demek? Bu soruyu Foreign Zone Danışmanlık kurucusu ve teknoloji stratejisti İnci Abay Can Sabuncu'ya sordum.

Araçtan partnere

Sabuncu'nun cevabı beklediğimden farklıydı. Geleneksel sektörlerde teknoloji hep bir araçtı, kullanılırdı. Şimdi teknoloji, yapay zekayla birlikte bir partnere dönüştü, çünkü artık ona sorumluluk veriliyor.

Bu, benim için önemli bir ayrım. Bir aracı kullanırsınız, ama bir partnere delege edersiniz. Ve delegasyon, çalışan dünyamızın teknolojiyle ilişkisinde daha önce hiç deneyimlemediği parametreleri devreye sokuyor: sınırlar, roller, sorumluluklar. Herkes eskiden bulunduğu unvanın çerçevesinde ne yapacağını bilirdi. Şimdi o çerçeve genişliyor ve çoğumuz buna hazır değiliz.

Sorumluluğu neye göre vereceğiz

Ben kendim liderlik eğitimlerinde delegasyonun temel bir kuralını sık anlatırım: birine kaldırabileceğinden fazlasını delege etme. Bunu yapabilmek için ekibinizi, kime hangi işi verebileceğinizi bilmeniz gerekir. Sabuncu'ya sordum: yapay zekaya delege ederken de onu iyi tanımak mı gerekiyor, buna "yapay zeka okuryazarlığı" mı diyoruz?

Cevabı teknik değildi, stratejikti. Ona göre gerçek okuryazarlık, modelin nasıl çalıştığını anlamaktan, yani "algoritmik ehliyet"ten başlıyor. Çıkan sonucu sorgulayabilmek: neye göre karar verdi, hangi parametrelerle kodlandı, bu benim için, kurumum için doğru mu? Ve bir de önyargılar meselesi var, çünkü modeli kodlayan da insan, insanın olduğu her yerde bilişsel önyargı var.

Murat'ı tanıdığım gibi makineyi tanımıyorum

Sabuncu'nun kurduğu bir benzetme dikkatimi çekti: bir takım arkadaşımı, hangi eğitimleri aldığını, neyden etkilendiğini, hangi işlerde iyi olduğunu bilerek onunla sinerji kurarım. Ama makinenin arkasındaki bağlamı, nasıl öğrendiğini, hangi önyargılarla eğitildiğini bilmiyorum. İşte algoritmik okuryazarlığın devreye girdiği yer tam burası.

Ayrıca çocukların doğru-yanlış öğrenme sürecine de değindi: "Bunu yaparsan şu olur" diyen öğretmen, anne, arkadaş deneyimi. Kodlamanın altındaki mantık da benzer bir örüntü öğretme süreci. Bu örüntüleri ne kadar iyi anlarsak, makineyle kurduğumuz ilişki o kadar bilinçli oluyor.

Prompt mühendisliği ilk beşte değil

Sabuncu'nun listesinde prompt mühendisliği ilk beş yetkinlik arasında yer almıyor. Ona göre önce birbirimizle, insanlarla, ne kadar iyi iletişim kurabildiğimizi sorgulamak lazım; bunu çözmeden yapay zekayla iletişimi çözemeyiz. Listesindeki gerçek öncelikler: kişisel ustalık, insan-makine simbiyotik ilişkisi, karar mimarisi okuryazarlığı ve etik teknoloji yönetişimi.

Etik konusunu "işin lüksü" gibi görme eğilimimiz var, ama Sabuncu'ya göre etik olarak temizlenmiş veri, doğrudan performansı da artıran bir şey. Yani etik bir maliyet değil, bir yatırım.

Reçete

Sohbetin sonunda kişisel bir soru sordum: 10 yaşındaki oğluna ne öğretiyor bu konuda? Cevabı ilginçti: prompt yazmayı değil, yapay zekanın nasıl çalıştığını, nasıl düşündüğünü anlamasını istiyor. Çünkü, dedi Sabuncu, "benim oğlum onun ebeveyni, ve bir sonraki yapay zekaların, bir sonraki ajanların da ebeveyni olacak."

Bu bana şirketler için de bir reçete gibi geldi: yeni bir araç öğretmeden önce, o aracın nasıl düşündüğünü, hangi parametrelerle karar verdiğini anlamayı öğretin. Prompt mühendisliği sonra gelir.

Siz kendi ekibinizde ya da kendi çalışma hayatınızda yapay zekayı hâlâ bir araç gibi mi kullanıyorsunuz, yoksa ona gerçek anlamda sorumluluk devrediyor musunuz? Ve o sorumluluğu verirken, çıktısını sorgulayacak kadar onu tanıyor musunuz? Bunu fark ettiğinizde bana yazın.