İş Sonuçları, Öğrenme Etkisi ve Yapay Zeka Hakkında
Saravana Sivanandham, Absorb Software'de Baş Ürün ve Pazarlama Sorumlusu olup, burada kuruluşların kritik beceriler geliştirmesine, iş gücünü dönüştürmesine ve ölçülebilir iş sonuçları elde etmesine yardımcı olan pazar lideri çözümler sunmak amacıyla Absorb'un ürün, pazarlama, yapay zeka ve büyüme ekiplerinin stratejisine ve yürütülmesine liderlik etmektedir. İş dışında ailesiyle vakit geçirmekten, Teksas'ın dağlık bölgesinde koşmaktan ve masa tenisi oynamaktan hoşlanıyor.
Bugün öğrenmenin etkisini, iş sonuçlarını ve performansın yaşandığı yerde yapay zekanın kullanımını tartışıyoruz.
Sektör yıllardır öğrenmenin iş üzerindeki etkisini kanıtlama sözü verdi ve bu vaatler karışık bir şekilde gerçekleşti. Yapay zeka bunu gerçekten çözebilir mi, yoksa sadece ölçülmesi gereken daha fazla aktivite mi yaratıyor?
Evet. İlk kez aradaki fark gerçekten kapatılabilir çünkü her zaman eksik olan üç şey artık çözüldü. İşin gerçekte gerçekleştiği verilere ulaşabilir, bunun üzerinde üretken bir şekilde akıl yürütebilir ve sonucu tekrar sonuca bağlayabiliriz. Buradaki uyarı, yalnızca aktiviteyi değil sonucu ölçerseniz kapanmasıdır. Aksi takdirde yapay zeka aynı gösteriş metriklerini daha hızlı bir şekilde endüstriyelleştirir.
Eski fark asla hırsla ilgili değildi. Sıhhi tesisatla ilgiliydi. Öğrenim sistemleri çalışmayı göremiyordu, dolayısıyla tamamlamalar ve test puanları tek sinyaldi ve etki gözlemlenmek yerine çıkarsanıyordu. MCP ve A2A gibi teknolojiler bunu değiştiriyor. Bir aracı artık CRM, destek, kod ve konuşmalar gibi işin gerçekleştiği sistemlerden yetenek boşluklarının gerçekte nerede bulunduğunu, kullanıcının kendi izinlerini kullanarak ve on iki aylık bir veri gölü projesi olmadan okuyabilir. Üretken yapay zeka, bu sinyali belirli bir müdahaleye dönüştürür ve ardından performansın değişip değişmediğini okur. Bu kapalı bir döngüdür, başka bir kontrol paneli değil.
Adını koyduğunuz risk gerçek risktir. Yapay zeka, daha fazla içerik oluşturmayı ve daha fazla etkinliği izlemeyi son derece kolaylaştırıyor ve çoğu platform tam olarak bu tuzağa düşecek. Disiplin, yükseliş süresi, kazanma oranı ve elde tutma gibi işletmenin halihazırda değer verdiği sonuçlara dayanmak ve diğer her şeyin buna hizmet etmesine izin vermektir. En katı beceri ölçüm yaklaşımlarının bile iş sonuçlarını değil, yeteneği ölçtüğü açıktır. Ölçme araçtır. Sonucun kanıtı sondur ve bu son adım, yapay zekanın nihayet atmamıza izin verdiği adımdır.
Şu anda yapay zeka destekli öğrenme platformlarını değerlendiren herkese sormaları gerektiğini söyleyeceğiniz iki veya üç soru nelerdir?
Yapay zeka tabanlı bir platformu, ÖYS/LMS'ye sabitlenmiş yapay zeka özelliklerinden ayıran üç soru var. Yapay zeka verilerini nereden alıyor? Hareket edebilir mi, yoksa sadece cevap verebilir mi? Ve iş sonucunu kanıtlayabilir mi?
Öncelikle yapay zeka verilerini nereden alıyor? Herkesin aynı temel modellerine erişimi vardır, dolayısıyla modelin kendisi bir avantaj değildir. Veriler şöyle. En güçlü sistemler aynı anda iki şeye dayanır. Bunlardan biri, sağlayıcının kendi özel öğrenme verileridir; yani kimin neyi öğrendiği, şimdi ne yapabileceği ve gerçekte neyin işe yaradığı. Diğeri ise CRM, destek ve İK gibi işin gerçekleştiği iş sistemlerine canlı bağlantıdır. Burada dikkatli olun: hiçbir öğrenim sağlayıcısı iş performansı açısından kayıt sistemi değildir ve öyle olduğunu iddia edenlere karşı da dikkatli olmalısınız. Önemli olan, platformun yetenek ve hazırlık açısından kayıt sistemi olup olmadığı ve kendi performansını gerçekleştiren sistemlerden bağlam okuyabildiğidir. Herkese açık bir modeldeki sarıcı, ikisi de demo değildir.
İkincisi, hareket ediyor mu, yoksa sadece cevap veriyor mu? Bir chatbot bir soruyu yanıtlıyor. Bir temsilci bir boşluk tespit eder, müdahaleyi gerçekleştirir ve işe yarayıp yaramadığını görmek için takip eder. Sohbet kutusunu değil, çalıştırdığı iş akışının tamamını görmeyi isteyin.
Üçüncüsü, CFO'nun halihazırda kullandığı dilde işe yaradığını kanıtlayabilir mi? Öğrenmeyi işletmenin halihazırda ölçtüğü bir ölçüme nasıl bağladığını ve yalnızca korelasyon yerine nedeni gösterip gösteremeyeceğini sorun. Cevap katılım ve tamamlamaysa, bu yeni ambalajdaki eski oyundur.
Üçünü de aynı anda test etmenin hızlı bir yolu, mimariyi ve genel değişiklik günlüğünü görmeyi istemektir. Gerçekten yapay zekaya özgü platformlar, sistemin nasıl oluşturulduğunu ve gözle görülür şekilde gönderildiğini gösterir. Olmayanlar yapamaz.
Kurumsal müşterilerin bir yıl önce sormadıkları halde şimdi size sordukları soru nedir?
Bir yıl önce, konuşmaların çoğu hâlâ özellikler ve sistemler hakkındaydı. Müşteriler bir platformun belirli bir şeyi yapıp yapamayacağını sordular veya bizden yeni bir sistem kurmalarına veya bir harita oluşturmalarına yardımcı olmamızı istediler. Bugün soru, çalışmanın içine yerleştirilmiş sonuçlarla ilgilidir. Çalışan gelişimi, müşteri eğitimi, iş ortağı yetkilendirmesi ve uyumluluk gibi her kullanım örneğinde müşteriler aynı şeyi farklı kelimelerle soruyor. Bu aslında çalışanlarımızın yapabileceklerini değiştirecek mi ve bunu kanıtlayabilir misiniz?
En açık örnek becerilerdir. Bir yıl önce şirketler bizden bir beceri sınıflandırması oluşturmamızı istedi. Bugün tam tersini soruyorlar. Tüm becerilerimizi haritalandırmak yerine iş akışında işi gerçekten harekete geçiren boşlukları kapatmak. Her beceriyi katalogladığınız, her rolü haritalandırdığınız ve ardından boşlukları kapatmaya çalıştığınız yukarıdan aşağıya beceri projesi, büyük ölçüde teorik bir alıştırma haline geldi. Haritanın yapımı bir yıl sürüyor, tamamlandığı anda çürümeye başlıyor ve öğrenci onu asla göremiyor. Beceri, amacını unutan bir araç haline geldi.
Müşterilerin şu anda istediği şey, becerilerin her zaman temsil ettiği şeydir. İşi yapabilen kişiler ve işe yaradığının kanıtı, sürdürmeleri gereken bağımsız bir katalog yerine, kendi kendine gelişen işin içine yerleştirilmiş bir iş akışı olarak sunulur. Ortamın farkında olan bir sistemin yaptığı da budur. Öğrenciyi ve iş bağlamını anladığı için, işi ileriye taşıyan şeyin gelişimini temellendirir. İstihbaratın yapmaya çalıştığı becerileri doğru şekilde gerçekleştirir.
Her öğrenme platformu kendisini yapay zeka destekli olarak adlandırıyor. Bu pratikte gerçekte ne anlama geliyor ve alıcılar neye şüpheyle yaklaşmalı?
Günümüzde yapay zeka destekli, halka açık bir sohbet robotundaki ince bir paketten, sonuçları teşhis eden, harekete geçen ve kanıtlayan bir sisteme kadar her şeyi kapsar; bu da etiketi tek başına neredeyse anlamsız hale getirir. Önemli olan alttaki mimaridir ve üç dürüst aşamaya ayrılır. Bunlardan ilki, içerik oluşturucu veya bir ÖYS/LMS'ye eklenen soru-cevap botu gibi yapay zeka özellikleridir. Faydalı ama işi değiştirmez. İkincisi, sistemin bir insanın harekete geçmesi için tavsiyeleri ve içgörüleri ortaya çıkardığı yapay zeka desteklidir. Daha iyi ama yine de insan tempolu. Üçüncüsü ise yapay zekaya özgü veya ajansaldır; burada ajanlar bir boşluğu tespit eder, ona göre hareket eder ve sonucu kapalı bir döngü boyunca ölçer. Çabadan ziyade sonuçları değiştiren tek aşama budur.
Alıcılar birkaç şeye şüpheyle yaklaşmalı. Altında hiçbir özel veri bulunmayan, doğuştan yapay zeka iddiası. Göz kamaştıran ancak iş sonucunu adlandıramayan bir demo. Bir sistemden ziyade tek bir özelliğe dönüşen yapay zeka. Ve mimarisini veya genel değişiklik günlüğünü göstermeyen herhangi bir satıcı.
Çoğu alıcının kaçırdığı bir yeniden çerçeve de var. Yapay zekada görevde olmak zorluktan ziyade avantaj olabilir. Zor olan model değil çünkü herkeste aynı model var. İşin zor kısmı, yetenek ve hazırlık için kayıt sistemi olan ve işin zaten gerçekleştiği araçlar içinde harekete geçme olanağı sağlayan özel öğrenme verileridir. Yıllardır kurumsal öğrenmeyi çalıştıran bir platform, yeni başlayan bir girişimcinin sahip olmadığı öğrenme verilerine ve kurulu tabana tam olarak sahiptir. Yapay zeka yalnızca üzerinde çalıştığı veriler ve bağlam kadar iyidir.
Öğrenme, beceri geliştirme, uyumluluk, müşteri eğitimi, iş ortağı etkinleştirme; şirketler tüm bunları birbiriyle bağlantısız araçlardan oluşan bir yama çalışmasıyla yönetiyor. Daha iyi bir model aslında neye benziyor?
Çoğu işletme dört veya daha fazla öğrenme sistemi çalıştırır. Biri çalışanlar için, diğeri müşteriler için, iş ortakları için bir araya getirilen bir şey ve uyumluluk için bir başkası. Bu parçalanma, öğrenmenin etkisini kanıtlayamamasının en büyük nedenidir. Kasıtlı olarak ayrı sistemlerden iş düzeyinde kanıt oluşturamazsınız.
Her sistem ayrı bir kayıt, ayrı bir bütçe ve istihbaratın arkasını göremediği bir duvardır. Etkiyi kanıtlamak için ihtiyaç duyacağınız veriler tasarım nedeniyle dağınıktır. Daha iyi model, çalışanlar, müşteriler, iş ortakları ve satıcılar da dahil olmak üzere işletmenin bağlı olduğu her hedef kitle için, şirketin kendi bağlamına dayanan tek bir istihbarat katmanının tüm bunlar üzerinden çalıştığı tek bir platformdur.
Aynı zamanda resmi derslerin ötesine de ulaşması gerekiyor. Bir kuruluşun bildiklerinin çoğu ÖYS/LMS'nin dışında, SharePoint, Confluence, Google Drive, destek biletleri ve kayıtlı çağrılar gibi yerlerde yaşar. Modern bir sistem bu bilgiye halihazırda bulunduğu yerde bağlanır, dolayısıyla öğrenme yalnızca kurslardan ziyade şirketin gerçekte nasıl çalıştığına dayanır. Burası aynı zamanda bir öğrenme sisteminin yatay bilgi veya arama aracıyla yollarını ayırdığı yerdir. Kurumsal arama size cevabı bulabilir. Artık birinin işi yapabileceğini yalnızca bir öğrenme sistemi kanıtlayabilir.
Öğrenme nihayet tek bir yerde gerçekleştiğinde sistem resmin tamamını görebilir. Müşteri eğitiminin yenilemeleri nasıl etkilediği, iş ortağı hazırlığının kanal gelirini nasıl etkilediği ve çalışanların becerilerini geliştirmenin üretkenliği nasıl etkilediği. Bu daha hoş bir entegrasyon hikayesi değil. Bu, araçları yönetmek ile iş gücünüzün gerçekte neler yapabileceğini anlamak arasındaki farktır.
Kısa bir süre önce, her öğrenme etkileşimini kuruluşun halihazırda ölçtüğü iş sonuçlarına bağlamak için oluşturulmuş aracılı bir öğrenme sistemi olan Absorb Aura'yı piyasaya sürdünüz. Öğrenme ve Geliştirme ekipleri için daha önce mümkün olmayan ne mümkün oluyor?
L&D ilk kez yirmi yıldır kaçtığı soruyu yanıtlayabiliyor. İşe yaradı mı?
Aura, her öğrenme etkileşimini kurumun halihazırda ölçtüğü sonuçlara bağlayan Absorb'un aracılı öğrenme sistemi olan zeka katmanıdır. İşin gerçekleştiği sistemlerden yetenek boşluklarının gerçekte nerede bulunduğunu okur, doğru müdahaleyi sağlar ve performansın çalışanlar, müşteriler ve ortaklar arasında değişip değişmediğini okur. Mimari olarak dört sistem üzerinde kapalı bir döngüdür. A kayıt sistemi yetenek ve hazır olma durumu, bir kişinin belirli bir görevi şu anda yapıp yapamayacağını yanıtlar. A eylem sistemiiş akışına müdahale eder. A istihbarat sistemigerçekte neyin işe yaradığını öğrenir. Ve bir ölçüm sistemisonucu iş sonucuna bağlar. Bu kombinasyon, onu yalnızca yapay zeka destekli olmaktan ziyade etkin kılan şeydir.
Değişen işin kendisidir. Ekipler, programlar sunmak ve tamamlanmaları raporlamak yerine, bir açığı ortaya çıkaran, kapatan ve sonucu kanıtlayan aracı odaklı iş akışları çalıştırır. Pazartesi gününü uyumluluk listelerini takip ederek geçiren yönetici, bunun yerine önümüzdeki çeyreğin beceri stratejisini oluşturmaya harcayabilir. Artış süresi, elde tutma ve gelir gibi öğrenmeler nihayet CFO dilinde ortaya çıktığında, Öğrenme ve Geliştirme bütçesini savunmayı bırakır ve strateji masasında bir yer kazanmaya başlar. Değişim budur.
Üç ila beş yıl sonrasına baktığınızda öğrenme sektörünün nereye gittiği konusunda sizi en çok heyecanlandıran şey nedir?
İki vardiya var ve her ikisi de öğrenmeyi kuruluşun çevresinden performans merkezine taşıyor.
Birincisi, öğrenme destek işlevi yerine farklılaştırıcı haline gelir. Yapay zeka herkesin üretkenliğini artırıyor ve her yöneticinin kontrol alanını genişletiyor; böylece insanlar her zamankinden daha fazlasını yapacak ve daha fazla liderlik yapacak. Geleneksel insan temelli eğitim ve çıraklık buna uygun değildir. Bu dünyada, bir kuruluşun ne kadar hızlı yetenek geliştirebileceği, birincil rekabet avantajı haline geliyor. Öğrenme, arka plandaki bir işlev olmaktan çıkar ve temel bir organizasyonel kas haline gelir; tartışmasız en hızlı şekilde birleşendir.
İkincisi, son olarak her öğrenci için bire bir koç. İnsanların bire bir öğrenmenin daha iyi olduğunu her zaman biliyorduk, ancak hiçbir zaman yeterli öğretmen yoktu, bu yüzden sınıfları, kitapları ve kursları icat ettik. Bunların her biri bire-çok uzlaşmadır. Yapay zeka bu kısıtlamayı ortadan kaldırır. Her öğrencinin kendisini tanıyan, kurumun ihtiyaçlarını bilen ve yalnızca sonuçlarına odaklanan bir koçu olabilir. Bu, teknolojinin bir yüzyılda öğrenme için yaptığı en insani şey ve tam da Aura'nın üzerine inşa edildiği model.
Kapanış
Yapay zekayı işin fiilen gerçekleştiği yere yerleştirerek öğrenme etkisini gerçek iş sonuçlarına bağlama konusundaki uzmanlığını paylaştığı için Saravana Sivanandham'a çok teşekkür ederiz. Bu konu ilginizi çektiyse Absorb'un öğrenmede yapay zeka raporundaki özel içgörülerine göz atın: Öğrenme ve Geliştirme liderleri yapay zekayı iş etkisine nasıl dönüştürebilir?
Bir yanıt yazın