"Yapay zekâ çalışmalarımız işe yarıyor mu?" sorusuna çoğu kurum lisans sayısı ya da aylık giriş sayısıyla cevap veriyor. Bu rakamlar aracın açıldığını gösterir; ama çalışanların onu doğru, güvenli ve iş sonucu üretecek şekilde kullanıp kullanmadığını göstermez.
Bu yazıda yapay zekâ benimsemesini ölçmek için üç katmanlı pratik bir model sunuyoruz.
Neden ölçmek bu kadar önemli?
McKinsey'nin Mart 2025 tarihli araştırmasında, üretken yapay zekâyı benimseme ve ölçeklendirme için test edilen 12 uygulama arasında kârlılığa en çok etki eden, üretken yapay zekâ çözümleri için iyi tanımlanmış göstergelerin (KPI) takip edilmesi çıktı. Aynı araştırmaya göre katılımcıların beşte birinden azı bu göstergeleri takip ediyor.
Ölçmemenin bedeli basit: Değeri kanıtlanamayan bir program, bir sonraki bütçe döneminde zor durumda kalır.
Katman 1: Kullanım
Soru: Onaylı araçları kimler, ne sıklıkla ve hangi işlerde kullanıyor?
| Gösterge | Nasıl toplanır? |
|---|---|
| Aktif kullanıcı oranı (haftalık / aylık) | Araçların yönetim panelleri ve kullanım raporları |
| Birim bazında kullanım | Aynı raporların birimlere göre kırılımı |
| Kullanım sıklığı | Kullanıcı başına haftalık oturum |
| Kullanılan iş türleri | Kısa anket veya şampiyon geri bildirimi |
| Onaysız araç kullanımı | Anonim anket ve BT gözlemleri |
Dikkat: Birimler arasındaki büyük farklar çoğu zaman yönetici desteği veya şampiyon varlığıyla ilgilidir. Bu, nerede müdahale gerektiğini gösterir.
Katman 2: Yetkinlik
Soru: Çalışanlar güvenli kullanım kurallarını biliyor ve uyguluyor mu?
| Gösterge | Nasıl toplanır? |
|---|---|
| Güvenli kullanım bilgisi | Kısa bilgi testi (programın başında ve sonunda aynı test) |
| Doğrulama alışkanlığı | Senaryo soruları: "Yapay zekâ size bir rakam verdi, ne yaparsınız?" |
| Kendine güven | "Yapay zekâyı işimde nasıl kullanacağımı biliyorum" ifadesine katılım |
| Eğitim tamamlama | Eğitim kayıtları |
| Veri ihlali veya şüpheli kullanım bildirimleri | Bilgi güvenliği kayıtları |
Başlangıç için ücretsiz Yapay Zekâ Okuryazarlığı Testi'ni veya eğitim ihtiyacı analizi anketi'ni kullanabilirsiniz.
Katman 3: İş sonucu
Soru: Yapay zekânın kullanıldığı iş akışlarında ne değişti?
Kurum genelinde tek bir "yapay zekâ getirisi" rakamı üretmek zor ve çoğu zaman tartışmalıdır. Daha güvenilir yol, seçilmiş pilot iş akışlarında önce ve sonra ölçüm yapmak:
| İş akışı örneği | Ölçülebilecek sonuç |
|---|---|
| Müşteri e-postalarına cevap | Ortalama cevap süresi, tekrar eden soru oranı |
| Aylık yönetim raporu | Hazırlama süresi, düzeltme turu sayısı |
| İş ilanı ve aday ön değerlendirme | İlan hazırlama süresi |
| Teklif hazırlama | Teklif hazırlama süresi, teklif kalitesine dair geri bildirim |
| Teknik doküman arama | Bilgiye ulaşma süresi |
İpuçları: - Ölçümü pilot başlamadan önce yapın; sonradan "eskiden ne kadar sürüyordu" tahmini güvenilir olmaz. - Süre kazancının yanında kaliteyi de ölçün; hızlanıp hatası artan bir süreç kazanç değildir. - Sonuçları rakamlarla birlikte somut örneklerle anlatın.
Ölçüm takvimi
| Zaman | Ne yapılır? |
|---|---|
| Başlangıç | Üç katmanda başlangıç ölçümü, pilot iş akışlarında "önce" ölçümü |
| Aylık | Kullanım göstergeleri, şampiyon geri bildirimleri |
| Üç ayda bir | Yetkinlik testi tekrarı, pilot iş akışlarında "sonra" ölçümü, yönetim raporu |
| Yıllık | Olgunluk ölçümünün tekrarı, yol haritasının güncellenmesi |
Eğitimlerin etkisini ölçmek için Kirkpatrick modelinin dört seviyesini (tepki, öğrenme, davranış, sonuç) kullanmak da bu çerçeveyle uyumludur; ayrıntılar için yapay zekâ eğitiminin etkisi nasıl ölçülür yazımıza bakabilirsiniz.
Yönetim raporunda ne olmalı?
Tek sayfalık, düzenli bir rapor yeterli:
- Kullanım: Aktif kullanıcı oranı ve birim bazında değişim
- Yetkinlik: Test sonuçlarındaki değişim ve öne çıkan riskler
- İş sonucu: Pilot iş akışlarında önce ve sonra karşılaştırması
- Engeller: Sahadan gelen en sık sorunlar
- Sonraki adımlar: Yaygınlaştırılacak senaryolar ve gereken kararlar
Sık yapılan hatalar
- Yalnızca kullanıma bakmak: Güzel görünen ama değeri kanıtlamayan bir tablo.
- Başlangıç ölçümü yapmamak: Neyin değiştiği gösterilemez.
- Her şeyi ölçmeye çalışmak: Az sayıda, düzenli takip edilen gösterge daha değerlidir.
- Bireysel takip algısı yaratmak: Ölçüm amacı çalışanları denetlemek değil, programı iyileştirmektir; bunu açıkça söylemek ve KVKK açısından ölçüm yöntemini değerlendirmek gerekir.
Sonuç
Yapay zekâ benimsemesini ölçmek, lisans sayısından ibaret değil. Kullanım, yetkinlik ve iş sonucu katmanlarını birlikte izleyen, başlangıç ölçümüyle başlayan ve düzenli tekrarlanan bir ölçüm sistemi; hem programın değerini kanıtlar hem de nereye odaklanılacağını gösterir.
Kurumsal Yapay Zekâ Adaptasyon Programı'mız başlangıç ölçümüyle başlayıp sonuç raporuyla tamamlanıyor; program sonrasında Sürekli Destek modülüyle üç ayda bir ölçüm ve yönetim raporu hazırlıyoruz.
Kaynaklar