Son aylarda dünyada tartışılan bir iddia var: Yapay zeka ile öğrenmek, insanı daha iyi değil daha tembel bir öğrenen yapabilir. Kulağa provokatif geliyor, çünkü öyle. Ama masaya yatırıldığında altından kurumsal öğrenme adına ciddi bir gerçek çıkıyor. Bir öğrenme uzmanı yüzlerce profesyonel ve öğrenciyle yaptığı görüşmelerin sonucunu tek cümleyle özetliyor: AI çoğu zaman bize hissettirdiği kadar faydalı değil.
Bu yazıda o bulguları alıp doğrudan bizim alanımıza, yetişkin ve kurumsal öğrenmeye bağlıyorum. Çünkü mesele bir uygulamayı sevip sevmemek değil, öğrenme yatırımınızın gerçekten sonuç üretip üretmediği.
Asıl sorun doğruluk değil
Herkesin ilk endişesi bilgi doğruluğu. Haklı bir endişe, çünkü büyük dil modelleri olasılıkla çalışır, doğruluk kavramları yoktur. Akıcı ve tutarlı bir metin ürettikleri için biz o metne güveniriz. Akıcılık bizde doğruluk hissi yaratır. Tehlike de burada.
Ama doğru soru "AI yanılıyor mu" değil. Doğru soru şu: Öğrenmek istediğim konu ne kadar karmaşık. Basit ve oturmuş bir konuysa, yüzlerce kaynağın aynı sonuçta buluştuğu bir alan ise, AI oldukça isabetli ve hızlıdır. Konu karmaşıklaştıkça, yani çelişen görüşler, sürekli değişen yeni bilgi ve size özgü bir uygulama bağlamı devreye girdikçe hata riski yükselir.
İyi haber şu: İnsanların büyük çoğunluğu, zamanının büyük çoğunluğunda bir konunun yalnızca yüzeysel katmanına ihtiyaç duyar. Orada risk düşüktür. Derin uzmanlık gerektiğinde ise iş değişir; o katmanı AI'ya bırakmak zaman kazandırmaz, tam tersine yanlış bir bilgi temeli üzerine ev kurdurur.
Faydalı hissetmek ile faydalı olmak
En çarpıcı bulgu bu ayrımda. Bir şey, bize yardım ediyormuş gibi hissettirebilir, gerçekte yardım etmese bile. Ders çalışırken kaç sayfa bitirdiğiniz üretkenlik hissi verir ama akılda kalan, anlaşılan ve uygulanabilen bilgiye dönüşmüyorsa bir anlam taşımaz. AI ile de aynı şey oluyor. Çok içerik gezersiniz, çok soru sorarsınız, çok açıklama okursunuz. Peki günün sonunda hatırlıyor musunuz, bilginiz derin mi, onu işinizde kullanabiliyor musunuz.
Burada iki tür bağımlılık var. Üretken bağımlılık, telefona ya da hesap makinesine olan bağımlılığımız gibidir; ihtiyacımız olan sonucu verdiği için sorun değildir. Üretken olmayan bağımlılık ise önemli görünen ama aslında önemsiz metrikleri iyileştirir, gerçek sonucu üretmez.
Öğrenmede tehlikeli olan ikincisidir, çünkü öğrenmenin gerçek sonuçları — akılda tutma, derinlik ve uygulama — ölçmesi zor şeylerdir.
Ölçmesi zor olduğu için kolay metriklere kaçarız ve farkında olmadan bağımlı hale geliriz.
AI'ya neyi verin, neyi asla vermeyin
İşin pratik reçetesi Bloom taksonomisinde saklı. Düşünmenin alt üç seviyesi tekrarlayan, düşük zihinsel yük taşıyan işlerdir. Gönül rahatlığıyla AI'ya verin — hızlı yapar, üstelik bu becerileri geliştirmek zaten kariyerinize değer katmaz:
- Ezber — bilgiyi hatırlama.
- Kavrama — anlamı yakalama.
- Basit uygulama — birebir, kalıp işleri yürütme.
Üst üç seviye ise başka bir dünya:
- Analiz — benzerlikleri ve farkları görmek.
- Değerlendirme — bu farklardan hangisinin daha önemli olduğuna karar vermek.
- Sentez — bildiklerinizi yepyeni bir çözüme dönüştürmek.
AI bu seviyelerde zayıf. O kadar zayıf ki denemeye bile değmez. Ve tam da bu yüzden insan değeri buraya kaçıyor. Zor olan kısım "bunları bir araya getirmek, kıyaslamak, neyin önemli olduğuna karar vermek" ise ve siz bunu her seferinde AI'ya devrediyorsanız, kendinizi o beceride gelişme fırsatından mahrum bırakıyorsunuz. Bu bir tür kariyer sabotajıdır.
Kurumsal öğrenme için ne anlama geliyor
Profesyonellerin öğrenmesinin büyük kısmı görev odaklıdır. Bir proje gelir, onu bitirecek kadar öğrenirsiniz; harika bir uzmanlık kurmanız gerekmez. AI bu tür görev odaklı öğrenmede gerçekten güçlüdür. Ama bir kurumun asıl rekabet gücü, çalışanlarının üst seviye düşünme kapasitesinden gelir. İşte L&D ve LMS tasarımı burada bir yol ayrımında.
Bugün piyasadaki çoğu çözüm iki şey yapıyor: İçeriği dağıtıyor ve yanına düşünmeyi sizin yerinize yapan bir sohbet botu koyuyor. Bu, çalışanı hızlandırıyormuş gibi görünürken sessizce üst seviye kaslarını köreltiyor. Doğru tasarım bunun tam tersi olmalı. İyi bir öğrenme sistemi, düşük değerli bilişi üstlenip çalışandan bu yükü almalı; ama analiz, değerlendirme ve sentez gerektiği anda cevabı vermek yerine çalışanı düşünmeye itmeli. Ve başarıyı içerik tamamlanma oranıyla değil, davranış değişimiyle ölçmeli.
Biz InfinityLMS'i yeni nesle taşırken tam olarak bu ilkeyi merkeze aldık. Gömülü yapay zekayı, sizi tembelleştirmek için değil, doğru anda üst seviye düşünmeye yönlendirmek için tasarlıyoruz. Öğrenmeyi bir katalog yönetimi değil, kurumun iş işletim sistemi olarak kurgulayan LearnOps yaklaşımının özü de bu: Stratejiden niyete, niyetten davranışa, davranıştan ölçülebilir sonuca. Çünkü bir eğitimin gerçek karnesi kaç kişinin videoyu izlediği değil, sahada kaç kişinin davranışının değiştiğidir.
Uygulanan bilgi güçtür. Yapay zeka çağı bu cümleyi eskitmedi, tam tersine hiç olmadığı kadar doğruladı.
Bilgiye ulaşmak hiç bu kadar kolay olmamıştı. Onu gerçekten anlayıp kendi bağlamınızda uygulayabilmek ise hiç bu kadar değerli olmamıştı.