Yapay Zeka Çağında Başarılı Olmanın İki Anahtarı
- Yusuf Öç
- 2 gün önce
- 8 dakikada okunur
Güncelleme tarihi: 1 gün önce
Yapay zeka çağının merkezinde tuhaf bir paradoks var. Hiç olmadığı kadar fazla aracımız, hiç olmadığı kadar fazla içeriğimiz ve hiç olmadığı kadar fazla üretim imkânımız var. Buna rağmen fark yaratan insanlar, en fazla araca sahip olanlar değil. En iyi soruları sorabilenler.
Yapay zeka artık blog yazısı yazabiliyor, görsel oluşturabiliyor, kod yazabiliyor, araştırma özetleyebiliyor, sunum hazırlayabiliyor, veri analiz edebiliyor ve stratejik seçenekleri simüle edebiliyor. Üstelik bu araçların çoğu ya ücretsiz ya da geniş kitlelerin erişebileceği kadar yaygın. Artık sınırlayıcı unsur teknolojiye erişim değil. Sınırlayıcı unsur nasıl düşündüğümüz.
Bu durum kişisel marka kurallarını değiştiriyor.
Uzun yıllar kişisel marka çoğu zaman görünürlükle eş anlamlı anlatıldı. Daha çok paylaşım yap. Daha çok görün. Daha fazla takipçi edin. Fakat herkesin birkaç saniye içinde düzgün, akıcı ve profesyonel görünen içerik üretebildiği bir dünyada görünürlük tek başına yeterli değil.
Jenerik içerik artık bol. Kişilik, muhakeme, merak ve özgün insan sesi ise kıt.
Yapay zeka mucize değil, birçarpandır
Yapay zekayla ilgili en yaygın hatalardan biri, onu herkesi aynı anda daha zeki yapan sihirli bir makine gibi görmek. Değil. Yapay zeka daha çok bir çarpan gibi çalışır. Eğer sürece yüzeysel düşünceyle girerseniz, çoğu zaman iyi paketlenmiş yüzeysellik alırsınız. Eğer uzmanlık, bağlam, muhakeme, örnekler, sınırlamalar ve merakla girerseniz, çok daha güçlü bir sonuç alırsınız.
Aynı araç iki farklı insanda tamamen farklı sonuçlar üretir.
Bir kişi şöyle yazar:
“Bana yapay zeka ve kişisel marka hakkında bir blog yazısı yaz.”
Başka biri şöyle yazar:
“Yapay zeka çağında merakın temel meta beceri haline geldiğini savunan bir blog yazısı yazmak istiyorum. Bunu kişisel marka, davranışsal ekonomi, sınırlı rasyonellik, bilişsel aşırı yükleme, otonom motivasyon, teknoloji yatkınlığı ve özgün insan sesinin kıtlığı ile ilişkilendirmek istiyorum. Önce argümanı yapılandır, varsayımlarımı sorgula ve eksik kalan açıları öner.”
İkinci prompt sadece daha uzun değil ayrıca arkasında farklı bir zihin olduğunu gösteriyor. Çerçeveleme, zevk, ön bilgi, entelektüel yön ve keşfetme isteği taşıyor.
Yapay zekanın rahatsız edici gerçeği şu: çıktının kalitesi büyük ölçüde girdinin kalitesine bağlı. Girdinin kalitesi ise insanın kalitesine.
Artık kıt olan içerik değil, sensin
İçeriğin bol olduğu bir dünyada rekabet avantajınız sadece üretim yapabilmeniz değil. Herkes üretebilir. Avantajınız nasıl yorumladığınız, nasıl bağladığınız, nasıl sorguladığınız ve nasıl ifade ettiğiniz.
Sesiniz önemli çünkü jenerik örüntülerle çalışan yapay zeka çoğu zaman jenerik örüntüler üretir. Netliği, yapıyı ve akıcılığı taklit edebilir. Ama sizin ne yaşadığınızı, ne fark ettiğinizi, neyi garip bulduğunuzu, neye itiraz ettiğinizi, alanınızın size ne öğrettiğini ya da kitlenizin şu anda ne duymaya ihtiyacı olduğunu kendiliğinden bilemez.
Bu yüzden özgün insan sesi daha az değil, daha fazla önemli hale geliyor. Yapay zeka ham düşünceyi yapılandırılmış içeriğe dönüştürmeye yardımcı olabilir. Ama ham düşüncenin bir yerden gelmesi gerekir. O yer sizin deneyiminiz, uzmanlığınız, sorularınız, zevkiniz ve bir seviye daha derine inme isteğinizdir.
Bu konuyla ilgili sunumumda paradoksu şöyle özetlemiştim: İçerik bol, sen kıtsın. Yapay zeka metin, görsel, kod ve strateji üretebilir. Ama markayı tanınır kılan şey sizin bakış açınız, birikmiş deneyiminiz ve değer yargılarınızdır.
Merak bir meta beceridir
Merak sadece hoş bir kişilik özelliği değildir. Bir meta beceridir çünkü diğer becerileri güçlendirir. Meraklı insanlar daha hızlı öğrenir, daha iyi sorular sorar, zayıf sinyalleri daha erken fark eder, daha önce deney yapar ve farklı alanlardaki fikirleri birbirine bağlar.
Bu insanlar için geçerli olduğu kadar makineler için de ilginç bir kavramdır. Yapay zeka araştırmalarında da curiosity driven learning, yani merak güdümlü öğrenme, sistemlerin yenilik, belirsizlik ve keşif üzerinden öğrenmesini anlatmak için kullanılır. İnsan ve makine arasındaki benzerlik birebir değildir ama düşünsel olarak faydalıdır. Hem insanlar hem makineler pasif alımdan aktif keşfe geçtiklerinde daha iyi öğrenir.
Bayes Business School'da çalıştığımız Prof. Costas Andriopoulos’un Purposeful Curiosity kitabı da benzer bir noktaya temas eder. Bu kitap rastgele meraktan değil, yönlendirilmiş ve amaçlı meraktan bahseder. Merak sadece ilginç şeylerin peşinden gitmek değildir. Merak, doğru soruları doğru amaçlarla birleştirdiğinde stratejik bir kapasiteye dönüşür.
Bu ayrım çok önemli. Merak kaydırmak değildir. Merak sonsuz bilgi tüketimi değildir. Merak, amaçla birleştiğinde güçlenir.
Şu soruları sorar:
Burada gerçekten ne oluyor?
Bu neden şimdi önemli?
Neyi kaçırıyorum?
Bir acemi ne sorardı?
Bir uzman buna nasıl itiraz ederdi?
Bu fikri başka bir alandaki fikirle birleştirsem ne olur?
Kişisel markalar işte burada ilginç hale gelir. Herkesin söylediğini tekrar ettiklerinde değil, düşünme biçimlerini görünür kıldıklarında.
Davranışsal ekonomi problemi: sandığımız kadar rasyonel değiliz
Sorun şu ki merak zihinsel çaba ister. Davranışsal ekonomi de bize insanın sınırsız bilgi işleyen bir makine olmadığını hatırlatıyor. Davranışsal Ekonomi kurumsal eğitimlerimde hep anlatıyorum.
Sınırlı rasyonelliğimiz var. Herbert Simon’ın ortaya koyduğu fikir basit ama güçlüdür: İnsanlar her zaman en iyi kararı aramaz. Sınırlı bilgi, sınırlı dikkat, sınırlı zaman ve sınırlı bilişsel kaynaklarla karar verir. En iyi cevabı bulmak yerine çoğu zaman yeterince iyi cevaba razı oluruz.
Aynı zamanda bilişsel aşırı yükleme yaşarız. Bilgi, seçenek ve karar sayısı arttıkça zihinsel olarak yoruluruz. Kısa yollar ararız. Basitleştiririz. Tatmin edici ama derin olmayan cevaplarla yetiniriz.
Bu yapay zeka kullanımı açısından çok kritik.
Birçok insan yapay zekayı kötü kullandığı için tembel değildir. İnsan zihni doğal olarak bilişsel rahatlama aradığı için kötü kullanır. Yüzeysel prompt yazmak derin prompt yazmaktan kolaydır. İlk cevabı kabul etmek onu sorgulamaktan kolaydır. Yapay zekadan “bir şey yazmasını” istemek, ondan problemi sorgulamasını, alternatifleri karşılaştırmasını, eksik açıları bulmasını ya da eleştirel düşünme ortağı gibi davranmasını istemekten kolaydır.
Bu nedenle yapay zeka ya bu zayıflığı güçlendirir ya da telafi eder.
Kötü kullanıldığında bize daha hızlı kısa yollar verir.
İyi kullanıldığında ise daha iyi düşünme iskeleleri kurar.
Farkındalık burada başlar.
Bilişsel aşırı yüklemeye açık olduğunuzu biliyorsanız, yapay zekayı kendinizi yavaşlatmak için kullanabilirsiniz. Varsayımlarınızı sorgulatabilirsiniz. Alternatifleri karşılaştırmasını isteyebilirsiniz. Düşünmediğiniz noktaları ortaya çıkarmasını isteyebilirsiniz. Yazarlık yapmadan önce araştırma asistanı gibi çalışmasını sağlayabilirsiniz.
Gerçek avantaj orada başlar.
Sürdürülebilir kişisel markanın iki motoru
Yapay zeka çağında sürdürülebilir bir kişisel marka iki motora ihtiyaç duyar: agency ve tech savviness. Bunları birbirine bağlayan şey ise meraktır.
Agency yön verir.
Tech savviness deney yapma kapasitesi verir.
Merak bu ikisini canlı tutar.
Agency yoksa ne öğreneceğinizi başkalarının söylemesini beklersiniz.
Tech savviness yoksa kapasitenizi artıracak araçlardan uzak durursunuz.
Merak yoksa iki motor da zamanla durur.
Birinci motor: Agency
Agency, kendi öğrenmenizin kontrolünü ele almaktır. Dış dünyaya sadece tepki vermek yerine kendi öğrenme sisteminizi kurmaktır.
Bu fikir self determination theory ile yakından ilişkilidir. Bu teori üç temel psikolojik ihtiyacı vurgular: özerklik, yetkinlik ve ilişkisellik. Özerklik, yaptığınız şeyi gerçekten seçtiğinizi hissetmektir. Yetkinlik, geliştiğinizi hissetmektir. İlişkisellik ise anlamlı insanlarla ve topluluklarla bağ kurmaktır.
Pratikte agency şunu söyleyebilmektir:
Bunu öğrenmek istiyorum çünkü gitmek istediğim yer için önemli.
Kendi hedeflerimi koyacağım.
Biri bana mükemmel eğitim programını hazırlayana kadar beklemeyeceğim.
Deneyeceğim, hata yapacağım, düşüneceğim ve geliştireceğim.
Bu sadece motivasyonel bir ifade değildir. Teknoloji kullanımında doğrudan önemlidir.
GIST Do It çalışmamızda akıllı giyilebilir teknolojiler üzerinden şunu gördük: Otonom motivasyon alışkanlığı doğrudan yaratmıyor. Teknoloji özellikleri üzerinden çalışıyor ve sonra alışkanlık oluşumunu etkiliyor. Yani araçlar tek başına yetmiyor. Oyunlaştırma, takip etme, paylaşma ve yönlendirme gibi özellikler ancak içsel motivasyonla birleştiğinde anlam kazanıyor.
Bu bulgu yapay zeka için de doğrudan geçerli.
Herkes yeni bir araca kayıt olabilir. Çok daha az insan o araç etrafında bir öğrenme alışkanlığı kurar.
Herkes ChatGPT’yi bir kere deneyebilir. Çok daha az insan onu her hafta varsayımlarını sorgulamak, işini geliştirmek ve yeni kapasite inşa etmek için kullanır.
Agency, erişimi pratiğe dönüştürür.
Agency nasıl geliştirilir?
Birkaç hafta önce bu fikri bir seminerde anlattığımda katılımcılardan biri çok pratik bir soru sordu: “Agency nasıl kazanılır?”
Basit cevap şu: hedef koyarak.
Bu fazla basit gelebilir ama güçlüdür. Agency yön ister. Hedef olmadan merak dağılır. Hedefle birlikte merak birikir.
Kısa, orta ve uzun vadeli öğrenme hedefleri koyun.
Mesela:
Bu hafta bir yeni yapay zeka aracını test edeceğim.
Bu ay kendi sesimi merkeze alan ve yapay zeka desteğiyle üretilmiş bir içerik yayınlayacağım.
Bu çeyrekte araştırma, yazma ve yayınlama için tekrar edilebilir bir iş akışı kuracağım.
Bu yıl bir net uzmanlık alanıyla tanınır hale geleceğim.
Hedef hareket yaratır. Hareket geri bildirim yaratır. Geri bildirim yetkinlik yaratır. Yetkinlik motivasyon yaratır.
Öğrenmenin kartopu etkisi burada başlar.
İkinci motor: Tech savviness
Tech savviness çoğu zaman yanlış anlaşılıyor. Mühendis olmak değildir. Kod yazabilmek değildir. Makine öğrenmesinin tüm teknik detaylarını bilmek değildir.
Tech savviness denemeye istekli olmaktır.
Yeni bir araç gördüğünde hemen “bununla uğraşamam” dememektir. Şunu sormaktır:
Bu ne yapabiliyor?
Nerede işe yarar?
Benim işimi nasıl değiştirebilir?
Nerede başarısız olur?
Bu tutum önemlidir çünkü yapay zeka araçları çok hızlı değişiyor. Her hafta yeni özellikler çıkıyor. Arama değişiyor. Yazma araçları değişiyor. Görsel araçları değişiyor. Sunum araçları değişiyor. Otomasyon araçları değişiyor. Her şey netleşene kadar beklerseniz zaten geç kalmış olursunuz.
Burada Everett Rogers’ın diffusion of innovations teorisi önemlidir. Yeniliklerin yayılımı sadece teknolojiyle ilgili değildir. Yeni fikirlerin, yeni pratiklerin ve yeni davranışların nasıl benimsendiğiyle ilgilidir. İnovasyon sadece cihazlara hayranlık değil, yeni şeyleri denemeye açıklıktır.
Generative AI in Higher Education Assessments başlıklı çalışmamız da bunu destekliyor. 353 öğrenciden toplanan veri ve görüşmeler üzerinden yaptığımız çalışmada tech savviness’ın yapay zeka kullanımını doğrudan etkilediğini ve performans beklentisinin etkisini düzenlediğini gördük. Yani teknolojiye daha açık olan bireyler yalnızca yapay zekayı daha çok kullanmıyor. Onun imkânlarını ve sınırlılıklarını farklı şekilde anlıyor.
Daha fazla kesinlik beklemiyorlar.
Deneyerek öğreniyorlar.
Hızlı değişen bir ortamda bu fark birikerek büyüyor.
Merakın birikimli avantajı
İki profesyonel düşünün.
Birincisi her hafta yeni bir yapay zeka aracını dener. NotebookLM, Gamma, Claude, ChatGPT projeleri, Perplexity, görsel üretim araçları, otomasyon araçları ve yapay zeka destekli arama sistemlerini test eder. Her şeyi uzman seviyesinde öğrenmez ama her aracın neyi değiştirdiğini anlayacak kadar deney yapar.
İkincisi bekler. Araçların abartıldığını düşünür. Yapay zekayı arada bir kullanır, çoğunlukla yüzeysel promptlarla dener ve çıktının vasat olduğu sonucuna varır.
Bir hafta sonra fark küçüktür.
Bir yıl sonra fark çok büyüktür.
İlk kişi kullanım örnekleri, başarısızlıklar, promptlar, iş akışları ve sezgilerden oluşan bir kütüphane oluşturmuştur. Neye güveneceğini, neyi kontrol etmesi gerektiğini ve hangi araçtan ne zaman faydalanacağını öğrenmiştir. Aynı zamanda kendi kişisel sesini de güçlendirmiştir çünkü öğrenmeyi düzenli olarak çıktıya dönüştürmüştür.
Merak bu yüzden bileşik faiz gibi çalışır.
Tek bir büyük sıçrama değildir. Küçük keşiflerin zamanla muhakemeye dönüşmesidir.
Yeni marka sorusu: nasıl düşünüyorsun?
Herkes benzer araçlara erişebiliyorsa araçlar farklılaştırıcı unsur değildir. Düşünme biçimi farklılaştırıcıdır.
Kişisel markanız giderek şu sorularla şekillenir:
Problemleri nasıl çerçeveliyorsunuz?
Hangi soruları soruyorsunuz?
Hangi örnekleri fark ediyorsunuz?
Ne kadar derine iniyorsunuz?
Fikirleri nasıl bağlıyorsunuz?
Neyi fazla basitleştirmeyi reddediyorsunuz?
Sesiniz ne kadar tanınabilir?
Yapay zeka aslında çıtayı yükseltiyor. Eskiden zayıf düşünce, iyi yazının arkasına saklanabiliyordu. Artık iyi yazı ucuzladı. Okuyucu, platform ve algoritma daha fazlasını arıyor: fayda, özgünlük, güven, deneyim ve perspektif.
Bu yüzden soru şu hale geliyor:
İnsanlar neden sana tıklasın?
Cevap “çünkü içerik ürettim” olamaz.
Cevap şu olmalı: “Çünkü takip etmeye değer bir düşünme biçimim var.”
Yapay zeka çağında pratik merak alışkanlıkları
Merak ancak alışkanlığa dönüştüğünde marka varlığına dönüşür. Basit bir döngü şöyle olabilir:
Merak et. Dene. Öğren. Yaz. Paylaş. Öğret. Daha derin merak et.
Bu döngü pasif tüketimi aktif üretime dönüştürür. Aynı zamanda sizi içerik tekrar edicisi olmaktan çıkarır. Sadece başkalarının söylediklerini özetlemezsiniz. Ne öğrendiğinizi, neyi test ettiğinizi ve artık neye inandığınızı belgelemeye başlarsınız.
Haftalık pratik bir rutin şöyle olabilir:
Bir yapay zeka aracı, özelliği ya da iş akışı seçin.
Gerçek bir görev üzerinde test edin.
Neyi iyi yaptığını ve nerede başarısız olduğunu yazın.
Kendi sesinizle kısa bir değerlendirme hazırlayın.
Kitlenizle bir faydalı ders paylaşın.
İş akışını ileride kullanmak üzere kaydedin.
Tekrar edin.
Basit görünüyor ama çoğu insan bunu tutarlı biçimde yapmayacak. Zaten bu yüzden işe yarıyor.
Merak kazanır çünkü insanı döngünün içinde tutar
Yapay zekayı kullanmanın tehlikeli bir yolu var: düşünmeyi tamamen devretmek.
Yapay zekayı kullanmanın güçlü bir yolu da var: düşünme sürecinin içinde daha derinden kalmak.
En iyi yapay zeka kullanıcıları süreçten kaybolmaz. Daha fazla dahil olur. Daha keskin sorular sorar. Daha zengin bağlam verir. Çıktıları sorgular. İyileştirir. Karşılaştırır. Hikaye ekler. Muhakeme katar. Neyin söylenmeye değer olduğuna karar verir.
Kişisel markanın geleceği burada.
Daha gürültülü olmak değil.
Daha fazla otomatikleşmek değil.
Daha meraklı olmak.
Yapay zeka çağında kazanan markalar en fazla içerik üretenler olmayacak. İnsan merakını, alan uzmanlığını, teknolojiye açıklığı ve tanınabilir bir sesi birleştirenler olacak.
Yapay zeka yazmanıza yardım edebilir.
Merak ise söylemeye değer bir şeyiniz olmasını sağlar.
Buraya kadar okuduysanız sunumumun tamamını hak ettiniz demektir.
Yorumlar