Gülcan YaylaGeçen yıl bir bankanın dijital dönüşüm direktörüyle görüşüyorduk. Şirketleri yıllardır büyük yatırımlar yapıyor — AI araçları satın alınmış, altyapı kurulmuş, yazılım lisansları aktif. Her şey hazır.
"Peki çalışanlar kullanıyor mu?" diye sordum.
Kısa bir sessizlik. Sonra: "Kullanmak zorundalar. Ama... gerçekten kullanıyorlar mı? Bilmiyorum."
İşte kurumsal AI dönüşümünün en az konuşulan gerçeği bu: Teknoloji satın almak kolay. Çalışanların o teknolojiyi benimsemesi — öğrenmesi, güvenmesi, günlük işine entegre etmesi — bambaşka bir süreç.
Ve bu süreç olmadan milyonlarca liralık AI yatırımı rafta kalıyor.
Bu yazıda, kurumsal AI dönüşümünde çalışan eğitim programı kurmanın 6 temel adımını anlatacağız. Türkiye'den gerçek örnekler, ölçülebilir metrikler ve sık yapılan hatalar dahil.
Kurumsal AI Dönüşümünde Çalışan Eğitiminin Rolü
Türkiye Yapay Zeka İnisiyatifi (TRAI) raporuna göre, şirketlerin AI dönüşümündeki en büyük engeller yetenek eksikliği (%58), bütçe yetersizliği (%57) ve kurum kültürü sorunları (%55) olarak sıralanıyor. Yani teknolojiden ziyade insan hazır değil.
Bu direnç anlaşılır bir şey. Çalışanlar AI'dan iki şey korkuyor: işlerini kaybedecekler ya da çok zor bir şey öğrenmek zorunda kalacaklar. Bu iki korku da yanlış yönlendirme ve iletişim eksikliğinden besleniyor.
Eğitim programı burada devreye giriyor — ama sadece "AI nedir?" slaytları anlamında değil. İyi tasarlanmış bir eğitim programı şunları yapıyor:
Birincisi, korkuyu somut yetkinliğe dönüştürüyor. "AI'dan korkmak" yerine "bu aracı şu işimde şöyle kullanabilirim" düşüncesi yerleşiyor. İkincisi, organizasyonda ortak bir dil oluşturuyor — herkes aynı kavramları konuşmaya başlıyor. Üçüncüsü, gerçek iş çıktılarını iyileştiriyor: daha hızlı yazışmalar, daha iyi raporlar, daha az tekrarlı iş.
Ama bunu başarabilmek için programı doğru kurmak gerekiyor. Çoğu şirket burada hata yapıyor.
AI Eğitim Programı Tasarımı: 6 Adımlık Süreç
Şirkette AI eğitimi nasıl verilir? En kısa cevap şu: ihtiyaç analizi → seviye tespiti → müfredat → uygulama → ölçme → iterasyon. Her adımı açayım.
Adım 1: AI Yetkinlik Seviye Tespiti
Herkes aynı noktadan başlamıyor. Bazı çalışanlar ChatGPT'yi aylardır kullanıyor, bazıları daha hiç açmamış. Bazıları prompt yazmayı sezgisel olarak biliyor, bazıları "ne yazacağım ki?" diye bakıyor ekrana.
Farklı başlangıç noktalarına aynı eğitimi vermek hem ileri olanları sıkıyor hem de geride kalanları kaybediyor. Bu yüzden ilk adım seviye tespitidir — her çalışanın mevcut AI yetkinlik düzeyini ölçmek.
AI okuryazarlığı nedir, diye soranlar için: Sadece "AI'nın ne olduğunu bilmek" değil — AI araçlarını gerçek iş bağlamında kullanabilmek demek. Doğru soru sormak, çıktıyı değerlendirmek, hataları fark etmek, güvenlik sınırlarını bilmek.
Bu seviyeyi ölçmek için anket yeterli değil. "AI kullanıyor musunuz?" sorusuna herkes "evet" diyor artık — ama nasıl kullandıkları çok farklı. Gerçek seviye tespiti için görev bazlı değerlendirme lazım: Çalışana gerçek bir senaryo ver, tamamlamasını iste, çıktıyı değerlendir.
jobnest.ai'ın AI yetkinlik ölçme platformu bu amaçla tasarlandı — yüzlerce görevlik adaptif bir test, sekiz boyutta skor üretiyor ve departmana göre özelleşiyor. Sonuç olarak her çalışan için bir profil çıkıyor, yönetici için ise ekibin toplu görünümü.
Bu veriyle ekibinizi grupluyorsunuz: başlangıç, orta, ileri. Buradan sonra her gruba ayrı müfredat.
Adım 2: Rol Bazlı Müfredat Tasarımı
"Tüm şirkete aynı AI eğitimini verelim" — bu en sık yapılan hata. Muhasebe yöneticisinin AI ihtiyacı, satış temsilcisinin ya da yazılımcının ihtiyacından çok farklı.
Müfredatı iki katmanda düşünün:
Temel katman — Herkes için AI okuryazarlığı: Bu katman tüm çalışanlar için ortak. AI nedir, nasıl çalışır, hangi araçlar var, hallüsinasyon nedir ve neden önemli, verilerimi paylaşırken nelere dikkat etmem lazım. Bu temeli herkes almalı — CEO da, stajyer de.
Derinleşme katmanı — Role özgü uygulama: Bu katman role göre ayrışıyor. İK için: CV analizi, iş ilanı yazımı, mülakat soru üretimi. Satış için: teklif hazırlama, müşteri iletişimi optimizasyonu, pazar araştırması otomasyonu. Finans için: rapor özetleme, veri analizi yardımı, anomali tespiti. Pazarlama için: içerik üretimi, brief yazma, A/B test hipotezi oluşturma.
Bu ayrımı yapmak içerik üretimini artırıyor gibi görünüyor — ama tam tersi oluyor. Çalışan "bu eğitim benim işime yarıyor" dediğinde tamamlama oranı dramatik şekilde yükseliyor. Genel AI eğitimlerinin tamamlama oranı %20-30'larda kalırken rol bazlı programlarda %70-80'e çıktığını görüyoruz.
Adım 3: Mikroöğrenme ve Blended Learning
"3 günlük AI eğitim kampı" modeli işe yaramıyor. Üç gün yoğun bilgi aldınız, dördüncü gün işe döndünüz ve iki hafta sonra %80'ini unuttunuz. Beyin böyle çalışıyor.
İşe yarayan model şu: Kısa, tekrarlayan, uygulamaya bağlı öğrenme.
Mikroöğrenme: 5-15 dakikalık modüller, tek bir beceriye odaklı. "Bu modülde Claude'a nasıl iyi bağlam verirsiniz?" gibi spesifik bir soru, teorik bir "LLM nedir?" dersinden çok daha hızlı uygulamaya giriyor.
Senaryo bazlı öğrenme: "Şu senaryoda ne yapardınız?" soruları. Gerçek iş bağlamında düşünmeyi tetikliyor. Örneğin: "Bir müşteri şikayet maili attı. Bunu AI ile nasıl yanıtlarsınız? Hangi bilgileri verirsiniz, hangilerini vermezsiniz?"
İş başında uygulama: Haftalık "AI deneyi" görevi. Çalışandan her hafta işinde bir şeyi AI ile denemesi isteniyor, sonucu ekiple paylaşıyor. Bu hem öğrenmeyi pekiştiriyor hem de ekipte "ne keşfettik?" kültürü oluşturuyor.
Eğitim Etkinliğini Ölçme: KPI'lar ve ROI
"Eğitim verdik, iyi geçti" — bu yeterli değil. Yatırımın geri dönüşünü görmek istiyorsanız ölçmeniz gerekiyor. Ama neyi ölçeceksiniz?
Kirkpatrick Modeli ile başlayın:
Seviye 1 — Tepki: Çalışanlar eğitimden memnun kaldı mı? Anket, NPS. Bu önemli ama yüzeysel.
Seviye 2 — Öğrenme: Gerçekten bir şey öğrendiler mi? Ön test / son test karşılaştırması. Yetkinlik skoru değişimi.
Seviye 3 — Davranış: İşlerinde uyguluyor mu? AI araç kullanım sıklığı, hangi görevlerde kullandıkları, yönetici gözlemi.
Seviye 4 — Sonuç: İş çıktılarına yansıdı mı? Görev tamamlama süresi, hata oranı, üretilen içerik kalitesi.
AI'ya özgü ek metrikler:
- Prompt kalite skoru (eğitim öncesi/sonrası karşılaştırma)
- AI çıktı kabul oranı (çalışan ne kadar AI çıktısını düzenlemeden kullanıyor vs. baştan yazıyor)
- Yeni araç adaptasyon hızı (yeni bir AI aracı geldiğinde ne kadar sürede kullanmaya başlıyorlar)
- AI ile tamamlanan iş görevi oranı (haftada kaç görevi AI ile desteklediler)
Bu metrikleri takip etmek zaman alıyor ama olmadan karar vermek çok daha pahalı. "Eğitim işe yaradı mı?" sorusuna veri olmadan cevap veremezsiniz.
Sık Yapılan 5 Hata ve Çözümleri
Pek çok kurumsal AI eğitim programı benzer noktalarda tökezliyor. Bunları baştan bilmek ciddi zaman ve para tasarrufu sağlıyor.
Hata 1: Tek seferlik "kampanya eğitimi"
"Bu çeyrek AI eğitimi verdik, tamamdır." AI araçları her üç ayda bir değişiyor. Öğrenilen şeylerin büyük kısmı altı ay içinde eskiyor ya da pekiştirilmezse unutuluyor.
Çözüm: Program değil, platform kurun. Sürekli güncellenen mikro içerikler, aylık "yeni ne var" modülleri, iç topluluk.
Hata 2: Üst yönetimin programa dahil edilmemesi
Çalışanlar yöneticilerini AI kullanmıyor görünce mesajı net alıyor: "Bu önemli değilmiş ki." Yönetici katılımı hem model davranış hem de kültürel sinyal.
Çözüm: Üst yönetim için önce özel, kısa bir "AI liderlik" programı yapın. Yöneticiler temel yetkinliği kazandıktan sonra ekiplerini yönlendirmeleri çok daha kolay oluyor.
Hata 3: İçeriği dışarıdan hazır almak
"Şu platformun AI kursunu aldık, herkes tamamlasın." Genel kurslar genel sonuç verir. Çalışan "bu benim işimle ne alakası var?" diye düşünürse eğitimden bir şey çıkmıyor.
Çözüm: Hazır içeriği temel oluşturmak için kullanın, kuruma özgü vaka çalışmalarıyla zenginleştirin. Kendi müşterilerinizle, kendi süreçlerinizle ilgili senaryolar ekleyin.
Hata 4: KVKK ve güvenlik boyutunu atlamak
"AI kullanın" diyorsunuz ama hangi verileri nerede kullanabileceklerini söylemiyorsunuz. Çalışan müşteri verisi içeren bir dosyayı genel bir AI aracına yüklüyor. Hem hukuki risk hem de güven sorunu.
Çözüm: Her AI eğitim programında "ne yapılır ne yapılmaz" modülü zorunlu olmalı. KVKK kapsamındaki verilerin sınıflandırması, hangi araçların kurumsal onay aldığı, güvenlik protokolleri — bunlar eğitimin ayrılmaz parçası.
Hata 5: Direnci görmezden gelmek
"Zaten öğrenmek zorundalar, direnirlerse problem onlarda." Bu yaklaşım hem yanlış hem de pahalı. Direncin arkasında gerçek korkular ve gerçek sorular var: İşimi kaybedecek miyim? Yanlış bir şey yaparsam ne olur? Bu araçlara güvenebilir miyim?
Çözüm: Eğitimin başında bu konuşmayı açık yapın. "AI işlerinizi almayacak, ama AI kullanan biri işinizi alabilir" sözü klişe görünse de gerçek — ve çalışanlarla dürüstçe paylaşmak değişim yönetimini çok kolaylaştırıyor. Güvenli alan yaratın: hata yapmanın öğrenmenin parçası olduğunu somutlaştırın.
Son Söz
Eğer siz de şirketinizde upskilling veya reskilling programı kurmayı düşünüyorsanız ya da mevcut programınızı gözden geçirmek istiyorsanız, ekibinizin AI seviyesini önce ölçmenizi öneririm. Nereden başlayacağınızı bilmeden nereye gideceğinizi planlamak zor :)
Kaynaklar: Türkiye Yapay Zeka İnisiyatifi (TRAI) - Yapay Zeka Araştırması.