Gülcan YaylaGeçen ay İstanbul'da bir finans şirketinin İK direktörüyle kahve içiyorduk. "Tüm ekibimizi AI eğitimine gönderdik," dedi — hem gurur hem de hafif bir yorgunlukla. "Peki sonra ne oldu?" diye sordum. Bir an durdu. "Açıkçası... bilmiyoruz. Eğitim aldılar, sertifika aldılar. Ama sahada ne değişti, emin değiliz."
Bu cümle aklımda kaldı. Çünkü pek çok şirketin bugün yaşadığı durumu özetliyor: AI'a yatırım yapılıyor, ama o yatırımın gerçekten karşılık verip vermediğini ölçecek bir sistem yok. Ve bir şeyi ölçemiyorsanız, yönetemezsiniz — bu, yönetimde en eski kural.
İşte tam da bu noktada yapay zeka yetkinlik değerlendirme devreye giriyor.
Bu yazıda şunları konuşacağız: yapay zeka yetkinlik değerlendirmesi tam olarak ne anlama geliyor, kurumsal şirketler neden bu ölçümü yapmak zorunda, hangi yöntemler işe yarıyor, Türkiye'de ne tür araçlar var ve kendi şirketinizde bu programı nasıl kurabilirsiniz. Jobnest.ai'dan gerçek verilerle, pratik bir rehber olarak.
Yapay Zeka Yetkinlik Değerlendirme Nedir?
Yapay zeka yetkinlik değerlendirme, bir organizasyonun çalışanlarının AI teknolojilerini anlama, kullanma ve iş süreçlerine entegre etme kapasitesini ölçen sistematik bir süreçtir.
Bu tanımı biraz açalım, çünkü "AI eğitimi aldı" ile "AI yetkinliğine sahip" birbirinden çok farklı şeyler.
Geleneksel yetkinlik değerlendirmeleri genellikle şunları ölçer: Excel bilgisi, sunum yetkinlikleri, müşteri iletişimi. Bunlar hâlâ değerli — ama AI özelinde yetkinlik ölçmek bambaşka bir şey gerektiriyor. Çünkü AI yetkinliği statik değil. Bir çalışan bugün ChatGPT kullanmayı öğrenebilir; ama yeni bir model çıktığında, yeni bir araç gündeme geldiğinde bu adaptasyon kapasitesi var mı? İşte asıl ölçülmesi gereken bu.
AI Yetkinlik Kategorileri
Jobnest.ai'da kurumsal müşterilerle çalışırken AI yetkinliklerini genellikle sekiz kategoride ele alıyoruz:
1. Eleştirel düşünme ve değerlendirme: Yapay zeka tarafından üretilen çıktıları doğruluk, önyargı, uygunluk ve mantıksal tutarlılık açısından analiz edebilme becerisi. Gerçekleri kontrol etmeyi, kaynak doğrulamayı, varsayımları sorgulamayı, halüsinasyonları tespit etmeyi ve sağlam sonuçlara ulaşmak için bilgiyi sentezlemeyi içerir.
2. Yapay zeka araçlarını uygulama: Belirli görevler için uygun yapay zeka araçlarını seçme, etkili promptlar yazma, çıktılar üzerinde iterasyon yapma ve yapay zekayı profesyonel iş akışlarına entegre etme becerisi.
3. Yapay zeka kavramları ve teknik anlayış: Yapay zeka sistemlerinin nasıl çalıştığına dair kavramsal anlayış. Kodlama becerisi değil; yapay zekayı etkili kullanmak ve gerçekçi beklentiler belirlemek için gerekli zihinsel model doğruluğu.
4. Sorumlu ve etik yapay zeka kullanımı: Yapay zeka kullanırken etik ilkelerin farkında olma ve uygulama (veri gizliliği, algoritmik önyargıların tanınması, fikri mülkiyet konuları, şeffaflık yükümlülükleri, vs.)
5. İş akışı yargısı ve görev dağılımı: Ne zaman yapay zeka, ne zaman insan yargısının kullanılacağını belirleme; görev ile yapay zeka uyumunu değerlendirme; yapay zeka çıktılarıyla profesyonel iş akışlarını entegre etme ve hem aşırı bağımlılıktan hem de yetersiz kullanımdan kaçınma becerisi.
6. Veri okuryazarlığı: Veriyi okuma, yorumlama, sorgulama ve veri üzerinden argüman geliştirme becerisi.
7. İnsan-yapay zeka iş birliği: Yapay zekayı bir iş birliği aracı olarak etkili şekilde kullanma becerisi. Amaçları yapay zeka sistemlerine açıkça iletme, geri bildirim döngüleriyle iterasyon yapma, yapay zeka çıktılarını ekip çıktılarıyla entegre etme ve teknik olmayan paydaşlara aktarma yetkinlikleri.
8. Uyarlanabilirlik ve sürekli öğrenme: Yapay zeka yetkinliklerini sürekli güncelleme, araçlar arasında bilgi transferi yapma, yeni yetenekleri deneme ve yapay zeka geliştikçe etkin kalma konusunda öz farkındalık ve motivasyon.
Bu sekiz kategori, bir çalışanın gerçekten "AI-ready" olup olmadığını gösterir. Sertifikası değil.
Neden Kurumsal Şirketler AI Yetkinlik Ölçmeli?
"Neden ölçelim ki, zaten eğitim veriyoruz" sorusu hâlâ çok soruluyor. Anlıyorum — ölçüm sistemi kurmak zaman ve kaynak istiyor. Ama şunu düşünün:
World Economic Forum'un 2025 Future of Jobs Raporuna göre, çalışanların %60'tan fazlası 2030'a kadar mevcut iş rollerinin AI ve diğer gelişmelerle dönüşeceğini öngörüyor. Bu dönüşüm gerçekleşirken hangi çalışanlarımız hazır, hangileri değil — bunu bilmeden nasıl strateji kurabiliriz?
McKinsey araştırmaları, AI yetkinliğini sistematik olarak ölçen ve buna göre hedefli eğitim yatırımı yapan şirketlerin, tüm çalışanlara genel eğitim veren yaklaşımla çalışanlara eğitim verenlere kıyasla çalışan verimliliğinde belirgin ölçüde daha yüksek artış elde ettiğini gösteriyor. Fark nerede? Hedefleme. Ne eksik olduğunu bilmeden doğru yere yatırım yapamazsınız.
AI Yetkinlik Değerlendirme Yöntemleri
Peki bu ölçümü nasıl yapacaksınız? Üç ana yöntem ve her birinin güçlü ve zayıf yanları var.
Self-Assessment Anketleri
En hızlı ve en ucuz yöntem. Çalışanlar kendi AI yetkinliklerini değerlendiriyor: "Bu konuda kendimi 1'den 5'e kadar nerede görüyorum?"
Avantaj: Kurulumu kolay, hızlı uygulanabilir, çalışanları sürece dahil eder.
Dezavantaj: Güvenilirlik sorunu. Meşhur Dunning-Kruger etkisine göre, az bilen kişi kendini fazla yetkin görür. Self-assessment bu nedenle tek başına yeterli değil — ama diğer yöntemlerle kombine edildiğinde faydalı bir başlangıç noktası.
AI Destekli Adaptif Testler
Bu, Jobnest.ai gibi platformların sunduğu yöntem. Büyük bir soru havuzu içinden, çalışanlar kendi departmanlarına göre de özelleşen soruları yanıtlıyor. Bu adaptif yapı sayesinde hem çok yeni hem de çok deneyimli çalışanları aynı test içinde doğru konumlandırabiliyorsunuz.
Avantaj: Kişiye özel sonuçlar, gerçek zamanlı analiz, karşılaştırmalı benchmark verileri.
Dezavantaj: Çalışanlardan "test ediliyorum" hissi yaratmamak için iletişim yönetimi önemli.
Simülasyon ve Senaryo Bazlı Ölçme
En gerçekçi ama en pahalı yöntem. Çalışana gerçek iş senaryoları sunulur: "Bu müşteri şikâyetini bir AI aracı kullanarak nasıl yanıtlarsınız?" veya "Bu veri setini analiz edin ve yorumlayın." Çalışanın davranışı gözlemlenerek yetkinlik değerlendirilir.
Avantaj: Gerçek performansı ölçer. Bilgi değil, uygulama kapasitesi görünür olur.
Dezavantaj: Ölçeklenmesi zor, standardizasyonu güç. Büyük organizasyonlar için önce adaptif testlerle segmentasyon yapıp, sadece üst gruba simülasyon uygulamak daha verimli.
Türkiye'de AI Yetkinlik Değerlendirme Platformları
Türkiye'de bu alanda ciddi bir boşluk var. Peki mevcut seçenekler neler?
| Platform | Güçlü Yanı | Eksik Yanı |
|---|---|---|
| Jobnest.ai | AI-spesifik yetkinlik ölçme, Türkçe arayüz, KVKK uyumlu, kurumsal benchmark verileri | — |
| Workera | Global benchmark, Coursera ekosistemi entegrasyonu | Türkçe destek yok, yerel bağlam eksik |
Dürüst olmak gerekirse: Türkçe, KVKK uyumlu ve gerçek anlamda AI-spesifik değerlendirme yapan platform sayısı hâlâ çok az. Global araçların Türk iş dünyasına uyarlanması da pek çok boşluk bırakıyor — hem dil hem de sektörel bağlam açısından. Bu boşluğu kapatmaya çalışan Jobnest.ai olarak, kurumsal müşterilerin en çok zorlandığı noktanın "araç bulmak" değil, "süreci tasarlamak" olduğunu görüyoruz.
AI Yetkinlik Değerlendirme Programı Nasıl Kurulur? (5 Adım)
Gelelim pratik kısma. Sıfırdan bir program kurmak istiyorsanız, şu beş adım işe yarıyor:
1. İhtiyaç Analizi Hangi rol grupları için ölçüm yapacaksınız? Bir muhasebe uzmanı için AI yetkinliği ile bir pazarlamacı için AI yetkinliği farklı kategoriler içeriyor. Rol bazlı yetkinlik haritası çıkarmadan, "herkes için genel test" yaklaşımı hem verimsiz hem de motivasyon kırıcı oluyor.
2. Araç Entegrasyonu Seçtiğiniz platformu mevcut sistemlerinizle nasıl entegre edeceğinizi baştan planlayın. Değerlendirme sonuçları performans yönetim sisteminize bağlı değilse, zamanla kullanılmayan bir rapor yığını oluşur.
4. Pilot Uygulama 50-100 kişilik bir pilot grup ile başlayın. Hem teknik hem de psikolojik dirençleri önceden görün. "Test ediliyorum" hissini azaltmak için iletişimi "gelişim fırsatı" çerçevesinde kurun. Bunu sağlamak için, Jobnest.ai, yetkinlik sonuçlarına göre çalışanlara gelişim alanlarına göre mikroöğrenme modüllerini sunuyor. Dolayısıyla bir ölçümden ziyade, eğitim planlama olarak görebilirsiniz.
5. Ölçekleme ve Süreklilik AI yetkinlikleri çok hızlı değişiyor. Yılda bir kez ölçüm yeterli değil. Örneğin, 2025'te kritik olan prompt mühendisliği, 2026'da artık temel varsayım. Yeni yetkinliklere ve eğitimlere göre, ölçümleri 3 veya 6 ay gibi aralıklarda tekrarlayabilirsiniz.
KVKK ve Veri Güvenliği Dikkat Noktaları
Bu konuyu atlamak olmaz. Çalışan yetkinlik verileri Kişisel Verilerin Korunması Kanunu kapsamında kişisel veri niteliği taşıyor. Kurumsal AI yetkinlik değerlendirme programı kurarken şunlara dikkat edin:
- Aydınlatma metni: Çalışanlara hangi verilerin toplandığını, nasıl işlendiğini ve kimlerle paylaşıldığını açıkça bildirin.
- Veri minimizasyonu: Değerlendirme amacı için gerekli olmayan verileri toplamayın.
KVKK uyumsuzluğu hem itibar hem de cezai risk yaratıyor — ve "platform böyle yapıyor" gerekçesi kurumu korumaz. Sorumluluk veri sorumlusunda, yani şirkette.
Başarı Metrikleri ve ROI Hesaplama
"Bu programı kurduk, ne kadar işe yaradı?" sorusunu yanıtlayabilmek için doğru metrikleri baştan belirlemek gerekiyor.
Yetkinlik artış oranı: Değerlendirmeden belli bir süre sonra ve tabii kişiye özel uygun eğitimler sunduktan sonra tekrar test yapın. Ortalama puan artışı yüzde kaç? Jobnest.ai verilerinde, mikroöğrenme programları sonrası ölçüm yapmak özellikle kullanışlı.
Eğitim etkinliği: Hangi eğitim modülleri yetkinlik artışıyla gerçekten korelasyon gösteriyor? Korelasyon kuramıyorsanız, eğitim bütçenizi boşa harcıyor olabilirsiniz.
İş performansı korelasyonu: Bu en kritik ve en zor metrik. AI yetkinliği yüksek çalışanlar satışta, müşteri memnuniyetinde ya da operasyonel verimlilikte ölçülebilir bir fark yaratıyor mu? Bu veriyi çıkarmak için İK ve iş birimleri arasında gerçek bir iş birliği gerekiyor.
Zaman-tasarrufu ölçümü: Çalışanların AI araçları sayesinde kazandığı zamanı ölçün. "Haftalık raporlama sürem üç saatten bir saate düştü" türünden somut geri bildirimler hem ROI hesabı için hem de kurumsal değişim yönetimi için değerli.
ROI hesabında sık yapılan hata şu: sadece eğitim maliyetini paydaya koymak. Ama kayıp verimlilik maliyeti, işe alım maliyeti (yetkin çalışanı dışarıdan almak zorunda kalmak) ve rekabet kaybı maliyeti de hesaba katılmalı. Bu çerçeveden bakıldığında AI yetkinlik değerlendirme programı, maliyet değil yatırım olarak görünmeye başlıyor.
Sıkça Sorulan Sorular
Yapay zeka yetkinlik testi nasıl yapılır?
Üç yöntem mevcut: self-assessment (çalışan kendi konumunu görür), Jobnest.ai gibi platformlarda daha adaptif ve araştırma bazlı nesnel testler, ve yüksek potansiyelli gruba senaryo bazlı değerlendirmeler.
Çalışanların AI hazırlığı nasıl ölçülür?
"AI hazırlığı" ölçümü hem bilgi hem davranış hem de tutum boyutlarını kapsamalı. Bilgi: AI kavramlarını anlıyor mu? Davranış: AI araçlarını iş akışına entegre ediyor mu? Tutum: AI değişimine açık mı, dirençli mi? Sadece bilgi testi yaparak hazırlık ölçemezsiniz.
AI yetkinlik değerlendirme platformları hangileri?
Türkiye'de KVKK uyumlu ve AI-spesifik değerlendirme yapan platform olarak Jobnest.ai öne çıkıyor. Global alternatifler arasında Workera ve Coursera'nın kurumsal ürünleri sayılabilir, ancak Türkçe destek ve yerel sektörel benchmark eksikliği önemli bir kısıt.
Küçük şirketler de bu programı kurabilir mi?
Evet — ve aslında daha kolay. Büyük organizasyonlardaki bürokratik engeller olmadan, 50-200 kişilik şirketler çok daha hızlı pilot yapıp ölçekleyebiliyor. Önemli olan başlangıçta mükemmel sistem kurmaya çalışmamak; küçük, ölçülebilir bir adımla başlamak.
AI yetkinlik değerlendirmesi ne sıklıkla yapılmalı?
Minimum yılda bir. Ama AI teknolojisinin değişim hızı göz önüne alındığında altı ayda bir güncelleme yapmanızı öneririz. Her ölçüm bir öncekiyle karşılaştırılabilir olsun — bu nedenle aynı framework'ü ve benzer metodoloji tutarlılığını korumak önemli.
Şirkette "herkes AI eğitimi alsın" kararı vermek artık kolay — bu trende herkes katılıyor. Asıl zor olan, verilen eğitimin işe yarayıp yaramadığını bilmek, kimin gerçekten hazır olduğunu görmek ve yatırımı doğru yere yönlendirmek.
Yapay zeka yetkinlik değerlendirme, bu soruları yanıtlamanın yolunu açıyor. Ve Türkiye'de bu alanda ölçüm kültürü henüz çok yeni — erken başlayanlar hem içeride daha güçlü ekipler kuracak, hem de dışarıya karşı rekabet avantajı yaratacak.
Kendi organizasyonunuzda bu süreci nasıl ele aldığınızı, hangi noktaların en zorlu olduğunu merak ediyorum. Yorumlarınızı ve sorularınızı duymayı çok isterim :)
Kaynaklar: WEF Future of Jobs Report 2025, McKinsey Global Institute — The Economic Potential of Generative AI (2023), Gartner Digital Dexterity Framework.