"Aracı aldık ama kimse kullanmıyor" bir yazılım değil bir kültür arızasıdır; değerin yalnız %10'u modelde, %90'ı veri, süreç ve insandadır. Yaygın yanılgının aksine çalışanlar direnmiyor; McKinsey'ye göre yöneticiler onların kullanımını olduğundan az sanıyor ve asıl darboğaz çalışan değil, yön vermeyen liderliktir. Çalışanların çoğu zaten gölgede kişisel araç kullanıyor; doğru tepki yasaklamak değil, güvenli resmî bir alternatifle gölgeyi aydınlığa çıkarmaktır. Direnç bir güven sorunudur, eğitim değil; kök korku işini kaybetmektir. Kültür gönüllüyle, akran başarısıyla, ciddi eğitim yatırımıyla ve en üstün gerçek sahiplenmesiyle kurulur.
En iyi sistem bile benimsenmezse yaşamaz. Sıra insanda
Serinin dokuzuncu yazısında pilotu üretime taşımayı ele aldım ve bir pilotun sonucunu üç değişkene ayırmıştım. Model, süreç ve insan. O üçünün en belirleyicisi, en çok göz ardı edileni sonuncusuydu. İnsan. Bu yazı tamamen ona ayrılmış. Çünkü en iyi kurulmuş sistem bile, insanlar onu benimsemezse üretimde bir gün bile yaşamaz.
Bu problemin en bilinen yüzü şu cümledir. "Aracı aldık ama kimse kullanmıyor." Yaygın anlatılan bir örnek meseleyi özetliyor. Beş yüz kişilik bir şirket çalışanlarının tümüne pahalı bir yapay zeka lisansı alıyor, eğitim olarak tek bir saatlik seminer veriyor ve altı ay sonra haftalık aktif kullanım yalnızca %12 çıkıyor. %88 lisans boşa gidiyor. Bu bir araç sorunu değil, bir kültür ve değişim yönetimi sorunudur ve bu yazı onun çözümünü anlatıyor.
Bu yazının sonunda dört şeyi netleştirmiş olacaksınız. "Kimse kullanmıyor" tuzağının gerçek teşhisini. Çalışanların yapay zekaya direndiği yanılgısının neden çoğu zaman yanlış olduğunu. Gölge yapay zekayı, yani çalışanların kendi başına kullandığı araçları yasaklamak yerine nasıl yöneteceğinizi. Ve gerçek bir benimseme kültürünü hangi adımlarla kuracağınızı.
Araç aldık, kimse kullanmıyor. Gerçek teşhis
O %12 rakamına geri döneyim, çünkü içinde asıl ders gizli. Şirket doğru aracı almıştı. Eksik olan araç değildi. Eksik olan, o aracı insanların işine oturtan her şeydi. Eğitim tek bir saatlik seminerdi, kimse kimseye bu aracın kendi işinde ne işe yarayacağını göstermemişti, kullanmak zorunlu da değildi teşvikli de. Araç masadaydı ama kültür yoktu.
Bunun neden şaşırtıcı olmaması gerektiğini bir rakam açıklıyor. Serinin pilottan üretime yazısında andığım Boston Consulting Group ilkesine göre yapay zeka değerinin yalnız %10'u algoritmadan gelir; kalan %90'ı veri, süreç ve insandan. Kültür de tam bu %90'ın kalbindedir. Yani bir yapay zeka girişiminin kaderini en çok belirleyen kısım, çoğu yöneticinin en az yatırım yaptığı kısımdır. Aracı satın almak kolaydır ve görünürdür. Kültürü kurmak zordur ve sabır ister. Kurumlar parayı görünür olana harcar, sonra görünmez olanın eksikliğine şaşırır.
Buradaki teşhis şudur. "Kimse kullanmıyor" bir yazılım arızası değil, bir benimseme arızasıdır. Ve benimseme arızasının nedeni neredeyse hiçbir zaman "çalışanlar tembel" ya da "çalışanlar teknolojiden korkuyor" değildir. Nedenler çok daha somut ve çözülebilirdir. Sonraki bölümlerde bunları tek tek açacağım, ama önce en yaygın yanılgıyı yıkmam gerekiyor.
Çalışanlar direnmiyor. Çoğu zaten sizden ilerde
Yöneticilerin büyük çoğunluğu benimseme sorununu yanlış yerde arar. "Çalışanlarımız yapay zekaya hazır değil, direniyorlar." Veriler bunun tam tersini söylüyor.
McKinsey'nin geniş çaplı işyeri araştırması çarpıcı bir uçurum ortaya koyuyor. Üst düzey yöneticiler, çalışanların yalnızca %4'ünün işinin en az üçte birinde yapay zeka kullandığını sanıyor. Çalışanların kendi beyanı ise bunun üç katı, %13. Geleceğe bakış daha da keskin. Bir yıl içinde işinin büyük kısmında yapay zeka kullanacağını liderlerin yalnız %20'si düşünürken, çalışanların %47'si, yani iki katı bunu bekliyor. Aynı araştırmanın en net cümlesi şu. Ölçeklemenin önündeki asıl engel, benimsemeye hazır olan çalışanlar değil; yeterince hızlı yön vermeyen liderliktir.
Bu, kurumsal yapay zeka hikâyesinin en çok yanlış anlaşılan gerçeğidir. Çalışanınız muhtemelen sizden daha hızlı hareket ediyor. Sorun onları ikna etmek değil, onlara yön vermek, güvenli bir çerçeve ve doğru araçları sunmaktır. "Direnç" diye gördüğünüz şeyin altında çoğu zaman direnç değil, yönsüzlük yatar. İnsanlar kullanmıyorsa, ya kendilerine bunun işlerinde ne işe yarayacağı gösterilmemiştir, ya kullanmanın güvenli olduğuna dair bir işaret verilmemiştir, ya da zaten kullanıyorlardır, sadece sizin göremediğiniz bir yerde. Sonuncusu bir sonraki bölümün konusu.
Gölge yapay zeka. Zaten içeride, yönetin ya da kaybedin
Çalışanlarınız yapay zeka kullanmıyor sanıyorsanız, muhtemelen yanılıyorsunuz. Sadece nerede kullandıklarını görmüyorsunuz. Buna gölge yapay zeka deniyor. Çalışanların, kurumun onayı ve bilgisi olmadan kendi kişisel araçlarıyla işlerini yapması.
Rakamlar tablonun büyüklüğünü gösteriyor. Bağımsız 2026 anketlerine göre çalışanların yaklaşık dörtte üçü işte kendi kişisel yapay zeka aracını kullanıyor, oysa kurumların yalnız %41 kadarı resmî bir araç, eğitim ya da rehber sağlamış. Dahası, yapay zeka kullanan çalışanların büyük bölümü onu ilk kez iş dışında keşfetmiş, sonra sessizce işine taşımış. En çarpıcı bulgu ise yöneticilerdeki kör nokta. Yöneticilerin büyük çoğunluğu kurumlarının araç kullanımını gördüğünden emin, oysa çalışanların yarıdan fazlası onaysız kullandığını söylüyor.
Bu bir tehdit gibi görünebilir ve veri güvenliği açısından gerçekten öyledir. Ama aynı zamanda bir fırsattır. Çünkü gölge yapay zeka size bedava bir talep araştırması sunar. Çalışanlarınızın kendi paralarını ve zamanını harcayarak hangi araçlara yöneldiği, onların işlerinde nereye değer kattığının en dürüst haritasıdır. Doğru tepki yasaklamak değildir; yasak, kullanımı yalnız daha derine, daha görünmez yere iter. Doğru tepki gölgeyi aydınlığa çıkarmaktır. Güvenli, onaylı, kurumun verisini koruyan resmî bir alternatif sunmak ve çalışanların zaten gösterdiği yola resmî bir zemin döşemek. Gölgeyi yönetmek, onu görmezden gelmekten de yasaklamaktan da her zaman daha güvenlidir.
Direnç bir güven sorunudur, eğitim değil
Elbette her çalışan öncü değil. Gerçek bir direnç de vardır ve onu ciddiye almak gerekir. Ama bu direncin doğasını yanlış okumak, onu büyütmenin en hızlı yoludur. En sık yapılan hata, direnci bir bilgi eksikliği sanıp üstüne eğitim yağdırmaktır. Oysa direnç çoğu zaman bir güven sorunudur, bir bilgi sorunu değil.
İnsanların yapay zekaya direncinin altında somut bir korku yatar. İşini kaybetme korkusu. Ve bu korku temelsiz değildir; kimi kurum açıkça uyum sağlamayanı işten çıkaracağını söylüyor. Çalışan yapay zekayı öğrenmeye yanaşmıyorsa, çoğu zaman aptal ya da tembel olduğundan değil, o aracı kendi işinin sonu olarak gördüğündendir. Bu korkuyu görmezden gelmek ya da slogan seviyesinde "merak etmeyin" demek onu yalnız derinleştirir.
Çözüm dürüstlükle başlar. Korkuyu adıyla anın. Yapay zeka anlatınızı maliyet kesme anlatısından net biçimde ayırın; ikisi aynı cümlede geçtiğinde çalışan tek bir şey duyar. Herkese, kendi rolünün tam olarak nasıl değişeceğini somut anlatın. Ve en önemlisi, dönüşümü insanlara dayatmayın; onlarla birlikte kurun. Bir değişim çalışanın üstüne yıkıldığında direnç sertleşir; çalışan sürecin bir parçası olduğunda o direnç işbirliğine dönüşür. Bu yüzden zorla benimsetme neredeyse her zaman geri teper. İşe gönüllülerle başlamak, düşük riskli görevlerle güven inşa etmek ve akranların başarısını göstermek, herhangi bir zorunluluktan daha güçlüdür.
Eğitim. En çok istenen, en çok ihmal edilen
Bir önceki bölüm dirençin bir güven sorunu olduğunu söylüyordu. Bu, eğitimin gereksiz olduğu anlamına gelmez; tam tersine, eğitim güvenin en somut kanıtıdır. Kuruma "sizi bu değişimde yalnız bırakmayacağız" mesajını en net veren şey, ciddi bir eğitim yatırımıdır. İşte tam burada kurumların çoğu çuvallıyor.
Veri utanç verici bir tablo çiziyor. Çalışanların yapay zeka benimsemesinde en önemli faktör olarak gösterdikleri şey eğitim. Buna rağmen kurumların resmî eğitim sunma oranı 2026'da düşmüş, artmamış. Çalışanların büyük bölümü işvereninden hiç yapay zeka eğitimi almamış. Yani kurumlar milyonlarca dolarlık lisans alıp, o lisansı işe yarar kılacak birkaç bin dolarlık eğitimden kaçıyor. Bu, tasarruf sanılan en pahalı israftır.
Rakamlar bir yön veriyor. Yapay zeka bütçesinin anlamlı bir kısmını, sözgelimi beşte birini eğitime ayıran kurumlar, eğitimi kısanlardan tutarlı biçimde daha iyi sonuç alıyor. Eğitim tek seferlik bir seminer değildir; süregelen, işe gömülü, herkesin kendi görevinde yapay zekayı nasıl kullanacağını gösteren bir programdır. Buradaki basit gerçek şu. Aracın parasını verip eğitimin parasını vermemek, arabayı alıp benzini almamaya benzer. Araç kapıda durur, kimse bir yere gidemez.
Kültür nasıl kurulur. Gönüllüden momentuma
Şimdiye kadar hataları ve panzehirlerini tek tek ele aldım. Şimdi bunları bir kültür inşa yöntemine bağlayayım. İyi haberi baştan söyleyeyim; kültür büyük bir dönüşüm programıyla değil, doğru sırayla atılan küçük adımlarla kurulur.
Birincisi, gönüllülerle başlayın. Her kurumda yapay zekaya meraklı, hevesli birkaç kişi vardır; onlar zaten gölgede kullanıyordur. Onları bulun, onlara resmî alan ve destek verin, işlerini kolaylaştırın. İkincisi, onların başarısını görünür kılın. İnsanlar bir sloganla değil, yanındaki masadaki meslektaşının işini iki katına çıkarmasıyla ikna olur. Akran başarısı, en ikna edici eğitim materyalidir. Üçüncüsü, düşük riskli işlerden başlayın; ilk denemeler hata yapmanın ucuz olduğu yerlerde olsun ki güven birikebilsin.
Burada serinin pilottan üretime yazısındaki üç değişkenli deneyi hatırlayın. Farklı ekiplerin aynı anda denemesinin ikinci ve daha derin faydası tam da buydu. Ekipler arasında ders paylaşımı başlar, bir ekibin bulduğu iyi kullanım diğerine geçer ve kurumun ortak yapay zeka bilgisi büyür. Kültür budur; tek tek kişilerin değil, kurumun öğrenmesi. Ve bu öğrenme kendiliğinden olmaz; onu bir liderin bilinçli olarak beslemesi, ödüllendirmesi ve önündeki engelleri kaldırması gerekir. Kültür, en üstteki kişinin gerçekten önemsediği şeydir; gerisi temennidir.
Liderin rolü. Kültür tepeden başlar
Bu yazının belki en rahatsız edici cümlesini burada söyleyeyim. Kurumunuzda yapay zeka kültürü yoksa, bunun birincil sorumlusu çalışanlar değil, en üsttür. McKinsey'nin bulgusu buydu; darboğaz benimsemeye hazır çalışanlar değil, yön vermeyen liderlik. Kültür, bir e-posta genelgesiyle ya da bir araç lisansıyla kurulmaz. Liderin kendi davranışıyla kurulur.
Bu somut olarak birkaç şey demektir. Lider yapay zekayı kendi işinde görünür biçimde kullanır; kullanmayan bir liderin "siz kullanın" demesi inandırıcı değildir. Lider yapay zeka anlatısını umut anlatısı olarak kurar, tehdit anlatısı olarak değil; insanları küçültmek için değil, angaryadan kurtarıp yargılarını daha değerli işe yöneltmek için. Ve lider bu işe gerçek kaynak ayırır; hem eğitime hem de insanların deneme yapabileceği güvenli bir alana. Kaynak ayrılmayan hiçbir öncelik gerçek değildir; kurum bunu hemen anlar.
Buradaki uyarı, serinin ruhuna da uygun. Bu yazıların hiçbirinde yapay zekayı insanın yerine koymayı savunmadım. Tam tersi. En değerli kurum, yapay zekayı insanın yargısını körelten değil, güçlendiren bir araç olarak konumlandırandır. Uzmanı "yerine makine geliyor" korkusuyla dışarıda tutan kurum, hem o uzmanın bilgisini hem de yapay zekadan alacağı değeri kaybeder. Kültür meselesinin özünde teknik değil, insani bir tercih yatar. İnsanı merkezde tutmak.
İnsan değişkeni ve sıradaki adım. Ölçüme doğru
Bu yazıyı üç cümlede toplayayım. "Kimse kullanmıyor" bir araç değil kültür arızasıdır ve değerin yalnız %10'u modelde, %90'ı veri, süreç ve insandadır. Çalışanlarınız çoğu zaman sandığınızdan daha ilerdedir, hatta gölgede zaten kullanıyorlardır; darboğaz onların direnci değil, liderliğin yön vermesi, güven ve eğitimdir. Ve kültür büyük programlarla değil, gönüllüyle, akran başarısıyla, düşük riskli denemeyle ve en üstün gerçek sahiplenmesiyle kurulur.
Karar belgenize bu fazın kültür sütununu ekleyin. Çalışanlarımızın gerçek yapay zeka kullanımını, gölge dahil, görebiliyor muyuz? Direnç gördüğümüz yerde bunu bir güven sorunu olarak mı ele alıyoruz? Yapay zeka anlatımızı işten çıkarma anlatısından ayırdık mı? Eğitime, lisans bütçemizle orantılı gerçek bir yatırım yaptık mı? Ve bu kültürü en üst yönetici gerçekten sahipleniyor, kendi işinde kullanıyor mu?
Faz C, yani uygulama burada tamamlanıyor. Ajanı kurmayı, üretime taşımayı ve benimsetmeyi ele aldım. Geriye tek bir soru kalıyor ve o soru olmadan bütün bu emek havada kalır. Bütün bu emek işe yaradı mı, bunu nereden bileceksiniz? Serinin bir sonraki fazı, yani sürdürülebilirlik tam da bununla açılıyor. Bir sonraki yazıda entegrasyon sonrasını, yani ölçümlemeyi, izlemeyi ve değeri kanıtlayacak sistemi ele alacağım. Çünkü ölçülmeyen değer, var olmayan değerdir.
Sıkça Sorulan Sorular
Pahalı bir yapay zeka aracı aldık ama neredeyse kimse kullanmıyor, ne yapmalıyız?
Bu bir araç değil, benimseme sorunudur ve çözümü de araçta değil kültürdedir. Önce nedenini doğru koyun. Çalışanlara bu aracın kendi işlerinde ne işe yarayacağı somut gösterildi mi, kullanmak için güvenli ve teşvikli bir zemin var mı, ciddi bir eğitim verildi mi? Genellikle üçü de eksiktir. Tek seferlik bir seminer eğitim değildir. Gönüllülerle başlayın, onların başarısını görünür kılın, düşük riskli işlerde güven biriktirin ve eğitime aracın kendisiyle orantılı bir bütçe ayırın.
Çalışanlarımızın yapay zekaya direndiğini düşünüyoruz, bu direnci nasıl aşarız?
Önce bu varsayımı sorgulayın, çünkü veriler çoğu zaman tersini söylüyor. McKinsey araştırmasına göre çalışanlar yapay zekayı benimsemeye liderlerin sandığından çok daha hazır; asıl darboğaz liderliğin yön vermesidir. Gerçek direnç olduğu yerde ise onu bir eğitim değil güven sorunu olarak ele alın. En yaygın kök korku işini kaybetmektir. Bu korkuyu adıyla anın, yapay zeka anlatınızı işten çıkarma anlatısından ayırın, herkese rolünün nasıl değişeceğini somut söyleyin ve dönüşümü insanlara dayatmayın, onlarla birlikte kurun.
Gölge yapay zeka, yani çalışanların kendi araçlarını kullanması tehlikeli mi, yasaklamalı mıyım?
Gölge yapay zeka veri güvenliği açısından gerçek bir risktir, ama yasaklamak en kötü tepkidir; yasak kullanımı yalnız daha görünmez yere iter. Bunun yerine gölgeyi bir bilgi kaynağı olarak okuyun. Çalışanların kendi parasıyla hangi araca yöneldiği, onların işinde nereye değer kattığının dürüst bir haritasıdır. Doğru hamle, güvenli ve kurumun verisini koruyan resmî bir alternatif sunmak, sonra çalışanların zaten yürüdüğü yola resmî bir zemin döşemektir.
Yapay zeka eğitimine ne kadar bütçe ve zaman ayırmalıyım?
Tek seferlik bir seminerden fazlası gerektiğini bilerek başlayın. Rakamlar, yapay zeka bütçesinin anlamlı bir kısmını, örneğin beşte birini eğitime ayıran kurumların belirgin biçimde daha iyi sonuç aldığını gösteriyor. Eğitim süregelen, işe gömülü ve herkesin kendi görevinde yapay zekayı nasıl kullanacağını gösteren bir program olmalı. Lisansın parasını verip eğitimin parasını vermemek, arabayı alıp benzini almamaya benzer.
Yapay zekayı getirirken çalışanların işten çıkarma korkusunu nasıl yönetirim?
Korkuyu görmezden gelmeyerek. En etkili adım, yapay zeka anlatısını maliyet kesme anlatısından net biçimde ayırmaktır; ikisi aynı ağızdan çıktığında çalışan tek bir şey duyar. Niyetinizi açık söyleyin; amaç insanları çıkarmak mı, yoksa angaryayı almak ve becerilerini büyütmek mi? Sonra bunu sözle değil, tutarlı davranışla destekleyin. Herkese rolünün somut olarak nasıl değişeceğini anlatın. Güven, tekrarlanan tutarlı eylemle kurulur, tek bir konuşmayla değil.
Kurum içi yapay zeka kültürünü kurmak ne kadar sürer?
Kültür bir projede biten bir şey değil, süregelen bir yön değişimidir; ama momentum beklenenden hızlı kurulabilir. Doğru sırayla ilerlerseniz, yani gönüllülerle başlayıp akran başarısını görünür kılıp eğitime ciddi yatırım yaparsanız, ilk görünür kültür değişimi aylar içinde başlar. Belirleyici olan süre değil, en üst yönetimin bunu gerçekten sahiplenip sahiplenmediğidir. Kültür, liderin gerçekten önemsediği şeydir; kaynak ve dikkat ayrılmayan hiçbir kültür girişimi tutmaz. ---