Yapay zeka giriş seviyesi işleri dönüştürürken uzmanlık, deneyim ve muhakeme yeniden değer kazanıyor. Bu iki değişim şirketlerin yetenek stratejisini nasıl değiştirecek?
Son dönemde özellikle giriş seviyesi çalışan işe alım sayısında ciddi bir azalma görüyoruz. Yapay zekanın en hızlı üstlendiği işlerin önemli bir bölümünün rutin operasyonel işler, temel düzeyde raporlama gibi geleneksel olarak kariyerin ilk yıllarında yapılan görevlerle örtüşmesi nedeniyle kadrolar yeniden yapılandırılıyor. Bunun doğal sonucu olarak bazı şirketler giriş seviyesi işler için işe alımları azaltmayı veya bu rollerin bir bölümünü tamamen yeniden tasarlamayı tercih ediyor.
Bununla birlikte daha az görünür başka bir sonuç ortaya çıkıyor: Yetenek piramidinin ilk basamakları kaybolmaya başlıyor.
Kısa vadede oldukça rasyonel görünen bu karar pek çok teknoloji şirketinde uygulanırken farklı bir stratejik hamle yapan dünyaca ünlü bir marka karşımıza çıkıyor: IBM.
IBM şu an diğer şirketlerin aksine beş sene sonrasını düşünerek hareket ediyor. Şirket giriş seviyesinde işe alımı üç katına çıkarmayı planlıyor ve işe alım ağırlığını buraya veriyor. Giriş seviyesi rollerin tanımlarını, çalışanlardan beklenen işleri ve bu rollerde aranan yetkinlikleri de yeniden değerlendiriyor.
IBM İnsan Kaynakları Genel Müdür Yardımcısı’nın bu konuya ilişkin önemli bir uyarısı var:
“Bugün giriş seviyesi çalışanları işe almayı bırakırsanız, beş yıl sonra orta kademe yöneticileriniz olmayacak.”
Pozisyon maliyeti ile yetenek yatırımı aynı şey değildir.
Organizasyonlar yalnızca bugünkü görevleri tamamlamaktan oluşmuyor. Aynı zamanda gelecekte ihtiyaç duyacakları uzmanları ve yöneticileri yetiştiren bir sistem olarak çalışıyor.
Bu zincirin ilk halkasını ortadan kaldırmak kısa vadede maliyet avantajı yaratırken uzun vadede ciddi bir yetenek borcu oluşturabilir.
Düşünülmesi gereken farklı bir soru daha ortaya çıkıyor: Bugün yapay zeka ile ortadan kaldırdığımız giriş seviyesi pozisyonların çalışanlarını beş yıl sonra nereden bulacağız?
Daha sonra aynı beceriye sahip yöneticileri dışarıdan transfer etmek ise yapılan hesaplamalara göre şirkete yaklaşık %30 daha pahalıya mal olabiliyor. Ama konu yalnızca maliyet değil. İçeriden çalışan yetiştirme mekanizması zayıfladığında şirketler aynı zamanda kültür ve kurumsal hafızadan da feragat ediyor. Çünkü içeriden yetişen çalışan yalnızca bir pozisyonun gerektirdiği becerileri kazanmıyor; yıllar içinde organizasyonun iş yapış biçimlerini, ilişkilerini ve yazılı olmayan kurallarını da öğreniyor.
Yetenek Piramidinin Diğer Tarafı: Uzmanlık ve Deneyim
Yetenek piramidindeki değişim yalnızca giriş seviyesindeki çalışanları etkilemiyor. Piramidin diğer tarafında da dikkat çekici bir hareket var. Coursera’nın Job Skills 2026 raporu bu değişimin diğer tarafına işaret ediyor. 2026’nın hızla yükselen becerilerinden biri AI doğrulama ve kontrol becerisi olarak ortaya çıkıyor.
Yani yapay zeka kullanabilmekten bir sonraki aşamaya geçiyoruz: Yapay zekanın ürettiği şeyin doğru olup olmadığını anlayabilmek. Çünkü üretmek ile değerlendirmek aynı beceri değil.
Yeni sorumuz: “AI’ın yaptığının doğru olduğunu anlayabilir misiniz?”
İş çıktısının bağlama uygun olup olmadığını, hangi varsayımın hatalı olduğunu, hangi verinin eksik kaldığını veya sahada uygulanıp uygulanamayacağını değerlendirmek başka bir beceri seti gerektiriyor.
Ve burada uzmanlık yeniden çok önemli hale geliyor.
Rekabet avantajı artık yalnızca çıktıyı üretmekten gelmeyecek. Asıl fark, üretilen çıktının kalitesini değerlendirebilme kapasitesinde ortaya çıkacak. Organizasyonların yalnızca cevaba değil, doğru cevabı yanlış cevaptan ayırabilecek insanlara ihtiyacı olacak. AI deneyimin ve uzmanlığın değerini azaltmıyor; nerede değer yarattıklarını değiştiriyor.
Deneyimli ve alanında uzman çalışanın analizi sıfırdan kendisinin yapmasına gerek kalmayabilir. Ancak yanlış varsayımı görebilmesi gerekir. Bütün seçenekleri kendisinin üretmesine gerek kalmayabilir. Fakat hangi seçeneğin sahada uygulanabilir olduğuna karar verebilmesi gerekir. Deneyim, bilgi, uzmanlık ve saha tecrübesinin yeniden değer kazandığı bir döneme giriyoruz.
Uzmanlık Değerlenirken Deneyim Nerede Kazanılacak?
Asıl çelişki de burada başlıyor. Uzmanlığın ve deneyimin değer kazanacağını söylüyoruz. Fakat çalışanların bu deneyimi kazanmasını sağlayan başlangıç görevlerinin bir bölümünü yapay zekaya devrediyoruz.
Bir analist geçmişte yüzlerce rapor hazırlayarak analiz yapmayı öğreniyordu. Bir danışman onlarca sunum hazırlarken hangi bilginin önemli olduğunu anlamaya başlıyordu. Bir işe alım uzmanı yüzlerce CV inceleyerek aday profilleri arasındaki detayları görmeyi öğreniyordu.Bir mühendis, mimar veya finans uzmanı kariyerinin ilk yıllarında yaptığı tekrarlarla yalnızca işi tamamlamıyor; aynı zamanda mesleki sezgisini geliştiriyordu.
Deneyim yalnızca bilgi edinerek oluşmuyor. Tekrar ederek, hata yaparak, farklı vakalarla karşılaşarak, gözlemleyerek ve kararların sonuçlarını görerek gelişiyor.
Şimdi bu görevlerin önemli bir bölümünü AI üstlenirse şu soruyla karşılaşacağız: Deneyim kazanmak için kullanılan işleri ortadan kaldırırken deneyimli çalışanı nasıl yetiştireceğiz?
Belki de önümüzdeki birkaç yılın en önemli yetenek yönetimi sorularından biri bu olacak.
IBM’in giriş seviyesi pozisyonları ortadan kaldırmak yerine yeniden tasarlaması bu açıdan önemli. Bu durumda AI giriş seviyesi işi tamamen ortadan kaldırmaktan çok öğrenme eğrisini yeniden tasarlıyor.
Ve burada şirketlerin otomasyon kararlarına yeni bir soru eklemeleri gerekebilir:
“Bu işi AI yapabilir mi?” sorusu kadar “Bu işi yapmak çalışana ne öğretiyordu?” sorusu da önemli hale geliyor.
Çünkü bir görevin operasyonel değerinin düşük olması, öğrenme değerinin de düşük olduğu anlamına gelmiyor. Bugün kolaylıkla otomatikleştirilebilecek bir görev, geçmişte çalışanın birkaç yıl sonra uzmanlaşmasını sağlayan deneyim zincirinin bir parçası olabilir.
Fakat bu, “AI junior çalışanların yerini alacak, deneyimli çalışanlar kazanacak” kadar basit bir denklem değil. Tam tersine iki grup birbirine her zamankinden daha fazla bağlı olabilir.
Yetenek Piramidinde Üç Yeni Risk
Şirketlerin önünde bu nedenle üç farklı risk bulunuyor.
- Yetenek açığı : Bugün junior işe alımını ciddi biçimde azaltan şirketler birkaç yıl sonra ihtiyaç duydukları orta kademe uzmanları ve yöneticileri kendi organizasyonları içerisinden çıkaramayabilir.
Üstelik çok sayıda şirket aynı stratejiyi izlerse bu yalnızca şirketlerin kendi yetenek havuzlarının problemi olmaktan çıkabilir. Bugün şirket bazında rasyonel görünen bir maliyet kararı, birkaç yıl sonra iş gücü piyasasında daha büyük bir yetenek arzı problemine dönüşebilir.
- Deneyim açığı : Şirketlerin çalışan sayısı yeterli olsa bile kariyerin ilk yıllarındaki öğrenme fırsatlarının önemli bir bölümünün yapay zekaya devredilmesi farklı bir sorun yaratabilir. Yeterli sayıda çalışan olabilir ancak ihtiyaç duyulan derinlikte deneyim oluşmayabilir. Organizasyonların deneyim üretme kapasitesinin azalması söz konusu.
3. İşveren markası : İşveren markası yalnızca mevcut çalışanların deneyiminden oluşmuyor. Bir şirketin üniversitelerle ilişkisi, staj programları, yeni mezun işe alımları, kariyer fırsatları ve genç yeteneklere verdiği gelişim imkanları da markanın önemli bir parçası. Bir şirket birkaç yıl boyunca genç yeteneklerle bağını kopardığında yalnızca yetenek havuzunu küçültmüş olmaz. Aynı zamanda yeni kuşak çalışanların zihnindeki görünürlüğünü de kaybedebilir. Çünkü işveren markası yalnızca şirketin kendisi hakkında ne anlattığıyla değil, insanların o şirkette kendileri için bir gelecek görüp görmediğiyle de oluşuyor. Dolayısıyla yetenek piramidinin ilk basamaklarının kaybolmasının etkisi yalnızca içeride değil, dışarıda da görülebilir.
Yetenek Piramidini Yeniden Kurmak
Bütün bunlar insan kaynaklarının AI tartışmasında sorduğu sorunun da değişmesi gerektiğini gösteriyor. Soru yalnızca: “AI sayesinde kaç pozisyonu azaltabiliriz?” olmamalı.
Daha stratejik soru şu olabilir: “AI sayesinde hangi işleri azaltabilir, hangi rolleri yeniden tasarlayabilir ve gelecekte ihtiyaç duyacağımız yeteneği bugünden nasıl yetiştirebiliriz?”
Bunun için şirketlerin üç noktayı yeniden düşünmesi gerekiyor.
Pozisyonları değil, görevleri yeniden tasarlamak. Bir giriş seviyesi rolündeki bazı görevleri AI yapabiliyorsa ilk seçenek pozisyonu tamamen ortadan kaldırmak olmamalı. Kalan görevlerden sonra çalışanın hangi yeni sorumlulukları alabileceği ve nasıl daha yüksek değer üretebileceği düşünülmeli.
Görevlerin yalnızca çıktı değerini değil, öğrenme değerini de dikkate almak. “AI bu işi yapabilir mi?” sorusunun yanına “Bu işi yapmak çalışana ne öğretiyordu?” sorusunu eklemek gerekiyor. Çünkü bugün otomatikleştirdiğimiz bir görev, geçmişte geleceğin uzmanını yetiştiren öğrenme deneyiminin bir parçası olabilir.
Yetenek planlamasında uzun vadeli düşünmek. Bugünkü işe alım ve norm kadro kararlarını yalnızca yıllık bütçe ve mevcut iş gücü ihtiyacı üzerinden değerlendirmemek gerekiyor. Bugün azaltılan giriş seviyesi pozisyonların 5 yıl sonra içeriden yetiştirme, yönetici yedekleme ve yetenek havuzu üzerinde nasıl bir etkisi olacağı da hesaba katılmalı. IBM örneğinde olduğu gibi mesele yalnızca bugün kaç kişiye ihtiyaç duyulduğu değil, beş yıl sonra ihtiyaç duyulacak uzman ve yöneticilerin bugünden nasıl yetiştirileceği.
Dolayısıyla şirketlerin asıl problemi kaç kişiyi AI ile ikame edebileceklerini hesaplamak değil, AI çağında yetenek zincirini nasıl yeniden kuracaklarını belirlemek olabilir.
Başarılı olabilecek şirketler, junior yeteneği sisteme dahil eden, AI ile birlikte öğrenmesini sağlayan, deneyimli çalışanların bilgisini koruyan ve bu deneyimi yeni nesillere aktarabilen şirketler olacak. Bu da bize paradoksun çözümünün ancak doğru teknoloji, doğru deneyim ve doğru yetenek havuzunun bir araya getirilmesiyle olabileceğini gösteriyor.
UMUT KILINÇ
İnsan Kaynakları Profesyoneli Linkedin Top Voice HR