Deneyim ve muhakeme.
Uzmanlar bağlamı, hedefleri ve uygulama koşullarını tanımlar. Varsayımları sorgular, önerileri değerlendirir ve karar sorumluluğunu üstlenir.
KURUMSAL ÖĞRENME ÜZERİNE
İnsanların ve yapay zekâ çözümlerinin birlikte
kurum verileri ve ortak yöntemlerle nasıl öğrenebileceği üzerine çalışıyorum.
01 — DENEYİMDEN ÖĞRENMEYEKurumların kendi verilerinden, tanımlı hesaplamalar ve iş kurallarıyla tekrar üretilebilir sonuçlar elde etmesi ve bu sonuçları kalıcı çözüm ve karar deneyimine dönüştürmesi üzerine çalışıyorum.
Odağım, insanların ve yapay zekâ çözümlerinin aynı yöntemleri, veriye dayalı sonuçları ve geçmiş karar bağlamını kullanarak kurumsal öğrenmeye birlikte katkı sağlaması. Hesaplamaların deterministik, yorum ve önerilerin ise dayanaklarıyla birlikte değerlendirilebilir olduğu bir yapı üzerinde çalışıyorum.
“Ne öğrendik?” sorusunun yanına
“Öğrendiklerimiz neyi değiştirdi?” sorusunu koyuyorum.
Bu sitedeki ilişkilendirmeler, kaynaklardan hareketle geliştirdiğim uygulama perspektifidir. Dört yaklaşımı tek bir model olarak sunmuyorum.
ÇALIŞMA ODAĞIM / İNSAN & YAPAY ZEKÂ
İnsanların ve yapay zekâ çözümlerinin katkıları, kurumun yeniden kullanıp sorgulayabileceği ortak bir öğrenme sürecine nasıl dönüşür?
İlgilendiğim, kurumun kullandığı hesaplamaların, yöntemlerin, iş kurallarının ve bunlara dayanan çözüm ve karar deneyiminin birlikte gelişebilmesi. Yapay zekâ veya insanlar değiştiğinde de bu birikimin kurumda kalması.
Uzmanlar bağlamı, hedefleri ve uygulama koşullarını tanımlar. Varsayımları sorgular, önerileri değerlendirir ve karar sorumluluğunu üstlenir.
Yapay zekâ araçları ve ajanlar, yetkileri kapsamında tanımlı yöntemleri, deterministik hesaplama sonuçlarını ve geçmiş bağlamı kullanabilir. Bunlara dayanan yorum ve öneriler geliştirebilir, eksikleri ve yeni soruları görünür kılabilir.
İş soruları, veri tanımları, hesaplamalar ve iş kuralları sürümleriyle korunur. Sonuçlar, uzman değerlendirmeleri ve kararlar bu dayanaklarla ilişkilendirilir. Her katkı, kim tarafından ve hangi koşullarda üretildiğiyle birlikte hatırlanır.
Gerçekleşen sonuçlar veriler üzerinden beklentilerle karşılaştırılır. İnsanlar ve yapay zekâ çözümleri bulguları yeniden ele alır. Gerekirse hesaplama, iş kuralı, varsayım veya uygulama güncellenir.
ÇALIŞMALARIMA YÖN VEREN SORU
Birlikte ürettiğimiz çözümler ve kararlar,
kurumun deneyimini nasıl geliştirir?
02 / DÖRT PERSPEKTİF
Bir değerlendirme çerçevesi, bir deneyimsel öğrenme kuramı, bir örgütsel öğrenme yaklaşımı ve bir bilgi yaratma modeli.
DENEYİMSEL ÖĞRENME
Kolb’un yaklaşımı, somut deneyim, yansıtıcı gözlem, soyut kavramsallaştırma ve aktif deneme arasındaki ilişkiyle öğrenmeyi ele alır.
Çalışmalarımdaki karşılığıBir uygulamanın sonucunu değerlendirmek, buradan yöntem çıkarmak ve yeni bir durumda sınamak.
Kaynağı incele ↗TEK VE ÇİFT DÖNGÜLÜ ÖĞRENME
Argyris ve Schön’ün örgütsel öğrenme yaklaşımı, mevcut kurallar içinde hatayı düzeltmek ile o kurallara yön veren varsayımları sorgulamak arasındaki ayrımı görünür kılar.
Çalışmalarımdaki karşılığıBir karar beklenen sonucu üretmediğinde yalnızca aksiyonu değil, hedefi, iş kuralını ve dayandığı kabulü de yeniden ele almak.
Kaynak künyesi ↓ÖRGÜTSEL BİLGİ YARATMA
Nonaka’nın SECI çerçevesi, örtük ve açık bilgi arasındaki dönüşümü sosyalleşme, dışsallaştırma, birleştirme ve içselleştirme süreçleriyle ele alır.
Çalışmalarımdaki karşılığıUzmanların deneyimlerini ifade edilebilir yöntemlere dönüştürmek ve bu yöntemlerin uygulamada yeniden gelişmesini desteklemek.
Özgün makale ↗DÖRT SEVİYELİ DEĞERLENDİRME
Kirkpatrick çerçevesi değerlendirmeyi tepki, öğrenme, davranış ve sonuç düzeylerinde ele alır. Özellikle davranışın işe aktarılması ve hedeflenen sonuçlar çalışmalarımda önemli bir yer tutuyor.
Çalışmalarımdaki karşılığıEğitimden önce beklenen davranışı, başlangıç durumunu ve takip edilecek iş göstergelerini tanımlamak. Sonuç değişimini tek başına eğitimin etkisi olarak kabul etmemek.
Resmî model açıklaması ↗03 / DÜŞÜNCEDEN UYGULAMAYA
Veriye dayalı yöntemler ve ortak karar deneyimi, Telkraft ve Promptever çalışmalarımın ortak dayanağını oluşturuyor.
DANIŞMANLIK UYGULAMASI
Kurum uzmanlarıyla kritik iş sorularına özgü veri tanımlarını, hesaplamaları ve iş kurallarını yapılandırıyoruz. Çalışmalarımızı kurumun veri sistemlerine bağlantı kurmadan yürütüyor, tekrar kullanılabilir reçeteleri, yöntemleri ve kodları kuruma teslim ediyoruz. Kurum bunları kendi sistemlerinde uygulayabiliyor. Yapay zekâ kullanımı zorunlu değil.
Telkraft’ı incele ↗
PrompteverÜRÜN GELİŞTİRME
Kurucusu olduğum Promptever, tanımlı çözüm yöntemlerini ve karar deneyimini ortak hafızada korur. Veri bağlantısı kurmadan ve yapay zekâ kullanmadan yöntemleri yapılandırabilir, tespitleri, öngörüleri ve kararları kaydedip hatırlayabilirsiniz. Veri sistemleri bağlandığında deterministik hesaplama sonuçları hafızanın kanıt temelini oluşturur. İnsanlar ve kullanmayı tercih ettiğiniz yapay zekâ araçları aynı yöntemleri ve geçmiş bağlamı kullanıp geliştirebilir.
Promptever, Türkiye Yapay Zekâ İnisiyatifi (TRAI) ekosisteminde yer alıyor.
Promptever’ı incele ↗04 / YAZILAR VE NOTLAR
Kurumsal öğrenmeye ilişkin düşünce notlarım. Bu alanı zamanla daha kapsamlı yazılar ve incelemelerle geliştireceğim.
Bir kararın tek başına kaydı, o kararın hangi koşullarda verildiğini açıklamaz. Kullanılan yöntem, mevcut bilgi, varsayımlar ve beklenen sonuç birlikte ele alındığında deneyimi yeniden değerlendirmek mümkün hale gelir.
Benim için öğrenme sorusu burada başlıyor: Gerçekleşen sonuç beklentimizden farklıysa, yalnızca aksiyonumuzu mu değiştireceğiz, yoksa kararın dayandığı kabulü de mi sorgulayacağız?
Uygulama perspektifi · Argyris–Schön ile ilişkilendirme
Bir uzmanın iyi bir sonuca nasıl ulaştığı her zaman bir dokümanda yazmaz. Hangi soruyu sorduğu, hangi veriye güvenmediği ve hangi koşulda yöntem değiştirdiği de uzmanlığın parçasıdır.
Bu bilgiyi yapılandırmak ortak çalışmayı kolaylaştırabilir. Ancak bir reçete yazmak bütün örtük bilginin aktarıldığı anlamına gelmez. Birlikte uygulama, geri bildirim ve yeni deneyimler bilgi üretimini sürdürür.
Uygulama perspektifi · Nonaka · SECI ile ilişkilendirme
Bir performans göstergesi eğitimden sonra iyileşebilir. Aynı dönemde süreç, ekipman, iş yükü veya ekip yapısı da değişmiş olabilir. Zamansal birliktelik tek başına nedensellik göstermez.
Bu nedenle ölçüm sorusunu eğitimden önce kurmayı önemsiyorum. Başlangıç seviyesi, beklenen davranış, uygulama koşulları ve mümkünse uygun bir karşılaştırma birlikte tasarlanmalıdır.
Uygulama perspektifi · Kirkpatrick L3–L4 odağı
CAN GÖKÇAY05 / HAKKIMDA
Teknoloji, ürün geliştirme ve EdTech alanlarında 25 yılı aşkın süredir çalışıyorum. CTO, teknik ürün yöneticisi ve proje yöneticisi rollerinde eğitim, sağlık, kamu ve kurumsal teknoloji alanlarında ulusal ve uluslararası 50’den fazla ürün ve projenin geliştirilmesine liderlik ettim.
Bugün çalışmalarım, insanların ve yapay zekâ çözümlerinin kurum verileri, deterministik hesaplamalar ve ortak hafıza üzerinden kurumsal öğrenmeye birlikte nasıl katkı sağlayabileceğine odaklanıyor. Kurumların veriye dayalı sonuçları çözüm ve karar deneyimine dönüştürmesi üzerine çalışıyorum. Telkraft’ta kurucu ortak ve CTO, Promptever’da kurucu ve ürün mimarıyım.
Bu site, kurumsal öğrenme üzerine okumalarımı, düşüncelerimi ve uygulama arayışlarımı bir araya getirdiğim kişisel çalışma alanım.
LinkedIn üzerinden iletişime geçin ↗Model açıklamaları özet niteliğindedir. Çalışma notları ve uygulama ilişkilendirmeleri bana aittir.