AnswersPublished19 sources
Yapay zekâ giriş seviyesi işleri dönüştürüyor; peki yeni çalışanlar işi nasıl öğrenecek?
Yapay zekânın giriş seviyesi işler üzerindeki etkisi yalnızca iş ilanlarının azalması değil: Otomasyon, yeni çalışanların beceri kazandığı tekrar ve pratik fırsatlarını da ortadan kaldırabilir. Instructure yöneticisi Rachel Orston’a göre sunumlar, politika anlatımları ve sınavlar bilgiyi aktarabilir; ancak çalışanı...
YayımlayanGPT-6 Luna ile düzenlendiGörseller GPT Image 2 ile oluşturuldu
Research answer
Key takeaways
- Yapay zekânın giriş seviyesi işler üzerindeki etkisi yalnızca iş ilanlarının azalması değil: Otomasyon, yeni çalışanların beceri kazandığı tekrar ve pratik fırsatlarını da ortadan kaldırabilir.
- Instructure yöneticisi Rachel Orston’a göre sunumlar, politika anlatımları ve sınavlar bilgiyi aktarabilir; ancak çalışanı karmaşık vakalarda doğru karar vermeye tek başına hazırlamayabilir.[1]
- İşverenler temel uygulamayı, gerçekçi senaryoları, karar odaklı koçluğu ve deneyimli çalışanların gözetimindeki görevleri bir öğrenme basamağı olarak tasarlayabilir.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How is AI automation of routine entry-level work removing the training “on-ramp” for new employees, according to Instructure chief customer. Article summary: The central concern is a training gap, not simply job loss: automating junior tasks can remove the work through which beginners become capable professionals, while firms still need to develop future senior staff.[13] The. Topic tags: general, general web, user generated, government, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, wate
Yapay zekâ rutin işleri hızlandırabiliyor. Ancak bu işler, yeni başlayanların daha zor vakalara geçmeden önce pratik yapıp deneyim kazandığı birer basamak da olabiliyor. O basamaklar ortadan kalkarsa işverenler yalnızca bazı görevleri değil, yeni çalışanları deneyimli uzmanlara dönüştüren öğrenme yolunun bir bölümünü de kaybetme riskiyle karşı karşıya kalır.
Bu, eski görevlerin hepsini olduğu gibi korumak gerektiği anlamına gelmiyor. Asıl mesele, yapay zekâ rutin işleri üstlenirken uygulamanın, geri bildirimin ve rehberliğin de eğitimden çıkmaması.
Eğitim bilgi veriyor, peki çalışan işi yapmayı öğreniyor mu?
Instructure’ın müşteri ilişkilerinden sorumlu yöneticisi Rachel Orston, Shep Hyken’ın Forbes’ta yayımlanan yazısında şirketlerin çalışan eğitimini gerçekten ne ölçüde sağladığını sorguluyor. Orston’ın eleştirdiği yaygın yöntem tanıdık: Sunumları izlemek, ürün ve politikalar hakkında bilgi edinmek, sınava girmek ve ardından işi yapmaya hazır olmayı beklemek.1
Bu yöntem kuralları aktarabilir; ama bir kuralı hatırlamakla belirsiz bir durumda onu doğru uygulamak aynı şey değil. Bilgi eksik olduğunda, standart sürecin işe yaramadığı bir vakayla karşılaşıldığında ya da müşteri alışılmışın dışında bir desteğe ihtiyaç duyduğunda çalışanların muhakeme yürütmesi gerekir.
Rutin görevleri tekrar tekrar yapmak, yeni çalışanlara örüntüleri tanıma ve sıradaki adımı seçme fırsatı sunabilir. Yapay zekâ bu işleri üstlendikçe çalışanlar istisnai ve daha zor vakalarla karşılaşmadan önce daha az pratik yapabilir. Bu olası bir eğitim açığıdır; otomasyona alınan her görevin mutlaka değerli bir öğrenme deneyimi olduğu anlamına gelmez.
Pratikten muhakemeye uzanan bir öğrenme yolu kurmak
İşverenler, uygun rutin görevleri yapay zekâya devrederken yeni başlayanları yalnızca en zor vakalarla baş başa bırakmayacak bir işe alıştırma süreci tasarlayabilir:
- Temelleri uygulatarak öğretin. Yeni çalışanlara temel görevleri kendilerinin deneme ve sürecin mantığını kavrama fırsatı verin; yalnızca yapay zekânın ürettiği yanıtlara güvenmelerini beklemeyin.
- Gerçekçi vakalarla prova yaptırın. İstisnalar, çelişkili bilgiler ve ne zaman konuyu üst kademeye taşımak gerektiği gibi durumları içeren simülasyonlar ve rol canlandırmaları kullanın.
- Kararların arkasındaki akıl yürütmeyi değerlendirin. Çalışanın hangi kanıtları dikkate aldığını, yapay zekâ önerisini neden kabul veya reddettiğini ve ne zaman insan değerlendirmesine ihtiyaç duyduğunu birlikte gözden geçirin.
- Sorumluluğu destekle birlikte artırın. Yeni çalışanlar hazır olduklarını gösterdikçe daha karmaşık görevler verin; geri bildirim sunabilecek deneyimli bir ekip arkadaşını sürece dâhil edin.
Bunlar, otomasyonun azaltabileceği iş başında öğrenmenin bir bölümünü yapılandırılmış pratik ve geri bildirimle telafi etmeye yönelik önerilerdir. Simülasyon veya koçluğun tek başına sorunu çözdüğünü kanıtlayan sonuçlar olarak görülmemelidir.
Stajdan öte: Deneyim kazandıran çıraklık yaklaşımı
Vanessa Tang, The Straits Times’ta yayımlanan yazısında giriş seviyesi işlerin otomasyona uğramasının, yeni çalışanları geleceğin deneyimli uzmanları olarak yetiştirme ihtiyacını ortadan kaldırmadığını savunuyor.36 Başlangıç düzeyindeki bir rol iki işleve sahip olabilir: Bugün şirkete katkı sağlamak ve çalışanın ileride daha fazla sorumluluk alabilecek deneyimi edinmesine yardımcı olmak.
Bu nedenle bir programın adının “staj” ya da “çıraklık” olması tek başına belirleyici değil. Önemli olan; anlamlı görevler, düzenli gözetim ve geri bildirim sunup sunmadığı. Rutin işler otomasyona devrediliyorsa geriye kalan görevlerin de öğrenme fırsatı yaratacak biçimde düşünülmesi gerekebilir.
Singapur’dan aktarılan iki örnek, genç çalışanların rolünün ve iş deneyimi kazanma yollarının nasıl değişebileceğini gösteriyor. The Straits Times’ın haberine göre, yazılımcıların rutin kod yazma işinin yanına yapay zekânın hazırladığı taslakları güvenlik, mantık ve iş gereksinimleri açısından denetleme sorumluluğu da ekleniyor.18 Öte yandan Channel NewsAsia, yükseköğretim öğrencilerine üç yıl içinde toplam yaklaşık 3.000, bir yıl sürecek staj olanağı sunulacağını bildiriyor.
17 Biri genç çalışanların üstlendiği görevleri yeniden tasarlarken diğeri iş deneyimi kazanmak için daha uzun süreli fırsatlar sunuyor.
İstihdam verileri ne söylüyor, ne söylemiyor?
Stanford’un araştırması, yapay zekâya en çok maruz kalan mesleklerde 22–25 yaş grubundaki çalışanların istihdamında düşüşler görüldüğüne; bu örüntünün daha yaşlı çalışanlarda zayıflayıp ortadan kalktığına işaret ediyor.49 Stanford’la bağlantılı bir çalışma, şirket düzeyindeki şoklar hesaba katıldıktan sonra en fazla etkilenen mesleklerdeki kariyerinin başındaki çalışanların istihdamında yüzde 13’lük göreli düşüş bildirdi.
52 Bu, tüm giriş seviyesi işlerin yüzde 13’ünün ortadan kalktığı anlamına gelmiyor; farklı gruplar arasındaki göreli bir karşılaştırma.
Nedensellik konusunda da dikkatli olmak gerekiyor. Stanford, Canaries Dashboard’un mesleklerin yapay zekâya maruz kalma düzeyiyle istihdam eğilimleri arasındaki ilişkiyi ölçtüğünü, aralarında neden-sonuç bağı kurmadığını belirtiyor.51 Dolayısıyla bulgular belirli bir grup için dikkat çekici bir örüntüyü gösteriyor; bu örüntünün tek nedeninin yapay zekâ olduğunu kanıtlamıyor.
Forbes’un ABD Nüfus Sayım Bürosu araştırmacılarının çalışmasına ilişkin aktarımında, yapay zekâya daha fazla maruz kalan bölümlerden mezun olanların başlangıçtaki üç aylık kazançlarının, daha az maruz kalan disiplinlerdeki akranlarına kıyasla yaklaşık yüzde 13 daha düşük olduğu bildiriliyor.58 Kazanç verisi, istihdam edilen kişi sayısıyla aynı şey değil; bu oran kaç işin kaybolduğunun doğrudan ölçüsü olarak yorumlanmamalı. Stanford’un özetlediği başka araştırmalarda ise yapay zekâya maruz mesleklerde işe alımdaki değişimin en fazla sınırlı olduğu görülüyor.
54
Bu nedenle en isabetli sonuç, ne “yapay zekâ tüm giriş seviyesi işleri bitirecek” ne de “işe alım değişmedi, dolayısıyla sorun yok” demek. Kariyerinin başındaki çalışanlar için riskler mesleklere ve gruplara göre farklılaşırken, genç çalışanlardan beklenen işler de değişiyor. İşverenler ikisini birden izlemeli: Kimlerin işe alındığını ve yeni çalışanların deneyimli roller için gereken beceri ve muhakemeyi geliştirebilecekleri, desteklenen bir yolu hâlâ olup olmadığını.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Yapay zekâ giriş seviyesi işleri dönüştürüyor; peki yeni çalışanlar işi nasıl öğrenecek?"?
Yapay zekânın giriş seviyesi işler üzerindeki etkisi yalnızca iş ilanlarının azalması değil: Otomasyon, yeni çalışanların beceri kazandığı tekrar ve pratik fırsatlarını da ortadan kaldırabilir.
What are the key points to validate first?
Yapay zekânın giriş seviyesi işler üzerindeki etkisi yalnızca iş ilanlarının azalması değil: Otomasyon, yeni çalışanların beceri kazandığı tekrar ve pratik fırsatlarını da ortadan kaldırabilir. Instructure yöneticisi Rachel Orston’a göre sunumlar, politika anlatımları ve sınavlar bilgiyi aktarabilir; ancak çalışanı karmaşık vakalarda doğru karar vermeye tek başına hazırlamayabilir.[1]
What should I do next in practice?
İşverenler temel uygulamayı, gerçekçi senaryoları, karar odaklı koçluğu ve deneyimli çalışanların gözetimindeki görevleri bir öğrenme basamağı olarak tasarlayabilir.
Sources
forbes.comAI Is Changing How Employees Learn Their Jobs - Forbes
straitstimes.comApprenticeships, not internships, will boost fresh grad employment
channelnewsasia.com3,000 year-long internships to be offered to tertiary students as...