teknikbakis
Saha gözlemi · kurum içi yapay zekâ eğitimleri

İlk cevabı kabul ediyorlar: doğrulama döngüsü olmayan yerde AI derinleşmiyor

İK, özlük ve bordro ekiplerine verdiğimiz yapay zekâ eğitimlerinde en sık gördüğüm tıkanma şuydu: gelen ilk cevabı sorgulamadan alıyorlar. Aynı araçla çalışan bir yazılımcı ya da sistem yöneticisi ise beşinci turda hâlâ pazarlık ediyor. Aradaki fark yatkınlık değil. Geri bildirimin ne kadar sürede ve kime geldiği.

KAYIT TB-2026-005
KATILIMCI İK · özlük · bordro
FORMAT Tek seferlik seminer
TIKANMA İlk cevabı kabul
DAYANAK Saha gözlemi
TİP Gözlem + reçete
Dayanak notu Bu kayıt ölçülmüş veriye dayanmıyor

Sitedeki diğer kayıtların aksine bu yazı, sayılmış bulgulara değil eğitim oturumlarındaki doğrudan gözleme dayanıyor. Anket yapılmadı, kullanım telemetrisi toplanmadı. Aşağıdaki teşhis bir hipotezdir; kendi ekibinizde sınayıp çürütebilirsiniz — zaten yazının önerdiği tavır da tam olarak budur.

Gözlem

Eğitim salonunda iki grup insan aynı aracı kullanıyor. Yazılım ve sistem tarafındaki katılımcı bir cevap alıyor, okuyor, "bu senaryoda çalışmaz" diyip geri dönüyor. Üç dört tur sonra elinde işe yarar bir şey oluyor.

İK, özlük ve bordro tarafındaki katılımcı ise ilk cevabı alıyor, okuyor, kopyalıyor. Cevap akıcı, düzgün Türkçe, madde madde. İşi bitmiş görünüyor.

Buradan çıkarılan yaygın sonuç şudur: "teknik insanlar bu araçlara daha yatkın." Bu sonuç yanlış — ve yanlış olduğu için ona göre tasarlanan eğitimler işe yaramıyor.

Üç yanlış teşhis

  • "Teknik yatkınlık eksikliği." Aynı kişiler bordro mevzuatının karmaşık istisnalarını akıllarında tutuyor, tebliğ değişikliklerini takip ediyor. Zorluk toleransı sorunu yok.
  • "Prompt yazmayı bilmiyorlar." Prompt kalıbı öğretmek kısa vadede çıktıyı düzeltir, davranışı düzeltmez. Seminerden çıkan kişi kalıbı bir hafta kullanır, sonra yine tek cümleye döner.
  • "İlgilenmiyorlar." Gözlemim tersi: ilgi yüksek, beklenti yüksek. Tam da bu yüzden ilk cevap tatmin edici görünüyor.

Asıl teşhis: geri bildirim ne kadar sürede geliyor?

Bir yazılımcı yanlış cevabı kabul edemez, çünkü üç saniye sonra kırmızı bir hata satırı görür. Bu ceza anlıktır, ücretsizdir ve doğrudan onu bulur. Yüzlerce kez tekrarlandığında "gelen cevaba güvenme, sına" davranışı bir refleks hâline gelir. Kimse bunu ona öğretmemiştir; araç öğretmiştir.

İK ve bordro tarafında aynı döngü yoktur. Yanlış hesaplanmış bir kıdem tazminatı, eksik yazılmış bir aydınlatma metni ya da hatalı bir sözleşme maddesi ekranda kırmızıya dönmez. Sonuç aylar sonra gelir — bir denetimde, bir iş mahkemesinde, bir veri ihlali bildiriminde. Ve geldiğinde çoğu zaman o metni üreten kişiye değil, başka bir birime gelir.

 Yazılım / sistemİK · özlük · bordro
Hata ne zaman görünürSaniyelerHaftalar – aylar
Kime görünürÜreten kişiyeGenelde başka birime
BedeliSıfır (tekrar dene)Ceza, dava, itibar
"Doğru" ölçütüÇalışır / çalışmazİkna edici görünüyor mu
Günlük tekrar sayısıOnlarcaBirkaç
Oluşan refleksSına, sonra güvenGüven, çünkü sınayamıyorsun

Son satır meselenin özeti. İlk cevabı kabul etmek bir karakter zaafı değil, doğrulama imkânı olmayan bir ortamda tamamen mantıklı bir davranıştır. Sınama maliyeti belirsiz, sınama yöntemi belirsiz, sınamamanın anlık bedeli sıfır. Rasyonel seçim ilk cevabı almaktır.

ÇIKARIM

Derinleşme, motivasyondan değil ucuz ve hızlı yanlışlanabilirlikten doğuyor. Bir işte "yanlış"ı ucuza ve hemen görme imkânı yoksa, o işi yapan kişi hiçbir eğitimle iterasyon alışkanlığı kazanmaz. Önce döngüyü kurmak gerekir.

Diğer belirtiler aynı kökten çıkıyor

Eğitimlerde ayrıca şunları görüyoruz — ve her biri aynı mekanizmanın türevi:

  • Bağlam vermeme. Kişi kurumun kendi uygulamasını, toplu sözleşme maddesini, sektör istisnasını kafasında tutar ve modele söylemez. Çünkü eksik bağlamın bedeli anında ödenmez; model yine akıcı bir cevap üretir.
  • Tüm işi tek cümlede isteme. "Bize bir işten çıkarma prosedürü hazırla." Yazılımcı problemi zaten parçalayarak çalışır çünkü büyük parça derlenmez. Burada her büyüklükteki istek "derlenir".
  • Akıcılığı doğrulukla karıştırma. En tehlikelisi bu. Mevzuat metni düzgün Türkçeyle, madde numaralarıyla ve kendinden emin bir tonla yazıldığında doğru sanılıyor. Oysa uydurulmuş bir madde numarası, doğru olandan daha ikna edici görünür — çünkü modelin ürettiği metinde tereddüt yoktur.
Kritik İK verisi kişisel veridir

Bu ekiplerin işlediği malzeme özlük dosyası, sağlık raporu, ücret bilgisi ve sabıka kaydıdır. Bir denetimde, personel kimlik ve özgeçmiş belgelerinin herkese açık bir adreste durduğunu tespit etmiştik. Aynı hassasiyet yapay zekâ kullanımında da geçerli: çalışan verisini kurum dışı bir sohbet arayüzüne yapıştırmak veri aktarımıdır ve KVKK açısından ayrıca değerlendirilmesi gerekir. Eğitimin ilk otuz dakikası buna ayrılmazsa, geri kalanı risk üretir.

Tek seferlik seminer neden işe yaramıyor

Eğitimi tek oturumluk seminer olarak verdik. Bu formatın sınırını açıkça söylemek gerekiyor: doğrulama bir bilgi değil, alışkanlıktır. Bilgi bir oturumda aktarılır; alışkanlık tekrarla ve geri bildirimle oluşur. Seminer çıkışında herkes "sorgulamak gerektiğini" bilir. İki hafta sonra kimse sorgulamaz, çünkü sorgulamamanın bedeli hâlâ sıfırdır.

Yani sorun katılımcıda değil, eğitimin kendisinde kurgulanmış: davranış değişikliği hedefleyen bir içeriği, davranış değişikliği üretemeyen bir formatta verdik.


Reçete: önce döngüyü kur, sonra aracı öğret

Aşağıdakiler eğitim içeriği değil, kurumun kurması gereken düzenek. Araç eğitimi bunların üzerine oturursa tutar.

  1. Bilinen cevaplı görevle başlatın (kalibrasyon) Katılımcıya, doğru cevabını sizin zaten bildiğiniz üç görev verin: geçen ay kapanmış gerçek bir vaka, sonucu belli bir hesaplama, mevcut bir prosedür metni. Model yanılınca kişi bunu kendi gözüyle görür. Anlatılan şüphe kalıcı olmaz; yaşanan şüphe olur. Bu, yazılımcının kırmızı hata satırının yerine geçen şeydir.
  2. "Kaynağını göster" kuralını zorunlu kılın Mevzuat, tebliğ veya iç prosedüre dayanan her çıktı için kaynak istensin ve o kaynak elle açılıp bakılsın. Kaynak veremiyorsa çıktı kullanılmaz. Bu tek kural, uydurulmuş madde numaralarının büyük kısmını daha ilk turda eler.
  3. Doğrulama adımını sürecin içine gömün "Dikkatli olun" bir süreç değildir. Çıktının gideceği yere bir kontrol koyun: ikinci okuma, kontrol listesi, ya da yayına çıkmadan önce zorunlu bir onay alanı. Amaç, geri bildirimi aylardan dakikalara indirmek.
  4. Eğitimi kurumun kendi belgeleriyle yapın Genel örneklerle yapılan eğitim, genel sonuç üretir. Kendi sözleşme şablonunuz, kendi bordro senaryonuz, kendi aydınlatma metniniz kullanılırsa katılımcı modelin kendi işinde nerede yanıldığını görür — asıl öğreten an budur.
  5. Yanlış çıktı arşivi tutun Modelin ürettiği hatalı cevapları, doğrusuyla birlikte ortak bir yerde biriktirin. Bu hem kurumsal hafıza olur hem de "bu araç bazen kendinden emin biçimde yanılıyor" önermesini soyut olmaktan çıkarıp kanıta bağlar.
  6. Tek seferlik semineri ikiye bölün Kısa bir açılış oturumu, ardından iki-üç hafta sonra katılımcıların kendi denemeleriyle geldiği ikinci bir oturum. Alışkanlık ilk oturumda kurulmaz; ikinci oturumda kişinin kendi hatasıyla yüzleşmesiyle kurulur.
  7. Sınırı en başta çizin Hangi veri türü kurum dışı bir araca hiç girmez, bunu eğitimin ilk yarım saatinde netleştirin. Özlük dosyası, sağlık verisi, ücret bilgisi, kimlik belgesi. Sınır bilinmeden verilen her verimlilik eğitimi, ihlal riskini artırır.

Sonuç

Beyaz yaka ekipler yapay zekâyı yüzeysel kullanıyor değil — doğrulayamadıkları bir aracı makul biçimde kullanıyorlar. Yazılımcıyı derinleştiren şey merakı değil, yanıldığında bunu üç saniyede öğrenmesi.

Dolayısıyla kurum içi yapay zekâ eğitiminin ilk işi araç öğretmek değil, o üç saniyelik geri bildirimin yerine geçecek bir düzeneği kurmak. Döngü kurulduğunda derinleşme kendiliğinden geliyor; kurulmadığında hiçbir eğitim onu üretmiyor.

Ve bu, bu sitedeki teknik kayıtların tamamıyla aynı sonuç: sınanmamış her cümle bir varsayımdır. Bir sunucu için de, bir kıdem tazminatı hesabı için de.