Yapay zeka (YZ) konusunda danışmanlık yapan yönetim danışmanlarıyla zaman geçirmek, ortak reçeteleri ortaya koyar: tekrarlayan görevleri otomatikleştirin, evrak işlerini kolaylaştırın ve büyük veri setlerini daha hızlı işleyerek üretkenliği artırın. Erken YZ benimseme, rekabet avantajı kazanmanın yolu olarak görülüyor. Bu sayede sağlanan üretkenlik artışları gerçek olsa da, böyle bir verimlilik odaklı avantajın uzun ömürlü olması olası değildir çünkü piyasayı domine eden sadece birkaç büyük dil modeli—örneğin ChatGPT’yi güçlendirenler gibi—mevcut ve pek çok firma bu modellere uygun maliyetlerle erişebiliyor. Rakipler aynı YZ araçlarını benzer verimlilik hedefleri için kullandığında, genellikle benzer iş akışları ve hizmetler üzerinde yoğunlaşırlar; bu da farklılığı azaltır. Wharton Okulu’ndan Ethan Mollick, gerçek anlamda bir rekabet avantajı sağlamak için firmaların YZ’yi daha anlamlı biçimde kullanması gerektiğini savunuyor. Economist Impact ile yaptığı sohbette, Mollick YZ odaklı inovasyon için üç temel unsurdan oluşan bir çerçeve sunar: YZ ile deney yapan güçlendirilmiş çalışanlardan oluşan bir “kitle”, uygun teşvikleri belirleyen liderlik ve başarılı atılımları yakalayarak ölçeklendiren özel bir “laboratuvar”. Bu üç unsurun tamamına sahip olmak, gerçekten bir fark yaratabilir. İnovasyon, “alt seviyeden”—günlük verimsizliklerle ve yaratıcı fırsatlarla sıkça karşılaşan çalışanlardan—başlamalıdır. YZ araçlarının geniş erişilebilirliği ve uygun maliyeti sayesinde, görev yakınlarındaki personel kolayca YZ’nin potansiyel faydalarını deneyebilir; örneğin, bir pazarlama müdürünün kampanya fikirleri için YZ’yi denemesi veya bir avukatın notlar hazırlaması. Bu denemeler, zaman dışında pek maliyet getirmez ve faydalı içgörüler sağlar. Bu yaklaşımı destekleyen Mollick, Harvard, MIT ve BCG’nin ortak yürüttüğü saha deneylerinde, karmaşık ve bilgi yoğun görevlere OpenAI’nın GPT-4’ünü kullanan 750’den fazla danışmanın ortaya koyduğu çalışmaların, YZ kullanmayanlara göre yüzde 40 daha yüksek kalitede olduğunu bulmuştur; özellikle yazma, fikir üretme ve sentez gibi YZ’nin güçlü yönlerinin uygulandığı alanlarda belirgin öne çıkar. Liderlik, hırs ile güvenceyi dengeleyen önemli bir rol oynar.

Çalışanlar, YZ ile yapılan değişikliklerin beklenmesi gerektiğini anlamalı, ancak bu denemelerin işten çıkarma ile sonuçlanmayacağını bilmelidir. Mollick, çalışanların çoğunlukla “üretkenlik artışlarını” işten çıkarmalarla ilişkilendirdiğine vurgu yapar; bu nedenle açık iletişim çok önemlidir. Liderler (1) kişisel olarak YZ kullanarak örnek olmalı, (2) “YZ destekli bir dünyada şirketin geleceğine dair net ve spesifik bir vizyon” dile getirmeli—sıradan “YZ kullanın” çağrılarını aşarak—ve (3) firmanın değerlerini net biçimde belirlemeli, süreçler ile çıktıların arasındaki farkı ortaya koymalıdır. Örneğin, YZ birçok rapor veya kod üretebilir, ancak sadece çıktı hacmi önemli ise, firma yanlış hedeflere odaklanabilir. Liderler, değerin raporların üretim sürecine mi yoksa sonuçlara mı ait olduğunu tanımlamalı; böylece geleneksel metrikler olan çalışma saatleri veya tamamlanan görevler ötesine geçilmelidir. YZ odaklı inovasyonu teşvik etmek için firmalar, yalnızca teknik açıdan değil, aynı zamanda örgütsel açıdan da “bağlam sağlamalıdır”. Mollick’ün çerçevesi, firmaların deneme, öğrenme ve başarılı uygulamaları ölçeklendirme döngülerine katılmasını teşvik eder; böylece YZ’nin gerçekten değer kattığı alanlar keşfedilir. Bu sürekli öğrenmenin avantajı, her şirketin benzersiz bağlamına uyarlanarak, YZ’yi önemli inovasyonlar için kullanan ile sadece kademeli verimlilik sağlama arasında fark yaratır. Yapay zeka yakında artık yaygınlaşacak olsa da, onun potansiyelini ortaya çıkaran örgütsel bağlam, nadir bulunan bir kıymet olmaya devam edecektir.