Kurumsal Yapay Zeka Eğitiminin Etkisi Nasıl Ölçülür? Öncesi, Sonrası ve 30/60/90 Gün Takibi (2026)

Eğitim biter bitmez gelen ilk yorum genellikle "çok faydalıydı" olur. Memnuniyet anketi yüksek çıkar, yönetici memnun olur. Üç ay sonra bakıldığında ise ekibin yarısı eski alışkanlığına dönmüştür ve kimse bunun ne kadar olduğunu bilmez. Bunun sebebi eğitimin kötü olması değil, etkisinin hiç ölçülmemiş olmasıdır. Bu yazıda bir kurumsal yapay zeka eğitiminin etkisini eğitim öncesinde ve sonrasında nasıl ölçtüğümü, 30, 60 ve 90 günlük takibi ve dört seviyeli bakışı sade bir dille anlatıyorum. Genel bir yapay zeka yatırımının getirisini hesaplamak istiyorsanız yapay zeka ROI'si nasıl ölçülür yazısı daha uygun. Burada yalnız eğitimin kendi etkisine odaklanıyorum.

Kurumsal yapay zeka eğitiminin etkisi nasıl ölçülür?

Etki, eğitimden önce ve sonra aynı şeyleri aynı yöntemle ölçerek görülür. Ben dört şeye bakıyorum: görev başına süre, kullanım oranı, çıktı kalitesi ve çalışanın kendine güveni. Eğitimden önce başlangıç değerini kaydedin, eğitimden sonra 30, 60 ve 90. günlerde aynı ölçümü tekrarlayın ve farkı rakamla ve örnek çıktıyla gösterin. Memnuniyet anketi eğitimin güzel geçtiğini söyler, işin değiştiğini söylemez. Ölçüm yükünü hafif tutun: ekip başına beş görev ve kısa bir anket çoğu zaman yeterlidir. Amaç akademik bir araştırma değil, yöneticinin karar vermesini sağlayacak tutarlı bir karşılaştırmadır.

Kirkpatrick benzeri dört seviye yapay zeka eğitiminde nasıl uygulanır?

Eğitim ölçümünde yaygın kullanılan Kirkpatrick modeli, etkiyi dört seviyede inceler: tepki, öğrenme, davranış ve sonuç. Ben bu çerçeveyi yapay zeka eğitimine sadeleştirerek uyguluyorum. Her seviye bir öncekinin üstüne kurulur ve işin değerini asıl gösteren son ikisidir. Çoğu şirket yalnız birinci seviyede kalır, çünkü anket kolaydır. Oysa çalışan eğitimi çok beğenip işinde hiçbir şey değiştirmeyebilir. Bu yüzden her seviye için ayrı bir soru ve ayrı bir ölçüm belirlemek gerekir. Aşağıdaki tablo, benim eğitim sonrası ölçüm planlarında kullandığım karşılıklardır.

Dört seviyeyi birlikte okumak önemli. Tepki yüksek, davranış düşükse eğitim iyi ama işe taşınamamıştır. Davranış yüksek, sonuç düşükse araç kullanılıyor ama doğru işlerde kullanılmıyordur.

Eğitimden önce hangi başlangıç değerleri toplanmalı?

Eğitimden önce toplanması gereken beş başlangıç değeri vardır: seçilen görevlerde harcanan süre, kullanım oranı, çıktı kalitesi, revizyon sayısı ve çalışanların özgüveni ile engelleri. Eğitim öncesinde ölçüm yapmamış bir şirket, sonrasında ne kadar fark yarattığını kanıtlayamaz, yalnız hissettiğini söyler. Ekip başına üç ila beş tekrarlayan görev seçin. Bunlar rapor taslağı, müşteri e-postası, toplantı özeti ya da veri derleme gibi sık yapılan ve süresi kolay ölçülen işler olmalı. Ölçümün adil olması için eğitimden sonra da aynı görevleri, benzer zorlukta, aynı yöntemle ölçün.

• Görev başına süre: Seçilen görevlerin ortalama süresi. Çalışanın tahmini yerine kronometre ya da iş kaydı kullanın.
• Kullanım oranı: Ekipte kaç kişi araçları haftada kaç kez kullanıyor. Kurumsal plan yönetici panelinden ya da kısa anketten alınır.
• Çıktı kalitesi: Aynı çıktıları isim vermeden bir yönetici 1 ile 5 arasında puanlasın. Kriterler önceden yazılsın, örneğin doğruluk, ton, eksiksizlik.
• Revizyon sayısı: Bir çıktının onaya ulaşana kadar kaç tur düzeltildiği.
• Özgüven ve engeller: "Bu aracı işimde rahatça kullanabilirim" gibi bir ifadeye verilen puan ve açık uçlu "Beni ne durduruyor?" sorusu.

30/60/90 gün takibi nasıl yapılır?

30/60/90 gün takibi, eğitimden sonra davranışın kalıcı olup olmadığını üç noktada kontrol etmektir. Eğitimden hemen sonraki heves genellikle birkaç hafta içinde azalır, bu normaldir. Önemli olan, azalmanın nerede durduğudur. İlk 30 günde kullanımın yerleşip yerleşmediğine, 60. günde süre ve kalite farkına, 90. günde başlangıçla karşılaştırmaya bakıyorum. Her kontrol noktasında bir müdahale seçeneği de olmalı, aksi halde ölçüm yalnız rapor olarak kalır. Aşağıdaki tabloyu bir sayfalık takip planı olarak kullanabilirsiniz.

Takibi yapacak kişi bir yönetici ya da eğitimin iç sahibi olmalı. Eğitimi veren kişinin ölçüm yapması çıkar çatışması yaratabilir, ben genellikle ölçüm iskeletini kurar ve sahipliği şirkete bırakırım.

Zaman kazancı abartmadan nasıl hesaplanır?

Zaman kazancını hesaplarken önce görev başına süre farkını bulur, sonra çıktıyı kontrol etmeye harcanan süreyi düşersiniz. Net fark, ayda görevin kaç kez yapıldığıyla ve kişi sayısıyla çarpılır. Kontrol süresini atlamak, kazancı olduğundan yüksek göstermenin en yaygın yoludur. Çalışanın kendi bildirdiği tasarrufu da tek başına kullanmayın, çünkü insanlar genellikle iyimser tahmin eder. Bildirimi, süre kaydı veya örnek çıktı gibi bir kanıtla eşleştirin. Aşağıdaki hesap yalnız yöntemi göstermek için uydurulmuş varsayımsal rakamlarla yapılmıştır, kendi ekibinizin ölçümüyle değiştirin.

1. Önceki süre eksi sonraki süre: Bir görev 40 dakikadan 25 dakikaya indi, fark 15 dakika.
2. Kontrol süresini çıkarın: Çıktıyı doğrulamak 5 dakika alıyor, net kazanç 10 dakika.
3. Çarpanları uygula: Ayda 20 kez ve 10 kişi için 10 çarpı 20 çarpı 10 eşittir 2.000 dakika, yani yaklaşık 33 saat.
4. Parasal değere çevir: Bu aşamadan sonrası genel ROI hesabına girer. Saatleri o rolün maliyetiyle çarpmak için ROI yazısındaki hesap iskeletini kullanabilirsiniz.

Eğitimin etkisini ölçerken en sık hangi hatalar yapılıyor?

• Yalnız memnuniyet anketine bakmak: Birinci seviye kolaydır ama işte neyin değiştiğini göstermez.
• Başlangıç değeri almamak: Eğitim öncesi ölçüm yoksa fark da yoktur, yalnız izlenim vardır.
• Çok fazla gösterge toplamak: On beş metrik kimsenin işine yaramaz. Dört ya da beş gösterge yeterli.
• Kullanımı beceriyle karıştırmak: Aracı çok kullanan çalışan, onu iyi kullanan çalışan olmayabilir. Kullanım oranını mutlaka kaliteyle birlikte okuyun.
• Erken ya da tek seferlik ölçmek: Birinci haftadaki rakam heves rakamıdır. 90. gün ise alışkanlığı gösterir.
• Yöneticiyi sürece katmamak: Yöneticisi ölçümü sahiplenmeyen ekipte takip sessizce durur. Yönetici tarafını yöneticiler için yapay zeka rehberinde anlattım.

Ölçüm kötü çıkarsa ne yapmalı?

Kötü çıkan ölçüm başarısızlık değil, bir teşhistir. Rakamların hangi seviyede düştüğüne bakmak neyi düzelteceğinizi söyler. Kullanım düşükse sorun çoğunlukla beceri değil, erişim, belirsiz kurallar ya da yönetici desteğinin eksikliğidir. Süre azalmış ama kalite düşmüşse doğrulama alışkanlığı yeterince oturmamıştır. Kalite ve süre iyiyse ama kullanım yalnız birkaç kişide kalmışsa yaygınlaştırma sorunu vardır. Her durumun müdahalesi farklıdır, bu yüzden ölçüm ve aksiyon aynı plana yazılmalıdır.

• Kullanım düşük: Onaylı araca erişimi, kuralların netliğini ve yöneticinin örnek olup olmadığını kontrol edin.
• Süre azaldı, kalite düştü: Doğrulama alıştırmaları ve kontrol listesi ekleyin. Okuryazarlığın bu boyutu için yapay zeka okuryazarlığı yazıma bakabilirsiniz.
• Yalnız birkaç kişi kullanıyor: O kişilerin iş akışlarını ekip içinde paylaştırın, ortak şablon kütüphanesi kurun.
• Hiçbir gösterge oynamadı: Eğitimin içeriğini ekibin gerçek işleriyle yeniden eşleştirin. Genel anlatım kalmış olabilir.

Ölçümü nereden başlatmalısınız?

Benim önerim eğitimden önce, en yoğun kullanacak bir ekiple küçük başlamak. O ekip için beş görev seçin, başlangıç değerini kaydedin, 30, 60 ve 90. günlerde ölçün ve sonucu bir sayfada toplayın. Sonra aynı iskeleti diğer ekiplere taşıyın. Bu sıra, yeni bir pilotu nasıl kurduğunuzla da örtüşür, ayrıntı için yapay zeka pilot proje yazısına bakabilirsiniz.

Eğitimlerimi baştan ölçümle birlikte tasarlıyorum, yani hangi göstergelerin toplanacağını ekibinizin görevlerine göre eğitimden önce birlikte belirliyoruz. Ekibinize özel bir plan ve teklif için kurumsal yapay zeka eğitimi sayfasına bakabilir, ölçüm iskeletini mevcut yapınıza göre kurmak için danışmanlık tarafında görüşebiliriz.