AI Okuryazarlığını Katılım Belgesinden Operasyonel Kanıta Taşımak

Eğitim tamamlandı işareti neden yetmez?

Bir çalışanın üretken yapay zekâ eğitimine katılmış olması, elindeki aracın hangi veriyi görebileceğini, hangi çıktının doğrulanması gerektiğini veya bir hatayı kime bildireceğini bildiği anlamına gelmez. AI okuryazarlığı, genel kavramları ezberlemekten çok belirli bir iş bağlamında güvenli ve eleştirel kullanım yeteneğidir. Finans ekibinin ihtiyacı ile pazarlama ekibinin ihtiyacı aynı değildir; sağlayıcı seçen satın alma personeli de son kullanıcıdan farklı sorular sormalıdır.

Avrupa Komisyonunun güncel AI okuryazarlığı açıklaması, sağlayıcı ve kullanıma alan tarafların çalışanları ile sistem üzerinde çalışan diğer kişilerin yetkinliğini destekleyecek önlemler almasına odaklanır. Güncel açıklama, her çalışanın bilgisini ölçen zorunlu tek bir sınav veya garanti edilmiş belirli bir seviye öngörmediğini de belirtir. Bu durum “ölçmeye gerek yok” şeklinde okunmamalıdır. Kuruluş, kendi riskine uygun kanıtı üretmek zorundadır; yöntemi rol ve bağlama göre tasarlamak daha anlamlıdır.

Önce roller, sonra müfredat

Küçük bir işletmede aynı kişi birden çok rol üstlenebilir. Yine de eğitim içeriğini görev bazında ayırmak mümkündür:

Son kullanıcı, hassas veriyi ne zaman girmemesi gerektiğini, çıktının olasılıksal olduğunu ve kaynak kontrolünü bilmelidir.
Süreç sahibi, kabul edilebilir kullanım amacı, insan onayı, hata eşiği ve durdurma koşullarını tanımlamalıdır.
Satın alma sorumlusu, sağlayıcının veri kullanımı, alt işlemcileri, değişiklik bildirimi ve çıkış imkanını sorgulamalıdır.
Teknik ekip, erişim yetkisi, günlükleme, sürümleme, güvenlik testi ve geri alma mekanizmalarını anlamalıdır.
Yönetici, verimlilik beklentisi ile doğruluk, mahremiyet ve hesap verebilirlik arasındaki dengeyi sahiplenmelidir.
İnsan gözetimi yapan uzman, öneriyi reddetme yetkisine ve dayanak belgelere erişime sahip olmalıdır.

Bu matris, herkese aynı iki saatlik sunumu vermekten daha küçük ama daha hedefli bir program kurulmasını sağlar.

Dört katmanlı öğrenme düzeni

İlk katman temel farkındalıktır: AI çıktısının neden kesin gerçek sayılamayacağı, kişisel veri ve ticari sırların nasıl korunacağı, dolandırıcılık ve sentetik içerik riskleri anlatılır. İkinci katman görev eğitimidir: çalışan gerçek iş örneklerinde doğru ve yanlış kullanım sınırlarını görür. Üçüncü katman kontrollü uygulamadır: katılımcı örnek bir çıktıyı kaynaklarla karşılaştırır, belirsizliği işaretler ve gerektiğinde sistemi durdurur. Dördüncü katman yenilemedir: model, politika, mevzuat veya süreç değiştiğinde kısa güncelleme yapılır.

Öğrenmenin kanıtı yalnız katılım listesi değildir. Senaryo sonucu, verilen karar, kullanılan eğitim sürümü, eğitmen, tarih ve gerekiyorsa tekrar ihtiyacı kaydedilebilir. Ancak eğitim kayıtlarının kendisi de kişisel veri içerebilir; gereksiz ayrıntı biriktirilmemeli ve erişim sınırlandırılmalıdır.

Finans ekibi için kritik ayrımlar

Bir model, nakit akışı hakkında açıklama yazabilir veya masraf belgesini sınıflandırmayı önerebilir. Bu çıktı muhasebe fişi, vergi görüşü ya da ödeme emri değildir. Eğitimde “öneri”, “taslak”, “uyarı” ve “kesin işlem” kavramları ayrı gösterilmelidir. Çalışan, AI önerisini kaynağı görmeden onaylamaması gerektiğini; tutar, vergi, hesap ve durum geçişlerinin sistemsel kurallarla ve yetkili insanla doğrulanacağını öğrenmelidir.

Aynı şekilde yüksek güven skoru da doğruluk garantisi değildir. Skorun neyi ölçtüğü bilinmiyorsa kullanıcıda yanlış güven yaratabilir. Eğitim, bir çıktının neden reddedildiğini kaydetmeyi ve modelin ısrarcı dilini kanıt gibi görmemeyi içermelidir.

Olaylardan öğrenen program

AI okuryazarlığı programının en değerli girdilerinden biri gerçek olaylardır. Yanlış alıcıya giden taslak, uydurulmuş mevzuat atfı, gizli bilginin prompta eklenmesi veya hatalı otomasyon denemesi olay havuzuna alınabilir. Amaç kişiyi suçlamak değil, kontrol açığını bulmaktır. Olay kaydında sistem sürümü, kullanım amacı, etki, tespit yöntemi ve düzeltici faaliyet bulunmalıdır.

Her olay yeni bir eğitim gerektirmez. Bazen sorun arayüzde, yetki tasarımında veya sağlayıcı değişikliğindedir. Eğitim, zayıf teknik kontrolün yerine kullanılmamalıdır. İnsanlardan sürekli dikkat beklemek yerine riskli işlemler deterministik kurallarla sınırlandırılmalıdır.

Basit bir ölçüm panosu

KOBİ, onlarca metrik yerine birkaç anlamlı gösterge seçebilir: rol bazında güncel eğitim oranı, kaynağı kontrol edilmeden kabul edilen örnek sayısı, bildirilen olayların kapanma süresi, tekrar eden hata türleri ve insan gözetiminin gerçekten kullanıldığı işlem oranı. Bu göstergeler cezalandırma için değil, programın kör noktalarını görmek için kullanılmalıdır. Sabit bir başarı eşiği evrensel değildir; riskli süreçler daha sık inceleme gerektirir.

Sürdürülebilir sonuç

AI okuryazarlığı sertifika klasörü değil, günlük iş davranışıdır. Rol matrisini kullanım senaryosu envanteriyle bağlamak, eğitimi gerçek örneklerle sınamak ve olaylardan geri besleme almak programı canlı tutar. AB kurallarının kapsamı ve takvimi değişebileceğinden güncel Komisyon metinleri izlenmeli; Türkiye’deki veri, iş ve sektör kuralları ayrıca değerlendirilmelidir. Her durumda AI çıktısı, uzman muhakemesinin ve kayıtlı insan onayının yerine konmamalıdır.

Yenileme tetikleyicilerini önceden yazmak

Takvimsel tekrar tek başına yeterli değildir. Yeni model sürümü, yeni veri kaynağı, sisteme eklenen bir araç yetkisi, mevzuat değişikliği, önemli hata veya ekip rolündeki değişim kısa bir yenileme oturumu başlatabilir. Oturumun kapsamı yalnız değişen noktaya odaklanırsa küçük ekiplerde yük azalır. Çalışanların soru sorabileceği ve belirsiz kullanım senaryosunu durdurabileceği açık bir kanal bulunmalıdır. Bildirilen tereddütler performans düşüklüğü sayılmamalı; aksine kontrol sisteminin çalıştığına dair sinyal olarak ele alınmalıdır.

Eğitim kaydı yalnız katılımı değil, kullanılan içeriğin sürümünü, örnek senaryoyu, değerlendirme sonucunu ve gerekiyorsa düzeltici eğitimi de göstermelidir. Böylece tamamlandı etiketi gerçek yeterlilikle karıştırılmaz.