"Learning That Feels Good"un dördüncü haftası ve son zamanlarda çok düşündüğüm bir konuyu konuşmak istiyorum.
Konuştuğum her öğrenme ve gelişim profesyoneli aynı soruyu soruyor: "İnsanların yapay zekayla etkili çalışmasına nasıl yardım ederiz?" Ama bence yanlış soruyu soruyoruz.
Doğru soru şu: "Yapay zeka her şeyi anında bilebiliyorken insanların öğrenmesine nasıl yardım ederiz?"
Bu, öğrencilerin ödevlerini ChatGPT ile yapmasıyla ilgili değil. Sizin çalışanlarınızla ilgili: yeni beceriler bağımsız olarak öğrenme kapasitesi mi geliştiriyorlar, yoksa düşünme işini yapay zekaya devretmeye mi bağımlı hale geliyorlar.
Çünkü bence daha doğrudan konuşmamız gereken şu: Yapay zeka yalnızca kurumların hangi yetkinliklere ihtiyaç duyduğunu değiştirmiyor. Çalışan profesyoneller için "öğrenmeyi öğrenmenin" ne anlama geldiğini de kökten değiştiriyor.
Buraya Daha Önce de Geldik (Bir Bakıma)
Yapay zeka, iktisatçıların "genel amaçlı teknoloji" dediği şey; elektrik, matbaa ya da buhar makinesi gibi. Öyle dönüştürücü teknolojiler ki yaptığımız işi iyileştirmekle kalmıyor, o işi yapma biçimimizi yeniden kuruyorlar.
Ve bu teknolojilerden biri her geldiğinde "öğrenme"nin ne demek olduğu değişiyor.
Matbaa (1440'lar): Gutenberg'den önce öğrenme ezber demekti. Keşişler ömürlerini metinleri ezberlemeye harcıyordu çünkü kitap nadir ve kıymetliydi. Baskıdan sonra? Ezber birden daha az önemli hale geldi. Öğrenme kavrayışa kaydı: Aristoteles'i ezbere okuyup okuyamadığınıza değil, onu anlayıp anlamadığınıza.
Brookings'ten Tom Wheeler bunu çok iyi özetliyor: Gutenberg "fikirleri ve bilgiyi esaretten kurtardı." Bilgi kıt olmaktan çıkıp erişilebilir hale geldi. Öğrenme becerisi de buna göre değişti.
Elektrik (1880-1920): Öğrenme yalnızca mum ışığından elektrik ışığına geçmedi. Elektriğin mümkün kıldığı fabrika düzeni eğitimin kendisini dönüştürdü. Modern okul sistemini icat ettik: yaşa göre sınıflar, standart müfredat, elli dakikada bir çalan ziller. Çünkü insanları fabrika işlerine hazırlamamız gerekiyordu. Öğrenme, uyum sağlamak ve talimat izlemekle eşanlamlı hale geldi.
İnternet (1990-2000'ler): Google geldi ve "bilgiyi bilmek" birden "bilgiyi nasıl bulacağını bilmek"ten daha az değerli oldu. Öğrenme yine kaydı: akılda tutmaktan erişmeye. Üç saniyede bakabilecekken Peru'nun başkentini neden ezberleyesiniz?
Her genel amaçlı teknoloji öğrenmenin çekirdek becerisini yeniden tanımlıyor. Ezber → Kavrayış → Talimat izleme → Bilgiye erişim.
Peki yapay zeka öğrenmeyi ne olarak yeniden tanımlıyor?
Ve öğrenme ve gelişim açısından daha önemlisi: Çalışanlarınızın ihtiyaç duyacağı bir sonraki beceri henüz var olmayabilecekken, ama var olduğu anda yapay zeka onu yapabilecekken, "öğrenmeyi öğrenmek" ne demek?
Yapay Zeka Neden Farklı?
İşte burası rahatsız edici.
Phil Rosen aklımdan çıkmayan kışkırtıcı bir çerçeve sunuyor: "ChatGPT, matbaanın tam tersini yapıyor."
Matbaa bilginin çoğalmasını sağladı. Daha çok kitap, daha çok fikir, daha çok erişim. İnsanların öğrenebileceğini genişletti.
Yapay zeka niteliksel olarak başka bir şey yapıyor. Bilgiyi genişletmiyor, damıtıyor. Devasa bilgiyi alıp lokma büyüklüğünde, kendinden emin görünen cevaplara sıkıştırıyor.
Rosen'in uyarısı: "İnsan kavrayışının bu gelişmelere paralel olarak artma zorunluluğu yok."
Bunu bir daha okuyun.
Daha zeki olmadan daha zeki görünebiliriz. Hiçbir şey öğrenmeden daha iyi iş üretebiliriz. Neden doğru olduğunu anlamadan doğru cevabı alabiliriz.
Ve göz önünde saklanan kriz bu.
Araştırmaların Gerçekte Gösterdiği
Öğrenme bilimi araştırmalarını okumaya çok vakit ayırıyorum. Ve kurumsal eğitimden sınıflara kadar farklı bağlamlarda beliren bir örüntü var; her öğrenme ve gelişim liderini kaygılandırmalı.
BCG Henderson Institute, 2024 (iş görevlerinde yapay zeka kullanan danışmanlar): Üretken yapay zeka kullanan bilgi çalışanları kodlama görevlerinde veri bilimcilerin referans performansının %86'sına ulaştı; yapay zekasız bu oran %29'du. Etkileyici bir verimlilik kazancı, değil mi?
Ama araştırmacıların bulduğu şu: "Yapay zekayla yapmak", "yapmayı öğrenmek" değildir. Görevleri üretken yapay zekayla tamamlayan katılımcılar altta yatan bilgiyi akılda tutmadı. Yapay zekayı kullanırken performans gösterebiliyorlardı. Onsuz gösteremiyorlardı.
Araştırma ekibinin sonucu: "Bu, yapay zekanın bir öğrenme aracı olmaktan çok bir koltuk değneği olarak kullanılmış olabileceğini gösteriyor."
Bu, yapay zekanın öğrenmeyi güçlendiremeyeceği anlamına gelmiyor. Harvard'ın 2025 tarihli bir fizik çalışması, özenle tasarlanmış bir yapay zeka öğretmeniyle çalışan öğrencilerin aktif öğrenme sınıflarındakilere göre iki katından fazla öğrendiğini buldu; çünkü o yapay zeka düşünmeyi değiştirmek için değil teşvik etmek için tasarlanmıştı. Fark ne? Kasıtlı öğrenme tasarımı.
Bu örüntü kurumsal ortamlara özgü değil. Wharton/Penn'in titiz bir çalışması (2024, hakemli, PNAS'ta yayımlandı) matematik pratiği için ChatGPT kullanan yaklaşık 1.000 öğrencide aynı dinamiği buldu.
ChatGPT kullanan öğrenciler pratik performansını %48 artırdı. Sonra sınava yapay zeka olmadan girdiler ve ChatGPT'yi hiç kullanmamış öğrencilerden %17 daha kötü sonuç aldılar.
Araştırmacılar öğrencilerin onu nasıl kullandığını izledi. Yapay zekayı daha iyi düşünmek için kullanmadılar. Koltuk değneği olarak kullandılar. Çözümleri kopyaladılar. Zorlanmayı atladılar. Anlamak için değil, görevi bitirmek için optimize ettiler.
Yapay zekayla yapmakta iyileştiler. Öğrenmekte kötüleştiler.
MIT Media Lab'in ön çalışması (2025, henüz hakemli değil, 54 katılımcı) benzer beyin etkinliği örüntüleri buldu: ChatGPT kullanıcılarında bağımsız çalışanlara kıyasla %34-48 daha az sinirsel bağlantı görüldü. Katılımcıların %80'inden fazlası kendi yazdıkları metinden temel içeriği hatırlayamadı.
Çalışma küçük ve yalnızca deneme yazımıyla sınırlı, ama BCG ve Wharton bulgularıyla birleşince bağlamlar arası tutarlı bir örüntü ortaya çıkıyor.
Bunun öğrenme ve gelişim için anlamı:
Yapay zekayla performans ≠ Yapay zekasız yetkinlik
Çalışanlarınız yapay zeka destekli eğitim modüllerini %95 puanla tamamladığında gerçekte ne öğrendiler? Rapor taslağı hazırlamak, analiz yapmak ya da problem çözmek için yapay zeka kullandıklarında uzmanlık mı inşa ediyorlar, düşünmeyi mi dışarıya veriyorlar?
En önemlisi: Yeni becerileri bağımsız olarak öğrenmeyi mi öğreniyorlar, yoksa yapay zeka kullanmayı mı?
Bunlar aynı şey değil.
"Öğrenmeyi Öğrenmek" Şimdi Gerçekte Ne Demek
Yapay zeka öğrenmenin anlamını değiştiriyorsa, yeni beceri nedir?
Araştırmalar aynı cevaba işaret ediyor, herkes farklı ifade etse de:
Ethan Mollick: "Uzmanlığa giden yol olgulara dayanmayı gerektirir. Temel bilgi, örüntüleri görmenizi, hataları yakalamanızı ve yapay zeka çıktısını değerlendirmenizi sağlar."
Sal Khan: "Yapay zeka tasarımı gereği Sokratik olmalı; doğrudan cevap vermeyi reddetmeli. Şunu sormalı: 'Sizce bir sonraki adım ne?'"
James C. Kaufman (UConn, 2026): "Yapay zeka fikir üretmekte, fikirleri değerlendirmekten çok daha iyi. Yapay zeka B+ seviyesinde iş üretiyorsa, zaten A seviyesinde çalışan biri onu seçici biçimde kullanabilir. Ama bunun altındaki biri için? Yapay zeka onun tavanı olur."
Benim sentezim:
Yapay zeka çağında öğrenmeyi öğrenmek şu demek:
Önce temel bilgiyi kurmak; çünkü hataları görecek kadar bilmiyorsanız yapay zekanın söylediğini değerlendiremezsiniz
Muhakeme geliştirmek; yapay zekanın gerçek anlayışa ne zaman yardım ettiğini, ne zaman engel olduğunu ayırt edebilme
Üretken zorlanmayı korumak; çünkü düşünmeyi destekleyen sinirsel yollar ancak gerçekten düşündüğünüzde kuruluyor
Ya da Robert Pondiscio'nun deyişiyle: "Deneme yazmak için yapay zekaya dayanan öğrenciler mükemmel iş teslim edebilir, ama mükemmel düşünme yapmamışlardır."
Ve her öğrenme ve gelişim profesyonelinin ezberlemesi gereken Daniel Willingham ilkesi:
"Bellek, düşüncenin tortusudur. Yapay zeka düşünme ihtiyacını ortadan kaldırıyorsa, hatırlama fırsatını da ortadan kaldırır."
Öğrenme ve Gelişimin Gerçekten Kullanabileceği Çerçeve
Bulduğum en kullanışlı çerçeve Inside Higher Ed'de 2025'te yayımlanan bir makaleden geliyor ama kurumsal eğitime birebir çevriliyor. Üç kelime:
İLE / HAKKINDA / OLMADAN
Yapay zeka İLE öğrenme: Çalışanların yapay zekayla düşünme ortağı olarak çalıştığı deneyimler tasarlayın. Yapay zeka hangi işleri gerçekten hızlandırıyor? İşi ne zaman ona devretmeli?
Yapay zeka HAKKINDA öğrenme: Yapay zekanın nasıl çalıştığını anlatın. Sınırları neler? Nerede halüsinasyon görüyor? Çıktısını nasıl doğrularsınız? "%85 güven" pratikte ne demek?
Yapay zeka OLMADAN öğrenme: Bağımsız düşünmeye alan koruyun. Çünkü çalışanlar bir beceri için hep yapay zeka kullanırsa, yapay zeka yokken ya da yanılıyorken işlev görmelerini sağlayacak düşünme kapasitesini hiç kurmazlar.
Şu an çoğu program yalnızca birincisini yapıyor. İnsanlara işleri için yapay zeka kullanmayı öğretiyorlar. Ama "hakkında"yı atlıyor, "olmadan"ı görmezden geliyorlar.
BCG sonucu da böyle çıkıyor: yapay zeka ile harika performans gösteren ama onsuz işlev göremeyen çalışanlar.
Daha kötüsü: onsuz işlev göremediğini bilmeyen çalışanlar, çünkü performans göstergeleri gayet iyi görünüyor.
Benimseme Verisi Ne Gösteriyor
Şu an bulunduğumuz nokta:
Öğrenme ve gelişim profesyonellerinin %80'i yapay zekayı önemli görüyor. Ama yalnızca %25'i onu öğrenme stratejilerine düzenli olarak dahil ediyor. (Training Industry, 2026)
Çalışanlar yapay zekayı liderlerinden üç kat hızlı benimsiyor. İş görevlerinde, öğrenmede, problem çözmede kullanıyorlar. Ve öğrenme ve gelişim biriminin, onların gerçekte ne öğrendiğine karşılık neyi devrettiğine dair hiçbir görünürlüğü yok.
Çekirdek iş gücü becerilerinin %39'u beş yıl içinde değişecek. (Dünya Ekonomik Forumu, 2025) Ama çalışanlarınız bu becerileri öğrenmek yerine yapay zekayla yerine getiriyorsa, beceriler yeniden değiştiğinde ne olacak?
Bu bize ne söylüyor?
Dağınık bir ara dönemdeyiz. İnsanlar yapay zeka kullanıyor. Ama öğrenme ve gelişim, onu bağımlılık değil yetkinlik inşa edecek biçimde nasıl entegre edeceğini henüz çözemedi.
Ve öğrenme kapasitesini korumadan performans göstergeleri için optimize ettiğimiz her gün, inşa ettiğimiz yetkinlik açığı büyüyor.
Aklınızda Kalmasını İstediğim Tek Şey
Öğrenme deneyimi tasarlıyorsanız, ister eğitim programı kuruyor, ister tedarikçi değerlendiriyor, ister iş liderlerine strateji danışmanlığı yapıyor olun, yapmanız gereken kayma şu:
Soru şundan: "Yapay zeka bunu nasıl daha hızlı, kolay, ilgi çekici yapar?"
Şuna kayıyor: "Bu öğrenme deneyiminde yapay zeka nerede gerçekten yetkinlik inşasını destekliyor, nerede onun yerine geçiyor olabilir?"
Çünkü araştırmaların gösterdiği şu:
Performans artıyor. Yetkinlik inşası zayıflıyor. Bunlar aynı şey değil.
Yapay zeka, çalışanları daha yetkin yapmadan daha yetkin gösterebilir.
Kazanacak kurumlar, yapay zekayı yetkinliğin yerine geçecek değil onu inşa edecek biçimde entegre etmeyi anlayanlar olacak; hangi işleri yapay zekanın üstlenmesi, hangilerinin insan zihinsel çabası gerektirdiğini bilerek.
Yapay zeka çağında öğrenmeyi öğrenmek, yapay zeka kullanmayı öğrenmek değil.
Ne bildiğinizi, ne bilmediğinizi ve ne tür yardıma ihtiyacınız olduğunu bilme kapasitesini, yani üstbilişi geliştirmek demek.
Yapay zekanın gerçek öğrenmeyi ne zaman hızlandırdığı, ne zaman sadece düşünmeyi devrettiği konusunda muhakeme kurmak demek.
Ve öyle deneyimler tasarlamak ki yapay zeka angaryayı üstlensin, çalışanlar zihinsel çabalarını gerçekten uzmanlık inşa eden zorluklara ayırabilsin; yapay zekanın halletmesi gereken işlerle boğuşarak değil, yapay zekanın yapamadığı düşünmeye derinlemesine girerek.
Haftaya kadar: Ekibinizin tasarladığı bir öğrenme deneyimine ya da değerlendirdiğiniz bir tedarikçi çözümüne bakın ve şunu sorun: bu, yapay zekayla da onsuz da eleştirel düşünebilen çalışanlar mı yetiştiriyor, yoksa kendilerinin yapması gereken düşünme için yapay zekaya bağımlılık mı yaratıyor?
Cevap sizi şaşırtabilir.
Bu yazı size denk düştüyse, programlarında yapay zekayla yol almaya çalışan bir meslektaşınıza gönderin. Ve bu ilkelerin kendi öğrenme ve gelişim zorluklarınıza nasıl uyduğunu konuşmak isterseniz bu e-postayı yanıtlayın. Hepsini okuyorum.