Yapay zeka yeteneklerine olan talep tüm zamanların en yüksek seviyesinde, ancak arz son derece sınırlı.
Bu çok değerli işe alımları çekmek ve elde tutmak için şirketlerin dört alanda başarılı olması gerekir:
- Önceden tanımlanmış rolleri doldurmak yerine beceri edinmeye odaklanın
- Yapay zeka çalışanlarının ne istediğini ve gizli yetenek havuzlarını nerede bulacağınızı anlayın
- Yapay zeka profesyonelleri için net ve ikna edici bir kariyer yolu belirleyin
- Yapay zeka yeteneğini bir bütün olarak kuruluşa dahil edin
Şirketler, yapay zeka yeteneklerinin benzersiz ihtiyaçlarını anlayarak ve etkileyici bir çalışan değer önerisi sunarak uzun vadeli bir yapay zeka avantajı oluşturabilir.Yapay zekadan en fazla değeri elde eden şirketler 10-20-70 kuralını takip ediyor: Yapay zeka çabalarının %10’u algoritma tasarlamaya, %20’si temel teknolojileri oluşturmaya ve %70’i insanları desteklemeye ve iş süreçlerini uyarlamaya gidiyor.
İnsanlardan ve süreçlerden en iyi şekilde yararlanmak için şirketlerin aşağıdaki soruları ele alması gerekir: (1) Sürdürülebilir yapay zeka yetenekleri oluşturmak için veri ve analitik yeteneklerini nasıl çekebilir, geliştirebilir ve elde tutabilirim? (2) Yapay zeka çözümlerinin benimsenmesini hızlı ve uygun ölçekte nasıl artırabilir ve gerçek iş dönüşümünü nasıl sağlayabilirim? (3) Yapay zekanın tüm avantajlarından geniş ölçekte yararlanmak için kuruluşumu nasıl yeniden yapılandırabilirim?
Yapay zeka ve makine öğrenimi, 2022’de en çok talep gören beceriler olarak ortaya çıktı ve veri bilimcilerinin işleri son beş yılda üç kattan fazla arttı. Talep, arzı geride bırakmaya devam ediyor. Yapay zeka çalışanlarının geleneksel çalışanlardan farklı iş beklentileri olduğundan, işe alma ve elde tutma çabalarının benzersiz ihtiyaçlarına göre uyarlanması gerekir.
Şirketlerin yapay zeka yeteneklerini işe alırken ve işe alırken yaptığı birkaç yaygın hatayı göz önünde bulundurun:
- Yapay zeka işe alımlarını cezbedecek teknolojiyle ilgili olmayan farklılaştırıcıları vurgulamadan teknoloji şirketleriyle kafa kafaya rekabet etmek
- Genel işe alım uzmanları tarafından yönetilen standart yavaş süreçle yapay zeka yeteneklerini işe almaya çalışmak
- İhtiyaç duyulan daha geniş beceri karışımını dikkate almadan son teknoloji veri bilimcileri için yüksek fiyatlar ödemek
- Yapay zeka çalışanlarını bir topluluk oluşturmadan işe almak ve onları yapay zeka tarafından eğitilmiş liderler altında kuruluşa dahil etmek
- İlerleme fırsatları sağlamadan yapay zeka yeteneklerini şiddetle işe almak
- Kuruluş içindeki yeniden beceri kazandırma fırsatlarını gözden kaçırmak
Şirketler bu tür hatalar yaptıklarında, yalnızca en iyi ve en parlakları işe almakta zorlanmakla kalmaz, aynı zamanda yüksek düzeyde yıpranmayla da karşı karşıya kalırlar. Bu, dijital alanlarda çalışan çalışanların %40’ının aktif olarak iş aradığı ve yaklaşık %75’inin yakın gelecekte mevcut rollerinden ayrılmayı beklediği günümüz iş piyasasında ciddi bir sorundur. İyi haber şu ki, yapay zeka yeteneklerini işe almak maliyetli bir ihale savaşına dönüşmek zorunda değil. Şirketler, bu çok aranan çalışanları bir işe girmeye neyin motive ettiğini ve buralarda kalmaları için ne gerektiğini anlamalıdır.
Yapay zeka dönüşümünü desteklemek için doğru yeteneği işe almak, veri bilimcileri ve makine öğrenimi uzmanlarından oluşan güçlü bir ekibi cezbetmek kadar basit değildir. Yapay zeka dönüşümü, veri altyapısını oluşturabilen kişiler (veri mimarları, çözüm mimarları, veri mühendisleri ve yazılım mühendisleri), veri yönetişimini yöneten çalışanlar (veri idaresi analistleri ve veri sorumluları) ve işletmeyle etkileşim kuranlar (ürün sahipleri ve etki alanı uzmanları) dahil olmak üzere çeşitli becerilere sahip yetenekler gerektirir.
İhtiyacınız olan becerilerin bir taksonomisini geliştirerek başlayın ve ardından bu becerileri en iyi nasıl edineceğinizi bulun. Bu yaklaşım, en iyi yeteneklerin kıt olduğu sıkı bir iş piyasasında özellikle önemlidir. Bir yapay zeka ekibi oluştururken, şirketler önceden tanımlanmış işleri doldurmak için insanları refleks olarak işe alma eğilimindedir. Ancak işletmeler genellikle bu rolleri doldurmakta zorlanıyor çünkü yapay zeka yeteneği çok pahalı ve bulunması zor. Şirketler, ihtiyaç duydukları becerilere odaklanarak etkili yapay zeka ekiplerini daha hızlı bir şekilde bir araya getirebilir.
Örneğin, küresel bir ilaç şirketi, yapay zeka yeteneklerini geliştirmek için dört veri bilimcisinden oluşan bir ekip kurmak istedi, ancak rekabet şiddetliydi. Yöneticiler, şirketin ihtiyaç duyduğu beceriler hakkında yaratıcı bir şekilde düşünerek, kaynak bulmaları çok daha kolay olan üç veri analisti tarafından desteklenen tek bir yüksek kalibreli veri bilimcisini işe alabileceklerini fark ettiler. Firma, önceden tanımlanmış rolleri doldurmak yerine doğru beceri karışımını bularak hızla güçlü bir ekip kurdu ve işe koyuldu.
Şirketlerin ayrıca yapay zeka için nasıl organize olacaklarına karar vermeleri gerekiyor. Çoğu, yapay zeka yolculuğuna geçici bir şekilde başlar. BT, veri mimarisine, sistemlere ve analitiklere sahiptir ve veri yetenekleri işletme geneline serpiştirilmiştir, ancak yapay zeka bilgisini paylaşmak için standartlaştırılmış roller veya “uygulama toplulukları” mevcut değildir.
Bu tür BT odaklı organizasyon, çözümleri işletme genelinde paylaşmayı zorlaştırır ve yapay zeka çalışanlarına dahili ilerleme için net bir yol sunamaz. Şirketler olgunlaştıkça, yapay zeka yeteneklerinin çoğu merkezi bir veri ve analiz merkezinde birlikte çalışmaya başlayacak ve roller standartlaşacaktır. Sonunda, veri yönetimini yönetmek, yetenekleri geliştirmek ve en iyi uygulamaları kodlamak için küçük, merkezi bir yapay zeka ekibi yerinde kalırken, yapay zeka yetenekleri işletmeye geri itilecektir.
Son olarak, yeni gelen yapay zeka yeteneğinin genel işgücü üzerindeki etkisini tahmin etmek çok önemlidir. Yapay zeka uzmanları iş süreçlerine dahil olacak, bu da iş uzmanlarının veri ve analitik hakkında çalışma bilgisi edinmesi gerektiği anlamına geliyor. Yapay zeka çözümleri devreye alındıkça, diğer çalışanların rolleri zaman içinde gelişecek ve muhtemelen yeni beceriler edinmelerini veya mevcut becerileri artırmalarını gerektirecektir. Ek olarak, süreçler yeniden tasarlanacak ve işletim modellerinin ayarlanması gerekecektir.
Kaynak:
Boston Consulting Group
