Kariyeriniz İçin Senaryo Planlama: Tahmine Dayanmadan Karar Vermek İçin Üç Gelecek Çalışma Sayfası

Özet. Bir kariyerin tek bir olası gelecekte değil, birkaçında ayakta kalması gerekir. Ocak 2026’da ABD’deki medyan ücretli ve maaşlı çalışan, mevcut işvereninde 4,1 yıldır çalışıyordu; 1957-64 doğumlular ise 18 ile 58 yaş arasında ortalama 12,9 işte çalıştı. Resmi veriler hangi geleceğin gerçekleşeceği sorusunu çözmüyor: BLS’nin “Çok yüksek” yapay zeka maruziyeti etiketini paylaşan mesleklerin 2025 ile 2035 arasında eksi %34,4 ile artı %34,6 arasında herhangi bir oranda değişmesi öngörülüyor. Senaryo planlama bu durum için geliştirilmiş kurumsal araçtır, ancak kanıtlar ona farklı bir görev biçiyor: olasılık eğitiminden daha zayıf bir tahmin aracıdır ve saha deneylerinde uzmanların güvenini değiştirmedi (önce 0,811, sonra 0,814). Yaptığı şey, uzmanları esnek seçimlere yöneltmekti: en az esnek stratejiye verilen destek %65,2’den %50,1’e düştü. CEO hamlesi: kariyer sermayenizi pişmanlıksız hamleler, opsiyonlar, korunma hamleleri ve bahisler olarak bölün; ne zaman yön değiştireceğinizi söyleyen eşikli yol işaretleri belirleyin. Öğrenci hamlesi: öğrenme zamanınızın çoğunu yalnızca umduğunuz gelecekte değil, üç geleceğinizin üçünde de karşılığını veren becerilere ayırın.

Bu yazı CEOtudent’in önceki çalışmalarının üzerine kuruluyor. Öngörü yöntemleri sıralaması, senaryo eğitiminin tahmin doğruluğu için ölçülen en zayıf kaldıraç olduğunu ortaya koydu; bu yüzden burada araç tahmin için değil, sağlamlık için kullanılıyor. Çalışma sayfasındaki yol işaretleri zayıf sinyaller için kişisel erken uyarı paneline bağlanıyor, zaman ufku ise vizyon ufku merdivenini izliyor.

Senaryo planlama tek bir kariyer için ne yapabilir, ne yapamaz?

Senaryo planlama kurumsal pratiğe Royal Dutch Shell aracılığıyla girdi. Phadnis ve meslektaşlarının aktardığına göre Shell’in 1973 petrol krizine verdiği yanıt “senaryo planlamayı kurumsal radara soktu” ve 1981’e gelindiğinde Fortune 1000 şirketlerinin %38’i bu yöntemi kullandığını bildiriyordu (yazarlar bu rakamı Linneman ve Klein’dan aktarıyor). Sezgisel mantık (intuitive logics) okulunun parçası olan standart senaryo eksenleri tekniği, hem önemli hem de gerçekten belirsiz olan iki gücü bulur, bunları ikiye ikilik bir tabloda çaprazlar ve her çeyrek için bir hikaye yazar. 12 gelecek düşüncesi aracını kapsayan Futures Toolkit’in sahibi UK Government Office for Science, temel varsayımı açıkça ortaya koyuyor: “Senaryolar tahmin değildir”.

Doğrulanmış veri. Senaryo kullanımına ilişkin kontrollü çalışmaların bulguları.

Çalışma	Katılımcılar	Ne değişti	Ne değişmedi
Mellers vd., Psychological Science, 2014	Koşullara rastgele atanan tahmin turnuvası gönüllüleri	Senaryo eğitimi doğrulukta eğitimsiz koşulu geride bıraktı	Olasılık eğitimi senaryo eğitimini geride bıraktı, t(1053) = 2,23, p = 0,026
Phadnis vd., Strategic Management Journal, 2015	30 yıllık ulaşım yatırımlarını değerlendiren saha uzmanları	En az esnek stratejiye verilen destek %65,2’den %50,1’e düştü; daha esnek bir seçenek %12,3’ten %23,1’e çıktı (351 yargı çifti, 27 uzman)	Ortalama güven: önce 0,811, sonra 0,814
Kuhn ve Sniezek, 1996 (yalnızca özet)	50 yıl sonrasını tahmin eden 186 katılımcı	Senaryoların sayısı ve türü öznel belirsizliği etkiledi	Çelişen senaryolarda bile güven arttı
Schoemaker, 1993 (özet ve Phadnis vd.)	MBA öğrencileri	Senaryo çalışmasından sonra güven aralıkları genişledi	Phadnis vd.’ye göre kontrol grubu yok
Meissner ve Wulf, 2013 (yalnızca özet)	252 lisansüstü işletme öğrencisi	Çerçeveleme yanlılığı azaldı; karar kalitesi geleneksel planlama araçlarını geride bıraktı	Öğrenci örneklemi; Phadnis vd. kalite ölçüsünü öz bildirime dayalı buluyor
Goodwin vd., 2019	114 ve 90 işletme öğrencisi	Zıt bir senaryo, tahminleri daha uç değerlere itti	Karşıt senaryolar gösterildiğinde güven arttı

Kaynaklar: her satırda adı geçen makaleler; tam künyeler aşağıda.

Doğruluk ve kalibrasyon konusunda kayıt zayıf ve karışık: senaryo eğitimi, eğitim verilen iki koşulun zayıf olanıydı; Schoemaker’ın MBA öğrencileri güven aralıklarını genişletirken Kuhn ve Sniezek ile Goodwin deneylerinde güven arttı, saha uzmanlarında ise hiç kıpırdamadı. Phadnis ve meslektaşları, çoklu senaryoların “aşırı güven için bilişsel bir onarım olmayabileceği” sonucuna varıyor. Karar sağlamlığı konusunda tablo daha umut verici: uzmanlar yargılarını, her yatırımın kullandıkları senaryoda nasıl bir sonuç verdiğine göre revize etti ve birkaç senaryodan sonra esnek stratejilere yöneldi. Wright, Bradfield ve Cairns, yöntemin tasarımından yola çıkarak uyumlu bir hükme ulaştı: sezgisel mantık, anlayışı derinleştirmek ve geleneksel düşünceye meydan okumak için kurgulanmıştır ve tek bir geliştirme dışında kararları iyileştirmeyi doğrudan ele almaz; bu yüzden “senaryo planlama” teriminin yanlış bir adlandırma olduğunu söylüyorlar.

İki uyarı. Kanıt tabanı ince: Phadnis ve meslektaşları daha önce yapılmış yalnızca üç deneysel çalışma buldu, hepsi öğrencilerle yapılmıştı; ayrıca Paul Schoemaker’ın yararlılık kanıtlarını “anekdot düzeyinde” nitelendirdiğini aktarıyorlar. Cordova-Pozo ve Rouwette’in 2023 tarihli derlemelerin derlemesi, belirli teknikler için etki kanıtı bulunduğunu not etmekle birlikte, alanın zorlukları arasında hala “etkinliğine dair kanıt kıtlığını” sayıyor. Üstelik bu çalışmaların hiçbiri kariyerleri ölçmedi; dolayısıyla yöntemi tek bir kişiye uygulamak editoryal bir çıkarımdır.

Çalışma kuralı: birkaç gelecekte ayakta kalan hamleleri seçmek için senaryoları kullanın; tahmin etmeniz gereken her şey için temel oranları ve olasılık araçlarını kullanın.

Bir kariyer neden birden fazla geleceğe ihtiyaç duyar?

Çünkü temel oranlar mevcut işinizin büyük olasılıkla son işiniz olmayacağını söylüyor ve titiz resmi tahminler, tek bir temel senaryonun plan sayılamayacağı kadar sık yanıldı.

Doğrulanmış veri. Kariyer planlaması için temel oranlar.

Ölçüt	Değer	Kaynak ve çekince
Mevcut işverende medyan kıdem, Ocak 2026	4,1 yıl (Ocak 2024’te 3,9)	BLS Employee Tenure. İki yılda bir yapılan anket; çalışanların yaş bileşimi medyanı etkiler
Medyan kıdem, 25-34 yaş ile 55-64 yaş	3,0 ile 9,6 yıl	Aynı yayın
İşvereninde bir yıl ya da daha kısa süredir çalışanlar	%20,6	Aynı yayın
18-58 yaş arasında çalışılan iş sayısı, 1957-64 doğumlular	Ortalama 12,9	BLS, NLSY79, 9.964 katılımcı. Tek bir kuşak
45-54 yaşında başlanıp beş yıl içinde sona eren işler	%56 (%21’i bir yıl içinde)	Aynı yayın
BLS 1988-2000 projeksiyonları ile naif ekstrapolasyon	“çoğu durumda” benzer	Stekler ve Thomas, Monthly Labor Review, 2005
2000’e kadar en hızlı büyümesi öngörülen 20 meslekten	6’sında gerçekleşti	Aynı kaynak; 338 meslekte sıra korelasyonu: 0,43
BLS 1996-2006 projeksiyonları	Naif modelleri geride bıraktı, ancak konut balonunu ve petrol fiyatı artışını ıskaladı	Wyatt, Monthly Labor Review, 2010

Kaynak: U.S. Bureau of Labor Statistics yayınları ve adı geçen Monthly Labor Review değerlendirmeleri.

Değerlendirme satırları BLS’nin kendi dergisinde yayımlandı. Titiz uzun vadeli tahminler bile geniş bantlı temel senaryolardır; senaryo planlama tam da bu durum için tasarlandı.

Yapay zeka maruziyeti puanı, üzerine plan yapılabilecek bir tahmin midir?

Hayır; en bilinen puanın arkasındaki kurum da bunu söylüyor. BLS, 2025-35 projeksiyonlarıyla birlikte 831 ayrıntılı mesleğin her biri için beş dış kaynaktan oluşturulan göreli bir yapay zeka maruziyeti kategorisi (Düşük, Orta, Yüksek ya da Çok yüksek) yayımladı. Metodoloji sayfası açık sözlü: “Bir maruziyet kategorisi, istihdam artışı ya da düşüşü tahmini değildir.” Kategoriler “otomasyondan kaynaklanan yapay zeka etkileri ile güçlendirmeden (augmentation) kaynaklananları birbirinden ayırmaz” ve teorik kaynaklar “en geç 2023 ortasına kadar” mevcut olan yetenekleri yansıtır.

831 ayrıntılı meslek için BLS yapay zeka maruziyeti kategorileri ve 2025-35 istihdam projeksiyonlarının CEOtudent analizi.

Göreli yapay zeka maruziyeti	Meslek sayısı	2025 istihdamındaki pay	Öngörülen değişim, 2025-35	Meslekler arası aralık	Küçülmesi öngörülen mesleklerdeki istihdam payı
Düşük	213	%17,8	+%2,5	eksi %23,0 ile artı %23,0 arası	%16,2
Orta	206	%26,2	+%6,2	eksi %22,8 ile artı %36,5 arası	%9,3
Yüksek	206	%24,8	+%3,1	eksi %27,6 ile artı %41,0 arası	%31,5
Çok yüksek	206	%31,3	+%2,0	eksi %34,4 ile artı %34,6 arası	%39,6
Tüm meslekler	831	%100	+%3,5

BLS veri dosyasından hesaplanmıştır. Kategori değişimi, toplam 2035 istihdamının toplam 2025 istihdamına göre değişimidir; “küçülmesi öngörülen”, yayımlanan yüzde değişimin negatif olması anlamına gelir. Çok yüksek grubunda uç değerler kelime işlemci operatörleri ve daktilograflar ile veri bilimcileridir.

Çok yüksek grubunun ekonomiden daha yavaş büyümesi öngörülüyor (%2,0’a karşı %3,5) ve küçülen mesleklerdeki iş payı en yüksek olan grup bu. Yine de bu tek etiketin içinde projeksiyonlar 69 yüzde puanlık bir aralığa yayılıyor ve grubun işlerinin yaklaşık onda altısı, büyümesi ya da yerinde kalması beklenen mesleklerde bulunuyor. Futures Toolkit’in terimleriyle “önceden belirlenmiş unsur” (predetermined element) yüksek etkiye “ve kesin bir sonuca” sahiptir; “kritik belirsizlik” (critical uncertainty) ise önemlidir ama “belirsiz bir sonucu” vardır. Çoğu kariyer için yapay zeka maruziyeti ikinci kutuya aittir; senaryo ekseni de tam olarak bunun içindir.

Üç Gelecek Çalışma Sayfası

CEOtudent editoryal çerçevesi. Sezgisel mantık yaklaşımını, RAND’in Varsayıma Dayalı Planlamasını (Assumption-Based Planning; Dewar ve meslektaşları, 1993) ve Futures Toolkit’in stres testini tek bir kişiye uyarlar. Bir müdahale olarak test edilmemiştir.

Neden dört değil, üç gelecek. Kurumsal standart dört çeyreğin dördünü de geliştirir. Bu çalışma sayfası ikiye ikilik tabloyu korur ama üçünü geliştirir; bu editoryal bir tercihtir. Bir birey kolaylaştırıcı olmadan çalışır ve Toolkit yalnızca bir grup senaryo atölyesi için en az 4-5 saat öngörür. İki gelecek, en iyi duruma karşı en kötü durum ikiliğine çökme eğilimindedir; Goodwin ve meslektaşlarının tahminlerin uçlara kaydığını ve güvenin arttığını gördüğü format da budur. Üç gelecek, yeniden okuyacağınız tek bir sayfaya sığar. Bilinen bedeli şu: ortadaki senaryo “en olası” senaryo olarak okunmaya davetiye çıkarır; bu yüzden üçü de tablonun köşelerinden kurulur, asla tek bir tahminin düşük, orta ve yüksek versiyonları olarak kurulmaz ve hiçbiri “beklenen” diye etiketlenmez.

Adım	Ne yapılır	Dayanağı
1. Odak karar ve ufuk	Bu çalışmanın yön vermesi gereken tek kararı ve bir ufuk yılı yazın. RAND: ufuk sabit değilse “kırılganlıklar saptanabilmeden önce belirlenmesi gerekir”. Kariyerler için vizyon ufku merdiveninin üç ila beş yıllık konum basamağını kullanın	Dewar vd. 1993
2. Varsayımlar	Mevcut planınızın sessizce neye dayandığını listeleyin. RAND bir varsayımı, “olumsuzlanması planlarda önemli değişikliklere yol açacaksa” önemli sayar	Dewar vd.; varsayım denetimi
3. İtici güçler	Bu varsayımları bozabilecek güçleri listeleyin: işinize olan talep, teknoloji, sektörünüzün iş satın alma biçimi, kendi kısıtlarınız. Her birini önceden belirlenmiş unsur ya da kritik belirsizlik olarak sınıflandırın	Toolkit itici güç haritalaması
4. İki eksen	Kritik belirsizlikleri etki ve belirsizlik açısından puanlayın; kılık değiştirmiş aynı güç olmayan ilk ikisini tutun. Toolkit, karşıtlık kurabilecek kadar “yeterince farklı” eksenler ister; örneğin teknolojik bir değişime karşı toplumsal bir değişim	Futures Toolkit
5. Üç gelecek	Dört köşenin hepsini birer satırla adlandırın. Süreklilik (planınızın zaten varsaydığı köşe), Sıkışma (planınıza en düşmanca köşe) ve Açılım (hazırsanız en fazla yukarı potansiyeli sunan köşe) senaryolarını geliştirin. Dördüncüyü tek satırla park edin	Editoryal tercih
6. Talepler	Her gelecek için ayrı ayrı şunları yazın: hangi işe para ödeniyor, becerilerinizden hangileri değer kazanıyor ya da kaybediyor, neye daha erken başlamış olmayı dilerdiniz. Bir sonrakini okumadan önce bir sütunu doldurun	Goodwin vd. 2019 (sütun kuralı editoryal bir hafifletme önlemidir)
7. Yol işaretleri	Her eksen için yol işaretleri belirleyin. RAND: “bir varsayımın değişen kırılganlığını açıkça gösteren bir olay ya da eşik”. Her birine bir kaynak, bir kontrol sıklığı ve tetiklenecek bir eylem verin	Dewar vd.
8. Hamleler	Her aday hamleyi, Toolkit’in yeşil, sarı ve kırmızı stres testi gibi, her gelecekte yardımcı, nötr ya da zararlı olarak puanlayın; ardından aşağıdaki puan kartıyla sınıflandırın	Futures Toolkit; Phadnis vd.
9. Gözden geçirme	Yol işaretlerini panelinizin takvimine göre kontrol edin. Her yıl, bir yol işareti tetiklendiğinde ya da büyük bir yaşam değişikliğinden sonra yeniden kurun. BLS projeksiyonları “yıllık olarak yayımlanır”; bu da doğal bir yıllık tetikleyicidir	Phadnis vd., tek seferlik kullanım üzerine; BLS

Tek sayfalık sürüm. Kopyalayın ve sağdaki sütunu doldurun.

Alan	Soru	Cevabınız
Odak karar ve ufuk	Bu çalışma hangi seçime ve hangi yıla kadar yön vermeli?
Taşıyıcı varsayımlar	Mevcut planın işlemesi için neyin doğru kalması gerekir?
Önceden belirlenmiş unsurlar	Hangi önemli güçler oldukça kesin?
A ekseni ve B ekseni	Her biri iki uç durumu olan iki kritik belirsizlik
Süreklilik, Sıkışma, Açılım	Her gelecek sizden ne talep ediyor?
Park edilen köşe	Tek satır, her yıl yeniden okunur
Yol işaretleri	Eşik, kaynak, kontrol sıklığı, tetiklenen eylem
Hamleler	Pişmanlıksız, opsiyonlar, korunma hamleleri, bahisler
Bir sonraki gözden geçirme tarihi

Her itici güç için hangi kamuya açık veriler kullanılabilir?

CEOtudent editoryal çerçevesi. Her veri seti bir hüküm değil, bir temel çizgi ya da ruh hali okumasıdır.

İtici güç	Kamuya açık veri	Akılda tutulacak çekince
Mesleğinize olan talep	Meslek bazında BLS 2025-35 projeksiyonları, yıllık açık pozisyonlarla birlikte	Geçmiş turlar naif ekstrapolasyonla aynı sonucu verdi (1988-2000) ya da şokları ıskaladı (1996-2006)
Yapay zekanın görevlerinize erişimi	BLS göreli yapay zeka maruziyeti kategorileri	Göreli, tahmin değil; yetenekler 2023 ortası itibarıyla; otomasyon ile güçlendirme ayrımı yok
Beceri dönüşümü	WEF Future of Jobs Report 2025: çalışanların mevcut becerilerinin %39’unun 2025-2030 döneminde dönüşmesi ya da eskimesi bekleniyor	Ölçüm değil, işveren beklentileri
İşgücü piyasası dönüşümü	Aynı rapor: bugünkü kayıtlı işlerin %22’sine eşit iş yaratımı ve iş kaybı	İşveren yanıtlarından ekstrapole edildi
Kariyerlerin ne sıklıkla sıfırlandığı	BLS kıdem verileri ve NLSY79 iş sayıları	Kıdem bir anlık görüntüdür; iş sayıları tek bir kuşağı kapsar
Makro hikaye	WEF Four Futures for Jobs in the New Economy (Ocak 2026)	İşletmeler için hazırlandı; yön tablosu “açıklayıcı niteliktedir ve yalnızca senaryo oluşturma amaçlıdır”
Kendi avantajınız	Zayıf sinyal kaydınız	Küçük örneklem; doğrulama yanlılığının en kolay sızdığı yer

Forum’un 2026 tarihli makalesi tabloyu iş başında gösteriyor. “Yapay zeka teknolojilerinin yetenek ve özerkliğindeki ilerlemenin hızı ve ölçeği” ile “çalışanlar arasında becerilerin mevcudiyetini” çaprazlayarak 2030 için dört gelecek elde ediyor: Supercharged Progress (Hızlanmış İlerleme), The Age of Displacement (Yerinden Edilme Çağı), Co-Pilot Economy (Yardımcı Pilot Ekonomisi) ve Stalled Progress (Duraksayan İlerleme). Ardından işletmeler için, “Küçük başla, hızlı kur, işe yarayanı ölçekle” ile başlayan dokuz “pişmanlıksız” strateji sıralıyor. Eksenleri başlangıç noktası olarak ödünç alın; kendi kararınızı en çok tehdit eden iki belirsizlikten biri olmayan ekseni değiştirin.

Uygulamalı bir örnek: varsayımsal bir pazarlama uzmanı

Varsayımsal ve açıklayıcıdır. Her sayı, ilgili meslek için yayımlanmış bir BLS rakamıdır ya da varsayım olarak işaretlenmiştir.

Temel durum. BLS’nin “Market research analysts and marketing specialists” (pazar araştırma analistleri ve pazarlama uzmanları) mesleği 2025’te 952,7 bin kişiyi istihdam etti ve 2035’e kadar 1.019,0 bine ulaşması öngörülüyor (artı %7,0); yılda ortalama yaklaşık 82.000 açık pozisyon var ve 2025 medyan yıllık ücreti $78.760. Göreli yapay zeka maruziyeti Çok yüksek: yüksek maruziyet ile öngörülen büyüme, temel durumda zaten bir arada bulunuyor.

Karar, varsayımlar, eksenler. Odak karar: önümüzdeki 18 ayı (varsayım) kampanya yürütmeyi derinleştirmeye mi, yoksa pazarlama analitiğine doğru ilerlemeye mi ayırmalı. Ufuk: Forum’un senaryolarında olduğu gibi 2030. Taşıyıcı varsayımlar: işveren şirket içi ekibini koruyor; yapay zeka temel görevlerin yerini almak yerine onlara yardım ediyor; sektör talebi sürüyor. Önceden belirlenmiş unsurlar: yapay zeka araçları pazarlama işinde standart hale geliyor; iş değiştirmek olağan. A ekseni, temel görevlerde yapay zeka: yardım ediyor ya da çoğunu baştan sona tamamlıyor; BLS otomasyonu güçlendirmeden ayıramadığı için gerçek bir belirsizlik. B ekseni, sektörde pazarlama çıktısına talep: büyüyor ya da yataydan daralmaya.

	Süreklilik	Sıkışma	Açılım
Köşe	Yapay zeka yardım ediyor, talep büyüyor	Yapay zeka görevlerin çoğunu tamamlıyor, talep yatay ya da daralıyor	Yapay zeka görevlerin çoğunu tamamlıyor, talep büyüyor
Tek satırlık hikaye	Daha iyi araçlarla daha yoğun bir iş; BLS temel durumuna en yakın olanı	Daha az sayıda, daha kıdemli pozisyon	Kişi başına daha fazla çıktı; yapay zeka işini yürüten ve ölçen yeni roller
Değer kazanan beceriler	Alan derinliği, araç akıcılığı	Görüşmelerden elde edilen müşteri içgörüsü, ticari muhakeme	Ölçümleme, analitik, iş akışı tasarımı
Daha erken başlamış olmayı dileyeceğiniz şey	Ölçülmüş sonuçlardan oluşan bir portfolyo	İnsan çekirdeği olan komşu bir rol	Gösterebileceğiniz bir analitik projesi

Park edilen köşe: yapay zeka yardım ediyor, talep daralıyor (bir bütçe daralması).

Yol işaretleri. Eşikler örnek için seçilmiş varsayımlardır.

Yol işareti	Eksen	Sıklık	Eşik ve tetiklenen eylem
Hedef bölgede bu unvan için yapay zeka aracı yetkinliği isteyen ilanlar, elle seçilmiş 20 ilanlık bir örneklemden	A	Üç ayda bir	Üst üste iki çeyrek boyunca yarıdan fazla: analitik opsiyonunu başlatın
Hafif bir gözden geçirmeyle baştan sona yapay zekanın ürettiği rutin ekip çıktıları	A	Aylık	Çoğunluk: zamanınızı yürütmeden ölçümlemeye kaydırın
Meslek için BLS 2026-36 projeksiyonu, 2027’de yayımlanacak	B	Yıllık	Sıfırın altında: korunma hamlesini devreye alın
İşverendeki pazarlama kadrosu ya da bütçesi	B	Üç ayda bir	Üst üste iki çeyrek boyunca dondurma ya da kesinti: korunma hamlesini devreye alın

Hamleler. Pişmanlıksız: her temel görevde yapay zeka araçlarını kullanın, kazanılan zamanı ve yakalanan hataları kaydedin; ölçülmüş sonuçları olan kampanyalardan bir portfolyo tutun. Opsiyon: kısa bir analitik kursu artı şirket içinde bir analitik projesi. Korunma: en çok Sıkışma senaryosunda değer kazanan müşteri araştırması görüşme becerileri. Bahis: BLS’nin %34,6 büyümesini öngördüğü veri bilimine geçiş ya da serbest çalışmaya başlamak; ikisi de bir yol işareti tetiklenmeden ve vazgeçme kriterleri yazılmadan yapılmaz.

Bir hamleyi yapmadan önce nasıl puanlarsınız?

CEOtudent editoryal çerçevesi; RAND’in şekillendirme ve korunma eylemlerinden, Forum’un pişmanlıksız stratejilerinden ve Phadnis vd.’nin esneklik bulgusundan yararlanır.

Hamle türü	Üç geleceğe karşı test	Kariyer örnekleri	Ne zaman taahhüt edilir
Pişmanlıksız	Üçünde de yardımcı ya da nötr; hiçbirinde zararlı değil	Araç akıcılığı; ölçülmüş sonuçlardan oluşan bir sicil; komşu alanlarda ilişkiler	Şimdi
Opsiyon	Bugünkü küçük ve sınırlı bir maliyet, daha sonra ölçeklendirme yükümlülüğünü değil hakkını satın alır	Bir kurs artı bir uygulamalı proje; geçici görevlendirme	Şimdi, bir gözden geçirme tarihiyle
Korunma	Esas olarak Sıkışma’da karşılığını verir. RAND: “önemli varsayımlarından birinin başarısız olmasına” hazırlar	İnsan çekirdeği olan ikinci bir beceri; iş kaybı planı	Şimdi, sigorta gibi boyutlandırılmış olarak
Şekillendirme	İyi bir geleceği daha olası ya da kötü bir geleceği daha az olası kılar. RAND: “kırılgan bir varsayımın başarısız olmasını önlemek ya da buna yol açmak için” tasarlanır	Yapay zeka dönüşümünü yürüten ekibe katılmak	Gerçek bir etkiniz olduğunda
Bahis	Büyük, geri alınması zor, yalnızca tek bir gelecekte karşılığını verir	Bir diploma, taşınma, bir işletme	Ancak bir yol işareti tetiklendikten ve vazgeçme kriterleri oluşturulduktan sonra

İki kural çıkıyor. Yalnızca tek bir gelecekte işe yarayan ve geri alınamayan bir hamle, ne kadar mantıklı görünürse görünsün bir bahistir. Ve içinde hiç opsiyon olmayan bir liste ikinci bir bakışı hak eder: Phadnis saha çalışmasında senaryo çalışması, en esnek iki stratejiye verilen toplam desteği %19,7’den %34,5’e çıkardı, ancak “uzmanların çoğunluğu hala en az esnek seçeneği tercih ediyordu”. Esneklik bilinçli olarak seçilmelidir; bkz. kariyer stratejisi olarak opsiyonellik.

CEO hamlesi ve öğrenci hamlesi

CEO hamlesi kaynak dağıtımıdır. Bir CEO bir çekirdeği, birkaç opsiyonu ve bir miktar sigortayı finanse eder ve hangi haberin bu karışımı değiştireceğine önceden karar verir. Bir kariyer için: isteğe bağlı zamanın çoğu pişmanlıksız hamlelere, daha küçük bir dilim bir ya da iki opsiyona, prim gibi boyutlandırılmış bir korunma hamlesine; bir yol işareti tetiklenene kadar da bahislere hiçbir şey. Ardından Sıkışma senaryosu üzerinde bir ön otopsi yapın: 2030 olduğunu ve planın başarısız olduğunu varsayın ve nedenini sorun.

Öğrenci hamlesi, şimdi neyi öğreneceğinizi seçmektir. Test: bu beceri üç gelecekte de karşılığını veriyor mu? Forum’un işveren anketi en hızlı büyüyen beceriler olarak yapay zeka ve büyük veriyi, ağlar ve siber güvenliği ve teknolojik okuryazarlığı; bunların yanında yaratıcı düşünmeyi, dayanıklılığı, esneklik ve çevikliği ve merak ile yaşam boyu öğrenmeyi sayıyor. Listeyi işveren ruh halinin bir okuması olarak ele alın ve her maddeyi üç sütununuzla karşılaştırın. Kariyer boyunca öğrenmek zaten norm: 58 yaşına gelindiğinde NLSY79 kuşağının %75’i örgün eğitim dışında eğitim almıştı ve Forum, 2030’a kadar her 100 çalışandan 59’unun eğitime ihtiyaç duyacağını tahmin ediyor.

Yaygın hatalar ve her birinin arkasındaki araştırma

1. Bir senaryoyu tahmin gibi ele almak. Wright, Cairns, O’Brien ve Goodwin’in ifadesiyle sezgisel mantık senaryoları, gelecek için “olasılık meselelerini hiç dikkate almadan” “mümkün olanın sınırlarını” keşfeder. Bir olasılık için temel oranları kullanın.
2. En iyi durum ve en kötü durum kurgulamak. Goodwin ve meslektaşları, zıt bir senaryonun tahminleri uçlara ittiğini ve güveni artırdığını buldu. Bunun yerine gelecekleri birbirinden bağımsız iki eksenden kurun.
3. Alçakgönüllülüğü bir yan etki olarak beklemek. Uzmanların güveni kıpırdamadı, başka bir çalışmada ise senaryolar güveni artırdı. Başlangıçta en yüksek güvene sahip uzmanlar, tek bir senaryodan sonra vakaların %36,3’ünde yargılarını değiştirdi; diğer güven düzeylerinde bu oran neredeyse onda yediydi.
4. En ayrıntılı hikayeye inanmak. Schoemaker, senaryoların bir yanlılıktan, birleşim yanılgısından (conjunction fallacy), yararlanarak bir başkasına, aşırı güvene, karşı koyduğunu savundu; Wright ve meslektaşları ise bir olaylar dizisini zihinde canlandırmanın, insanların ona mantığın desteklediğinden daha yüksek olasılık atfetmesine yol açtığı argümanını aktarıyor.
5. Başkasının tablosunu olduğu gibi ödünç almak. Uzman yargısı “bir yatırımın belirli bir senaryoda nasıl bir sonuç verdiğine göre” değişti. Başka bir karar için kurulmuş senaryolar sizinkini gelişigüzel yönlendirir.
6. Bir kez yapıp bırakmak. Saha kanıtları tek seferlik kullanımı kapsıyor; yazarlar Shell’in senaryoları sürekli kullandığını not ediyor. Belgeyi kapatmadan önce gözden geçirme tarihini takvime koyun.

Bu ne anlama gelmiyor

Bu, senaryo planlamanın bir kariyeri öngördüğü ya da yazıya dökülen üç geleceğin gerçekleşeceği anlamına gelmiyor. Bu bir kariyer danışmanlığı değildir; finansal, hukuki ya da kişiye özel tavsiye de değildir; bir planlama yöntemi hakkında genel bilgidir. Çalışma sayfası, firmalar ve öğrenciler üzerine yapılan araştırmaları bireylere uyguluyor ve kariyer sonuçlarını iyileştirip iyileştirmediğini ölçen hiçbir çalışma yok. BLS verileri Amerika Birleşik Devletleri’ni anlatıyor: yöntem aktarılabilir, sayılar aktarılamaz. Bunların hiçbiri tahmine karşı bir argüman değil; her aracı, üzerinde ölçüldüğü iş için kullanmaktan yana bir argüman.

Sıkça sorulan sorular

Senaryo planlama bir kariyerin nereye gittiğini tahmin edebilir mi?
Hayır. UK Futures Toolkit senaryoların tahmin olmadığını belirtiyor ve rastgele atamalı bir turnuvada senaryo eğitimi daha zayıf doğruluk kaldıracıydı. Yöntemi, kararları birkaç geleceğe karşı test etmek için kullanın.

Neden klasik dört değil de üç gelecek?
Editoryal bir tercih: tek bir kişinin kolaylaştırıcısı yoktur, iki gelecek en iyi ve en kötü duruma kayar, üç gelecek ise tek bir sayfaya sığar. Dördüncü köşe tek satırla park edilir ve her yıl yeniden okunur.

World Economic Forum’un 2030 için dört geleceği olduğu gibi kullanılabilir mi?
Başlangıç noktası olarak. Eksenleri, yani yapay zekadaki ilerleme ve işgücünün hazır olma durumu, çoğu kariyere uyuyor; ancak işletmeler için kurgulandılar ve Forum yönlerini açıklayıcı olarak etiketliyor. İki en büyük belirsizliğinizden biri olmayan bir ekseni değiştirin.

Çalışma sayfası ne sıklıkla yeniden yapılmalı?
Yol işaretlerini zayıf sinyal panelinizin takvimine göre kontrol edin; çalışma sayfasını her yıl ya da bir yol işareti eşiğini aştığı anda yeniden kurun.

“Çok yüksek” yapay zeka maruziyeti derecesi, meslekten ayrılmak gerektiği anlamına mı gelir?
Tek başına hayır. BLS kategorinin bir tahmin olmadığını belirtiyor ve bu gruptaki mesleklerin eksi %34,4 ile artı %34,6 arasında değişmesi öngörülüyor. Maruziyeti bir hüküm olarak değil, bir eksen olarak ele alın.

Kaynaklar

1. Phadnis, S., Caplice, C., Sheffi, Y. ve Singh, M. Effect of scenario planning on field experts’ judgment of long-range investment decisions. Strategic Management Journal, 2015, 36(9), 1401-1411.
2. Mellers, B., Ungar, L., Baron, J. ve aralarında Tetlock, P. E.’nin de bulunduğu diğer yazarlar. Psychological Strategies for Winning a Geopolitical Forecasting Tournament. Psychological Science, 2014, 25(5), 1106-1115.
3. Kuhn, K. M. ve Sniezek, J. A. Confidence and Uncertainty in Judgmental Forecasting: Differential Effects of Scenario Presentation. Journal of Behavioral Decision Making, 1996, 9(4), 231-247 (yalnızca özet).
4. Schoemaker, P. J. H. Multiple scenario development: Its conceptual and behavioral foundation. Strategic Management Journal, 1993, 14(3), 193-213 (yalnızca özet ve 1 numaralı kaynaktaki açıklama).
5. Meissner, P. ve Wulf, T. Cognitive benefits of scenario planning: Its impact on biases and decision quality. Technological Forecasting and Social Change, 2013, 80(4), 801-814 (yalnızca özet).
6. Wright, G., Bradfield, R. ve Cairns, G. Does the intuitive logics method, and its recent enhancements, produce “effective” scenarios? Technological Forecasting and Social Change, 2013, 80(4), 631-642 (yalnızca özet).
7. Goodwin, P., Gönül, S., Önkal, D., Kocabıyıkoğlu, A. ve Göğüş, C. I. Contrast effects in judgmental forecasting when assessing the implications of worst and best case scenarios. Journal of Behavioral Decision Making, 2019, 32(5), 536-549.
8. Wright, G., Cairns, G., O’Brien, F. A. ve Goodwin, P. Scenario analysis to support decision making in addressing wicked problems: Pitfalls and potential. European Journal of Operational Research, 2019, 278(1), 3-19 (yazar el yazması).
9. Cordova-Pozo, K. L. ve Rouwette, E. A. J. A. Types of scenario planning and their effectiveness: A review of reviews. Futures, 2023, 149, 103153 (yalnızca özet).
10. Dewar, J. A., Builder, C. H., Hix, W. M. ve Levin, M. H. Assumption-Based Planning: A Planning Tool for Very Uncertain Times. RAND, MR-114-A, 1993.
11. UK Government Office for Science. The Futures Toolkit, 2. baskı, 2024.
12. World Economic Forum. Four Futures for Jobs in the New Economy: AI and Talent in 2030. Beyaz kitap (white paper), Ocak 2026.
13. World Economic Forum. The Future of Jobs Report 2025.
14. U.S. Bureau of Labor Statistics. Employee Tenure in 2026. USDL-26-1532, 24 Eylül 2026.
15. U.S. Bureau of Labor Statistics. Number of Jobs, Labor Market Experience, Marital Status, and Health for Those Born 1957-1964. USDL-25-1322, 26 Ağustos 2025, 21 Temmuz 2026’da yeniden yayımlandı.
16. U.S. Bureau of Labor Statistics. AI exposure categories and 2025-35 employment projections, veri dosyası ve metodoloji sayfası, son güncelleme 27 Ağustos 2026.
17. Stekler, H. O. ve Thomas, R. Evaluating BLS labor force, employment, and occupation projections for 2000. Monthly Labor Review, Temmuz 2005.
18. Wyatt, I. D. Evaluating the 1996-2006 employment projections. Monthly Labor Review, Eylül 2010.

CEOtudent analizleri ve çerçeveleri: yapay zeka maruziyeti tablosu (BLS veri dosyasından hesaplanmıştır), Üç Gelecek Çalışma Sayfası ve tek sayfalık sürümü, veri haritası, uygulamalı örnek ve hamle puan kartı. İki “Doğrulanmış veri” tablosu, rakamları kaynaklarında basıldığı haliyle aktarır. Bilinçli olarak kullanılmayanlar: Pierre Wack’in Shell’i anlatan 1985 tarihli Harvard Business Review yazısı, çünkü erişemedik (Shell’in tarihine yalnızca Phadnis vd. üzerinden atıf yapıldı); ve senaryo planlama kullanan firmaların daha iyi performans gösterdiğine dair yaygın olarak tekrarlanan iddia, çünkü Phadnis vd.’nin bu konuda ele aldığı saha çalışması (Phelps, Chan ve Kapsalis, 2001) ters nedenselliği dışlayamıyor.

---

Bu içerik, derinlemesine bir araştırmanın ardından yapay zeka desteğiyle derlenmiş ve CEOtudent editör ekibi tarafından yazılıp yayına hazırlanmıştır.