TL;DR:
- Zemin az önce yükseldi. Bir OECD analizi, mevcut yapay zekanın uluslararası PIAAC anketiyle ölçülen okuryazarlık görevlerinde yetişkinlerin kabaca yüzde 90’ından, sayısal görevlerde ise yüzde 57 ila 88’inden daha iyi performans gösterebileceğini tahmin etti. Bir zamanlar ileri düzey gibi hissettiren beceriler artık makinenin taban seviyesi.
- Bu sizi gereksiz kılmaz. Değerinizi başka yere taşır. Dünya Ekonomik Forumu’nun işveren anketleri analitik düşünmeyi ve yaratıcı düşünmeyi önemli becerilerin en tepesine koyuyor ve bilişsel becerilerin en hızlı önem kazanan beceriler olduğunu belirtiyor. Bunlar bir sonraki-token tahmincisinin sizin adınıza sahiplenemeyeceği becerilerdir.
- Bu yazı otomasyona direnen on bilişsel beceriyi adlandırır ve her birini kasıtlı bir egzersizle eşleştirir. Bunlar yumuşak ya da belirsiz değildir. Belirli, öğrenilebilir yeteneklerdir: doğru problemi çerçeveleme, belirsizlik altında yargılama, çıktıyı eleştirel değerlendirme, sistemlerde düşünme, yaratıcı sentez, zevk uygulama, kendi düşüncenizi izleme, bağlamı okuma, etik akıl yürütme ve öğrenmeyi öğrenme.
- Yapay zeka kullanmayı, onun tarafından geliştirilmekle karıştırmayın. Kasıtlı-pratik araştırması burada nettir: yapılandırılmamış profesyonel işte, ham tekrar insanlar arasındaki farkın neredeyse hiçbirini açıklamaz. Bu becerileri inşa eden şey, daha fazla prompt değil, yapılandırılmış geri bildirimdir.
- Tüm bunu CEO-ve-öğrenci döngüsüyle çalıştırın. Kararı bir CEO’nun bir çağrıyı sahiplendiği gibi sahiplenin, sonra alttaki beceriyi bir öğrencinin her mevcut yanıtı bir taslak gibi ele aldığı biçimde sorgulayın.
Yirmi yıl boyunca istihdam edilebilir kalmanın standart tavsiyesi daha zor bilişsel işe doğru tırmanmaktı. İyi yazmayı, sayılarla akıl yürütmeyi, bir tabloyu analiz etmeyi, bir argüman kurmayı öğren. Bu tavsiye o becerilerin kıt olduğunu varsayıyordu. 2026’da, çoğu işin gerektirdiği düzeyde kıt değiller.
En açık kanıt rahatsız edici. Yapay zekayı Yetişkin Becerileri Araştırması (PIAAC) karşısında modelleyen bir OECD çalışması, bugünkü sistemlerin okuryazarlık görevlerinde yetişkinlerin yaklaşık yüzde 90’ıyla eşleşebileceğini ya da onları geçebileceğini, sayısal görevlerde ise yüzde 57 ila 88 arasında bir kısmını geçebileceğini tahmin etti. İki kez okuyun. İyi bir eğitimin eskiden belgelendirdiği yetkinlik, artık herkesin bir kahve fiyatına kiralayabildiği bir aracın giriş düzeyi kabiliyetidir.
Yani soru yapay zekanın bilişsel işi alıp almayacağı değil. Zaten büyük bir kısmını yapıyor. Soru, hangi bilişsel becerilerin su hattının üstünde durduğudur: model ne kadar büyürse büyüsün makinenin yapısal olarak yapamadığı beceriler. Bu yazı bunlardan onunu adlandırır ve daha da önemlisi, her birini sahip olduğunuz ya da olmadığınız bir yetenek olarak değil, kasıtlı olarak keskinleştirebileceğiniz bir beceri olarak ele alır.
Neden “bilişsel beceriler” güvende hissetmek için yanlış, uzmanlaşmak için doğru yerdir
Bu argümanın tembel bir sürümü, insanların “üst düzey” düşünmeyi tuttuğunu ve makinelerin angaryayı aldığını söyler. Veri çizgiyi bu kadar temiz çizmiyor. Üst-düzey görünen işin çoğu, yani özetleme, taslaklama, ilk-geçiş analizi, tam da modelin iyi olduğu şeydir.
Yararlı ayrım yüksek ile düşük değildir. Kapalı ile açıktır. Yapay zeka, görev iyi tanımlıyken ve iyi bir yanıt olası çıktılar uzayında zaten mevcutken en güçlüdür. Görev yeterince belirtilmemişken, durum değişirken, doğru yanıt en olası olan değilken ve birinin çağrının sorumluluğunu alması gerekirken en zayıftır. OECD’nin kendi çalışması buna işaret ediyor: otomatikleştirilmesi zor olarak işaretlediği beceriler, bir çözüm yönteminin hemen mevcut olmadığı dinamik bir durumda bir hedefe ulaşmak olarak tanımlanan uyumlu problem çözme ve kişinin kendi düşüncesini izlemesi olan üstbiliş etrafında kümeleniyor.
İşverenler zaten buna göre yeniden fiyatlandırıyor. Dünya Ekonomik Forumu’nun İşlerin Geleceği Raporu 2025’te analitik düşünme, kabaca on şirketten yedisi tarafından temel sayılan, en yaygın adlandırılan tek temel beceridir; yaratıcı düşünme, dayanıklılık ve liderlik hemen arkasından gelir. Aynı rapor, çalışanların temel becerilerinin yüzde 39’unun 2030’a kadar değişeceğini tahmin ediyor. 2023 baskısında işverenler bilişsel becerilerin diğer herhangi bir kategoriden daha hızlı önem kazandığını ve yaratıcı düşünmenin analitik düşünmeden bile biraz daha hızlı yükseldiğini söyledi. Piyasa düşünmeye daha az ödemiyor. Bir modelin sizin için yapamayacağı belirli düşünme türlerine daha çok ödüyor.
Bu, işgücü piyasası terimleriyle ifade edilmiş CEO-ve-öğrenci tezidir. CEO yarısı yargıyı ve sonuçları, yani hiçbir modelin asla taşımayacağı kısımları sahiplenmektir. Öğrenci yarısı, zemin yükselmeye devam ettikçe beceri yığınınızı kasıtlı olarak yeniden inşa etmektir; çünkü 2022’de kıt olan bir beceri 2027’ye kadar asgari şart olabilir.
Araştırma ne diyor (doğrulanmış kamuya açık veri)
| Bulgu | Kaynak | Becerileriniz için ne anlama geliyor |
|---|---|---|
| Yapay zeka, PIAAC ile ölçülen okuryazarlık görevlerinde yetişkinlerin yaklaşık yüzde 90’ından ve sayısal görevlerde yüzde 57 ila 88’inden daha iyi performans gösterebilir | OECD, “Is Education Losing the Race with Technology?”, 2023 | Temel okuma ve sayı işi artık bir farklılaştırıcı değil; değer çerçeveleme, yargı ve değerlendirmeye kayıyor |
| Analitik düşünme, kabaca on şirketten yedisinin temel saydığı en üst temel beceridir; yaratıcı düşünme, dayanıklılık ve liderlik onu izler | WEF, İşlerin Geleceği Raporu 2025 | İşverenler kapalı-görev icrasına değil, açık-uçlu bilişsel becerilere prim ödüyor |
| Çalışanların temel becerilerinin tahmini yüzde 39’u 2030’a kadar değişecek, 2023’te öngörülen yüzde 44’ten aşağı | WEF, İşlerin Geleceği Raporu 2025 | Beceri zemini sürekli yükseliyor; öğrenmeyi-öğrenme başlı başına bir hayatta kalma becerisi |
| Bilişsel beceriler en hızlı önem kazanan becerilerdir; yaratıcı düşünme analitik düşünmeden biraz daha hızlı yükseliyor | WEF, İşlerin Geleceği Raporu 2023 | Kıt ve değeri artan varlık, hatırlama değil, yargı ve sentezdir |
| Kasıtlı pratik, oyunlarda performans varyansının yüzde 26’sını, müzikte yüzde 21’ini, sporda yüzde 18’ini, ancak mesleklerde yüzde 1’in altını açıkladı | Macnamara, Hambrick ve Oswald, Psychological Science, 2014 | Yapılandırılmamış profesyonel işte ham saatler pek önemli değil; asıl kaldıraç yapılandırılmış geri bildirim ve uyumdur |
10 beceri ve her biri için egzersiz
Aşağıdaki tablo bir veri kümesi değil, özgün bir CEOtudent çerçevesidir. Otomasyona direnen on bilişsel beceriyi üç kümede toplar ve her birini otomasyona neden direndiğinin nedeni ve bu hafta başlayabileceğiniz kasıtlı bir egzersizle eşleştirir. Egzersizler listenin kendisi kadar önemlidir, çünkü Macnamara bulgusu affetmez: açık-uçlu işte daha fazla yapmak daha iyi olmakla aynı şey değildir. İğneyi yalnızca gerçek geri bildirimli pratik hareket ettirir.
Otomasyona Dirençli Beceri Yığını (CEOtudent editöryel çerçevesi)
| # | Bilişsel beceri | Yapay zeka bunu neden sahiplenemez | Kasıtlı egzersiz (geri bildirimli) |
|---|---|---|---|
| 1 | Problem çerçeveleme | Model sorduğunuz soruyu yanıtlar; yanlış soru sorduğunuzu fark etmez | Çözmeden önce problemin üç farklı çerçevesini yazın; birinin kararı en çok değiştireni seçmesini sağlayın |
| 2 | Belirsizlik altında yargı | Durum gerçekten yeniyken yöntem eğitim verisinde yoktur | Eksik bilgiyle bir son tarihte karar verin; çağrıyı kaydedin, haftalar sonra hangisinin tuttuğunu gözden geçirin |
| 3 | Eleştirel değerlendirme | Akıcı çıktı doğru olmaya değil, doğru gibi görünmeye optimize edilmiştir | Günde bir yapay zeka yanıtını kaynağına kadar doğrulayın; kendinden emin çıktının ne sıklıkta yanlış olduğunu sayın |
| 4 | Sistem düşüncesi | Modeller yerel akıl yürütür; bir sistemdeki ikinci ve üçüncü-derece etkileri kaçırır | Bir kararın alt-akış sonuçlarını iki adım öteye haritalayın; tahminlerinizi gerçekte olanla kıyaslayın |
| 5 | Yaratıcı sentez | Tahmin, şaşırtıcı-ama-doğru birleşime değil, olası merkeze yakınsar | Haftada bir alakasız iki fikri tek bir öneride zorla birleştirin; hangi birleşimlerin gerçekle temasta hayatta kaldığını test edin |
| 6 | Zevk ve ayırt etme | Birçok makul seçenekten doğru olanı seçmek bir menfaat ve bir bakış açısı gerektirir | Seçenekleri sıralayın ve kazananın ikinciyi tam olarak neden yendiğini adlandırın; sıralamanızı bir uzmanınkiyle kıyaslayın |
| 7 | Üstbiliş | Modelin ne bilmediğine dair güvenilir bir hissi yoktur | Her yargıdan sonra güveninizi puanlayın, sonra kalibrasyonu kontrol edin: emin hissettiğiniz kadar sık haklı mıydınız |
| 8 | Bağlamsal empati | Belirli bir anda belirli bir kişinin söylenmemiş ihtiyacını okumak bir metin-tamamlama görevi değildir | Bir konuşmadan önce bir paydaşın gerçek itirazını tahmin edin; sonra nerede ve neden yanıldığınızı not edin |
| 9 | Etik akıl yürütme | Değerleri tartmak ve sonuçları sahiplenmek, hiçbir menfaati olmayan bir şeye devredilemez | Kendi tercih ettiğiniz karara karşı en güçlü savı yazın; birinin bunun dürüst mü yoksa korkuluk mu olduğunu yargılamasını sağlayın |
| 10 | Uyumlu öğrenme | Beceri zemini yükselmeye devam ediyor; meta-beceri hızlı yeniden-beceridir | Her ay yeni bir aracı ya da kavramı kullanılabilir düzeyde öğrenin; geri bildirim testi olarak birine öğretin |
Listenin biçimine dikkat edin. İlk küme, bir ila dört, çerçeveleme ve yargı hakkındadır: hangi problemin çözüleceğine ve yanıt açık olmadığında nasıl karar verileceğine karar vermek. Orta küme, beş ve altı, sentez ve zevk hakkındadır: ortalamaya doğru tahminin yapamayacağı biçimlerde birleştirmek ve seçmek. Son küme, yedi ila on, benlik ve başkaları hakkındadır: kendi sınırlarınızı bilmek, insanları okumak, değerleri tutmak ve yığın değer kaybettikçe onu yeniden inşa etmek. Bunların hiçbiri küçümseyici anlamda yumuşak beceri değildir. Her biri zor, öğrenilebilir bir yetenektir ve her biri, altındaki kapalı-görev becerileri metalaştıkça tam olarak daha değerli hale gelir.
Kendinizi kandırmadan onları gerçekten nasıl keskinleştirirsiniz
En yaygın hata, yapay zekayı yoğun kullanmanın sizi yapay zekanın yapamadığı becerilerde daha iyi yaptığını varsaymaktır. Genellikle tersi olur. Modelin problemi çerçevelemesine, çağrıyı yapmasına izin verir ve işini asla kontrol etmezseniz, yargıyı değil, bağımlılığı uyguluyorsunuzdur. Daha fazla çıktı ve daha kör bir kenar elde edersiniz.
Kasıtlı-pratik literatürü çözümün neden yapılandırılmış olması gerektiğini açıklar. Macnamara ve meslektaşları, geri bildirimin temiz ve anlık olduğu oyunlarda, müzikte ve sporda pratiğin insanlar arasındaki farkın gerçek bir kısmını, kabaca beşte bir ila dörtte birini açıkladığını buldu. Geri bildirimin gürültülü, gecikmeli ya da yok olduğu mesleklerde bu sayı yüzde birin altına düştü. Ders, pratiğin işe yaramaz olduğu değildir. Açık-uçlu işte yapılandırılmamış pratiğin pek bileşik büyümediğidir. Alanın size ücretsiz vermeyeceği geri bildirimi imal etmelisiniz.
Tablodaki her egzersizin ortak noktası budur. Her biri bir döngüyü kapatır. Yalnızca bir çağrı yapmazsınız, onu kaydeder ve tutup tutmadığını gözden geçirirsiniz. Bir yapay zeka yanıtını yalnızca değerlendirmezsiniz, onu bir kaynağa karşı kontrol eder ve skor tutarsınız. Bir aracı yalnızca öğrenmezsiniz, onu öğretirsiniz, çünkü öğretmek gerçekten anlayıp anlamadığınızın en hızlı testidir. Geri bildirim adımını çıkarın ve becerilere eklenmeyen saatler biriktirmeye geri dönersiniz.
CEOtudent çerçevesi bu döngülerin etrafındaki işletim disiplinidir. CEO yarısı gerçekten karar vermenizi, bir son tarihte, sonuca adınız yazılı olarak, ısrar eder; çünkü sonuçlarla asla karşılaşmayan yargı asla keskinleşmez. Öğrenci yarısı bu becerilerin her birinin mevcut durumunu bir taslak olarak ele almanızı ısrar eder; çünkü bu yıl şok edici hissettiren OECD sayısı gelecek yıl sıradan olacak. Çağrıyı bir CEO gibi sahiplenin. Beceriyi bir öğrenci gibi yeniden inşa edin. Herhangi bir tek araç değil, sizi su hattının üstünde tutan şey bu döngüdür.
Sıkça sorulan sorular
Bunlar gerçekten yapay zeka için imkansız mı, yoksa sadece şimdilik zor mu?
Dürüst yanıt, buradaki “yapamaz”ın fiziksel olarak yasak değil, yapısal olarak dirençli anlamına geldiğidir. Bu onu kalıcı kılan şey geçici bir kabiliyet açığı değil, görevlerin doğasıdır: açık-uçlu, bağlama özgüdürler ve sonucu sahiplenen menfaatli birini gerektirirler. Daha büyük bir model olası yanıtlarda daha iyi olur. Bir bakış açısı, bağlamı hissedecek bir beden ya da bir karar için hesap verebilirlik edinmez. Bu becerilerin dayandığı özellikler bunlardır.
Bu becerileri korumak için yapay zeka kullanmayı bırakmalı mıyım?
Hayır. Amaç, yapay zekayı iyi yaptığı kapalı görevler için kullanmak ve tasarruf ettiğiniz zamanı açık olanlarda kasıtlı pratiğe yeniden yatırmaktır. Başarısızlık biçimi, yargıyı da dışarıya vermek, böylece onu asla inşa etmemektir. Modeli taslaklamak için kullanın; çerçevelemeyi, değerlendirmeyi ve nihai çağrıyı kendinize saklayın ve kalibre kalacak kadar sık modelin işini kontrol edin.
Hangi beceriyle başlamalıyım?
Çoğu insan için eleştirel değerlendirme. Yapay zekayla dolu bir iş akışında en yüksek kaldıraçlı alışkanlıktır, çünkü her diğer kararı kendinden emin-ama-yanlış çıktıdan korur ve egzersizi ucuzdur: her gün bir yapay zeka yanıtını kaynağına kadar doğrulayın ve skor tutun. Problem çerçeveleme ikinci sırada gelir, çünkü iyi çerçevelenmiş bir problem, iyi çözülmüş yanlış bir problemden daha değerlidir.
“Öğrenmeyi öğrenmek” sadece bir klişe değil mi?
Öyle olurdu, ancak sayılar onu somutlaştırıyor. Dünya Ekonomik Forumu, çalışanların temel becerilerinin yaklaşık yüzde 39’unun 2030’a kadar değişeceğini tahmin ediyor. Profesyonel olarak bildiğinizin üçte birinden fazlası beş yılda dönüşüyorsa, hızlı yeniden-beceri kazanma yeteneği olsa iyi olur değil, diğer dokuzunun güncel kalıp kalmadığını belirleyen beceridir.
Bunlar bilgi işinin dışında da geçerli mi?
Evet, artık makul bir makine taslağının mevcut olduğu her yerde. Çerçeveleme, yargı, değerlendirme, zevk ve gerisi, bir ürünü fiyatlandıran bir kurucu ya da bir çağrı yapan bir yönetici için, bir analist ya da bir yazar için olduğu kadar geçerlidir. Ortak nokta, bir alanda üretimin ucuzladığı anda insan değerinin neyin üretmeye değer olduğuna ve sonucun iyi olup olmadığına karar vermede yoğunlaşmasıdır.
Kaynaklar
- OECD, “Is Education Losing the Race with Technology? AI’s Progress in Maths and Literacy,” 2023; mevcut yapay zekanın okuryazarlık görevlerinde yetişkinlerin kabaca yüzde 90’ından ve sayısal görevlerde yüzde 57 ila 88’inden (Yetişkin Becerileri Araştırması, PIAAC) daha iyi performans gösterebileceği tahmini ve uyumlu problem çözme ile üstbilişin otomasyona direnen kabiliyetler olduğu üzerine.
- Dünya Ekonomik Forumu, “The Future of Jobs Report 2025”; analitik düşünmenin en yaygın adlandırılan temel beceri olduğu, kabaca on şirketten yedisi tarafından temel sayıldığı ve çalışanların temel becerilerinin yüzde 39’unun 2030’a kadar değişeceği tahmini üzerine.
- Dünya Ekonomik Forumu, “The Future of Jobs Report 2023”; analitik ve yaratıcı düşünmenin çalışanlar için en önemli beceriler olduğu, bilişsel becerilerin en hızlı önem kazandığı ve on çalışandan altısının 2027’ye kadar eğitime ihtiyaç duyacağı bulgusu üzerine.
- Brooke N. Macnamara, David Z. Hambrick ve Frederick L. Oswald, “Deliberate Practice and Performance in Music, Games, Sports, Education, and Professions: A Meta-Analysis,” Psychological Science (2014); kasıtlı pratiğin oyunlarda performans varyansının yaklaşık yüzde 26’sını, müzikte yüzde 21’ini ve sporda yüzde 18’ini, ancak mesleklerde yüzde 1’in altını açıkladığı bulgusu üzerine.
- K. Anders Ericsson, Ralf Th. Krampe ve Clemens Tesch-Romer, “The Role of Deliberate Practice in the Acquisition of Expert Performance,” Psychological Review (1993); beceri inşasında yapılandırılmış geri bildirim ve uzman rehberliğinin merkezi rolü üzerine.
- OECD, “OECD Employment Outlook 2023: Artificial Intelligence and the Labour Market”; sosyal, duygusal ve çapraz becerilerin bilişsel becerilerle birlikte giderek daha fazla gerekli olduğu ve otomasyonun taklit etmesinin daha zor olduğu üzerine.
Bu içerik, derinlemesine bir araştırmanın ardından yapay zeka desteğiyle derlenmiş ve CEOtudent editör ekibi tarafından yazılıp yayına hazırlanmıştır.
