Çalışanlara yönelik yapay zeka eğitimi nedir?
Çalışanlar için yapay zeka eğitimi, üretken yapay zeka araçlarını gerçek işlerde kullanmaya yönelik yapılandırılmış uygulamalardan oluşur ve bir çıktının kullanıma uygun olup olmadığına karar verecek muhakemeyi kazandırır. Ürün tanıtımından farklıdır. Tanıtım, düğmelerin nerede olduğunu gösterir. Eğitim ise araca nasıl talimat verileceğini, hangi bilgilerin araca girilmemesi gerektiğini, uydurulmuş bir ayrıntının nasıl fark edileceğini ve herhangi bir şey müşteriye ulaşmadan önce kimin onay vermesi gerektiğini öğretir.
Çoğu ekibin ChatGPT, Claude, Gemini veya Microsoft Copilot gibi en az bir asistana zaten erişimi vardır. Hatta bu erişim, çoğu zaman nasıl kullanılması gerektiği konusunda anlaşmaya varılmadan önce sağlanır. Eksik olan nadiren erişimdir. Asıl sorun, herkesin kendi alışkanlıklarını geliştirmiş olmasıdır; bazıları dikkatli, bazıları değildir ve kimse hangisinin hangisi olduğunu göremez. Eğitim, ekibe ortak bir yöntem ve işi gözden geçirmek için ortak bir standart kazandırarak bu açığı kapatır.
Hedefi şöyle tanımlamak yararlıdır: Eğitimden sonra çalışan, kendi işinden bir görevi alabilmeli, onaylı bir araçla ilk sürümü hazırlayabilmeli ve bir çalışma arkadaşına hangi bilgileri verdiğini, neleri değiştirdiğini ve neleri kontrol ettiğini açıklayabilmelidir. Bunu yeni bir örnekte yapabiliyorsa eğitim amacına ulaşmıştır. Yalnızca ipuçlarını ezberden sıralayabiliyorsa ulaşmamıştır.
Çalışanlara yönelik yapay zeka eğitimi neleri kapsamalı?
Çalışanlara yönelik yapay zeka eğitimi, her rolde geçerli olan az sayıda alışkanlığı kapsamalı, ardından bunları her çalışanın kendi işinden görevlerle uygulamalıdır. Aşağıdaki liste, önerdiğimiz temel alışkanlıkları içerir. Her madde için sitenin bu bölümünde, pratik yapmak için yeniden kullanabileceğiniz çözümlü örnekler içeren ayrıntılı bir rehber bulunur.
Herkesin ilk günden her konuyu öğrenmesi gerekmez. Bir destek görevlisi, e-postaları yanıtlamakla ve uzun bir destek talebinin özetini kontrol etmekle başlayabilir. Bir finans analisti ise elektronik tablolarla ve bir sapma açıklamasının arkasındaki mantıkla başlayabilir. Alışkanlıklar ortaktır; sıralama ve örnekler değişir.
Onaylı araçlar ve bilgi paylaşım sınırları
Hangi araçların ve planların onaylı olduğu, bunlara hangi bilgilerin girilebileceği ve hangilerinin girilmemesi gerektiği. Bu konu önce gelir çünkü sonraki tüm görevler buna bağlıdır.
Araca işin aktarılması
Teslim edilecek işi, hedef kitleyi, amacı, kaynak malzemeyi ve kısıtları belirtmek; bir şey eksik olduğunda ne yapması gerektiğini araca söylemek. İş dünyası için istem mühendisliği kılavuzunda ele alınır.
Taslak hazırlama ve düzenleme
İddiaların, üslubun ve son düzenlemenin sorumluluğunu üstlenmeye devam ederek ilk taslak için yapay zekayı kullanmak. İş yazışmalarında yapay zeka ve yapay zekayla e-posta yazma rehberlerinde ele alınır.
Araştırma ve özetleme
Özeti kaynak yerine koymadan, bir konu veya uzun bir belge hakkında hızla genel bilgi edinmek için yapay zekayı kullanmak. İş yerinde araştırma için yapay zeka rehberinde ele alınır.
Elektronik tablolar ve veriler
Formüller, veri temizleme ve analiz için yardım almak, ardından sonucu bir örneklem üzerinde elle kontrol etmek. Excel için yapay zeka ve veri analizi için yapay zeka rehberlerinde ele alınır.
Halüsinasyonları anlamak
Akıcı yanıtlar veren araçların neden yanlış bilgileri güvenle sunduğu ve hangi çıktı türlerinin bu riske en açık olduğu. Yapay zeka halüsinasyonları rehberinde ele alınıyor.
Çıktının kontrolü
Kaynakları açmak, rakamları yeniden hesaplamak ve inceleme adımlarının kısa bir kaydını tutmak. Yapay zeka çıktılarının doğruluğunu kontrol etme rehberinde ele alınıyor.
Muhakeme ve üst yetkiliye yönlendirme
Bir görevin, yapay zeka taslağına dayanmak için ne zaman fazla kritik olduğunu ve harekete geçmeden önce kime danışılması gerektiğini ayırt etme.
Yapay zeka eğitimi neden her role göre farklı olmalı?
Yapay zeka eğitimi role göre farklılaşmalıdır; çünkü alışkanlıklar aynı olsa da değerlendiren kişinin kontrol ettiği kanıtlar her işte farklıdır. Bir pazarlamacı, kampanyadaki bir iddianın iş tanımında verilen bilgilerle desteklenip desteklenmediğini kontrol eder. Bir işe alım uzmanı, ön eleme notunun pozisyon kriterleriyle sınırlı kalıp kalmadığını kontrol eder. Finans ekibindeki bir çalışan, açıklamanın rakamlarla örtüşüp örtüşmediğini kontrol eder. Genel alıştırmalar bu adımı atlar; oysa en önemli adım budur.
Role özgü uygulamalar geri bildirim vermeyi de kolaylaştırır. Daha önce hiç yapay zeka aracı kullanmamış bir yönetici bile bir satış e-postasında müşteriyle ilgili bilgilerin doğru verilip verilmediğini değerlendirebilir; çünkü bu onun uzmanlık alanıdır. Tablo, yaygın birkaç rol için ilk uygulama görevinin ve inceleme sorusunun nasıl olabileceğini gösterir. Sabit bir müfredat değil, planlamaya yönelik bir örnektir.
| Rol | İlk uygulama için uygun bir görev | Değerlendiren kişinin kontrol ettikleri |
|---|---|---|
| Pazarlama | Verilen özetten bir kampanya e-postası taslağı hazırlayın | Her iddianın kaynağı iş tanımında bulunabiliyor; uydurma sonuçlar veya aciliyet ifadeleri yok |
| Satış | Kurgusal bir müşteri hesabı özetinden görüşme notları hazırlayın | Müşteri hesabıyla ilgili bilgiler doğrudur; alıcıya ilişkin varsayımlar açıkça belirtilir |
| Müşteri desteği | İade politikasını kullanarak bir şikâyete yanıt verin | Yanıt yalnızca politikanın izin verdiği sözleri verir |
| Operasyon | Tedarikçiyle yapılan uzun bir e-posta yazışmasını durum güncellemesine dönüştürün | Tarihler, sorumlular ve yanıtlanmamış sorular özette korunur |
| İnsan kaynakları ve işe alım | Tanımlanmış bir pozisyon için mülakat soruları taslağı hazırla | Sorular, belirtilen ölçütlerle uyumludur ve konuyla ilgisiz kişisel konulardan kaçınır |
| Finans | Kurgusal bir tablodaki aylık değişimi açıklayın | Hesap doğru; kanıt olmadan neden ileri sürülmüyor |
Her çalışanın başlangıç düzeyi nasıl belirlenir?
Başlangıç noktasını yalnızca kişinin kendi değerlendirmesiyle değil, kısa bir uygulama göreviyle belirleyin. Özgüven ve beceri farklı şeylerdir. Her gün ChatGPT kullanan biri, verdiği rakamları hiç kontrol etmiyor olabilir; kendini başlangıç düzeyinde gören biri ise kendiliğinden dikkatli davranabilir. Öz değerlendirme, kişinin tutumunu ve kaygılarını gösterir; bir görev ise gerçekte ne yaptığını ortaya koyar.
Uygulanabilir bir başlangıç düzeyi kontrolü birkaç dakika sürer. Her kişiye kısa, kurgusal bir kaynak metin verin ve üç satırlık bir özet gibi tek bir çıktı ile neyi kontrol ettiğini açıklayan bir cümle isteyin. Üç soruya göre değerlendirin: Araca doğru bağlamı verdi mi, çıktı kaynakla sınırlı kaldı mı ve herhangi bir yanlış fark etti mi? Sonucu kişi hakkında bir hüküm olarak değil, o becerideki başlangıç düzeyi olarak kaydedin.
Seviye belirleme değerlendirmesini insanları sıralamak veya işleri hakkında karar vermek için kullanmayın. Amacı, sıradaki uygulama görevini seçmektir. Başka bir amaçla kullanılırsa insanlar sonucu kendi lehlerine yönlendirmeye çalışır ve ihtiyaç duyduğunuz gerçeğe uygun tabloyu kaybedersiniz.
İyi bir uygulama görevi nasıl olur?
İyi bir uygulama görevi, katılımcının gerçek iş rolünden alınır, kaynak materyali sağlar, değerlendirme ölçütlerini önceden belirtir ve katılımcıdan yaptığı düzenlemeleri açıklamasını ister. İşte 40 kişilik kurgusal lojistik şirketi Harbourline Freight için adım adım işlenmiş bir örnek. Katılımcı, operasyon koordinatörü olarak çalışıyor.
Sağlanan materyal: bir tedarikçinin, gümrük belgesiyle ilgili bir soru nedeniyle palet sevkiyatının geciktiğini belirttiği, yeni teslim alma zamanını Perşembe veya Cuma olarak bildirdiği ve Harbourline'dan düzeltilmiş bir mal kodunu onaylamasını istediği kurgusal bir e-posta yazışması. Görev: onaylı bir yapay zeka aracı kullanarak müşteri hizmetleri ekibi için dört satırlık bir durum güncellemesi yazın.
Öğrenenin yazabileceği istem: Bu yazışmayı müşteri hizmetleri ekibimiz için dört satırlık bir durum güncellemesi olarak özetle. Gecikmenin nedenini, güncellenen teslim alma zaman aralığını, tedarikçiye karşı yerine getirmemiz gereken işlemi ve bundan kimin sorumlu olduğunu belirt. Yalnızca yazışmadaki bilgileri kullan. Sorumlu kişi belirtilmemişse bunu söyle.
Tipik bir ilk çıktı: Gönderi gümrük sorunları nedeniyle gecikti. Yeni teslimat tarihi perşembe. Ekibimiz eşya kodu sorununu çözdü. Müşterilere teslimatın bu hafta yapılmasını beklemeleri söylenmeli. Her satırda bir sorun var. Yazışma, teslimat tarihi değil, teslim alma zaman aralığı veriyor. Perşembe değil, perşembe veya cuma diyor. Eşya kodu çözülmüş bir konu değil, hâlâ yapılması gereken bir iş. Müşterilere teslimatın bu hafta yapılacağını söyleme talimatı ise kimsenin yapmadığı bir çıkarım.
Gözden geçirilmiş sürüm: Paletlerin teslim alınması, bir gümrük belgesiyle ilgili açıklama talebi nedeniyle gecikti. Tedarikçinin güncel teslim alma aralığı Perşembe veya Cuma; herhangi bir teslimat tarihi verilmedi. Tedarikçiye düzeltilmiş bir eşya kodu iletmemiz gerekiyor; yazışmada bunun kimin sorumluluğunda olduğu belirtilmiyor. Teslim alma işlemi teyit edilene kadar müşterilere teslimat tarihi vermeyin. Katılımcının notu dört düzeltmeyi açıklıyor. İnceleyen kişi, son metnin ne kadar düzgün olduğuna değil, bu nota puan veriyor.
Ölçüt 1: kaynağa sadakat
Durum güncellemesindeki her ifade yazışma zincirinde bulunabiliyor ve hiçbir ayrıntı olasılıktan kesinliğe dönüştürülmedi.
Ölçüt 2: okuyucuya fayda
Müşteri hizmetleri buna göre harekete geçebilir: neden, zaman aralığı, bekleyen işlem ve sorumlu atanmamış olması açıkça görülür.
Ölçüt 3: gerekçeli değerlendirme
Katılımcı, yapay zeka çıktısında yaptığı en az iki değişikliği belirtir ve her birinin neden gerekli olduğunu açıklar.
Hangi eğitim biçimini seçmelisiniz?
Eğitim biçimini içerdiği içeriğin miktarına göre değil, ekibinizin neyi uygulaması gerektiğine ve ne kadar destek sağlayabileceğinize göre seçin. Kurs kütüphanelerinin, canlı atölyelerin, kurum içi öncülerin ve iş rolüne dayalı uygulama programlarının her birinin yeri vardır; birçok ekip bunlardan ikisini birleştirir. Tablo, tipik güçlü yönleri ve eksikleri açıklar. Herhangi bir sağlayıcıya yönelik bir değerlendirme değil, her biçimin genellikle nasıl işlediğine dayanan bir planlama yardımcısıdır.
Hangisini seçerseniz seçin, bir görevi baştan sona tüm ayrıntılarıyla görmeyi isteyin: talimatlar, bir katılımcının teslim ettiği çalışma, geri bildirim ve yöneticinin gördükleri. Bu örnek size bir özellik listesinden daha fazlasını anlatır. Katılımcının puana itiraz edip edemediğini ve raporlamanın eğitimi tamamlamakla beceri kazanmayı birbirine karıştırıp karıştırmadığını kontrol edin.
| Biçim | Genellikle uygun olduğu işler | Dikkat edilecekler |
|---|---|---|
| Video eğitim kütüphanesi | Birçok konuda genel bilgi; kendi hızında keşif | Katılımcının kendi görevleri üzerinde az uygulama; eğitimi tamamlamanın beceri kazanmakla karıştırılması |
| Canlı atölye | Zor vakaları tartışma; ortak kuralları hızla oluşturma | Sonrasında pratik yapılmazsa bilgiler unutulur; farklı vardiyalar için zaman ayarlamak zordur |
| Kurum içi öncü | Şirkete özel ipuçları; araçlarla ilgili sorulara hızlı yanıtlar | Bir kişinin zamanına ve alışkanlıklarına bağlıdır; kapsam tutarsızdır |
| Role dayalı uygulama yolu | İş rolüne ait görevlerde, puanlama ölçütlerine dayalı geri bildirimle tekrarlanan uygulamalar | Görevlerin ve puanlamanın kalitesi; geri bildirimin uygulamaya geçirilebilecek kadar somut olup olmadığı |
Bunun bir iş rolüyle nasıl bağlantılı olduğunu görmek ister misiniz?
Planlanan ekip denemesini keşfedin ↗Çalışanlara yönelik yapay zeka eğitimi ne kadar zaman alır?
Tek bir uzun oturum yerine kısa ve düzenli uygulamalar planlayın. Haftada birkaç kez bir göreve çeyrek saat ayıran ve her seferinde geri bildirim alan bir kişinin, yalnızca bir kez uzun bir atölyeye katılan kişiye göre bir alışkanlığını düzeltmek için daha fazla fırsatı olur. Tam olarak ne kadar zaman gerektiği role, başlangıç düzeyine ve işin ne kadarında yapay zeka kullanıldığına bağlıdır.
Eğitim için ayrılan zamanı açıkça koruma altına alın. Diğer her şeyden arta kalan zamana sıkıştırılan eğitim, yoğun bir haftada genellikle ilk vazgeçilen şey olur. Kısa bile olsa belirlenmiş bir zaman dilimi ve son görevi soran bir yönetici, kimsenin uymadığı iddialı bir programdan daha değerlidir. 30 günlük yapay zeka eğitim planı rehberi, ilk ayı aşamalara ayırmanın bir yolunu gösterir.
Bir yönetici yapay zeka eğitimini nasıl uygulamaya koymalı?
Önce küçük bir grupla başlayın; bir sorumlu, onaylı araçlar, birkaç görev ve belirlenmiş bir inceleyen kişi olsun. İşleyiş oturduğunda kapsamı genişletin. Aşağıdaki adımlar asgari gerekliliklerdir. 30 günlük plan rehberi, her adımı haftalık örneklerle ayrıntılandırır.
Bir sorumlu belirleyin
Hangi araçların onaylanacağına karar veren, politika sorularını yanıtlayan ve ilerlemeyi inceleyen tek bir kişi.
Sınırları yazılı hale getirin
Onaylı araçlar ve abonelik planları, asla girilmemesi gereken bilgiler ve her zaman onay gerektiren görevler. Başlamak için tek sayfalık bir not yeterlidir; yapay zeka politikası rehberinde bir şablon bulunur.
Bir pilot grupla başlayın
İki veya üç farklı rolden, en az biri şüpheci olan birkaç kişi. Soruları programı iyileştirecektir.
Kurgusal veya kullanımı onaylanmış materyaller kullanın
İlk uygulamalar müşteri dosyalarına veya kişisel verilere bağlı olmamalıdır. Kontrol alışkanlığı yerleştikten sonra gerçek işlere geçin.
Katılımı değil, örnek çalışmaları değerlendirin
Her hafta teslim edilen birkaç çalışmayı inceleyin ve her katılımcıyla aldığı bir kararı tartışın.
Kapsamı bilinçli olarak genişletin
Sonraki grubu ancak inceleme süreci yönetilebilir olduğunda ve politika soruları yanıtlandığında ekleyin.
İş yerinde yapay zeka eğitimi için hangi kurallar ve çerçeveler geçerli?
Kamuya açık çeşitli çerçeveler, kuruluşlardan yapay zeka kullanan kişilere eğitim vermelerini bekler; ancak hiçbiri belirli bir kursu zorunlu tutmaz. NIST Yapay Zeka Risk Yönetimi Çerçevesi uygulama rehberi, Yönetişim 2.2 kapsamında kuruluşun personeline ve iş ortaklarına, görevlerini yerine getirebilmeleri için yapay zeka risk yönetimi eğitimi verilmesi gerektiğini belirtir. Yönetişim 2.1 ise rollerin ve sorumlulukların belgelenmesini ister. Bu da yalnızca özellikleri öğreten değil, sorumluları ve gözden geçiren kişileri de belirleyen bir eğitim planını destekler.
Avrupa Birliği'nde EU AI Act'in 4. maddesi yapay zeka okuryazarlığıyla ilgilidir. Avrupa Komisyonunun yapay zeka mevzuatı destek birimi tarafından yayımlanan değiştirilmiş metin, yapay zeka sistemlerini sağlayan ve kullanan kuruluşların, çalışanlarının ve kendi adlarına yapay zeka kullanan diğer kişilerin bilgi, deneyim ve kullanım bağlamını dikkate alarak yapay zeka okuryazarlıklarının gelişmesini destekleyen önlemler almasını zorunlu tutar. Aynı metin, bu yükümlülüğün herhangi bir kişi için belirli bir yapay zeka okuryazarlığı düzeyinin güvence altına alınmasını gerektirmediğini belirtir. AB'de faaliyet gösteriyor veya AB'ye satış yapıyorsanız bunun size nasıl uygulandığını yetkin bir danışmanla kontrol edin.
Birleşik Krallık hükümetinin 10 February 2025 tarihinde yayımladığı yapay zeka uygulama rehberi kamu kurumları için yazılmıştır. Ancak ilkeleri her ekip için makul bir başvuru kaynağıdır: yapay zekanın ne olduğunu ve sınırlarını bilin, onu güvenli biçimde kullanın ve doğru aşamalarda etkili insan denetimini koruyun. Bu bölüm genel bilgilendirme amaçlıdır, hukuki danışmanlık değildir.
Yapay zeka eğitiminin işe yarayıp yaramadığını nasıl anlarsınız?
Eğitimin işe yarayıp yaramadığını yalnızca tamamlama oranlarıyla değil, yeni örnekler üzerinde yapılan çalışmaları aynı ölçütlere göre inceleyerek anlarsınız. Tamamlama, birinin eğitim içeriğini açtığını gösterir. İncelenmiş bir görev ise doğru bağlamı sağlayıp sağlamadığını, dayanaksız bir iddiayı fark edip etmediğini ve yaptığı düzeltmeyi açıklayıp açıklamadığını gösterir. Her iki göstergeyi de takip edin, ancak birini diğerinin yerine koymayın.
Yeniden değerlendirme yaparken yeni ama karşılaştırılabilir bir görev kullanın. Aynı alıştırmayı tekrarlayan bir katılımcı, kısmen onu daha önce gördüğü için gelişme gösterir. Somut, gözlemlenebilir değişiklikler arayın: kişi artık araçtan eksik bilgileri işaretlemesini istiyor, bir özeti iletmeden önce kaynakları açıyor veya bir formülü üç satırda elle kontrol ediyor. Bunlar alışkanlıktır ve ücretini ödediğiniz şey de bu alışkanlıklardır.
Zaman tasarrufu tahminlerine temkinli yaklaşın. Kişinin kendi tahmini, görüşmeye başlamak için yararlıdır ama bir ölçüm değildir. İşletmeye sağlanan bir faydadan söz etmek istiyorsanız, tanımlanmış bir görevi kendi bağlamı içinde öncesinde ve sonrasında ölçün; sonucun sınırlı veya karma olabileceğini kabul edin. Yapay zeka becerilerini ölçme rehberi, değerlendirme tasarımını daha ayrıntılı ele alır.
Çalışanlara yönelik yapay zeka eğitiminin maliyeti nedir?
Maliyet; abonelik ücretinin yanı sıra çalışanların pratik yapmak için ayırdığı zamanı, yapay zeka araçlarına erişimi ve değerlendiren kişinin geri bildirim için harcadığı zamanı kapsar. Kullanıcı başına ücret en görünür rakamdır ama çoğu zaman en büyük maliyet değildir. Kimsenin kullanmadığı ucuz bir lisans tasarruf sağlamaz; geniş bir içerik kataloğu da üç beceriyi iyi uygulamaya ihtiyacı olan bir ekip için kendiliğinden daha iyi bir karşılık sunmaz.
Seçenekleri karşılaştırırken faturalandırma dönemini, asgari kullanıcı lisansı sayısını, deneme koşullarını ve her pakete nelerin dahil olduğunu aynı temelde değerlendirin. Tosheo.ai'nin 7 günlük deneme içeren, kullanıcı lisansı başına planlanan paketleri fiyatlandırma sayfasında listelenmiştir. Bunlar henüz geliştirilmekte olan bir ürün için varsayımsal fiyatlardır; bu nedenle bunları bir fiyat teklifi olarak değil, planlanan tutarlar olarak değerlendirin.
Bu tür bir eğitim ne zaman doğru çözüm değildir?
Günlük işler için uygulamalı yapay zeka eğitimi her ihtiyaca uygun değildir ve bunu herhangi bir şey satın almadan önce bilmek daha iyidir. Mühendislerinizin derinlemesine makine öğrenimi veya yazılım mühendisliği eğitimine ihtiyacı varsa, uzmanlaşmış bir teknik kurs onlara daha iyi hizmet eder. Kuruluşunuz tek oturum açma, öğrenme yönetim sistemi entegrasyonu, satın alma evrakları ve resmî güvenlik incelemesi olmadan yazılım satın alamıyorsa, Tosheo.ai'ın planlanan ilk sürümünde SSO, SCIM, öğrenme yönetim sistemi entegrasyonları veya kurumsal sözleşmeler yer almadığından, kurumsal bir sağlayıcı daha uygun bir seçenektir.
Hangi araçların onaylı olduğuna veya bu araçlara hangi bilgilerin girilebileceğine henüz karar verilmediyse eğitim için de erkendir. Önce bunu netleştirin; aksi hâlde eğitim, sonradan belirleyeceğiniz politikayla çelişen alışkanlıklar kazandırır. Bir görev, kişiler hakkında hukuki, tıbbi, mali veya istihdama ilişkin kararlar içeriyorsa eğitim, bu kararlar için gereken uzman incelemesinin yerini tutmaz. Tosheo.ai derslerinin ilk sürümde yalnızca İngilizce sunulması planlanıyor; başka dillerde eğitime ihtiyaç duyan ekipler şimdilik başka seçeneklere bakmalıdır.
Tosheo.ai bunu sağlamak için nasıl geliştiriliyor?
Tosheo.ai, yaklaşık 5 ila 200 kişilik ekipler için kendi kendine kullanılabilen bir yapay zeka eğitim platformu olarak hazırlanıyor. Ürünün geliştirilmesine henüz başlanmadığından bu bölümdeki her şey planlanan kapsamı anlatıyor. Yönetici kaydolur, ekipteki rolleri ve çalışanların kullandığı yapay zeka araçlarını seçer, isterse bağlam sağlamak için birkaç şirket belgesi yükler ve ekibi davet eder.
Her katılımcının kısa bir seviye belirleme değerlendirmesine katılması, ardından seviyesine göre uyarlanan, rolüne özel 10 ila 15 dakikalık derslerden oluşan bir öğrenme yolunu izlemesi planlanıyor. Her ders kısa bir açıklamayı, o rolden adım adım çözülmüş bir örneği ve gerçek bir yapay zeka aracıyla uygulamalı bir görevi bir araya getirir. Görev, görünür bir puanlama kılavuzuna göre yapay zeka tarafından puanlanır ve somut geri bildirim verilir. Katılımcılar, katılmadıkları bir puanın incelenmesini isteyebilir. Yöneticilerin beceri gelişimini ve tamamlanma durumunu görmesi, ayrıca haftalık bir özet alması planlanıyor; ham sohbet kayıtlarını ise hiçbir zaman görmeyecekler. Son uygulamalı değerlendirme, doğrulanabilir bir bağlantısı olan ve kabul gören bir sertifikayla sonuçlanır. Yüklenen şirket belgelerinin her şirket için ayrı tutulması, hesap kapatıldığında silinmesi ve model eğitiminde hiçbir zaman kullanılmaması planlanıyor.
Kaynaklar ve kapsam
NIST, Yapay zeka risk yönetimi uygulama kılavuzu: Yönetişim, erişim tarihi: 16 October 2026 ↗
GOV.UK, Birleşik Krallık Hükümeti için Yapay Zeka Uygulama Rehberi, 10 Şubat 2025 ↗