bluesyemre

Liderlik uzun zamandır sosyal ve sezgisel bir beceri olarak düşünülürken, işletme sayısal bir bilim olarak görülüyordu. Ancak bu sınırlar bulanıklaşıyor. Karar verirken tamamen sezgilere güvenme devri sona erdi. Pek çok lider, sezgisel kararların veriye dayalı olduğu hibrit, “bilgiye dayalı sezgi” yaklaşımını benimsemeye başladı. Örneğin Netflix, yeni ürünler için fikir ararken karmaşık izleyici analizlerini yılların deneyimiyle harmanlıyor.

Hesaplamalı sosyal bilimin bu tür kullanımları, yani insanlar ve ilişkilere dair bilgileri analiz etmek için veri işleme ve veri bilimi araçlarını kullanmak, işletmeler açısından kritik bir önem kazandı. Bu inovasyon akımı, pazarlama ve tedarik zincirlerinden stratejik karar verme ve düzenlemelerle ilgili uyumluluğa kadar, kârları artırmaya, operasyonları düzenlemeye ve karar verme süreçlerini optimize etmeye yardımcı oluyor.

Hesaplamalı liderlik bilimi (HLB), simülasyonlar, ağ analizi, yapay zeka ve diğer hesaplamalı yaklaşımları kullanarak liderliği temelden değiştiriyor ve bir üst aşamaya taşıyor. Bu bilim, önde gelen bilimsel araştırmalar ve teknolojinin, köklü liderlik araştırmalarının ve uygulamadan elde edilen paha biçilmez bilgilerin kesiştiği noktadadır.

Bu makale, HLB’nin kuruluşunuzdaki rolünü ve iş değeri yaratmak için nasıl kullanılacağını inceliyor. Ayrıca, IBM’in günümüzde HLB’yi nasıl kullandığını ele alıyoruz.

HLB ve liderlik

HLB, işletmelerin gelecek aylarda ve yıllarda bir kuruluşun karşılaşacağı gelgit dalgalarını daha iyi tahmin etmelerine, ele almalarına, azaltmalarına ve hatta bunlardan yararlanmalarına olanak tanır. İşte HLB’nin yakın ve uzun vadede değer sağladığı üç örnek.

Moral ve Bağlılık: Yakın zamanda bin 500 CEO ile yapılan bir araştırma, CEO’ların karşılaştıkları en büyük zorluğun moralle ilgili olduğunu ortaya koydu. Bu konuda çalışanlarınızla birlikte çözümler oluşturabileceğiniz HLB kaynakları var. Kuruluşunuzdaki moralle ilgili öncelikli konuları ve çalışanlarınızın bunları ele alırken nasıl hissettiğini daha iyi anlamak için açık uçlu anket sorularına verecekleri yanıtları “doğal dil işleme” ile analiz edebilirsiniz. Ardından, morali artıracak çözümler geliştirmek için “kolektif zeka” tekniklerini kullanabilirsiniz. Bu şekilde grup kararları kullanmak katılımı ve liderlik değerinizi artıracaktır.

Çalışan Takibi ve Motivasyon: Liderlerin diğer bir endişesi de uzaktan çalışma ve üretkenliği takip etmekle ilgilidir. Bu noktada HLB’nin sağladığı bilgi, çalışanları aşırı yakından izleyen sistemler uygulamak gibi aceleci kararları azaltır. Takip teknolojisinin çok dikkatli kullanılması gereken kaygan bir zemin olduğunu göreceksiniz. Bunun yerine, sağlıklı bir HLB yaklaşımı benimseyerek çalışanlarınızı motive etmek için sanal ortamları verimli alanlara dönüştürebilirsiniz. Örneğin, oluşturduğumuz yapay zeka temelli bir sistemde 1) kuruluşlarda kimin ne bildiğini ve kimin kiminle çalıştığını görsel olarak haritalıyoruz ve 2) bir işe en uygun olacak kişiyi hızlıca atayabiliyoruz. Bunlardan ilki sayesinde mevcut ilişkilerin net bir resmi çizilebiliyor ve birbiriyle bilgi paylaşabilen bir topluluk oluşturulabiliyor. İkincisiyse, çalışanlara yetkinlikleriyle daha uyumlu olan görevler atanmasını sağlıyor, ki bunun motivasyonu artırdığı kanıtlanmıştır. Bu sistem, çalışan memnuniyetsizliğini azaltırken aynı zamanda güven, bağlılık ve mükemmel liderliğin yaratacağı diğer olumlu sonuçların ortaya çıkmasına yardımcı oluyor.

Çeşitlilik, Eşitlik ve Kapsayıcılık (ÇEK): Birçok kuruluş işe alma, işte tutma ve terfi konularında ÇEK gerekliliklerini yerine getirmekte zorlanıyor. Bazı kişiler daha rahat işe girebilir. Örneğin içe dönük kişiler, daha fazla katkı sunma potansiyelleri olmasına rağmen önyargıya maruz kalırlar. Liderler sıklıkla bilinçaltı bir motivasyonla ihtiyaç duydukları kişiler yerine istedikleri kişileri seçerler. Diğer bir deyişle, ırk, eğitim ve sosyoekonomik statü gibi kategorilerde kendilerine benzeyen insanları seçerler. Daha da kötüsü, işverenlerin çoğu işe alım gibi süreçlerde Myer-Briggs Tip Göstergesi gibi “tamamen anlamsız” araçlar veya yanlı algoritmalar kullanıyor.

HLB, son teknoloji çözümlerle bu yanlılıkları belirleyip ortadan kaldırmanıza olanak tanır. Örneğin ekibim, başvuru yapanın sadece belirttiği değil, gerçek niteliklerini organizasyonel ihtiyaçlarla daha iyi eşleştirmek için iki yöntem kullanıyor. Bunların birincisi “birleşik analiz“, değerlendirmelerde yanlış verilen bilgileri azaltırken, ikinci yöntem “pekiştirme temelli öğrenme“, yapay zeka ile kararları zaman içinde optimize ediyor. Sonuç olarak ÇEK ve performansa dayalı açık, dürüst ve sürekli gelişen bir işe alım sistemi oluşturuluyor.

HLB ekiplerini yönetmek

HLB, günlük liderlik uygulamanızın bir parçası haline gelmelidir. Meslektaşım Eric McNulty’nin geliştirdiği, günlük sorulması gereken altı liderlik sorusuna ek olarak daima “HLB’nin nasıl bu karara katkısı olabilir ve HLB ekibimi nasıl dahil edebilirim?” diye sormanız gerekir. O kadar çok fazla veri, hesaplama gücü ve analitik yetenek var ki bir paradigma kayması ve bu soruların sorulması kaçınılmaz görünüyor. Kişisel ilişkileri yönetmekten stratejik karar vermeye kadar, HLB nasıl liderlik ettiğinizi önemli ölçüde etkileyecektir.

Liderlik uzmanları ve danışmanlarının yanı sıra veri ve bilgisayar bilimcilerinden bir ekip oluşturmak, HLB’den faydalanmanızı kolaylaştıracaktır. Dönüşüm için ekibinizin hayati önemi vardır. Bu nedenle öncelikle ekibinizi oluşturup harekete geçirmeye yardımcı olabilecek bir HLB danışmanı bulmalısınız. Bu danışman, uzmanlıkların izole kalmasının önüne geçmede ve HLB kaynaklarını yönetme konusunda yetkin olmalıdır. Bu danışmanı, golf oynarken her atış için rotayı ve hangi sopayı kullanmanız gerektiğini bilen bir golf arabası gibi düşünebilirsiniz. Harvard’ın Ulusal Hazırlık Liderliği Girişimi‘nde HSC Analytics‘in kurucu ortağı olarak çalışıyorum. Buradaki çabalarımın bir kısmı, liderlerin yapay zeka temelli araçları 1) iş yeri önyargısını azaltmak ve 2) grupça sorun çözmenin hızını ve gücünü artırmak için nasıl kullanabileceğini anlamaya yöneliktir. Ardından, HLB ekibi olarak rotayı takip edip birlikte değer yaratıyoruz.

Danışmanlar ayrıca açıklanabilirlik ve gizlilik konularında da yardımcı olur. Hız, verimlilik ve yapay zekanın yarattığı heyecanla motive olan liderler sadece “bilgisayar öyle söylüyor” diye kararlar aldığında sorunlar ortaya çıkar. Bu türden yapay zeka merkezli bir yaklaşım, ibretlik hikayelerle dolu karanlık bir ortam yaratır. Dolayısıyla, sorunları belirlemek ve azaltmak için açıklanabilir yapay zekaya önemli çaba harcanıyor. Bunu yaparak, HLB odaklı içgörülerin değerini korurken aynı zamanda bilinçsiz ve felaketle sonuçlanabilecek kararları önleyecek bir X-ray görüşü elde edersiniz.

Gizlilik de bir zorunluluktur. Gizliliği koruyan teknolojiler giderek daha fazla önem kazanıyor ve bu teknolojiyle uğraşanlar daha güvenli bir toplum yaratmada önemli bir rol oynayacak. Bu teknolojiler, güvenilir ve etkili bir HLB lideri olarak tanınmanıza olanak tanır.

Bu yenilikçi faydaları elde etmenin anahtarı, liderliğin dijital dönüşümü benimsemesidir. Korkunun Ötesine Yolculuk‘un yazarı John Hagel III, liderlerle onlarca yıl sürdürdüğü derin diyaloglara dayanarak, korkunun karar vericilerin potansiyellerini tamamen gerçekleştirmelerini engellediğini belirtiyor. Bunun yerine cesur liderlerse, yeni ortaya çıkan teknolojiler, yönetim kurulunda tanıdık olmayan jargon kullanılması veya liderlik tarzlarındaki değişikliklerle ilgili güvensizliklerinin üstesinden geliyorlar. Bu liderler, HLB’nin performanslarını nasıl artırdığını görerek fırsat odaklı bir anlayış benimsiyorlar. Python‘da kodlama yapmanız gerekmese de bir ucundan teknolojiyle haşır neşir olmaya başlamalısınız.

IBM’de HLB

HLB’nin tüm liderlik alanlarına sistemli bir şekilde entegre edilmesi henüz gerçekleşmemiş bir vizyon olsa da IBM şimdiden hesaplamalı bir yaklaşım için adımlar atıyor. Diğer birçok kuruluş gibi IBM de çalışan potansiyelini belirlemenin ve ardından gelişim ve terfi için bir sistem oluşturmanın önemini kavrıyor. Ancak, çoğu başka kuruluş gibi IBM de gelecekte fırsatlar yaratacak potansiyel yetenekleri seçmekte zorlanıyor. Bu süreçte birçok belirsizlik ve önemli maliyetler söz konusu. Örneğin, mükemmel bir yazılım mühendisinin mükemmel bir mühendis lideri olup olmayacağını tahmin etmek çok zordur. Bu noktada yanlış bir karar vermek, terfi ettirilen kişiden astlarına ve terfi kararını veren kişiye kadar ekipteki herkese zarar verebilir.

Bu yenilik fırsatını fark eden IBM, bütünsel değerlendirme süreçlerinde büyük bir dijital dönüşüme girişti. IBM Liderlik Geliştirme Direktörü Sofia Lamuraglia’nın belirttiği üzere, “Eğitim ve işe alıştırma süreçleri genellikle çok daha kısa olduğundan, şirket içinden işe alım yapmanın, kuruluş dışından insanları almaya kıyasla daha uygun bir maliyeti vardır. Liderleri mevcut pozisyonlar için değerlendirmenin yanı sıra, güçlü bir yetenek hattı oluşturmayı da hedefledik. Böylece İK birimimize gelecekteki yönetim pozisyonları için bir başvuru kaynağı sunabiliriz.”

IBM Liderlik Geliştirme birimi, hesaplamalı düşünme yaklaşımıyla beraber, etkili liderliği temel psikometrik ve davranışsal ölçümlerle değerlendiriyor. Bunun sonucunda, küresel ölçekte liderlik değerlendirmesi için dijitalleştirilmiş bir platform oluşturdular. Ayrıca, bir lider adayının becerilerine, davranışına ve kişiliğine göre uyarlanmış eğitim ve mikro öğrenim sağlayacak otomatikleştirilmiş hizmetler geliştirdiler. IBM’in ilk sonuçlarına göre, bu platform liderlik performansını öngörebildiği gibi geleneksel yüz yüze değerlendirmelerden önemli ölçüde daha düşük maliyetli.

Ancak lider değerlendirmesi ve gelişimi, IBM’deki HLB buzdağının sadece görünen kısmıdır. Geldikleri son noktada, “kuantum avantajı” adı verilen kavramın üstüne gidiyorlar ve kuantum hesaplamanın ne zaman bir liderin karar verme yeteneklerini geleneksel hesaplamanın çok ötesine taşıyabileceğini araştırıyorlar. Bu yeni bir başlangıç olmasına rağmen, liderlik ve karmaşık karar vermedeki kuantum değişimleriyle ilgili kullanım örnekleri ortaya çıkmaya başlıyor. Örneğin IBM, JPMorgan Chase ile ortaklaşa çalışarak finans liderlerine yatırım stratejileri ve risk analizi gibi son derece karmaşık alanlarda avantaj sağlamak amacıyla kuantum hesaplama ile deneyler yapıyor. Kuantum hesaplamayı erken benimseyenlerden biri olarak JPMorgan Chase’deki liderlerin, rakipleri bu geçişi yapana kadar müşterileri ve hissedarları için milyarlar kazanabileceği tahmin ediliyor.

https://hbrturkiye.com/blog/veriler-liderligi-nasil-gelistirir