Chris Perry, Andus Labs Kurucusu ve CEO’su – Röportaj Serisi

Chris Perry, Andus Labs Kurucusu ve CEO’su, yaklaşık otuz yıla yakın bir süredir organizasyonların teknoloji ve iş dünyasındaki büyük değişimlerde yol almasına yardımcı olan bir iletişim, dijital strateji ve yenilik yöneticisidir. Andus Labs’i 2025’te kurmadan önce Perry, Weber Shandwick’te 22 yıldan fazla çalıştı ve Futures Başkanlığı, Baş Yenilik Sorumlusu, Dijital İletişim Başkanı, Dijital Strateji ve Operasyonlar EVP’si ve SVP gibi üst düzey liderlik görevlerinde bulundu. Kariyerinin erken dönemlerinde General Motors’ta teknoloji iletişimi alanında çalıştı ve Edelman’da Başkan Yardımcısı olarak görev yaptı. Çalışma hayatı dijital dönüşüm, yeni ortaya çıkan teknolojiler, organizasyonel değişim ve teknolojinin, onu hayata geçiren insanlar arasındaki evrilen ilişkiye odaklanmıştır.

Andus Labs, işletmelerin AI yeteneklerini pratik organizasyonel sonuçlara dönüştürmelerine, teknolojiyi çevreleyen insan sistemlerine odaklanarak yardımcı olur. Şirket, misyonunu “AI için İnsan İşletim Sistemi” – insanlarla AI ajanları arasında işi koordine etmeyi amaçlayan bir işletim katmanı – inşa etmek olarak tanımlıyor; bu, AI yatırımlarının genellikle organizasyonel hazırlık, iş akışları ve benimsemenin teknolojiyle aynı hızda ilerlemediği varsayımına dayanıyor. Çalışmaları AI iş orkestrasyonu programları, organizasyonel öğrenmeyi güçlendirmeyi ve artırmayı amaçlayan ürünler ve insanlarla AI’nın etkili bir şekilde birlikte çalışmasını keşfeden daha geniş bir uygulayıcı, sanatçı ve hümanist ağı kapsar.

Weber Shandwick’te iki on yılı aşkın süre boyunca kıdemli dijital rollerden Baş Yenilik Sorumlusu ve Futures Başkanlığına kadar ilerleyerek 2025’te Andus Labs’i kurdunuz. Bu dönemde büyük organizasyonların içinde ne gördünüz ki, AI dönüşümündeki en büyük engelin teknolojiden ziyade teknoloji etrafındaki insan ve organizasyon sistemi olacağına ikna etti?

Bu şeyi ilk olarak Detroit’te babamın grafik sanatları stüdyosunda, orada işe başladığımda öğrendim, Weber Shandwick’ten önce. Masaüstü yayıncılık, tipograf ve illüstratörlerinin el ile yaptığı işi yazılıma taşıdı. Bu, onun iş modelini bozdu ve dönüşümü çok geç fark etti.

Weber Shandwick’te, dünyanın en büyük şirketleriyle yeni teknoloji dalgaları – sosyal medya, bloglar, video, mobil, veri – üzerinden çalıştım. Her seferinde aynı desen ortaya çıktı. Teknoloji geldi. İnsanlar değişimi hissetti ve kendi başlarına kullanmaya başladı. Liderlik ve şirket yapısı ise en son hareket etti.

Bu erken dalgalarda şirketler gecikmenin bedelini kayıp yaşayarak ödedi, ancak insanlar hâlâ işi yapıyordu. AI, bilgi işine masaüstü yayıncılığın babamın stüdyosuna yaptığı şeyi yapıyor. İşin yapılma şekli yazılıma yerleşiyor.

İş okulları, insanların ve ajanların işi paylaşarak bir şirketi nasıl yöneteceğinizi öğretmez. Çoğu şirket AI’yı takıp eski işi daha hızlı yapar. Gerçek getiri, liderlerin insanlarını AI ile işi yeniden inşa etmeye hazırladığında gelir. İş sadece daha hızlı olmak yerine şekil değiştirir.

Biz adımızı Andus Labs koyduk, “and us” (ve biz) anlamında, çünkü getirinin insanlara bağlı olacağına bahis yaptık.

Andus Labs, işletmelerin gelişmiş AI yeteneklerine sahip olabileceklerini ancak bunlardan değer elde etmek için gereken “insan hazırlığı” eksikliği yaşayabileceklerini savunuyor. AI’yı başarıyla uygulayan bir şirket ile işin nasıl yapıldığını gerçekten dönüştüren bir şirket arasındaki fark nedir?

Ben %80 AI benimsemesi raporlayan bir şirketle, işin nasıl yapıldığına dair %5’e yakın bir değişiklik raporlayan bir şirketle oturdum. Sadece benimseme oranı yönetim kuruluna sunuldu. İkinci oran gizlenmedi. Ancak gösterge panosunda bunun için bir yer yoktu.

Dağıtım ölçülmesi kolaydır. Atanan lisanslar, dağıtılan ajanlar, oturum açmalar. Bunlar aktivite, etki değil. Müşterilere, şirketin şimdi yapabildiği ama daha önce yapamadığı şeyleri sorarız. Çoğu zaman dürüst cevap aynı raporlar, sunumlar ve analizler, sadece daha hızlıdır.

Dönüşüm yapan şirketler başka bir şey ölçer. Pilot, ölçeklendirmeye değecek kadar değer üretti mi? Yönetim kuruluna bir yıl önce üretemeyeceğimiz bir şeyi sunabilir miyiz? AI, en değerli çalışanlarımızın üzerindeki yükü hafifleterek sadece onların yapabileceği işi yapmalarını sağlıyor mu? Bunlar koltuk sayısı kadar kolay sayılmayan ölçütler, ancak bir şeyin hareket edip etmediğini söyleyen ölçütlerdir.

Bu soruların da bir sorumlusu olmalı. Çoğu şirkette bunu sorarsanız bir liste elde edersiniz. CIO platformların sorumluluğunu taşır. Bir mükemmeliyet merkezi pilotların sorumluluğunu taşır. İK eğitimin sorumluluğunu taşır. İş üzerindeki etki ise kimsenin sorumluluk listesinde yer almaz.

Bir şirket size kaç kişinin erişimi olduğunu söyleyebilir. Diğer şirket ise neyin değiştiğini ve bunun için kimin sorumlu olduğunu söyleyebilir.

Ground Truth Index artık 595 kuruluştaki liderlerle yapılan çalışmalar ve görüşmeler sırasında gözlemlenen, belgelenmiş 300 örüntüden oluşan bir kütüphaneden yararlanıyor. Araştırmacılar nihai sıralamaları inceleyip karara bağlamadan önce, beş bağımsız analist ajanı her örüntüyü puanlıyor. Bu metodoloji nasıl gelişti, süreçte insan yargısı nerede devreye giriyor ve Endeks’in saha gözlemlerinizde zaten bulunan varsayımları yalnızca pekiştirmesini nasıl önlüyorsunuz?

Kütüphane büyüdükçe yöntem değişti. Her desen, iş liderleriyle yaptığımız görüşmelerde duyduklarımız ve gördüklerimizle başlar. Her yeni sinyali kütüphane ile karşılaştırır, saha gözlemi ve dış araştırmalarla test eder ve bunun gerçekten yeni mi, zaten izlediğimiz bir deseni güçlendiriyor mu yoksa başka bir yere mi ait olduğunu belirleriz.

Yapay zeka, tüm kütüphaneyi her çeyrekte değerlendirmemize yardımcı olur; bu, bir araştırma ekibinin elle yapamayacağı bir şeydir. Ajanlar her deseni farklı bir mesleki bakış açısıyla okur ve aynı beş boyutta puanlar. Kör çalışırlar, böylece bir ajan diğerini etkileyemez. Tek bir aykırı değerin skoru saptırmaması için medyanı alırız ve en iyi 50 desen insan incelemesine gönderilir.

İnsan yargısı tüm sürecin her aşamasında yer alır. Araştırma ekibimiz kütüphaneye giren her deseni onaylar, sıralamaları gözden geçirir ve son 25’i belirler. Ajanların fikir ayrılığı yaşadığı ve medya ilgisinin sahada duyduklarımızla çeliştiği noktalara özellikle dikkat ederiz. Bir skoru yalnızca belgelenmiş gözlem temelinde değiştirebiliriz: kim tarafından ortaya konulduğu, ne sıklıkla duyulduğu ve farklı organizasyonlarda tutarlı olup olmadığı. Bir his skoru değiştirmez.

Yeni Ground Truth Index, “Boş Sandalyeler”i kurumsal AI için bir numaralı engel olarak sıralıyor; bu, AI sistemlerine işe alım, fiyatlandırma ve risk gibi kararlar üzerinde etkisi verilirken sorumluluğun kimde olduğu ya da bu kararları iptal etme yetkisinin kimde olduğu açıkça belirtilmeyen organizasyonları tanımlıyor. AI, öneri aşamasından iş sonuçlarını şekillendirme aşamasına geçerken, anlamlı insan sorumluluğu pratikte nasıl olmalı?

AI’nın dokunduğu fonksiyonlar arttıkça, şirket adına aldığı karar sayısı da artar. Sorumluluk, teknoloji sorunu olmadan önce bir yönetim sorunu haline gelir.

Sorumluluk genellikle AI sistemini satın alan ile kullanan arasında bir yerde konumlanır ve hiçbiri tam olarak sahip değildir. Bu boşluk, bir karar sorgulanana kadar görünmez kalır. İşte bu, boş sandalye.

Sorumluluk, sistemin ürettiğini gören ve sonucu açıklayabilen, hatayı düzeltebilen ya da sistemi durdurabilen belirli bir lider anlamına gelir. Bu, genellikle birden fazla departmanı kapsayan bir süreç üzerinde yetki gerektirir.

Liderlerden bu çeyrekte AI’nın yardımcı olduğu bir önemli kararı seçmelerini ve bunun sorumluluğunun kimde olduğunu bize bildirmelerini istiyoruz. Cevap net olmadığında, şirket kararların nasıl alındığını değiştirmiş ancak kimin sorumlu olduğunu belirlememiş olur.

“Learning While Drowning” yeni Index’te ikinci sırada yer alıyor ve AI eğitimini zorunlu kılan ancak çalışanların mevcut iş yüklerini değiştirmeyen şirketleri vurguluyor. Aynı zamanda “Optimization Temptation”, şirketlerin kişi sayısı tasarruflarını, çalışanları daha yüksek değerli işlere yeniden yönlendirmenin ölçülmesi zor olan değerine kıyasla ne kadar kolay sayısallaştırabildiğini gösteriyor. Şirketler, AI’yı sadece maliyetleri düşürmek için kullanmak yerine, iş gücünü AI ile daha üretken hâle getirmek için gereken organizasyonel yatırımı temelde hafife alıyor mu?

Evet. Bir rolü ortadan kaldırmanın sağladığı tasarrufları bir tabloya koymak kolaydır. O kişinin bilgi, ilişki ve yargı değerini yakalamak ise çok daha zordur. Tasarruflar bu çeyrekte görülür. Kayıplar ise yıllar boyunca birikebilir.

Kesintinin arkasındaki varsayım da çoğu zaman yanlıştır. AI, bugünkü işi daha verimli hâle getirir ve aynı zamanda yapılması gereken yeni işleri ortaya çıkarır. Gördüğümüz şey, ekiplerin yeniden dengeleme yapması; insanların bütün fonksiyonların kesilmesi yerine farklı görevlere geçiş yapmasıdır.

Bir eğitim zorunluluğu bir iş yükü kararını ifade eder. Şirketler AI eğitimini mevcut işin üzerine yığar ve düşük tamamlama oranını motivasyon sorunu olarak yorumlar. Atladıkları yatırım, bütçeye hiç girmeyen yatırımdır. Hangi işin durdurulacağı, küçültüleceği ya da yer açmak için taşınacağı ve bunun onayını kimin verdiğinin belirlenmesi gerekir. Öğrenme zaman alır. Uygulama ise daha fazla zaman gerektirir, çünkü insanlar tanıdık olmayan araçları denemeli, çıktıyı kontrol etmeli ve her zaman yaptıkları şekilde çalışmayı değiştirmelidir.

Cevap, listedeki başka bir madde değildir. Bir ekibi canlı bir projeye koyduğunuzda öğrenme, işin içinde gerçekleşir.

Index ayrıca “Değer Düşüşü Endişesi”ni de tanımlıyor; bu, AI’nın çalışanların işlerinin giderek daha değerli kısımlarını yapabilir hale gelmesi durumunda çalışanların ne olacağına dair endişeleri yansıtıyor. Yöneticilerin AI’ya karşı direnç olarak adlandırdıkları şeylerin ne kadarının aslında kariyer değerine dair mantıklı bir endişe olduğu ve bu sistemleri tanıtırken liderlerin neyi farklı yapması gerektiği sorusunu gündeme getiriyor.

Bunun çoğu mantıklıdır. Çalışanlar bir duyuruda AI verimliliğinden, bir sonraki duyuruda ise işten çıkarmalardan bahsedildiğini duyarlar. Kendi sonuçlarını çıkarırlar.

Liderlik bu mesajları ayrı ayrı ele alır. Takımlar ise öyle yapmaz. Eğitimleri tamamlarlar ancak faydalı olabilecek denemeleri geri tutarlar.

Güvence vermek sorunu çözmez. Liderler, işlerle ilgili neyin kararlaştırıldığını, neyin hâlâ belirsiz olduğunu ve çalışanların ne tür destek bekleyebileceğini söylemelidir.

Ödül için de durum aynı. Şirketler AI’dan işin ne beklediğini açıklar ancak çalışan tarafını boş bırakır. Birisi daha hızlı olduğunda ondan ne elde eder? Daha iyi işler için alan, terfi yolu, geri kazanılan zaman? Bunlar uygulama planında yer almalıdır.

Yöneticiler ekiplerinden AI ile farklı çalışmasını istiyor. Ekipler ise yöneticilerin önce bunu yapmasını bekliyor.

Bir başka belirttiğiniz desen “Aktif Atalet”tir; organizasyonların AI’yı mevcut süreçleri temelden değiştirmeden hızlandırmak için kullanmasıdır. Gerçek AI‑yerel iş akışı yeniden tasarımı nasıl görünür ve eski bir süreci sadece daha hızlı hâle getirmekle AI’nın şimdi mümkün kıldıklarını temel alarak süreci yeniden inşa etme arasındaki farkı örnekleyebilir misiniz?

Çoğu şirket AI’yı otomatikleştirmenin en kolay olduğu şeylere yönlendirir; bu genellikle baştan var olmaması gereken işlerdir. Raporlar daha hızlı çıkar. Onaylar her zaman olduğu gibi aynı hızda ilerler. İşte bu, Aktif Atalettir.

Yeniden tasarım, baştan AI modellerinin ne yapacağını ve ekibin neyi taşıyacağını belirler, ardından eski yapıyı devralmak yerine buna göre inşa eder.

Haftalık bir raporu ele alalım. Daha hızlı sürümde AI taslağını hazırlar ve aynı kişiler aynı takvimde aynı belgeyi inceler. Yeniden inşa edilen sürüm raporun amacını sorar. Eğer rapor, birinin sorunları erken yakalamasını sağlamak için var ise, sistem sorunu meydana geldiği anda işaretleyebilir ve rapor ortadan kaybolur.

“Değer, yetenek çarpı absorpsiyon” şeklinde yazdınız ve sadece yazılım yerine sistemleri savundunuz. Öncü modeller giderek daha çok metalaşarak herkesin erişimine açıldıkça, bir organizasyonun AI’yı absorbe etme ve ona göre yeniden yapılandırma yeteneği, modellere erişimden daha kalıcı bir rekabet avantajı haline gelebilir mi?

Evet. Modelleri dağıtmak, etraflarındaki işleri değiştirmekten daha kolaydır. Modeller olağanüstü bir güçle gelir, her çeyrekte daha ucuzlaşır. Aynı modeller herkesin kullanımına açıktır. Satın alamayacağınız şey, şirket içindeki benzersiz bağlam ve bu modelleri tam potansiyelleriyle kullanmaya hazır ekiplerdir.

“Alım kapasitesi” dediğimiz şey eski bir kavramdır. Bir ekibin yeni bir şeyi benimseyip çalıştırma yeteneğidir ve karar hakları, teşvikler, iş akışı, görev tasarımı ve insanların neyin yanlış gittiğini size söyleyecek kadar güveni içerir. Bunların hiçbiri kiralanamaz.

Değeri, yetenek çarpı absorpsiyon olarak tanımlıyorum çünkü ikisi çarpılır, toplanmaz. Parlak bir model, onu benimseyemeyen bir organizasyona yerleştirildiğinde, kusursuz bir parça başarısız bir conta üzerine vidalanmış gibi olur. Yetenek gerçektir. Getiri ise hâlâ sıfırdır.

Agentik AI, sistemlerin giderek daha fazla eylem gerçekleştirebilmesi, araçları kullanabilmesi ve sadece yanıt üretmek yerine hedefler peşinde koşabilmesi nedeniyle bir başka karmaşıklık katmanı ekler. Şirketler, ajan özerkliği ile insan karar verme arasındaki çizgiyi nerede çizmeli ve ajanlar daha fazla yetki kazandıkça hangi yeni yönetişim yapıları gerekli olacaktır?

Tek bir soruyla başlayın: Ajan hata yaptığında kim yanıt verir?

Ajanın karar verdiği ile bir kişinin karar verdiği arasındaki çizgiyi, herhangi bir şey yayına girmeden önce çizin. Çoğu şirket bu çizgiyi, bir şey zaten bozulduktan sonra bulur.

Hatanın geri alınması maliyetli olmayan ve hızlı ortaya çıkan durumlarda, ajanı çalıştırın. Karar birinin kazancını, işini sürdürüp sürdürmeyeceğini ya da yasal konumunu etkilediğinde, kişi kararı verir ve ajan bunu hazırlar.

İçgüdü merkezileşmektir. Bir komite kurun, bir çerçeve yazın, yönetilebilir hissetene kadar bekleyin. Üst yönetimin rehberliği işe ulaşana kadar zaten güncelliğini yitirmiş olur ve cevap bulamayan kişiler, şirketin onaylamadığı araçları kullanmaya başlar.

Yönetişim işin yakınında olmalıdır. Ekiplerin, her bir ajanın neyi karar verebileceğini, sorumluluğun kime ait olduğunu ve nasıl durdurulacağını bilmeleri gerekir. Ayrıca ajanın ne yaptığının bir kaydına da ihtiyaç duyarlar.

Organizasyon şeması, fonksiyonlar arası çalışan ajanlar için tasarlanmamıştır; bu yüzden hatanın sorumluluğu tek bir fonksiyona ait değildir. Bunu dağıtımdan önce, sonradan değil, çözün.

İleriye baktığımızda, kurumsal AI üzerindeki en büyük kısıtlamalar giderek teknik değil organizasyonel hale geliyorsa, şirketlerin kendilerinin nasıl değişmesini bekliyorsunuz? Bugünün organizasyon şeması, yönetim yapısı, görev tasarımı ve karar alma süreçlerinin hangi bölümleri, insanlar ve AI ajanlarının birlikte çalıştığı organizasyonlara geçişte hayatta kalma ihtimali en düşük?

Fonksiyonel organizasyon şeması hayatta kalma ihtimali en düşük olanıdır. Çoğu şirket hâlâ fonksiyonlara göre çalışır; işler bir departmandan diğerine geçer ve her aşamada onay alınır. AI işleri dakikalar içinde üretirken, etrafındaki onaylar haftalar sürer. Liderlerden, işleri yavaşlatmak için tasarlanmış sistemler içinde daha hızlı hareket etmeleri isteniyor.

Bu şema, işleri insanlardan insanlara devretmek için oluşturulmuştu, insanlar ve ajanlar arasında paylaşılan kararlar için değil.
Bir komite bunu çözemez.

Şemayı yerini alacak şey, bir sorun etrafında örgütlenmiş küçük ekipler gibi görünür. Bir lider çözülmeye değer bir sorunu tanımlar, onu çözmek için nelerin doğru olması gerektiğine karar verir ve üzerine bir insan ve ajan ekibi koyar. Bu ekip, diğer iş birimlerinin çalıştığı şekilde çalışamayacağı için kendi finansmanını ve korumasını alır. Üzerindeki kişiler yargı kararlarını verir ve ajanların ürettiği çıktının sahipliğini üstlenir.

Elektrik motorları 1880’lerde Amerikan fabrikalarına ulaştı, ancak verimlilik artışı 1920’lere kadar ortaya çıkmadı. Başlangıçta, fabrikalar buhar makinesinin bulunduğu yere tek bir büyük motor yerleştiriyor, aynı hat şaftlarını çalıştırıyor ve her makineyi olduğu yerde bırakıyordu. Kazançlar, her makineye kendi motorunu verip zemini işe göre düzenlediklerinde geldi.

Yeniden düzenleme devrimdi.

Harika bir röportaj için teşekkürler. Daha fazla bilgi edinmek isteyen okuyucular Andus Labs‘ı ziyaret edebilir veya Ground Truth Index hakkında daha fazla bilgi edinebilir.