Preply Çalışması, Yapay Zekânın Öğrenmeyi Genişlettiğini—Ama Gerçek Dünya Ustalığına Yönlendirmediğini Buldu

Preply yapay zekânın profesyonel öğrenmeyi daha hızlı ve daha kolay erişilebilir hâle getirdiğini söylüyor, ancak ilk yıllık İlerleme Raporu, erişimin tutarlı bir şekilde kullanılabilir becerilere dönüşmediğini gösteriyor.

Şirket, dokuz ülkedeki 5.050 çalışan profesyoneli anketledi ve %88’inin öğrenmelerinin bir parçası olarak yapay zekâ kullandığını buldu. %76’sı iki yıl öncesine göre daha fazla zaman öğrenmeye harcadıklarını bildirdi, ortalama yanıtlayan ise neredeyse üç öğrenme yöntemi kullandı.

Daha fazla etkinlik mutlaka daha yüksek bir özgüven üretmedi. Yanıt verenlerin neredeyse yarısı—%49—aylarca bir öğrenme rutini sürdürdüklerini, ancak hâlâ beceriyi gerçek hayatta uygulamakta zorlandıklarını söyledi. Başka bir %52, daha fazla zaman öğrenmeye harcadıklarını, ancak her zaman daha iyi sonuçlar görmediklerini belirtti ve %63, kendilerini gerçekten gelişme kaydetmeden yoğun bir şekilde öğrenenler olarak tanımladı.

Preply, bu kopukluğu “İlerleme Açığı” olarak adlandırıyor: öğrenme sırasında deneyimlenen ilerleme ile gerçek bir durumda beceriyi kullanma konusundaki özgüven arasındaki mesafe.

Yapay Zekâ Başlangıç Noktası Oluyor

Anket, yapay zekânın öğrenme yığınına ne kadar hızlı entegre olduğunu gösteriyor. %37, yapay zekâ araçlarını birincil öğrenme yöntemi olarak belirtirken, işveren eğitimi %34 ve çevrimiçi kurslar %33 ile geride kaldı.

Yanıt verenler, yapay zekâyı en çok açıklama veya tanım elde etmek, materyali özetlemek, içeriği çevirmek, düzeltme almak ve öğrenmelerini yapılandırmak için kullandılar. Günlük yapay zekâ kullanıcıları, yapay zekâ kullanmayanlara kıyasla (%60 vs %31) beklenenden daha hızlı öğreniyor olduklarını söyleme ihtimalleri neredeyse iki kat daha fazlaydı.

Bu sonuçlar, yapay zekânın çekiciliğini açıklamaya yardımcı olur. Bir soruyu anında yanıtlayabilir, zor materyalleri basitleştirebilir ve resmi dersler arasında pratik yapma imkânı sağlayabilir. Bu yetenekler, aynı zamanda eğitimi kişiselleştirirken öğretmenlere yardımcı olan yapay zeka ajanları yönündeki daha geniş kaymayı da tetikliyor.

Ancak hız ve erişilebilirlik, öğrenme sürecinin yalnızca bir kısmını ele alır. Preply’nin anketinde, katılımcıların %66’sı bilgilere erişimin otomatik olarak ilerlemeye yol açmadığını kabul etti. Yarısından fazlası—%55—daha önce hiç olmadığı kadar neyin gerçekten gelişmelerine yardımcı olduğunu belirlemenin zorlaştığını söyledi. Bu, cevaplara sorunsuz erişimin daha derin öğrenme ile aynı olmadığı şeklindeki daha geniş bir endişeyi yansıtıyor.

Bu ayrım, hem bireysel öğrenenler hem de işverenler için önemlidir. Yapay zeka bilgi edinmeyi kolaylaştırabilir, ancak iş yerindeki performans hatırlama, yargı, pratik, geri bildirim ve gerçek koşullar altında hareket etme yeteneğine bağlıdır. Aynı ilke, pratik bir iş gücü yeteneği olarak yapay zeka akıcılığı üzerine artan odaklanmayı, eğitim tamamlama sayısı ya da araç kullanımının bir sayımı olmaktan ziyade desteklemektedir.

Öğrenenler Yapay Zekâdan Destek Bekliyor—Liderlik Değil

Rapor, yapay zekâyı reddettiğini göstermiyor. Bunun yerine, otomasyonu insan uzmanlığıyla birleştirme tercihine işaret ediyor—Preply, kendi insan eğitmenleri yapay zekâ destekli öğrenme araçlarıyla birleştirmek anlatısında da bu yaklaşımı tanımlamıştı.

%90’ı, yapay zekânın öğrenmelerine liderlik etmek yerine destekleyici bir rol oynamasını istedi. %75’i, uzun vadeli ilerleme için yapay zekâ ve insan uzmanlığının bir karışımına güvendi, yapay zekâsız geleneksel bir yaklaşımı tercih eden %14 ve tamamen kendi kendine yönlendirilen bir yapay zekâ deneyimini tercih eden %11 ile karşılaştırıldığında.

İnsan geri bildirimi veya sorumluluk, yanıt verenlerin %46’sı tarafından öğrenme tutarlılığının en sık belirtilen itici gücü olarak seçildi. Açık hedefler %44, öğrenmeyi gerçek durumlarda kullanabilme yeteneği %42 olarak takip etti. Yapay zekâ hatırlatıcıları veya araçları ise %18 ile oldukça daha düşük bir sıralamaya sahipti.

“İnsanlar yapay zekâyı, öğrenmeyi daha kolay hâle getirdiği için değerli buluyor,” diye raporda Preply CEO’su Kirill Bigai söyledi. “İnsanları ise, öğrenmeyi kalıcı kıldıkları ve bilgiyi gerçek dünya yeteneğine dönüştürdükleri için değerli buluyorlar.”

Bu iş bölümü, yapay zekâ destekli öğrenme için pratik bir model öneriyor. Yapay zekâ, sürecin başında açıklama, özetleme, çeviri ve alıştırma üretme yoluyla sürtünmeyi azaltabilir. İnsan eğitmenler, yöneticiler ve akranlar ise sorumluluk yaratabilir, yanlış anlamaları fark edebilir, pratiği bağlama uyarlayabilir ve bir öğrenenin bağımsız olarak performans gösterebilirliğini değerlendirebilir.

Gen Z En Geniş Boşluğu Bildiriyor

En yüksek benimseme rakamları her zaman en güçlü sonuçlarla eşleşmedi.

Gen Z, %92 ile herhangi bir nesilde en yüksek yapay zekâ benimsemesini kaydetti, ancak öğrenmeyi eyleme dönüştürmede en büyük zorluğu da raporladı. Gen Z yanıt verenlerin %71’i, iyileşme olmadan yoğun bir şekilde öğreniyor hissettiklerini söylerken, Gen X’te bu oran %56 idi. %57, öğrendiklerini gerçek hayatta uygulayamadıklarını belirtirken, Gen X’te bu oran %40 idi; ayrıca %68, geçen yıl öğrenmeyi bırakmışken, Gen X’te bu oran %38 idi.

Rapor, yapay zekânın bu farklara neden olduğunu kanıtlamıyor. Preply, anketinin bu ilişkinin neden var olduğunu açıklayamadığını açıkça belirtiyor. Bulgular, modern öğrenme araçlarıyla en çok etkileşime giren grubun, bilgi edinme ile kendinden emin performans arasındaki boşluğun da en çok farkında olan grup olduğunu gösteriyor.

Benimseme ayrıca kıdem ve ülkeye göre değişiklik gösterdi. Üst düzey liderlerin yüzde kırk yedisi, AI’ı öğrenme için günlük olarak kullandı; bu oran, genç ya da orta düzey yöneticilerin yüzde otuz beşi ve yöneticilik pozisyonunda olmayan çalışanların yüzde otuz birine karşılık geliyor. Arjantin ve Polonya, %93 ile en yüksek genel benimseme oranını bildirirken, Amerika Birleşik Devletleri ve Japonya, dokuz pazar arasında en düşük %85 oranını kaydetti — yine de büyük bir çoğunluk.

Bunun işyeri öğrenimine ne anlama geldiği

İşverenler için rapor, harcanan zaman, kurs tamamlama veya öğrenme serileri gibi ölçütlerin ilerlemenin yeterli göstergeleri olarak görülmesine karşı çıkıyor. Hedef daha iyi performans ise, öğrenme programlarının çalışanların bir beceriyi gerçekçi durumlarda kullanıp kullanamadıklarını test etmesi gerekiyor.

Bu, AI tarafından oluşturulan açıklamaları simülasyonlar, denetimli uygulama, yönetici geri bildirimi veya canlı koçlukla birleştirmek anlamına gelebilir. Ayrıca sonuçları işe daha yakın bir şekilde değerlendirmeyi de içerir: bir kişinin bir sorunu çözebilmesi, net bir şekilde iletişim kurabilmesi, karar verebilmesi veya bir görevi daha az yardım alarak tamamlayabilmesi.

Araştırma, Dynata tarafından yürütülen ve 26 Haziran 2026’da tamamlanan çevrimiçi bir anket temelinde yapılmıştır. Katılımcılar, 18‑55 yaşları arasında çalışan veya serbest çalışan yetişkinler olup, son 12 ay içinde kariyerle ilgili bir beceriyi aktif olarak öğrenmeye çalışmışlardır. Örneklem, Amerika Birleşik Devletleri, Birleşik Krallık, İspanya, Fransa, Almanya, İtalya, Polonya, Japonya ve Arjantin’i kapsamıştır. Bulgular öz bildirim olduğundan, katılımcıların algı ve deneyimlerini tanımlar; bağımsız olarak ölçülen beceri kazanımlarını değil.

Bu sınırlamaya rağmen, temel sonuç göz ardı edilemez: AI, bilgiye ulaşma maliyetini düşürmüş, ancak öğrenmenin hâlâ gerçek dünya ile teması sürdürmesi gerekiyor. AI destekli eğitimin bir sonraki aşaması, ne kadar içerik sunabildiğiyle değil, öğrenenlerin öğrettiklerini güvenle kullanıp kullanamadıklarıyla daha çok değerlendirilecektir.