Bir şirketin organizasyon şeması kimin kime bağlı olduğunu gösterebilir; ancak işin gerçekte nasıl ilerlediğini, hangi ekiplerin birbirine görünmeden bağımlı olduğunu veya hangi çalışanın farklı gruplar arasında köprü kurduğunu her zaman ortaya koymaz. Stanford Graduate School of Business araştırmacıları, büyük dil modellerinin temelindeki transformer mimarisini kurum içi koordinasyonun “gramerini” öğrenmek için kullanmayı planlıyor.
Fikir hastalık dizilerini modelleyen bir makaleden doğdu
Örgütsel davranış doktora öğrencisi Yankai Wang, hastalıkların zaman içinde hangi sırayla geliştiğini transformer modeliyle inceleyen bir çalışma okurken benzer yaklaşımın iş hayatına uygulanabileceğini düşündü. Toplantı, e-posta, belge düzenleme, görev devri ve karar gibi kurumsal faaliyetler de zaman içinde gerçekleşen ayrı olaylardan oluşuyor.
Dil modeli, bir metindeki önceki kelimelere bakarak sıradaki kelimeyi tahmin etmeyi öğreniyor. Wang’ın önerdiği “büyük koordinasyon modeli” ise geçmiş iş olaylarına bakarak organizasyonda bir sonraki olayın ne olabileceğini tahmin edecek. Model yeterli örnek gördüğünde, ekiplerin birlikte çalışmasını sağlayan tekrar eden örüntüleri öğrenebilir.
Resmî hiyerarşinin göremediği ilişkiler
Araştırmanın hedefi çalışanları yalnızca unvanlarına göre sınıflandırmak değil. Bir projenin ilerleyebilmesi için birden fazla bölümün hangi sırayla bilgi paylaşması gerektiği, hangi toplantıların işi hızlandırdığı veya hangi bağlantının kopmasının gecikmeye yol açtığı gibi görünmeyen bağımlılıkların belirlenmesi amaçlanıyor.
Bu tür bir model, bir ekibin koordinasyon ihtiyacını yöneticiler fark etmeden önce işaretleyebilir. Yeni bir proje yapısının geçmişteki hangi örüntülere benzediğini gösterebilir veya yapay zekâ araçlarının kuruma girmesiyle iş birliği biçimlerinin nasıl değiştiğini incelemeye yardımcı olabilir.
Anonim takvim, e-posta ve ortak belge verileri
Araştırmacılar modeli takvimler, e-postalar ve ortak belgelerden elde edilen anonimleştirilmiş iş yeri verileri üzerinde eğitmeyi planlıyor. Proje, Stanford İnsan Merkezli Yapay Zekâ Enstitüsü ile Google DeepMind tarafından düzenlenen AI for Organizations Grand Challenge programında 100 bin dolarlık ödül aldı. Çalışmada Wang’ın yanı sıra Stanford’dan Amir Goldberg ve Nir Halevy yer alıyor.
Proje henüz tamamlanmış bir ürün veya yayımlanmış sonuç değil; geliştirme aşamasındaki ödüllü bir araştırma fikri. Modelin işe yarayıp yaramadığı, gerçek organizasyonlarda tahminlerinin doğruluğu ve yöneticilere sunduğu bilginin karar kalitesini artırıp artırmadığı ilerleyen deneylerle gösterilecek.
Mahremiyet ve çalışan gözetimi riski
İş yeri iletişimi son derece hassas veri içeriyor. İsimlerin kaldırılması tek başına yeterli olmayabilir; iletişim kalıpları kişinin kimliğini veya özel durumlarını dolaylı olarak açığa çıkarabilir. Model, geçmişteki eşitsizlikleri “normal koordinasyon” olarak öğrenebilir ve belirli çalışanları haksız biçimde sorun kaynağı gibi gösterebilir.
Bu nedenle veri minimizasyonu, çalışanların bilgilendirilmesi, kullanım amacının sınırlandırılması ve sonuçların insan denetiminde yorumlanması gerekiyor. Tahminlerin performans değerlendirmesi veya disiplin kararlarında otomatik kanıt gibi kullanılması ciddi zarar doğurabilir.
Yönetimin yerini değil, kör noktalarını hedefliyor
Araştırmacılar, yapay zekânın yöneticilerin hedef belirleme ve değer yargısı gerektiren kararlarının yerini alamayacağını düşünüyor. Model “bir sonraki olayın ne olacağını” tahmin edebilir; ancak kurumun neyi amaçlaması gerektiğine, hangi sonucun etik veya adil olduğuna tek başına karar veremez.
Çalışmanın vaadi, organizasyonların resmî hiyerarşilerinin altında kalan iş birliği ağlarını daha görünür hâle getirmek. Başarısı ise yalnızca teknik doğruluğa değil, çalışanların güvenini koruyan yönetişim ve mahremiyet kurallarına da bağlı olacak.
