OpenAI 30 Kasım 2022’de, üretken yapay zekâ yazılımının en yeni versiyonu olan ChatGPT’yi dünyaya tanıttı. Philadelphia’da ise Pennsylvania Üniversitesi’nin Wharton School’unda görev yapan, sınıfta ve sınıf dışında yapay zekânın en ateşli savunucularından biri hâline gelen Ethan Mollick bekliyordu. (Mollick’in son kitabı Co-Existence: The Next Phase of AI Ekim ayında yayımlanacak.) Mollick’e göre programın önceki versiyonları “ortaokul düzeyinde oldukça iyi kompozisyonlar yazabiliyordu ama bunun ötesinde pek işe yaramıyordu”. Ancak doğal dil kullanan bir sohbet robotu olarak sunulan GPT-3.5’in farklı olma potansiyeli vardı.

Mollick, ChatGPT’yi dört gün sonra Wharton’daki Girişimcilik dersinde lisans öğrencilerine gösterdi. O sırada öğrenciler ders kapsamındaki girişim projelerinde oldukça ilerlemişti; bunlardan biri Harry Potter evrenindeki konuşan tabloları taklit eden bir araç geliştiriyordu. Öğrenci, Mollick’in gösterimini kısa sürede geride bıraktı. Mollick, “Bana, gösterimin ortalarına doğru dikkatini vermeyi bıraktığını ve dersin sonunda projesini tamamlamış olduğunu gösterdiğini söyledi” diyor. Aynı durum MBA sınıfında da yaşandı: “Herkes yaptığı işi bıraktı”. Birkaç hafta sonra Mollick, yeni döneme ait ve öğrencilerin bazı projelerde yapay zekâ kullanmasını zorunlu kılan ders programını yayımlayarak büyük yankı uyandırdı.

Mollick yapay zekâyı benimseyen ilk isimlerden biri olabilir, ancak büyük ya da küçük, devlet ya da özel, prestijli ya da daha az tanınmış işletme okullarının tamamı, mümkün olan her yerde ve her şekilde bu teknolojiyi kullanmak için yarışıyor. Amaç; sınıfta yapılan analizleri hızlandırmak ve kapsamını genişletmek, araştırmalara ve ders dışındaki sorulara destek vermek, öğrencilere ve öğretim üyelerine geri bildirim sağlamak. Üstelik bu süreç, başka çevrelerde yapay zekâ gelişiminin yavaşlatılması yönündeki çağrıların arttığı bir dönemde yaşanıyor. Yapay zekâ entegrasyonu danışmanlık şirketi Inspire Higher Ed’in, Association to Advance Collegiate Schools of Business ile birlikte hazırladığı yakın tarihli bir rapora göre, UCLA Anderson School of Management bugün “yaklaşık 25 ila 30 üretim ajanı” çalıştırıyor. Bunlar arasında “ders eğitmenleri, sınıf simülasyonları, kariyer koçluğu ajanları ve en az bir düzine alt ajanı yöneten kapsamlı bir bitirme projesi asistanı” bulunuyor. Rapora göre bu durum Anderson’ı, araştırmaya katılan 84 okul arasında yapay zekâ kullanımında “en ileri düzeydeki kurumlar” arasına yerleştiriyor.

İşletme okulları elbette yapay zekânın mezunlarının çalışma biçimini dönüştürmenin eşiğinde olduğunun farkında. Temmuz ayında yayımlanan bir araştırma, en güncel yapay zekâ yazılımlarının işletme disiplinlerinin geniş bir yelpazesindeki vaka çalışmalarını çözmede şimdiden oldukça iyi performans gösterdiğini ortaya koydu; her ne kadar son dönemde performans artışı yatay seyretmeye başlamış olsa da. Harvard Business School’dan ve çalışmanın ortak yazarlarından Karim Lakhani, “Bu, tüm işletme okulları ve tüm eğitimciler için devam eden bir süreç. Nasıl ki matematik eğitimi hesap makinesine uyum sağlamayı öğrendiyse, biz de artık bu yapay zekâ modellerinin yaygınlaşmasının ne öğrettiğimiz ve nasıl öğrettiğimiz üzerindeki etkilerini düşünmek zorundayız” diyor.

Üstelik bu yalnızca bugün yapılan işleri kapsıyor. Brezilya’daki Federal Juiz de Fora Üniversitesi’nde dilbilim profesörü olan Tiago Torrent’e göre yapay zekâ, birkaç yıl öncesine kadar hayal bile edilemeyecek ölçekte veri analizi yapabilmenin kapısını açıyor. Torrent yapay zekânın büyük veri yığınlarında daha önce hayal bile edilemeyecek çalışmalar yapabildiğini belirterek, “İnsanların yapay zekâ olmadan gerçekleştiremeyeceği görevler var: Yapay zekâ, bizim bir ömür boyunca fark edemeyeceğimiz örüntüleri bulabiliyor. Böyle bir şeyden söz ettiğinizde eğitim tamamen yeni bir şekil kazanıyor” diyor.

Ancak bu dönüşüm ciddi riskler de barındırıyor. İnsanların nasıl öğrendiğini inceleyen araştırmacılara göre öğrenciler düşünme işini ne kadar çok yapay zekâya bırakırsa, kendileri o kadar az düşünecek. Psikologların “bilişsel dışsallaştırma” (cognitive offloading) adını verdiği bu ilke oldukça sezgisel bir mantığa dayanıyor. Bununla birlikte yapay zekâ, öğrencilerin gerçekten bir şey öğrenip öğrenmediğini anlamayı da zorlaştırıyor; ChatGPT ve benzeri sistemler, öğretim üyelerinin onlarca yıldır kullandığı pek çok değerlendirme yöntemini geçersiz hâle getirebiliyor. Mollick, “Kimse bunun olmasını istemedi. Ama bulunduğumuz nokta bu. Yapay zekânın eğitimde çok iyi ve çok kötü yanları var. Ancak iyi yanlarının büyük bölümü, onları hayata geçirmek için bizim harekete geçmemizi gerektiriyor. Asıl zorluk da burada başlıyor” değerlendirmesinde bulunuyor.

Belki de işletme okullarının yapay zekâ hakkında ne öğretmesi gerektiği kadar önemli olan bir başka soru daha var: Yapay zekâ mevcut eğitim içeriğinin hangi bölümlerini gereksiz hâle getiriyor? Öğrencilerin hâlâ bir pazarın büyüklüğünü hesaplamayı bilmesi gerekiyor mu? İndirgenmiş nakit akışı analizleri yapmaları şart mı? Stratejik plan hazırlamayı öğrenmeli mi? Regresyon analizi yapabilmeli mi?

Şirketler ve işletme okulları, gerçek dünyada veriler çoğu zaman eksik ve uyumsuz olsa bile, makinelerin sonunda bu işlerin büyük kısmını üstleneceğini varsayıyor. Wharton MBA programının dekan yardımcısı Michael Roberts MBA mezunları için, “Buradan ayrıldıktan sonra zamanlarının büyük kısmı üretim yapmakla değil, yapay zekâ ya da başka biri tarafından oluşturulan modellerin tanımlanması ve doğrulanmasıyla geçecek” diyor.

İş dünyası ve işletme okulları açısından sorun şu ki yapay zekâ hâlâ son derece hataya açık. Büyük dil modelleri, devasa miktarda metinden çıkardıkları örüntülere dayanarak sıradaki en olası kelimeyi tahmin eden olasılık makineleri. Bu metinlerin içinde insanların dil kullanırken yaptığı tüm yanlış değerlendirmeler de yer alıyor. Üstelik modellerin mantıklı ile mantıksızı, uygun ile uygunsuzu ya da doğru ile yanlışı ayırt edebilecek bir mekanizması bulunmuyor. Anlamı daha iyi kavrayabilmek için dilbilim kuramlarını modellerine entegre etmeye çalışan Torrent bunu özellikle vurguluyor. Mollick’in de belirttiği gibi son nesil modeller artık eskisi kadar sık “halüsinasyon” görüp tamamen uydurma senaryolar üretmiyor. Ancak yine de çoğu zaman temelsiz sonuçlara sıçrıyorlar ve Torrent’e göre mevcut yapılarıyla bunu yapmaya devam edecekler.

İşletme vaka analizleri üzerine yazılan makalenin yazarları şu sonuca varıyor: “Etkili doğrulama, hatalı varsayımları, gözden kaçırılmış paydaşları, zayıf nedensellik iddialarını, sayısal hataları ve eksik önerileri tespit edebilecek düzeyde alan bilgisi gerektirir”. Bu nedenle okullar, yapay zekâ ile çalışırken merak duygusunu ve şüpheciliği aşılamaya çalışıyor. Öğretim üyelerinin rehberliğinde öğrenciler, yapay zekânın ürettiği sonuçları tekrar tekrar analiz ediyor; bunları hem geleneksel yöntemlerle yapılan analizlerle hem de diğer modellerin çıktılarıyla karşılaştırıyor. Carnegie Mellon Üniversitesi’nin Tepper School of Business’ında ve Madrid’deki IE Business School’da öğrenciler yalnızca sonuca göre değil, sürece göre de değerlendiriliyor. IE Üniversitesi Stratejik Ortaklıklar İcra Direktörü Cristina Fernández Tesoro, “Onlara, ‘Kaynakları nereden buldun, neden bunları seçtin de diğerlerini seçmedin ve bu akıl yürütmenin neden doğru ya da yanlış olduğunu düşünüyorsun?’ diye sorabilirsiniz. Becerilerin içine sürecin kendisi yerleştirilmiş durumda. Önemli olan yalnızca sonuç değil. Önemli olan sadece ‘Bana cevabı ver’ demek değil; ‘Bu cevaba nasıl ulaştığını da anlat’ diyebilmek” diyor.

Peki, başkalarının yaptığı işi denetleyecek kadar uzmanlaşmayı, o işi bizzat yapmadan nasıl başarabilirsiniz? Tiago, “Belirli bir görevi yerine getirmede daha az yetkin olan kişiler, yapay zekâ yardımına daha fazla başvuruyor. Ama tam da bu kişiler, yapay zekânın ürettiği düşük kaliteli çıktıları fark etmekte daha çok zorlanacak olanlar” değerlendirmesinde bulunuyor. Vaka çalışması makalesinin yazarlarına göre işletme okulları açısından bu durum, “eğitim yükünün azalmak yerine artmasına neden olabilir; çünkü öğrencilerin hem temel analitik çalışmaları nasıl yapacaklarını hem de yapay zekâ tarafından üretilen çalışmaları nasıl denetleyeceklerini öğrenmeleri gerekir.”

Öğrenme süreçleri üzerine çalışan uzmanlar, sınıfta yapay zekâ araçlarının kullanımına ilişkin hedef odaklı bir yaklaşım öneriyor. Onlara göre “temel” dersler büyük ölçüde yapay zekâdan arındırılmış olmalı ki öğrenciler temel kavramlara gerçekten hâkim olabilsin. Başarılı öğrenme, “üretken bir mücadele” gerektiriyor. Ancak bu kavramlar başka bir dersin ikincil unsuru hâline geldiğinde, makineyi sürece dahil etmek daha mantıklı oluyor. Penn State Smeal College of Business’ta işletme etiği profesörü olan Michelle Darnell’ın ifadesiyle bu, “herkesin ihtiyaç duyduğu yapı taşları ile bunları nasıl etkili ve verimli biçimde uyguladığımız arasındaki fark.”

Ancak okullar, öğretim üyelerine nasıl ders vereceklerini söylemek konusunda isteksiz. Bloomberg Businessweek bu haber için, yedi farklı okulda yapay zekâ politikalarını belirleyen veya yönlendiren sekiz profesörle görüştü. (Bunların çoğu aynı zamanda kendi okullarının yönetim kadrolarında görev yapıyor.) Bu kurumların büyük bölümünde yapay zekâ politikalarının ulaştığı en ileri nokta, öğretim üyelerinin her ödev için yapay zekânın nasıl kullanılabileceğini, okul genelinde belirlenmiş kategorilere göre açıkça belirtmesini zorunlu kılmak. Darnell, öğretim üyelerinin sınıfta kendi beklentilerini belirleme özgürlüğünü destekliyor. Yine de ona göre, “öğretim üyeleri, sorumlu yapay zekâ kullanımına ilişkin kanaatlerini destekleyen kapsayıcı bir kültüre güvenebildiklerinde bundan fayda görüyorlar ve öğrencilerin iyi alışkanlıklar geliştirmesi de üniversite düzeyinde yönetilen net temel beklentiler olduğunda daha olası hâle geliyor.”

Elbette istisnalar da var. İspanya’daki IE Üniversitesi, söz konusu öğrenme hedeflerine dayalı yapay zekâ yönergeleri belirliyor. Harvard Business School (HBS) ise daha doğrudan bir yaklaşım benimsiyor; okul uzun süredir sınıfta çoğu teknolojiyi yasaklıyor (teknolojinin bizzat ders konusu olduğu durumlar hariç). Ayrıca birçok üst düzey okul, bunu resmî politika hâline getirmese de uygulamada benimsemiş görünüyor. Duke Üniversitesi’nin Fuqua School of Business’ında çok az profesör temel derslerde yapay zekâ kullanıyor; bunu okulun inovasyondan sorumlu kıdemli dekan yardımcısı Scott Dyreng söylüyor. Wharton’dan Roberts ise öğrencilerin finans derslerinde yapay zekâ öncesinde yaptıkları kadar “tekrar” (yani problem ve vaka çalışması) çözdüklerini, buna ek olarak da “yapay zekâ destekli tekrarlar” yaptıklarını belirtiyor.

Ancak bazı okullar çok farklı bir yaklaşım izliyor. Notre Dame Üniversitesi’nin Mendoza College of Business’ı, yapay zekâyı MBA müfredatının geniş bir bölümüne, temel kavramlar da dahil olmak üzere entegre etmiş durumda. Bunu okulun akademik programlardan sorumlu kıdemli dekan yardımcısı Nicholas Berente söylüyor. Uzun yıllar bilişim teknolojileri alanında çalıştıktan sonra bu konuyu akademik olarak incelemeye başlayan Berente durumun abartıldığını belirterek, “İnsanlar gereksiz yere büyütüyor. Çok gürültü koparıyorlar” diyor. Berente, bilişsel yük devrinin insanlık tarihi boyunca yeni teknolojilerin eski sorunları çözmesiyle sürekli yaşandığına dikkat çekiyor. Bunu göstermek için rafından krom kaplamalı bir sekstant çıkarıyor; bu, denizcilerin yıldızlara bakarak yön bulmasına yardımcı olan ve bir dönem son derece yaygın kullanılan bir araçtı. Sekstantlar zamanla radyo ve uydu sistemleriyle yer değiştirdi. (Gerçi ABD Donanması ve Ticaret Filosu gibi kurumlarda denizcilere, modern ekipmanların arızalanması ihtimaline karşı hâlâ yıldızlarla yön bulma öğretiliyor.) Berente’ye göre bugün bazı yazılım geliştiriciler, yapay zekâyı entegre eden ve güvenilir, doğrulanabilir sonuçlar sunan programlar geliştiriyor, bu eğilim de devam edecek.

Berente, öğrencilerin herhangi bir analitik tekniğin altında yatan prensibi öğrenmesinin, belirli bir süreci ezberlemesinden daha önemli olduğunu savunarak, “Bu yapay zekâ araçları bundan sonraki yaşamlarının bir parçası olacak. Dolayısıyla bunları ister temel ister ikincil dersler olarak adlandırın, müfredata dahil etmek bizim sorumluluğumuz. Her ikisinin de içinde yer alıyorlar. Her şeyin içinde yer alıyorlar” değerlendirmesinde bulunuyor.

Elbette okulların öğrencilerin boş zamanlarında ne yaptıkları üzerinde bir kontrolü yok ve birçok profesör özel sohbetlerde öğrencilerinin ödevlerini bir yapay zekâ botuna yaptırdığını varsayıyor. Üstelik çoğu zaman okullar bunu teşvik de ediyor. Vaka çalışması yönteminin doğduğu Harvard’da, “Yapay zekâ öğrencilerin derse daha hazırlıklı gelmesini kesinlikle sağlıyor” diyor teknoloji ve dönüşümden sorumlu öğretim kurulu başkanı Mitchell Weiss. Weiss son dönemde, ders dışında yapay zekâ kullanımını daha “Sokratik” hâle getirecek formatlarda vaka çalışmaları dağıtmayı denemeye başlamış.

Harvard’ın Yapay Zekâ Enstitüsü’nün kurucu ortağı ve başkanı olan Lakhani ise, erken dönemde ChatGPT’nin bir vaka hakkında kendisinin hangi tür soruları soracağını doğru şekilde tahmin edebildiğini keşfettiğini belirterek, “Vaka tartışmaları daha iyi, daha derin ve daha hızlı hâle geliyor; çünkü bariz noktalar zaten ele alınmış oluyor ve öğrenciler bunun farkında. Dolayısıyla öğretim üyeleri olarak bizim görevimiz, tartışmanın çıtasını gerçekten yükseltmek” diyor. Weiss de daha “zengin ve derin” vaka tartışmaları yaratmak için ChatGPT’ye başvurduğunu söylüyor. Columbia Business School ise, ders öncesinde vaka çalışmaları ve diğer konular hakkında sorular yönelten ses komutlu bir “tartışma ajanı” geliştirdi. Bu araç bugün Virginia Üniversitesi ve California Üniversitesi Berkeley kampüsü de dahil olmak üzere 25 başka işletme okulunda kullanılıyor. Madrid’deki IE Üniversitesi de benzer bir araçtan yararlanıyor.

Öte yandan Weiss, alternatif senaryoyu hayal etmenin de kolay olduğunu söylüyor: Öğrencilerin yapay zekâya başvurarak “olası sorulara hızlı cevaplar” üretmesi ya da daha kötüsü işi tamamen ona yaptırması. Yakın tarihli bir ankette, kendisini “AI-first” yani “önce yapay zekâ” yaklaşımına sahip bir kurum olarak tanıtan American University’nin Kogod School of Business öğrencilerinin yüzde 40’ından fazlası, yapay zekâyı kendi çalışmalarının yerine geçen bir “kestirme yol” olarak kullandığını kabul etti. Ancak gerçek oranın çok daha yüksek olduğu tahmin ediliyor. (Öğrencilerin yalnızca yüzde 10’u yapay zekâ kullanımının “akademik dürüstlük ve özgünlük kaybı” açısından endişe yarattığını düşünüyor.)

Tulane Üniversitesi Freeman School of Business’ta doçent olan ve okulun yapay zekâ dönüşümünü yöneten J. Cameron Verhaal, “Büyük ölçüde yapay zekâ tarafından üretilmiş olduğunu bildiğim bir yığın ödevi okumak ve notlandırmak kadar kişisel olarak canımı sıkan başka bir şey yok” diyor. Ancak sorun yalnızca bu hayal kırıklığı değil. Eğitmenler, öğrencilerin teknoloji hakkında gerçekte ne bildiğini değerlendirmekte giderek daha fazla zorlanıyor. Verhaal, sınıf içi sunumlarda “geniş bir alanın yüzeysel şekilde kapsanmasındansa daha dar bir alanın derinlemesine anlaşılmasına” önem verdiğini vurgulayarak, “Sunum tasarımı ve üretiminde yapay zekâyı aşırı kullanan öğrencilerin çok fazla konuya değinmeye çalıştığını görüyorum; çünkü yapay zekâ büyük miktarda bilgiyi düzenli paketler hâlinde sunmakta çok başarılı. Ancak öğrencilerin içeriğe yeterince hâkim olmadıkları da hemen ortaya çıkıyor” yorumunu yapıyor.

Görüşülen profesörlerin çoğu, bazı meslektaşlarının yeniden mavi kapaklı sınav kitapçıklarında el yazısıyla yazılan kompozisyonlara döndüğünü söylüyor. Ancak Lakhani, ciddi bir düşünceyi gizleyen alaycı bir ses tonuyla, “Bu da uzun sürmeyecek; çünkü sensörler yerleştirilmeye başladığında...” diyerek sözünü yarım bırakıyor. Duke Üniversitesi yakın zamanda çevrim içi programında sözlü sınavlar için dijital bir gözetmen pilot uygulaması başlattı: Yapay zekâ kaynaklı bir soruna karşı yapay zekâ çözümü.

Okulların, bilişsel psikologların yapay zekânın çok daha kapsamlı ve hatta sinsi bir etkisi olarak gördüğü başka bir sorun için ise belirgin bir çözümü yok: Yazmanın terk edilmesi. Tulsa Üniversitesi’nde bilişsel psikoloji dersleri veren David Rettinger, “Yazmak, eleştirel düşünmek için sahip olduğumuz en önemli araç. Eleştirel düşünme, insanların kanıtları değerlendirerek sonuçlara ulaşmasını sağlayan beceriler bütünüdür. Yazmak bu süreçte son derece faydalıdır; çünkü yazardan, kanıtları okuyucuyu ikna edecek şekilde düzenlemesini ister” diyor.

Görüşülen hemen her profesör, öğrencilerin daha az yazdığını ve daha az okuduğunu kabul ediyor; birçok akademisyene göre bu eğilim yapay zekâdan çok önce başlamıştı ve öğrenme sürecini olumsuz etkiliyor. Bu, yükseköğretim dünyasının genelinde dile getirilen bir alarm. Ancak burada durum özellikle ironik; çünkü tüm işletme okulları geliştirmeye çalıştıkları beceriler arasında bunu sayıyor ve yapay zekâ ile çalışabilmek için de bu beceri kritik önem taşıyor. Buna rağmen söz konusu okullar arasında yalnızca IE Üniversitesi, yazının rolünü korumaya hatta güçlendirmeye yönelik stratejiler geliştiriyor; üstelik çoğu zaman bunu yapay zekâ desteğiyle gerçekleştiriyor. Diğerlerinin tamamı ise Amerikan okulları ve davranış kurallarını uygulamanın ötesinde bu beceriyi korumaya yönelik bir plana sahip değil. Üstelik bunu yaparken kullandıkları tespit yazılımlarının da yakında yetersiz kalacağı düşünülüyor. Wharton’dan Roberts, “MBA öğrencilerine yalnızca derslerde değil, derslerin dışında ve hazırlık dönemimiz boyunca da şunu anlattık: Yapay zekâya körü körüne güvenmek, buradan ayrıldıktan sonra işe yaramayacak. İş bulurken işe yaramayacak, işi sürdürürken işe yaramayacak ve işinizde başarılı olmanızı da sağlamayacak” diyor.

Rettinger, yazma görevini makinelere devretmesi halinde insan türünün akıl yürütme becerisini geliştirebileceği alternatif bir ortam bulacağını umuyor; ancak bundan tamamen emin değil. Rettinger, “Bununla nasıl başa çıkacağımızı bulana kadar öğrenme kaybı yaşanacak” diyor ve Tepper ile IE gibi, öğrencilerin yapay zekâyla etkileşimleri sırasında yaptıkları tüm tercihleri ifade etmek ve savunmak zorunda olduğu, ardından da bu tercihler üzerinden değerlendirildiği yöntemler geliştiren okulların doğru yaklaşımı benimsediğini düşünüyor. Tecrübeli isim, “Bu, yapay zekânın eğitim pedagojisine uyarlanması konusunda kesinlikle en ileri nokta. Ancak bu faaliyetleri ve değerlendirmeleri geliştirmek, ardından hem öğrenciyi hem de değerlendirme sürecinin kendisini değerlendirmek için muazzam kaynak yatırımı gerekiyor. Elit olmayan kurumların bunu geniş ölçekte karşılayabileceğinden emin değilim” değerlendirmesinde bulunuyor.

Yapay zekâ öğrenme açısından en yararlı olduğu zaman ne zaman? Bilişsel psikologlara göre, düşünme işini kendisi üstlenmeden düşünmeyi teşvik ettiği zaman. Amerikan Psikoloji Derneği’nde öğretim ve öğrenmeden sorumlu kıdemli direktör Beth Schwartz da, “Yapay zekânın en iyi kullanım alanı bu. Ertesi gün sınavınız varsa çalışma soruları oluşturmanıza ya da bir vaka çalışması tartışmasına hazırlanmanıza yardımcı olması harika” diyor.

Ülke genelindeki işletme okullarında yapay zekâ eğitmenleri, öğrencilerin ders materyalleriyle ilgili sorularını ne zaman ortaya çıkarsa çıksın, gece ya da gündüz yanıtlıyor. Northwestern Üniversitesi’nin Kellogg School of Management’ı, Tepper ve IE dahil olmak üzere bazı okullar, yapay zekâ destekli vaka çalışmaları uygulamaya koyuyor. Tulane’ın Freeman School of Business’ındaki öğrenciler müzakere pratiği yapıyor ve yapay zekâ destekli bir simülasyondan geri bildirim alıyor.

Yapay zekâ, özellikle bir koç olarak son derece etkili olabiliyor. Geçen Noel’de Fuqua’dan Dyreng, bahar dönemindeki vergi dersi için öğrenci ekiplerinin ders dışındaki toplantılarını kaydetmelerini ve analiz edilmek üzere dökümlerini teslim etmelerini sağlayacak bir plan geliştirdi. Sınıfa katılımın hemen arttığını gördü; bunun geri bildirimden ziyade öğrencilerin bir araya gelip ders konularını tartışmak zorunda kalmasından kaynaklanmış olması daha muhtemel. Yine de yazılım bazı şaşırtıcı gözlemlerde bulundu. Örneğin bir projede, iki grup aynı bilgilerden tamamen zıt sonuçlara ulaştığında, “ekip toplantılarının ortaya çıkardığı şey, her iki ekibin de analizi yapmak üzere elektronik tabloyu hazırlayan kişinin tercihine sabitlenmiş olmasıydı”. Dyreng, yapay zekânın önyargılı öncüllere sahip tek yazılım olmadığını da belirterek, “Kimse ‘Elektronik tablodaki hesaplamanızın altında hangi varsayımlar yatıyordu?’ diye sormadı. Yapay zekânın ekip değerlendirme aracı bunu fark edecek ve onlara geri bildirim verecek kadar incelikliydi” diyor.

Dyreng, ayrı bir program sayesinde sınıfa daha fazla öğrencinin katıldığını biliyordu. Bu program sınıf tartışmasını kaydediyor ve yalnızca her öğrencinin ne kadar konuştuğunu değil, katkısının niteliğini de analiz ediyor. Dyreng, “Bütün bunların zor kısmı, 75 kişinin bulunduğu bir sınıfta kimin ne söylediğini gerçekten nasıl belirleyeceğiniz. Geliştirdiğimiz teknoloji de bu” diyor.

Bu sonbaharda yaklaşık bir düzine ders, onun ekip toplantısı programını kullanmaya başlayacak. Buna ek olarak Fuqua, MBA programına yeni başlayan öğrencileri, tüm temel derslerde birlikte çalışacakları küçük liderlik ekiplerine ayrı ayrı yerleştiriyor ve tüm ekiplerden, bir çalışma sözleşmesi oluşturdukları ilk toplantılarını kaydetmelerini istiyor. Ardından okul herkese yapay zekâ tarafından oluşturulan geri bildirimleri gönderiyor. Dyreng bunu şöyle anlatıyor: “Çalışma sözleşmenizle ilgili düşünmeniz gereken noktalar bunlar. Bu noktalar hakkında konuşma konusunda ne kadar başarılı olduğunuz burada. Başarılı bir ekip deneyimi yaşamak istiyorsanız bundan sonra neler yapabileceğinize ilişkin bazı öneriler de şunlar.”

Ancak bunlar işin kolay kazanımları. Asıl zorlu çalışma, kestirme yollar bulmaya yönelik karşı konulması güç eğilime direnebilecek, yapay zekâyla iç içe geçmiş bir müfredat tasarlamak olacak.

Wharton School’dan Mollick, bunun bir profesör olarak kendi sorumluluğu olduğunun altını çizerek, “İnsanlardan özellikle bir şey yapmak için yapay zekâyla etkileşime girmelerini istediğim bir ödevde, benim görevim bu etkileşimi, insanların bundan gerçekten bir şey öğrenmesini sağlayacak şekilde tasarlamak. Yapay zekâ kullanımını zorunlu tuttuğum ödevler konusunda aslında daha az endişeliyim; çünkü yapay zekânın nasıl kullanılacağı, doğru şekilde kullanılmasını nasıl sağlayacağım ve öğrenmeyi mümkün kılacak doğru destek yapısını etrafında nasıl kuracağım konusunda kafa yormuş durumdayım. Her vakada hangi pedagojik teknikleri uyguladığımı biliyorum ve yapay zekânın en azından bunlarla uyumlu olmasını sağlayabiliyorum. Ancak bu, gerçekten kopya çekmek isterlerse yine de çekemeyecekleri anlamına gelmiyor” diyor.

Dyreng açısından kolay cevaplarla entelektüel titizlik arasında doğru dengeyi bulmak hâlâ devam eden bir çalışma. Tecrübeli akademisyen bu çalışmayı “Geçtiğimiz yıl, ‘Ben inovasyon dekanıyım. Bu insanlara yapay zekâya erişim sağlamam gerekiyor’ diye düşündüm. Bu nedenle vergi dersindeki öğrenciler her şey için yapay zekâya tam erişim elde etti. Öğrenciler, seçtikleri herhangi bir sohbet robotundan, örneğin bireysel emeklilik hesapları hakkında bildiği her şeyi kendilerine öğretmesini ve ardından bu bilgileri varsayımsal bir duruma uygulamasını isteyebiliyordu. Sonra derse gelip ‘Birinci grup neden bu öneriye ulaştı, ikinci grup neden farklı bir öneride bulundu?’ diye konuşacaktık. Temelde her derste yaptığımız şey buydu” şeklinde anlatıyor.

Ancak bu yıl, bundan yaklaşık yüzde 50 oranında geri adım atacağını da ekliyor: “Gördüğüm şey, onlara söylediklerimi olduğu gibi yapay zekâya yazdıkları, okudukları ve işlerinin bittiğiydi”. Bunun yerine Dyreng, onlara bazı geleneksel ödevler verecek, araya biraz yapay zekâ kullanımı katacak ve ardından normalde yapacaklarından daha derine inmelerine yardımcı olacak. “Gerçekten yapmaya çalıştığım tek şey bu. Sonuçta onları merak etmeye ve derinlemesine araştırmaya teşvik etmeye çalışıyorum.”