Yapay zeka kayıtlı olanı işlerken çoğu kritik iç görünün ise henüz kaydedilmemiş olduğunu hiçdüşündünüz mü? Bugün veri bilimi, yapay zeka ve davranışsal yaklaşım üzerine sayısız çalışma konuşuyoruz; ancak hâlâ gözden kaçırdığımız çok temel bir gerçek var: İnsan davranışı çoğu zaman veri setine hiç girmeyen mikro deneyimlerden oluşuyor. Bunlar kaydedilmez, sensörlere yakalanmaz, CRM’e düşmez. Tüketici ürüne dokunurken neden duraksadı? Yönetici bir anda risk iştahını neden değiştirdi? Müşteri mağazada çıkışa yönelirken aklından neler geçti? Evet; yapay zekâyla aradığımız kurumsal cevaplar bazen karar kapılarımızın ardında bekler ve üşür.

Bunlar her dönemde olduğu gibi bugün de analitik modellerin yakalayamadığı alanlar. İnsan kararları sandığımızdan çok daha fazla bedensel, bağlamsal ve duygusal işaretlerle şekilleniyor. Üstelik davranış bilimcilerin yıllardır işaret ettiği gibi, bu sürecin büyük kısmı farkında bile olmadığımız otomatik tepkilerden oluşuyor. Bu tartışma aslında yeni değil. Araştırma şirketleri dahi bize yapay zekanın içgörüye gidilen süreçten asıl kullanılması gerektiğini ve hangi alanlarda kısır kaldığını anlatıyor. Nielsen Norman Group’un “Accelerating Research with AI” analizinde şu ifade yer alıyor: “Mevcut yapay zekâ araçlarının moderasyon gerektiren çalışmalardaki faydası sınırlıdır; şu anda kullanılabilirlik testlerini veya sahaçalışmalarını gözlemleyebilecek kapasitede değillerdir.” (Accelerating Research with AI) Daha basiti: Veri bize ne olduğunu söylüyor, neden olduğunu değil. Yapay zeka olanı besliyor,hatta bazen abartıyor; istisnayı ve sebebi ıskalayabiliyor.

Geçtiğimiz günlerde okuduğum Bill Gates biyografisi Source Code’ daki şu satıra gidiyorum: “Kütüphane rastgele bir oda değildi; sayıların dayattığı bir düzen vardı.” Gates’in çocukken kütüphane asistanı olarak geçirdiği saatler, ilerideki yönetici davranışlarını açıklıyordu aslında. Düzen, mantık, sistem; yani bağlamsal koşullanma. Gates’in zihinsel modelini şu cümlede özetleyebiliriz: “Sistem önce gelir, rastlantı sonra açıklanır.” Bugün de markalar hâlâ tüketicinin ne düşündüğünü anlamaya çalışıyor ama çoğu zaman tüketicinin neden öyle düşündüğünü atlıyor. Yapay zeka araçları süreçleri hızlandırıyor, bağlam ekliyor, ilişkileri kuruyor, temiz veriyi alabildiğimiz sürece daha doğru sonuca götürüyor; fakat bir gerçek hâlâ bizi gelenekselde tutuyor. “Sahada yatmadan” müşteri anlaşılmaz. Bu cümle pazarlama alanında artık neredeyse nostaljik bir öğüt gibi dursa da, yapay zeka çağında anlamı daha da büyüyor. Çünkü masa başındag ördüğümüz veri ne kadar zenginleşirse zenginleşsin, kararın oluştuğu anı görmemize hâlâ tam olarak izin vermiyor. Perakende dünyasından kayıt dışı bir örneğe bakalım: Apple Store üzerine yapılan bir saha çalışmasında, araştırmacılar müşterilerin sadece alışveriş için gelmediklerini; mağazayı teknik destek merkezi, sosyal bekleme alanı ve topluluk yeri olarak kullandıklarını gözlemledi. Bazıları ürünlere dokunup uzun süre inceliyor, bazıları tamir sürecinde mağazada sohbet ediyor, bazıları için mağaza bir buluşma mekanı haline geliyor. Bu tür davranışlar, sadece dijital veya satış verisiyle yakalanamaz, saha gözlemi şart. Gözlem yaparken kapıda bekleyip üşüsek bile. Peki saha olmadan tasarlanan ekosistemler neden eksik kalıyor? Geçen hafta bir şirket ile yaptığımız workshop, bu gerçeği pekiştiren örneklerden biri oldu. Markanın B2B müşterilerine özel oluşturduğu dijital kulüp sayfası başarılıydı, ancak iş geliştirme ekibi ekosistemi daha iyi yönetmek için nasıl bir düzenleme yapması gerektiğini sordu. İlk tepkim şu oldu: “Neden önce bana soruyorsunuz?” Bu sorunun cevabı veri değil. Bu sorunun cevabı, çoğunlukla doğrudan müşterinin kendisinde. Kullanıcıyla birebir temas, ister çevrimiçi ister yüz yüze olsun, masa başında çözülemeyecek mikro içgörüleri elimize verir. Bizim gibi danışmanlar elbette yolculuğu optimize eder; ancak yolculuğun nereden başlaması gerektiğine müşterinin kendisi karar verir.

Siyasette de benzer bir mekanizma çalışıyor. Mikro içgörülerin değeri sadece iş dünyasında değil, siyasette de kendini gösteriyor. Dünya genelinde yapılan birçok seçim kampanyasında artık büyük veri modelleri, mikro hedefleme teknikleri ve davranışsal segmentasyon kullanılıyor. Fakat hepsinin ortak bir sorunu var: Veri, politik tercihlerin nedenlerini değil, sadece sonuçlarını gösteriyor. ABD’de 2020 seçimlerinde Demokrat Parti, veri modellerine rağmen kırsal seçmende beklenen dönüşümü yaratamadı. Strateji ekipleri ise bunun temel sebeplerinden birinin “kayıtlı tercihlerin ardındaki bağlamsal davranışların eksik okunması” olduğunu söyledi. Yani bir seçmenin neden öfkelendiği, neden güvendiği veya neden yön değiştirdiği, modelde görünmeyen mikro deneyimlerde saklı. Benzer şekilde Estonya’da dijital devlet reformunun başarılı olmasının ardında sadece teknoloji yok; bu işin müşterisi olan kamu ve özel kurum çalışanlarını ve vatandaşları anlamaya çalışan, direnç noktalarını ve gelişimini takip eden saha ekipleri var. Türkiye’den çok taze bir örnek ise Prof. Dr. Bilge Yılmaz’ın Mesele Ekonomi kanalındaki yayınında, “fındık” konusuna girmesi. Türkiye’nin fındık pazarındaki küresel hakimiyetini nasıl kaybettiğini anlattığı kısım gördüğüm kadarı ile yayının en çok ilgi çeken kısımlardan biri oldu. Çünkü insanlar kağıt üzerindeki politikayı değil, sahadaki gerçek deneyimi duyduklarında etkileniyor. Özellikle siyasi arenada gerçek gündem harici çok fazla konu konuşulurken sahaya dokunmak ilgi çekiyor. Daha önce bu alanda yaptığımız araştırmalar bize vatandaşların “kendi derdi ile dertlenecek” siyaset yapıcı arayışını göstermişti. Bu da dokunmaktan geçiyor. “Seçmen neden bize güvenmiyor" diye sitem etmek çare değil gibi gözüküyor.

Biz bugün insanların nasıl karar verdiğini anlamaya çalışırken çoğu zaman sadece sonuca bakıyoruz: satın aldı mı, oy verdi mi, tıkladı mı, abone oldu mu? Oysa asıl içgörü kararın kendisinde değil, karara giden yolda gizli. Bir yöneticinin aldığı kararı anlamak için rapora değil, geçmişine; bir tüketicinin seçimlerini anlamak için segmentine değil, düşünme modeline bakmak gerekiyor. Bu nedenle yapay zeka çağında yeniden hatırlamamız gereken bir prensip var: İnsan davranışı modellemeden önce gözlemlenir. Bugün LLM’ler, davranışsal analizler, kamera verisi, lokasyon modelleri sayesinde pek çok mikro deneyim ölçülebilir hale geliyor. Ancak hâlâ ölçülemeyen, bağlama sıkı sıkıya bağlı olan, kişinin geçmişiyle, kimliğiyle, anlık duygusuyla şekillenen devasa bir alan var.

Sonuç olarak diyebiliriz ki: Yapay zeka kayıtlı olanı hızla işler; ancak kritik içgörülerin çoğu hâlâ kaydedilmemiş, görülmemiş, sorulmamış durumda. İşte tam bu nedenle, karar alıcı davranışları hâlâ sahada duruyor. Müşteri yolculukları hâlâ birebir gözlemle çözümleniyor. Politik tercihlerin gerçek sebepleri hâlâ mikroskobik deneyimlerde saklı. İç görü hâlâ önce gözlemlenip sonra modelleniyor. Veri önemli, yapay zeka güçlü, modeller sofistike. Ama insan hâlâ karmaşık. Ve insanı anlamanın yolu hâlâ biraz kapının önünde üşümekten geçiyor.