Girişimcilik eğitimi, kuluçka merkezleri, hızlandırma programları, girişimcilik kampları ve kurum içi inovasyon programları da dahil olmak üzere büyük bir değişimle karşı karşıya. Biz bu eğitimleri hâlâ eski araçlarla, eski akışlarla ve eski ölçütlerle dayanan ezberlerle veriyorsak, yapay zeka o yapının zayıf taraflarını görünür kılıyor.

Ders İçinde Yapay Zekayı Kullanmak

Bu yıl İTÜ’de lisans son sınıf öğrencilerine verdiğim kendi Girişimcilik dersimde yapay zekayı doğrudan ve her boyutu ile sürecin içine almayı denedim. Öğrenciler fikir üretirken, problem alanı seçerken, müşteri görüşmesi soruları hazırlarken, pazar araştırması yaparken, A/B test kurgularken, prototip çıkarırken ve sunumlarını toparlarken yapay zekadan hem sınıf içinde, hem sınıf dışında meşru ve eleştirel bir biçimde yararlanıyorlar.

Bu yeni ders denemesini henüz gelişimini tamalamış bir model olarak görmüyorum. Benim yaptığım da bir deneme. Gelecek yıl aynı dersi muhtemelen bu denemeden öğrenerek daha da gelişmiş bir şekilde vereceğim. Elbette, bu arada yapay zekanın yeni kullanım biçimleri ortaya çıktıkça dersin yapısı da değişecek. Öğrencinin araçla ilişkisi değiştikçe ödevler, sınıftaki tartışmalar ve değerlendirme biçimleri de yeniden kurulacak.

Kuluçka Programlarında Eski Omurga Yetmiyor

Kuluçka merkezleri ve girişimcilik programları için de benzer bir durum var.

Bugüne kadar birçok programın omurgası birbirine benziyordu. İş modeli kanvası, değer önerisi, pazar analizi, finansal okuryazarlık, satış, hukuk, yatırımcı sunumu, demo day. Bu başlıkların çoğu hâlâ gerekli olabilir. Fakat artık aynı şekilde anlatıldıklarında hızla anlamsız hale geliyorlar.

Bir girişimci adayının sunum taslağı hazırlaması, rakip listesi çıkarması, müşteri segmenti yazması, landing page kurması, reklam metni üretmesi, hatta basit bir prototip çıkarması eskisine göre çok daha kolay. Kuluçka programının veya girişimcilik dersinin bütün değeri bu çıktıları üretmeye dayanıyorsa, anlam kaybı yaşaması kaçınılmaz hale geliyor.

Kuluçka merkezinin veya girişimcilik öğretmeyi hedefleyen akademisyenin değeri şablon dağıtmakla sınırlı olmamalı. Bu yeni bir durum değil. Hep öyleydi. Girişimcinin ihtiyacı çoğu zaman hazır bilgi eksikliğinden kaynaklanmıyor. Yanlış probleme fazla bağlanır. Müşteriden aldığı cevabı yanlış okur. Çözümünü erken sever. Pazarla temas etmeden sunumunu parlatır. Mentor görüşmesinden kendini doğrulayacak cümleler seçer. Demo day’e hazırlanırken işi büyütmek yerine hikâyeyi büyütür.

Yapay Zeka Zayıf Fikirleri Daha Parlak Gösterebilir

Yapay zeka bu davranışları temizlemiyor. Bazılarını daha kolay hale getiriyor. Zayıf bir fikir artık daha iyi yazılmış bir metinle, daha temiz bir sunumla ve daha ikna edici görünen bir pazar analiziyle paketleyebilirsiniz. Eleştirel aklın iş fikrini kritik etmesi, piyasada o fikri gerçekten sahaya çıkarak denemek hala ve belki eskisinden daha fazla gerekli.

Bu yüzden kuluçka programının ve girişimcilik derslerinin işlevi ve yöntemleri değişmek zorunda. Program, girişimciye sırayla doldurulacak şablonlar veren ve belirli söylemlere uymasını yönlendiren bir takvim olmaktan çıkmalı. Varsayım takibi yapan, müşteri temasını ciddiye alan, deney tasarımını zorlayan ve ekiplerin ne öğrendiğini ölçen bir yapıya dönüşmeli. Mentor görüşmeleri de kıymetli insanlardan genel tavsiye seansları gibi ilerlememeli. Her görüşme, o hafta test edilen varsayıma ve sahadan gelen somut cevaba bağlanmalı.

Üniversite derslerinde de benzer bir dönüşüm gerekiyor. Öğrenciye kanvas doldurtmak, pitch deck hazırlatmak ya da “müşteriyle konuşun” demek tek başına yeterli olmuyor. Promptta ne soracağını, hangi varsayımı sahada test ettiğini, AI’dan veya müşteriden gelen cevaplarıı nasıl yorumladığını ve fikrini ne zaman değiştirmesi gerektiğini deneyimlemesine vesile olmak gerekiyor.

Hız Artıyor ama Öğrenme Kendiliğinden Gelmiyor

Yapay zeka bu süreci hızlandırabilir. Öğrenci daha çok alternatif görebilir. Girişimci daha hızlı prototip çıkarabilir. Program ekibi daha erken sinyal toplayabilir. Fakat hız kendi başına öğrenme üretmez. Daha hızlı çıktı almak, daha iyi girişim kurmak anlamına gelmez.

Eğitimlerin ve programların ağırlığı bu yüzden araç öğretmekten düşünme disiplinine kaymalı. Yapay zekayı kullanmayı öğretmek gerekli. Daha zor olan, çıkan cevaba nasıl davranılacağını öğretmek. Hangi cevaba güvenilecek? Hangi öneri test edilecek? Hangi analiz yalnızca düzgün yazılmış bir tahmin? Hangi veri sahadan geliyor?

Kuluçka merkezleri için bu aynı zamanda program tasarımı meselesi. Haftalık eğitim koymak kolay. Mentor havuzu oluşturmak kolay. Demo day düzenlemek kolay. Zor olan, girişimcinin gerçekten ilerleyip ilerlemediğini anlamak, ölçmek, delillendirmek.

Bir ekip üç hafta sonunda daha güzel bir sunuma sahip olabilir ama müşteri hakkında fazla bir şey öğrenmemiş olabilir. Başka bir ekip sunumda hâlâ dağınık görünebilir ama problemi daha iyi anlamış, hedef müşterisini daraltmış, ilk fiyat sinyalini almış olabilir. Kuluçka programınız bunları ayırt edemiyorsa yapay zeka çağında daha da yüzeysel kalmak tehlikesi ile karşı karşıyasınız.

Değerlendirme Çıktıya Değil Öğrenmeye Bakmalı

Aynı ölçüt üniversite dersi için de geçerli. Öğrencinin iyi tasarlanmış slaytlar hazırlaması ya da yapay zekayla pürüzsüz metinler üretmesi başarı sayılmamalı. Öğrenci fikrinin hangi kısmını test etti? Ne öğrendi? Hangi varsayımı terk etti? Müşteriyle temas kurdu mu? Aldığı cevabı fikrine yedirebildi mi? Ders, varsa dersin sınavı veya sunum değerlendirmesi bunları ölçmeli.

Bu dönüşüm hocadan, program yöneticisinden ve mentordan daha fazla emek istiyor. Her tur aynı dosyayı açıp aynı eğitimi ezberden vermekle ilerlenmez. Araçları denemek gerekir. Girişimcilerin o araçları nasıl kullandığını görmek gerekir. Bazı eğitim başlıklarının artık gereksiz uzadığını kabul etmek gerekir. Bazılarını yeniden tasarlamak gerekir.

Pazar araştırması eğitimi artık arama yapmayı öğretmekle yetinemez. Girişimciye yapay zekadan gelen pazar büyüklüğü tahmininin ne kadar güvenilir olduğunu sorgulatmak gerekir. Satış eğitimi yalnızca e-posta metni yazdırmakla kalamaz. O metnin hangi müşteri içgörüsüne dayandığını tartışmak gerekir. Yatırımcı sunumu eğitimi hikâyeyi parlatmakla sınırlı kalamaz. Hikâyenin altındaki varsayımları görünür kılmak gerekir.

Biz eğitimleri ve girişimcilik programlarını çoğu zaman canlı bir deneme alanı gibi tasarlamıyoruz. Dersin haftaları belli. Programın modülleri belli. Mentor görüşmeleri belli. Demo day tarihi belli. İçerik donunca, dünya değiştiğinde ilk sarsılan yapı eğitim oluyor.

Değişmeyen Temeller, Değişen Yöntemler

Girişimcilik eğitiminde temel konular hâlâ yerinde duruyor. Problem, müşteri, değer önerisi, ekip, kaynak, pazar, deney, öğrenme. Kuluçka merkezleri için de yapılacak iş tanıdık. Doğru ekipleri seçmek, onları sahaya çıkmaya zorlamak, varsayımlarını test ettirmek, doğru mentorla doğru zamanda buluşturmak, sahte ilerlemeyle gerçek öğrenmeyi ayırmak.

Değişen şey bunların yapılış biçimi.

Bir öğrencinin ya da girişimcinin üç haftada ürettiği çıktıyı artık üç saatte üretmesi mümkün. Kalan zamanı daha iyi soru sormak, daha çok müşteriyle konuşmak, daha net deney tasarlamak ve daha dürüst karar vermek için kullanabiliriz.

Yapay zeka sonrası girişimcilik eğitimi, üniversitede de kuluçka merkezinde de kendini yeniden kurmak zorunda. Ezber ders, şablon program ve vitrin demo day modeli daha fazla zorlanacak. Bu durumdan iyi bir eğitim pratiği de çıkabilir, daha parlak ama daha boş programlar da. Farkı belirleyecek şey, yapay zekanın varlığı kadar bizim onu eğitime nasıl uyguladığımız olacak.