İtibar iş dünyasında takip edilmesi gereken metriklerden biri ama ölçümü o kadar kolay değil. Çünkü birçok metrik gibi, soyut ve operasyonel hale getirilmesi pek kolay değil. Hatta metrikler içinde soyutların en soyutu bile diyebiliriz. Sizce “itibarımız sarsıldı” diyen ne demek istiyordur acaba? Böyle diyene “senin itibarın ne ki depremden etkilenir gibi sarsılıyor” diye sorar mısınız? Yok, sormazsınız… Bilmediğimiz, tanımlayamadığımız bazı kavramlar hakkında “öznel” bir ortak anlayışa sahibizdir, o yüzden bazı ek yan cümlelerle konuşmaya devam ederiz. İtibarın nasıl ölçüleceğini tam anlamıyla tanımlayana kadar öyle de yapmaya devam etmekte fayda var.
İtibar konusunu açmamın nedeni geçenlerde MediaCat ve Veri Enstitusu tarafından gerçekleştirilen yeni bir itibar araştırması modeli lansman toplantısına katılmam.
Açılışta Bekir Ağırdır ekonomik belirsizlik, sosyal medya, AI & bilgi bolluğu ve güven krizi nedeniyle “Bu markanın itibarı ne kadar yüksek?” diye sormamak gerektiğini; artık doğru sorunun “İnsan bugün neye, neden ve hangi koşulda itibar ediyor?” olduğunu belirtti ve yeni modelinin bu gerekliliği karşıladığını söyledi. Eski itibar mimarisinde makam, servet, unvan, diploma, şöhret, büyüklük, medya görünürlüğü, çevre göstergelerinin olduğunu; bu prestij sinyallerinin toplumsal kabule dönüştüğünü ve en nihayetinde bunun da itibarı oluşturduğunu ifade etti. Bugün de bu göstergeler var, bunlar yok olmadı. Ama otomatik olarak itibara dönüşme güçlerinin zayıfladığını belirtti. Konuşulanların hepsi akla yatkın ama daha fazla kanıta ihtiyaç olduğunu da söylemek mümkün.
Şöyle devam etti Ağırdır: “Başarı saygınlıktan, görünürlük önemden, şöhret güvenden, güç meşruiyetten, beğeni itibardan, tercih savunuculuktan ayrışıyor ve yeni itibar da bu ayrışmanın içinden doğuyor.” Yeni itibara geçişte statü hak edilmiş saygıya, görünürlük sahiciliğe, kusursuzluk tutarlılığa, söylem kanıta, otorite yetkinliğe, güç gücün kullanımına, mesafe erişilebilir otoriteye, başarı somut faydaya, beğeni zor zamanda güvene, sahip olmak da sürekli hak etmeye dönüşüyormuş gibi görünüyor.
Daha sonra Ağırdır farklı kategoriler için “ortak öz’den” söz edilebilir ama banka ile peynir markasının, akademisyen ile siyasetçinin itibar reçetesi aynı olamaz; çünkü hepsine emanet ettiğimiz riskler birbirinden başkadır dedi. Neticede bankaya paramızı, hastaneye sağlığımızı, üniversiteye geleceğimizi emanet ediyoruz. Bu yüzden her birinde aranan özelliklerin farklı olabileceğini belirtti.
Bu arada belirteyim bu hep böyle idi, hep de böyle olarak kalacak gibi görünüyor. Üstelik yıllardır da ifade ettiğim üzere itibar araştırmaları syndicated (ortak) yapılmamalı, böyle de açıklanmamalı. The RepTrak Companyve Fortuneda böyle yapıyor ama itibar metrikleri herkesle karşılaştırmalı şekilde değil, kendi rekabet seti içinde markaya/kuruma özel çıkarılmalı. Diğer yandan kurum markasının itibarını mı ölçüyoruz, bir holding mi bu, yoksa ürün markası ve kurum markası aynı bünyede mi? Bu durumda ölçtüğümüz nedir mesela? Bunlar çok önemli sorular.
İtibar özünde göreli veya sıfır toplamlı bir değişken değildir, bir şirketin itibarının düşmesi rakibinin itibarını kendiliğinden yükseltmez. Rakip karşılaştırması ölçümün kendisi değil, sonuçların yorumlanmasında kullanılabilecek ikincil bir referanstır. Marka metriklerinde ise durum farklıdır ama böyle olmasına rağmen marka metriklerini de özel takip etmek gerekir. Çok daha pahalı olsalar bile…
Bekir Ağırdır son olarak da itibarın tanımını şöyle yaptı: İtibar bir kişi ya da kurumun üstlendiği rolü, ne kadar iyi yerine getirdiğine, bunun nasıl bir karakterle yaptığına, başarısıyla şahsiyeti arasındaki ahenge ve zor zamanda verdiği sınavlara bağlı olarak zaman içinde hak ettiği toplumsal güven kredisidir.
Pelin Özkan ise “Kırılgan Halkalar” başlığı altında konuşmasında iş dünyasına araştırma sonuçlarından yola çıkarak beş mesaj verdi.
Gryphus İtibar Araştırması ismini verdikleri araştırmada şimdilik Akaryakıt, Bankacılık, E-Ticaret, Gıda Takviyesi, GSM, Holdingler, Kargo, Market, Otomotiv ve Sigortacılık şirketlerini hesaba katmışlar. Buldukları beş bulgu şöyle:
1) İtibar o kategoride yalnızca size ait değildir. Yani kategorinin genel itibar seviyesi içinde hareket edersiniz. Bu benim yukarıda savunduğum “kategori içi itibar da karşılaştırmaya dayalı değildir” düşüncesine aykırı bir sonuç değil. Her kategori farklı itibar puanı ortalamasına göre dağılım gösterir diyor Özkan. Burada da hemen bir araştırmayla kesin sonuca gitmeyelim derim. Örneğin kutuplaşmış siyaset ortamında medyanın genel olarak itibarı düşük seviyede ilerlese de onun içinde Cumhuriyet Gazetesi ve Yeni Akit Gazetesi okurlarının kendi gazetelerine yönelik itibarı farklı uçlarda olabilir.
2) Kalite erken gelir, güven geç gelir. Tabii araştırma bir nedensellik araştırması değil ama buradaki bulgu “işini bilip iyi yapmanın” her zaman güven yaratmadığı şeklinde.
3) Sosyal sorumluluk konusuna yatırım yapan şirketler için özellikle üzücü bir sonuç var. “İşini iyi yapmak yani kalite” markayı/kurumu ayrıştırıyor ama sosyal sorumluluk ayrıştırmıyor. Ben bu konuyu biraz daha ileri götüreyim… “Sürdürülebilirlik” de ayrıştırmıyor. Tam da bu noktada sosyal sorumlu ve sürdürülebilir davranışların kalite değişkenini ne kadar desteklediğine bakmak gerekir.
4) Toplum kategorilere farklı krediler veriyor. Mesela holdingler, telekom şirketleri, büyük özel bankalara sosyal sorumlulukta cömertken; güvende ölçülü. İndirim marketler, kargo şirketleri ve e-ticaret platformlarına güvende cömertken; sosyal sorumlulukta ölçülü. Yani toplum biraz yararcı… Yararına göre farklı kategorilere yüksek kredileri atıyor, bazılarında ise düşük kredi ile yetiniyor.
5) İtibar puanına göre kategori lideri belli ancak alt değişkenlere kırdığınızda, mesela eğitime göre sıraladığınızda, itibarlı marka değişiyor. Pelin Özkan da sunumunu itibar büyümeye değil dayanıklılığa hizmet eder; iyi günlerde kazanılan kötü günlerde harcanan iyi niyettir, diyerek bitirdi.
Veri Enstitüsü Direktörü Erman Bakırcı İtibar Araştırması’nın yöntemini anlattı.
İlk turda 2400 deneğe açık uçlu “x alanında size göre en itibarlı bulduğunuz ilk 3 şirketi yazar mısınız?” sorusu sorulmuş. Bu sorulara alınan yanıtlara göre markalar ağırlıklı spontan skorlarına göre büyükten küçüğe sıralanmış, kümülatif toplam genel toplamın yüzde 65’ine ulaştığında o noktaya kadarki markalar finalist olmuş. İkinci turda, birinci tura katılmayan 4000 denekten finalist markaları güven, saygınlık, kalite ve sosyal sorumluluk olmak üzere dört değişkene göre 1 ile 10 arasında derecelendirmeleri istenmiş. Daha sonra 1. tur spontan itibar olarak yüzde 30 ile 2. tur değerlendirme olarak yüzde 70 ile ağırlıklandırılıp itibar endeks puanı bulunmuş. Yani sonuç puanı sadece bilinmeye dayanmıyor, nasıl bilindiğin daha önemli diyor Bakırcı. Ama neden ilk tur yüzde 30, ikinci tur yüzde 70? Bunun rasyonel bir açıklaması şu an için yok… Mutlaka değişik oranların ürettiği sonuçlara bakmışlardır.
Bir markanın akla ilk gelmesi ona itibar edildiğini değil, zihinsel olarak erişilebilir olduğunu gösterir. Spontan bilinirliği itibar endeksine katmak, tanınırlığı kurumsal saygınlığın bir parçası haline getirme riski taşır. Bunu unutmamak lazım.
Erman Bakırcı sunumun sonuna şöyle bir ifade koymuş: “Reklam değil, itibar”. Yani aklın kaymağında reklamla kalan güncelliği (%30) değil daha derin (%70) bir şey ölçüyoruz, diyor. Tam ne demek istiyor soramadım ama ben bir yerde görürsem sorarım Erman’a.
Son tablo ise “bizim yöntem neden güvenilir tablosu” idi. Şöyle diyor:
1) 6400 gerçek katılımcı: Sonuçlar tahmine değil, iki ayrı temsili örneklemdeki 2400 + 4000 kişinin cevaplarına dayanır. Hoppala şimdi ne demek bu? Örneklem seçim tablosunda şöyle diyor “Türkiye 18 yaş üstü nüfus, yaş cinsiyet, eğitim ve bölge (İBBS-1, 12 Bölge)”. CAWI yani online seçilmiş deneklerle online görüşme yapılmış ve Fikri Mühim panelinde de örnek seçilmiş. Bu şu demek araştırma dilinde: “seçtiğimiz örneği kotalama yoluyla temsili hale getirdik”. Yani 6400 kişiyi olasılık örneklemesi uygulayarak seçmedik, sadece kotalayıp evren dağılımına benzettik. Bu demek değildir ki örnek Türkiye temsili… Bu örneklem yaş, cinsiyet, eğitim ve bölge bakımından Türkiye dağılımına benzetilmiştir; ancak katılımcılar bilinen seçilme olasılıklarıyla örneklenmediği için klasik anlamda olasılıklı ve temsili bir Türkiye örneklemi değildir. Bu nedenle geleneksel hata payı verilemez, sonuçların Türkiye nüfusuna genellenmesi ek varsayımlar gerektirir. Okuyan sonucu buna göre okuyabilir. Bu zaten Türkiye’deki pazarlama, reklam hatta bazı siyaset araştırmalarının temel sorunudur. Seçilen örneği kotalayıp temsili yapmak, örneğin temsili seçildiğini göstermez. Çünkü kota örneklemi dengeler ama temsil gücünü garanti etmez. Yani bu araştırma “Türkiye’nin İtibarlı Markaları” diye değil, “Gryphus’un İtibarlı Markaları” diye sunulabilir (*). Çünkü örnek kendini temsil eder.
2) Önyargısız Ölçüm: Hazır liste yok, tüketiciye sorduk. Doğru ama örneklem yine kendini temsil ediyor.
3) Odaklı ve Uygulanabilir Anket: Doğru. Ama itibar ölçümü yalın değildir, her bir paydaş için anlam üreten bir ölçüm olmalıdır. Tüketici işin sadece bir ayağı ve onun sonuçlarını çoğu zaman marka sağlığında da alıyorsunuz zaten. Paydaş alt kırılım sonuçları daha önemli olabilir diye düşünüyorum.
4) Sektör İçi Adalet: Zaten öyle olmalı.
5) Tekrarlanabilir Yöntem: Sıfırdan aynı adımlar uygulanabilir, hesaplanabilir, denetlenebilir. Doğru ama aynı örneğe gidilmezse sonuçlar sapma gösterebilir çünkü olasılığa dayalı temsili değil.
Bu şartlar altında Gryphus İtibar Araştırması’nın bu yıl kazananları şöyle:
· Sigortacılık: Allianz (82.0)
· Holding: Koç (82.9)
· Otomotiv: Mercedes-Benz (90,5)
· Market: Migros (84.5)
· Gıda Takviyesi: Orzax/Ocean (79,4)
· Akaryakıt: Shell (86.3)
· E-ticaret: Trendyol (85,1)
· GSM: Turkcell (79,6)
· Bankacılık: Türkiye İş Bankası (82,1)
· Kargo: Yurtiçi Kargo (78,4)
Genel değerlendirmeme geçmeden önce şunu belirtmeliyim. İtibar araştırmalarında paydaştan da önce açıklığa kavuşturulması gereken temel soru, neyin itibarını ölçtüğümüzdür. Holdingin mi, şirketin mi, kurum markasının mı, ürün markasının mı? Bunlar aynı ölçüm nesnesi değildir. Holding yönetişim ve portföy performansı; şirket liderlik, çalışma ortamı ve kurumsal davranış; ürün markası ise kalite, fiyat ve kullanım deneyimi üzerinden değerlendirilebilir. Aynı ismi taşıdıklarında bu düzeyler paydaşın zihninde birbirine karışabilir; farklı isimler taşıdıklarında ise aralarındaki ilişki bilinmeyebilir.
Örneğin “Arçelik’in İtibarı” denildiğinde Arçelik ürün markasının mı, Arçelik A.Ş.’nin mi değerlendirildiği açıkça belirtilmelidir. Koç Holding’in bu değerlendirmedeki yeri de incelenecekse her biri ayrı ölçülmeli, ardından aralarındaki “itibar halesi” ve “aktarım etkisi” analiz edilmelidir. Aksi halde araştırma bir puan üretir ama bu puanın kime ait olduğu belirsiz kalır.
Holding, şirket ve ürün markası arasındaki ilişki tek bir itibar puanı içinde eritilmemeli. Önce her düzeyin itibarı, o düzey hakkında yeterli bilgisi bulunan ilgili paydaşlarda ayrı ayrı ölçülmeli, ardından paydaşın markalar arasındaki sahiplik ilişkisini bilmesi, kurum markasının görünürlüğü, algılanan uyum ve olayın niteliği dikkate alınarak itibarın hangi yönde ve ne ölçüde aktarıldığı test edilmeli. Kurum itibarının ürüne olan etkisiyle, ürün deneyiminin kuruma olan geri etkisi aynı süreç değildir. Bu nedenle araştırma yalnızca “Arçelik’in itibarı kaç?” sorusuna değil, “Koç Holding, Arçelik A.Ş. ve Arçelik ürün markası arasındaki itibar aktarımı hangi paydaşlarda, hangi konuda ve hangi koşullarda gerçekleşiyor?” sorusuna cevap vermelidir.
Bu çerçevede genel değerlendirmemi sorarsanız, yeni bir yöntem geliştirmek için önemli bir çaba gösterilmiş ve arkasına iyi bir gerekçe konmuş. Ancak Bekir Ağırdır’ın anlattığı değişimlerin ve yaptığı itibar tanımının tamamını araştırmanın ölçüm modelinde göremedim. Sonuçların da kullanılan örnekleme yöntemi ışığında değerlendirilmesi gerektiğini düşünüyorum.
İtibar, bir şirketin sahip olduğu sabit bir puan değildir. Farklı paydaşların farklı konular ve deneyimler üzerinden zaman içinde oluşturdukları değerlendirmeler sistemidir. Bununla birlikte, beni bu yazıyı yazmaya ve itibar araştırmasının değişkenlerini yeniden yerli yerine oturtmaya yönelttikleri için kendilerine teşekkür ederim.
Yapay Zeka Devreye Girince…
Bugün yapay zeka itibar ölçümünde pekala kullanılabilir. Yapay zeka yalnızca daha hızlı veri işlemiyor ki. İtibarın nasıl oluştuğunu, nasıl yayıldığını ve hangi davranışlara dönüştüğünü, hatta kurum marka aktarımını izleme imkanı da yaratıyor. Ancak bu imkanı doğru değerlendirebilmek için itibar ölçümünün nereden başladığını ve hangi aşamalardan geçtiğini bilmek gerekiyor. Kurumsal itibarın kökleri 1950’lerin şirket imajı literatürüne uzanır. 1980’lerde ekonomi ve strateji çalışmalarıyla derinlik kazanır. Fombrun ve Shanley’nin 1990 tarihli çalışması ise kurumsal itibarı bağımsız bir ampirik yönetim alanına dönüştüren temel eşiklerden biridir. 1985’te İletişim Fakültesi’ne asistan olduğumda itibar diye bir şey yoktu gündemimizde; kurumsal kimlik ve kurumsal imajdan söz ederdik. Bunun da geçmişi 1958’de HBR’de Pierre Martineau’nun yazmış olduğu “Şirket İmajı için Keskin Odak” makalesine kadar gidiyor.
Buyrun gelişmeyi birlikte görelim:
İtibar Ölçümü 1.0: “Bu şirketin itibarı ne kadar iyi?”
Yukarıda da belirttiğim gibi kurumsal itibarın sistemli biçimde ölçülmesi, şirketlerin kamuoyu ve paydaşlar tarafından genel olarak nasıl değerlendirildiğini tek bir yapı altında toplama düşüncesiyle başladı. Charles Fombrun ve arkadaşlarının geliştirdiği Reputation Quotient (RQ, İtibar Katsayısı) bu gelişmenin en önemli aşamalarından biriydi. Model kurumsal itibarı altı boyut üzerinden değerlendiriyordu:
1. Duygusal çekicilik,
2. Ürünler ve hizmetler,
3. Vizyon ve liderlik,
4. Çalışma ortamı,
5. Sosyal ve çevresel sorumluluk,
6. Finansal performans.
Bu yaklaşımın büyük katkısı, itibarı soyut bir iletişim kavramı olmaktan çıkararak araştırılabilir ve ölçülebilir bir yapıya dönüştürmesiydi. Bu dönemde 2008 yılında bir öğrencimle birlikte tartışmalara katıldık. Şaha B. Baygul Ozpinar, Fombrun’un modelini kullanarak, Türkiye’de kurumun/markanın “yerli ve global” algılanmasının sonuçları nasıl değiştirdiğini inceledi ve anlamlı bulgulara ulaştı. Bu bize itibarın kaynaklarının ülkeden ülkeye değişebileceğinin de ipuçlarını verdi.
Aynı model temel bir kavramsal sorunu da görünür hale getirdi. Bir şirketin kaliteli ürünlere sahip olması ile o şirkete güvenilmesi aynı şey midir? Şirketin finansal açıdan güçlü görülmesi itibarın bir parçası mıdır, yoksa itibarı etkileyen nedenlerden biri midir? Örneğin “X kaliteli ürünler üretir” ifadesiyle “X’e güvenirim” ifadesi aynı düzeyde değerlendirilirse neden ile sonuç birbirine karışır. Birincisi şirketin ürün performansına ilişkin bir değerlendirmedir. İkincisi daha genel bir kurumsal yargıdır. İtibar ölçümünün 2.0 aşaması bu ayrımdan doğdu.
İtibar Ölçümü 2.0: İtibar ile itibarı yaratan nedenleri ayırmak
Ponzi, Fombrun ve Gardberg’in 2011’de geliştirdiği RepTrak Pulse, kurumsal itibarın kendisiyle itibarı meydana getiren unsurları daha açık biçimde birbirinden ayırdı. RepTrak Pulse, itibarı dört genel değerlendirmeyle ölçüyordu:
1. Şirket hakkında olumlu duygu,
2. Şirkete güven,
3. Şirkete duyulan hayranlık ve saygı,
4. Şirketin genel itibarı.
Modelin güçlü tarafı, uzun bir soru listesiyle şirketin bütün özelliklerini aynı puanda toplamaya çalışmamasıydı. Araştırmacılar ölçeği farklı sektörlerde ve paydaş gruplarında sınadılar, ayrıca itibarın kendisiyle destekleyici davranışların ve itibar kaynaklarının ayrılabileceğini gösterdiler. Bugünkü RepTrak yaklaşımındaki bu mantık, çoğu zaman reklamcılık ikna modellerinde de kullandığımız Think–Feel–Do biçiminde açıklanır.
· Think, insanların şirketin ürünleri, liderliği, çalışma ortamı, etik davranışları, toplumsal katkısı, yenilikçiliği ve performansı hakkında ne düşündüğünü gösterir.
· Feel, şirkete duyulan güveni, saygıyı, hayranlığı ve olumlu yaklaşımı, yani itibarın çekirdeğini ifade eder.
· Do ise bu değerlendirmelerin davranışa dönüşüp dönüşmediğini inceler: Satın alır mıyım, tavsiye eder miyim, olumlu konuşur muyum, bu şirkette çalışmak veya şirkete yatırım yapmak ister miyim, bir kriz sırasında şirkete kuşkudan yararlanma hakkı (yani kuşkuyu şirket lehine düşünme) tanır mıyım?
Bu ayrım araştırma tasarımı bakımından çok önemlidir. “Şirket yenilikçidir” bir itibar kaynağıdır. “Şirkete güvenirim” itibar değerlendirmesidir. “Şirketin ürününü tavsiye ederim” ise davranışsal sonuçtur. Üçünü aynı endekste toplarsak, itibarın neden yükseldiğini ve yükselen itibarın ne işe yaradığını anlayamayız.
İtibar Ölçümü 3.0: Bir şirketin tek bir itibarı mı var?
Son yıllarda ise itibar ölçümünde daha temel bir soru sorulmaya başlandı: Bir şirketin gerçekten tek bir itibarı olabilir mi? Jochen Bigus, Kieu Phuong Mai Hua ve Sascha Raithel’in Accounting and Business Research dergisinde yayımlanan çalışması, yedi üst düzey muhasebe ve yönetim dergisindeki 173 araştırmayı incelemiş. Yazarların önemli bulgusu, araştırmalarda kullanılan itibar tanımlarıyla ölçüm yöntemlerinin çoğu zaman birbirine uymadığı.
Mesela yukarıda Bekir Ağırdır’ın tanımı şuydu: “İtibar bir kişi ya da kurumun üstelendiği rolü (beklenti), ne kadar iyi yerine getirdiğine (kalite), bunu nasıl bir karakterle yaptığına (saygınlık), başarısıyla şahsiyeti arasındaki ahenge (güven) ve zor zamanda verdiği sınavlara bağlı olarak (?) zaman içinde hak ettiği (?) toplumsal güven kredisidir”. Bu tanımda (?) koyduğum iki değişkeni ölçüm yönteminde göremedim.
Sözünü ettiğim araştırmaya göre bazı araştırmalar itibarı paydaş algısı olarak tanımlarken bunu finansal göstergeler, medya sıralamaları veya başka dolaylı göstergeler üzerinden ölçmekte. Bir şirketin finansal performansı güçlü olabilir. Fakat bu durum çalışanların şirkete güvendiğini, tüketicilerin şirketi dürüst bulduğunu veya tedarikçilerin şirketle ilişkilerinden memnun olduğunu kendiliğinden göstermez. Aynı şirketin müşteriler, çalışanlar, yatırımcılar, tedarikçiler, gazeteciler ve düzenleyici kurumlar nezdinde farklı itibarları bulunabilir. Bu nedenle modern itibar ölçümünü şu sıralı formülle düşünmek daha doğru olur: Önce ölçüm nesnesi açıkça tanımlanmalı; ardından itibar paydaş, konu, bağlam ve zaman eksenlerinde incelenmelidir. Yani kurumsal itibar, farklı paydaşların bir ölçüm nesnesini, kendileri açısından önemli konular ve deneyimler üzerinden, belirli bir bağlamda ve zaman içinde oluşturdukları birikimli değerlendirmesidir.
İşte bu sebeplerden dolayı bir şirketin “itibar puanım 74” demesi artık yeterli değildir. Kimin gözünde 74? Hangi konuda 74? Hangi deneyimlerin sonucunda 74? Kategorisinde rakip olarak belirlediği şirketlere kıyasla 74 ne ifade ediyor? Bu puan yükseliyor mu, geriliyor mu? Sorular çoğaldıkça ölçüm zorlaşır, fakat yönetim için daha değerli hale gelir. Çünkü araştırma, şirketin hangi paydaşla, hangi konuda ve hangi nedenle sorun yaşadığını göstermeye başlar. Bu aşamada itibar tek bir kurumsal sıfat olmaktan çıkar ve paydaşlara göre farklılaşan bir değerlendirme sistemi haline gelir.
İtibar Ölçümü 4.0: İnsanlara sormaktan insanları dinlemeye
Geleneksel itibar araştırmasının temel yöntemi insanlara ne düşündüklerini sormaktır. Anketler, görüşmeler ve uzman değerlendirmeleri hala vazgeçilmezdir. Çünkü itibar, özünde insanların ve diğer paydaşların zihninde oluşan bir değerlendirmedir. Fakat bu yöntemler belirli aralıklarla uygulanır, insanların geçmiş deneyimlerini doğru hatırladığını varsayar ve çoğu zaman araştırmacının önceden hazırladığı soru çerçevesiyle sınırlıdır. Şimdi dijital veri ve yapay zekayla birlikte yeni bir yaklaşım doğuyor: Sor, Gözle, Dinle, Anlamlandır!
Artık araştırmacı yalnızca “Bu şirkete güveniyor musunuz?” diye sormuyor. İnsanların haberlerde, sosyal medyada, tüketici yorumlarında, çalışan platformlarında, arama davranışlarında, videolarda ve çevrimiçi topluluklarda şirket hakkında nasıl konuştuklarını da inceliyor. Homa Molavi ve Lihong Zhang’ın 2025’te Acta Psychologica dergisinde yayımlanan çalışması bu dönüşümü kapsamlı bir şekilde sunuyor. Araştırmacılar, 2000 –2024 arasında yayımlanmış 104 çalışmayı özel bir literatür tarama yaklaşımı olan PRISMA yaklaşımıyla tarayarak yapay zeka ve makine öğrenmesinin itibar ölçümünde nasıl kullanıldığını incelemişler. Çalışma, itibar ölçümünün erken dönem güven modellerinden web veri madenciliğine, duygu analizine, makine öğrenmesine, sosyal ağ analizine, derin öğrenmeye ve açıklanabilir yapay zekaya doğru ilerlediğini gösteriyor. Dijital veri, araştırmacılara çok büyük miktarda yapılandırılmamış içeriği sürekli olarak değerlendirme imkanı sağlıyor. Fakat daha fazla veri, kendiliğinden daha geçerli bir itibar ölçümü yaratmıyor. Burada son derece önemli bir ayrım var: Duygu analizi tek başına itibar ölçümü değildir. İtibarın oluştuğu söylem ortamına ilişkin sınırlı bir göstergedir.
Bu meseleyi biraz açalım…
“Yeni ürünün tadını hiç beğenmedim.” ifadesi olumsuz bir ürün değerlendirmesidir. Ancak bu ifadeden şirketin genel kurumsal itibarının düştüğü sonucuna doğrudan ulaşamayız. “Şirket ürünün içeriği hakkında tüketiciyi yanıltıyor.” ifadesi ise kurumsal dürüstlük ve güven boyutlarına temas eder. İki ifade de olumsuzdur; fakat şirket açısından taşıdıkları itibar anlamı aynı değildir. Ama kaynağa da bakmak gerekir. “Şirket ürünün içeriği hakkında tüketiciyi yanıltıyor.” iddiası şu kişilerden gelebilir: Bir anonim sosyal medya hesabı, ürünü kullanan bir tüketici, gıda mühendisi, şirket çalışanı, gazeteci, rakip şirket, tüketici örgütü, üniversite araştırmacısı veya yetkili düzenleyici kurum. İfade aynı olsa bile itibar üzerindeki anlamı ve ağırlığı aynı değildir. Kaynağın uzmanlığı, şirketle ilişkisi, güvenilirliği, olası çıkarı, sunduğu kanıtlar ve iddianın başka bağımsız kaynaklarca doğrulanması değerlendirmeyi değiştirir.
Örneğin anonim bir hesabın kanıtsız iddiası bir itibar riski sinyali olabilir. Yetkili kurumun laboratuvar analizine dayanan açıklaması ise şirketin dürüstlüğü ve ürün güvenliği konusunda güçlü bir itibar olayıdır. Bir şirket çalışanının belgeye dayanan ifadesi de içeriden gelen bilgi olması nedeniyle ayrı bir ağırlık taşır. Üstelik yalnızca söyleyen değil, kimin duyduğu ve nasıl yorumladığı da önemlidir. Gıda mühendisi tarafından yapılan teknik bir açıklama uzmanlar arasında güçlü etki yaratırken genel tüketici tarafından anlaşılmayabilir. Aynı iddia yüksek takipçili bir içerik üreticisi tarafından basitleştirilerek yayıldığında kanıt değeri düşük, erişimi ve algısal etkisi yüksek olabilir. Bu nedenle dijital itibar analizinde en az altı ayrı şey ölçülmelidir:
1. İddia,
2. Kaynak güvenilirliği,
3. Kanıt düzeyi,
4. Bağlam,
5. Hedef kitle,
6. Yayılım.
Burada iki unsuru da ayırmak gerekir. İddianın doğruluğu ile itibar üzerindeki etkisi aynı değildir. Yanlış bir iddia büyük bir etki yaratabilir, doğru bir iddia ise hiç yayılmadığı için sınırlı etki doğurabilir. Araştırma ikisini ayrı göstermelidir. Dolayısıyla “Şirket ürünün içeriği hakkında tüketiciyi yanıltıyor.” ifadesi, kurumsal dürüstlük ve güven boyutlarına temas eden bir iddiadır. Ancak bunun itibar açısından taşıdığı anlam; iddiayı kimin söylediğine, hangi kanıta dayandırdığına, kimlerin duyduğuna, ne ölçüde yayıldığına ve paydaşların iddiayı ne kadar inandırıcı bulduğuna bağlıdır. Aynı ifade anonim bir hesaptan, uzman bir araştırmacıdan veya yetkili düzenleyici kurumdan geldiğinde aynı ağırlıkta değerlendirilemez. İtibar; paydaşın, konunun, bağlamın ve zamanın yanı sıra bilgi kaynağının ve kaynağa duyulan güvenin de fonksiyonudur.
Molavi ve Zhang’ın önemli uyarılarından biri budur: Yapay zeka temelli araştırmaların bir kısmı gerçekte kurumsal itibarı değil, ürün itibarı veya genel çevrimiçi duygu durumunu ölçmektedir. Şunu da belirteyim inceledikleri çalışmaların yalnızca yaklaşık yüzde 2’si görsel verileri kullanıyor. Bu, TikTok, Instagram, YouTube dolayısıyla görsel malzemelerin ağırlık kazandığı bir iletişim ortamında ciddi bir eksiklik. Bir marka hakkındaki anlamı artık yalnızca sözcükler taşımıyor. Görüntü, ses tonu, kurgu, müzik, beden dili, meme’ler ve kısa video formatları da itibarı biçimlendiriyor. Dolayısıyla yapay zeka destekli itibar ölçümünün önündeki sorun yalnızca daha iyi bir duygu analizi geliştirmekten ibaret değil. Asıl sorun, farklı veri biçimlerinden elde edilen işaretlerin gerçekten hangi kurumsal değerlendirmeyi temsil ettiğini belirlemek. Şu andaki teknolojik olanakların markalarla ilgili görsel anlatımları da sağlıklı bir şekilde ölçebildiğini belirtelim.
2026’da Jenny Moscoso Escobar ve Diana Sirley Tabares Higuita tarafından Quality & Quantity dergisinde yayımlanan bir çalışma ise bu açıdan oldukça dikkat çekici. Araştırmacılar 978 bilimsel özeti metin madenciliği ve doğal dil işleme yöntemleriyle analiz ederek kurumsal itibarın kavramsal yapısını yeniden incelemişler. Bu analizden beş boyutlu bir taksonomi ve 27 maddelik bir ölçüm aracı geliştirmiş, aracın içerik geçerliliğini alan uzmanlarıyla değerlendirmişler. Bu çalışma, yapay zekanın internetteki yorumlardan otomatik olarak bir itibar puanı üretmesinden daha farklı bir şey yapıyor. Hesaplamalı yöntemleri, ölçülecek kavramın kendisini geliştirmek için kullanıyor. Yapay zeka burada ölçüm aracının sonunda çalışan bir analiz motorundan daha fazlası… Bilimsel literatürdeki kavramsal örüntüleri ortaya çıkararak hangi boyutların ölçülmesi gerektiğinin belirlenmesine de katkıda bulunuyor. Bu gelişme bizi, yapay zekanın itibar araştırmasındaki rolünün birden fazla olduğu noktasına getiriyor. Özetlersem:
1) Yapay zeka öncelikle bir ölçüm motorudur. Doğal dil işleme, büyük dil modelleri, konu modelleme, duygu ve duygu tonu analizi, anlatı ve çerçeve belirleme, sosyal ağ analizi, görüntü ve video analizi sayesinde çok büyük miktarda veri işlenebilir. Fakat sistem yalnızca olumlu, olumsuz ve nötr ifadeleri saymamalıdır. En azından konuşulan konuyu, paydaş grubunu, duyguyu, güven unsurunu, anlatıyı, iddiayı, kaynağı, yayılma hızını ve içeriğin erişimini ayırabilmelidir. Böylece “Geçen ay olumsuz içerik yüzde 18 arttı.” bulgusu ile sınırlı kalmak yerine, daha anlamlı ve kullanılabilir sonuçlar üretebiliriz: “Okul güvenliği konusundaki olumsuz anlatılar son 30 günde yüzde 18 arttı. Artışın yüzde 63’ü üç temel iddiadan kaynaklanıyor. Ancak üç aylık marka araştırmasında genel güven puanımızda henüz anlamlı bir değişim görülmüyor.” Bu, sosyal medya takibinden itibar istihbaratına geçiştir.
2) Yapay zeka çıktıları aynı zamanda yeni bir veri alanıdır. Bir şirket hakkında fikir edinmek isteyenler artık Google’da arama yapmak, haber okumak veya çevrelerine danışmakla yetinmiyor. ChatGPT, Claude, Gemini ve benzeri sistemlere şirketlerin güvenilirliğini, ürünlerini, çalışma koşullarını, yöneticilerini ve toplumsal performansını soruyorlar. Bu sorguların hangi alanlarda yoğunlaştığı ve yapay zeka yanıtlarının hangi kaynaklardan beslendiği, itibarın oluştuğu bilgi ortamının bir parçasıdır.
3) Yapay zekanın üçüncü ve belki de en önemli rolü, bir itibar kaynağı haline gelmesidir. Yapay zeka sistemleri şirket hakkındaki bilgileri yalnızca bulup göstermiyor. Seçiyor, özetliyor, ilişkilendiriyor ve kullanıcıya yeni bir “temsil” halinde sunuyor. Bu nedenle şirket ile paydaş arasındaki bilgi akışına yeni bir katman ekleniyor: Şirket, medya, çalışanlar, tüketiciler, içerik üreticileri, algoritmalar, yapay zeka, paydaş.
RepTrak’a bir süre önce eklenen güncel “AI as a Stakeholder” yaklaşımı, önde gelen yapay zeka modellerinin bir şirketi nasıl tanımladığını ve bu tanımlamayı hangi anlatıların şekillendirdiğini düzenli ve tekrarlanabilir biçimde ölçmeyi amaçlıyor. Sistem, yapay zekanın şirketi yenilikçilik, liderlik, davranış ve performans gibi itibar sürücüleri bakımından nasıl temsil ettiğini insan paydaşların algılarıyla karşılaştırıyor. Burada “Yapay zeka gerçekten bir paydaş mıdır?” sorusu ayrıca tartışılabilir. Çünkü yapay zekanın kendi çıkarı, sorumluluğu veya bağımsız toplumsal iradesi bulunmaz. Fakat itibarın dolaşımında etkili bir aracı haline geldiği açıktır. Bu nedenle ben “AI Stakeholder” yerine çoğu durumda “AI Reputation Intermediary”, yani “Yapay Zeka Temelli İtibar Aracısı” kavramını daha doğru buluyorum.
Bugün nasıl bir itibar ölçüm sistemi kurmalıyız?
Bütün bu gelişmeleri birlikte düşündüğümüzde gerçeklere dayalı bir yeni itibar ölçüm modeli nasıl olabilir acaba? Kurumsal gerçeklik, paydaşların maruz kaldığı bilgi ve deneyimler, algılar, itibar, davranış sıralaması doğru görünüyor. Kurumsal gerçeklik ürünlerin kalitesini, çalışma koşullarını, yönetim kararlarını, etik uygulamaları, toplumsal katkıyı ve finansal performansı kapsar. Paydaşın karşılaşma alanı (touchpoint) doğrudan deneyimlerden haberlere, şirket kanallarından reklama, sosyal medyadan çalışan söylemine, içerik üreticilerinden arama motorlarına ve yapay zeka yanıtlarına kadar uzanır. Bu karşılaşmaların ardından ürün kalitesi, liderlik, yenilikçilik, çalışma ortamı, dürüstlük, toplumsal sorumluluk ve performans gibi itibar sürücülerine ilişkin değerlendirmeler oluşur. Bunlar güven, saygı, hayranlık ve genel olumlu değerlendirme üzerinden itibara dönüşür. İtibar da satın alma, tavsiye etme, şirkette çalışma, yatırım yapma, olumlu konuşma, şirketi savunma ve kriz sırasında şirkete kuşkudan yararlanma hakkı tanıma gibi davranışları etkiler.
Bu sistemin tamamı şu beş eksen üzerinde analiz edilmelidir:
1. Ölçüm nesnesi (ne?),
2. Paydaş (kimin gözünde),
3. Konu (neye ilişkin),
4. Bağlam (hangi koşullar altında),
5. Zaman (ne zaman ne yaşandığında).
Mesela Maraş’ta yaşayan ve düzenli olarak aynı su markasını tüketen birinin (paydaş), 2023 Maraş depreminin ardından (bağlam) yaşanan “depremzedelere bedava su dağıtmalılardı” tartışmasının (konu) sonrasında (zaman), o markanın (ne) “tüketici dostu” tutarlılığı hakkında yaptığı değerlendirme.
Böyle bir yapıda anket önemini kaybetmez. Anket hala itibarın kendisini ölçmenin en doğrudan yollarından biridir. Dijital veriler ise itibarın oluştuğu konuşma ortamını ve ortaya çıkan yeni riskleri gösterir. Davranış verileri itibarın kurumsal ve ekonomik sonuçlarını ortaya koyar. Yapay zeka ölçümü de şirketin yeni bilgi aracılarında nasıl temsil edildiğini açıklar.
Tek bir itibar puanı yerine on göstergeli yönetim ekranı
Bugün bir şirket için itibar ölçüm sistemi kurarken, yönetimin önüne yalnızca tek bir puan koymak doğru değildir. Bunun yerine bütün sistemi özetleyen sınırlı sayıda gösterge kullanmak gerekir. Ben bunları on başlıkta topluyorum:
1. Temel İtibar Puanı: Şirkete duyulan genel güven, saygı ve olumlu yaklaşım.
2. Güven Puanı: Şirketin verdiği sözleri tutacağına ve doğru davranacağına ilişkin beklenti.
3. İtibar Kaynakları: Ürün, yenilikçilik, liderlik, çalışma ortamı, etik davranış, toplumsal katkı ve performans değerlendirmeleri, yerli ve milli olma, global olma.
4. Paydaş Farkı: Müşteri, çalışan, yatırımcı, tedarikçi, medya ve düzenleyici kurumlar arasındaki algı farklılıkları.
5. Davranışsal Boyut: Satın alma, tavsiye, olumlu konuşma, çalışma ve yatırım eğilimleri.
6. İtibarın Dayanıklılığı: Bir kriz sırasında şirkete ikinci bir şans tanınması ve hemen hüküm verilmemesi.
7. İletişim Payı: Şirketi tanımlayan temel anlatıların görünürlüğü, yönü, erişimi, kaynak güvenilirliği ve kalıcılığı.
8. İtibarın Yönü: Puanın yalnızca mevcut düzeyi değil, yükselme veya gerileme eğilimi.
9. Dijital Söylem – Paydaş Algısı Farkı: Çevrimiçi konuşmalarla temsil gücü yüksek araştırma sonuçlarının ne kadar örtüştüğü (çevrimiçi platform gündemlerinin farklı etkileme oranlarını düşünerek).
10. İnsan – Yapay Zeka İtibar Farkı: İnsanların şirket hakkındaki algısıyla yapay zeka sistemlerinin ürettiği şirket temsilinin karşılaştırılması.
Son iki gösterge önümüzdeki dönemde özellikle değerli olacaktır. Bir şirketin insan paydaşlar arasındaki itibar puanı 74, yapay zeka sistemlerindeki temsili 61 çıkabilir. Bu fark, yapay zekanın şirket hakkındaki eski olayları fazla ağırlıklandırdığını, güncel kurumsal gerçekliğin güvenilir dijital kaynaklarda yeterince görünmediğini veya şirketin bazı paydaşlarıyla yaşadığı sorunların çevrimiçi bilgi ortamında daha kalıcı olduğunu gösterebilir. Yönetim açısından kafa yorulması gereken ilk mesele, yapay zeka yanıtlarının nasıl olumlu hale getirileceği olmamalıdır. Önce farkın neden oluştuğu anlaşılmalıdır.
Yapay zeka itibarımızı gerçekten ölçebilir mi?
Yapay zeka milyonlarca içeriği tarayabilir, tekrar eden konuları belirleyebilir, anlatıların nasıl yayıldığını izleyebilir ve insan araştırmacıların gözden kaçırabileceği ilişkileri ortaya çıkarabilir. Hem de neredeyse ışık hızında. Fakat ölçümün geçerliliğine ilişkin temel soruları kendiliğinden çözemez. Ölçmek istediğimizi ölçmesi de ayrıca incelenmesi gereken bir konudur. Bu yüzden şu sorulara cevap vermek gerekir:
İncelediği insanlar hangi paydaşları temsil ediyor? Sessiz kalanların görüşleri nerede? Olumsuzluk gerçek deneyimlerden mi, örgütlü tekrar mekanizmalarından mı kaynaklanıyor? Model sentiment analiziyle alaycı ifadeleri ve kültürel bağlamı anlayabiliyor mu? Ürün eleştirisiyle kurumsal güven kaybını ayırabiliyor mu? Algoritmanın “itibar” diye sınıflandırdığı şey gerçekten itibar mı, yoksa görünürlük, duygu veya konuşma hacmi mi?
Bu nedenle yapay zekayla üretilen itibar puanının psikometrik ve kavramsal geçerliliği sınanmalıdır. Otomatik sonuçlar insan kodlamasıyla karşılaştırılmalı, anket, görüşme, davranış ve operasyon verileriyle çapraz doğrulanmalıdır.
Sonuç olarak, geleneksel yöntemlerle yapay zeka araçlarını birleştiren bütünleşik bir yaklaşım öneriyorum. Yanlış da anlaşılmasın… Bahsettiğim şey daha karmaşık bir itibar ölçümü değil asla. Böyle olunca şirketler karar alamıyor ve hedefleri, uygulamaları ile itibar puanları arasında ilişki kuramıyor. Zaman içerisinde de itibar araştırmasını 3-5 yılda bir “e bizim de olsun” diye yapılan gereksiz bir araca dönüştürüyorlar. Oysa itibar araştırmaları günlük krizlerin ve iniş ve çıkışların yaşandığı yapay zeka çağında marka sağlığını takip etmek kadar önemlidir. Sürekli ve anlık akan veriden düzenli olarak bakılıp yorumlanması gereken bir yönetim aracıdır. Buradaki asıl amaç, itibar puanını görmek değil; itibarın oluşum, düşüş ve yükseliş mekanizmasını anlamak olmalıdır. Soruyu şöyle sorabiliriz:
Hangi paydaş, hangi konuda, hangi deneyimlerden ve bilgi kaynaklarından etkilenerek, hangi değerlendirmeyi oluşturuyor ve bu değerlendirme hangi davranışı doğuruyor?
Yapay zeka bu soruya cevap vermekte güçlü bir araç olabilir. Ancak önce neyi ölçtüğümüzü doğru tanımlamak zorundayız. Çünkü konuşma hacmi itibar, olumlu duygu güven, ürün beğenisi kurumsal itibar değildir (Bkz. Gryphus İtibar araştırması sonuçları), görünürlük meşruiyet değildir. Yapay zekanın ürettiği puan da ancak arkasındaki kavram, veri, yöntem ve temsil ilişkisi kadar anlamlıdır. İtibar ölçümünün geleceği şirketler hakkında söylenen her şeyi daha hızlı saymaktan geçmiyor. Gelecek, kurumsal gerçeklikle paydaş deneyimleri, kamusal öyküler, güven ve davranış arasındaki ilişkiyi daha iyi açıklayabilmekte. Bu yüzden bu alanda 40 yıldan fazladır çalışan, üreten, akademisyen, uygulamacı, şirketlerin içinde yaşayarak, rakamları elinde tutarak marka, itibar, davranış sonuçlarının neyi ölçtüğünü çok iyi bilen, bu sonuçların nasıl yanlış yorumlanabileceğini de yakından izleyen biri olarak yeni dönemin temel ilkesini açıklıyorum:
İtibarın yalnızca puanına değil, sizin şirketinize özel nasıl oluştuğuna odaklanın. İtibar ölçümü yakın gelecekte hiç olmadığı kadar önemli olacak ve bir işletme başarısı metriği olarak daha fazla kullanılacaktır.
CEO’lara gelirsek…
Önce bir soru soralım. Acaba kurumsal itibar ölçümünün doğru yapılmasında CEO’nun ilk görevi, şirketin itibar puanına sahip çıkmak mıdır? Tek kelime ile yanıtını da verelim, değildir. CEO, şirketi ilgilendiren tüm araştırmalarda olduğu gibi ölçüm sisteminin güvenilirliğine ve sonuçların gerektirdiği kurumsal değişime sahip çıkmalıdır. Bu ayrım itibar araştırmasında önemlidir. Çünkü CEO, aynı anda üç farklı konumda bulunur:
1. Liderlik performansıyla itibarın oluşmasını etkiler.
2. Araştırma sonuçlarını stratejik kararlarda kullanır.
3. Araştırmayı yapan birimler üzerinde yönetsel güce sahiptir.
Ölçüm sistemi CEO’nun görmek istediği “göstermelik” sonucu üretmeye başladığında araştırma niteliğini kaybeder ve kurumsal bir gösteriye dönüşür. Bu nedenle CEO’nun ölçüme katkısı, “İtibar puanımız kaç?” sorusunu sormakla sınırlı kalmamalı. Öncelikle şirketin hangi kararlar için bilgiye ihtiyaç duyduğunu açıklamalıdır. Hangi paydaşlarla güven sorunu yaşıyoruz? Hangi kurumsal davranışlarımız itibarımızı güçlendiriyor veya zayıflatıyor? Ürün itibarıyla şirket itibarı nerede ayrışıyor? Çalışanların şirket hakkındaki değerlendirmeleri müşterilerin değerlendirmelerinden neden farklı? Bir kriz sırasında hangi paydaşlar bize kuşkudan yararlanma hakkı tanıyor? Yapay zeka sistemleri şirketimizi hangi kaynaklara dayanarak ve hangi iletişim üzerinden temsil ediyor?
Bu sorular, şu an itibariyle ölçüm sistemine yön veren sorular. Ancak örneklem seçimi, ölçeğin kurulması, verilerin ağırlıklandırılması ve sonuçların yorumlanması şirketin araştırma uzmanlarının sorumluluğunda kalmalı. Dikkat edin, şirketin çalıştığı araştırma şirketlerinin demiyorum, “şirketin araştırma uzmanları” diyorum. Veri çağında; şirketlerin araştırma bölümleri araştırma ve örneklem tekniğini en az araştırma şirketlerindeki uzmanlar kadar bilmeli. CEO, araştırmanın amacını ve hangi karara hizmet edeceğini tarif etmeli, beklediği sonucu dikte etmemelidir.
Kötü haberin bilinmesi güvence altına alınmalı
İtibar ölçümündeki en büyük risklerden biri teknik hatadan ziyade örgütsel sessizliktir. Çalışanlar üst yönetime olumsuz sonuç sunmaktan çekiniyorsa en gelişmiş araştırma sistemi bile gerçeği gösteremez. Araştırma ekipleri kötü sonuçları yumuşatabilir, ajanslar müşteriyi rahatsız etmeyecek yorumlara yönelebilir, iletişim yöneticileri eleştirileri geçici bir sosyal medya dalgası olarak sunabilir. Bu nedenle CEO’nun vereceği en güçlü güvence şudur: “Bana iyi haber getiren değil, erken ve doğru haber getiren sistem istiyorum.” Ölçüm ekibi, olumsuz bulgular nedeniyle cezalandırılmayacağını bilmelidir. Böylece sonuçların yönetim katlarında süzülmesi ve değiştirilmesi zorlaşır. Kurumsal itibarı koruyan şey, sorunun büyümeden yönetime ulaşmasıdır. Kötü haberin bastırılması kurumunuzu ancak geriye götürür.
Kurumsal iletişim bölümü ölçüm sürecinin önemli bir kullanıcısıdır. Ancak itibar araştırması yalnızca iletişim bölümünün başarı raporuna dönüşmemelidir. Sağlıklı bir sistemde araştırma, kurumsal iletişim, pazarlama, insan kaynakları, yatırımcı ilişkileri, sürdürülebilirlik, risk yönetimi ve müşteri deneyimi verileri bir araya gelir. Metodoloji gerektiğinde bağımsız akademisyenler veya araştırma uzmanları tarafından denetlenir.
Güçlü ve görünür bir CEO, şirketin itibarını olumlu etkileyebilir. Daha önce bu konuda yazdım. https://lnkd.in/p/dV3bnJdp Ancak CEO itibarıyla kurumsal itibar aynı kavram değildir. İyi lider, şirketin itibarını kendi kişisel itibarı üzerine kurmaz; kurumun davranışları, değerleri ve yönetim sistemi üzerine kurar.
İtibar puanı oluşturulurken hangi paydaşın görüşünün ne kadar ağırlık taşıdığı stratejik bir karardır. Müşterilerin görüşü satışlar açısından önemli olabilir. Ancak insan sağlığı konusunda bilim insanlarının ve düzenleyici kurumların değerlendirmesi daha belirleyici olabilir. İşveren itibarı araştırmasında çalışanların ve adayların görüşleri; finansal güven konusunda yatırımcıların, bankaların ve analistlerin görüşleri daha fazla önem taşıyabilir. CEO bütün paydaşları aynı ağırlıkta değerlendirmek zorunda değildir. Fakat ağırlıklandırma, olumlu sonuç veren grupları öne çıkarmak için kullanılmamalıdır. Her konu için hangi paydaşın neden önemli olduğu önceden belirlenmeli ve raporda açıklanmalıdır. Burada CEO’nun görevi, şirketin kararlarından etkilenen fakat sesi daha az duyulan grupların da ölçüm sisteminde uygun şekilde temsil edilmesini sağlamaktır.
Bir güven kaybı her zaman iletişim eksikliğinden doğmaz. Sorun ürün kalitesindeyse çözüm ürün sürecinde, çalışan deneyimindeyse insan kaynakları ve liderlik uygulamalarında, tedarikçi ilişkilerindeyse satın alma politikalarında aranmalıdır. Şirketin davranışı değişmeden yalnızca anlatının değiştirilmesi, kısa vadede görünürlüğü etkileyebilir; uzun vadede güven kaybını büyütebilir. Bu nedenle CEO, her itibar bulgusuna şu sırayla yaklaşmalıdır: Bu algının arkasında gerçek bir kurumsal sorun var mı? Hangi davranış veya deneyim bu değerlendirmeyi üretiyor? Önce hangi süreç değişmeli? Bu değişiklik paydaşlara nasıl açıklanmalı?
İletişim, gerçekleştirilen iyileşmenin görünür ve anlaşılır hale gelmesini sağlar. Kurumsal davranışın yerine geçemez.
Her önemli bulgu için bir sorumlu, bir süre ve ölçülebilir bir iyileştirme hedefi belirlenmelidir. Örneğin çalışanların yönetime güveni düşüyorsa konu yalnızca kurumsal iletişim bölümüne bırakılamaz. İnsan kaynakları, ilgili yöneticiler ve CEO ortak bir eylem planı oluşturmalıdır. Bir sonraki ölçümde yalnızca puanın değişip değişmediğine bakılmamalıdır. Belirlenen kurumsal davranışın değişip değişmediği de incelenmelidir.
CEO itibar araştırmasının sahibi değil, kurumsal sonuçlarının sorumlusudur. Ölçümün yöntemsel bağımsızlığını güvence altına almalı, olumsuz bulguların kendisine ulaşmasını sağlamalı, farklı paydaşların sesini duymalı ve ortaya çıkan sorunları kurumsal kararlara dönüştürmelidir. Yapay zeka bu sistemde erken uyarı sağlayabilir, milyonlarca içeriği inceleyebilir ve yeni anlatıları ortaya çıkarabilir. Fakat hangi bulgunun önemli olduğuna, hangi davranışın değişmesi gerektiğine ve şirketin hangi sorumluluğu üstleneceğine yapay zeka karar veremez. Bu sorumluluk lidere aittir. İyi bir CEO, itibar puanının yüksek çıkmasını isteyen kişi değildir. Şirketin gerçekte nasıl değerlendirildiğini öğrenmeye cesaret eden ve öğrendiği gerçeğe göre kurumu değiştiren kişidir.
CEO itibar puanını yönetmemeli, itibarı doğuran kurumsal gerçekliği yönetmelidir.
İtibar hakkında konuşmaya devam edeceğiz. Şimdi buyrun seçkimizi okumaya…
Not: Türkiye’nin LinkedIn Tabanlı Etkileyici Listesi’nde olması gerekenler lütfen DM’den mesaj göndersinler.
Murat Ülker
Murat Ülker, Andrew J. Hoffman’ın “Business School and the Noble Purpose of the Market” kitabı üzerinden işletme okullarında müfredatın değişmesi gerekip gerekmediğini sorguluyor. Otuz yılı aşkın süredir işletme okullarında sürdürülebilirlik öğreten Hoffman’a göre bugünkü müfredat, hisse değerini merkeze alan ve geçerliliğini yitirmiş bir dünyaya göre tasarlanmış. Öğrenciler strateji, finans ve operasyon gibi güçlü araçlar öğreniyor ama bu araçların hangi amaca hizmet edeceği yeterince konuşulmuyor. Bu eğitimi 50 yıl önce almış biri olarak kitaba ilgi duyan Ülker, seçmeli derslerin yetmeyeceğini ve perspektifin değişmesi gerektiğini vurguluyor. Diğer yazısında ise Hollandalı filozof Lammert Kamphuis’in allodoksafobi, yani karşıt fikirlerden korkma hali üzerine yazdığı kitabı ele almış. Kamphuis, haklı çıkma ihtiyacının nasıl bir bağımlılığa dönüştüğünü anlatıyor ve zihni esnek tutmaya yarayacak felsefi pratikler sunuyor.
Birinci Yazı
İkinci Yazı
Omer Barbaros Yis
Ömer Barbaros Yiş, Capital dergisindeki köşesinde yapay zekanın insanlık için yaratabileceği riskleri ve gelişim hızının yavaşlatılması gerektiğine dair tartışmaları ele almış. Bu tartışmalar sürerken yapay zekanın insanlara zaman kazandırdığını, rutin işleri üstlenerek daha nitelikli işlere alan açtığını hatırlatıyor. Her çıktının hala insan gözüyle kontrol edilmesi gerektiğini belirten Yiş, geleceğin kazananlarının yapay zekadan en iyi şekilde faydalanmak için işini dönüştürebilenler olacağını düşünüyor.
Arzu Uludag
Arzu Uludağ, pazarlamadaki “familiar surprise” kavramını iki sokak sanatçısı üzerinden anlatıyor. Japonya’da geleneksel ezgiler çalan sanatçının önünden insanların çoğu durmadan geçerken, Türkiye’de sazla dünyaca bilinen bir pop şarkıyı çalan sanatçı turistleri durduruyor. Uludağ’a göre yeni olan, tanıdık bir referansla buluştuğunda daha kolay kabul görüyor. İnovasyon ve pazarlamadaki ustalığın da yeni olanı yabancı hissettirmeden sunabilmekte yattığını düşünüyor.
Hakan Bulgurlu
Hakan Bulgurlu, yeni kitabı “Buzlar Eriyince” vesilesiyle Harvard Business Review Türkiye’ye bir röportaj vermiş. Everest deneyimini anlattığı “Tehlikeli Tırmanış”ın ardından bu kez Antarktika’ya giden Bulgurlu, oradaki buz kaybının kıyı şehirlerinden tedarik zincirlerine, gıda güvenliğinden göçe kadar uzanan bir domino etkisi yarattığını anlatıyor. Yönetim kurullarındaki en büyük kör noktayı kısa vadeli düşünmek olarak tanımlıyor, çünkü şirketler üç ila beş yıllık strateji hazırlarken iklim riskleri 20-30 yıllık bir perspektif gerektiriyor. Gerçek dönüşümün sermayenin nereye yatırıldığında görüleceğini söyleyen Bulgurlu, Māori kültüründen öğrendiği “iyi bir ata olmak” fikrinden hareketle okurları bugünkü kararlarının gelecek kuşakların dünyasını nasıl etkileyeceğini sorgulamaya davet ediyor.
Engin Aksoy
Engin Aksoy, Daniel Kahneman’ın “Hızlı ve Yavaş Düşünme” kitabından hareketle insan zihninin hızlı ve sezgisel çalışan Sistem 1’ini ve yavaş ve analitik çalışan Sistem 2’sini ele almış. Aksoy’a göre deneyim bize hız kazandırıyor, düşünsel esneklik de bu hızın bizi yanlış yola götürmesini önlüyor. Yapay zekanın akıcı ve güven veren cevaplar sunduğu bu dönemde, bir cevabı ne zaman sorgulamak gerektiğini bilmenin daha da önem kazandığını vurguluyor.
Yahya Ulker
Yahya Ülker, Airbnb CEO’su Brian Chesky’nin yalnızca insan yöneten yöneticilerin gelecekte bir değeri olmayacağına dair sözünü ele almış. Yapay zekanın bu dönüşümü hızlandıracağını düşünen Ülker, bilgiye ulaşmanın, analizin ve koordinasyonun kolaylaştığı bir dünyada yöneticinin değerinin işe ne kattığıyla ölçüleceğini belirtiyor. Geleceğin liderini alanını bilen, gerektiğinde üreten ve ekibine yaptığı iş üzerinden yön gösteren biri olarak tanımlıyor. Yapay zekanın yönetim katmanlarını azaltabileceğini ama liderlik için çıtayı yükselttiğini söylüyor.
Şule Yücebıyık
Şule Yücebıyık, birkaç yıl önceki “sessiz istifa”nın yerini, çalışanların yaptıklarını ve değerlerini sürekli anlatıp kanıtlamaya çalıştığı “gürültülü çalışma”ya bıraktığını anlatıyor. Bunca gürültünün içinde kimsenin sesinin gerçekten duyulmadığını belirten Yücebıyık, liderlere seçici görünürlüğü öneriyor ve paylaşım yapmadan önce sorulacak üç soruluk bir “etki filtresi” sunuyor. Yeni mi, değerli mi ve adım ile fotoğrafım çıkarılsa da değerli mi? Yücebıyık’ın paylaştığı Deutsche Telekom Stiftung’un “Trendmonitor KI in Bildung 2026” araştırması ise gençlerin henüz geliştirmedikleri becerileri yapay zekaya devrederek o beceriyi edinme sürecini atlamasını, yani “skill skipping”i eğitimdeki en büyük risk olarak işaret ediyor. Yücebıyık’a göre gençlerin, hangi bilişsel işi yapay zekaya bırakacaklarını ve hangisini kendilerinin yapacaklarını bilmeleri gerekiyor.
Birinci Yazı
İkinci Yazı
Mehmet Tutuncu
Mehmet Tütüncü New York İklim Haftası kapsamındaki COP31 toplantılarından gözlemlerini paylaşmış. İklim gündeminin hedef koymaktan uygulamaya geçtiğini, artık bu hedefleri sahada sonuç üreten ve finanse edilebilir projelere dönüştürmenin konuşulduğunu belirtiyor. Gıda sistemleri küresel sera gazı emisyonlarının yaklaşık üçte biriyle ilişkili olsa da iklim finansmanından aldığı pay yüzde 4 civarında kalıyor. WBCSD’den Diane Holdorf ile eş başkanlığını yürüttüğü COP31 İş Forumu Gıda Güvenliği ve Tarım Çalışma Grubu’nda, sahada karşılığı olan fikirleri ölçülebilir ve ölçeklenebilir çözümlere dönüştürmeyi hedeflediklerini aktarmış.
Abdulkerim Cay
Abdülkerim Çay, İnsan Kaynakları’nı şirketlerin büyüme hedeflerini belirleyen ve hayata geçiren stratejik bir ortak olarak tanımlıyor. Stratejik hedeflere ulaşmadaki en kritik kaldıracın doğru insanı doğru zamanda doğru pozisyona getirebilmek olduğunu belirten Çay, kritik rollerin doğru isimlerle eşleşmesini, gelecek 3-5 yılın yetkinliklerinin öngörülmesini ve kültür uyumunun gözetilmesini öneriyor.
Cenk Alper
Cenk Alper, 5. Dönüşen Liderlik Zirvesi’nde belirsizlikle başa çıkmak için geliştirdiği dört adımlı yöntemi paylaşmış. İlk adım, işler yolundayken yalın ve inovatif olup kalıcı farklar yaratmak, çünkü en iyi savaş hazırlığı barışta yapılır. Ardından krizi önceden görebilmek için teknolojik, ekonomik ve jeopolitik göstergeleri takip etmek, kriz anında sahada olmak ve kriz sürerken kriz sonrasını düşünerek kaynakları önceliklendirmek geliyor. Belirsizliğin yeni normal olduğu bir dönemde Alper, belirsizlik kahini olmaya çalışmak yerine asıl işe odaklanmayı öneriyor.
Prof. Dr. Çisil Sohodol
Prof. Dr. Çisil Sohodol, New York devlet okullarının 2026-2027 eğitim yılı boyunca 8. sınıfa kadar öğrencilerin doğrudan kullandığı üretken yapay zeka uygulamalarını yasaklama kararını ele almış. Yaklaşık 600 bin öğrenciyi kapsayan kararla lisede zorunlu yapay zeka okuryazarlığı eğitimi başlıyor, alt sınıflarda ise ekran süresi sınırlanıyor. Sohodol, kararı çocukların yapay zekayla hangi yaşta ve nasıl ilişki kuracağının yeniden tasarlanması olarak okuyor. Yazmaya çalışmanın, yanılmanın ve yeniden denemenin verimsiz görünse de öğrenmenin önemli bir kısmının gerçekleştiği alan olduğunu hatırlatıyor. Yetişkinde yetkinliği büyüten bir teknolojinin, çocukta henüz oluşmamış bir yetkinliğin yerine geçebileceğine dikkat çekiyor.
Kıvanc Zaimler
Kıvanç Zaimler, New York İklim Haftası’ndan aklında kalan en güçlü kavramın güven olduğunu söylüyor. Sermaye, teknoloji ve yetenek öngörülebilirliğin ve uzun vadeli taahhüdün olduğu yerlere yöneldiği için güven önemli bir rekabet avantajına dönüşüyor. Enerjinin büyümenin altyapısı haline geldiğini ve sürdürülebilirlik ile rekabetçilik arasındaki çizginin kaybolduğunu belirten Zaimler, Kasım’da Antalya’da yapılacak COP31’e ev sahipliği yapacak Türkiye’nin bu dönemde önemli bir rol üstlenebileceğine inanıyor.
Mehmet Abbasoglu
Mehmet Abbasoğlu, Apple’da Tim Cook’tan John Ternus’a geçen CEO koltuğu üzerinden liderlik devrini ele almış. Şirketin başarısını Jobs, Cook ve Ternus diye çizilen düz bir çizgiyle özetlemeyi haksızlık olarak görüyor. Abbasoğlu, bu başarının altında disiplinler ve liderler arasındaki iletişimin açık olduğu kapsayıcı bir kültürün ve kendi insanını yetiştiren bir sistemin yattığını anlatıyor.
Akan Abdula
Akan Abdula, emeklilik hayalinin giderek uzaklaştığı bir tabloya dikkat çekiyor. Türkiye’de çalışma çağındaki her 100 kişiye düşen 65 yaş üstü kişi sayısının 2024’teki 17’den 2054’te 43’e çıkması bekleniyor. Ömürler uzadıkça ve yapay zeka gençlerin ilk işe girişini zorlaştırdıkça sistemin yükü daha da ağırlaşıyor. Abdula’nın en çok takıldığı nokta emeklinin eline geçen parayla nasıl yaşayacağı, çünkü aylığı bağlanan biri ertesi sabah yine işe gidiyorsa yıllardır ertelediği hayata kavuşmuş sayılmaz. Arkadaşlığın aylık üyelikle satın alınan bir hizmete dönüştüğü yeni dönemi de yazan Abdula, tek kişilik hanelerin oranı yüzde 20’yi aşarken küçülen ailelerde her şeyden korunan çocukların arkadaşlık kurmayı öğrenecek alanının daraldığını anlatıyor.
Birinci Yazı
İkinci Yazı
Eylem Derya Özgür, PhD
Eylem Derya Özgür, “İş Dünyasında Suistimal Algısı Araştırması 2026” lansmanındaki panelde insan kaynakları perspektifinden görüşlerini paylaşmış. Suistimalin çoğu zaman normalleşen küçük istisnalardan, zedelenen hakkaniyet duygusundan ve insanların konuşamadığı ortamlardan beslendiğini belirtiyor. Bu yüzden istisnalara bir son kullanma tarihi verilmesini, teşvik sistemlerinin sonuca ulaşma biçimini de ödüllendirmesini öneriyor. Özgür’e göre bir kurumun etik standardı, en başarılı çalışanı kuralları ihlal ettiğinde verdiği tepkiyle sınanıyor.
Emre Kurtoğlu
Emre Kurtoğlu, Hong Kong’da humanoid robotların sipariş alıp ürünleri raflardan bularak müşteriye teslim ettiği yeni nesil mağazaları paylaşmış. Kurtoğlu, bu gelişmeyi perakendenin fiziksel dünyasının da hızla değişmeye başladığının bir işareti olarak görüyor. İnsanla robotun birlikte çalıştığı bir mağazanın müşteri deneyimini ne kadar ileri taşıyabileceğini soruyor.
Mete Buyurgan
Mete Buyurgan, Reuters’ın Meta’nın organizasyonu yapay zeka merkezli bir modele göre yeniden tasarlama girişimi “Project OT” üzerine yaptığı araştırmayı paylaşmış ve yapay zeka dönüşümünde sıralamanın önemine dikkat çekiyor. Buyurgan, doğru sıralamayı önce denemek, değeri kanıtlamak, ardından organizasyonu yeniden tasarlayıp ölçeklemek olarak özetliyor. Daha fazla yapay zeka çıktısının her zaman daha fazla iş değeri anlamına gelmediğini belirtiyor ve kazananların teknolojiyi, insanı, operasyonel disiplini ve sermaye tahsisini en iyi birleştiren şirketler olabileceğini düşünüyor.
Nurçin Özkan
Nurçin Özkan, yapay zekanın geleceğin yeteneklerini yetiştiren sistemi nasıl değiştirdiğini sorguluyor. Rapor hazırlamak, ilk taslağı yazmak, Excel tablolarını defalarca kontrol etmek gibi iş hayatının başındaki görevlerin aslında bir giriş bileti olduğunu anlatıyor. Asıl öğrenme, deneyimli bir yöneticinin yanında hata yapıp eleştiri alarak ve yeniden deneyerek gerçekleşiyordu. Yapay zeka bu işleri üstlendikçe giriş seviyesindeki roller şirketlerin en kolay kestiği maliyete dönüşüyor, gerçek bedel ise yedi ya da on yıl sonra ortaya çıkabilir. Liderlerin yeni sorumluluklarından birinin gençlerin hata yapma hakkını korumak olduğunu düşünen Özkan’ın, çıraklar ortadan kalktığında ustaların nasıl yetişeceği sorusu önemli
Haluk Dortluoglu
Haluk Dortluoğlu, yanlış tasarlanan teşviklerin çözmek istediği sorunu büyütmesini anlatan “kobra etkisi”ni ele almış. Delhi’de ölü kobra başına ödül verilince insanların kobra çiftlikleri kurduğu hikâyeden Türkiye’deki ücretli plastik poşet uygulamasına uzanan örnekler veriyor. Teşvik mekanizmalarının davranış bilimlerinden beslenen, suistimale kapalı ve uzun vadeli etkileri gözeten bir yaklaşımla tasarlanması gerektiğini vurgulamış
Burcu Geris
Burcu Geriş, iki insan arasında çoğu zaman sebepsiz yere oluşan ve adı konamayan kimyaya dikkat çekiyor. Bir işi alamadığımızda, bir müşteriyi ikna edemediğimizde ya da ekip arkadaşımızla uyuşamadığımızda sebebin bazen yalnızca kimyanın tutmaması olabileceğini söylüyor. Bunu fark edip kabullenmenin ve önümüzdeki maçlara bakmanın, kendimize karşı acımasız olmaktan daha iyi bir strateji olabileceğini düşünüyor.
Bahattin Aydın
Bahattin Aydın, teknolojiyi kendi işini dönüştürmek için kullanan çalışanları tanımlayan “Business Technologist” kavramını anlatıyor. İşini yapay zeka ile yeniden tasarlayan bir insan kaynakları çalışanı, operasyonunu teknolojiyle kolaylaştıran bir mağaza yöneticisi ya da sürecini otomatikleştiren bir satınalmacı bu kavramın örnekleri. Aydın, bunu kişinin kendi görevini sürdürürken taktığı bir şapkaya benzetiyor. Başlangıç noktası işi çok iyi bilmek, problemi kök nedenine inerek ele almak ve merakı çalışan bir çözüme dönüştürmek. Geleceğin organizasyonlarında teknolojiyi kendi işine taşıyabilen insanların sayısının fark yaratacağını düşünüyor.
Meltem Bakiler Sahin
Meltem Bakiler Şahin, başarının liderin kendi beklentisini de değiştirdiğini anlatıyor. Bir hedefe ulaşıldığında zihin birkaç dakika içinde bir sonraki projeye, lansmana ya da dönüşüme geçiyor. Şahin, kutlamayı bilmeyen liderlerin bir süre sonra başarıyı normalleştirdiğini belirtiyor ve kendine kazandırmaya çalıştığı alışkanlığı paylaşıyor. Durmak, şükretmek, emeği geçenlere teşekkür etmek ve yola yeniden devam etmek. Sürdürülebilir liderliği de hep daha fazlasını isterken sahip olunanın değerini bilebilmek olarak tanımlıyor.
Hakan Karamanlı
Hakan Karamanlı, şirket değerlemelerinde kültürün, çalışan potansiyelinin, öğrenme ve karar verme becerisinin neden yeterince hesaba katılmadığını soruyor. Bu soruların cevabının entelektüel sermaye kavramında olduğunu belirtmiş.
Murat Göllü
Murat Göllü, Fransa’da Carrefour, Intermarché, Monoprix ve E.Leclerc gibi süpermarket zincirlerinin aynı gün yaşadığı siber saldırıyı paylaşmış. Zincirlerin hepsinin soğutma sistemlerinde aynı şirketin yazılımını kullanmasından yararlanan saldırganlar, buzdolabı ve dondurucuların sıcaklığını 50 dereceye kadar yükseltmiş. Sonuç tonlarca bozulan gıda ve milyonlarca euroluk zarar. Akbank’taki yıllarında şubelerdeki vitrin ekranlarının hacklenmesinden korktuğunu anlatan Göllü, krizlere hazırlanırken “yok artık, bu da olmaz” denilen senaryoların da çalışılması gerektiğini vurguluyor.
Seda Erdem Yılmaz
Seda Erdem Yılmaz, Mário de Miranda Quintana’nın “Kelebeklerin peşinden koşmayın, bahçenizi güzelleştirin, kelebekler zaten kendiliğinden gelecektir” sözünü kariyere uyarlamış. Bir sonraki unvanın ya da takdirin peşinden koşmak yerine enerjiyi yetkinlikleri geliştirmeye, merakı canlı tutmaya ve değer üretmeye yöneltmeyi öneriyor. Kariyerde öğrendiği en önemli şeylerden biri, kariyerinizi kimseye emanet etmemek. Bahçe ne kadar iyi beslenirse fırsatların insanı bulma ihtimalinin de o kadar arttığını söylüyor.
Ali Emre Sever
Ali Emre Sever, Kolay İK’nın 263 çalışanla yaptığı araştırmayı paylaşmış. Araştırmaya göre çalışanların yüzde 42’si dönüşte biriken iş yükünü düşündüğü için izinde işten uzaklaşamıyor, yüzde 23’ü tatilde de işleri kontrol etmeye devam ediyor. Yıllık izninde işten tamamen kopabildiğini söyleyenlerin oranı ise yalnızca yüzde 1. Sever, zihinsel olarak yenilenemeyen bir çalışanın işine yüksek motivasyonla dönmesini beklemenin gerçekçi olmadığını belirtiyor. Gerçek verimliliğin, insanların gerektiğinde durup dinlenebildiği bir çalışma kültürüyle mümkün olduğunu vurguluyor.
Arda Öztaşkın
Arda Öztaşkın, iklim krizinden yapay zekaya, yalnızlığın ekonomisinden verimliliğe uzanan yazılarını “Akıllı Sürdürülebilirlik” adı altında bir araya getirmiş. Birbirinden ayrı görünen bu konuların arkasında modern toplumun nasıl örgütlendiğine ve insanın bu düzendeki yerine dair ortak sorular olduğunu belirtiyor. Öztaşkın’a göre sürdürülebilirlik, doğayla, teknolojiyle, toplumla ve kendimizle kurduğumuz ilişkileri anlamakla da ilgili.
Yakup Aydilek
Yakup Aydilek, Sokrates adını verdiği yapay zeka ajanıyla ilk gününü anlatmış. Sesli olarak araştırma işleri verdiği ajanın, sohbet bittikten sonra da çalışmayı sürdürüp sonuçları yazılı olarak paylaşması dikkatini çekmiş. Aydilek’e göre yapay zekayla çalışırken soru sormanın yanına iş tarif etmek ekleniyor, bu da amacı, sınırları ve beklenen sonucu açıkça ifade etme becerisi istiyor. Araştırmayı ve hazırlığı ajanla paylaşabildiğimizi ama kararın sorumluluğunun hala bizde olduğunu hatırlatıyor.
Arzu Deniz Aksoy
Arzu Deniz Aksoy, insanların krizlere rağmen neden hala liderleri dinlemeye devam ettiği sorusunu Hobbes’un Leviathan’ı üzerinden ele almış. İnsanlar güvenlik karşılığında özgürlüklerinin bir kısmını büyük otoritelere emanet ediyor, şirketlerdeki hiyerarşiler ve unvanlar da bu yapının küçük karşılıkları. Aksoy, modern çalışanın adil davranıldığını görmek, sesinin duyulduğunu bilmek ve işinin bir anlam taşıdığına inanmak istediğini belirtiyor. Bir unvanın insanlara pek çok şey yaptırabileceğini ama gerçekten dinlenmeyi garanti edemeyeceğini hatırlatıyor. Julian Treasure’ın insanlara bizi dinleten dört unsur olarak saydığı dürüstlüğü, sahiciliği, tutarlılığı ve karşıdakinin iyiliğini gözetmeyi de paylaşıyor.
Cem Demiröz
Cem Demiröz, ticaret ve pazarlama alanlarındaki kariyeri boyunca karar alırken verinin yol göstericiliğine önem vermiş. Yıllar içinde rakamların geçmişi çok iyi anlattığını, geleceği okurken ise deneyimin, sezginin ve insanı anlama becerisinin devreye girdiğini görmüş. Yalnızca hislerle alınan iyi sonuçlu bir kararın şansa dayanabileceğini, yalnızca veriye bakıldığında da tüketicinin gerçek ihtiyacının kaçabileceğini belirtiyor. Veri zemini gösteriyor, deneyim ise o zeminde nasıl yürüneceğini.
Murat Zengin
Murat Zengin, MIT’nin 2026’da yayımladığı yapay zeka ve eğitim raporundaki “bilişsel teslimiyet” kavramına dikkat çekiyor ve yapay zeka kullanımındaki asıl riski düşünme işinin de yapay zekaya devredilmesinde görüyor. Zorlandığımız anda kendimiz düşünmeden doğrudan yapay zekaya dönmek, eleştirel düşünme ve hafıza gibi yetkinlikleri daha az çalıştırmamıza yol açıyor. Zengin’in önerdiği sıra önce düşünmek, zorlanmak, kendi görüşünü oluşturmak, ardından yapay zekaya sorup cevabı sorgulamak. Kendine koyduğu kurallardan biri de yapay zekadan onay yerine itiraz istemek.
Kaynaklar
· Aaker, D. A. & Joachimsthaler, E. (2000). The Brand Relationship Spectrum. California Management Review, 42(4), 8–23.
· Baygül, Şaha (2008). Kurumsal İtibarın Ölçümü: Türkiye’ye Yönelik Ölçek Geliştirme Çalışması, Basılmamış Doktora Tezi, Anadolu Üniversitesi, Sosyal Bilimler Enstitüsü.
· Bigus, J., Hua, K. P. M., & Raithel, S. (2024). Definitions and measures of corporate reputation in accounting and management: Commonalities, differences, and future research. Accounting and Business Research, 54(3), 304–336. https://doi.org/10.1080/00014788.2022.2149458
· Brown, T. J. & Dacin, P. A. (1997). The Company and the Product: Corporate Associations and Consumer Product Responses. Journal of Marketing, 61(1), 68–84.
· Diermeier, D. (2023). Reputation Analytics: Public Opinion for Companies. University of Chicago Press.
· Gürhan-Canli, Z. & Batra, R. (2004). When Corporate Image Affects Product Evaluations: The Moderating Role of Perceived Risk. Journal of Marketing Research, 41(2), 197–205.
· Molavi, H., & Zhang, L. (2025). AI-driven corporate reputation measurement in digital ecosystems: A systematic literature review. Acta Psychologica, 261, 105846. https://doi.org/10.1016/j.actpsy.2025.105846
· Moscoso Escobar, J., & Tabares Higuita, D. S. (2026). A taxonomic model and measurement instrument for corporate reputation: A text mining-based perspective. Quality & Quantity, 60, 15991–16013. https://doi.org/10.1007/s11135-026-02811-0
· Ponzi, L. J., Fombrun, C. J., & Gardberg, N. A. (2011). RepTrak Pulse: Conceptualizing and validating a short-form measure of corporate reputation. Corporate Reputation Review, 14(1), 15–35. https://doi.org/10.1057/crr.2011.5
· Vito, D. (2025). Corporate Reputation as Strategic Intangible Asset: An Analysis of Management Processes, Measurement Methods and Impact on Bank and Auditors’ Decisions. Springer.
· The RepTrak Company. (2026). AI as a Stakeholder. https://www.reptrak.com/ai-as-a-stakeholder/
(*) Kartal başı ve kanatlarıyla aslan gövdesini birleştiren mitolojik yaratık “griffin/gryphon”dan alıyor. Aslan gücü ve hâkimiyeti; kartal ise görüşü ve yüksekten bakmayı simgeliyor.
