Dijital Liderlik Akademisi 2026 - Program Notları

Program Özeti

Bu sayfa, eğitim süreci boyunca tuttuğum notların düzenlenmiş halidir. Amaç, programın stratejik ve teknik çerçevesini uygulamaya dönük bir referans olarak net biçimde sunmaktır.

Programın Vizyonu ve Konumlandırması

Dijital Liderlik Akademisi 2026, yapay zekayı yalnızca araç kullanımı seviyesinde değil; karar mimarisi, veri kültürü, ürün stratejisi ve yönetişim eksenlerinde ele alır. Ana çerçeve, "veriyle düşünen, algoritmalarla yön bulan ama anlamla yöneten" lider profiline geçiştir. Programın kurumsal etkisi, teknik kavramları yönetim diliyle birleştirmesi ve sektör-üniversite iş birliğiyle pratik vaka üretmesidir.

Ders Akışı (Öne Çıkan Oturumlar)

• 02 Aralık 2025: Dijital Dünyanın Sessiz Sonu
• 04 Aralık 2025: Yapay Zeka Destekli Endüstri ve Liderlik
• 09 Aralık 2025: AB Yapay Zeka Yasası ve Risk Temelli Strateji
• 10 Aralık 2025: Modeller, Pazar ve Küresel Etki
• 16 Aralık 2025: Generative Engine Optimization (GEO)
• 23 Aralık 2025: Üretken AI Paradigmasında 10 Trend
• 24 Aralık 2025: Agentic Yeni Dünya: Müşteri Kavramı Değişiyor
• 25 Aralık 2025: Vibe Coding ile Uygulamalı Ürün Tasarımı
• 06-15 Ocak 2026: Veri felsefesi, etik, liderlik becerileri ve sorumluluk katmanları

Modül 1: AI-First Karar Mimarisi

AI dönüşümünde ana konu, model kurmaktan çok karar zinciri tasarlamaktır. Burada üç soru öne çıkar: (1) model ne öneriyor, (2) öneri hangi eşikte aksiyona dönüşüyor, (3) hangi noktada insan onayı zorunlu?

• Model çıktısı "bilgi" olabilir, "öneri" olabilir ya da "aksiyon" üretir. Her biri için farklı kontrol seviyesi gerekir.
• Hata maliyeti yükseldikçe human-in-the-loop katmanı sıkılaştırılmalıdır.
• Kritik süreçlerde rollback ve denetim izi (audit trail) zorunlu tasarım unsuru olarak görülmelidir.

Modül 2: KPI Tasarımı ve Ölçüm Olgunluğu

Programda özellikle vurgulanan bir konu, KPI üretmenin tek başına yeterli olmadığıdır. Yanlış metrik, yanlış davranış üretir. Bu nedenle metrik mimarisi, stratejiyle aynı önemde kabul edilir.

• Output metrikleri kısa vadeli verimlilik sağlar; outcome metrikleri sürdürülebilir etkiyi ölçer.
• Analytics -> Prediction -> Recommendation -> Automation olgunluk hattı, ekiplerin veri kullanım yetkinliğini aşamalı olarak artırır.
• North Star KPI ile operasyonel alt KPI'ların aynı yöne bakması, çelişkili optimizasyonu azaltır.

Modül 3: Agentic World ve API-First Ürün Düşüncesi

Program notlarında sık geçen tema, kullanıcı davranışının arayüz merkezli modelden ajan merkezli modele kaymasıdır. Bu kayma, ürün ekiplerinin yalnızca UI tasarlamasını değil, aksiyon zincirini API düzeyinde yönetmesini gerektirir.

• Kullanıcı, tek tek platformlara gitmek yerine, ajan aracılığıyla "niyet" verir ve sonuç bekler.
• Bu modelde rekabet avantajı, API kalitesi + orchestration + policy katmanının birlikte çalışmasıyla oluşur.
• Ajanların verdiği kararlar için izlenebilirlik, açıklanabilirlik ve sınırlandırılmış yetki şarttır.

Modül 4: RAG, Veri Hattı ve Bilgi Kalitesi

Programın teknik odaklarından biri, RAG mimarisinde değerin model parametresinden çok veri hattı kalitesiyle belirlendiğidir. Doğru retrieval stratejisi olmadan güçlü model, yalnızca yüksek hızda yanlış yanıt üretir.

• Kaynak doğruluğu, güncellik ve erişim kontrolü RAG başarısının temelidir.
• Kurumsal kullanımda veri katmanı, model katmanından bağımsız bir yönetişim politikasıyla yönetilmelidir.
• Bilgi tabanı güncelleme periyodu, iş ritmiyle uyumlu değilse karar kalitesi hızla düşer.

Modül 5: AI Governance, Risk ve Sorumluluk Zinciri

Governance boyutu yalnızca bir "uyum" başlığı olarak değil, doğrudan iş sürekliliği ve güven üretimi meselesi olarak ele alınır. Drift, bias ve hallucination yönetimi aktif izleme süreçleri gerektirir.

• Risk seviyesine göre model sınıflandırma yapılmalı, yüksek riskli kullanım alanlarında ek kontrol katmanları tanımlanmalıdır.
• Explainability, yöneticiler ve denetim ekipleri için kararın savunulabilirliğini sağlar.
• Sorumluluk zinciri (owner-reviewer-approver) belirsizse üretimde hata kök neden analizi zayıflar.

Uygulamalı Derslerden Operasyonel Çıkarımlar

• Vibe coding ve low-code oturumları, teknik olmayan ekiplerin de prototip üretme hızını artırabileceğini gösteriyor.
• Prompt tasarımı, ürün gereksinimi yazımıyla birlikte ele alındığında çıktı kalitesi belirgin artıyor.
• İyi bir demo, yalnızca çalışan bir model değil; ölçülen metrik, risk kontrolü ve iş katkısıyla birlikte sunulmalıdır.

Liderlik Perspektifi: Teknoloji + Kültür + Süreç

Eğitimin güçlü yanı, teknik gündemi liderlik ve kültür dönüşümüyle birlikte işlemesidir. AI çağında liderlik, trendleri takip etmekten çok, veri-model-süreç-kültür bileşenlerini tek sistemde hizalama becerisidir. Bu nedenle karar süreçleri, sorumluluk modeli ve ekip davranışları aynı tasarımın parçası olarak ele alınmalıdır.

Bu Notun Kullanım Rehberi

• Önce "Modül 1-2"yi okuyup kendi kurumunda karar ve metrik mimarisi haritası çıkar.
• Sonra "Modül 3-4" ile API-first ve veri hattı olgunluğu için boşluk analizi yap.
• Son olarak "Modül 5" üzerinden governance checklist'i oluşturup sahiplik ataması yap.

Program Dokümanı

Kaynak: Dijital Liderlik Akademisi 2026