İş Simülasyonlarının Geleceği: Kararın Sonucunu Değil, Karar Sürecini Modellemek

İş simülasyonlarının bugüne kadarki ölçüm mantığı sonuç odaklıdır: pazar payı, kârlılık, nakit pozisyonu, raf verimliliği, kaçırılan kritik e-posta sayısı. Bu ölçüler bir sıralama üretir ve sıralama verimli bir tartışma başlatır. Ancak aynı sonuca birbirinden tamamen farklı karar yollarıyla varılabilir ve skor tablosu bu yolları birbirinden ayıramaz. Karar biliminde son dönemde ortaya çıkan bir yaklaşım, bu boşluğun nasıl kapatılabileceğine dair somut bir yöntem sunuyor.

Taklit Eden Model ile Açıklayan Model Arasındaki Fark

Aalto Üniversitesi'nden Antti Oulasvirta ile Hong Kong Bilim ve Teknoloji Üniversitesi, City University of Hong Kong ve Singapur Ulusal Üniversitesi'nden araştırmacıların ortak çalışması, okuma sırasındaki göz hareketlerini açıklayan bir model ortaya koydu. Çalışma 10 Ağustos 2026'da Nature Human Behaviour dergisinde yayımlandı ve kısa sürede geniş yankı buldu.

Modelin ayırt edici yanı sonucundan çok yöntemidir. Daha önceki yaklaşımlar metin parçacıklarını göz izleme verileriyle eşleştirip insan davranışını taklit etmeyi öğreniyordu. Taklit başarılıydı, fakat bu modeller okuduklarını anlamıyor ve yeni dillere veya yeni bağlamlara taşındıklarında güvenilirliğini yitiriyordu. Yeni modelse hiç göz izleme verisiyle eğitilmedi. Araştırmacılar modele bir amaç ve bir kaynak bütçesi tanımladı: metni olabildiğince iyi anla, ancak sınırlı zamanın, sınırlı belleğin ve sınırlı bir görme alanın olduğunu hesaba kat. Milyonlarca metin üzerinde bu dengeyi kurmayı öğrenen model, kendisine öğretilmediği hâlde tahmin edilebilir kelimeleri atlamaya, zor pasajlarda oyalanmaya ve anlam koptuğunda geriye dönmeye başladı.

İlk kez yapay zekâ yöntemlerini insanların nasıl okuduğunu taklit etmek için değil, anlamak için kullandık.

Antti Oulasvirta, Aalto Üniversitesi

Doğrulama aşaması bu ayrımı daha da görünür kılar. Zaman baskısı altında okuyan 39 yetişkin katılımcı stratejilerini değiştirdi: süre kısaldığında metnin tamamını taramaya, süre yeterli olduğunda zor bölümlere yoğunlaşmaya yöneldiler. Aynı kısıt modelde değiştirildiğinde model de aynı yönde kaydı. Bunun nedeni davranışın modele elle yazılmış olması değil, kısıtlardan türüyor olmasıdır.

Kaynak-Rasyonellik: Davranışı Bütçeden Türetmek

Çalışmanın dayandığı ilkenin adı kaynak-rasyonelliktir (resource rationality). Bu ilke, insan davranışının mutlak anlamda optimal olmadığını, ancak eldeki kaynaklar veri kabul edildiğinde şaşırtıcı ölçüde optimal olduğunu söyler. Bir insanın davranışını öngörmek için neyi başarmaya çalıştığını ve hangi bütçeyle çalıştığını bilmek yeterlidir; davranışın kendisi bu ikisinden türetilebilir.

Modelleme açısından bu, yön değiştiren bir fikirdir. Davranış veriye uydurulmaz, ilkeden tahmin edilir. Dolayısıyla daha önce hiç gözlemlenmemiş bir durumda ne olacağı da sorulabilir hâle gelir.

İç İçe Geçmiş Üç Zaman Ölçeği

Okuma modelinin ikinci ayırt edici özelliği hiyerarşik olmasıdır. Kararlar tek bir düzeyde değil, iç içe geçmiş üç zaman ölçeğinde alınır ve üst düzey alt düzeye bütçe dağıtır:

• Fiksasyon düzeyi: Yaklaşık 250 milisaniyelik tek bir duraklama kelime tanımaya hizmet eder. Bakışın nereye ineceği ve ne kadar kalacağı bu düzeyde belirlenir.
• Cümle düzeyi: Bilginin bütünleştirilmesi, hangi kelimenin atlanacağını ve nereye geri dönüleceğini belirler. Atlama ve regresyon kararları buradan çıkar.
• Metin düzeyi: Okuma amacının kendisi — bu metinden ne öğrenilmek istendiği — nelerin bellekte tutulacağını ve hangi bölümün yeniden okunacağını şekillendirir.

Bu mimari bir iş simülasyonundaki katılımcı için de geçerlidir. Fiksasyon düzeyinin karşılığı tekil veri okumadır: rapordaki hangi satıra bakıldığı, hangi grafiğin açılıp kapatıldığı. Cümle düzeyinin karşılığı taktik hamledir: bu analizi atlayıp fiyatı belirlemek mi, yoksa geçen çeyreğin rakip verisine geri dönmek mi. Metin düzeyinin karşılığı ise stratejidir: bu turda hangi belirsizliği kapatmaya bütçe ayrıldığı. Eşleme yapısaldır, birebir değildir — bir fiksasyon ile bir fiyatlama kararı aynı bilişsel olay değildir. Ortak olan, sınırlı kaynağın iç içe geçmiş zaman ölçekleri boyunca tahsis edilmesidir.

Skor Tablosunun Göremediği Şey

Bugünün simülasyonlarında saklanan veri çoğunlukla gönderilen karardır. Oysa iki katılımcı aynı kararı verip aynı sonuca ulaşırken tamamen farklı politikalar izlemiş olabilir. Aşağıdaki iki takım aynı çeyrekte aynı pazar payı artışını elde eder:

1. Takım A: Rakip raporunu, talep verisini ve maliyet tablosunu sırayla okur, maliyet tablosunda uzun süre kalır, rakip verisine bir kez geri döner ve ardından fiyatı belirler. İzlenen politika belirsizliği kapatıp karar vermektir.
2. Takım B: Yalnızca brief'i okur, üç veri kaynağını hiç açmaz ve sezgiyle fiyatlar. Talep şoku lehine döndüğü için aynı sonuca ulaşır. İzlenen politika hızlı karar verip şansa güvenmektir.

Skor tablosu bu iki takımı ayırt edemez. Oysa katılımcının işine geri taşıdığı şey rakam değil politikadır. Takım B ertesi çeyrek aynı politikayla oynadığında talep şoku aleyhine dönecek ve öğrendiği şeyin yanlış olduğu ortaya çıkacaktır — ancak bunu simülasyon değil, gerçek hayat öğretecektir. Okuma araştırmasındaki durum tam olarak buydu: ölçülen sonuç anlamaydı, bilimsel olarak açıklayıcı olan kısım ise fiksasyonlardı.

Karar Süreci Neden Pekiştirmeli Öğrenmeyle Modellenir

Karar sürecini modellemek için akla gelen ilk yol, çok sayıda kararı kaydedip bir tahmin modeli eğitmektir. Bu yol iki nedenle tıkanır. Birincisi, "doğru yönetsel karar" diye etiketlenmiş bir külliyat yoktur. İkincisi, olsaydı bile geçmişin önyargılarını kodlar ve daha önce görülmemiş senaryolara genellemezdi. Okuma alanındaki eski modellerin karşılaştığı sınır tam olarak buydu.

Pekiştirmeli öğrenme farklı bir sözleşme sunar: davranış değil, hedef ve kısıtlar tanımlanır, politika bunlardan türer. Aalto Üniversitesi bünyesindeki Computational Behavior Lab, bu yaklaşımı birbirinden uzak alanlarda tekrar tekrar uyguladı:

• Sürüşte çoklu görev: Jokinen, Kujala ve Oulasvirta, sürücülerin yola bakmakla ekrana bakmak arasındaki paylaştırmasını belirsizlik altında optimal uyarlanma olarak açıkladı. Riskli sürüş davranışı, motor kontrolündeki gürültüye verilen rasyonel bir yanıt olarak ortaya çıktı.
• Yaya geçme kararları: Yayaların karşıya geçme kararlarının, sınırlı kaynaklarla optimal karar verme çerçevesiyle açıklanabildiği gösterildi.
• Dokunmatik klavyede yazma: CRTypist modeli yazarken bakışını ve parmağını insan gibi hareket ettirir; hata yapar, hatayı fark etmek için ekranın üst kısmına bakar ve düzeltir.
• Arayüz uyarlama: Model tabanlı pekiştirmeli öğrenmeyle arayüzler kullanıcıya uyarlanırken, kullanıcı modeli doğrudan optimizasyon döngüsünün içine yerleştirildi.

Asıl önemli gelişme tekil sonuçlar değil, yöntemin olgunlaşmasıdır. Bu modellerin nasıl kurulacağına dair adım adım bir iş akışı artık akademik olarak tanımlanmış durumda ve yaklaşım, tekil bir teknik olarak değil etkileşimin genel bir kuramı olarak konumlandırılıyor. Bu, tek bir laboratuvarın tek seferlik başarısı değil, taşınabilir bir yöntemdir.

"Ortalama Katılımcı" Diye Biri Yoktur

Simülasyon tasarımı açısından en kritik nokta buradadır. Kaynak-rasyonel bir modelde kısıtlar açıkça yazılıdır: çalışma belleği kapasitesi, görsel keskinlik, okuma hızı, dil yetkinliği, alan bilgisi. Bu parametreler değiştirildiğinde elde edilen şey farklı bir kullanıcıdır.

Bu, ilgili çalışmalarda sonradan eklenen bir özellik değil temel bir kabiliyet olarak öne çıkar. CRTypist'in belirtilen faydalarından biri, araştırmaya dâhil edilmesi zor ya da imkânsız olan farklı yetkinliklerdeki kullanıcıları simüle edebilmesidir. Bir başka çalışma ortalama bir tarama izi değil, kişiselleştirilmiş tarama izleri tahmin eder. Bilişsel yeteneklerin gündelik bilgisayar görevlerindeki performansı öngördüğü gösterilmiştir. Menü arama stratejilerinin deneyimle nasıl geliştiği modellenmiştir — yani beceri sabit bir katsayı değil, bir yörüngedir.

Bir eğitim platformu açısından bunun anlamı doğrudandır: aynı senaryo farklı katılımcılar için farklı bir problemdir. Yeni mezun bir analist ile on beş yıllık bir kategori müdürü aynı gelen kutusuna baktığında aynı bilgiyi görmez. Katılımcı parametrelendirilebiliyorsa senaryo da, geri bildirim de parametrelendirilebilir.

Karar Sürecini Modelleyen Bir Simülasyon Neye Benzer

Bu yaklaşımın iş simülasyonu tasarımına beş somut karşılığı vardır.

1. Süreç Telemetrisi Birinci Sınıf Veri Hâline Gelir

Karara giden yol da veridir: hangi paneller açıldı, hangi sırayla, ne kadar süre açık kaldı, hangi rapora geri dönüldü, ilk karara ne kadar sürede varıldı, karar kaç kez revize edildi. Okuma modelinin diliyle bunlar fiksasyon süresi, atlama ve regresyondur. Kaydedilmedikleri sürece modellenemezler ve bugün çoğu platform bunları kaydetmez.

2. Sıralama Yerine Politika Teşhisi

Değerlendirme oturumunun çıktısı "üçüncü sıradasınız" değil, "şu politikayı izlediniz" olabilir: belirsizliği kapatmadan hızlı karar veren, aşırı analiz edip geç kalan, tek kaynağa aşırı güvenen, karar sonrası kanıt arayan. Bu tanımlar bir sıralamadan çok daha fazla eğitsel bilgi taşır ve doğrudan davranış değişikliğine bağlanabilir.

3. Senaryolar Sınıfa Girmeden Sentetik Kohortla Sınanır

Simüle edilmiş katılımcılardan oluşan bir kohort senaryonun üzerinde çalıştırılarak şu sorular yanıtlanabilir: senaryo fazla kolay mı, öğretilmek istenen dengeyi tümüyle atlayan dejenere bir strateji var mı, dikkatli katılımcı ile şanslı katılımcı ayırt edilebiliyor mu? Bugün bu sorular ancak birkaç pilot oturumdan sonra ve yüksek maliyetle yanıtlanabiliyor.

4. Bilgi Yükü ve Zaman Baskısı Uyarlanabilir Olur

Okuma çalışmasındaki katılımcılar zaman baskısı değiştiğinde stratejilerini değiştirdi. Aynı kaldıraçlar simülasyonda da mevcuttur: tur süresi, açılabilecek rapor sayısı, bilgiye erişimin maliyeti. Katılımcının modeli biliniyorsa bu kaldıraçlar kişiye göre ayarlanabilir ve herkes aynı zorluk eğrisine değil, kendi öğrenme sınırına yaklaştırılabilir.

5. Erişilebilirlik ve Adalet Ölçülebilir Hâle Gelir

Katılımcı modeli açıkça tanımlanmışsa şu soru sınanabilir: simülasyon, ana dili farklı olan veya daha yavaş okuyan bir katılımcıyı iş muhakemesiyle ilgisi olmayan bir nedenle cezalandırıyor mu? Bu, örtük bir varsayım olmaktan çıkıp test edilebilir bir ölçüte dönüşür.

Analojinin Sınırları

Bu yaklaşımın dürüstçe savunulabilmesi için nerede zayıfladığının da belirtilmesi gerekir. Dört sınır öne çıkıyor:

• Amaç fonksiyonu sorunu: Okumada "anlama" üzerinde uzlaşılabilir bir hedeftir. Bir iş kararında ise amacın ne olduğu çoğu zaman öğretilmek istenen şeyin ta kendisidir. Kaynak-rasyonellik tanımlı bir amaç ister; amaç yanlış tanımlanırsa sonuç, kendinden emin biçimde yanlış bir modeldir.
• Sosyal ve örgütsel kısıtlar: Okuma yalnız ve kısa ufuklu bir etkinliktir. Stratejik karar ise sosyal ve uzun ufukludur; süreç çoğu zaman bilişsel değil örgütsel kısıtlarla tıkanır — kimin ikna edilmesi gerektiği, kimin veriye eriştiği, hangi tartışmanın toplantıya sığdığı.
• Gözetime dönüşme riski: Süreç verisi katılımcıyı teşhis etmek ve senaryoyu uyarlamak için toplanır, katılımcıya açıkça gösterilir ve yöneticisine bir verimlilik skoru olarak aktarılmaz. Bu sınır ürünün içine yazılmadığı sürece iyi niyet yeterli değildir.
• Doğrulama yükümlülüğü: Model bir hipotez üreticisidir, hakem değil. Okuma modeli 39 katılımcıya ve onlarca yıllık okuma bulgusuna karşı sınandı. Bir karar süreci modeli de aynı disiplinden geçmediği sürece daha güzel görünen bir tahminden ibaret kalır.

Sonuç: Sorunun Değişmesi

Simülasyonların bugüne kadarki sorusu "ne karar verdin" olmuştur. Skor tablosu bu soruyu ölçmekte başarılıdır ve ölçmeye devam etmelidir.

Bir sonraki neslin sorusu ise "bu karara nasıl vardın" olacaktır: hangi bilgiye bakıldı, ne atlandı, nereye geri dönüldü, ne zaman durup karar verildi. Bunun mümkün olduğuna inanmak için somut bir gerekçe var — bir araştırma ekibi, bunu bir cümleyi okumak kadar hızlı, otomatik ve görünmez bir süreç için, tek bir göz izleme kaydı kullanmadan başardı.

Bir iş kararı bir cümleyi okumaktan çok daha karmaşıktır. Ancak yapı aynıdır: sınırlı zaman, sınırlı dikkat, sınırlı bellek ve bunların nereye harcanacağına dair sürekli, çoğu zaman fark edilmeyen bir dizi seçim. Simülasyonun asıl işi, o seçimleri görünür kılmaktır. SimAna'nın karar verme odaklı çözümleri bu yönde geliştirilmeye devam ediyor.