Arthur D. Little

Dünyanın ilk yönetim danışmanlığı şirketi olan Arthur D. Little, 135 yılı aşkın süredir müşterilerinin özgün problemlerine danışmanlarının strateji, dönüşüm ve inovasyon konularındaki derin tecrübesiyle somut ve ölçülebilir çözümler üretmektedir. 2015’te kurulan İstanbul ofisimiz dışında müşterilerimize 29 ülkede 44 ofisimizde bankacılık & finans, mühendislik, strateji, inovasyon, bilgi teknolojileri gibi farklı alanlarda fark yaratan çözümler sunmaktayız.

Q&A

1. Bir danışman adayında aranan başlıca özellik nedir?
   • İyi bir danışman adayında olması gereken önemli ilk özellik merak duygusudur. Danışmanlık aslında bir iş kolu ya da sektör değil, bünyesinde pek çok farklı alanda projeler yapma ve farklı sektörleri keşfetme imkanı sunan bir spektrumdur. Hayatınız boyunca belki de hiç duymamış olduğunuz bir alanı, endüstriyi baştan keşfedip kısa bir süre içerisinde o alanda önemli derecede uzmanlaşmanızı sağlayacak bir yolculuktur.
   • Bu anlamda merak ve araştırma motivasyonunuzun olması oldukça önemlidir. Bu motivasyonunuzun olması size zaten çalışma temposuna adaptasyon ve öğrenme yetinizde ciddi anlamda bir güçlenme de sağlayacaktır.
2. Mülakatlar dışında işin aslında bir CV kısmı var. Mülakatlar için herkes casebook’ları konuşurken diğer adaylardan sıyrılma imkanı veren bir CV’de neler olmalıdır?
   • İnternette gördüklerinizin aksine CV’lerde aslında her zaman aranan ve “kesinlikle olması gereken” diye tabir edebileceğimiz özellikler aramayız. Aslında danışmanlık şirketlerinin pek çoğunun CV’de aradığı özellik çeşitliliktir.
   • Çeşitlilik temel olarak adayın üniversite hayatındaki farklı tecrübelerinin CV’sine yansımasıdır aslında. Mülakatlar öncesi CV’leri incelediğimizde kendi kendimize sorduğumuz belirli kalıp sorular oluyor.
     • Danışman adayı üniversite hayatında nasıl farklı deneyimler elde etmiş?
     • Bu deneyimlerin kendisine olan kazanımları neler olmuş, neler öğrenmiş?
     • Akademinin dışındaki üniversite hayatında neler yapmış?
     • Üniversite hayatındaki yolculuğundaki kazanımları danışmanlığa nasıl aktarabilir?
   • Fark ettiyseniz spesifik olarak “okul birinciliği”, “20 farklı yerde staj”, “10 farklı kulüpte yönetim kurulunda bulunmak” gibi imkansız maddelerden çok sizin üniversite hayatınızdaki tercihleri, tercihlerin sebepleri ve bu tercihlerim size olan kazanımlarını anlamak istiyoruz. Aklımızda net maddelerden çok sizi anlamaya yönelik sorular oluyor. Akademi yönünüz sınıfın en iyisi olmayabilir ama belki o dönem içerisinde okul kulüplerinde çalışmışsınızdır, stajlar yapmışsınızdır, farklı yurtdışı tecrübeleriniz olmuştur (Erasmus, Exchange vb.). Bunun sonucunda her zaman bir “hikayeniz” olacaktır.
   • Önceden bahsettiğim “çeşitlilik” aslında CV’lerde aranan yapıyı bu anlamda desteklemekte ve danışmanlıkta aranan temel özelliklerden biri olan merak duygusunu da işaret etmektedir. Hiçbir üniversite öğrencisi tüm dersleri, iş alanlarını ya da kulüpleri bilerek üniversiteye gelmez. Önemli olan farklı olanakları keşfedebilmeniz, kendi yolculuğunuzu oluşturabilmeniz ve merak duyduğunuz farklı alanlarda ilerleme kaydetmenizdir. Danışmanlar olarak biz de başladığımızda herhangi bir sektör ya da Yapay Zeka gibi yenilikçi alanlar hakkında bilgi sahibi değiliz. Hepimiz işimiz sürecinde projelerimizle kendimizi geliştirdik, müşterilerle çalışırken sektörler hakkında ayrıca bilgi sahibi olduk ve merak & araştırma isteğimizle bilgi ve birikimimizi üst bir seviyeye taşıdık. Bu anlamda siz de üniversite yolculuğunuz aracılığıyla danışmanlık dünyasının arasındaki bu bağlantıyı göstererek diğer adaylardan bir adım öne çıkabilirsiniz 😊
3. Peki işin mülakat kısmına baktığımızda nasıl hazırlanmalıyız ve bizi neler bekliyor?
   • İlk olarak teorik bilginizin oturması için Marc Cosentino’nun Case in Point kitabı gibi kaynaklar üzerinden farklı case tipleri için nasıl sorular sorulması ve nasıl bir yapı kurulması gerektiği gibi konular hakkında bilgi sahibi olabilirsiniz. Örnek olarak belirttiğim kitaba Academia gibi platformlar üzerinden ya da direkt pdf versiyonu üzerinden ücretsiz ulaşabilirsiniz. Bu kitap dışında da pek çok farklı kaynağa internet üzerinden de kolaylıkla ulaşabilirsiniz. 
   • Bu kaynaklarda göreceğiniz belirli soru tipleri aslında pek çok case’i çözerken size yardımcı olacaktır. İlk etapta bu soruları hem ezberlemeye, hem de mantığını anlamaya çalışın. Case çalışırken bir not defteri tutmanızı da tavsiye ederim. Ama bu, işin sadece teorik kısmıdır. Sonraki süreçlerde artık case tipleri için sorulabilecek sorular kafanızda oturdukça case’in çözülebilmesi için “structure” dediğimiz yapıyı kurmanız gerekiyor. Bu anlamda da case örnekleriyle ilerleyebiliriz.
   • Ancak case örneklerine geçmeden önce burada önemli bir noktaya da değinmek isterim. Hem kendi girdiğim hem de şirkette diğer arkadaşlarımın yaptığı mülakatlarda fark ettiğim önemli bir durum var. Pek çok aday aslında teorik bilgilere sahip ve pek çok adayın sorulması gereken sorular hakkında da genel fikirleri oluyor. Ancak çok az aday cidden bir mülakat sürecinin tam akışını biliyor. Mesela size sorulan sorulardan sonra ne kadar bir ilk çözüm oluşturma sürenizin olması, case esnasında not alma kısımlarında kağıdı nasıl kullanmanız (yüz yüze yapılan mülakatların sonunda kağıtları sizden alıyoruz, bu anlamda hafife almamanızı tavsiye ederim), soru cevap süreçlerinin nasıl ilerlediği ve sürenizi nasıl değerlendirmeniz gibi konular hakkında öncesinden bilgi sahibi olmanız gerekiyor. Bu anlamda size internetten örnek case videolarını açıp öncesinde genel süreci anlamak için onları detaylıca izlemenizi tavsiye ederim. Bu metodun ilk etapta kendi kendinize çalışırken genel akışı oturtmanızda ve şirketlerin mülakatta sizden neler bekleyeceği konusunda bilgi sahibi olmanızda yardımcı olacağına inanıyorum. 
   • Case örnekleri açısından internetten pek çok casebook pdf’ine ücretsiz ulaşabilirsiniz. Bu anlamda size Wharton, MIT Sloan, Haas, Kellogg gibi casebook’ları ilk etapta indirmenizi tavsiye ederim. İlk etapta bazı case’leri çözmeden önce çözümleriyle beraber okumanızı tavsiye ederim. Amaç asla kitaptaki çözümün birebir aynısını oluşturmak değildir ama genel yaklaşımı ve yapı kurmayı anlamaktır. İlk etapta kendi kendinize pratik yapıp sonraki süreçte bir arkadaşınızla da çalışabilirsiniz.
4. Arthur D. Little, beraber çalıştığı şirketlerin risk yönetim süreçlerinde nasıl bir yol izliyor?
   • Arthur D. Little olarak pek çok alanda olduğu gibi risk yönetiminde de belirli ana maddeler üzerinden ilk etapta süreci ele alıyoruz. Risk yönetiminde bu anlamda 3 başlık söyleyebiliriz:
     • Risk-bazlı karar verme süreçleri: İlk etapta müşterinin ya da bizim kendi belirlediğimiz bir karar havuzu oluşturuyoruz. Örnek olarak son dönem içerisinde Türkiye’deki önemli holdinglerden olan bir müşterimizin veri merkezi inşaat stratejisinde mevcuttaki her bir lokasyon seçeneği (veri merkezinin inşa edileceği) için belirli parametreler (enerji sistemlerine uzaklığı, civarda patlayıcı/kimyasal madde tesisi bulunması vb.) üzerinden inceleyip bir kıyaslama oluşturuyoruz. Buradaki temel amaç, her bir opsiyon için ana risklerin belirlenmesi ve hangi risklerin hangi opsiyonlar için daha etkili olduğunun karar verilmesidir.
     • Total risk maliyeti optimizasyonu: İlk etapta oluşturmuş olduğumuz karşılaştırmalar sonrasında matematiksel olarak her bir mevcut riskin müşterinin istediği periyot boyunca finansal etkisinin hesaplamalarını bu aşamada oluşturuyoruz. Bu adım aslında en düşük maliyetli opsiyonun seçilmesi değil, her opsiyondaki mevcut maliyetlerin optimal seviyelerinin matematiksel olarak ilk etapta anlaşılmasıdır.
     • Risk takibi ve raporlama: Genelde uzun dönem projelerimizde teorik hesaplamalar ve opsiyonların belirlenmesinin yanı sıra bir danışmanlarımızın olduğu bir proje yönetim ekibi oluşturuyor ve proje yönetim ekibinin her bir üyesi müşterinin süreçle ilgili bir departmanından sorumlu oluyor. Her ekip özelinde genelde 2-3 haftalık “sprint” dediğimiz periyotların sonunda toplantı yaparak her bir risk ve ilgili sürecin nasıl ilerlediğine dair raporlama yapıyoruz. Bunun yanı sıra genelde “Daily” dediğimiz günlük toplantılarımızla belirli haftalarda kritik gündemimizde olan adımların daha detaylı takibini de yürütmekteyiz. 
   • Temel olarak risk yönetim süreçlerinde en önemli unsur takiptir. Bu anlamda bir danışman, müşteriyle beraber çalışırken dışarıdan gelen bir “yabancı” olmaktan çok artık bir iş arkadaşı olarak şirketin veya projenin şirketin iç yapısına etkilerini de anlayarak çalışmaktadır.
   • Bana göre sürecin matematiksel formülleri veya yazılımlarından çok yaklaşımını anlamak en önemli noktadır. Kimse bir danışman olarak sizden (işe alım sürecindeki tanımlarda spesifik olarak belirtilmemiş ya da siz “uzmanıyım” demediğiniz sürece 😊) spesifik bir yazılım ya da kodlama dili bilmenizi, işin tüm matematiksel formüllerini biliyor olmanızı beklemez. Zaten bu süreçlerde modellemeyi siz oluşturacak, kendi yaklaşımınızla projedeki sorumluluklarınızı yürüteceksiniz. Bu, 1 günde oluşturulan bir süreç değil, ekip lideriniz ve müşterinin bilgilendirmeleri ve yönlendirmesiyle ilerleyen bir süreç olacaktır. Risk yönetim süreçlerinde her daim ekibinizle iletişim halinde olarak hem emin olmadığınız noktaları konuşabilir, hem kendilerine danışabilir hem de gelişiminizi takip edebilirsiniz.
5. ADL yapay zeka gelişmelerini yakalamak için neler yapıyor?
   • Sadece yapay zeka değil, herhangi bir alan içerisinde bir danışmanlık firmasının en önemli kabiliyetinin bilgiyi bilmekten çok bilgiyi iletme şekli olduğunu rahatlıkla söyleyebilirim. Hepimizin bildiği üzere Internet’le beraber zaten artık bir bilgiye ulaşmak oldukça kolay. Yüksek ihtimal kısa bir araştırmayla yapay zekanın 10-15 farkı tanımını Internet’ten kolayca bulabilirsiniz. Bu anlamda yapay zekanın getirdiği gelişmeleri takip etmenin yolu aslında bilginin kendisini bilmekten çok şirketleri, iş yapma şekillerini ve operasyonel modellerini yapay zekanın nasıl etkileyeceğini görmektir.
   • Arthur D. Little olarak yapay zeka üzerindeki gelişmeleri farklı alanlarda takip etmektedir:
   • Bilgi akışındaki değişim: ChatGPT gibi Large Language Model (Büyük Dil Modeli) tipi yapay zekalar ellerinde mevcutta olan veriler üzerinden sonuç ve içerik üreten modellerin şirket içerisinde bilgi erişim amaçlı kullanımının arttığını görmekteyiz. Ancak hem bu modellerin geçmiş veri üzerinden çalışıyor olması hem de “hakim olmadıkları” konular üzerine gerçeği yansıtmayan sonuçlar üretme yatkınlığı yüzünden gerçeği yansıtmayan cevaplar verdiğine sık rastlanmaktadır. Bu anlamda Arthur D. Little, kendi kurumsal bilgi havuzunun yanında araştırma imkanı da sağlayan ek bir hizmet olarak kendi LLM yapay zeka robotu olan ADLGPT’yi oluşturmuştur. 
   • ADLGPT’nin geliştirilmesi öncesinde de şirket içinde chatbot performansını ve şirket içerisinde üretkenlik düzeyini ölçebilme için bir workshop yürüttük ve burada global AI partnerimiz aracılığıyla oluşturduğumuz chatbot üzerinden bir deney süreci oluşturduk. 6 haftalık workshop sürecimiz boyunca 18 farklı danışmanlık projesi özelinde chatbot’a sorular yükledik ve her çıkan cevap/çözüm analiz edildi. Buradaki sonuçlar özellikle ADLGPT’nin kullanılma sürecini ve hangi tür projelerde hangi tür soruların yapay zeka ile çözümünün daha sağlıklı sonuçlar verebileceğini ölçmüş olduk.
   • Daha sonraki soruda daha detaylı belirteceğim üzerinde yapay zekanın farklı alanlarda gelişimini müşterilerimiz için ayrıca takip etmekteyiz ama şirket içi kullanım ve adaptasyon olarak belirli örnekleri bu soru özelinde belirtmek isterim.
6. Ulaşım (mobility) sektörü yapay zekanın bu sektöre girmesiyle nasıl değişti? Arthur D. Little bu değişimleri nasıl takip ediyor?
   • Arthur D. Little olarak belki de güçlü yanlarımızdan biri “networkümüz” diyebilirim. Ulaşım, toplu taşıma sektöründeki ciddi değişim dalgası aslında COVID-19 virüsüyle beraber başladı. Salgının sakinleşmesinden sonra 2021’de ulaşım otoriteleri (belediyeler, ulaşım hizmetleri) ve yeni “mobility” sağlayıcıları başta olmak üzere 70’ten fazla C-level yöneticiyle konu üzerinde bir araştırma hazırladık. Özellikle insanların “sosyal mesafe” etkisiyle daha akıllı ve insan kontrolüne daha az bağımlı çözümlere odaklanması, bu araştırmamızın en önemli çıktılarından biri oldu. Arthur D. Little olarak yapay zekanın ulaşımda 3 ana özeliğiyle öne çıktığını görmekteyiz:
   • His: Ulaşım sistemlerinin veri toplayabilme kabiliyeti (yol verisi, hava durumu, bölgesel nüfus, kalabalıklaşan bölgeler vb.)
   • Düşünce: Yapay zekanın elindeki mevcut veri üzerinden gelecekte olabilecek ya da periyodik durumları önden fark edebilmesi (ileriki saatlerde oluşabilecek trafik vb.)
   • Aksiyon alabilme: Yapay zekanın ulaşım sistemlerinde hizmet sağladığı insanlar için anlık arar verebilmesi.
   • Bu 3 adım üzerinden pek çok yerel toplu taşıma ve ulaşım şirketlerinin yapay zeka sistemlerini entegre edebildiğini görmekteyiz. Bu sadece kara taşımacılığı değil, havayollarının da başvurduğu bir inovasyon olmuş durumda. Örnek olarak Singapur Changi Havalimanı yapay zeka sistemlerinde geçmiş kalkış-varış verileri üzerinden uzun süreli uçuşların inişlerini tahmin etmekte ve kapasite/park alanını buna göre hazırlamaktadır. Aynı şekilde Hong Kong’un metro operatörü MTR, yapay zeka sistemleri üzerinden  metro sistemlerindeki muhtemel arızaları 5 gün öncesine kadar tahmin edebilmektedir. 
   • Arthur D. Little’ın yapay zeka trend’lerini yakalamasındaki en büyük katkıyı aynı zamanda veren bir başka özelliği de market bilgisi ve araştırma kabiliyetidir. Müşterileri için yapa zeka gibi pek çok farklı gelişmenin takibini yapan ADL, başta Asya pazarları olmak üzere otomotiv gibi alanlarda müşterilerine strateji projeleri sunmaktadır. Örnek olarak Japonya’daki otomotiv oyuncularına geçmiş yıllarda yapay zeka ile entegre üretim teknolojilerine trend’leri anlatan, 10-15 yıllık projeksiyonlarla üretim ve ulaştırma stratejileri oluşturan pek çok proje portföyümüzde mevcuttadır.

Sıradaki sayı için takipe kalın!