SnapLogic CTO'su uyardı: Şirketler yapay zekâda 'ümitsizlik vadisinden' nasıl çıkar?

SnapLogic'in teknoloji direktörü (CTO) Jeremiah Stone, şirketlerin yapay zekâ yatırımlarından beklediği getiriyi alamamasının nedenini, görevleri hızlandırıp onları çevreleyen iş süreçlerini yeniden tasarlamamalarına bağlıyor. SiliconANGLE'da yayımlanan görüş yazısında Stone, bu beklenti ile sonuç arasındaki boşluğu yapay zekânın "ümitsizlik vadisi" olarak adlandırıyor ve AI ROI tartışmasını süreç mühendisliği tarafına çekiyor.

Stone, değerlendirmesini Amdahl Yasası'na dayandırıyor: Bir sistemin tek bir parçasını hızlandırmak, diğer adımlar da hızlanmadıkça tüm sistemi yalnızca belirli bir noktaya kadar hızlandırabilir. Ona göre bir yapay zekâ asistanı teklifi saniyeler içinde hazırlasa da metin günlerce inceleme, fiyatlandırma ve onay aşamalarında bekliyor. Benzer biçimde bir kodlama aracı dakikalar içinde yazılım üretse de test, güvenlik ve dağıtım süreçleri günler ya da haftalar alıyor.

Şirketlerde AI ROI neden düşük çıkıyor?

Stone, bu tabloyu analist şirketi Forrester Research'ün bulgularıyla destekliyor. Forrester'ın araştırmasına göre yapay zekâ kararlarında söz sahibi yöneticilerin yalnızca yüzde 15'i son 12 ayda faiz, vergi, amortisman ve itfa öncesi kârda (FAVÖK) artış bildirdi. Yöneticilerin üçte birinden azı ise yapay zekânın sağladığı değeri finansal sonuçlardaki değişimle net biçimde ilişkilendirebildi.

Stone'a göre bu şüphecilik sağlıklı. Yapay zekâ yatırımlarının da diğer sermaye harcamalarıyla aynı denetime tabi tutulması gerektiğini savunuyor. Yöneticilerin beklenen getiriyi, takvimi ve yatırımın ölçülebilir iş sonucu üretip üretmediğini gösteren kilometre taşlarını netleştirmesi gerekiyor.

Verimlilik paradoksu ne anlama geliyor?

Stone, çalışanlara genel amaçlı yapay zekâ araçları vermenin tek tek görevleri iyileştirdiğini ve teknolojiye aşinalık kazandırdığını kabul ediyor. Ancak bu değerin dağınık olduğunu ve iş performansını belirleyen metriklerle bağlantılı olmadığını belirtiyor. Ona göre bu, Amdahl Yasası'nın ölçekli biçimde işlemesinden başka bir şey değil.

Yazıda daha olgun bir yaklaşımın işletmenin nasıl çalıştığını yeniden değerlendirmekten geçtiği ifade ediliyor. Otomasyon mevcut görevin nasıl daha hızlı yapılacağını sorarken, yeniden tasarım o görevin var olup olmaması gerektiğini sorguluyor. Stone, kurumların sıklıkla yaptıkları işi yeniden icat etmek yerine otomatikleştirmeye yöneldiğini yazıyor.

Kazanılan zamanın kendiliğinden gelire ya da kâr marjına dönüşmediğini vurgulayan Stone, kurumların gelir, verimlilik veya risk alanlarından en az birinde ölçülebilir ve olumlu değişim hedeflemesi gerektiğini belirtiyor. Müşteri kaybını azaltmak, teklif hazırlama döngüsünü kısaltmak, tahmin doğruluğunu artırmak ya da dolandırıcılığı daha hızlı tespit etmek, verdiği örnekler arasında.

Yapay zekâ yatırımının getirisi ne zaman ölçülür?

Stone'a göre işletmelerin yaklaşık altı ay içinde somut ROI verisi beklemek için makul gerekçesi var. Senaryo testleri ve pilot programlar gibi öncü göstergeler hızlıca üretilebilse de büyük ölçekli ve anında getiri beklentisi gerçekçi değil. İyi düşünülmüş bir iş süreci yeniden tasarımı 90 ila 120 gün sürüyor; ardından kabul testleri ve odaklı değişim yönetimi geliyor.

Maliyet tarafında da daha ayrıntılı bir yaklaşım gerekiyor. Ajan tabanlı süreçlerin maliyeti, kullanım senaryosunun karmaşıklığı, model çağrıları ve bağlam gibi etkenlere göre büyük farklılık gösterebiliyor. Stone, dağıtım öncesi ortalamaya güvenmek yerine sonuç başına maliyetin dağılımının ölçülmesini ve izlenmesini öneriyor. Erken benimseyenlerin, yapay zekânın ele aldığı her vakanın maliyetini ve süresini izleyerek her iki değeri kabul edilebilir aralıkta tutacak biçimde stratejiyi düzenlemesinin kritik olduğunu belirtiyor.

"Ümitsizlik vadisi"nden çıkmak için ne yapmalı?

Stone, yapay zekânın yalnızca bir teknoloji kurulumu değil, hedeflenmiş bir dizi iş dönüşümü olarak ele alınmasını öneriyor. Yazıda şu adımlar sıralanıyor:

• İş süreçlerine, prosedürün "nasıl olması gerektiğine" değil işin gerçekte nasıl yürüdüğüne bakmak; darboğazları, devirleri, onayları, istisnaları ve yeniden çalışma kaynaklarını belirlemek.
• Her girişimi net bir sonuca bağlamak: etkilenmesi hedeflenen gelir, verimlilik veya risk metriğini adlandırmak, başlangıç değerini belirlemek, sonuç sahipliğini bir iş liderine vermek ve etki verisi için kesin bir takvim koymak.
• Pilotları üretim için tasarlamak; yalnızca kontrollü koşullarda yetenek göstermek yerine sürdürülebilir kullanıma giden yolu test etmek ve operasyonel veri, entegrasyon, yönetişim, güvenlik ve değişim yönetimi gereksinimlerini baştan dahil etmek.
• Aktiviteyi değil ekonomiyi ölçmek: kullanıcı sayısı, komut ya da demo yerine döngü süresi, kalite, benimseme, sonuç başına maliyet ve finansal etkiyi izlemek.
• Düzenli olarak gözden geçirmek ve ilerleme, kapsamı daraltma, iş akışını yeniden tasarlama ya da durma kararlarını kanıta dayalı vermek.

Stone, bu adımları yatırımın iş sonuçlarına dönüşmesi için gereken disiplinli yürütmeyle birlikte ele alıyor ve yapay zekânın "ümitsizlik vadisi"nin kaçınılmaz olmadığını savunuyor. Değerlendirme, SnapLogic yöneticisinin SiliconANGLE için kaleme aldığı görüş yazısına dayanıyor; yazıda Türkiye'deki şirketlere ya da yerel kullanıcılara dair bir bilgi yer almıyor.