Yapay zeka ile ilgili arama davranışlarında temel bir değişiklik gözlemliyoruz. Bugünlerde kullanıcı aramaları daha çok teknolojinin pratik kullanımına yönelik etkileri keşfetmeye odaklanmış durumdalar. Biz de bundan yola çıkarak, günümüzün popüler yapay zeka sorusu “nasıl” a odaklanarak , sizi yapay zeka alanında işe yarar bilgilerle dolu bir keşfe çıkarmak istedik.
Yazıya çok kıymetli görüşleriyle katkıda bulunan Sayın Mert Sarıyıldız, Sayın Halil Aksu ve Sayın Ömürden Sezgin’e çok teşekkür ederiz. Ayrıca bu yazı dizisinin ortaya çıkmasına katkıda bulunan tüm yazarlarımıza da yine teşekkür ederiz.
Yazımızın sonunda son günlerin en popüler konusu Üretken Yapay Zeka (Generative AI) konusunda “bonus” olarak değindik. Keyifli okumalar.
YAPAY ZEKA GİRİŞ
İnsan ve organizasyonel ihtiyaçlar, iş trendleri, gelişen müşteri davranışları ve hızlı veri ve teknoloji yenilikleri, Yapay Zekayı (YZ) modern işletmenin vazgeçilmez bir temeli haline getiren temel faktörlerden bazılarıdır. Hem küresel hem de yerel trendler tarafından giderek daha fazla bilgilendirilen bir iş ortamında, verileri işe koyma ihtiyacı her zamankinden daha önemli ve alakalı. Geçmişte liderler ve yöneticiler hizmetler/ürünler, süreçler ve insanlarla ilgili kararlar almak için içgüdü, sezgi ve İş Zekası (BI) ("geçmişte ne oldu?") kombinasyonuna güveniyorlardı.
İçgüdüler, sezgiler ve iş zekası zaman zaman doğru olsa da, günümüz liderlerinin, yöneticilerinin ve daha da önemlisi personelin/müşterilerin talepleri ve ihtiyaçları, hem karar vermenin hem de soru çerçevelemenin nicel ve nitel verilere (deneyim ve davranışları temsil eden) öncelik veren sağlam bir çerçeve kullanılarak yapılmasını gerektirmektedir. Daha da önemlisi, dijital dönüşüm, modern işletmelerin yapay zekanın tüm biçimlerindeki en son gelişmelerden yararlanarak ve otomasyonun ötesine geçerek artırma ve güçlendirme lehine düşünerek bu verileri işe koymasını gerektirmektedir.
Bir işletmenin hala yapay zekayı görmezden gelme veya yapay zekayı sınırlı değer üretimiyle sınırlı tutma seçeneği vardır; ancak bunu yapmanın sonuçları aşağıdaki nedenlerden dolayı ağırdır:
Rekabet dezavantajı - tüm verilerini yapay zeka aracılığıyla işe koşan bir işletme, mevcut ve gelecekteki rekabete karşı yeni avantajlar ve pozitif farklılaşma yaratmak için daha iyi bir konumdadır. Günümüzün küreselleşmiş ortamında, rekabet yalnızca bir ülke içindeki bilinen kuruluşlar değil, aynı zamanda yabancı/ulusötesi işletmeler ve yapay zekadan kapsamlı bir şekilde yararlanan startup'lar/unicorn'lardır.
Müşteri ve çalışan deneyimleri - bir müşterinin veya çalışanın kişiselleştirme ihtiyaçlarını anlamak ve mikro kampanyalar/ürünler/deneyimler aracılığıyla ele almak için yapay zekayı kullanmak daha iyi bir insan deneyimi yaratır ve rekabet avantajı sağlar
Çalışanların/ortakların/profesyonellerin daha önemli olan şeylere odaklanmasını sağlamak yerine sıradan ve robotik görevlere odaklanarak insan kaynaklarından yetersiz yararlanma
İş stratejisi ile taktiksel çözümler arasındaki uyumsuzluk - teknoloji artık sahip olunması gereken bir şey değil. Kurum uygun veri ve teknoloji çözümlerini belirleyemediği/tasarlayamadığı/geliştiremediği sürece en iyi iş stratejisi gerçekleştirilemez.
Yapay zeka kullanmayan bir işletme, fırsatları ve riskleri yönetmek ve üst ve alt gelirleri, marjları ve karlılığı en üst düzeye çıkarmak için en iyi konumda olmayacaktır.
Yeni koşullara hazırlanmak - neyin işe yarayıp neyin yaramadığını ölçmek ve bilinen ve bilinmeyen "bilinmeyenleri" tahmin etmek. Uygun/düzeltici önlemleri yönetmenin, çalkantılı zamanlarda ve salgın hastalıklar, savaş, büyük durgunluklar ve piyasa koşulları gibi "siyah kuğu" olaylarıyla karşılaşıldığında (Kodak Etkisi, piyasa ve kullanıcı tercihlerine zamanında yanıt vermemenin iyi çalışılmış bir örneğidir) başarılı olmak veya en azından hayatta kalmak için gerekli olduğu giderek daha fazla kabul edilmektedir.
YZ uygulamaları, takip eden bölümlerde keşfedeceğiniz gibi, birden fazla sektörü/sektörü, iş birimini/departmanı ve kullanıcıyı kapsamaktadır. Öğrenme algoritmaları ve görselleştirmenin hedeflenen uygulamalarında değer olsa da, YZ'nin en büyük etkisi, onu temel ve temel bir yetenek olarak ele alarak ve YZ'nin işinizin veya kuruluşunuzun herhangi bir bölümünü dönüştürebileceğini kabul ederek gerçekleştirilebilir.
Şu anda yapay zekayı kullanma yolculuğunda olan birçok işletme bunu B2B, B2C ve eşler arası müşteri bağlamlarında yapıyor. E-ticaret, perakende, bankacılık, sigorta, kamu, sağlık, üretim, akıllı şehirler, savunma ve inşaat/emlak gibi çok çeşitli dikey sektörler, yapay zekayı yapılandırılmış ve yapılandırılmamış veriler üzerinde kullanarak aşağıdaki alanlarda optimize etmek ve yeni değer yaratmak için kullanmaktadır
Müşteri bağlılığı ve mutluluğu
Pazarlama ve Satış
Tedarik zinciri ve operasyonlar
Finans ve muhasebe
Yönetmelikler, uyum ve risk yönetimi
Ürün geliştirme ve fiyatlandırma
Yetenek kazanımı ve insan kaynakları yönetimi
Operasyonlar
“THY'nin 90. yılını kutladığı bu dönemde, dünyanın en dijital üç havayolu arasına girme hedefimizin yanında veri odaklı bir şirket olma yolunda da önemli adımlar atıyoruz. Yapay Zeka ve Veri, şirketimizi daha ileriye götürecek stratejik odak noktalarımız arasında ilk sıralarda yer alıyor. Havacılık sektörü özellikle pandemiden sonra yüksek rekabet ve artan maliyetler ile sürdürülebilir büyümeyi yakalamak için yeni yaklaşımlar geliştirmek zorunda kaldı. Yeni gelir kaynakları oluşturmak, müşteri deneyimini iyileştirmek ve operasyonel süreçleri veriye dayalı şekilde yeninden tasarlayarak maliyet tasarrufları sağlamak yıllık planların öncelikli gündemleri arasında yer alıyor. Uçuş gecikmeleri ve iptallerin azaltılması, plansız bakımların önüne geçilmesi, ekiplerin etkin bir şekilde uçuşlara atanması ve eğitim planlarının yapılması maliyetleri azaltma yönünde veriden faydalanarak çözüm ürettiğimiz alanlar. Bu başlıkların yanında; finansal planlamalar ve simülasyonlar, satış ve rezervasyon tahminleri, fraud önleme, müşteri segmentasyonları, ve anlık dinamik fiyatlama gibi konularda da gelirlerimizi artırmak için yapay zekaya dayalı çözümler üretmeye devam ediyoruz. Bunları yaparken tüm iş ünitelerimizin de dahil olduğu eğitimlerin katkısıyla veri ile kendi işini yapabilen personel sayımızı artırıyoruz. Tüm bunları yapabilmek için ihtiyaç duyulan uçtan uca veri bilimi ve yönetimi platformlarını da kurum genelinde kullanıma açmak için süreçlerimizi hızla tamamlıyoruz. Ülkemizin bayrak taşıyıcısı ve küresel bir havayolu şirketi olarak, markamızı ve ülkemizi gururlandırmak için zirveye giden yolda dijitalleşme ve veri kullanımının tüm alanlarında etkin bir şekilde hareket ederek çalışmalarımıza tüm hızımızla devam ediyoruz.”
Yapay Zeka (AI) Projelerinin İş Değerinin Hesaplanması
C-seviyesi taahhüdün veri merkezli bir organizasyon oluşturma ve yapay zekaya yatırım yapma alanında sağladığı destek, yapay zekanın uygulanmasını öngören projeler için müsait bir iklim yaratır. Ancak, gerçekçi bir yapay zeka hizmetini hayata geçirme ve sürdürme işlemi, finansal kaynak gerektirir ve bu kaynakları elde etmek için inandırıcı bir iş gerekçesine (business case) de ihtiyaç duyarız. Bu gerekçenin belirlenmesi, özellikle inovatif nitelikteki projeler için bir engel teşkil edebilir, çünkü bu projelerin getireceği faydaların ölçülmesi zor olabilir. Ancak umut verici bir şekilde, ekonomik analizler, bilgi teknolojilerine yapılan yatırımların değer yaratma sürecini dört farklı yoldan belirlemiştir. Bu dört yaklaşım, etkili bir iş gerekçesi geliştirmede bize ışık tutabilir:
1- Bilgilendirici faydalar, örneğin karar vericilere bilgi sağlanması.
2- Günlük işleyişin iyileştirilmesi ve maliyetlerin azaltılması gibi işlemsel faydalar.
3- Stratejik faydalar, örneğin şirketin pazarda rekabet etme şeklini veya ürünlerinin yapısını değiştirmek.
4- Dönüşümsel faydalar, örneğin, çalışanların araçla tanıştıktan sonra kullanmaya başladıkları ve işlerini optimize etmelerini sağlayan yeni bir aracın ek özelliklerinden kaynaklanan gelecekteki faydaları ifade eder.
Konuya dair bolca tekil örnekle karşılaşmamız mümkün olmakla birlikte, birçok şirketi kapsayan sistemli ve ampirik çalışmalar ne yazık ki oldukça kısıtlıdır. Bu genel durumun istisnalarından biri, Elisabetta Raguseo'nun farklı büyüklükteki Fransız şirketleri üzerine yürüttüğü çalışmadır. Raguseo'nun araştırmasında odaklandığı konu, Büyük Veri teknolojileridir. Bu teknolojiler, değişik formatlarda ve çok yüksek hızlarda gelen büyük ölçekli veri setlerini işleyip analiz etme yeteneğine sahiptir. Büyük Veri, özellikle veri odaklı şirketler ve yapay zekanın büyük veri kümelerinden anlamlı iç görüler elde etme amacıyla oldukça yakın bir ilişki içerisindedir. Elisabetta'nın çalışması, tüm sektörlerde iş verimliliğinin artırılmasının, işlemlerden elde edilebilecek en önemli fayda olduğunu göstermiştir. İşletme maliyetlerini düşürme, bu alandaki ikinci önemli kazanım olarak karşımıza çıkmaktadır. Stratejik kazanımların başında ise bilgi teknolojilerini (BT) bir iş stratejisi ile uyumlu hale getirme ve değişimlere daha çabuk yanıt verebilme kabiliyeti gelmektedir.
Dönüşümsel faydalar alanında, yeteneklerin genişletilmesi en önemli olarak değerlendirilmiştir.
Bilgilendirici faydalar alanında, yönetim verilerinin kanıtlanması, veri doğruluğunun artırılması, daha kullanılabilir formatlarda veri sağlanması, verilere daha kolay erişim sağlanması ve verilere daha hızlı erişim sağlanması sıralanmaktadır.
Bazı faydaların ölçülmesi kolaydır - özellikle (ama sadece değil) işlemsel faydalar. Proje, bugünün maliyetlerini hesaplar ve projeyi uyguladıktan sonra potansiyel tasarrufları tahmin eder. Bu tür faydalar, benzer düşünen yöneticilerin güçlü etkisiyle finansal rakamlara önem veren şirketler için mükemmeldir.
Faydaları ölçmek için belirsizlikler de mevcuttur. Tahmine dayalı analitik sonuçları, satışları %1 mi yoksa %10 mu artıracak? İş senaryosundaki hesaplama ile gerçek maliyetler ve tasarruflar büyük ölçüde farklılık gösterebilir. Birçok stratejik ve dönüşümsel fayda bu kategoriye girer.
Bilgilendirici faydalar finanse edilmesi en kolay olanlardır. Bir yönetici veriye ihtiyaç duyduğuna inandığında, bütçesi dahilindeyse bir proje veya hizmeti finanse edecektir. Önceden herhangi bir faydayı ölçmeye gerek yoktur.
İş değeri netleştiğinde, yönetim veri odaklı bir kuruluş olmak için dönüşüme yatırım yapıp yapmayacağına ve yapay zeka yeteneklerini geliştirip geliştirmeyeceğine karar verir.
Çoğu durumda, YZ girişimleri, satışların iyileştirilmesi ve optimize edilmesi gibi ölçülmesi kolay sonuçlara sahip projelerle başlar.
“Yapay zeka pazarlamanın işletim sistemi haline gelecektir. Elektriksiz ve internetsiz yaşayamayacağımız gibi, yapay zeka hayatımızın en ince kılcal damarlarına kadar nüfus edecek. Bu geçici bir moda değildir, kalıcı ve yıkıcı bir temel teknolojidir. Yetkinlik seti en önemli rekabet unsuru olacaktır. Kendi bünyenizde geliştirmeniz gerektiği gibi, etrafınızda zengin ve yetenekli bir ekosistem kurmalısınız.”
Yapay Zeka kullanım alanlarından (use-case) bir örnek:
Şekil 1-4'teki sağ tablo, isimler açısından sol tablo ile aynıdır; ancak yapay zekanın katkısı ile sıralama değişmiştir. Satın alma yapma niyetinde olan müşteriler, listenin başına yerleştirilmiş ve ilk sırada dikkate alınmışlardır. Bu durumda, satış temsilcileri sol tablo için yaptıkları dört aramadan sonra sadece bir anlaşma sonuçlandırabiliyor. Oysa sağ tabloda yer alan puanlama sistemi ile yaklaştıkları dört müşteriden üçü ile anlaşma sağlanıyor. Bu satışlardaki artış, yapay zeka ve analitik araçlarının gücü sayesindedir. Bu durum, yöneticilere iş süreçlerinde yapay zekanın etkisini değerlendirebilme ve belirli kullanım durumlarına yönelik işlemsel faydayı hesaplama olanağı sağlar.
Tabi ki kullanım alanları bununla bitmiyor. Bir sonraki yazımızda kaldığımız yerden devam ederek, bu alanda başka örneklere yer vereceğiz. Şimdi de günümüzün yine en popüler konusu Üretken Yapay Zeka’ya bir giriş yapalım.
BONUS : ÜRETKEN YAPAY ZEKA (GENERATIVE AI)
Yapay zeka son yıllarda önemli adımlar atmaktadır ve kayda değer bir büyüme gösteren alanlardan biri de üretken yapay zekadır. Üretken YZ, makine öğrenimi (machine learning) teknikleri kullanılarak mevcut veriler üzerinde eğitilmiş algoritmalar ve modeller kullanarak görüntü, metin, müzik ve video gibi yeni içerikler üretmeye odaklanan YZ ve Derin Öğrenme'nin (Deep Learning) bir alt alanıdır.
Aşağıdaki şekil, bu araştırma alanlarının birbirleriyle nasıl ilişkili olduğunu göstermektedir:
Üretken yapay zeka modelleri büyük miktarda veri üzerinde eğitilebilir ve daha sonra bu verilerdeki kalıpları kullanarak sıfırdan yeni örnekler oluşturabilirler. Bu üretken süreç, belirli bir örneğin sınıfını veya etiketini tahmin etmek için eğitilen ayrımcı modellerden farklıdır..
“Yapay zekadaki gelişmeler birçok alanda marka yaratımı ve gelişim süreçlerini olumlu etkileyecektir. Öncelikle içerik üretimi ve yaratıcılığı hızlandıracağını net bir şekilde görebiliyoruz. Veri analizi ve doğal dil işleme yeteneğiyle yapay zeka, yeni ve yaratıcı marka isimlerinin bulunmasına katkı sunacak, müşteri memnuniyeti süreçlerinde hızlı ve kişiye özel cevapların oluşturulmasını sağlayacak, bir marka için olmazsa olmaz içeriklerin daha hızlı oluşturulması ve daha etkili hikayeleştirilmesi süreçlerinin en önemli parçası olacak. Özetle, marka stratejisi oluştururken, arketiplere oturttuğumuz markaların güçlü ve etkin şekilde bu arketiplere uygun içerikler üretmesi, konuşması hem kolaylaşacak, hem hızlanacak hem de daha yaratıcı hale gelecek. Yani zeka yapay da olsa, markaların insan gibi davranmasına, duygu ve zekasını geliştirmesine büyük katkı sağlayacak! Heyecanlıyım:)”
ÜRETKEN YAPAY ZEKA KULLANIM ALANLARI
Son yıllarda, üretken yapay zeka önemli ilerlemeler kaydetmiş ve uygulamalarını sanat, müzik, reklam, moda, mimari ve daha birçok alan gibi geniş bir yelpazeye yaymıştır. Bunların bazılarında, gerçekten de etrafımızdaki dünyayı yaratma, tasarlama ve anlama şeklimizi dönüştürüyor. Diğerlerinde ise mevcut süreçleri ve işlemleri iyileştiriyor ve daha verimli hale getiriyor.
Üretken YZ'nin birçok alanda kullanılması, modellerinin doğal dilden ses veya görüntülere kadar farklı veri türleriyle başa çıkabileceği anlamına da gelir. Üretken YZ modellerinin farklı veri türlerini ve etki alanlarını nasıl ele aldığını anlayalım.
Metin oluşturma
Üretken YZ'nin en büyük uygulamalarından biri ve bu kitap boyunca en çok ele alacağımız uygulama, doğal dilde yeni içerik üretme kabiliyetidir. Gerçekten de, üretken YZ algoritmaları makaleler, şiirler ve ürün açıklamaları gibi yeni metinler üretmek için kullanılabilir.
Örneğin, OpenAI tarafından geliştirilen GPT-4 gibi bir dil modeli, büyük miktarda metin verisi üzerinde eğitilebilir ve daha sonra farklı dillerde (hem girdi hem de çıktı açısından) yeni, tutarlı ve dilbilgisi açısından doğru metinler üretmek ve metinden anahtar kelimeler, konular veya tam özetler gibi ilgili özellikleri çıkarmak için kullanılabilir.
Görüntü oluşturma
Görüntü sentezinde üretken yapay zekanın en eski ve en iyi bilinen örneklerinden biri, I. Goodfellow ve arkadaşlarının 2014 tarihli Generative Adversarial Networks adlı makalesinde