Şirketlerde Yapay Zekâ Kullanımı Artarken Gereksiz AI Projeleri Maliyetleri Büyütüyor
Kurumsal yapay zekâ yatırımları bazı şirketlerde gerçek bir iş ihtiyacını karşılamak yerine teknoloji kullanımını artırma baskısıyla şekillenirken IT liderleri gereksiz maliyet ile operasyonel karmaşıklık riskiyle karşı karşıya kalıyor. Appian’dan Roger Lee, şirketlerin yapay zekâ kullanmadan önce hangi kararları iyileştirmek istediğini, hangi verilerden yararlanacağını ve insan denetiminin nerede devreye gireceğini belirlemesi gerektiğini söylüyor. Özellikle yapay zekâ ajanlarının hızla yayılması, işletmelerin her otomasyon problemine aynı teknolojik yaklaşımı uygulamak yerine kullanım alanlarını daha dikkatli değerlendirmesini gerektiriyor.
Yapay Zekâ Yatırımlarında İş Problemi Önce Geliyor
Kurumsal teknoloji ekiplerinin gündeminde yapay zekâ kullanımını artırma hedefi öne çıkarken Appian’ın çözümler danışmanlığından sorumlu başkan yardımcısı Roger Lee, karar süreçlerinin önce değerlendirilmesi gerektiğini belirtiyor. Lee’ye göre bir şirketin hangi teknolojiyi kullanacağı sorusu, çözülmek istenen problemin ardından gelmeli; veri kaynakları, karar mekanizması ile insan kontrolünün konumu da aynı değerlendirme içinde ele alınmalı. İşletmeler yalnızca yapay zekâ kullanmış olmak için teknoloji eklediğinde daha önce verimli çalışan süreçler gereksiz katmanlarla genişleyebiliyor.
Geleneksel iş kuralları, sonucu önceden tanımlanabilen süreçlerde yapay zekâ ajanlarından daha uygun bir seçenek oluşturabiliyor. Bir başvurunun belirli kriterleri karşılayıp karşılamadığı gibi net bir karar gerektiren işlemlerde kurala dayalı otomasyon daha öngörülebilir sonuçlar sunarken şirketler gereksiz model çalıştırma maliyetlerinden de kaçınabiliyor. Yapay zekâ ajanları ise araştırma gerektiren, değişken bilgi kaynaklarını değerlendiren veya birden fazla adımda karar verilmesini isteyen karmaşık işlerde daha anlamlı bir kullanım alanı buluyor.
Sigorta sektöründeki hasar değerlendirme süreçleri, yapay zekâ ajanlarının hangi koşullarda değer sağlayabileceğini gösteren örneklerden biri olarak öne çıkıyor. Bir hasar dosyasının incelenmesi sırasında farklı bilgilerin araştırılması, verilerin karşılaştırılması ve değişken koşulların değerlendirilmesi gerektiğinde ajan tabanlı yaklaşım avantaj sağlayabiliyor. Buna karşılık sonucu belirli bir kurala bağlanabilen standart işlemler, daha basit iş akışlarıyla yönetilebiliyor.
Düzenlemeye tabi sektörlerde kararın doğruluğu kadar kararın nasıl alındığının izlenebilmesi de önem taşıyor. Finans, sigorta veya sağlık gibi alanlarda istisnai durumların tamamen otomatikleştirilmesi hatalı sonuçların etkisini büyütebildiği için insan denetimi kritik bir kontrol noktası olarak kalıyor. İnsan onaylı yapay zekâ süreçleri, sistemin standart vakaları otomatik işlemesine izin verirken olağan dışı durumların uzmanlara aktarılmasını sağlayarak hesap verebilirliği koruyabiliyor.
Kurumsal yazılım süreçlerinde yapay zekânın gereksiz yere kullanılması yalnızca lisans veya işlem maliyetlerini yükseltmiyor, aynı zamanda süreç mimarisine yeni bağımlılıklar ekliyor. Accenture’ın çalışanlarına gereksiz yapay zekâ kullanımını azaltmaları yönünde yaptığı uyarılar da şirketlerin artan model kullanım maliyetlerini daha yakından takip etmeye başladığını gösteriyor. İşletmeler kullanım hacmini artırırken her AI işleminin aynı ekonomik veya operasyonel değeri üretmediğini dikkate almak zorunda kalıyor.
Gartner araştırmaları da şirketlerin bazı yapay zekâ projelerini gerçek operasyonel ihtiyaçlarla yeterince ilişkilendirmeden hayata geçirdiğine işaret ediyor. Kurumlar kısa sürede yatırım getirisi elde etme beklentisiyle kapsamı geniş projelere yöneldiğinde başarısızlık riski yükselirken daha dar bir problem alanına odaklanan uygulamalar değer üretme açısından daha sağlıklı bir başlangıç sunuyor. Yapay zekâ projesinin başarısı bu nedenle kullanılan modelin gelişmişliğinden çok çözülmek istenen iş probleminin doğru tanımlanmasına bağlı kalıyor.
Şirket yönetimlerinin yapay zekâ stratejisini belirlerken teknoloji merkezli hedeflerden iş sonuçlarına geçmesi, yatırımların sürdürülebilirliği açısından belirleyici olabilir. Lee’nin yaklaşımında temel soru “Nerede yapay zekâ kullanabiliriz?” yerine “Hangi problemi çözmek istiyoruz?” olurken bu değişim otomasyon, veri analitiği, iş akışları ve insan kararları arasındaki sınırların yeniden çizilmesini gerektiriyor.
Türkiye’deki kurumlar açısından da bu yaklaşım özellikle finans, telekomünikasyon, üretim ve kamu gibi yüksek işlem hacmine sahip sektörlerde önem taşıyor. Kuruluşlar yapay zekâ ajanlarını mevcut süreçlere doğrudan yerleştirmek yerine önce karar noktalarını, veri kalitesini, hata toleransını, mevzuat gereksinimlerini ve insan müdahalesinin gerekli olduğu aşamaları değerlendirdiğinde daha kontrollü bir mimari kurabiliyor. Önümüzdeki dönemde kurumsal yapay zekâ yatırımlarında başarı ölçütü yalnızca kaç ajanın devreye alındığı değil, bu ajanların işletme sonuçlarına ne kadar somut katkı sağladığı üzerinden şekillenecek.
