Key Takeaways
Yapay Zekâ Zorlukları: Yöneticiler, dağıtımı etkileyen temel kurumsal sorunları göz ardı ederek yapay zekânın yetenekleri konusunda sıklıkla yanıltılıyor.
Veri Sorunları: Yapay zekânın etkili biçimde kuruma entegre edilmesinin önündeki yaygın engeller; yönetici desteği, veri kalitesi ve kurumsal okuryazarlıktır.
Altyapı Gereksinimleri: Başarılı yapay zekâ uygulamaları güçlü bir altyapı gerektirir ve uygulama için çoğu zaman 12 ila 18 aylık bir yol haritasına ihtiyaç duyulur.
Liderlik Uyumu: İcra kurulunun iş birliği, birbirinden kopuk departman stratejileri izlemek yerine ortak sorunları ele almak için kritik öneme sahiptir.
Operasyonel Disiplin: Gerçek ve sürdürülebilir yapay zekâ başarısı, yalnızca yeni teknoloji veya araçlardan değil, disiplinli operasyonlardan kaynaklanır.
Son iki yıl içinde bir ara, C-seviye yöneticilerin çoğu kendilerini bir yapay zekâ sorunları olduğuna ikna etti. Yönetim kurulu bir strateji istiyor. Rakipler pilot uygulamalarını duyuruyor. CFO, yatırım getirisi takvimlerini soruyor. Bunun üzerine bir Yapay Zekâ Direktörü işe aldılar, bir görev gücü kurdular ve tedarikçi aramaya başladılar.
Bunların hiçbiri asıl sorunu ele almıyor.
Eric Gonzalez, yöneticilerin yapay zekânın ne yapacağına dair inançlarıyla operasyonlarının gerçekte destekleyebilecekleri arasındaki farkı gidermelerine yardımcı olarak, kuruluşların içinde dış kaynaklı baş veri sorumlusu olarak yıllar geçirdi.
Aynı Üç Yanıt
Birkaç yıl önce yönettiği bir panelle ilgili bir hikâye anlatıyor. Veri ve teknoloji liderlerinden oluşan salondaki izleyicilerden, sağlıklı veri altyapısının önündeki en önemli engelleri belirlemeleri istenmiş. Sonuçlar bir kelime bulutu olarak ortaya çıkmış. Aynı üç unsur sürekli olarak öne çıkmış: yöneticilerin desteği, veri kalitesi ve veri okuryazarlığı.
Gonzalez, Atlanta'daki Optimized AI Conference'ta, "Bu soruyu 2005'te sorsaydınız," dedi, "aynı şeyler kuruluşların başına bela olmaya devam edecekti."
Haklı. Bunun sonuçları, çoğu yöneticinin kabullenmek istediğinden daha rahatsız edici.
Yapay zekânın uygulamaya alınmasını bu kadar zorlaştıran kurumsal borç, yapay zekâ tarafından yaratılmadı. Yıllarca düzeltilmeyen parçalı sistemler, çözüme kavuşturulmamış yönetişim soruları, birbirinden kopuk ekipler ve uyumsuz teşvikler tarafından yaratıldı; çünkü bunları düzeltmenin maliyeti, etrafından dolaşmanın maliyetinden her zaman daha yüksek görünüyordu.
Sonra üretken yapay zekâ geldi ve birdenbire aynı sorunları görmezden gelmek çok pahalı hâle geldi.
Gonzalez'in anlattığı örüntü, sektörler ve liderlik işlevleri arasında tutarlı. Yapay zekâ, operasyonlar veya insan odaklı konferanslara gidin; muhtemelen şunun bir versiyonunu duyacaksınız: Kuruluşlar, temelde insanlarla ve süreçlerle ilgili sorunları çözmesini umarak yeni bir teknolojinin peşinden koşuyor.
Bu, veri mühendisliğinde de yaşanıyor. Veri biliminin Amerika'daki en çekici iş olarak etiketlendiği dönemde de yaşandı. Şimdi yine yaşanıyor. Teknoloji değişiyor. Altta yatan işlev bozukluğu ise varlığını sürdürüyor.
Yapay Zekânın Zorluğu
Bu dönemi farklı kılan, yapılan yatırımın büyüklüğü. Yapay zekâ yatırımları, daha önce yapılan her şeyden daha büyük, daha hızlı ve daha görünür.
Bir pilot uygulama başarısız olduğunda, bunun nedeni çoğu zaman uygulamayı besleyen verilerin güvenilir olmaması, kullanılan modellerin sahipliğinin net biçimde belirlenmemiş olması ya da iki departmanın aracın ne yapması gerektiği konusunda tamamen farklı varsayımlarla hareket etmesidir.
Gonzalez, açıklayıcı bir örneğe dikkat çekiyor. 25 milyondan fazla üyesi olan bir sağlık sigortası ödeyicisi, üretken yapay zekâyı taleplerin karara bağlanması için değil, daha önce muazzam miktarda manuel emek gerektiren bir uyum zorunluluğu olan ret mektuplarını yazmak için uygulamaya aldı. Bunun sonucunda bu süreçteki genel giderler %80-90 oranında azaldı. Çok modlu yapay zekâ aracısı yok. Kurum genelinde otonom bir sistem yok. Yeterince temiz verilerle gerçekten çözülebilecek, dar kapsamlı ve iyi tanımlanmış bir sorun var.
Gösterişli olmayan işler önce geldi. Gerçek başarılar neredeyse her zaman böyle elde edilir.
Değer Üretmenin Koşulları
Gerçek ilerleme kaydeden yöneticiler belirli bir disipline sahip: Yapay zekânın nerede kullanılabileceğini sormayı bıraktılar ve yapay zekânın burada değer üretmesi için nelerin doğru olması gerektiğini sormaya başladılar. Ayrım ince görünebilir. Öyle değil.
İlk soru, kavram kanıtlama aşamasından asla çıkamayan çok sayıda pilot uygulamaya yol açıyor. İkinci soru ise temel unsurların — veri kalitesinin, yönetişimin, işlevler arası uyumun ve net sahipliğin — gerçekten mevcut olup olmadığının dürüstçe değerlendirilmesini zorunlu kılıyor.
Çoğu zaman mevcut değiller. Ve "nelerin doğru olması gerekir" sorusunun dürüst yanıtı, bir demoda görünmediği için hiç kimsenin finanse etmek istemediği altyapıyla başlayan 12 ila 18 aylık bir yol haritasıdır.
C-seviye uyumunun herhangi bir işlevin stratejisinden daha önemli olduğu nokta burası. İş gücündeki dönüşümden endişe duyan CHRO, teknik borcu yöneten CIO, iş akışlarını yeniden tasarlayan COO ve getirileri değerlendiren CFO — farklı sorunlara bakmıyorlar. Aynı soruna farklı açılardan bakıyorlar.
Bu bakış açıları birbirine bağlanmadığında, yapay zekâ yatırımları çoğu zaman yanlış sıraya konuyor, hesap verebilirlik dağılıyor ve beklenti ile sonuç arasındaki fark, birilerinin bütçesi kesilene kadar büyüyor.
Gonzalez, temel kısıtı açıkça ortaya koyuyor.
“Teknoloji kuruluşları durduran şey nadiren olur,” dedi. “Onları durduran; siyasi yapı, silolara ayrılmış sahiplik, birbiriyle rekabet eden öncelikler ve uyumsuz teşviklerdir. Bunlar liderlik sorunlarıdır. Başka bir tedarikçi, daha iyi bir model ya da daha gösterişli bir araç değil, liderlik çözümleri gerektirirler.
Kalıcı ilerleme dışarıdan bakıldığında sıkıcı görünür. Platformları yeniden mimarileştirmek, yıllardır çözülememiş veri yönetişimi sorularını çözmek, yapay zekâ geliştirme ve dağıtımının sahipliğini merkezileştirmenin beraberinde getirdiği zor ödünleşimleri yapmak. Bunların hiçbiri üç aylık değerlendirmede iyi görünmez. Ancak hepsi birikimli etki yaratır.
Ancak yapay zekâ operasyonel disiplini ödüllendirir. Onu yaratmaz.
