Ajan Tabanlı Yapay Zekâ Hazırlığına Nasıl Ulaşılır: İnsanlar, Veriler ve Deneyim

Örgütler ajan tabanlı yapay zekâ peşinde koştuğunda, teknolojiyle öne çıkarlar. Ajanlardan, orkestrasyon katmanlarından ve çok modelli mimarilerden söz ederler.

Sıklıkla bahsetmedikleri şey ise insanlardır ve kimsenin öngöremediği şekillerde işler bozulduğunda ne olduğudur.

Sorun teknik değil, ancak birçok lider bunu dağıtım sürecinin derinliklerine inene, müşteri memnuniyeti puanlarının düştüğünü ve kalite ölçütlerinin gerilediğini görene kadar fark etmiyor.

Ajan Tabanlı Yapay Zekâ Yetkinlik Açığı

Çoğu yöneticiye ajan tabanlı yapay zekâya hazır olma durumlarını sorun; yapay zekâ mühendislerinden ve veri bilimcilerinden söz ederler. Bulut altyapılarını ve model seçimi süreçlerini ayrıntılarıyla anlatırlar.

Daha az incelenen konu, ajanların işletmeyi nasıl etkileyeceğini gerçekten anlayan kişileri yetkilendirip yetkilendirmedikleridir.

Gerçek yetkinlik açığı budur. Teknik yeterlilik değil, örgütsel etki.

Soru “yapay zekâ mühendislerimiz var mı?” değil, “kararları doğru kişiler mi alıyor?” sorusudur.

Çoğu örgütte yanıt hayırdır.

Örgütlerin yalnızca %14'ünde dağıtıma hazır ajan tabanlı çözümler bulunuyor; %30'u seçenekleri değerlendiriyor ve %38'i pilot uygulamalar yürütüyor.

Yapay Zekâ Ajanlarını İzole Bir Ortamda Tasarlamak

Teknik ekipler, gerçek işi yapan kişilerden görüş almadan ajanlar tasarladığında ne olur? Aşırı basitleştirirler.

Akış şemasında sade görünen bir süreç, görünmez muhakeme katmanları içerir. Bir politikanın ne zaman esnetileceğini bilen müşteri hizmetleri temsilcisi. Hangi istisnaların önemli olduğunu anlayan operasyon yöneticisi. Eksik verilerin satır aralarını okuyabilen analist.

Bu kararlar sezgi ve deneyimle işler. Karar ağacında basit “bu olursa, şu olur” mantığı gibi görünürler.

Ancak bu rollerdeki insanlar, ajanların kolayca taklit edemeyeceği bir şeyi anlar: bağlamı.

Bir kuralın çoğu durumda geçerli olduğunu, ancak bazen istisna yapmak gerektiğini bilirler. Bazı durumlarda farklı davranmak gerekir.

Cognitive Talent Solutions'ın kurucu ortağı Francisco Marin, ekibinin İK ajanları geliştirirken karşılaştığı zorluğu şöyle anlatıyor:

Ekibi yalnızca teknik çözümler geliştirmedi. İşlerin bir organizasyon şemasında nasıl göründüğünü değil, gerçekte nasıl yürüdüğünü yansıtan sistemler kurdu.

Örtük bilgiyi önce açığa çıkarmadan ajanlar oluşturduğunuzda, anında yaşanan başarısızlıklarla karşılaşmazsınız. Gecikmeli patlayan sorunlarla karşılaşırsınız.

Biriken Kalite Sorunları

Ajan teknik olarak doğru, ancak bağlam açısından yanlış bir karar verir. Tek seferlik bir durumda bu felaket değildir.

Ancak zamanla bu küçük kalite düşüşleri birikir.

Bunu müşteri memnuniyeti anketleri geldiğinde fark edersiniz. Verilerde bir örüntü gözlemleyene kadar fark etmezsiniz. Hasar sistemlerinize çoktan yayıldığında fark edersiniz.

O zamana gelindiğinde yalnızca bir ajanı düzeltmiyorsunuzdur. Güveni yeniden inşa ediyorsunuzdur.

Üretken yapay zekâ pilotlarının %95'i ölçülebilir ROI sağlamada başarısız oluyor. Temel neden kusurlu modeller değil. Yetersiz entegrasyon ve uyumsuz öncelikler bu girişimleri başarısızlığa uğratıyor.

Başka bir deyişle: örgütler tasarım sürecine doğru kişileri dahil etmiyor.

Aslında Kimlerin Odada Bulunması Gerekir?

Otomatikleştirdiğiniz roldeki kişinin orada olması gerekir.

Danışman olarak değil. Sonradan akla gelen biri olarak değil. Tasarım ekibinin temel bir parçası olarak.

Ajanı yönlendirmenize yardımcı olmalıdırlar. Edindikleri deneyimi paylaşmalıdırlar. Belgelerde yer almayan “şu durum hariç” bilgisini açığa çıkarmalıdırlar.

Daha önce CHRO olarak görev yapan ve Cognitive Talent Solutions'ın kurucu ortağı olan Dan George, konunun önemini açıklıyor.

Ajanlar oluşturma deneyimi, gerçek yaşam deneyimi olmadan yapılan otomasyonun işlevsel görünen ancak pratikte başarısız olan sistemler ürettiğini ona öğretti.

"Bunun yöneticinin gidip tık tık tıklayabileceği otomatik ve yetkilendirilmiş bir alan olması, süreci çok daha kolaylaştırıyor ve bizi her zaman ilk olarak yöneldiğimiz tipik mentor ve mentileri seçmekten kurtarıyor."

Ancak bu noktaya ulaşmak, yalnızca veri işlemenin teknik gerekliliklerini değil, mentorluk eşleştirmesinin inceliklerini anlayan kişileri de sürece dahil etmeyi gerektirdi.

Lisa Jones, EyeMail CEO'su olarak kuruluşu genelinde AI uygularken benzer bir ders çıkardı. "Her departmana şunu sorduk: Nerede sürtüşme veya tekrarla karşılaşıyorsunuz? AI yaratıcılığınızı ya da netliğinizi geliştirmede size nerede yardımcı olabilir? Geri kalanını AI halletse, zamanınızı daha çok neye ayırmak isterdiniz?"

Bu yaklaşım, pazarlamadan operasyona kadar fikirlerin ortaya çıkmasını sağladı ve her ekibe AI'ın günlük çalışmalarında nasıl yer alacağı konusunda sahiplik verdi.

Gerçek yaşam deneyimini yakalamanın en iyi yolu doğrudan katılımdır. Bu katılımın da çoğu kuruluşun birbirinden ayrı tuttuğu iki unsuru içermesi gerekir: beceri geliştirme ve adil ücretlendirme.

Ajan Tasarımını İnsan Gelişiminden Ayıramazsınız

Çoğu şirket bunları farklı girişimler olarak ele alır. Ajan tasarımı BT'de gerçekleşir. Beceri geliştirme İK'da gerçekleşir. Ücretlendirme yıllık değerlendirmelerde ele alınır.

Bu parçalanmış yapı benimsenmeyi engeller.

Performansı yüksek tutmak için bunları bir araya getirmeniz gerekir. Ajan tasarımı yeni bir beceridir. Ajanların üretkenliğinizi ve etkinizi nasıl artırdığını anlamak, onları nasıl kodlayacağınızı anlamaktan daha önemlidir.

Bu unsurları bir araya getirmediğinizde iki sonuçtan biriyle karşılaşırsınız.

• AI sabotajı - Girişimi sekteye uğratan alaycı katılım. Sistemin başarısız olacağını bilen ve başarısız olmasını sessizce sağlayan kişiler.
• İtibar kaybı - Kuruluşunuzun insanlara yatırım yapmadan bilgi birikimlerini sömürdüğü yayılır. İşveren markanız kolayca onaramayacağınız bir darbe alır.

Jones, EyeMail'in bu tuzaktan nasıl kaçındığını anlatıyor.

AI tekrarlayan görevleri üstlenirken Jones'un ekibi hikâye anlatımına, yenilikçiliğe ve müşteriyi anlamaya daha fazla yoğunlaştı.

"Merak temel bir değer hâline geldi," dedi. "Ekip üyeleri kendilerini daha ilgili, daha değerli ve denemeler yapmak için daha ilhamlı hissetti."

İnsanların bunu onların yerine geçen bir unsur olarak değil, onlara yapılan bir yatırım olarak görmesi için her şeyi birbirine bağlamanız gerekir.

Daha Küçük Kuruluşlar Neden Avantajlı?

Kurumsal kuruluşlar RPA ve öngörücü AI ile zaten kapsamlı otomasyon gerçekleştirdi. Birden fazla onay katmanı, uyumluluk gerekliliği ve yasal kısıt içeren karmaşık sistemler oluşturdular.

Bu karmaşıklığa ajan tabanlı mimari eklemek, katlanarak artan hata noktaları oluşturur.

Küçük ekiplerin AI uygulamasında avantajları vardır. Geçmeleri gereken daha az süreç, uyum sağlamaları gereken daha az karar verici ve çözmeleri gereken daha az uyumluluk sorunu bulunur.

En iyi ajan tabanlı mimari aşırı karmaşık değildir. Onu ne kadar yalın tutarsanız bozulabilecek o kadar az şey olur.

Aracılar, net sınırlar ve asgari bağımlılıklarla çalışabildiklerinde en iyi performansı gösterir. Bizansvari onay süreçlerinde gezinmek zorunda kalmadan karar verebildiklerinde. On beş farklı sistemi uzlaştırmak zorunda kalmadan verilere erişebildiklerinde.

Daha küçük kuruluşlar bunu varsayılan olarak sunar. Kurumsal kuruluşların ise bunu bilinçli bir şekilde oluşturması gerekir.

Kuruluşların neredeyse yarısı, verilerin aranabilirliğini (%48) ve yeniden kullanılabilirliğini (%47) yapay zekâ otomasyon stratejileri için zorluk olarak belirtiyor. Verileriniz, iş bağlamına ihtiyaç duyan aracılar tarafından kullanılmaya hazır bir konumda değil.

CEO-CISO Ayrımı

CEO'lar iyimser. %67,1'i yapay zekâ araçlarının daha iyi siber güvenlik kararları almalarına yardımcı olacağına inanıyor. %60,2'si şirketlerinin yapay zekâ tehditlerine yanıt verme konusunda rakiplerinden daha hazırlıklı olduğunu düşünüyor.

CISO'lar ise temkinli. Yalnızca %58,6'sı bu güveni paylaşıyor. CEO'ların %29,7'sine kıyasla yalnızca %19,5'i yapay zekânın siber savunmayı güçlendireceğine inanıyor.

Bu fark, kurumsal hazırlık hakkında bilmeniz gereken her şeyi anlatıyor.

Güvenlikten, uyumluluktan ve operasyonel riskten sorumlu kişiler, üst düzey yöneticilerin görmediği sorunları görüyor. Aracıların yeni saldırı vektörleri oluşturduğunu anlıyorlar. Çok aracılı sistemlerin hata ayıklama kâbusları yarattığını ve geniş ölçekte otonom karar alma için yönetişim modellerinin henüz mevcut olmadığını biliyorlar.

CISO'ların yalnızca %14'ü yapay zekâyı siber güvenlik operasyonlarına entegre etmeye tamamen hazır hissediyor. %50'den fazlası, CIO'ların ve CEO'ların desteğinden yoksun olmayı en büyük zorlukları olarak belirtiyor.

Kuruluşunuzun gerçek uygulamanın ne gerektirdiği konusunda uzlaşıp uzlaşmadığı ilk olarak burada ortaya çıkar.

Bu Ayrım Aslında Ne Anlama Geliyor?

CEO'nuz iyimser, CISO'nuz endişeliyse, yapay zekânın sahipliği konusunda bir strateji sorununuz var demektir.

İş birimi fırsat görüyor. Operasyon birimi risk görüyor. İkisi arasındaki köprüyü ise hiç kimse kurmuş değil.

Bu durum uygulama kararlarına, kaynak tahsisine ve hız ile güvenliği nasıl önceliklendirdiğinize yansıyor.

Marin ve George, bu köprüyü aracı tasarım süreçlerine dâhil etti. İK aracılarında izin ve şeffaflık konusunu sorduğumda George şöyle açıkladı:

"Ajan tabanlı yapay zekâyla yaptığımız her şeyin uygun düzeyde izin ve bu otomatik süreçlerin etik kullanımını içermesini sağlamalıyız.

Marin ekledi: "Her kullanım senaryosunun kendine özgü bazı incelikleri hakkında ekiple sürekli görüşmeler yaptık. Örneğin yetenekleri elde tutma aracımız söz konusu olduğunda, bu içgörüleri toplu düzeyde sunmanın mı anlamlı olduğunu, yoksa bireysel düzeyde sunup doğrudan yöneticiyi bilgilendirmenin mi daha doğru olduğunu tartıştık."

Çoğu kuruluş için bu köprüyü kurma görevi liderlik tarafından üstlenilecek, ancak liderliği CEO ve CISO yapmayacak. Bunun yerine, fırsatların riskten kaçınan bir yaklaşımla hayata geçirilmesini sağlayacak uygun dengeyi, CHRO (insanlar ve süreçler) ile CIO arasındaki ortaklık (veri kalitesi ve en iyi uygulamalar) oluşturacak.

Bu farkı erken kapatan kuruluşlar daha hızlı ilerler. İhtiyaç duymadan önce yönetişim çerçevelerini oluştururlar. Gözlemlenebilirliğe ve izlemeye yatırım yapar, aracılar sınırlarının dışında kararlar verdiğinde başvurulacak net üst makamlara yönlendirme yolları oluştururlar.

Ajan Tabanlı Yapay Zekâ Altyapısı

Aracılar API'lerden ve veri işlem hatlarından daha fazlasına ihtiyaç duyar. Çoğu kuruluşta bulunmayan bir altyapıya ihtiyaçları vardır.

Birden fazla aracı genelinde çalışan kimlik ve izin yönetimi. Aracıların entegrasyonları sabit kodlamaya gerek kalmadan yetenekleri keşfetmesini sağlayan araç katalogları. Kararı hangi aracının verdiğine bakılmaksızın tutarlı şekilde uygulanan politika denetimi.

Ayrıca, birden fazla aracı beklenmedik şekillerde etkileşime girdiğinde sorunları teşhis etmenizi sağlayan gözlemlenebilirlik.

Bu aynı zamanda geçici bir sorun da değil; liderlerin %65'i, art arda iki çeyrektir ajan tabanlı sistem karmaşıklığını en büyük engel olarak belirtiyor.

Altyapının yalnızca teknolojiden ibaret olmadığını, aynı zamanda kurumsal yetkinlik anlamına da geldiğini hatırlamak önemlidir.

Jones, EyeMail'de ajan tabanlı iş akışları oluştururken bunu öğrendi. Ekibi, müşteri yolculuklarını görselleştirmek, duygusal temas noktalarını ve sürtüşme alanlarını belirlemek için Miro AI kullanıyor. HubSpot AI kullanımları, davranışsal içgörüler ve segmentasyon sağlayarak işe alım akışlarını ve müşteriyi geliştirme dizilerini kişiselleştirmelerine yardımcı oluyor.

"İşe alım tamamlama oranlarını %40 artırdık. İlaç, teknoloji ve otomotiv müşterileri için esnek, modüler yolculuk tasarımlarını mümkün kıldık. Müşterilerin duygusal ve operasyonel açıdan bulundukları noktaya hitap eden hikâye anlatımı çerçeveleri sunduk," dedi.

Veri Kalitesi Gereksinimleri

Müşteriniz CRM'de "Acme Corp", e-posta sistemlerinde "Acme Corporation", sözleşmelerde "ACME Inc." ve çağrı dökümlerinde "Acme" olarak görünüyor.

Varlık çözümleme olmadan aracılar, anlayışlarını birden fazla eksik profil arasında parçalar.

Kurumsal veri liderlerinin %73'ü, yapay zekâ başarısının önündeki başlıca engel olarak "veri kalitesi ve eksiksizliğini" gösteriyor. Bu oran, model doğruluğu, bilgi işlem maliyetleri ve yetenek eksikliğinden daha yüksek.

Kötü verileri ajan kullanarak aşamazsınız. Önce bunları düzeltmeniz gerekir.

Ajan tabanlı yapay zekâ başarıyla nasıl devreye alınır?

Ajan tabanlı sistemleri başarıyla devreye alan kuruluşlar üç şeyi farklı yapıyor.

1. İşi yapan kişileri ajan tasarımına dahil ederler. Onları danışman olarak değil, çekirdek ekip üyeleri olarak görürler. Bu çalışmayı adil biçimde ücretlendirir ve bir yetkinlik geliştirme fırsatı olarak kullanırlar.
2. Ölçeklendirmeden önce yönetişim oluştururlar. Ajanların neleri yapıp neleri yapamayacağına ilişkin açık politikalar belirlerler. İstisnai durumlar için eskalasyon yolları oluştururlar. Sorunları büyümeden yakalayan gözlemlenebilirlik mekanizmaları kurarlar.
3. Sistemleri yalın tutarlar. Tek bir ajanın değerini kanıtlamadan önce karmaşık çok ajanlı düzenekler oluşturma cazibesine karşı koyarlar. Karmaşıklığı yalnızca daha basit yaklaşımlar başarısız olduğunda eklerler.

"Yapay zekâ, vizyonla uygulama arasındaki mesafeyi kapatıyor," diyor Jones. "Bir zamanlar haftalarca araştırma, danışman katkısı ve işlevler arası uyum gerektiren şeyler artık iyi hazırlanmış bir istemle başlayabilir."

Ancak asıl önemli olan, oraya nasıl ulaştığınızdır. Ekibi yalnızca resmî eğitim kılavuzlarını uygulamaya koymadı. Ekip üyelerinin keşiflerini paylaştığı, istemleri test ettiği ve duygusal etkisini incelediği haftalık oturumlar olan Yapay Zekâ Merak Çemberleri oluşturdular.

"Bana göre geleceğin organizasyonu, yapay zekâ ajanları tarafından güçlendirilen ve bu ajanların ölçekli biçimde bu mikro müdahaleleri uygulamak üzere serbest bırakıldığı bir ağdır," diyor Marin. "Büyük çok uluslu şirketlerin, bu yeni çalışma biçiminin kuluçka merkezleri olarak hareket ettiği bir boyut var; buna ağ öncelikli çalışma geleceği diyoruz."

Bu, iyi basın bültenleri hazırlamanızı sağlamaz. Ancak devreye alınmış çözümlere sahip %14'lük kesim ile pilot uygulamalarda takılıp kalan %38'lik kesimi birbirinden ayırır.

Şimdi yanıtlamanız gereken soru

Ajan tabanlı mimari gelmekte değil. O zaten burada.

Kurumsal uygulamaların %40'ı, 2025'teki %5'lik oranın ardından, 2026'nın sonuna kadar göreve özgü yapay zekâ ajanlarını entegre edecek.

Ajanların benimsenmesi arttıkça her işletmenin yanıtlaması gereken soru, ajan kullanımının gerektirdiği koşulları karşılayıp karşılayamayacağına dayanıyor. Yalnızca teknik yeterlilik değil, kurumsal hazırlık da gerekiyor. Bunun anlamı şudur:

• Odada doğru insanların bulunması.
• Özerk kararları destekleyecek altyapı.
• Başarısızlıkları büyümeden yakalayacak yönetişim.
• Bağlama duyarlı seçimler yapmayı sağlayacak veri kalitesi.
• Teknolojiye yatırım yaptığınız kadar insanlara da yatırım yapma isteği.

Çoğu kuruluş bunu yanlış yapacak. Ajan tabanlı yapay zekâyı organizasyonel yeniden tasarım yerine teknik bir yükseltme olarak ele alacaklar.

Gartner'ın artan maliyetler, belirsiz iş değeri veya yetersiz risk kontrolleri nedeniyle 2027'nin sonuna kadar iptal edileceğini öngördüğü ajan tabanlı yapay zekâ projelerinin %40'lık kesiminin parçası olacaklar.

İşi doğru yapan kuruluşlar, ajan tabanlı mimarinin mühendislere ek olarak daha fazlasını gerektirdiğini anlayacak. Bu mimari, çalışmasını güçlendirmeye çalıştığınız insanların bizzat yaşanmış deneyimlerini de gerektirir.

Ve bu gerçekliğe saygı duyan sistemler kuracaklar.