Şirket A geçen yıl yapay zekâ dönüşümüne 8 milyon dolar harcadı. Şirket B bunun yarısını harcadı. Ancak önemli olan her ölçüte göre—benimseme oranları, verimlilik artışları, çalışan memnuniyeti ve yatırım getirisi—Şirket B, daha iyi finanse edilen rakibine açık ara fark atıyor.
Fark teknolojide değil. Her iki şirket de aynı kurumsal LLM'lerin lisansını aldı. Her ikisi de danışmanlar tuttu. Her ikisi de yapay zekâ girişimlerini yöneticilerin sevdiği görkemli duyurularla başlattı. Fark, en başta alınan tek bir kararda yatıyor: bütçelerini nasıl tahsis ettikleri.
Şirket A, yıllardır izlenen yolu takip etti: %60 teknolojiye, %15 eğitime, %25 "diğer her şeye." Şirket B ise piramidi tamamen tersine çevirdi: %70 insanlara ve süreçlere, %20 altyapıya, %10 algoritmalara.
Şirket B'nin izlediği model boşlukta ortaya çıkmadı. Bu model, yüzlerce yapay zekâ dönüşümünü inceleyen Boston Consulting Group ve MIT Sloan tarafından yürütülen araştırmalardan ortaya çıktı. Bulguları çarpıcıydı: Yapay zekâdan gerçek sonuçlar alan şirketler, en gelişmiş araçları satın alanlar değildi. Çalışanlarına en çok yatırım yapanlardı.
Ancak her zaman olduğu gibi, bağlam çok önemli. Bu araştırma, yapay zekâ bütçeleri 10 milyon doların üzerinde olan; başka bir deyişle kendilerine ait dönüşüm ekipleri, olgun veri altyapıları ve uzman orduları bulunan işletmeleri inceledi.
Çalışan sayısı 5.000 veya daha az olan orta ölçekli şirketler için kısıtlar temelden farklı görünüyor. Birçoğunda temel veri altyapısı bulunmuyor. Yapay zekâyı, algoritma maliyetlerinin aylık ücretlere dâhil edildiği SaaS abonelikleri üzerinden satın alıyorlar. 2 milyon dolarla çalışırken 20 milyon dolarla çalışmaya kıyasla aynı dolar tutarları farklı bir etki yaratıyor.
Peki 70-20-10 çerçevesi hâlâ geçerli mi? Yoksa orta ölçekli şirketlerin tamamen farklı bir yol haritasına mı ihtiyacı var?
Çerçevenin Açıklanması
70-20-10 kuralı, özünde başarılı yapay zekâ dönüşümlerinin paralarını ve enerjilerini gerçekte nereye harcadığını açıklar. Rakamlar, üç temel kategori arasındaki dağılımı ifade eder:
- %70: İnsanlar ve Süreçler. Bu kategori; değişim yönetimi programlarını, role özel eğitimleri, iş akışlarının yeniden tasarlanmasını, yönetişim çerçevelerini, iletişim altyapısını, yönetici koçluğunu ve kullanıcı desteğini kapsar. Kimin neyden sorumlu olduğunu, yapay zekâ sürece dâhil olduğunda kararların nasıl farklı şekilde ilerlediğini ve hangi teşviklerin değişmesi gerektiğini netleştirmeye yönelik, pek de gösterişli olmayan çalışmadır.
- %20: Teknoloji Altyapısı. Bu kategori; veri hazırlama, entegrasyon katmanları, güvenlik çerçeveleri, izleme sistemleri ve ölçeklenebilirlik mimarisini kapsar. Yapay zekâ araçlarının ortamınızda gerçekten çalışabilmesi için önceden işler hâle getirilmesi gereken her şeyi içerir.
- %10: Algoritmalar ve Modeller. Bunlar, yapay zekâ araçlarının kendisidir—lisanslar, API maliyetleri, model ince ayarı ve tedarikçi seçimi.
Bu model sağlam verilere dayanarak ortaya çıktı. BCG'nin araştırması, bu dağılımı izleyen şirketlerin benimseme oranlarının çok daha yüksek olduğunu ve ölçülebilir verimlilik artışları elde ettiğini gösterdi. MIT Sloan ise yapay zekânın değerinin %70'inin teknolojinin gelişmişliğine değil, insanlara ve süreçlere yapılan tamamlayıcı yatırımlara bağlı olduğunu ortaya koydu.
Bunun nedeni, yapay zekâ modellerinin hızla metalaşmasıdır. Her orta ölçekli şirket OpenAI, Anthropic veya Google'ın aynı öncü modellerine erişebilir. Ancak kurumsal değişim kapasitesi? Bu, satın alınabilecek bir şey değil.
İş akışlarını yeniden tasarlama, yöneticileri yapay zekânın benimsenmesine koçluk edecek şekilde eğitme ve kısıtlamak yerine olanak sağlayan yönetişim çerçeveleri oluşturma becerisi, fark yaratan unsurdur.
Yine de orta ölçekli şirketlerin liderleri bu çerçeveye baktığında makul bir soru ortaya çıkıyor: Olgun bir veri altyapısı olmayan şirketler gerçekten buraya yalnızca %20 mi ayırabilir? Algoritma maliyetlerinin abonelik ücretlerine dâhil edildiği SaaS yapay zekâ ürünlerini satın alan kuruluşlar ne olacak? Hesap yine de tutuyor mu?
Şirketleri yapay zekâ dönüşümlerinde yönlendiren FLEX Partners'ın kurucusu Whitney Munro, bu gerilimin sürekli olarak ortaya çıktığını görüyor.
"70-20-10 çerçevesi genel olarak doğru," diyor, "ancak zararın ortaya çıkmaya başladığı nokta, sıralama ve amacın eksik olmasıdır. Araçlara geçmeden önce kimin neyden sorumlu olduğunu, amacı, teşvikleri, iş akışlarını vb. netleştirmeye yönelik 'pek de gösterişli olmayan' çalışmanın atlanmasıdır."
Çerçevenin katı olması amaçlanmıyor; bu bir ilkedir. Yapay zekâ dönüşümü, teknoloji sorunundan çok insan ve organizasyon sorunudur. Orta ölçekli şirketler için bu ilke geçerliliğini korur, ancak belirli yüzdelerin başlangıç noktalarına göre ayarlanması gerekebilir.
Şirketler Dağılımı Neden Yanlış Yapıyor?
Önce teknolojiye yatırım yapma baskısı her yönden geliyor. Yapay zekâ tedarikçileri doğal olarak teknoloji satıyor. Yönetim kurulu üyeleri, şirketin "yapay zekâ üzerinde çalıştığını" gösteren panolar ve araçlar, yani görünür kanıtlar görmek istiyor. Yatırımcılar, kazanç görüşmelerinde yapay zekâ girişimlerini soruyor. BT departmanları altyapı ve modellerin dilini konuşuyor.
Görülmesi, ölçülmesi ve satılması daha zor olan şey, yetkinlik geliştirme işinin yavaş ilerleyen kısmıdır. Eğitim programları heyecan verici yönetim kurulu sunumları oluşturmaz. İş akışının yeniden tasarlanması yıllık raporda iyi görünmez. Yönetişim çerçeveleri yenilikçi olmaktan çok bürokratik gelir.
Özellikle orta ölçekli şirketler için, çeşitli tuzaklar teknoloji öncelikli yaklaşımı daha da cazip hâle getirir:
- Kaynak kıtlığı yanlış bir kestirme yol algısı yaratır. "Özel bir AI dönüşüm ekibine gücümüz yetmez, o hâlde aracı satın alalım ve ilerledikçe nasıl kullanacağımızı çözeriz." Bu mantık, etrafındaki iş akışlarını yeniden tasarlayan kimse olmadığı için aracın kullanılmadan kaldığını fark edene kadar makul görünür.
- Hız baskısı, dikkatli planlamayı gölgede bırakır. Özellikle ölçeklenen şirketler hızlı hareket etme ihtiyacı hisseder. Yöneticileri eğitmek ve süreçleri yeniden tasarlamak için üç ay ayırmak, gelecek hafta yeni bir AI aracını etkinleştirmeye kıyasla yavaş hissettirir.
- Satıcı dinamikleri gerçek maliyetleri gizler. Kurumsal bir SaaS AI ürünü satın aldığınızda algoritma geliştirme ve altyapının büyük bir kısmı aylık aboneliğe dâhil edilir. Bu durum, teknolojiye gerçekte harcadığınızdan daha az harcıyormuşsunuz gibi görünmesine ve insan unsuruna daha az yatırım yapmanızı kolaylaştırır.
- Rol yükü imkânsız bir durum yaratır. Orta ölçekli şirketlerde mevcut operasyonları sürdürmesi gereken kişiler, aynı zamanda bu operasyonları dönüştürmesi beklenen kişilerdir. Değişim yönetimi için ayrılmış kaynaklar olmadan dönüşüm, hiçbir zaman gereken ilgiyi göremeyen ek bir projeye dönüşür.
Clint Riley, Globe Midwest'te COO olarak birden fazla teknoloji uygulaması boyunca müşteri deneyimi operasyonlarına liderlik etti. Aynı örüntünün tekrarlandığını görüyor.
"Liderler çoğu zaman AI altyapısına büyük miktarlarda para yatırıyor ve sınırlı sonuçlar görüyor. Ekipler hazırlıklı olmadığı, araçlara güvenmediği veya eski alışkanlıklarını sürdürdüğü için araçlar kullanılmadan kalıyor. Gerçek fark, öncelikle insanlara ve süreçlere yatırım yapmaktan geliyor," diyor.
Maliyet yanılgısı oldukça derinlere uzanıyor. Eğitim o anda pahalı hissettiriyor—500 çalışan için odaklı AI eğitiminin $300,000 tutması çok yüksek bir rakam gibi görünüyor. Ancak bu yatırım, ilk yıl içinde rutin hataları %40 oranında azaltabilir.
AI entegre edilmiş temel iş akışlarını yeniden tasarlamak için harcanan $200,000 tutarındaki ek yatırım, çeyrekten çeyreğe ölçebileceğiniz verimlilik iyileştirmeleri sağlar. Bunu, kimse destekleyici değişim yönetimine yatırım yapmadığı için %15 benimsenme oranına ulaşan AI araçlarına harcanan $800,000 ile karşılaştırın.
Ortaya çıkan gölge AI olgusu, teknoloji öncelikli yaklaşımların çözmeleri gereken sorunları nasıl yarattığına dair en açık kanıtı sunuyor. Araştırmalar, çalışanların %90'ının AI araçlarını kullandığını, ancak işletmelerin yalnızca %40'ının bu araçları resmî olarak sağladığını gösteriyor.
Bu boşluk, şirketlerin desteği olmadan teknoloji uygulaması ve çalışanları bunu kendi başlarına çözmeye bırakması nedeniyle ortaya çıkıyor; böylece liderlerin endişe ettiği güvenlik ve yönetişim riskleri tam olarak yaratılıyor.
Have an account? Log In
İnsanlara %70 Yatırım Gerçekte Nasıl Görünür?
70-20-10 çerçevesi, onu operasyonel hâle getirmeye çalışana kadar basit görünür. AI bütçenizin %70'ini "insanlara ve süreçlere" harcamak gerçekte ne anlama gelir?
İlk yıl için $2M AI dönüşüm bütçesine sahip orta ölçekli bir şirket için insan öncelikli bir dağılım şöyle görünebilir:
İnsanlara ve Süreçlere $1.2M (%60):
- $400K: Özel dönüşüm kaynakları (hem değişim yönetimini hem de AI yetkinliklerini anlayan 2-3 FTE)
- $300K: Değişim yönetimi, iş akışı tasarımı ve yönetişim çerçeveleri için dış uzmanlık
- $200K: Eğitim programının geliştirilmesi ve sunulması (tek seferlik oturumlar değil, sürekli yetkinleştirme)
- $150K: Yönetici yetkinleştirme ve koçluk altyapısı
- $150K: İletişim sistemleri, geri bildirim mekanizmaları ve yineleme döngüleri
Altyapıya $600K (%30):
- $300K: Veri hazırlama, entegrasyon ve kalite iyileştirme
- $150K: Güvenlik, uyumluluk ve izleme sistemleri
- $150K: Hem teknik hem de insani sonuçları izlemek için analitik altyapısı
AI Araçlarına/Algoritmalarına $200K (%10):
- Kurumsal LLM abonelikleri
- Uzmanlaşmış AI uygulamaları
- API maliyetleri ve kullanım ücretleri
Orta ölçekli şirketlere özgü düzenlemeye dikkat edin: Bu dağılım, saf 70-20-10 çerçevesi yerine 60-30-10 oranını gösterir. Neden? Orta ölçekli şirketlerde genellikle kurumsal kuruluşlara kıyasla daha büyük altyapı açıkları bulunur. Eski sistemler, veri siloları ve teknik borç, altyapının modern veri temellerine sahip kurumsal şirketlere kıyasla daha yüksek yatırım gerektirdiği anlamına gelir.
Temel ilke değişmez: İnsanlara yapılan yatırım, teknoloji yatırımına eşit veya ondan fazla olmalıdır. Araçlara ve altyapıya toplamda %60, insanlara ve süreçlere ise yalnızca %40 harcıyorsanız araştırmalar, önemli bir değeri masada bıraktığınızı gösteriyor.
"İnsanlara" Yapılan Yatırım Gerçekte Ne Satın Alır:
Yöneticiler "dönüşüm kaynakları için 400 bin dolar" ifadesini gördüklerinde çoğunlukla şunu sorar: Bu insanlar gerçekte ne yapıyor?
Özel olarak dönüşüme ayrılmış kaynaklar:
- Teknoloji kullanıma sunulmadan önce iş akışı analizi yapmak
- Role özel eğitimler tasarlamak (bir finans analistinin farklı AI becerilerine, müşteri hizmetleri temsilcisinin ise farklı becerilere ihtiyacı vardır)
- Engellemek yerine olanak sağlayan yönetişim çerçeveleri oluşturmak
- Gerçek kullanıma göre yineleme yapmak için geri bildirim döngüleri oluşturmak
- BT, İK ve iş birimleri arasında koordinasyon sağlamak
Yöneticileri güçlendirme:
- Yöneticileri ekiplerini AI araçları konusunda yönlendirmeye hazırlamak (bu araçları yalnızca kendilerinin kullanmasını sağlamak değil)
- AI işlere yardımcı olduğunda performans değerlendirmesinin nasıl değiştiğini yöneticilerin anlamasına yardımcı olmak
- İşler değişirken yöneticileri kendi kimliklerindeki dönüşüm sürecinde desteklemek
- Zorlukları ve çözümleri paylaşmak üzere yönetici toplulukları oluşturmak
İletişim ve geri bildirim altyapısı:
- Dönüşümün ilerleyişi hakkında düzenli olarak tüm çalışanlara yönelik iletişim sağlamak
- Çalışanların sorunları ve endişeleri dile getirebileceği kanallar oluşturmak
- Nelerin işe yaradığını ve nelerin yaramadığını kaydedecek sistemler kurmak
- Hangi AI araçlarının neden kullanıma sunulacağı konusunda şeffaf karar alma süreçleri oluşturmak
İşe yarayan eğitim:
- Tek seferlik atölyeler değil, sürekli öğrenme programları
- Hata yapmanın güvenli olduğu uygulamalı pratik ortamları
- Gerçek iş ihtiyaçlarıyla bağlantılı, ihtiyaç anında sunulan öğrenme
- Sorun giderme için akran destek ağları
Bu yatırımlarda tasarrufa gitmenin sonuçları oldukça öngörülebilirdir: düşük benimseme oranları, çalışan direnci, kontrol dışı AI kullanımının yaygınlaşması ve nihayetinde teknoloji harcamalarının boşa gitmesi. Bunu "gereksiz" veya "çalışanlara fazla iyi davranmak" olarak gören üst düzey yöneticiler ya da yönetim kurulu üyeleri için vurgulanması gereken kritik yeniden çerçeveleme şudur: Konu, teknolojinin mümkün kıldığı ancak kendi başına sunamayacağı değeri yakalamaktır.
Riley, "Yönetim kurulları yeni teknolojilerin kullanıma sunulmasını görmekten hoşlanır," diyor. "Bu nedenle insanlara odaklanmayı, güçlü ve bileşik getiriler sağlayan akıllı bir risk yönetimi olarak çerçeveleyin: artan verimlilik, daha iyi çalışan bağlılığı ve zaman içinde büyüyen iş kazanımları. Tek başına teknoloji genellikle hızlı bir şekilde zirveye ulaşır ve ardından yatay seyreder."
Orta Ölçekli Şirketler İçin Gerçeklik Kontrolü
Ancak bu dağılım, başlangıç noktasının görece olgun olduğunu varsayar. Rakamların çok daha dramatik biçimde değişmesi gereken şirketler için ne söylenebilir?
Alix Gallardo, Invent'te Ürün Direktörü olarak orta ölçekli şirketlerin tam da bu senaryoları yönetmesine yardımcı oluyor. SaaS AI konusundaki bakış açısı hesaplamayı değiştiriyor.
"SaaS AI satın aldığınızda, satıcı ağır işlerin çoğunu zaten yapmıştır; zorlu ve pahalı model çalışmalarıyla altyapının büyük bir bölümü buna dahildir. Bu nedenle sorunuz şu olmalı: 'Tüm bunlar yapılmışken, sınırlı iç zamanımızı ve bütçemizi nereye odaklamalıyız?'"
Çoğunlukla hazır SaaS kurulumuna ilişkin değerlendirmesi, altyapı zorluklarının orta ölçekli şirketler için genellikle daha büyük bir sorun oluşturduğu gerçeğine göre ayarlama yapsa da insanları yine ilk sıraya koyuyor.
Gallardo, "Orta ölçekli şirketlerin kurulumları genellikle karmaşıktır," diyor. "Birbirinden kopuk çok sayıda SaaS ürünü, eski sistemler, yerel entegrasyonlar, düzensiz veri akışları ve küçük BT ekipleri vardır. Bu nedenle altyapının başlangıçta %25–35'e kadar pay alması normaldir."
Dağılımın ayarlanması gereken üç senaryoyu ele alalım:
Senaryo 1: Altyapıdan Yoksun Şirket
2.000 çalışanlı bir üretim şirketi 30 yıldır faaliyet gösteriyor. Veriler birden çok sistemdeki silolarda tutuluyor. Müşteri bilgileri bir veritabanında, üretim verileri başka bir veritabanında, kalite ölçümleri ise elektronik tablolarda bulunuyor. BT ekibi beş kişiden oluşuyor.
Bu şirket için dağılımın en azından başlangıçta %50 insan, %40 altyapı ve %10 algoritma olması gerekebilir. Temel veri altyapısı olmadan AI araçları etkili biçimde çalışamaz. Ancak burada bile insanlara yapılan yatırımdan vazgeçilemez. Yatırımın stratejik olması; daha iyi altyapı kararları alabilmek için kurum içi yetkinlik oluşturmaya ve altyapı kurulduktan sonra iş gücünü yaşanacak değişikliklere hazırlamaya odaklanması gerekir.
Senaryo 2: Çevik Ölçeklenen Şirket
800 çalışanlı bir yazılım şirketi ilk günden beri bulut tabanlı çalışıyor. Sistemler birbiriyle iletişim kuruyor. Ekip teknik açıdan yetkin. Altyapı darboğaz oluşturmuyor.
Burada dağılım %75 insan, %15 altyapı, %10 algoritma olabilir. Şirketin hızlı büyümesi, ölçeklenebilmek için kültür ve süreçlere ek yatırım yapılmasını gerektirir. Güçlü bir teknik temelle kısıt teknolojik değil, organizasyoneldir.
Senaryo 3: Riskten Kaçınan Orta Ölçekli Şirket
4.500 çalışanlı bir finansal hizmetler şirketi, yoğun şekilde düzenlemeye tabi bir sektörde faaliyet gösteriyor. Kurum kültürü değişime dirençli, risk yönetimi büyük önem taşıyor ve uyumluluk gereklilikleri kapsamlı.
Bu şirket, %65'i insanlara, %20'si altyapıya ve %15'i algoritmalara ayırabilir. Algoritmalara yapılan daha yüksek harcama, en yeni modellerin peşinden koşmakla ilgili değil; uyumluluk riskini azaltan, yerleşik yönetişim özellikleri, denetim izleri ve şeffaflık mekanizmalarıyla birlikte gelen yapay zekâ araçlarına yatırım yapmakla ilgilidir.
Tanı koymak karmaşık değildir. Şirketinizi dört boyutta 1'den 10'a kadar puanlayın:
- Mevcut veri altyapısının kalitesi
- Organizasyonun değişim kapasitesi
- Teknik yetenek yoğunluğu
- Düzenleyici ve uyumluluk karmaşıklığı
Düşük altyapı ve yetenek puanları, bu alanlara daha fazla yatırım yapmanız gerekeceğini gösterir. Daha yüksek değişim kapasitesi, insanlara ve süreçlere daha fazla kaynak ayırabileceğiniz anlamına gelir. Yüksek düzenleyici karmaşıklık, yerleşik yönetişim özelliklerine sahip gelişmiş araçlara daha fazla yatırım yapılmasını haklı kılabilir.
Ancak tüm senaryolarda bir ilke geçerliliğini korur: insanlara yapılan yatırım, teknoloji yatırımına eşit veya ondan fazla olmalıdır.
Munro bunu şöyle ifade ediyor: "Çoğu kuruluş yapay zekânın kendisi yüzünden başarısız olmaz; yapay zekâya sihirli bir çözüm gözüyle bakıp olması gerekeni, yani çalışanlarının yapay zekânın ne olduğunu, nelerin mümkün olduğunu, nasıl kullanılacağını, rolleri için hangi araçların kullanılacağını ve yapay zekâyı dürüstlükle nasıl kullanacaklarını bilmelerini sağlamayı yapmak yerine, istemlere yatırım yaptıkları için başarısız olurlar."
Gizli Maliyet Sorunu
Şirketlerin dağılımı yanlış yapmasının bir nedeni, çoğunun her bir kategoriye ne kadar harcadığını gerçekten bilmemesidir. Maliyetler departmanlara dağıtılır ve farklı bütçe kalemlerinde gizlenir.
Teknoloji maliyetleri genellikle görünürdür: yazılım lisansları, bulut bilişim ücretleri, tedarikçi sözleşmeleri. Bunlar BT bütçelerinde açıkça görülür.
Altyapı maliyetleri bazen gizlidir. Veri mühendislerinin zamanı, BT departmanının operasyonel bütçesine gömülür. Entegrasyon çalışmaları "sistemleri sürdürme" işinin bir parçası olarak gerçekleştirilir. Güvenlik incelemeleri birilerinin yan projesidir. İzleme sistemleri sonradan akla gelir.
Ancak insan ve süreç maliyetleri çoğu zaman tamamen görünmezdir. Çalışanların eğitimde geçirdiği zaman, fırsat maliyetini temsil eder (insanlar öğrenirken yapılmayan işler). Yönetici koçluğu zamanı hiçbir bütçede görünmez. Süreç yeniden tasarımı çalışmaları, net bir tahsis olmadan toplantı odalarında gerçekleştirilir. İletişim yükü her yerde ve hiçbir yerdedir. Yönetişim toplantıları zaman alır, ancak nadiren yapay zekâ dönüşümü maliyetleri olarak hesaba katılır.
Gallardo, resmi bütçeniz ne söylerse söylesin, dağılımınızın hatalı olduğuna dair üç uyarı işareti belirliyor:
"Birkaç ileri düzey kullanıcı yapay zekâ aracını çok seviyor, ancak diğerlerinin çoğu onu görmezden geliyor. Yapay zekâ nedeniyle kararlarda veya iş akışlarında belirgin bir değişiklik yok; yalnızca ilgi çekici özellikler var, ancak işlerin nasıl yapıldığı üzerinde gerçek bir etki yok. Yeni yapay zekâ denemeleri ortak standartlar, kılavuzlar, ölçütler, örnek olaylar veya yönetişim olmadan her yere dağılmış durumda."
Bu belirtileri gördüğünüzde, "bütçenizi ürün yönetimine, operasyonlara, değişim yönetimine ve 'yapay zekâ öncüleri' oluşturmaya kaydırmak, başka bir entegrasyon projesine para harcamaktan çok daha fazla ilerleme sağlar," diyor.
Riley de aynı örüntüyü görüyor: "Çalışanlar yapay zekâ araçlarını kendi başlarına sessizce kullanıyor olsalar bile yanıt daha sıkı kontroller değildir. Bu enerjiyi uygulamalı eğitim ve net yönergelerle yönlendirmektir. İnsanlara aşırı yatırım yapılması nadirdir; aslında birçok şirket burada fazla değil, çok az şey yapıyor."
Gerçek dağılımınızı anlamak için dürüst bir denetime ihtiyacınız var. Son çeyrek için şunları hesaba katın:
- Yapay zekâyla ilgili tüm yazılım lisansları, bulut maliyetleri ve tedarikçi ücretleri
- BT ve veri ekiplerinin yapay zekâ altyapısı, entegrasyonu ve güvenliği için harcadığı zaman
- Çalışanların yapay zekâ eğitiminde geçirdiği zaman (saatleri ortalama saatlik maliyetle çarpın)
- Yöneticilerin yapay zekânın benimsenmesine koçluk yapmak için harcadığı zaman
- Yönetişim, süreç yeniden tasarımı ve yapay zekâ girişimlerinin planlanması için toplantılarda geçirilen zaman
- Harici danışmanlar ve danışmanlık maliyetleri
Her şeyi üç kategoriye ayırın: algoritmalar, altyapı veya insanlar ve süreçler. Çoğu şirket, teknolojiye düşündüğünden çok daha fazla, insanlara ise çok daha az harcama yaptığını keşfeder.
More Articles
Doğru Yapmak Neden Önemlidir?
Dağılımı doğru yapan şirketlerle yapmayanlar arasındaki performans farkı çarpıcıdır.
Araştırmalar, insan odaklı yaklaşımlara sahip kuruluşlarda çalışan bağlılığının 2,3 kat, performansın ise 1,5 kat daha yüksek olduğunu gösteriyor.
CHRO'ların ve CIO'ların gerçek ortaklar olarak çalıştığı şirketler, yapay zekâ girişimlerinde 15 kat daha üretken olduklarını bildiriyor. Ancak bu, düşündüğünüz kadar sık gerçekleşmiyor. Sorun, yapay zekâ dönüşümünde CIO'ların neyi, CHRO'ların ise neyi üstlenmesi gerektiğine dair temel bir kafa karışıklığıyla başlıyor.
"CIO'nun yalnızca araçların tasarımını, testini ve devreye alınmasını değil, aynı zamanda benimsenmesini de üstlenmesi gerçekten ilgi çekici," diyor Machine Leadership Journal'ın kurucusu David Swanagon, kurumsal yapay zekâ hazırlığı üzerine yaptığı araştırmaya dayanarak. "Araştırmamız aracılığıyla öne sürdüğümüz argümanlardan birinin, benimsenmenin CHRO tarafından üstlenilmesi gerektiğini düşünüyorum; çünkü bu konu kültür, güven, özerklik ve becerilerle ilgilidir. CIO tasarım, test ve devreye alma süreçlerini yürütmeli, ancak burada durmalı ve benimsenmeyi yönetmek için CHRO ile ortaklık kurmalıdır."
DAVID SWANAGON İLE YAPILAN BÖLÜMÜN TAMAMINI DİNLEYİN
Bu ayrım yapısaldır. CIO'lar hem devreye alma hem de benimseme süreçlerini üstlendiğinde sonuç öngörülebilir ve teknik açıdan sağlam, ancak kimsenin kullanmadığı çözümler olur ya da kültür ve yetkinlik dikkate alınarak tasarlanmadıkları için kurumsal sürtüşmeye yol açarlar.
Kaynak tahsisini yanlış yapmanın maliyeti hızla katlanır. Klarna, yapay zekâ verimliliğindeki kazanımlarıyla manşetlere çıktı, ancak insanlara ve kültüre yönelik maliyetler belirginleşince sessizce geri adım attı.
Şirketler desteklenen araçları ve eğitimi sağlamadığında, liderlerin korktuğu güvenlik risklerini yaratan gölge yapay zekâ hızla yayılır. Sektör verileri, yapay zekâ projelerinin %80'inin ölçeklenemediğini gösteriyor; bunun nedeni çoğunlukla benimseme için gereken kurumsal destek sağlanmadan devreye alınmalarıdır. Bu durum bazen yapay zekânın daha kapsamlı kurumsal başarısızlıklar için günah keçisi haline gelmesine yol açar.
Çalışan tükenmişliği ve direnci, teknoloji öncelikli yaklaşımların gizli vergileri haline gelir. Araçlar uygun eğitim ve iş akışı yeniden tasarımı olmadan devreye alındığında, çalışanlar yapay zekâyı kendileri için yapılan bir şey olarak değil, kendilerine yapılan bir şey olarak deneyimler. Araçlar iş yüklerini azaltmak yerine artırır. Direnç pekişir.
Munro, "Yardım için bize ulaşan şirketlerin büyük bölümünün bir aracı 'etkinleştirdiklerinde' sihrin kendiliğinden başlayacağını düşünmesini görmek son derece işlevsiz ve endişe verici," diyor. Bu işlevsizlik yalnızca israfa yol açmıyor, aynı zamanda kuruluşun dönüşüm kapasitesine aktif olarak zarar veriyor.
Yine de kaynak tahsisini doğru yapan orta ölçekli şirketlerin, büyük şirketlere kıyasla yapısal bir avantajı vardır. Daha kısa iletişim hatları, değişikliklerin daha hızlı yayılmasını sağlar. Daha hızlı karar döngüleri, hızlı yinelemeye olanak tanır. Liderlik ile çalışanlar arasındaki daha yakın bağlar, daha sahici bir değişim yönetimine imkân verir. Daha çevik süreç uyarlaması, kuruluş öğrendikçe iş akışlarının gelişmesini sağlar.
Riley şöyle açıklıyor: "Birden fazla teknoloji devreye alma sürecinde müşteri deneyimi operasyonlarını yönetmiş bir COO olarak, yapay zekâya da aynı şekilde yaklaşıyorum: önce insanlar, ardından onları destekleyecek güçlü süreçler ve bunları mümkün kılan teknoloji. İnsan unsuru öncülük ettiğinde, tüm dönüşüm kalıcı olur ve en önemli olan sürdürülebilir sonuçları sağlar."
Yatırım getirisi dönüştürücüdür. Hataları %40 azaltan, odaklanmış yapay zekâ eğitimine ayrılan 300.000 dolar mı? Bu, tek seferlik bir kazanım değildir. İnsanlar daha yetkin hale geldikçe her çeyrekte gelişen bir yetkinliktir. İş akışının yeniden tasarımına ayrılan 200.000 dolar mı? Süreç inovasyonu için bir kas geliştirdiğinizden, bu iyileştirmeler katlanarak büyür.
Kuraldan İlkeye
70-20-10 kuralı, körü körüne izlenecek katı bir formül değildir. Yapay zekâ konusunda hangi şirketlerin gerçekten başarılı olduğunu gözlemlemekten ve dönüşümün bir teknoloji sorunundan çok, öncelikle insanlara ve kuruluşa ilişkin bir zorluk olduğu gerçeğinden türetilmiş bir ilkedir.
Orta ölçekli şirketler için bu ilke, terk etmeyi değil uyarlamayı gerektirir. Altyapı eksikleriniz, bütçenin %20 yerine %25-35'ini gerektirebilir. SaaS yapay zekâ araçlarınız, algoritma maliyetlerini abonelik ücretlerine dâhil ederek %10'u nasıl hesapladığınızı değiştirebilir. Faaliyet gösterdiğiniz sektöre özgü kısıtlamalar ayarlamalar gerektirebilir.
Ancak temel gerçek değişmez: teknolojiye insanlardan daha fazla harcama yapıyorsanız, neredeyse kesinlikle önemli bir değeri masada bırakıyorsunuz.
Riley'nin yaklaşımı pragmatiktir: "2 milyon dolarlık başlangıç bütçesi için yaklaşık %65'ini hedefli eğitim ve değişim yönetimi desteği aracılığıyla insanlara ayırırdım. Yaklaşık %25'i veri erişimi ve temel bulut kurulumu gibi temel unsurlara, yalnızca %10'u ise çoğunlukla özel geliştirmeler yerine güçlü SaaS çözümleri seçmek üzere algoritmalara gitmeli."
Gallardo'nun bakış açısı, çoğu orta ölçekli şirketin karşı karşıya olduğu SaaS gerçekliğini hesaba katıyor: "Evet, modelin kendisine hiç dokunmasanız bile dağılım aynı kalır. Büyük ölçüde kullanıma hazır bir kurulumda: yaklaşık %10 algoritmalara, %20 altyapıya, %70 insanlara ve süreçlere gider. Bütçenizin büyük bölümünü yatırmanız gereken yer burasıdır."
Her ikisinin de paylaştığı içgörü, başarının yalnızca harcanan dolarlarda değil, benimseme oranlarında, çalışanların özgüveninde ve günlük sonuçlarda ortaya çıktığıdır. Satın aldığınız teknoloji, insanların onu etkili bir şekilde kullanmasına yardımcı olmak için yaptıklarınızdan daha az önemlidir.
Yöneticilerin atması gereken adım açıktır: Bu ay kaynak tahsisi denetiminizi gerçekleştirin. Tüm gizli maliyetleri dâhil ettiğinizde algoritmalara, altyapıya ve insanlara gerçekten ne kadar harcadığınızı hesaplayın. Teknoloji, insanlara ayrılan bütçeyi aşıyorsa sorununuzu buldunuz demektir.
Ardından gereğini yapın.
- Bir sonraki aracı devreye almadan önce, değişim yönetiminin gösterişsiz çalışmalarına yatırım yapın.
- Rollere özgü eğitim programları oluşturun.
- Yapay zekâ elçileri belirleyin.
- Yöneticilerinizin benimseme sürecine koçluk yapabilmesini sağlayın.
- Teknolojiyi uygulamaya koymadan önce iş akışlarını yeniden tasarlayın.
- Kısıtlamak yerine olanak sağlayan yönetişim çerçeveleri oluşturun.
Munro'nun uyarısını hatırlayın: "Hasarın başladığı yeri gösteren şey, sıralama ve amaç eksikliğidir. Araçlara geçmeden önce sahipliği, amacı, teşvikleri, iş akışlarını vb. netleştirmeye yönelik 'gösterişsiz' çalışmaları atlamak."
Teknoloji, siz hazır olduğunuzda da orada olacak. İnsanlarınız sonsuza dek beklemeyecek.
