AWS’ten Yapay Zekada Yeni Değer Formülü

AWS, “Reimagine: Turning AI Into Value” raporunu yayımladı.

Amazon Web Services, 27 ülke ve 23 sektörden yöneticilerin katılımıyla hazırladığı “Reimagine: Turning AI Into Value” raporunu yayımladı. Araştırmaya göre yapay zekadan en fazla değer üreten kuruluşları diğerlerinden ayıran temel unsur daha fazla teknoloji kullanmaları veya daha yüksek bütçe ayırmaları değil; organizasyon yapılarını, yatırım kararlarını, performans ölçümünü ve çalışan yetkinliklerini yapay zeka çağında yeniden tasarlamaları.

Raporda yöneticilerin üçte ikisi, yapay zekadan değer üretmenin önündeki temel engelin teknolojiden çok organizasyonel tasarım olduğunu belirtiyor. AWS, şirketlerin yapay zeka kullanımını kaç çalışanın aracı kullandığı veya ne kadar zaman kazandığı gibi göstergeler yerine doğrudan iş sonuçları üzerinden değerlendirmesi gerektiğine dikkat çekiyor.

Yapay Zekada Kullanım Yerine Değer Ölçülmeli

AWS raporunun öne çıkardığı başlıklardan biri, şirketlerin yapay zeka yatırımlarını nasıl ölçtüğü.

Rapora göre yalnız kullanıcı sayısı, oturum açma sıklığı, yazılan kod miktarı veya sağlanan zaman tasarrufu gibi benimseme göstergeleri yapay zekanın şirkete kattığı gerçek değeri ortaya koymak için yeterli olmayabiliyor.

Başarılı kuruluşlar yapay zeka projelerine başlamadan önce net başarı eşikleri belirliyor, elde edilen sonuçları bu hedeflerle karşılaştırıyor ve hızlı karar alıyor.

Beklenen sonucu veren projeler ölçeklendirilirken yeterli değer üretmeyen girişimler erken aşamada durduruluyor.

Raporda görüşlerine yer verilen BMW CIO’su Franz Decker da beklenen değerin ortaya çıkmadığı yapay zeka girişimlerini erken aşamada sonlandırdıklarını ve kaynakları başka alanlara yönlendirdiklerini belirtiyor.

Verimliliğin Yanına Kalite Metrikleri Geliyor

AWS, yapay zekanın performansını yalnız verimlilik göstergeleri üzerinden değerlendirmenin de yanıltıcı sonuçlara yol açabileceğine dikkat çekiyor.

Örneğin müşteri destek süreçlerinde daha fazla talebin daha kısa sürede yanıtlanması verimlilik sağlayabilir. Ancak yanıtların kalitesi düşüyorsa ortaya çıkan sonuç şirket açısından beklenen değeri yaratmayabilir.

Benzer biçimde yazılım geliştirmede üretilen kod miktarının artması tek başına başarı göstergesi sayılmıyor.

Rapora göre öncü şirketler bu nedenle verimlilik metriklerini kalite göstergeleriyle birlikte kullanıyor.

Böylece yapay zeka yatırımlarının yalnız aktivite miktarına değil, ortaya çıkan kurumsal sonuca ne kadar katkı sağladığı ölçülebiliyor.

Çok Harcayan Her Zaman Kazanmıyor

Raporun dikkat çeken sonuçlarından biri de yapay zeka bütçeleriyle ilgili.

AWS’in araştırmasına göre yapay zekadan en yüksek değeri elde eden şirketler en fazla para harcayan kuruluşlar olmaktan çok, harcadıkları her birim karşılığında hangi iş sonucunu elde ettiklerini açıklayabilen şirketler olarak öne çıkıyor.

Bunun arkasında yapay zeka maliyetlerinin geleneksel kurumsal yazılımlardan farklı bir yapıya sahip olması bulunuyor.

Sabit lisans modellerinin aksine AI iş yüklerinin maliyeti kullanım yoğunluğu, model seçimi ve işlem hacmine bağlı olarak değişebiliyor. Bu yapı, şirketlerin bütçelerinde beklenmeyen artışlara yol açabiliyor.

AWS’e göre öncü kuruluşlar ayrıntılı maliyet görünürlüğü oluşturuyor, farklı görevleri uygun modeller arasında yönlendiriyor ve finansal sorumluluğu yapay zekadan doğrudan değer elde eden iş birimleriyle ilişkilendiriyor.

AT&T Her Bir Dolardan Beş Doların Üzerinde Dönüş Alıyor

Raporda bu yaklaşıma örnek olarak AT&T gösteriliyor.

Şirketin günde yaklaşık 27 milyar token işlediği belirtilirken, yapay zekaya yaptığı her 1 dolarlık harcamanın karşılığında serbest nakit akışına 5 doların üzerinde katkı sağladığı aktarılıyor.

AT&T’nin yaklaşımında her yapay zeka kullanım senaryosu ölçülebilir bir iş sonucuyla ilişkilendiriliyor.

AWS’e göre birçok şirket açısından temel eksiklerden biri de tam olarak burada ortaya çıkıyor. Yapay zeka kullanımı artmasına rağmen teknoloji harcaması ile ortaya çıkan finansal veya operasyonel sonucun bağlantısı her zaman net biçimde kurulamıyor.

Yapay Zeka Bütçelemeyi de Değiştiriyor

Raporda geleneksel yıllık bütçeleme modellerinin yapay zeka projelerinin büyüme hızına uyum sağlamakta zorlanabileceği belirtiliyor.

Başarılı kullanım senaryoları hızla ölçeklendiğinde ortaya çıkan yeni talep, başlangıçta ayrılan bütçeyi kısa süre içinde aşabiliyor.

Bu nedenle AWS, finansman çevikliğini kurumsal yapay zeka stratejisinin temel unsurlarından biri olarak değerlendiriyor.

Şirketlerin başarılı projeleri hızlı biçimde ölçeklendirebilecek, düşük değer yaratan çalışmalardan kaynakları çekebilecek ve değişken AI maliyetlerini daha yakından takip edebilecek bütçe modellerine ihtiyaç duyduğu ifade ediliyor.

Rekabet Avantajı Şirketlerin Kendi Verisinde

AWS raporunun öne çıkardığı bir diğer konu ise tescilli kurumsal veri.

Temel yapay zeka modellerinin giderek daha geniş bir şirket kitlesi tarafından erişilebilir hale gelmesi, model erişiminin tek başına kalıcı bir rekabet avantajı yaratmasını zorlaştırıyor.

Rapora göre bu noktada şirketlerin kendi iç verileri daha kritik hale geliyor.

Bunun kapsamına yalnız veri tabanlarında veya kurumsal sistemlerde bulunan bilgiler girmiyor. AWS, çalışanların deneyimleriyle oluşan ancak herhangi bir sistemde açık biçimde kayıt altında bulunmayan kurumsal insan bilgisini de değerli bir unsur olarak değerlendiriyor.

Yapay zeka sistemlerinin şirketin kendi verisi ve kurumsal bilgisiyle ne kadar etkili biçimde buluşturulabildiği, şirketler arasındaki farklılaşmanın önemli kaynaklarından biri haline geliyor.

İnsan Yeteneklerinde Öncelikler Değişiyor

Yapay zekanın rutin görevleri giderek daha fazla üstlenmesi, çalışanlardan beklenen becerileri de değiştiriyor.

AWS raporu bu dönüşümde önemini koruyacağını düşündüğü beş insan becerisini şöyle sıralıyor:

• Öğrenme çevikliği
• Problemi doğru çerçeveleme
• Muhakeme
• Sistem düşüncesi
• Merak

Rapor, şirketlerin yalnız kısa vadeli teknik yetkinliklere odaklanmasının yeterli olmayacağına dikkat çekiyor.

Özellikle “prompt engineering” gibi mevcut teknolojik döneme özgü beceriler yerine, farklı teknolojik değişimlere uyum sağlayabilecek daha kalıcı yetkinliklerin geliştirilmesi öneriliyor.

İş süreçlerinde de çalışanların rolünün görevi doğrudan gerçekleştirmekten, AI tarafından gerçekleştirilen işi yönlendirme, değerlendirme ve denetleme yönüne kayması bekleniyor.

AWS 154 Liderle Görüştü

“Reimagine: Turning AI Into Value” raporu yaklaşık bir yıllık araştırmanın sonucunda hazırlandı.

AWS’in eski CIO, CTO, CEO ve CFO’lardan oluşan Executive-in-Residence ekibi, araştırma kapsamında 27 ülke ve 23 sektörden toplam 154 liderle dokuz ay boyunca görüşmeler gerçekleştirdi.

Katılımcılar arasında yapay zekayı ölçekli biçimde kullanan 128 kurumsal yönetici, 23 kıdemli Amazon lideri ve büyük ölçekli teknolojik dönüşümlerin kuruluşlar tarafından nasıl benimsendiği üzerine çalışan üç akademik araştırmacı yer aldı.

Raporun 10 bölümünde finansman çevikliği, tescilli veri avantajı, değişken maliyetlerin tahmini ve iş gücündeki yetenek dönüşümü gibi kurumsal yapay zeka kullanımının farklı boyutları inceleniyor.

AWS ayrıca Amazon’un da söz konusu zorluklardan bağımsız olmadığını vurguluyor. Amazon yöneticileri de araştırmadaki diğer katılımcılarla aynı soruları yanıtlayarak şirket içindeki başarılı ve başarısız uygulama örneklerini rapora taşıdı.

Yapay Zeka Yarışı Model Sayısından Çıkıyor

AWS’in raporundaki en güçlü mesajlardan biri, kurumsal yapay zeka yarışının giderek “hangi modeli kullanıyorsunuz?” sorusundan “bu teknolojiyle hangi ölçülebilir sonucu üretiyorsunuz?” sorusuna kayması.

İlk aşamada şirketlerin odağı yapay zeka araçlarına erişim sağlamak, çalışanlara lisans vermek ve kullanım oranlarını artırmaktı. Yeni aşamada ise bu kullanımın gelir, maliyet, kalite, müşteri deneyimi veya nakit akışı üzerindeki karşılığını göstermek gerekiyor.

AT&T örneği bu nedenle önemli. Yapay zekaya harcanan her doların hangi finansal sonuca dönüştüğünü ölçebilmek, AI bütçesini klasik bir teknoloji harcamasından yönetilebilir bir yatırıma dönüştürüyor.

Raporun insan kaynağı tarafındaki yaklaşımı da aynı dönüşümün diğer yüzünü gösteriyor. Yapay zeka rutin görevleri üstlendikçe değer, işi yalnız gerçekleştiren çalışandan problemi doğru tanımlayan, sonucu sorgulayan, sistemi anlayan ve gerektiğinde AI’ın kararını denetleyebilen çalışana kayıyor.

Kurumsal yapay zekanın önümüzdeki döneminde şirketler arasındaki asıl farkı kullanılan model sayısından çok; veriyi, bütçeyi, insan kaynağını ve performans ölçümünü aynı yönetim sistemi içinde ne kadar iyi bir araya getirebildikleri belirleyecek.