HPE’den Mert Sarıkaya, AI yatırımlarında yapılan en kritik beş hataya dikkat çekti.

HPE Türkiye, Balkanlar, Kafkaslar ve Orta Asya İş Geliştirme ve Dijital Dönüşüm Projeleri Yöneticisi Mert Sarıkaya, yapay zeka yatırımlarının hızla arttığı dönemde kurumların çoğunun çevresel ve operasyonel etkileri yeterince gözetmediğini belirterek sürdürülebilir bir yapay zeka stratejisi için kaçınılması gereken beş temel hataya dikkat çekti.

Sarıkaya’ya göre yapay zekayı çevresel sürdürülebilirlikten bağımsız ele almak, uzun vadede hem işletmelerin maliyet yapısını hem de karbon ayak izini olumsuz etkileyen bir risk alanı yaratıyor. Bu nedenle kurumların model seçimi, altyapı verimliliği, veri yönetimi, insan kaynağı uyumu ve etki ölçümü gibi konulara bütünsel bir yaklaşımla odaklanması kritik önem taşıyor.

1. Basit görevler için büyük modeller kullanmak

Sarıkaya, kurumların çoğunun “en büyük model en iyi sonuç verir” yaklaşımıyla hareket ettiğini, oysa temel sınıflandırma veya içerik çıkarma süreçlerinde küçük ve optimize edilmiş modellerin aynı doğruluk seviyesini çok daha düşük enerji tüketimiyle sunabildiğini belirtiyor. Büyük modellerin 10 ila 100 kat daha fazla enerji harcadığına dikkat çekerek, model seçiminin görev bazlı yapılması gerektiğini vurguluyor.

2. Enerji verimli altyapıyı göz ardı etmek

Modellerin hangi veri merkezinde çalıştığı, karbon emisyonunu doğrudan belirliyor. Sarıkaya, fosil kaynaklı enerji kullanan veri merkezlerinin karbon etkisinin yenilenebilir enerjiyle çalışanlara kıyasla 10 kata kadar çıkabildiğini hatırlatıyor. Niceleme, budama ve bilgi damıtma gibi optimizasyon tekniklerinin uygulanması ise çıkarım süreçlerini ciddi ölçüde verimli hale getiriyor.

3. Veri yönetiminde gereksiz depolama yükü oluşturmak

Veri yaşam döngüsü planlanmadan yapılan depolama uygulamaları, enerji tüketimini büyüten gizli maliyetlere neden oluyor. Sarıkaya’ya göre kurumlar, veri yönetişim politikalarını güçlendirmedikçe hem operasyonel verimsizlik hem de sürdürülebilirlik riskleri büyüyor. Düzenli temizlik, saklama politikaları ve sıkıştırma teknikleri bu yüzden kritik.

4. İnsan kaynağına yatırım yapmamak ve yanlış iletişim

Yapay zeka kullanımının çalışanlarda belirsizlik yaratması, benimseme oranlarını düşürüyor. Sarıkaya bu noktada iletişimin önemine dikkat çekerek yapay zekanın insanın yerine geçen bir güç değil, üretkenliği artıran bir iş ortağı olarak konumlandırılması gerektiğini belirtiyor. Eğitim programlarının eksikliği, teknolojik yatırımların değerini azaltan bir faktör olarak öne çıkıyor.

5. Yapay zekanın sürdürülebilirlik etkisini ölçmemek

Enerji tüketimi, karbon emisyonu, görev başına işlem maliyeti ve üretkenlik kazanımları gibi metrikler düzenli izlenmediğinde optimizasyon mümkün olmuyor. Sarıkaya, sürdürülebilir yapay zeka için ölçüm mekanizmalarının ilk günden itibaren entegrasyonunun zorunlu olduğunu vurguluyor.

Sürdürülebilir yapay zeka stratejisi rekabet avantajı yaratıyor

Sarıkaya’ya göre enerji verimli modeller, doğru veri yönetimi ve insana yatırım süreci; maliyet avantajı sağlıyor, performansı artırıyor ve yapay zeka yatırımlarını geleceğe daha dayanıklı hale getiriyor. Kurumlar hataları erken aşamada bertaraf ettikçe hem çevresel etkilerini azaltıyor hem de yapay zekadan maksimum verimi elde ediyor.

Yapay zekanın finans, bankacılık ve ödeme teknolojilerindeki etkisi büyürken enerji tüketimi, veri yönetimi ve operasyonel verimlilik alanlarında sürdürülebilirlik odaklı stratejiler kritik hale geliyor. Mert Sarıkaya’nın altını çizdiği noktalar, özellikle hiper-otomasyon, sahtekarlık tespiti, müşteri etkileşim platformları ve büyük ölçekli model işleten finans kuruluşları açısından çarpıcı içgörüler sunuyor. Kurumlar model optimizasyonu, veri temizliği ve insan kaynağı uyumluluğu gibi alanlara yatırım yaptıkça hem karbon ayak izini düşüren hem de yapay zeka altyapısının operasyonel maliyetlerini hafifleten bir yapı kuruyor.