Harvard Business Review Dijital Dönüşüm Yapay Zeka Kitap Özeti
Yapay Zeka konusunda görev yapan tecrübeli 17 iş insanı ve akademisyenin makalelerinin birleştirildiği “Dijital Dönüşüm Yapay Zeka” adlı eserin özetidir.
Riskler ve Limitler
İkinci makine çağının ikinci dalgası beraberinde yeni riskler de getirecek, daha spesifik konuşmak gerekirse makine öğrenmesi sistemlerinin anlaşılırlık düzeyi düşüktür yani insanlar bu sistemlerin karar verirken nasıl bir mantık süreci yürüttüğünü anlamakta zorluk çeker.
Polanyi paradoksundan kendimizi kurtarmayı başarmış olsak bile bu sefer de bunun farklı bir versiyonu ile karşı karşıya bulunuruz. Çünkü polanyi paradoksunda biz bildiklerimizi aktarmakta eksiklikler yaşıyorken bu sefer makineler bize anlatabileceklerinden daha fazlasını biliyor olacaktır bu da önümüze 3 adet risk çıkarır.
Polanyi Paradoksu: Michael Polanyi’nin ortaya attığı bir paradoks. Buna göre insanlar anlatabildiklerinden fazlasını bilmektedirler. Karmakarışık trafikte beynin işlemleri otomatik yapması, bir insanın yüzünü hemen tanıyabilmemiz buna örnek olarak verilebilir.
- Birincisi, makinelerin tasarımcılarının niyetlerinden kaynaklanmayan ama sisteme eğitmek için sağlanan verilerden edindikleri gizli bir taraflılıkları olabilir, mesela sistem geçmişte insan yetkililerinin ilanlarına başvuranlar arasında görüşmeye kimleri çağırdığını alınan kararlardan oluşan veri setini analiz ederek öğrenebilir ve bu işin kendisine bırakılmasından sonra “Madem geçmişte o nitelikteki adaylar çağrılmış ben de aynı nitelikteki adayları görüşmeye çağırmalıyım” diye özetlenebilecek ırk cinsiyet etnik köken gibi bir nitelikleri ön plana çıkaran bir karara varılabilir. Dahası bu taraf tutma durumu açık bir kural gibi değil de binlerce faktörün arasına incelikle sokuşturulmuş gibi de görünebilir.
- İkincisi, açık mantıksal kurallar temelinde yükselen geleneksel sistemlerin aksine nöral ağ sistemlerinin somut değil istatistiksel gerçeklerle uğraşmasıdır. Bu da sistemi özellikle eğitim verilerinde yer verilmemiş durumlar başta olmak üzere her durumda mutlak bir kesinlikle başa çıkabileceğinin kanıtlanmasını çok zorlaştırmaktadır. Kanıtlanabilirlik noktasındaki eksiklikler nükleer enerji tesislerinin kontrolü veya hayati kararların alınması gibi kritik uygulamalar söz konusu olduğunda ciddi bir kaygı yaratabilir.
- Üçüncüsü, makine öğrenmesi sistemlerinin hata yapması durumunda- ki bu kaçınılmazdır neyin ters gittiğini saptayıp düzeltmenin zorluğudur, ortaya konulan çözüme giden süreç tasavvur edilemeyecek kadar girift ve sistemin eğitildiği koşulların değişmesi halinde üreteceği çözüm de fayda sağlamaktan çok uzak olabilir.
Yapay Zekânın Vadettikleri
Genel maksatlı teknolojiler arasında en önemli olan yapay zekâ ve özellikle de makine öğrenmesidir, makine öğrenmesi sistemleri birçok uygulamada eski algoritmaların yerini almakta olup birçok işi de bizden daha iyi yapar hale gelmiştir.
- Makine öğrenmesi esas olarak daha önce üretilip kullanılmış yazılımlardan farklıdır. Belli bir sonucu üretmek üzere sistemli bir şekilde programlanmış olmayıp örneklere bakarak kendi kendini eğitmektedir.
- Makine öğrenmesinden yararlanmak isteyen kuruluşlar yapay zekâ becerilerinin kullanımının hızla yaygınlaştığını unutmamalıdır. Modern yapay zekâ sistemleri için gereken algoritma ve donanımlar ihtiyaca göre satın alma veya kiralama yoluyla temin edilebilir. Bu kuruluşlar ellerinde kapsamlı bir veri hacim olmadan da makine öğrenmesini verimli bir şekilde kullanmaya başlayabilir.
- Makine öğrenme sistemlerinin anlaşılırlık düzeyi düşüktür, yani insanlar onların kararları alırken nasıl bir mantık izlediğini anlamakta zorlanırlar. Bu da bizi üç riskle karşı karşıya bırakır;
- Makineler gizliden gizliye taraf tutabilirler.
- Makine öğrenme sisteminin kritik durumda çalışabileceğini kanıtlamanın yolu yoktur.
- Makine öğrenme sistemi hata yaparsa problemin belirlenip düzeltilmesi çok zor olabilmektedir.
- İşleri insanlarla makineler arasında bölüştürmeye devam eden şirketler yapay zekanın becerileri ile insanların becerilerini doğru şekilde entegre edebilen rakipleri karşısında geride kalmaya mahkumdur.
Facebook’taki Yapay Zekâ Atölyesi
Facebook’taki uygulamalı makine öğrenmesi ekibinde (AML) yüzlerce eleman günde binlerce deney gerçekleştiriyor. Facebook’un yapay zekayı niçin ve nasıl düzeyde benimseyip kullandığını anlamak algoritmaların geleceğine yatırım yapma niyetinde olan her şirkete katkı sağlayacaktır.
- Şirketinize daha fazla yarar sağlayacak şey teknolojik atılımlar yapmak değil üzerinde çalıştığınız kurumsal meseleleri iyi anlamaktır. Basit ama güvenilir, şirkete katkı sağlayan bir algoritma yeni istatistik modelleri geliştirmekten daha değerlidir.
- Yeni yapay zekâ becerilerinin geliştirilmesi ve kullanıma sokulmasında Facebook 3 boyutlu bir yaklaşımı benimsiyor;
- Mevcut ürünler yapay zekâ desteği ile geliştirilmemişse sonradan üzerine yapay zekâ eklenmesi söz konusu değildir.
- Bilim ve ürün arasında yer alan uzmanlardan kurulu ekip başkalarının bilimini başkalarının üstüne ürününe dönüştüren, her yaptıkları işin yarısında başarısız olan fabrikadır.
- Ürünün kullanıma sunulmasından önceki 3 yıllık süre ARGE ve veri bilimcilerinin oyun sahasıdır.
Yapay zekaya geçmek için beklemeyi tercih eden şirketler treni neden yakalayamayabilir?
Yapay zekâ teknolojisine geçmeyi düşünen birçok şirket biraz bekleyip bir hızlı takipçi yaklaşımı benimseyerek gelişmeleri izlemeyi yeğlemektedir ancak bu sorunlu bir plandır.
- Bir tedarikçi veya danışman tarafından geliştirilmiş sistemler jenerik olarak kullanılmaları halinde şirketinize çok az değer katabilirler. Bu sistemleri şirketinizin durum ve ihtiyaçlarına göre değiştirerek kullanmanız gerekir.
- Sistemler hazır hale getirildikten sonra bile pilot ve prototip yapay zekâ sistemlerinden üretim sistemlerine geçiş zor olabilir. Tam performans alabilmek için bazı kurumsal süreçleri yapay zekâ teknolojisine göre yeni baştan kurgulamanız gerekebilir.
- Yeni yapay zekâ sistemleri onlarla birlikte çalışan insanlar için yeni roller üstlenme ve yeni beceriler edinme gereği yaratır çalışanların yeni süreç ve sistemler konusunda eğitilmesi için de genellikle hatırı sayılır bir zamana ihtiyaç duyulur.
- Hızlı takipçiler gerekli hazırlıkları yapana kadar, erken benimseyip kullanmaya başlayanlar ciddi bir pazar payını zaten kapmış, çok daha büyük maliyetler ve daha yüksek performanslarla çalışmaya başlamış olurlar. Bu yarışta kazanan her şeyi alır ve geç gelenler arasındaki fark hiçbir zaman kapatılamayabilir.
Yapay Zekâ Hakkında 3 Soru
Tüm çalışanlarınız yapay zekanın nerelerde kurumsal verimlilik sağlayabileceğiniz saptayabilir. Ancak bunun için asgari yapay zeka bilgisine sahip olmaları şarttır, ekibinizde yer alan herkesin şu soruları cevaplayabilmesi gerekir;
- Nasıl çalışır? Görevleri yapay zeka sistemleri geliştirmek olmayan ekip üyeleri, en azından yapay zekanın enformasyonu nasıl işlediğini ve sorulara nasıl cevap verdiğini bilmelidir. Yapay zekanın besini olan veri olgusunu iyi kavrayanlar yapay zekanın hangi alanlarda daha başarılı olduğunu da iyi anlar.
- Hangi alanlarda daha başarılı çalışır? Makine öğrenmesi araçları dev boyutlardaki güvenilir veri hacimlerini kullanarak bir problemi çözmek ve insanların onlar için belirlediği bariz parametreler çerçevesinde sorunlara yanıt vermek için programlandıklarında üstün bir performans sergiler. Çalışanlarınıza kurumla ilgili veya ilgisiz öteden beridir yapay zeka altyapısı ile çalışan bizzat kullandıkları araçları göstererek aradaki farkı anlamalarına yardım edin.
- Neyi asla yapmamalıdır? Makine öğrenmesinin sorunları çözebilme becerisinin olması her sorunu çözmesini gerektirmez. Eğer çalışanlar yapay zekanın etik sınırları hakkında bir fikir edinir ve kafa yorarlarsa bu teknolojinin kötüye kullanılmasının önünde önemli bir engel olarak dikileceklerdir.
Şirketinizin Sahip Olduğu Verilerin Gerçekten Yapay Zekâ Çağında Bir Değeri Var mı?
Yaygın kanıya göre elinin altında büyük veri hacimleri bulunan şirketler yapay zekayı ekonomisine geçişte önemli avantajlara sahip olacaktır. Ancak çoğu kurumsal lider ellerindeki verilerin sadece yapay zeka sistemlerini inşa etmeye yarayacağını bu sistemleri çalıştırmakta ve onlar üzerinde yeni bir vizyon elde etmektense işlevlerinin olmayacağını bilir.
- Verileriniz gerçekten işe yarar nitelikte olsalar dahi o değerden yararlanma beceriniz yetersiz kalabilir, rakiplerinizde benzer veri setleri varsa sizin verileriniz onlardan daha iyi kestirimler yapmanızı sağlamayabilir.
- Eksiksiz dört dörtlük eğitilmiş yapay zeka modelleri kurumsal değere sahip kestirimler yapabilmek adına sürekli olarak operasyonel verilerle beslenmelidir. Her gün çok geniş hacimli operasyonel veri üreten büyük şirketler bu nedenle daha avantajlı konumdadır.
- Sadece hem yapay zeka modellerini eğitmek için gerekli verilere hem de kurumsal değer taşıyan kestirimler yapmalarını sağlayacak daimi veri akışlarına sahip olan şirketler yapay zekadan sürdürülebilir bir avantaj elde edebileceklerdir.
İlk Yapay Zekâ Projenizi Nasıl Seçmelisiniz?
Yapay zekâ stratejisi oluştururken atmanız gereken ilk adım iki tane kurumsal nitelikli pilot proje tercihi yapmaktır, bu sayede şirketiniz bir yapay zeka ürünü geliştirmeye giriştiği zaman ihtiyaç duyacağı bilgileri ilk elden edilmiş olacaktır.
- Pilot Yapay Zekâ projesini tasarlamaya başlamadan önce kendimize şu 5 soruyu sormamız gerekir;
- Proje size hızlı bir kazanım sağlayabilecek mi?
- Projenin kapsamı çok dar veya yönetemeyeceğiniz kadar geniş mi?
- Projeniz sektörünüzle ilgili mi?
- Pilot projenizi güvenilir ortaklarla hızlandırıyor musunuz?
- Projeniz değer yaratabiliyor mu?
- Yapay Zeka projesini uygulamaya geçmeden önce liderler tamamlanma süresini ve hedeflenen sonuçları açıkça belirtmeli ekibe mutlaka kullanabileceğim makul bir bütçe ayırmalıdır. Ayrıca yapay zeka ve kurumsal uzmanlık alanları arasında köprü görevi üstlenecek bir ekip lideri seçilmeli yaratılacak kurumsal değeri hesaplamalı teknik fizibilite yapmalı ve küçük bir ekip oluşturulmalıdır.
- Pilot projede dönüm noktasına ulaşıldığında Özellikle de başarılı sonuçlar elde edildiğinde ekibe kurum içinde başarısını duyurma fırsatı sunulmalıdır.
Şirketinizin Algoritmaları Hata Yaparsa Ne Olur?
Yapay zekanın yerine getirmesi gereken görevi bir gün gelip yerine getirmediğine dair sayısız örnekler vardır, yapay zekanın becerileri artıp kullanım alanları çoğaldıkça yol açacağı sorunların sıklığı ve şiddeti de artacaktır.
- Şirketinize Yapay zekâ teknolojisini entegre edeceğiniz gün geldiğinde şu analizi yapmalısınız; Neler ters gidebilir? Ürünümüzden ne yapmasını bekliyoruz? Yapmazsa ne olur? Hasarı hafifletecek bir planımız var mı?
- Yapay zekanın beceriksizliklerinden ötürü oluşabilecek hasarı hafifletmek için şirketler şu önlemleri alabilirler;
- Sisteme kullanıcı tarafından sağlanacak veri girişi kontrol edilebilir sadece doğrulanmış veri girişleri kullanılabilir.
- Algoritmalardaki ırk cinsiyet yaş gibi taraflı davranmaya açık unsurlar denetlenebilir.
- Yazılımın ne şekilde çuvallayacağı dikkatle incelenip olası her senaryo için bir güvenlik mekanizması oluşturulabilir.
- Daha az akıllı bir yedek ürün veya hizmet el altında hazır tutulabilir.
- Bir rezalet yaşanması durumunda medya ile iletişim konusunda yapılacaklar planlanabilir.
Yapay Zekâ İşi Nasıl Değiştirecek?
Şirketler yapay zekanın işi ve toplumu nasıl değiştireceğine dair farklı görüşleri anlamak durumundadır çünkü bu görüşler geleceğin iş gücünün nasıl şekilleneceği üzerinde dolaylı veya doğrudan doğruya etkili olacaktır.
- Bu tartışmanın 5 ana kategorisi bulunmaktadır;
- Distopyan görüş: İnsan ve makine bir Evrim mücadelesine girecek ve insan makineye karşı mücadeleyi kaybedecektir.
- Ütopik görüş: akıllı makineler işleri elimizden almaya devam edecekler ama bunun sonucunda ekonomik daralma değil beklenmedik bir zenginlik doğacaktır.
- Teknolojik iyimserler: Bir üretkenlik patlaması başlamış bulunmakta ancak bu patlama resmi verilere yansımamaktadır.
- Üretkenlik konusunda şüpheci kesim: Akıllı teknolojiler ne kadar gelişmiş olursa olsunlar üretkenlikteki artışları sınırlı kalacaktır.
- Gerçekçi iyimserler: Dijitalleşme ve akıllı makineler geçmiş teknoloji devrimlerininkine eş bir üretkenlik artışı yaratacaktır.
- Yapay zeka çağında şirketlerin gelişmesini isteyen yöneticiler şu hedeflere odaklanmalıdır;
- İnsan becerilerinin geliştirilip operasyon modellerinin yeni baştan tasarlanmasında teknolojinin kullanılması.
- İş tanımları ve organizasyon yapısının yeni baştan tasarlanması.
- Çalışanların akıllı işletmeye geçiş sürecinde ortak olarak konumlandırılması.
İş Birliğine Dayalı Zekâ
Yapay zekâ iş dünyasında köklü bir dönüşümün fitilini ateşledi, yapay zekadan en fazla yararı elde etmenin yolu onu insanların yerine geçirmekten değil onları yapay zekanın üstün yönleri ile güçlendirmekten geçiyor. Şirketler en fazla performans artışını insanlarla akıllı makinelerin iş birliği yaptığı durumlarda elde ediyor.
- İnsanlar makinelerin güçlenmesi için üç temel görev üstlenmek durumunda, makineleri belli görevleri yerine getirecek şekilde eğitmek o görevlerin sonuçlarını açıklamak ve sorumlu biçimde kullanılmalarını sağlamak.
- Yapay zekâ insanların becerilerini geliştirmek için bilişsel gücümüzü üst seviyeleri çıkarmalı. Çalışanlar ve müşterilerle etkileşim içine girerek bize daha sofistike işleri yoğunlaşabileceğimiz fazladan zaman yaratmalı ve becerilerimizi arttırmak için insani beceriler edinmeli.
- Şirketler iş süreçlerini yeniden kurgulamalı, yapay zeka kullanarak daha fazla operasyonel esneklik ve hız kazanmalı daha geniş ölçekte karar verebilmeli ve ürün ve hizmetlerin daha fazla kişiselleştirilmesini sağlamalı Arzu edilen dönüşüm o dönüşümün gerçekleştirilmek için akıllı makinelerle nasıl işbirliği yapılacağı diğer süreçlerle ne gibi hizalanma ve ödünleşmeler içinde olunacağını belirlemekse size kalmış.
Yapay Zekayı Daha Duygusal Hale Getirmenin 3 Yolu
Yapay zekâ yakın bir gelecekte duygularımızı anlamaya yorumlamaya işleyip taklit etmeye başlayacak, duyguları analiz edilen kullanıcıların mahremiyet ve manipüle edilme kaygılarına kapılmaları doğaldır.
- Şirketler bu alana yönelmeden önce şirket liderleri sunacakları değer önerisi ile insani duyguların bir yakınlık içinde olup olmadığını, müşterilerin duygularını analiz etme izni verip vermeyeceklerini, sistem bozulursa müşteri ve markanın karşı karşıya kalacağı riskleri incelemelidir.
- Liderler bu kaygıları dikkate alarak duygusal yapay zekanın günümüzdeki 3 uygulama tarzına dikkatli bir değerlendirmeye tabi tutmalıdır;
- Verecekleri tepkiyi belirlemek için duygusal analizi kullanan sistemler.
- Yeni şeyleri öğrenmek için Hedef gözeterek duygusal analiz Sağlayan sistemler.
- İnsanlar arası etkileşimleri taklit ederek başlayıp sonunda tamamen ortadan kaldıran sistemler.
- Bu konularda başarılı olan şirketler bilişsel zekâ ağırlıklı etkileşimleri bir kenara bırakıp duygusal zeka ağırlıklı deneyimlere yönelecektir Bu da markaların müşterileriyle daha kişisel daha derinlikli ilişkiler kurmasına olanak yaratıyor.
Yapay Zekâ Stratejiyi Nasıl Değiştirecek? Bir Düşünce Deneyi
Yapay zekâ sayesinde kestirim yapmanın maliyeti düşecek isabet oranı ve hızı artacaktır. Kestirimlerin isabet oranı belli bir eşiği altında kurumsal strateji üzerinde bunun ciddi yansımaları olacaktır.
- Stratejistler öncelikle kestirimlerin kendi sektör ve uygulamaları için ne miktarda ve hızda olacağını anlamalıdır, ardından bu kestirimlerin ne gibi stratejik seçenekler yaratacağını anlamaya odaklanmalıdır.
- Kestirimlerin isabet oranının artmasıyla yeni iş modelleri ortaya çıkacak bu da birçok sektörde stratejik oyun sahasını yeni baştan şekillendirecektir. Tüm sektör genelinde iş modellerinin yeni baştan şekillenmesine paralel olarak ilk harekete geçen taraf olma ve farklı tip becerilere yatırım yapma gibi birtakım stratejik kaygılar doğacaktır.
- Örneğin Amazon gibi bir e-ticaret sitesi, müşteriler için kestirim bazlı önce kargola sonra sat modelini hayata geçirebilir ve böylece müşterilere ürünleri sepete koydukları anda kargolama yapabilir. Amazon piyasada bu modeli uygulayan ilk satıcı olmak amacıyla daha henüz kar sağlayacak noktaya getirmeden hemen uygulamaya başlayabilir ve ortaya çıkacak yüklü miktardaki ürün iadelerinin üstesinden gelebilmek için ilave nakliye ve lojistik yatırımları yapabilir.
Yapay Zekanın Geleceğinde Verinin Yeri
Yapay zekâ teknolojisi geliştikçe aşağıdan yukarıya gelecek, büyük veriye bağımlılıkları azalacak ve insanların problem ve görevlere yaklaşımlarında sergilediklerine çok benzer bir yukarıdan aşağıya akıl yürütme yöntemini daha çok kullanmaya başlayacaklar. Bu genel akıl yürütme becerisi yapay zekanın hiç olmadığı kadar kullanımının önünü açacak ve bu da daha önceleri yapay zekaya yer olmadığı düşünülen sektör ve alanlarda bile bu teknolojiyi benimseyip kullanmaya başlayanlar için yeni fırsatlar yaratacak.
- Yakın geçmişe kadar yapay zekâ derin öğrenme ve makine öğrenmesi metotları üzerinden geliştirilen bir teknolojiydi. Sistemler en aşağıdan başlanarak ve çok büyük veri hacimlerinden yararlanılmak suretiyle taş üstüne taş konularak inşa ediliyordu. Veriye doymayan bu nöral ağlarla ilgili ciddi bir takım kısıtlar var, uç senaryolar karşısında becerikli değiller çünkü bu gibi durumlarla ilgili veriler az.
- Yapay zekanın önümüzdeki yıllarda nasıl evrileceğini anlamak yatırım ve testlerini buna göre planlamak isteyen şirketler şu 4 alandaki gelişmeleri dikkatle takip etmelidir.
- Robot muhakemesinde yüksek verimlilik robotlar dünyayı insanlar gibi kavramsal boyutta anlayabildiğinde daha az veri ile eğitimleri mümkün olacak.
- Hazır uzmanlık yüksek belirsizlik karşısında çok az veriye sahip bir insan uzmanı nasıl hareket edeceğini örnek alan yukarıdan aşağıya doğru yapılandırılmış yapay zeka fabrika ekipmanlarının tasarımı ve kontrolü için kullanılan yoğun veri girişine bağımlı yaklaşımlardan daha başarılı olma potansiyeline sahip.
- Mantıksal akıl yürütme yukarıdan aşağıya doğru yapılandırılmış yapay zeka sistemleri makinelerin gündelik hayatta karşılaşılan nesne veya eylemleri anlamalarını doğal bir şekilde iletişim kurmalarını beklenmedik durumların üstesinden gelmelerini ve yaşadıklarından yeni şeyler öğrenmelerini sağlayacak.
- Olasılıkları değerlendirme, insanlar genellikle pek uğraşmadan ve rutin olarak olasılıkları gözden geçirir ve en yüksek olasılığa göre hareket eder ve bunu yaparken çok fazla geçmiş deneyime sahip olmamız da gerekmez bu akıl yürütme yöntemini artık makinelerde öğreniyor.
