İşletmelerde Yapay Zekâya Nereden Başlanır?
İlk yapay zekâ projenizi seçmek için süreç, veri, risk ve maliyeti birlikte değerlendirin. Küçük bir pilotu ölçülebilir bir iş sonucuna dönüştürün.
Markdown Olarak Oku
Bir yapay zekâ projesine model seçerek başlamak cazip görünebilir. Daha doğru başlangıç, ekibinizin zamanını hangi işin aldığını bulmaktır. Her gün farklı araçlardan bilgi toplayıp aynı tabloya yazıyorsanız, müşteriye yanıt vermeden önce birkaç kişiye sormanız gerekiyorsa veya bir sipariş aynı bilgilerle tekrar tekrar açılıyorsa, incelenecek bir süreç vardır.
Kısa yanıt: Sık tekrarlanan, girdisi ve çıktısı belli, hatası kontrol edilebilir bir iş seçin. Önce mevcut durumu ölçün; sonra sınırlı bir pilot kurun. Model, bu işin gerektirdiği araçlardan yalnızca biridir.
Önce Tek Bir İşi Tanımlayın
“Şirkete yapay zekâ entegre edelim” bir yön tarifidir, proje kapsamı değildir. “Gelen toptan sipariş mesajını ürün, adet ve teslimat bilgileriyle taslağa dönüştürelim” ise üzerinde çalışılabilir bir iş tanımıdır.
Bu tanımı yazarken başlangıç olayını, kullanılan bilgiyi, beklenen çıktıyı ve son kararı veren kişiyi belirtin. Bir müşterinin mesaj göndermesiyle başlayan süreç, onaylanmış siparişle bitebilir. Aradaki fiyat kontrolü, eksik bilgi sorusu ve stok doğrulaması da kapsamın parçalarıdır. Bunları atlayıp yalnızca iyi konuşan bir asistan kurmak, işin asıl yükünü ekipte bırakır.
Pilot için bütün departmanı değil, tek bir akışı seçmek genellikle daha yönetilebilirdir. Sınırları belli bir işte hem faydayı hem hatayı görmek kolaylaşır.
Yapay Zekâ Gerektiren Adımı Ayırın
Her otomasyon problemi bir dil modeli gerektirmez. Sabit bir vergi hesabı, net bir fiyat kuralı veya belirli bir durum kodunun eşleştirilmesi klasik yazılımla daha tutarlı çözülebilir. Serbest yazılmış bir talebin anlaşılması, belge içinden anlam çıkarılması veya görüşmenin özetlenmesi ise yapay zekânın değerlendirilebileceği alanlardır.
İyi bir sistem bu iki yaklaşımı birlikte kullanır. Model talebi yorumlar; ürünün fiyatı kayıtlı sistemden gelir. Model bir yanıt taslağı hazırlar; ödeme iadesi için iş kuralı ve gerekiyorsa insan onayı uygulanır. Böylece model, bilmediği bir ticari bilgiyi üretmek zorunda kalmaz.
Amaç bütün kararları yapay zekâya vermek değil, insanların tekrar eden iş yükünü azaltırken kontrolü korumaktır.
Veri Hazırlığını Ertelemeyin
Pilot öncesinde hangi bilginin nerede tutulduğunu çıkarın. Ürün açıklaması bir tabloda, fiyat başka bir sistemde, müşteri notu kişisel mesajlarda duruyorsa model seçimi bu dağınıklığı tek başına çözmez.
Her veri grubu için bir kaynak ve sorumlu belirleyin. Güncelliğini yitirmiş belgeleri ayırın; erişim izinlerini kontrol edin. Asistanın bir bilgiyi okuyabilmesiyle o bilgiyi değiştirebilmesi aynı yetki değildir. Bu ayrım teknik tasarımda açıkça yer almalıdır.
Müşteri verisi kullanılan projelerde ihtiyaç duyulmayan alanları toplamamak, saklama süresini belirlemek ve erişimi görevle sınırlamak iyi bir başlangıçtır. Kişisel veri ve iletişim izinlerine ilişkin hukuki değerlendirme ise işletmenin faaliyetlerine ve kullandığı hizmetlere göre ayrıca yapılmalıdır.
Başarıyı Kurulumdan Önce Tarif Edin
“Daha akıllı çalışıyor” değerlendirmesini tek başına ölçemezsiniz. Başlangıçta küçük bir ölçüm seti belirleyin:
| Ölçüm | Ne Anlatır? |
|---|---|
| İşlem başına harcanan süre | Ekibin aynı işi tamamlamak için ayırdığı zaman |
| Düzeltme gerektiren işlem oranı | Hızın kalite kaybıyla elde edilip edilmediği |
| İnsana aktarılan işlem sayısı | Otomasyonun kapsamı ve sınırları |
| Tamamlanan iş başına maliyet | Model, altyapı ve insan kontrolünün birlikte maliyeti |
Aynı işi pilot öncesi ve pilot sırasında benzer koşullarda değerlendirin. Yalnızca modelin yanıt süresini değil, sürecin tamamını ölçün. Hızlı üretilen ama tekrar kontrol edilmesi gereken bir çıktı, beklenen faydayı sağlamayabilir.
Pilotun Sınırlarını Baştan Koyun
İlk sürümün hangi işlemleri yapamayacağını da yazın. Örneğin asistan sipariş taslağı oluşturabilir ancak fiyat değiştiremez; müşteriye bilgi verebilir ancak iade başlatamaz. Eksik stok bilgisi, çelişen talimat ve belirsiz müşteri kaydı gibi durumlar için durma veya insana aktarma yolları tanımlayın.
NIST’in AI Risk Management Framework yaklaşımı, güvenilirlik ve risk değerlendirmesini yapay zekâ sistemlerinin tasarımından kullanımına kadar ele alır. Bu gönüllü çerçeve, bir ürün sertifikası veya işletmenize özel mevzuat incelemesinin yerine geçmez; sorulması gereken soruları düzenlemek için yararlı bir kaynaktır.
Çalışan Pilotu Nasıl Genişletirsiniz?
Pilotun sonuçlarını ekipte işi gerçekten yapan kişilerle değerlendirin. Hangi önerileri düzelttiklerini, hangi bilgiyi hâlâ başka bir yerde aradıklarını ve hangi istisnaların sık tekrarlandığını sorun. Sonraki geliştirme, çoğu zaman yeni bir modelden önce daha iyi veri veya daha açık bir iş kuralıdır.
Bu temel oturduğunda komşu akışları ekleyebilirsiniz. Mesajdan sipariş taslağı oluşturmakla başlayan bir proje, WhatsApp müşteri iletişimine ve ardından CRM kayıtlarının birleştirilmesine bağlanabilir.
Niwera’nın çalışmalarını bu gözle inceleyebilirsiniz: Hangi araç kullanılmış sorusundan önce, hangi işin nasıl tamamlandığına bakın.
Pilotunuzu dışarıdan bir ekiple kuracaksanız, marka sıralamasından önce kapsamı, veri sorumluluklarını, insan onayını ve çıkış koşullarını karşılaştırın. Yapay zekâ firması seçme rehberi teklifleri aynı ölçütlerle değerlendirmenize yardımcı olur. Sorununuz esas olarak sistemler arasında iş akışı kurmaksa iş süreci otomasyonu firması seçim rehberini kullanın.
Kaynaklar
Bu yazı genel bir uygulama rehberidir. Örnek iş akışları açıklama amacı taşır; belirli bir verimlilik veya maliyet sonucu vaat etmez.
