Yaklaşık üç yıldır, Üretken Yapay Zeka (GenAI), dünya çapındaki işletmelerin hayal gücünü yakalayarak dönüşüm vaat ediyor müşteri deneyimleriartırmak üretkenlik ve yeni gelir akışlarının kilidini açın.
Ancak bugün birçok büyük kuruluş kendilerini bu reklamın ardındaki gerçeklikle boğuşurken buluyor. Pazar araştırması ve danışmanlık firmaları, firmalar GenAI’nin gerçek potansiyelini ve sınırlamalarını kavramaya başladıkça, Hayal Kırıklığı Çukuru aşamasına kesin bir şekilde yerleştirdiler.
HCLTech’te Yönetici Başkan Yardımcısı.
Sektör genelinde yatırımlar devam ediyor ancak birçok şirket yavaş ve ölçülebilir getirilerden dolayı hayal kırıklığına uğruyor. Bu kritik aşamada kıdemli işletme ve teknoloji liderleri soruyor: Gerçek iş değeri sağlamak ve Gartner’ın 2025 yılına kadar terk edileceğini öngördüğü GenAI projelerinin %30’unun parçası olmaktan kaçınmak için GenAI’nin kullanıma sunulmasını ve ölçeklendirilmesini nasıl yönetebiliriz?
İşletmeler GenAI’yi ölçeklendirmede ne gibi zorluklarla karşılaşıyor?
GenAI’yi benimsemek için yarışan büyük şirketler, zayıf olanlar da dahil olmak üzere bir dizi pratik zorlukla karşılaşıyor veri kalite, yetersiz risk kontrolleri, artan maliyetler ve belirsiz iş değeri, projelerin üretime ulaşmadan raydan çıkmasına neden oluyor.
En büyük engel, yatırım ile anında getiri arasındaki uyumsuzluktur. Bir diğer önemli zorluk ise organizasyonel hazırlıktır. Pek çok kuruluş, GenAI’yi geniş ölçekte destekleyecek veri temeli ve yapay zeka okuryazarlığından yoksundur.
Düşük olgunluğa sahip kuruluşlar doğru kullanım örneklerini belirlemekte ve gerçekçi olmayan beklentiler taşımakta zorlanırken, daha olgun şirketler yetenek boşluklarıyla karşı karşıyadır ve ekipler arasında GenAI okuryazarlığını aşılama ihtiyacı duymaktadır. GenAI sistemleri de diğer sistemler gibi olduğundan, veri kalitesinin sağlanması da kalıcı bir zorluktur. yapay zeka model yalnızca üzerinde eğitim aldığı veriler kadar iyidir.
Yetersiz veriler güvenilmez çıktılara yol açar. Yönetişim ve risk kontrolleri sıklıkla arayı kapatıyor; ilk benimseyenler model halüsinasyonları, önyargılar ve ileriye dönük, yasal olarak bağlayıcı AB Yapay Zeka Yasası gibi yeni ortaya çıkan mevzuat uyumluluğunun karşılanması gibi sorunlarla karşı karşıya kalıyor.
Tüm bu zorluklar, GenAI’nın benimsenmesinin yalnızca bir teknoloji sorunu olmadığını, aynı zamanda bir insan ve süreç sorunu olduğunu da vurguluyor. Silolanmış inovasyon çabaları, işlevler arası katılım olmadan bocalıyor ve iş ihtiyaçlarının izolasyonu altında yürütülen projeler, net iş sonuçları sağlayamama riskiyle karşı karşıya kalıyor.
Kuruluşlar GenAI proje başarısızlıklarını nasıl önleyebilir ve değeri nasıl artırabilir?
GenAI girişimlerini pilot aşamadan üretim aşamasına geçirmek için işletmelerin en başından itibaren stratejik, değer odaklı bir yaklaşım benimsemesi gerekiyor. İlk olarak, net bir iş gerekçesi ve başarı ölçütleri oluşturmak çok önemlidir.
Şirketler yapay zekayı kendi yararına dağıtmak yerine, GenAI’nin gerçek bir sorunu çözebileceği veya müşteri hizmetleri bekleme sürelerini azaltmak veya maliyetli manuel süreçleri otomatikleştirmek gibi ölçülebilir iyileştirmelerin kilidini açabileceği yüksek etkili kullanım senaryolarını belirleyerek başlamalıdır.
Aynı zamanda kuruluşlar, bilinçli yatırım kararları verebilmek için girişimin toplam maliyetlerini ve potansiyel iş değerini önceden titizlikle analiz etmelidir.
Bir diğer en iyi uygulama ise güçlü işlevler arası etkileşimi teşvik etmektir. işbirliği ilk günden itibaren. Başarılı GenAI programları BT, veri bilimi, iş birimleri ve risk yönetimi arasındaki siloları ortadan kaldırır.
Bu işlevler arası yaklaşım, teknik ekiplerin iş bağlamını ve değer faktörlerini anlamasını sağlarken, iş paydaşlarının da yapay zeka yetenekleri ve sınırlamaları hakkında bilgi sahibi olmasını sağlar. Ekipler arasında işbirliğini teşvik etmek, her düzeydeki kişilerin bilinçli kararlar almasına ve birlikte inovasyonu teşvik etmesine olanak tanır.
Yaklaşımlardan biri, girişimi savunabilecek, kurumsal stratejiyle uyumlu hale getirebilecek ve etik ve uyumluluk hususlarını izleyebilecek, birden fazla departmandan temsilcilerden oluşan bir “Yapay Zeka Konseyi” veya benzer bir yönetim organı oluşturmaktır.
Aynı derecede hayati olan, kültürel ve değişim yönlerini yönetmektir. GenAI sıklıkla işleri ve süreçleri artırır veya yeniden tanımlar, bu nedenle kuruluşların iş gücünü hazırlaması gerekir. Bu, yardımcı olacak becerilerin geliştirilmesi ve değişim yönetimi anlamına gelir çalışanlar AI araçlarına güvenin ve etkili bir şekilde kullanın.
İlk benimseyenlerden bazıları, son kullanıcıları içeren pilot projelerle başlamayı ve geri bildirime dayalı olarak yinelemeyi faydalı buldu; Küçük kazançlar göstermek ivme kazanmaya ve kabul görmeye yardımcı olur. Yüksek beklentilerin olduğu mevcut ortamda, gerçekçi kilometre taşları belirlemek ve artan ilerlemeyi kutlamak, hayal kırıklığını önleyebilir.
Her ne kadar bu abartılı reklam anında değer vaat ediyor olsa da pratikte GenAI başarısı, iyi uygulanan, değer odaklı bir dizi adımdan gelir.
GenAI’ın geniş ölçekte başarılı bir şekilde kullanıma sunulmasına hangi çerçeve rehberlik edebilir?
GenAI’nin büyük bir kuruluşta kullanıma sunulması yapı gerektirir. Şirketler, çok disiplinli ekiplerin güvenlik veya sorumluluktan ödün vermeden çevik kalmasını sağlayarak yapay zekayı fikir aşamasından endüstriyel etki aşamasına taşıyabilecek bir işletim modeline ihtiyaç duyuyor.
Birçok kuruluş, yapay zeka çalışmalarını iş sonuçlarına bağlamak için ürüne uygun işletim modelleri de kullanıyor.
Yapay zeka dağıtımlarını yönlendirmenin etkili bir yolu, pilot uygulamadan üretime kadar üç adımlı bir çerçeve uygulamaktır.
İlk aşama olan Keşif ve Temel Belirleme, işletmenin hazırlık durumunu ve fırsatlarını anlamaya odaklanır. Bu, mevcut veri ortamının, teknoloji yığınının ve yapay zeka olgunluğunun değerlendirilmesini ve aynı zamanda iş liderleriyle yapılan çalıştaylar aracılığıyla öncelikli kullanım durumlarının belirlenmesini içerir.
Amaç, sorunu tanımlamak, başarı kriterlerini uyumlaştırmak ve paydaşlar arasında ortak bir anlayış oluşturmaktır.
İkinci aşama olan Kalıplama ve Tasarım, çözümü oluşturmanın ağır yükünü kapsar. Burada kuruluşlar doğru araçları ve modelleri seçer ve çözümü ölçeklenebilirlik, güvenlik ve yönetişimi göz önünde bulundurarak tasarlar.
Kurulumu içerir bulut veya şirket içi altyapı ve GenAI modelinin iş iş akışlarına entegre edilmesi. Tasarım aynı zamanda kullanıcı deneyimini de kapsar. Örneğin, GenAI destekli bir asistanın bir çalışanın günlük araçlarına nasıl entegre olduğu.
Son aşama olan ROI ve Ölçeklendirme, değerin kanıtlanması ve ardından neyin işe yaradığının ölçeğinin büyütülmesiyle ilgilidir. Bu aşamada GenAI çözümü, genellikle sınırlı bir kapsam veya kullanıcı grubuyla başlayarak gerçek dünya ortamında devreye alınır ve keşif aşamasında oluşturulan KPI’lara göre yakından ölçülür.
Sonuçlar hedefleri karşılarsa veya aşarsa kuruluş, yapay zekanın kullanımını güvenle genişletebilir ve onu bir yetenek olarak kurumsallaştırmaya başlayabilir. Bu aşamadaki odak noktası aynı zamanda benimseme ve kurumsal değişim yönetimidir.
Sorumlu yapay zeka, GenAI’yi ölçeklendirmenin her üç aşamasına da yerleştirilmelidir. Keşifte kullanım amacını ve korkulukları önceden tanımlayın, veri kaynağını ve kalitesini değerlendirin ve iş KPI’larının yanı sıra ölçülebilir sorumluluk ölçütleri belirleyin.
Tasarımda, politika uygulama ve erişim kontrollerinin dahil edilmesi ve önyargı ve güvenlik testlerinin uygulanması da dahil olmak üzere sistemi bu standartlara göre tasarlayın. Ölçeklendirme ve benimsemede, yüksek riskli adımlar için döngüdeki insan gözetimini, sürekli izleme ve olaylara müdahaleyi, denetim izlerini ve modelin düzenli olarak yeniden değerlendirilmesini dahil edin.
İşletmeler GenAI ile başarıyı nerede görüyor?
Doğru yaklaşımın izlenmesiyle GenAI etkileyici sonuçlar sunabilir. Örneğin, bankacılık sektöründe bir Avustralya Bankası, geleneksel olarak zaman alıcı ve manuel bir çaba olan yazılım test sürecine GenAI’yi uyguladı.
Banka, GenAI’dan yararlanarak test yaşam döngüsünü önemli ölçüde hızlandırabildi ve yazılım kalitesini geliştirerek daha işbirlikçi ve uyarlanabilir bir test kültürünü teşvik etti. Uygulamada bu, yeni özelliklerin müşterilere daha hızlı sunulması ve bu sürümlere daha fazla güven duyulması anlamına geliyordu.
Başka bir örnek, Kuzey Amerika’daki bir ilaç şirketinin uyumluluk ve denetim süreçlerini yeniden tasarlamak için GenAI’yı kullandığı ilaç endüstrisinden geliyor. Şirketin mevcut kural tabanlı belge denetim sistemi maliyetliydi ve kullanıcı dostu değildi, bu nedenle bir GenAI çözümünü entegre etmek için bir ortakla çalıştılar.
Sonuç olarak, mevzuatı gözden geçirebilecek yapay zeka destekli bir asistan ortaya çıktı. belgeler ve potansiyel kalite boşluklarını %95’in üzerinde doğrulukla belirlerken, manuel belge geliştirme çabalarını %65 azaltır ve okunabilirlik puanlarını %50 artırır.
Kısa mesafe koşusu değil maraton
GenAI’yi büyük işletmelerde kullanıma sunma yolculuğu bir kısa mesafe koşusu değil, bir maratondur. Pek çok kuruluş şu anda, ilk denemelerin vaat edilen yatırım getirisini henüz sağlamadığı bir hayal kırıklığı çukuruna giriyor. Ancak işletmelerin yapay zeka stratejilerini abartıdan gerçeğe dönüştürecek şekilde yeniden düşünmesi nedeniyle bu aşama hayatta kalabilir.
Şirketler, veri kalitesini doğrudan ele alarak, organizasyonel hazırlığa yatırım yaparak ve BT ile iş alanları arasında işbirliğini teşvik ederek, yaygın başarısızlık noktalarından kaçınabilir. En önemlisi, kuruluşlar ürün odaklı işletim modellerine yönelerek ve gerçekçi beklentiler belirleyerek önemli değerlerin kilidini açabilirler.
Ancak bunu geniş ölçekte başarmak, dikkatli ve Sorumlu Yapay Zeka, yönetişim, yineleme ve iş sonuçlarına sürekli odaklanmayı gerektirir. Yapay zeka dağıtımını bütünsel bir dönüşüm olarak ele alan, teknolojiyi insanlarla, süreçle ve amaçla uyumlu hale getiren kuruluşlar, halihazırda ilk yapay zeka yatırımlarını sürdürülebilir yatırım getirisine dönüştüren kuruluşlardır.
En iyi iş zekası platformunu öne çıkardık.
Bu makale, günümüz teknoloji endüstrisindeki en iyi ve en parlak beyinleri öne çıkardığımız TechRadarPro’nun Expert Insights kanalının bir parçası olarak üretildi. Burada ifade edilen görüşler yazara aittir ve mutlaka TechRadarPro veya Future plc’ye ait değildir. Katkıda bulunmak istiyorsanız buradan daha fazla bilgi edinin: https://www.techradar.com/news/submit-your-story-to-techradar-pro