Yapay zekâyı iş süreçlerinde değerlendirirken sorulması gerekenler

Yapay zekâ araçları günlük işlerde kullanılabilir hâle geldikçe, “bizim sürecimizde de kullanabilir miyiz?” sorusu hemen her yönetici toplantısında gündeme geliyor. Cevap çoğu zaman “bazı yerlerde evet, bazı yerlerde hayır”. Hangisinin hangisi olduğunu görmek için teknolojiden önce işi ve riski tartmak gerekir.

Bu yazı, bir yapay zekâ uygulamasına yatırım yapmadan ya da bir aracı süreçlerinize eklemeden önce sormanız gereken soruları sıralar. Amaç sizi bu teknolojiden uzaklaştırmak ya da ona yaklaştırmak değil; kararı gerçek ihtiyaca ve ölçülebilir bir hedefe dayandırmanızı sağlamaktır.

Önce problem, sonra araç

“Yapay zekâ kullanalım” bir hedef değil, bir yöntem önerisidir. Başlangıç noktası çözmek istediğiniz somut iş problemi olmalıdır: gelen e-postaların elle sınıflandırılması, uzun belgelerin özetlenmesi, tekrar eden müşteri sorularının yanıtlanması ya da geçmiş verilerden talep tahmini gibi. Problemi netleştirdikten sonra çözümün yapay zekâ gerektirip gerektirmediğine bakın; bazen basit bir kural, bir form düzeni ya da süreç iyileştirmesi aynı sonucu daha ucuza ve daha güvenilir biçimde verir.

1. Bu iş yapay zekâya uygun mu?

Yapay zekâ tabanlı yaklaşımlar genellikle şu özelliklere sahip işlerde anlam kazanır:

• İş tekrarlıdır ve yüksek hacimlidir; küçük bir iyileştirme bile toplamda büyük fark yaratır.
• Girdi metin, görsel ya da büyük veri gibi, kesin kurallarla ifade edilmesi zor bir yapıdadır.
• Hata yapıldığında etkisi sınırlıdır ya da bir insan tarafından kolayca yakalanabilir.
• Sonuç, “tam doğru” yerine “yeterince iyi ve hızlı” olarak değerlendirilebilir.

Buna karşılık yanlışın ağır sonuç doğuracağı, kesin ve açıklanabilir karar gerektiren işler (hukuki sonuç doğuran kararlar, sağlık ya da güvenlikle ilgili durumlar gibi) için çok daha temkinli olmak gerekir. Bu alanlarda yapay zekâ en fazla karar veren kişiye yardımcı bir araç olmalıdır.

2. Veriniz yeterli, temiz ve erişilebilir mi?

Her yapay zekâ uygulamasının kalitesi, beslendiği verinin kalitesine bağlıdır. Verinin nerede durduğunu, ne kadar güncel olduğunu, tutarlı biçimlendirilip biçimlendirilmediğini ve kimin sahip olduğunu bilmeden bir uygulama planlamak risklidir.

• Veri dağınık mı (farklı tablolar, e-postalar, belgeler) yoksa tek bir yerde mi?
• Eksik, yinelenen ya da çelişkili kayıtlar var mı ve bunları temizleyecek kapasite var mı?
• Verinin içinde kişisel veri bulunuyor mu? Bulunuyorsa işleme amacı ve hukuki dayanağı net mi?
• Veriyi bir dış hizmete göndermek, sözleşmeler ve KVKK açısından uygun mu?

Kişisel veri içeren uygulamalarda, teknik ekiple birlikte hukuk danışmanınızın görüşünü almanız gerekir. Bu yazı hukuki tavsiye niteliği taşımaz.

3. İnsan denetimi nerede olacak?

Üretken yapay zekâ araçları yanlış bir cevabı da son derece kendinden emin bir dille verebilir. Bu yüzden “çıktıyı kim, ne zaman, nasıl kontrol edecek?” sorusu tasarımın merkezinde olmalıdır. İnsanın devrede olduğu üç tipik model vardır: sistemin öneri sunup insanın onayladığı, sistemin otomatik işleyip insanın örneklem üzerinden denetlediği ve sistemin yalnızca düşük riskli işleri tamamen otomatik yaptığı modeller.

Hangi modeli seçeceğiniz, hatanın maliyetine göre belirlenir. Önemli olan, bir yanlışın kime ulaşmadan önce yakalanacağını ve sorumluluğun kimde olduğunu önceden netleştirmektir.

4. Gerçek maliyet nedir?

Maliyet yalnızca aracın ücreti değildir. Kullanım hacmine göre değişen işlem maliyetleri, mevcut sistemlerle entegrasyon, verinin hazırlanması, çıktıları denetleyecek insan emeği, izleme ve zaman içinde sonuçların bozulmasına karşı bakım kalemleri bir arada değerlendirilmelidir. Karşılaştırma yapmak için mevcut manuel sürecin maliyetini de ölçün: bugün bu iş kaç saat alıyor, kaç kişi yapıyor ve hata oranı nedir?

5. Güvenlik ve gizlilik

• Hangi veriler uygulamaya veya dış bir hizmete gönderiliyor ve bu veriler nerede saklanıyor?
• Gönderilen verilerin hizmet sağlayıcı tarafından başka amaçlarla kullanılıp kullanılmadığı sözleşmede açık mı?
• Kimler sisteme erişebiliyor ve yapılan işlemler kayıt altına alınıyor mu?
• Hassas bilgilerin (müşteri kayıtları, ticari sırlar) uygulamaya hiç girmemesi için bir kural var mı?
• Kötü niyetli ya da beklenmedik girdilere karşı sistemin davranışı test edildi mi?

6. Başarıyı nasıl ölçeceksiniz?

Başlamadan önce “iyi sonuç”un ne olduğunu tanımlayın. Mevcut sürecin süre, maliyet ve hata değerlerini temel çizgi olarak kaydedin. Ardından uygulamayı, gerçek işi temsil eden ve önceden cevabı bilinen örneklerden oluşan bir test kümesiyle deneyin. Hataları yalnızca sayıyla değil türleriyle de inceleyin: hangi durumlarda yanılıyor, bu yanlışlar ne kadar önemli?

Canlıya geçtikten sonra da ölçüme devam edin. Veri ve kullanım biçimi zamanla değiştiğinden, bugün iyi çalışan bir sistemin altı ay sonra aynı kaliteyi koruduğunu varsaymak doğru olmaz.

7. Küçük bir pilotla başlayın

Büyük bir dönüşüm yerine, sınırlı bir süreçte, sınırlı bir kullanıcı grubuyla ve net bir bitiş tarihiyle bir deneme yapın. Pilotun sonunda şu kararlardan birini verin: devam etmek ve genişletmek, değiştirerek tekrar denemek ya da bırakmak. Bırakmak da meşru bir sonuçtur; küçük bir pilot, bu bilgiyi düşük maliyetle edinmenizi sağlar.

Karar vermeden önce kısa kontrol listesi

1. Çözmek istediğimiz iş problemini bir cümleyle yazabiliyor muyuz?
2. Basit bir kural ya da süreç iyileştirmesi aynı sonucu verebilir mi?
3. Hata yapıldığında etkisi ne ve bunu kim yakalayacak?
4. Verimiz yeterli, temiz ve kullanılabilir mi; kişisel veri varsa gerekli önlemler alındı mı?
5. Toplam maliyeti, mevcut manuel süreçle aynı kalemler üzerinden karşılaştırdık mı?
6. Başarı ölçütlerini ve temel çizgiyi uygulamaya başlamadan önce yazdık mı?
7. Pilotun kapsamı, süresi ve bitiş kararı net mi?

Sonuç

Yapay zekâ, doğru problemde, doğru veriyle ve doğru denetimle kullanıldığında gerçek bir verimlilik sağlayabilir; yanlış yerde ise yalnızca maliyet ve risk yaratır. Süreci, veriyi, insan denetimini ve ölçüm yöntemini baştan sorgulamak, bu teknolojiyi “denemek” ile “değerlendirmek” arasındaki farkı oluşturur. Emin olmadığınız noktada küçük bir pilot, kararınızı abartılı beklentilere değil, kendi verilerinize dayandırmanın en güvenli yoludur.