SAS’ın Las Vegas’ta tanıttığı “modelleri ürünleştirmeye” dayanan yeni yaklaşımı için Sherlock Holmes benzetmesini yapmamın nedeni, SAS’ın geliştirdiği modeller ile yaptığı işin belirli endüstrilerdeki sorunları çözmesi yani cinayetleri çözmeye benzemesi.
SAS yöneticileri ile yaptığım görüşmelerin grup röportajı şeklinde olanlarında asıl soru genellikle modellerin eğitilmesi için gereken verinin maliyeti ya da müşteri verisinin güvenliğinin sağlanması oluyordu. Ancak bu soruların konuyla bir ilgisi yoktu. SAS, endüstrinin iç görüsü doğrultusunda kendi modellerini oluşturup bunu müşterisinin verisi ile eğitmesi için sunuyor. Böylece belirli bir ürünü alan bir şirket, bununla genel ya da özel bir sorunu kendi verilerini kullanarak çözüyor. Tıpkı Sherlock Holmes’a derdini anlatan bir mağdurun anlattığı vakanın Holmes tarafından kendi düşünüşü ancak mağdurun verisi ile çözülmesinde olduğu gibi. Attığım başlığın esprisi burada.
SAS, bu çözümleri üretirken müşterilerinin deneyimine odaklanmayı merkeze koyuyor. Etkinlikte bu yaklaşım, AWS’in sponsor olduğu ve SAS CTO’su Bryan Harris’in katıldığı Hot Ones talk şovuyla simgelendi. Chris Schonberger tarafından oluşturulan ve Sean Evans'ın sunuculuğunu yaptığı Hot Ones’tan uyarlanan Hot Tech’te Evans ve Harris, şiddeti sürekli artan acı soslar eşliğinde yapay zekâ sohbeti yaptılar. Bu, ürün geliştirme sürecinin ya da dijital dünyada ihtiyacı karşılayarak başarılı olan çözümlerin versiyonlama özelliğinin alışılmadık bir gösterisi oldu. Harris, bu işe inandığı için süt (bizde acıyı hafifletmek için kullanılan ayrana denk düşüyor) istemezken karşılıklı etkileşim içinde sürecin sonuna kadar ulaşıldı.
Harris’in teknoloji boyutu ile ele aldığı “hafif” ya da konteynerleştirilmiş modeller, gelecekte SAS altyapısı dışında da servis edilmesi planlanan ürünler olarak ortaya koyuluyor. Hibrit bulut üzerinde ya da yerinde kullanılabilecek olan bu ürünler, SAS’ın yapı taşları kullanılarak oluşturulurken müstahsil yapay zekâ (generative AI) da bu oluşturma sürecine dahil edilebiliyor. Bu şekilde var olan ve gelişmekte olan teknolojilerin birlikte kullanılması ile şirketler için daha anlaşılır ve nereye götüreceği öngörülebilir olan bir yapay zekâ çözümü ortaya çıkarılıyor.
Bu yaklaşımın her iki boyutu da önemli: SAS’ın altını kalın bir biçimde çizdiği, işe yönelik yapay zekâ konseptinin değeri bu şeklide oluşuyor. Bir yandan hâlâ iş sorunlarına odaklanılırken diğer yandan yapay zekânın kullanım alanı da netleştirilerek yapılacak yatırımın geri dönüşü daha anlaşılır bir biçimde görülüyor. Bu da çözümlerin kendisinden daha fazla yapılan işin anlaşılırlığına yaptığı katkıya dayanan bir değer zinciri oluşturuyor.
SAS Başkan Yardımcısı Udo Sglavo, müşteriye de dokunan tarafın başındaki kişi olarak bu zincirdeki önemli birisim. Uygulamalı yapay zekâ ve modellemeye yönelik Ar-Ge’nin başında bulunan Sglavo, müşterilerin ihtiyaçlarını anlayıp bunlara yönelik modellerin geliştirilmesi ile ilgileniyor. 3 milyar dolar civarında cirosu bulunan SAS’ın yaklaşık 1 milyar dolarlık yatırımla oluşturduğu yeni sistemin merkezinde yer alan Sglavo’nun işi, sorunları ayrıştırıp modelleri kurmaya dayanıyor.
Sglavo için depo yönetimi, model geliştirilecek alanların bir tanesi olabiliyor. Bunu yaparken dünya genelinde daha büyük ve yakıcı bir sorun olan değişen tedarik zincirleri ve bunların neden olduğu daha büyük sorunlar ise, model tarafının değil SAS’ın diğer çözümlerinin adreslemesi ile çözülmek durumunda. SAS’ın modellerinin konteyner yapısında olmasının ve hafifliğini sağlayan bu bakış açısı. Böylece konteynerleri ardı ardına dizerek çözüm üretmek mümkün oluyor.
Sistemin enerjisini veren ise, yapay zekâ ile ilgili global ürün stratejisinden sorumlu olan Marinella Profi. Veri bilimci olan Profi, işin potansiyelini ve yapılabilecekleri çok iyi görüyor. SAS adına olmasa da kendi adına, sunulan olanakların büyük şirketler açısından olduğu kadar küçük şirketlerin de yapay zekâ kullanarak ezber bozan değişimler yapabileceği büyük bir dönüşüm çağının kapısının açıldığını söylüyor.
Mühendislik yapısında büyük bir değişim yok
SAS’ın, sunduğu analitik becerileri yapay zekâyı da katarak genişletme sürecinde mühendislik tarafında büyük bir değişime gidilmiyor. Bu da 47 yaşındaki startup kimliğindeki SAS’ın çekirdeğindeki gücünü korurken genişleme perspektifinin iyi bir simgesini oluşturuyor. SAS Mühendislik Kıdemli Başkan Yardımcısı Jared Peterson, bütün bu süreçte kendileri ile ilgili önemli bir organizasyonel değişim yaşanmadığını ifade ederken müşteriye dokunan ürün tarafının geri beslemeleri ile çalışmalarını sürdürdüklerini ifade ediyor.
Peterson, yaptıkları işin Sglavo’nun birimine ürünlerini koşturmaları için gereken platformları sağlamak olduğunu söylüyor. Bu alanda büyük bir değişikliğe gidilmemesi, şasede başarılı olan otomotiv firmalarının bunların üzerine istediği formattaki aracı yerleştirebilmesini çağrıştırıyor ve bu önemli bir esneklik ve rekabet gücü sağlıyor.
Ancak 2023’te İş Bankası’nın düzenlediği “Atatürk Vizyonuyla Gelecek Yüzyıla Bakış” adlı uluslararası konferansta bir konuşma yapan MIT Dijital Ekonomi Girişimi’nin Kurucu Ortağı Andrew McAfee’nin sunumu sayesinde gerçek dünyadaki sorunların daha karmaşık olduğunu biliyoruz.
Sistemin sınanacağı nokta teknoloji olmayacak
Şase benzetmesi ile anlattığım platform işini otomotiv sektöründe en iyi çözen şirket, Volkswagen olmuştu. Şaselerini standartlaştıran Volkswagen satın almalarla yarattığı marka zenginliğinde aynı şase üzerine tasarladığı araçları ile ve şasede ölçek ekonomisine geçmesi ile büyük bir devrim yaratmıştı.
Ancak firma, McAfee’nin anlattığı örnekte görüldüğü üzere yeni nesil otomobillerinin yazılım güncellemesi konusunda başarılı olamamıştı. Kablosuz yazılım güncellemeyi başaramayan şirket, yıllarca çözemediği bir sorunla karşı karşıya kalmış ve bu sorun nihayetinde CEO Herbert Diess’in görevine son verilmesi ile sonuçlanmıştı.
SAS’ın modelleri ürünleştirme macerasının en önemli sınamasının da gelişen sorunlar karşısında bu platformun uygun performansla yeni modeller geliştirilmesine el vermesi olacağını görüyorum. Ancak güçlü Alman otomotiv firmasının şase sorununu çözüp rekabet avantajı sağladıktan sonra yazılım güncelleme işinde takılması, sürekli çözülecek yeni problemler olacağını gösteriyor. Bu, ürün olarak modellerin geliştirilmesi sürecinde kritik öneme sahip. Mühendislik tarafının gücü bu noktada belirleyici olacağa benziyor.