Yapay zekâ ve yapay zekânın iş dünyasına yönelik dönüşüm süreçleri
Vittorio Bonori
Bain & Company Uzman Ortağı
EMEA Bölgesi İleri Analitik Grubu
Üretken yapay zekanın hızla yayılması sayesinde yapay zeka, "teknolojik" olmanın da ötesinde "ekonomik" bir sanayi devrimi olan "üçüncü devrini" yaşıyor.
Altı ay öncesine kadar ChatGPT'den neredeyse hiç söz edilmezken, bu yeni üretken teknolojinin insanlar tarafından üretilmişe benzeyen içerikler (metin, görüntü, müzik, kod, vb.) oluşturulmasına imkân sağlayacağını kimse bilmiyordu. Ardından ChatGPT resmi olarak lanse edildi ve sadece iki ay içinde kullanıcı sayısı 100 milyona ulaştı. Aynı kullanıcı sayısına ulaşmanın sosyal medya platformlarından Instagram için 30 ay, TikTok içinse 9 ay sürdüğü düşünüldüğünde, tarihteki en hızlı dijital benimseme yaşandı. Bu yenilikçi teknolojinin kısa sürede bu denli benimsenmesinin ardında kullanımının basit ve sezgisel olması ve anında somut sonuçlar üretmesi yatıyor. Kısacası, üretken yapay zekânın, yapay zekâyı demokratikleştirdiğini söylememiz mümkün.
Aslında, analitik yapay zekâ uzun zamandır var olmasına rağmen, birkaç pilot uygulamayı test ettikten, sonra yapay zeka ve makine öğreniminden tam olarak faydalanmayı başaran sınırlı sayıda şirket bulunuyor. Bu anlamda, üretken yapay zekâ, şirketlerin ve kurumların hâlihazırda çok yavaş olan yapay zeka yol haritalarını hızlandırmalarına yardımcı olabilir. Üretken yapay zekânın, analitik yapay zekâdan ne kadar farklı olduğunu derinlemesine anlamak ve aynı zamanda bu iki teknolojinin olağanüstü faydalar elde etmek için nasıl bir araya getirilebileceğini fark etmek oldukça önemli. Analitik yapay zekâ, verilerdeki kalıpları/yapıları öğrenmek ve bunu yeni verilere uygulamak için makine öğrenimi algoritmalarını kullanarak belirli görevleri çözmeye veya tahminlerde bulunmaya odaklanırken, üretken yapay zekâ yeni ve özgün (başka hiçbir yerde bulunmayan) içerikler üretmeye odaklanıyor. Bunu yapmak için ise kapsamlı veri girdilerini kullanarak verilerdeki örüntüleri/yapıları analiz ediyor.
Kurumsal ortamdaki somut uygulama alanlarını belirlemek amacıyla, üretken yapay zekânın teknik özelliklerine (hangi görevlerin yerine getirilmesini sağladığına) ve ana Temel Modellerin (GPT, LaMDA, PaLM, Claude, Dall-E, Codex, vb.) işlevselliğine odaklanmak önemli. Bu alandaki temel özellikler; karmaşık veri ve belgeleri sentezleme, insan benzeri içerik oluşturma, insan-cihaz etkileşimlerinde dijital deneyimi iyileştirme ve son olarak kurumsal bilgiyi veri odaklı ve gerçek zamanlı bir şekilde yönetme becerisini kapsıyor.
Daha önce de belirtildiği gibi, nispeten yeni olan üretken yapay zekânın uygulamalar açısından gelecekteki evrimini şimdiden tahmin etmek zor. Araştırmalarımıza göre önümüzdeki yıllarda sektörü karakterize eden durum şu üç modelin kombinasyonu olacak: Bulut hizmeti sağlayıcılarıyla yakından bağlantılı, az sayıdaki genel amaçlı ve çok kipli (multi-modal) son teknoloji ürünü ticari modeller; bu teknolojinin arkasında çalışan daha fazla sayıdaki açık kaynaklı ve genel amaçlı modeller; ve son olarak modaliteye özgü (örneğin konuşma, kod) veya alana özgü (örneğin yaşam bilimleri, yasal metinler) ticari modeller.
Bundan sadece 6-7 ay öncesine kadar, platform ve uygulama sağlayıcılarının temel YZ modelleri çok bölünmüş durumdaydı ve her sağlayıcı kendi tekliflerini bağımsız olarak geliştiriyordu. Ortaklıklar da bu kadar yaygın değildi. Bugün en büyük Bulut, Büyük Dil Modelleri (LLM) ve iş uygulaması sağlayıcılarının bile yapay zekâ portföylerini güçlendirmek için ortaklıklar geliştirmeye başladığını görüyoruz. Hızlı bir şekilde yeni bir dijital ekosistem doğuyor. Bu yeni trendin örnekleri her gün ortaya çıkıyor; birkaçından bahsetmek gerekirse Adobe, Firefly'ı tasarlamak için bir temel model sağlayıcısıyla ortaklık kurarken Salesforce, Einstein GPT aracılığıyla CRM teklifini yenilemek için Open AI ile çalıştı.
Şirketlerin üretme-satın alma ikilemini çözmeleri, genel amaçlı bir model kullanarak üretmek ile alana özel bir modele sahip bir satıcıdan almak arasında seçim yapmaları gerekecek. Bu pazar evrimi içinde, model doğruluğu, çıkarım maliyeti ve donanım kapasitesi/optimizasyonu konularındaki rekabet devam edecek. Üretken yapay zekânın sektörler ve değer zincirinin aşamaları üzerinde yaratacağı etkileri düşünmek için henüz çok erken olsa da, mevcut görevlerin %70'inin otomasyona/genişletmeye tabi olabileceği ve iş pozisyonlarının %25'inin yerini tamamen yapay zekânın alabileceği tahmin ediliyor. Araştırmamıza göre, büyük bir dil modeline ve yapay zekâ araçlarına erişim sadece insan görevlerinin yerini almakla kalmayacak, aynı zamanda şirketlerin kalite kaybı yaşamaksızın çalışanların yürüttüğü görevlerin %20'sinin hızlandırmasına yardımcı olacak.
Bu yeni teknolojiyi öncü olarak benimseyen Bain, ana kuruluş modelleri üzerinde geliştirilen derin teknik beceriler sayesinde şirketlere üretim süreçlerine eklenmeye hazır uçtan uca çözümler sunabilmekte. Müşteri şirketlere mimari tasarım aşamasından test ve entegrasyona kadar, ön ve arka uç teknik geliştirme sürecinde yardımcı oluyoruz. Bugün dünya çapında en büyük 500'den fazla şirket ile Üretken Yapay Zeka konusunda açık bir diyaloğumuz bulunuyor ve yeni nesil Chatbot'ları, Bilgi Asistanlarını, Reklam üretim otomasyonu çözümlerini, Akıllı Sanal Asistanları, Kodlama Otomasyonlarını vb. kapsayan 100'den fazla Minimum Uygulanabilir Ürünü (MVP) duyurmuş durumdayız.
Bu yeni teknolojinin benimsenmesinin, sağlam veri gizliliği, veri güvenliği ve telif hakkı yönetimi yöntemleri aracılığıyla yönetilmesi gereken potansiyel riskleri beraberinde getirdiğini kabul etmek önemli. İnancımız sürdürülebilir bir yapay zekayı teşvik etme ve benimseme yönünde ve bu çerçevede Sorumlu/Etik yapay zeka için beş temel ilkeyi benimsiyoruz: Adillik ve Doğruluk, Gizlilik ve Veri Sağlamlığı, Açıklanabilirlik ve Şeffaflık, ESG, Kurallar ve Düzenlemeler.
Temel Modeller, şirketlerin dijital dönüşümlerini hızlandırmaları için fırsatlar sunan, yenilenmiş bir dijital ekosisteme yönelik, güçlü teknolojik hızlandırıcılar veya inkübatörler olarak düşünülebilir.
Üretken yapay zekâya yaklaşmanın tek bir yolu yok ve başlangıç aşamasında birçok farklı benimseme modeli olduğunu görüyoruz. Sahadaki deneyimlerimize göre, etki temelli kullanım durumlarını önceliklendirmeyi "Engine 2 vizyonu" ile birleştiren, güncel durumdan yola çıkıp ilerleyen ve gelecekte neler olabileceğine göre plan yapan programların en iyi stratejik seçenek olduğuna inanıyoruz. H. Ford'un ünlü ifadesiyle, "İnsanlara ne istediklerini sorsaydım, daha hızlı atlar derlerdi". Her işletmenin daha ucuz, daha iyi, daha hızlı bir at geliştirmesi ve aynı zamanda da arabayı hayal etmesi gerekiyor.