Menu

Yapay Zekanın Çözmeye Yardımcı Olabileceği Yedi Kurumsal Zahmet

Yapay zekanın başlangıcı için 1950’lere kadar gitmek mümkün. O vakitten bugüne kadar geçen uzun vakitte da yapay zeka daima gelişti lakin telefon, mesken bilişimi ve internet üzere teknolojilerle kıyaslandığında gelişim suratı biraz daha geride kaldı …

admin 2 ayönce 0

Yapay zekanın başlangıcı için 1950’lere kadar gitmek mümkün. O vakitten bugüne kadar geçen uzun vakitte da yapay zeka daima gelişti lakin telefon, mesken bilişimi ve internet üzere teknolojilerle kıyaslandığında gelişim suratı biraz daha geride kaldı.

Herkesin yapay zekaya erişebildiği bu periyotta teknoloji kesimi de yeni bir çağa adım atıyor. Bu çağda yapay zekanın daha az ile daha fazlasını yapmamıza nasıl yardımcı olabileceğini sormamız gerekiyor. Yazı yazma, imaj oluşturma ve müzik üretimi üzere pek çok günlük işte yapay zekanın kullanılması, topluluk şuuru açısından değerli bir devri beraberinde getiriyor.

Şirketlerle gerçekleştirdiğim görüşmelerde onları yapay zeka heyecanının ötesine bakmaya ve öteki bir teknoloji üzere yaklaşmaya, öteki bir deyişle sorunları çözmeye ve fırsatları değerlendirmeye yardımcı olacak bir araç üzere değerlendirmeye teşvik ediyorum. Bulut bilişimin ölçeklendirme zahmetlerine, blokzincirin de merkezileştirilme problemlerine tahlil getirdiği ve dijital pazarlama yazılımlarının pazarlama bütçelerinin daha verimli harcanmasını sağladığı üzere şirketlerin yapay zekayı da oluşturacağı sonuçlara nazaran kıymetlendirilmesi gerekiyor.

Peki bu zahmetler ve fırsatlar tam olarak nedir? Red Sınır olarak yapay zekaya dair sohbetleri şirketlerin aşağıda sıraladığım yedi gerçekliği etrafında gerçekleştirmeye başladık.

  1. Verimliliğe karşı inovasyon: operasyonel verimlilik arayışında şirketler çoklukla kendilerini daha az ile daha fazlasını elde etme dileği içinde bulabiliyor. Hudutlu takımların çıktısını en yüksek düzeye çıkartmak için bilgi eksikliği gidermek, yeni marifetler oluşturmak ve yüksek maliyet gerektirmeyen inovasyonlar için gereken şartları oluşturmak üzere formüller tercih edilebiliyor.
  2. Karmaşıklığı yönetmek: Yazılım inovasyonunun durmak bilmeyen ilerleyişi, sonsuz bir potansiyele işaret ediyor fakat kimi değerli karmaşıklıkları da beraberinde getiriyor. Yeni olan her sistem ve entegrasyon güvenlik tehditleri, hizmetlerin aksaması ve talepte anlık artış üzere risklerle birlikte geliyor. Hibrit bulut bilişimin popülerliği de bu yükü artırıyor. Olay görüntüleme sistemleri bir düzeye kadar denetim imkanı sağlasa da BT grupları ekosistemin genişleme suratındaki ve datanın hacmindeki büyük artıştan kısa müddette etkilenebilir.
  3. Otomasyona imkan tanımak: Otomasyon, birinci iki gerçeklikle irtibatlı olarak değerli bir öncelik haline geldi. Otomasyon ile çalışanlar sıradan aktiviteler yerine daha yüksek bedele sahip işlere yönlendirilebiliyor. Lakin otomasyon ile neleri, hangi araçlarla otomatikleştirmek gerek ve çalıştığına nasıl güvenebiliriz üzere soruları da sormak gerekiyor.
  4. Talebi karşılamak için ölçeklenmek: Sınırlı kaynaklarla çalışmak, BT takımlarının karşılaştığı problemlerden yalnızca bir tanesi. Uygulamalara ve hizmetlere yönelik artan talebi karşılamak için hudutlu kaynaklarla çalışırken operasyonlarını ölçeklendirmekle de vazifeliler. Hem DevOps’a hem de tam teşekküllü üretim ortamlarına olan talebi karşılamak için sırf bu imkanı sağlamak değil, tıpkı vakitte bu imkanı sağladıktan sonra olanları nasıl yönettiğiniz de çok kıymetli.
  5. Sınır bilişim alanlarına bağlanmak: Yukarıdaki hususlar BT takımları için gereğince büyük zahmetler değilse hudut bilişim, hayatları daha da güç hale getirmek için burada. Data merkezleri artık bilgi işlemek için tek bir alan değil. Hudut bilişim, bilişim süreçlerini gerçekleştirmek için farklı bir ‘nokta’ olmanın ötesinde külliyen öteki bir yaklaşım gerektiriyor. Zahmetin merkezinde ise data sürece, erişilebilirlik ve güvenlik standartlarının çeşitlilik sağlayacak formda tasarlanmış hudut bilişim altyapılarına ve makinelere nasıl uygulanacağı konusundaki bilmece yatıyor.
  6. İnovasyonu güvenlikle dengelemek: Serbest inovasyonun güvenlik riski varken sıkı bir güvenlik yapısı da istekleri baskılıyor ve yaratıcılık için gerekenleri ortadan kaldırıyor. Şirketlerin de bu iki uç örnekteki en uygun noktayı bulması ve operasyonlarını ve kültürlerini de buna uyacak biçimde düzenlemesi gerekiyor. Yazılım tedarik akışına güvenlik imkanlarının ve protokollerinin yerleştirilmesi, iki taraftan birinin geride kalmasını engelliyor ve bunun yerine iki alanı birbirini tamamlayan özellikler haline getiriyor. Ayrıyeten geliştiricilerin de yaptıkları işin güvenliğini düşünmesi gerekmiyor.
  7. Sürdürülebilirlik için planlamalar: Devletler, paydaşlar, müşteriler ve çalışanlar şirketlerin sürdürülebilirlik sorumluluklarıyla daha evvel hiç olmadığı kadar çok ilgilenmesini istiyor. Lakin bu da BT grupları için karışık bildiriler manasına geliyor zira bir yandan daha fazlasını yapmaları gerekiyor lakin birebir vakitte da güçten tasarruf etmeleri lazım. Bu alanda fark yaratan nokta da sürdürülebilirlik öngörülerini takip etme, raporlama ve daha sürdürülebilir uygulamaları teşvik etmek için çalışma modellerini uyarlama yeteneği oluyor.

Yapay zeka, şirketlere bu zahmetleri gidermekte yardımcı olabilecek çok istikametli bir araç. Her ne kadar yapay zeka üstte sıraladığım yedi bahse dayanak olabilse de tek başına kâfi değil. Her başlığın asıl kapalı silahı aslında beşerler. Problemleri ve tahlillerini belirleyebilecek, önceliklendirebilecek, mühendisliğini yapabilecek ve değerlendirebilecek beşerler olmadan en uygun ihtimalle yapay zeka hiçbir tesir yaratamaz, en makûs ihtimalde ise olumsuz sonuçlara neden olur.

Yöneticileri ekseriyetle düşünmeye yönlendirdiğim en kıymetli bahis da yapay zekanın üzerine eğitildiği data kadar uygun olması oluyor. Bilginin hacmi burada bir kriter olmamalı. Kıymetli olan datanın odağı, yani “eğitim için kullanılan bilgiler şirket ile ne kadar alakalı?” sorusunun yanıtı.

Bunu insanların yaptığı işleri yapan ancak insanı taklit etmeye odaklanmayan yapay zeka, yani alana mahsus yapay zeka (domain-specific AI) olarak isimlendiriyoruz. Bu yapay zeka, teknolojinin gelişiminde değerli bir tesir yaratıyor. Bir yapay zeka uygulaması özel ve maksatlı data ile eğitildiğinde ve belli şirketin ve bölümün standartlarına ve prosedürlerine nazaran özelleştirildiğinde, nitekim eşsiz ve farklılaşmış hizmetler sunma yeteneği artıyor.

Açık kaynak ise alana has yapay zeka tahlillerinin geliştirilmesi için açık orta en güzel seçenek olarak öne çıkıyor. Zira açık yazılımlar, daha geniş bir fikir alışverişinden ve daha fazla tecrübeli uzmanların birlikte çalışmasıyla güçleniyor. Geldiğimiz noktada neredeyse tüm kurumsal yapay zeka aracı aslında açık kaynak teknolojisinin bir örneği (Evet, ChatGPT de dahil!). Kurumsal başkanların başını en çok karıştıran ve endişelendiren hususun ‘açık kaynak’ konseptine yönelik yanlış anlaşılmalar olduğunu düşünüyorum. Açık kaynak aslında yazılımın (bu durumda yapay zeka uygulamasının) herkesin görebileceği ve paylaşabileceği açık ve erişilebilir kod tabanıdır. Üzerinde eğitim aldığı ve ürettiği datalar ise ne kadar isterseniz o kadar bâtın olabilir.

Konuyu toparlamak gerekirse, yapay zekanın gerçek gücü algoritmalarında değil; insanların içgörüleriyle, beşerlerle birlikte çalışmasına, dataların alakalı olmasında ve bilgisayar sürece gücünde yatıyor. Bu temel gerçekliği benimseyen her yönetici, yakın vakitte yeni bir şeyin öncülüğünü yapma fırsatına sahip olabilecek.

Oyun Haberleri

0 Kullanıcı Oyu ( 0 out of 0 )

Değerlendirme

– Advertisement – LoL RP Oyuneks
Yazar

– Advertisement –
LoL RP Oyuneks