ÜRETKEN YAPAY ZEKANIN İŞ DÜNYAMIZA ETKİLERİ

8 min readSep 13, 2023

Uğur Özker tarafından hazırlanan bu yazı; Ankara Sanayii Odası resmi yayın organı ASOMEDYA’in 2 ayda bir yayınlanan dergisinin Temmuz — Ağustos aylarına özel hazırlanan sayısında “Kapak Konusu” olarak yayınlanmıştır.

Ölçemediğiniz şeyi yönetemezsiniz! Kuruluşlar bu tezden yola çıkarak son yıllarda sahip oldukları veri üzerinde hacim ve hız gibi şeyleri yönetme eğilimine girdiler. Potansiyel değer, iş uygunluğu, maliyet, iş performansı üzerindeki etki, pazar değeri ve kuruluş üzerindeki etki gibi veri kalitesi özelliklerini çok az kişi ölçer. Araştırmalar, kuruluşların yalnızca %11'inin verilerinin maliyetini bildiğini, yalnızca %12'sinin veri varlıklarının değerini hesapladığını ve yalnızca %21'inin veri kalitesi iyileştirmelerinin ticari etkisini ölçtüğünü gösteriyor. Ayrıca, yalnızca %4'ü veri değerini atanmış bir dolar değeriyle parasal terimlerle ölçmenin yollarını geliştirdi, yalnızca %7'si şu anda veri odaklı hizmetlere karşı veri değerini ölçmeye başlıyor ve neredeyse üçte birinin değer için yerinde ölçümleri yok. Diğer yandan; Dünya çapında oluşturulan, yakalanan, kopyalanan ve tüketilen veri miktarı 2020 yılında yaklaşık 59 Zettabayt iken 2024 yılına kadar 149 Zettabayt seviyesine yükselmesi beklenmektedir. 2020 yılında veri dünyasını 5.9 Zettabayt tekil ve benzersiz veriler oluştururken 2024 yılına kadar bu benzersiz veriler 7.51 Zettabayt artış ile 13.41 Zettabayt seviyesine ulaşacaktır. Fakat diğer yandan çoğaltılan yada kopyalanan verilerde 53.1 Zettabayt seviyesinden 135.59 zettabayt seviyesine ulaşacak. Özetle; analitik uygulamalarımızda kullanmak üzere mevcut tekil verilerimizi 4 yıllık süre içerisinde 2.5 kat daha fazla kopyalayacağız yada kullanmak üzere başka ortamlara taşıyacağız[1].

Veri Dünyasının kontrolsüz büyümesi devam ederken ve kurumlar veri politikalarını nasıl yönetecekleri karmaşasında savrulurken ortaya çıkan üretken yapay zeka teknolojisi veri ne kadar büyük olursa olsun yada kurumun ihtiyaçları ne kadar karmaşık olursa olsun tek noktadan tüm darboğazları ve sorunları ortadan kaldırmayı hedefliyor. Bu yılın başlarında ChatGPT duyurulduğundan beri; sektörler, ülkeler ve nesiller arasında yapay zeka, özellikle üretken yapay zeka (GenAI) hakkında tartışmalar düzenli olarak yapılıyor. Gartner’ın tahminlerine göre, Sahip olduğumuz büyük veriyi yönetebilme yetkinliğine kavuşmamız ile birlikte 2026 yılına kadar 100 milyondan fazla kişi, kurumsal çalışmalara katkıda bulunmak için robo-meslektaşlarla (sentetik sanal iş arkadaşları) çalışacak[2]. Bu mesai arkadaşları üretken yapay zekanın elimizdeki veriyi kullanarak ortaya koyacağı 100 milyon robot veya model anlamına geliyor. Ayrıca, üretken AI (Generative AI), imalat ve sanayi sektörünün dönüşümünü daha da hızlandırmaya hazırlanıyor. Yapay zeka, çok miktarda veriden yararlanma ve sonuçları tahmin etme becerisiyle karar verme süreçlerini önemli ölçüde iyileştirebilir, üretim hatlarını optimize edebilir, ürün kalitesini artırabilir ve israfı azaltabilir. İşte sanayii ve üretim sektörünün iştahını açan asıl önemli noktalarda burada ortaya çıkıyor.

Yapay zekanın bir alt kümesi olan üretken yapay zeka, bir dizi kural ve girdi verildiğinde sıfırdan yeni içerik veya tasarımlar üretebilen algoritmaları içerir. Bir tuval, renkler ve genel bir tema verilen yetenekli bir sanatçının daha sonra tamamen yeni bir sanat eseri yaratması gibidir. Üretim bağlamında bu, parçalar, ürünler ve hatta tüm üretim süreçleri için optimize edilmiş tasarım alternatiflerinin yaratılması anlamına gelir. Şirketler, tasarım ve geliştirme aşamalarında üretken yapay zekayı kullanmaya başlıyor. Şirketler, üretken tasarım yazılımına parametreleri ve gereksinimleri besleyerek, yalnızca kriterlerini karşılamakla kalmayan, aynı zamanda dikkate almamış olabilecekleri seçenekleri de sunan optimize edilmiş tasarım çözümleri elde edebilir. Bu tasarımlar daha sonra meta veri deposunda test edilip iyileştirilerek yenilikçi ve verimli gerçek dünya uygulamalarına yol açabilir. An itibari ile ürün ve süreçlerinde üretken yapay zekayı kullanan ve süreçlerine entegre eden uluslararası kuruluşların sektörlere göre sayısal dağılımı aşağıdaki gibidir. Beklendiği üzere başı sanayii ve üretim kurumlarının aldığı listede finans, perakende, sağlık hizmetleri kuruluşlarının da yoğun ilgisi var.[3]

ChatGPT, Google Bard ve IBM WatsonX gibi tüketici odaklı yapay zeka araçlarının piyasaya sürülmesi, kurumların adaptasyonu ile birlikte; üretken yapay zeka pazarını geçen yılki 40 milyar dolardan 2032'ye kadar tahmini 1,3 trilyon dolara çıkaran on yıllık bir patlamayı körükleyecek[4]. Bu büyüme yapay zeka sektörünün önümüzdeki on yılda %42 oranında genişleyebilme potansiyelini ortaya koyuyor. Fakat kritik bir husus; kurumların alması gereken öncelikli aksiyon AI sistemlerini eğitmek için gerekli altyapı talebini karşılayabilmek ve sahip oldukları veri üzerinde tam hakimiyeti kurabilmek. Bunun için hassas veri gibi kısıtlarınız yok ise AWS, Microsoft yada IBM gibi global kuruluşlar tarafından sağlanan bulut hizmetlerden faydalanabilirsiniz. Kurumunuzun hassas veri ile ilgili kısıtları var ve şirket içi altyapılar üzerinden devam etme zorunluluğunu taşıyorsa; hibrit çözümleri tercih edebilirsiniz. Örneğin; IBM tarafından duyurulan WatsonX platformu büyük verinin yönetimi, üretken yapay zekanın gücü ve yönetişimini tek bir merkezden ele alabileceğiniz hibrit ve esnek bir anlayış ile karşımıza çıkıyor.

Gerekli büyük veri ve üretken yapay zeka yetkinliklerine sahip olduktan sonra ise başta üretim, sanayii ve finans alanları olmak üzere başarı hikayeleri ve kullanım senaryolarını ortaya koymak oldukça kolay; Örneğin, General Motors gibi otomotiv şirketleri, araçlarındaki parçaları optimize etmek ve ağırlığı azaltmak için şimdiden üretken tasarım algoritmaları kullanıyor. Algoritma, daha sonra simüle edilmiş gerçek dünya koşulları altında performansa dayalı olarak değerlendirilen ve seçilen birkaç tasarım alternatifi üretiyor. Bu, daha hafif, daha güçlü ve genellikle daha uygun maliyetli bileşenler ortaya konmasını sağlıyor[5]. Bu sayede General Motors üretken yapay zeka sayesinde hem maliyet tasarrufu sağlarken hem de kaliteli ve yapay zeka destekli modern tasarıma sahip ürünleri portföyüne kazandırmış oluyor.

Bir diğer üretken yapay zeka kullanım örneğinde ise; Üretim verilerinden değer elde etme, araç bakım programlarını geliştirmek için son servis randevusundan bu yana kat edilen mesafelere veya zamana dayanan Navistar Internal Corporation gibi liderlerin başarı öykülerinden güç alarak endüstri gündemini yükseltiyor. Navistar, 375.000 bağlantılı araçtan gelen sensör verilerini analiz etmek için yeni yetenekler sunarak araç sahiplerinin bakım maliyetlerini %40'a kadar azaltmasına yardımcı oldu[6].

Otomotiv perakende pazarında ise, yapay zeka destekli videoların otomobilleri daha hızlı sattığı kanıtlandı ve sanal seslendirmenin eklenmesiyle etki ve verimlilik arttırıldı. Son ulaşılan teknolojiyle, üretken yapay zeka gibi tüm soruları cevaplayarak ve müşteriyi yönlendirerek, bir gerçek satış görevlisinin çevrimdışı araba satma yöntemine çok yakın bir noktaya geliniyor. Üretken yapay zekayı geliştirme ve benimsemenin mevcut hızına bağlı olarak, satış asistanlarının 2025 yılına kadar hazır olabileceği düşünülüyor[7].

IBM tarafından yapılan bir araştırmaya göre; şuana kadar üretken yapay zekayı süreçlerine entegre eden yada ürün hazırlığı aşamasında olan yukarıda sektörlere göre sayıları verilen kuruluşların tipik olarak 3 farklı kritere göre teknolojiyi uyguladığı belirtiliyor:

1- Güvenli ve Sürdürülebilir Yapay Zeka Kullanım İmkanı Sağlamak (%64)

2- Müşteri/Kullanıcı Etkileşimi ve Kalitesini Arttırmak (%63)

3- Dijital Dönüşüm ve Teknolojide Yenilik (%50)

Ayrıca; üretken yapay zekanın kurumlar üzerinde önemli faydalar sağlayacağı ön görülüyor. Üretken yapay zeka sayesinde kurumların %56'sı yapay zekanın içerik kalitelerini iyileştirmesini, %51'i rekabet avantajı elde etmesini ve %51'i çalışan uzmanlığını ölçeklendirmeyi bekliyor [8].

Güçlü Yanlar (Strengths)

Üretken yapay zeka şimdiye kadar onu deneyimleyen sanayii, üretim, finans ve sağlık gibi sektörlerdeki kurumların farklı departmanları için aşağıdaki pek çok kullanım senaryosu ve avantajını beraberinde getirebildiğini ortaya koydu. Ayrıca kullanımın yaygınlaşması ile çok daha fazla kullanım senaryosu ve başarı hikayesinin kısa sürede ortaya çıkması bekleniyor;

Satış & Pazarlama;

1- İnteraktif ve görsel materyaller ile zenginleştirilmiş pazarlama ve satış içerikleri hazırlayabilir.

2- Sektöre özel ürün kullanım, destek ve bakım kılavuzlarının oluşturulması

3- Müşteri memnuniyetinin analiz edilmesi

4- Müşteri hizmetlerinde ek ürün ve hizmet tekliflerini geliştirebilir, riskleri tanımlayabilir ve optimum müşteri etkileşimini belirleyerek satış gücünü arttırmanızı sağlayabilir.

Operasyon;

1- Üretilen ürün ile ilgili yaşanan hata ve anormallikleri belirleyerek ürün kalitenizi arttırmayı sağlayabilir.

Yasal ve Hukuki Süreçler;

1- Sözleşmeler ve patent başvuruları da dahil olmak üzere yasal belgelerin taslağını hazırlamak ve incelemek

2- Regülasyonlarda yer alan düzenleme ve değişikleri tespit ederek otomatik aksiyonlar alabilirsiniz.

İnsan Kaynakları;

1- İlgili sektöre özel mülakat sorularını adaylar için hazırlayabilir ve verilen yanıtları kontrol edebilir.

2- Self servis insan kaynakları ihtiyaçlarının tamamını uçtan uca yönetebilir[9].

Etki Yaratması Beklenen Diğer Kullanım Senaryoları;

1- Ürün Tasarımı ve Geliştirme

2- Kestirimci Bakım

3- Kalite Kontrol

4- Üretim Planlama ve Envanter Yönetimi

5- Tedarik Zinciri Yönetimi[10]

Zayıf Yönler (Weaknesses)

1- Kurum içi Özelleştirilmiş Süreçlerde Kullanılabilmesi için Çok Fazla Veri ile Beslenmeye İhtiyaç Duyuyor.

2- Üretken Yapay Zeka ile Çalışmaya Başlamadan Önce Büyük Miktarda Geçmiş Veriye Sahip Olmak ve Veriler Üzerinde Olgunlaşmış Veri Politikalarına Sahip Olunması Gerekiyor.

3- Eğer Bulut Kullanımının Önünde Hassas/Kişisel Veri gibi Engeller Var ise, Kurum İçi Üretken Yapay Zeka Yetkinlikleri için Güçlü Donanım ve Altyapı İhtiyacı Ortaya Çıkabiliyor.

Fırsatlar (Opportunities)

Sanayii ve üretim, üretken yapay zekadan yararlanmaya hazır Avustralya ekonomisinin dört temel sektöründen biri olarak tanımlanmıştır. Araştırmalara göre; Teknolojinin 2030 yılına kadar ülke üretim sektörüne yıllık 2 milyar ila 5 milyar dolar arasında katkıda bulunabileceğini gösteriyor. Hazırlanan rapora göre; üretim sektöründeki yöneticiler, üretken yapay zeka karmaşık ve stratejik faaliyetler için daha fazla zaman bırakarak görevlerin yaklaşık %30'unu otomatikleştirebileceğini ve %19'unda performans artışı sağlayabileceğini tahmin ediyor. Aynı zamanda, sektördeki iş gücünün %27'sini oluşturan teknisyenler için hızlı beceri geliştirme ve eğitim yoluyla iş başında öğrenmeyi geliştirebilir [11].

Tehditler (Threats)

Veri süreçlerinin hazır yada yeteri kadar olgun olmaması, kurumun çok fazla kişisel yada hassas veri barındırması ve bu verileri yönetmek yada maskelemek için kararlı bir yönteme sahip olunamaması, sahip olunan veriler içerisinde fikri mülkiyet ve telif hakkı içeren içeriklerin yer alması, kurumun bir güvenlik politikasına sahip olmaması yada siber güvenlik için gerekli tedbirlerin yerine getirilmemiş olması gibi durumlar karşısında üretken yapay zekanın kullanımı bazı tehditlerle karşı karşıya kalmamıza yol açabilir;

1- Uydurma, Alakasız yada Yanlış Cevaplar Verilmesi

2- Veri Gizliliği & Güvenliği

3- Fikri Mülkiyet ve Telif Hakları Riskleri

4- Siber Güvenlik ve Dolandırıcılık Riskleri[12]

2.544’den fazla yönetici liderin katıldığı yakın tarihli bir Gartner anketinde, yöneticilerin %45'i üretken yapay zekanın tanıtımının onları yapay zeka (AI) yatırımlarını artırmaya sevk ettiğini bildirdi. Yöneticilerin %70’i kuruluşlarının üretken yapay zekayı araştırma ve keşif sürecinde olduğunu, %19'u ise pilot veya üretim sürecinde olduğunu belirtti. Anket, yöneticilerin %68'inin üretken yapay zekanın faydalarının risklerden daha ağır bastığına inandığını, risklerin faydalardan daha ağır bastığını düşünenlerin yalnızca %5'inin olduğunu ortaya koydu. Ancak, yatırımlar derinleştikçe ve teknoloji yaygınlaştıkça yöneticilerin bakış açısındaki değişimin olumlu yönde seyredeceği belirtiliyor[13].

[1] Statista, Share of unique data and replicated data in the global datasphere in 2020 and 2024, https://www.statista.com/statistics/1185888/worldwide-global-datasphere-unique-replicated-data/

[2] Gartner, https://www.gartner.com/en/webinar/524847/1184530

[3] Statista, Industries Using ChatGPT in Business, https://www.statista.com/statistics/1384323/industries-using-chatgpt-in-business

[4] Bloomberg, ChatGPT to Fuel 1.3 Trillion AI Market, https://www.bloomberg.com/news/articles/2023-06-01/chatgpt-to-fuel-1-3-trillion-ai-market-by-2032-bi-report-says

[5] Forbes, The Future of Manufacturing Generative AI and Beyond, 25.07.2023, https://www.forbes.com/sites/bernardmarr/2023/07/25/the-future-of-manufacturing-generative-ai-and-beyond/?sh=21edd5df51fa

[6] West Monroe, Generative AI empowering Manufacturers, https://www.westmonroe.com/perspectives/point-of-view/generative-ai-empowering-manufacturers-revolutionizing-data-monetization

[7] Daily Mail, AI Bots selling vehicles just 18 Months, https://www.dailymail.co.uk/sciencetech/article-12392651/Your-car-salespersons-AI-bot-selling-vehicles-just-18-months-ChatGPT-technology-advances.html