@fakazli · 27 gün önce
Yapay zekâ projelerinin neden çoğu pilot aşamasında kalıyor: Kurumlarda görülen ortak hatalar
Kurumların yapay zekâ projelerinde ortak bir örüntü var. Pilot çalışma etkileyici sonuç veriyor, herkes heyecanlanıyor, sonra proje yaygınlaştırılamıyor ve sessizce rafa kalkıyor. Bunun sebepleri teknolojik değil, neredeyse her zaman yapısal.
Birinci hata, problemden değil teknolojiden başlamak. Yapay zekâyı nerede kullanabiliriz sorusuyla başlayan projeler, çözüm arayan bir teknolojiyle sonuçlanıyor. Doğru soru, hangi süreçte zaman ve para kaybediyoruz ve bu kayıp ölçülebilir mi.
İkinci hata, veriye bakmadan başlamak. Pilot çalışma özenle seçilmiş temiz bir veri kümesiyle yapılıyor. Gerçek veri ise dağınık, eksik ve tutarsız. Yaygınlaştırma aşamasında asıl iş veri temizliği oluyor ve kimse buna bütçe ayırmamış oluyor.
Üçüncü hata, başarı ölçütünü baştan tanımlamamak. Proje bittiğinde işe yaradı mı sorusuna cevap verecek bir sayı yoksa, tartışma kanaate dönüşüyor ve kanaatle bütçe alınamıyor.
Dördüncü hata, süreci değiştirmeden araç eklemek. Yapay zekâ mevcut sürecin üstüne yapıştırıldığında çalışanlar için ek iş oluyor. Gerçek kazanç, sürecin o araca göre yeniden tasarlanmasıyla geliyor.
Beşinci hata, kullanıcıyı sürece dahil etmemek. İşi yapan kişi araca güvenmiyorsa kullanmıyor. Güven, doğruluk kadar şeffaflıkla kuruluyor. Modelin neden o sonucu verdiğini gösterebilmek, doğruluğu birkaç puan artırmaktan daha etkili.
Altıncı hata, sahiplik belirsizliği. Proje bittiğinde sistemi kim işletecek, hata çıkınca kim bakacak, model bozulursa kim fark edecek. Bu sorular cevapsızsa proje zaten geçici demektir.
Başarılı örneklerin ortak özelliği, dar kapsamlı başlamak ve ölçülebilir tek bir işi hedeflemek. Her şeyi dönüştürmeyi vaat eden projeler genelde hiçbir şeyi dönüştüremiyor.
Birinci hata, problemden değil teknolojiden başlamak. Yapay zekâyı nerede kullanabiliriz sorusuyla başlayan projeler, çözüm arayan bir teknolojiyle sonuçlanıyor. Doğru soru, hangi süreçte zaman ve para kaybediyoruz ve bu kayıp ölçülebilir mi.
İkinci hata, veriye bakmadan başlamak. Pilot çalışma özenle seçilmiş temiz bir veri kümesiyle yapılıyor. Gerçek veri ise dağınık, eksik ve tutarsız. Yaygınlaştırma aşamasında asıl iş veri temizliği oluyor ve kimse buna bütçe ayırmamış oluyor.
Üçüncü hata, başarı ölçütünü baştan tanımlamamak. Proje bittiğinde işe yaradı mı sorusuna cevap verecek bir sayı yoksa, tartışma kanaate dönüşüyor ve kanaatle bütçe alınamıyor.
Dördüncü hata, süreci değiştirmeden araç eklemek. Yapay zekâ mevcut sürecin üstüne yapıştırıldığında çalışanlar için ek iş oluyor. Gerçek kazanç, sürecin o araca göre yeniden tasarlanmasıyla geliyor.
Beşinci hata, kullanıcıyı sürece dahil etmemek. İşi yapan kişi araca güvenmiyorsa kullanmıyor. Güven, doğruluk kadar şeffaflıkla kuruluyor. Modelin neden o sonucu verdiğini gösterebilmek, doğruluğu birkaç puan artırmaktan daha etkili.
Altıncı hata, sahiplik belirsizliği. Proje bittiğinde sistemi kim işletecek, hata çıkınca kim bakacak, model bozulursa kim fark edecek. Bu sorular cevapsızsa proje zaten geçici demektir.
Başarılı örneklerin ortak özelliği, dar kapsamlı başlamak ve ölçülebilir tek bir işi hedeflemek. Her şeyi dönüştürmeyi vaat eden projeler genelde hiçbir şeyi dönüştüremiyor.
0 2 yorum