SEV Connect - Kış 2019

CONNECT KIŞ 41 süreçlerine dâhil edecek insanlarda bazı sıkıntılar, dirençler olabiliyor. Zaten yapay zekâ gibi bir alanda küçük küçük adımlar atarak, yani her şeyi bir anda yapmaya çalışmayarak ilerlemek en iyisi. Çalışanların da, “yapay zekâ gelecek, işimizi elimizden alacak” diye düşünmemesi gerekiyor. Genç mezunlara, yapay zekâ ve kariyerleri konusunda neler söylemek isterseniz? Evet, böyle bir iş tanımım var artık. Ancak inanır mısınız, uzun süre aileme bile işimi anlatamadım. Her açıklama daha çok sorulara sebep oluyor. “İş geliştirme üzerine” deyip geçiyordum, şimdi “yapay zekâ üzerine çalışıyorum” diyorum. Ama bu sefer de algoritma yazıyorum sanıyorlar, ki ben hiç yazamam. İş ilanlarında artık ileri analitik müdürü, business intelligence analisti, veri mühendisi, veri bilimcisi arıyoruz gibi pozisyonlar artıyor. Burada, analitik düşünme yeteneği önemli. Bu, programcı, mühendis olacaksınız demek değil. Yani bir problemi daha küçük parçalara ayırarak neden sonuç ilişkilerini iyi kurabilmeniz, olaylar arasındaki bağlantıyı tespit edip, tez, antitez, sentezi yapabilmeniz gerekiyor. Yani sektörünüz ne olursa olsun, veriyi kullanılabilir hale getirip, bunu nasıl kullanılabileceğinizi kestirmek önemli. Teknik olmak zorunda değiller ama verinin nasıl sağlıklı toplaması ve etkin şekilde kullanılması konularında fikirleri olmalı. YAPAY ZEKÂ ŞİRKETTE NELER YAPIYOR? İLERI ANALITIK ve yapay zekâ konusunda üç tane yaygın kullanılan alan var. Bir tanesi deskriptif analitik (tanımlayıcı), yani geçmişe dönük olan bilgileri analiz ediyor, geçmişte neler olduğunu söylüyor. Daha çok, tanımlayıcı bir analiz. Normalde bilmediğiniz, görmediğiniz, ancak müşterinizle konuşacağınız zaman ya da belki orada bile vâkıf olamayacağınız bazı bilgileri de bir araya getirip, onu biraz işleyerek, satış veya pazarlamacının önüne koyabiliyor. Diğeri, prediktif yani ileriyi öngörebilme, ileride ne olabileceğini tahmin edebilme. Bu da güzel bir alan, bugünlerde çok revaçta. Fakat esas gelecek, Amazon, Netflix gibi bazı şirketlerin iyi olduğu preskriptif analitikte (kuralcı/buyrukçu); yani A sonucuna ulaşmak istiyorsan şunu, B sonucuna ulaşmak istiyorsan bunu yap diyor. Deskriptif, prediktif ve preskriptif olsun; akılda tutulması gerekenlerden ve yapılan hatalardan biri, insanların yapay zekânın ortaya koyduğu bir bilgi veya tahminle istedikleri her şeyi yapabileceklerini sanmaları. Yaratmış olduğunuz yapay zekâ hangi amaç için geliştirilmişse sadece o amaçla kullanılmalı. Oluşturduğunuz algoritma, örneğin bugün e-ticaret siteme gelen ziyaretçilerden hangileri “potansiyel müşteri” tespitini yapmak üzerineyse, bu öngörüyü bugün ne kadar satış yapabilirim için kullanmamalısınız. Yani buradaki kritik nokta; çözmek istediğiniz iş sorunu neyse, hedefiniz neyse, bunu çok iyi tespit etmeniz lazım; ondan sonra algoritmalar buna göre yazılıyor, makine ona göre öğreniyor, o örüntüye göre, şu davranışların olasılığı daha fazla diyor. Yani bir tür canlı organizma gibi, onu yaşatmak sizin elinizde... Sistemde gerçekten neyin başarılı olduğunu, neyin başarısız olduğunu çok iyi takip ediyor olmanız lazım. Yapay zekâdan istenilen verim alınamıyorsa, baştan sona bütün süreçler mercek altına alınmalı ve teşhisler doğru yapılmalı. Sistemlerinizdeki verilerin kalitesi ve akışından tutun da yapay zekânın çalışanlar tarafından dogru ve etkin şekilde kullanılıp kullanılmadığına kadar her adımın irdelenmesi gerekiyor. Çünkü yapay zekânın entegrasyonunda herkesin sorumluluğu var. Bu, çalışma kültüründe köklü bir değişimi de beraberinde getiriyor. “Yapay zekânın vicdan ve etik taraflarını daha uzun bir süre konuşacağız. Çünkü yapay zekâ çok farklı noktalara gidebilecek bir potansiyele sahip.”