Avustralya Kuruluşlarında Yapay Zeka Yatırım Getirisini Göstermenin Zorlukları

Hızla gelişen yapay zeka ortamında, Avustralyalı kuruluşlar kritik bir kavşakta duruyor.

Yapay zeka ile ilgili önemli mali kazanç potansiyeli açıktır; bazı raporlar, bir yapay zeka portföyünü benimsemenin 100 milyon doların üzerinde artan FAVÖK’e yol açabileceğini göstermektedir. Ancak yatırım getirisini gerçekleştirmenin yolu zorluklarla doludur.

Kurumsal yapay zeka dağıtımlarının %85’i iş dünyasına verdikleri sözleri yerine getiremiyor. Geçmişteki dijital dönüşüm çabalarının bilinen zorluklarını bile aşan yapay zekanın yüksek başarısızlık oranı, ilgili risklerin altını çiziyor.

Yapay zeka dağıtımları başarısız olduğunda etkisi felaket olabilir. Avustralya, Avustralyalılar için o kadar zararlı hale gelen “Robodebt” skandalının da gösterdiği gibi, yapay zekanın oluşturduğu risklere örnek teşkil ediyor. Kraliyet Komisyonu bunu araştırmak için toplandı.

Gartner analisti tavsiyelerde bulunuyor

Birçoğu yapay zekanın sunduğu olanaklar konusunda heyecan duysa da, raporlar Avustralyalıların %80’inin yapay zekanın oluşturduğu riskler konusunda derin endişe duyduğunu ve bu risklerin “küresel bir öncelik” olarak görülmesi gerektiğini düşündüğünü gösteriyor.

Ancak risklere ve sosyal tereddütlere rağmen CIO’lar yapay zeka projelerine para harcıyor; KPMG araştırması Avustralyalı şirketlerin yarısından fazlasının bütçelerinin %10-20’sini yapay zekaya ayırdığını gösterdi.

Bu yalnızca CIO ve BT ekibinin yapay zeka projelerinin değer göstermesini sağlama konusundaki baskısını artırıyor. Yapay zekanın uzun vadeli bir yatırım fırsatı olmasını arayan kuruluşların risk endişelerinin üstesinden gelmesi gerekiyor. Gartner araştırması, iş değerini tahmin etmenin ve göstermenin yapay zeka projelerinin önündeki en büyük engel olduğunu gösteriyor.

Gartner’ın Finans Teknolojisi, Değer ve Risk alanında kıdemli yönetici analisti Nate Suda, TechRepublic’e, birçok kuruluşun yapay zekanın değerini ifade etmede karşılaştığı zorlukların arasında maliyet yönetimi, üretkenlik faydaları ve yapay zeka yatırımlarının somut iş değerine dönüşmesini sağlamak için gerekli stratejik yaklaşımlar yer aldığını söyledi. .

Maliyet dinamiklerini anlamak

Maliyetleri yönetmek, yapay zeka dağıtımlarında temel bir engeldir. Harcamaların minimum düzeyde olduğu geleneksel arama motorlarının aksine, üretken yapay zeka, etkileşimli doğası nedeniyle önemli maliyetlere neden olur.

Kullanıcılar yanıtları hassaslaştırmak için sıklıkla birden fazla alışverişte bulunur ve bu da maliyetleri katlanarak artırır. Tokenlarla ölçülen her etkileşim masrafa eklenir. Kullanıcı davranışının başlangıçtaki varsayımlardan sapması durumunda bu maliyet hızla artabilir.

Suda’nın da belirttiği gibi, “Maliyetteki en büyük değişkenlerden biri insan etkileşimidir. Üretken yapay zeka ile yalnızca sorunuzu yazıp mükemmel bir yanıt alamazsınız. Birkaç yinelemeye ihtiyacınız olabilir ve sorunuzdaki ve yanıtınızdaki her kelime için ücretlendirilirsiniz. Maliyet modeliniz tek bir etkileşimi varsayıyorsa ve kullanıcılar birden fazla etkileşime sahipse, harcamalarınız önemli ölçüde artabilir.”

Bu riski azaltmak için kuruluşlar “yavaş ölçek büyütme” stratejisini benimsiyor. Hızlı, büyük ölçekli bir dağıtım yerine, başlangıçta sınırlı sayıda kullanıcıyla planlanan yapay zeka dağıtımını uyguluyorlar, ardından kullanıcı sayısını kademeli olarak artırıyorlar.

Bu yinelemeli yaklaşım, şirketlerin iddialı yapay zeka projelerinin performansını gözlemlemesine ve gerçek kullanım modellerine göre ayarlama yapmasına olanak tanıyarak maliyetleri daha doğru bir şekilde modelleyebilmelerini ve mali sürprizlerden kaçınabilmelerini sağlar.

Suda, “En iyi organizasyonlar çok yavaş ölçekleniyor” dedi. “İlk ayda 10 kullanıcıyla başlayabilirler, ardından ikinci ayda 20 kullanıcıyla başlayabilirler ve bu şekilde devam edebilirler. Bu yöntem, canlı bir ortamda gerçek kullanımı ve maliyetleri anlamalarına yardımcı oluyor.”

Verimlilik açmazı

Yapay zeka üretkenliği artırmayı vaat etse de bu iyileştirmeleri ölçülebilir finansal faydalara dönüştürmek karmaşık bir iştir. Suda, Microsoft Copilot gibi araçların gösterdiği gibi, yalnızca zamandan tasarruf etmenin doğası gereği gelir yaratma veya maliyet azaltma anlamına gelmediğini söyledi.

Suda, “Üretkenliğin ne anlama geldiğini ve bu faydayı nasıl değere dönüştürdüğünüzü, ister gelir yaratma ister maliyet azaltma olsun, gerçekten net olmanız gerekiyor” dedi.

Ayrıca fayda ve değer arasında ayrım yapılması gerektiğini de vurguladı. Artan hız, daha iyi müşteri deneyimi ve artan üretkenlik gibi faydalar önemlidir, ancak bunlar yalnızca sonuca katkıda bulunduklarında değerli hale gelir.

Örneğin, üretken yapay zeka, bir dizi profesyonel hizmet için gereken süreyi kısaltabilir ancak bu verimlilik, daha yüksek gelir veya daha düşük maliyetlere dönüşmediği sürece, yapay zekanın vaat ettiği değeri yerine getiremediğinin bir örneği haline gelir.

Maliyet aşımı riski

Suda’nın belirttiği bir diğer önemli nokta ise beklenmedik kullanıcı davranışları nedeniyle maliyet aşımları riskidir. Bir yapay zeka sisteminin oldukça popüler olduğu ortaya çıkarsa ve kullanımı beklentileri aşarsa ortaya çıkan maliyetler astronomik olabilir. Bu senaryo, giderleri etkili bir şekilde yönetmek ve tahmin etmek için yapay zeka dağıtımlarının titizlikle planlanmasının ve gerçek zamanlı izlenmesinin önemini vurguluyor.

Suda, “Kullanıcılar yapay zekayı sever ve onu yoğun bir şekilde kullanırsa maliyetleriniz tavan yapabilir” dedi. “Bu nedenle kullanıcı davranışını anlamak ve modellemek çok önemlidir.”

Stratejik dağıtım: Savunma, Genişletme, Yükseltme

Gartner, yapay zekanın ilgili riski dengelerken nasıl değer getirebileceğini açıklamak için üç katmanlı bir çerçeve geliştirdi. “Savunma, Genişletme ve Yükseltme” olarak adlandırılan yapay zeka dağıtımının her “seviyesi” farklı potansiyel riskler ve faydalar sunar.

• Savunmak: Bu, mevcut araçları geliştirmek için yapay zekanın kullanılması gibi küçük, artımlı iyileştirmeleri içerir. Bu düşük maliyetli, düşük riskli girişimler küçük kazançlara yol açabilir. Ancak zorluk, bu kazanımları önemli mali getirilere dönüştürmekte yatmaktadır. Suda’ya göre, bu projelerin birçoğunun dile getirilen faydaları marjinal; bu da CIO ve BT ekibinin tam kurumsal destekle daha ileriye gitmesini zorlaştırıyor.
• Uzatmak: Burada AI, hedefe yönelik iyileştirmeler sağlamak için mevcut uygulamalara yerleştirilmiştir. Bu girişimler, beklenen değeri sağladıklarından emin olmak için dikkatli planlama ve yürütme gerektirir, ancak aynı zamanda kayda değer faydalar sağlama olasılıkları da daha yüksektir.
• Yükseliş: En iddialı ve yüksek riskli yaklaşım, yeni yapay zeka odaklı modeller veya uygulamalar geliştirmeyi içerir. Potansiyel ödüller önemli olsa da gereken yatırım da önemlidir ve başarı şansı daha düşüktür.

Yapay zekadan kaçınılamaz ancak etkili bir şekilde yönetilmesi gerekir

Dijital dönüşümde olduğu gibi, yapay zeka konusunda da en başından itibaren çok iddialı olmaya çalışmak muhtemelen maliyet aşımına ve yatırım getirisinin yavaşlamasına neden olacak, bu da projenin terk edilmesi olmasa bile yönetim kurulu ve yöneticilerin hayal kırıklığına uğramasına neden olacaktır.

CIO’lar bunun yerine temkinli ve ölçülü bir yaklaşım benimsemelidir. Suda’nın da belirttiği gibi şirketlerin, dağıtılan çözümlerin ölçeklenebilir olmasını ve erkenden dile getirilebilecek bir yatırım getirisi elde etmesini sağlamaları gerekiyor.