Yapay zekanın başlangıcı için 1950’lere kadar gitmek mümkün. O zamandan bugüne kadar geçen uzun zamanda da yapay zeka sürekli gelişti ancak telefon, ev bilişimi ve internet gibi teknolojilerle kıyaslandığında gelişim hızı biraz daha geride kaldı.
Yazan: Red Hat Kıdemli Başkan Yardımcısı ve EMEA Genel Müdürü Hans Roth
Herkesin yapay zekaya erişebildiği bu dönemde teknoloji sektörü de yeni bir çağa adım atıyor. Bu çağda yapay zekanın daha az ile daha fazlasını yapmamıza nasıl yardımcı olabileceğini sormamız gerekiyor. Yazı yazma, görüntü oluşturma ve müzik üretimi gibi pek çok günlük işte yapay zekanın kullanılması, topluluk bilinci açısından önemli bir dönemi beraberinde getiriyor.
Şirketlerle gerçekleştirdiğim görüşmelerde onları yapay zeka heyecanının ötesine bakmaya ve başka bir teknoloji gibi yaklaşmaya, başka bir deyişle problemleri çözmeye ve fırsatları değerlendirmeye yardımcı olacak bir araç gibi değerlendirmeye teşvik ediyorum. Bulut bilişimin ölçeklendirme güçlüklerine, blokzincirin de merkezileştirilme sorunlarına çözüm getirdiği ve dijital pazarlama yazılımlarının pazarlama bütçelerinin daha verimli harcanmasını sağladığı gibi şirketlerin yapay zekayı da oluşturacağı sonuçlara göre değerlendirilmesi gerekiyor.
Peki bu güçlükler ve fırsatlar tam olarak nedir? Red Hat olarak yapay zekaya dair sohbetleri şirketlerin aşağıda sıraladığım yedi gerçekliği etrafında gerçekleştirmeye başladık.
Verimliliğe karşı inovasyon: operasyonel verimlilik arayışında şirketler genellikle kendilerini daha az ile daha fazlasını elde etme arzusu içinde bulabiliyor. Sınırlı ekiplerin çıktısını en yüksek seviyeye çıkartmak için bilgi eksikliği gidermek, yeni beceriler oluşturmak ve yüksek maliyet gerektirmeyen inovasyonlar için gereken koşulları oluşturmak gibi yöntemler tercih edilebiliyor.
Karmaşıklığı yönetmek: Yazılım inovasyonunun durmak bilmeyen ilerleyişi, sonsuz bir potansiyele işaret ediyor ancak bazı önemli karmaşıklıkları da beraberinde getiriyor. Yeni olan her sistem ve entegrasyon güvenlik tehditleri, hizmetlerin aksaması ve talepte anlık artış gibi risklerle birlikte geliyor. Hibrit bulut bilişimin popülerliği de bu yükü artırıyor. Olay görüntüleme sistemleri bir seviyeye kadar kontrol imkanı sağlasa da BT ekipleri ekosistemin genişleme hızındaki ve verinin hacmindeki büyük artıştan kısa sürede etkilenebilir.
Otomasyona imkan tanımak: Otomasyon, ilk iki gerçeklikle bağlantılı olarak önemli bir öncelik haline geldi. Otomasyon ile çalışanlar sıradan aktiviteler yerine daha yüksek değere sahip işlere yönlendirilebiliyor. Ancak otomasyon ile neleri, hangi araçlarla otomatikleştirmek gerek ve çalıştığına nasıl güvenebiliriz gibi soruları da sormak gerekiyor.
Talebi karşılamak için ölçeklenmek: Sınırlı kaynaklarla çalışmak, BT ekiplerinin karşılaştığı sorunlardan sadece bir tanesi. Uygulamalara ve hizmetlere yönelik artan talebi karşılamak için sınırlı kaynaklarla çalışırken operasyonlarını ölçeklendirmekle de görevliler. Hem DevOps’a hem de tam teşekküllü üretim ortamlarına olan talebi karşılamak için yalnızca bu olanağı sağlamak değil, aynı zamanda bu olanağı sağladıktan sonra olanları nasıl yönettiğiniz de çok önemli.
Sınır bilişim alanlarına bağlanmak: Yukarıdaki maddeler BT ekipleri için yeterince büyük güçlükler değilse sınır bilişim, hayatları daha da zor hale getirmek için burada. Veri merkezleri artık veri işlemek için tek bir alan değil. Sınır bilişim, bilişim işlemlerini gerçekleştirmek için farklı bir ‘nokta’ olmanın ötesinde tamamıyla başka bir yaklaşım gerektiriyor. Güçlüğün merkezinde ise veri işleme, erişilebilirlik ve güvenlik standartlarının çeşitlilik sağlayacak şekilde tasarlanmış sınır bilişim altyapılarına ve makinelere nasıl uygulanacağı konusundaki bilmece yatıyor.
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 şekilde 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. Ayrıca geliştiricilerin de yaptıkları işin güvenliğini düşünmesi gerekmiyor.
Sürdürülebilirlik için planlamalar: Devletler, paydaşlar, müşteriler ve çalışanlar şirketlerin sürdürülebilirlik sorumluluklarıyla daha önce hiç olmadığı kadar çok ilgilenmesini istiyor. Ancak bu da BT ekipleri için karışık mesajlar anlamına geliyor çünkü bir yandan daha fazlasını yapmaları gerekiyor ama aynı zamanda da enerjiden 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 güçlükleri gidermekte yardımcı olabilecek çok yönlü bir araç. Her ne kadar yapay zeka yukarıda sıraladığım yedi konuya destek olabilse de tek başına yeterli değil. Her başlığın asıl gizli silahı aslında insanlar. Sorunları ve çözümlerini belirleyebilecek, önceliklendirebilecek, mühendisliğini yapabilecek ve değerlendirebilecek insanlar olmadan en iyi ihtimalle yapay zeka hiçbir etki yaratamaz, en kötü ihtimalde ise olumsuz sonuçlara neden olur.
Yöneticileri genellikle düşünmeye yönlendirdiğim en önemli konu da yapay zekanın üzerine eğitildiği veri kadar iyi olması oluyor. Verinin hacmi burada bir kriter olmamalı. Önemli olan verinin odağı, yani “eğitim için kullanılan veriler şirket ile ne kadar alakalı?” sorusunun cevabı.
Bunu insanların yaptığı işleri yapan ama insanı taklit etmeye odaklanmayan yapay zeka, yani alana özgü yapay zeka (domain-specific AI) olarak adlandırıyoruz. Bu yapay zeka, teknolojinin gelişiminde önemli bir etki yaratıyor. Bir yapay zeka uygulaması özel ve hedefli veri ile eğitildiğinde ve belirli şirketin ve sektörün standartlarına ve yöntemlerine göre özelleştirildiğinde, gerçekten benzersiz ve farklılaşmış hizmetler sunma yeteneği artıyor.
Açık kaynak ise alana özgü yapay zeka çözümlerinin geliştirilmesi için açık ara en iyi seçenek olarak öne çıkıyor. Çünkü açık yazılımlar, daha geniş bir fikir alışverişinden ve daha fazla deneyimli uzmanların birlikte çalışmasıyla güçleniyor. Geldiğimiz noktada neredeyse tüm kurumsal yapay zeka aracı aslında açık kaynak teknolojisinin bir örneği (Evet, ChatGPT de dahil!). Kurumsal liderlerin kafasını en çok karıştıran ve endişelendiren konunun ‘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 veriler ise ne kadar isterseniz o kadar gizli olabilir.
Konuyu toparlamak gerekirse, yapay zekanın gerçek gücü algoritmalarında değil; insanların içgörüleriyle, insanlarla birlikte çalışmasına, verilerin alakalı olmasında ve bilgisayar işleme gücünde yatıyor. Bu temel gerçekliği benimseyen her yönetici, yakın zamanda yeni bir şeyin öncülüğünü yapma fırsatına sahip olabilecek.
