5 Adımı İzleyerek İşletmenize AI’ı Boşuna Para Harcamadan Uygulayın

Yapay zeka patlaması devam ediyor ve her endüstriye nüfuz etmeye devam ederse, yaşadığımız yaşam şeklini tamamen değiştirecek.

Bunun sonucunda, birçok kurucu şirketlerinde AI’ı entegre etme konusunda öncelikli hale geldi. Bireyler de kişisel yaşamlarını iyileştirmek için AI’ı kullanma yollarını arıyor.

Hype o kadar büyük ki, dil otoritesi Collins Dictionary, AI’ı yılın kelimesi olarak adlandırdı, çünkü popülerlikte bir patlama yaşadı.

Bunu söyleyerek, çoğu organizasyon için, AI’ı işlemlerine dahil etmeye çalışırken, fikir ve gerçeklik arasında büyük bir uçurum vardır, çünkü yol o kadar açık değildir ve çok pahalı olabilir, hem gerekli sermaye harcamaları hem de beklenen sonuçları getirmeyen geliştirmeler nedeniyle boşa harcanan zaman açısından. Bu, birkaç işletmeyi sıkıntıya sokmuştur. Örneğin, CNET AI tarafından yazılan makaleler ile deneysel çalışmalarda bulundu ve bunlar hatalarla dolu çıktı. Diğer şirketler, gibi iTutor Group, kötü AI uygulamaları nedeniyle kamu tarafından alay konusu oldular ve ayrıca ağır para cezaları ödemek zorunda kaldılar.

Bu örnekler gösteriyor ki, işletmeler AI ile çok fazla hata yapabilir ve eğer bir girişimin Amazon, Google, Microsoft veya Meta gibi şirketlerin finansal yastığı yoksa, bu başarısız deneyler bir şirketi iflas ettirebilir.

Eğer bir kurucu veya işletme sahibi iseniz, burada AI’ı işinize entegre etmenize yardımcı olacak beş adımlık bir rehber var, tüm bunlar enquanto kaynaklarınızı – para ve zaman – akıllıca kullanmanızı ve ölümcül hatalar olasılığını azaltmanızı sağlayarak.

1. Çözümlemek istediğiniz problemi netleştirin

Hiçbir şirket AI başarısızlıklarından muaf değildir. Ve Amazon’un acı şekilde keşfettiği gibi – cashierless mağazaları Amazon Go ile – her işletme durumu AI gerektirmez.

Dolayısıyla, AI ile çözümlemek istediğiniz problemi tanımlamak çok önemlidir. Bu mümkün olduğunca net bir şekilde tanımlanmalıdır.

Örneğin, AI’ın ortak bir uygulaması müşteri desteğidir. Bu durumda AI’ı uygulamak mümkündür ve bu, belirli sonuçlar doğurur, örneğin, çağrı merkezi maliyetlerini X miktarı para ile azaltmak veya müşteri sorularını çözme süresini X dakika ile hızlandırmak. Bu yaklaşım ile para veya zaman şeklinde ölçülebilir bir göstergeye sahibiz ve AI’ı uygulayarak bunu başarmaya çalışacağız ve bunun herhangi bir etkisi olup olmadığını göreceğiz.

Bunun gerçekleşme şekli çeşitli olabilir. Örneğin, bir sohbet botu geliştirmek yerine, bir müşteri sorusunun FAQ sayfası ile cevaplanıp cevaplanamayacağını belirleyen bir hizmet geliştirebilir veya satın alabiliriz. Bu, bir müşteri mesaj yazdığında, bu modeli çalıştırır ve ya bize bu konuşmayı bir ajan ile iletmemiz gerektiğini söyler ya da ilgili sayfada soru-cevap ile cevap verir. Bu modeli geliştirmek, sohbet botu geliştirmekten daha hızlı ve ucuzdur. Eğer bu uygulama başarılı olursa, çağrı merkezi maliyetlerini azaltma ve AI ile ilgili sermaye harcamalarını optimize etme hedefimize ulaşmış olacağız.

Bu yaklaşımın öncüsü, California merkezli bir hukuk firması olan Matten Law, AI destekli bir asistan entegre etti ve birçok görevi otomatikleştirdi, böylece avukatlar müşterilerle daha fazla zaman geçirebildiler ve bir davanın en önemli yönlerini inceleyebildiler. Bu, en katı sektörlerin bile AI ile kullanıcı deneyimini güçlendirmek için dönüştürülebileceğini gösteriyor.

AI’ın yardımıyla çözülebilecek diğer ortak sorunlar veri analizi ve özelleştirilmiş tekliflerin oluşturulmasını içerir. Spotify, AI’ı kullanarak müzik önerileri için akıllı bir sistem geliştiren ve bir kişinin belirli bir tür müziği dinlediği günün saatini bile dikkate alan bir örnek.

Her iki senaryoda da, AI müşterilere daha iyi bir deneyim sunmaya yardımcı oluyor. Ancak, bu şirketlerin AI’ı başarılı bir şekilde kullanma nedenleri, delegasyon gereken yönleri net bir şekilde belirlemeleriydi.

2. Analiz edeceğiniz veriyi belirleyin

Ana problem net bir şekilde tanımladıktan sonra, sisteme besleyeceğimiz veriyi dikkate almamız gerekiyor. AI’ın bir algoritma olduğunu ve sağladığımız verilere göre analiz ettiğini ve uyarladığını unutmamak önemlidir. Veri toplama senaryosu genellikle aşağıdaki gibidir:

1. AI’ı uygulamak için hangi verilere ihtiyacımız olabileceğini anlamak.

2. İşletmemizin bu verilere sahip olup olmadığını görmek.

   1. Eğer sahipsek – mükemmel.

   2. Eğer yoksa, oturup doğru veri toplama sürecini içerde başlatabilir miyiz diye düşünmeliyiz. Başka bir olasılık olarak, geliştiricilerden needed verileri kaydetmelerini isteyebiliriz eğer henüz yapmıyorsak.

Örneğin, bir kahve dükkanı sahibi olabiliriz ve müşterilerin ziyaret ettiği verilere ihtiyacımız olabilir. Kişisel sadakat kartları uygulayarak, kullanıcıların satın alma anında bu kartları göstermelerini sağlayarak bunu yapabiliriz. Böylece, hangi müşterilerin geldiğini, ne zaman geldiğini, ne satın aldıklarını ve kaç tane satın aldıklarını bildiğimiz verilere sahip olacağız. Bir kez bu verilere sahip olunca, AI’ı uygulamak için bu verileri kullanabiliriz. Ancak, bu verileri toplamak bazen çok pahalı olabilir. Ve işte AI bizim için devreye girebilir. Örneğin, kahve dükkanı içinde güvenlik amaçlı olarak bir kamera kurmuş olabiliriz – bu, ihtiyacımız olan verileri toplamak için kullanılabilir. Ancak, bu yaklaşımı uygulamadan önce, kişisel veri yasalarına danışmak önemlidir, çünkü bu yaklaşım her ülkede çalışmayabilir. Ancak, izin verilen yargı bölgelerinde, bu, gerekli bilgileri toplamak ve AI’ın yardımıyla analiz etmek ve işlemek için sorunsuz bir yol olabilir.

Eğer merak ediyorsanız, bu kişisel sadakat programı Starbucks’ın yaptığı şeydir ve büyük bir başarı ile. Starbucks’ın ödül programı, bir müşterinin tercih ettiği konumda veya favori içeceği sipariş ettiğinde kişiselleştirilmiş teşvikler sunmaya kadar gitti.

3. Bir hipotez tanımlayın

Bazı durumlarda, hangi işlemlerin AI ile optimize edilebileceğini veya edilip edilmeyeceğini belirlemek konusunda belirsiz olabilirsiniz.

Eğer bu sizin durumunuz ise, o zaman tüm işleminizi aşamalara ayırarak başlayabilir ve hangilerinin underperforming olduğunu belirleyebilirsiniz. Hangi alanlarda çok fazla para harcadığınızı veya hangi alanlarda daha uzun sürdüğünü belirleyin. Bu sorulara cevap verdiğinizde, kritik alanları belirleyebilir ve AI’ın yardımıyla düzeltilip düzeltilmeyeceğine karar verebilirsiniz.

Göreceğiniz gibi, bazı durumlarda geleneksel çözümler daha etkili olabilir. Müşterilerinize hangi ürün tekliflerini vurgulayacağınızı belirlemek için mücadele ediyorsanız, en popüler ürünlerin önerileri genellikle kullanıcı davranışını tahmin etmeye çalışmaktan daha etkili olabilir. Bu nedenle, önce bunu deneyin. Bir kez bir sonuç aldığınızda – olumlu veya olumsuz – o zaman AI testi için bir hipoteziniz olabilir. Aksi takdirde, eylem alanı çok belirsiz olacaktır ve zaman ve para harcamış olacaksınız.

4. Mevcut çözümleri kullanın

Birçok şirket, kendi makine öğrenimi algoritmalarını hemen tasarlamaya çalışır. Ancak, büyük veri kümeleri ile uzun bir süre boyunca eğitmeyi planlamıyorsanız, bunu yapmayın. Çok pahalı ve zaman alıcı olacaktır.

Bunun yerine, mevcut çözümlere odaklanmanızı öneririm. Amazon, Google, Microsoft gibi şirketler AI destekli araçlara sahiptir ve birçok hedefi gerçekleştirmenize yardımcı olabilir. Sonra, dần dần, birini sözleşmeyle anlaşabilir ve gerekli API isteklerini yetkin bir şekilde yapılandırmak için bir iç geliştirici işe alabilirsiniz.

Temel fikir, bu araçların iş geliştiricileri tarafından (makine öğrenimi uzmanları değil) entegre edilebileceği ve böylece AI’ın beklenen etkiyi getirip getirmeyeceğini hızlı bir şekilde test etmenize izin vermesidir. Eğer başarısız olursa, bu araçları devre dışı bırakabilir ve hipotezimizi test etmenin maliyeti sadece bu hizmetle entegrasyon için harcanan geliştirici zamanı ve aracın kullanım ücreti olacaktır. Eğer bir model geliştiriyorsak, makine öğrenimi uzmanının maaşını modeli geliştirdiği süre ile çarpacağız ve ayrıca altyapı maliyetlerini de ekleyeceğiz. Ve sonra, geliştiricinin ve modelin ne olacağı belli नहidir nếu sonunda beklenen etki olmaz.

Eğer hipotezimiz kanıtlanırsa ve AI destekli araç beklenen etkiyi getirirse, seviniriz ve yeni bir hipotez oluştururuz. Gelecekte, aracın maliyetlerinin önemli ölçüde artacağından endişe ediyorsak, bu modeli kendimiz geliştirmeyi düşünebiliriz ve böylece maliyetleri daha da azaltabiliriz. Ancak önce, geliştirme maliyetinin gerçekten başka bir şirketin araçlarını kullanmaktan daha az olup olmadığını değerlendirmemiz gerekir.

Tavsiyem, yalnızca yukarıda bahsedilen araçları kullanarak AI ile iyi sonuçlar aldığınızda ve AI’ın uzun vadede sorunuzu çözmede doğru yol olduğunu kesin olarak anladığınızda kendi makine öğrenimi ürününüzü geliştirmeyi düşünmenizdir. Aksi takdirde, makine öğrenimi projesi arzu ettiğiniz değeri getirmeyecektir ve yakın zamanda yayınlanan bir Harvard Business Review makalesi gibi, AI hype sadece sizi misyonunuzdan uzaklaştıracaktır, ki buna AI gerekli değildir.

5. AI uzmanları ile danışın

Aynı şekilde, kurucular ve işletme sahiplerinin yaptığı başka bir yaygın hata, her şeyi içerde yapmaya çalışmaktır. Bir AI baş mühendisi veya araştırmacı işe alırlar ve sonra bir takım oluşturmak için daha fazla insan işe alırlar, böylece AI ile bir ürün geliştirebilirler. Ancak, bu teknoloji, AI uygulaması stratejisinin doğru bir şekilde tanımlanmaması durumunda, şirketin amacına hiçbir fayda sağlamayacaktır. Ayrıca, bir Junior ML Mühendisi işe almak için para tasarrufu yapmak da tehlikelidir, çünkü deneyimsiz bir kişi makine öğrenimi sistemi geliştirme ve tasarımındaki nüansları bilmeyebilir ve “acemi hataları” yapabilir, bu da şirketin çok yüksek bir bedel ödemesine neden olabilir, genellikle deneyimli bir uzman işe alma maliyetini aşar.

Dolayısıyla, tavsiyem önce bir AI uzmanı, yani bir danışman işe almanızdır, bu uzman size yol gösterecek ve AI benimseme sürecinizi değerlendirecektir. Uzmanın uzmanlığını, probleminizin gerçekten AI gerektirip gerektirmediğini ve teknolojinin hipotezinizi kanıtlamak için etkili bir şekilde ölçeklendirilip ölçeklendirilemeyeceğini değerlendirmek için kullanın.

Eğer bir erken aşama işletmesi iseniz ve fonlama konusunda endişeleniyorsanız, bunun için bir hile, LinkedIn’de spesifik sorularla AI mühendislerine ulaşmaktır. İnanın, birçok ML ve AI uzmanı yardım etmeyi sever, hem konuya gerçekten ilgi duydukları için hem de başarılı olursa bunu danışmanlık portföyleri için olumlu bir vaka çalışması olarak kullanabilecekleri için.

Son Düşünceler

AI etrafındaki tüm hype ile, işletmenize AI’ı entegre etmek ve AI destekli bir çözüm geliştirmek için hevesli olabilirsiniz, bu da sizi bir sonraki seviyeye taşıyacaktır. Ancak, herkesin AI hakkında konuştuğu anlamına gelen AI’ın gerçekten sizin işinize gerekli olduğu gerçeğini unutmamalısınız. Maalesef, birçok işletme AI’ı entegre etmeye acele eder ve net bir amaç olmadan, sonunda büyük miktarda para ve zaman harcarlar. Bazı durumlarda, özellikle erken aşama şirketleri için, bu onların sonunu getirebilir. Bir problemi net bir şekilde tanımlayarak, ilgili verileri toplayarak, bir hipotezi test ederek ve mevcut araçları kullanarak ve bir uzmanla danışarak, AI’ı boşuna para harcamadan işinize entegre edebilirsiniz. Sonra, eğer çözüm çalışırsa, dần dần ölçeklendirerek ve AI’ı şirketinizin verimliliğini veya kârlılığını artırdığı alanlara entegre edebilirsiniz.