Düşünce Liderleri

Yapay zekâ ajanlarıyla ticaret, kurumsal verilerdeki eski bir hatayı tekrarlıyor

Bryan House
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin
Öne çıkan noktalarAjan ticareti, yalnızca insanların okuyabileceği içerikler değil, makinelerin üzerinde…
Daha fazla göster
  • Ajan ticareti, yalnızca insanların okuyabileceği içerikler değil, makinelerin üzerinde mantık yürütebileceği yapılandırılmış ürün verileri gerektirir.
  • B2B ticareti, kuralları, ilişkileri ve kısıtlamaları açıkça kodlayan anlamsal ürün katmanları oluşturmalıdır.
  • Ürün verilerini altyapı olarak ele alan şirketler, yapay zeka ajanları tarafından anlaşılabilir hale gelecek ve avantaj elde edeceklerdir.

B2B ticareti uzun süre basit bir varsayımla işledi: Bilgilere insanlar göz atar.

Ürün sayfalarını okur, teknik özellik belgelerini hızlıca inceler ve takip soruları sormayı bildikleri için belirsiz ifadeleri hoş görürler. Bir şey açık değilse satış temsilcisine e-posta gönderirler. Bir kural dipnotta gizliyse deneyim aradaki boşluğu doldurur.

B2B ürün verileri bütünüyle bu davranışın etrafında gelişti. Kendi başına yeterli olması hiç gerekmedi; bir insanın yorumlayabilmesi yeterliydi. Yapay zekâyla birlikte bu varsayım artık geçerli değil.

Kurumsal verilerde bunu daha önce yaşadık

Bu durum tanıdık geliyorsa bunun bir nedeni var. On yıl önce şirketler veriler hakkında çok benzer bir tartışma yürütüyordu. Veri ambarları doluydu, veri gölleri taşıyordu ve sonuçta her sistem bir şeyler dışa aktarıyordu. Kâğıt üzerinde şirketler veri açısından zengindi. Uygulamada ise işler hızlı ilerlemiyordu; çünkü iş birimlerindeki kullanıcılar, tercüman görevi gören analistler olmadan temel soruları yanıtlayamıyordu. SQL bir darboğaza dönüşmüştü.

Kurumsal veriler, insanların iş hakkında nasıl akıl yürüttüğüne göre değil, sistemlerin bilgiyi nasıl sakladığına göre düzenlenmişti. Satırlar ve sütunlar vardı ama kavramlar yoktu. Gelir bilgisi üç tabloda bulunuyordu. Müşteri, kime ve ne zaman sorduğunuza bağlı olarak beş farklı anlama geliyordu. Kimse açıkça tanımlamadığı için metrikler bitmek bilmeyen tartışmalara yol açıyordu.

Kurumsal verilerdeki atılım, karmaşıklığı kabul edip kontrol altına almakla geldi. Anlamsal katmanlar bunun bir örneği olsa da daha geniş bir dönüşümün parçasıydı. Şirketler ham verilerin kendiliğinden kullanılabilir olduğunu varsayıyormuş gibi davranmayı bırakıp işin gerçek düşünme ve çalışma biçimine uygun çeviri katmanları oluşturmaya başladı.

Metrik modelleri bunu, hesaplamaları her raporda yeniden türetmek yerine bir kez tanımlayarak yaptı. Birisi zaman ayırıp tanımını kodladığı için gelir her yerde aynı anlama gelmeye başladı. Veri modelleri ve boyutsal şemalar da yapısal düzeyde aynı işi yaptı. Operasyonel tabloları müşteri, ürün, sipariş ve zaman gibi kavramlara dönüştürdüler. İş kullanıcılarının temel bir soruyu yanıtlamak için kaç tablo birleştirmesi gerektiğini anlamasına artık gerek kalmadı. İlişkiler zaten tanımlanmıştı.

Veri katalogları ve yönetişim kapsamındaki tanımlar, sorunun başka bir bölümünü çözdü. Daha önce yalnızca insanların zihninde bulunan anlamları kayda geçirdiler. Bu alan neyi temsil ediyor? Ne zaman kullanılmalı? Sınırları neler? Bağlam, dar bir grubun paylaştığı örtük bilgi olmaktan çıkıp sistemin parçası oldu.

Bu katmanlar birlikte karmaşıklığı üstlenip yönetilebilir hâle getirdi. Her defasında dünyayı sıfırdan yeniden yorumlamadan daha fazla insanın ve daha fazla sistemin doğru akıl yürütmesini sağlayan istikrarlı soyutlamalar oluşturdular. Bugün B2B ticaretinde eksik olan tam da bu.

Ajanların ürün keşfi aynı hesaplaşmayı zorunlu kılıyor

Yapay zekâ ajanlarının yürüttüğü ticaret, B2B ürün verilerini aynı sınavdan geçiriyor. Üreticiler ve dağıtıcılar ürün bilgisi sıkıntısı çekmiyor. Teknik özelliklerden yapılandırmalara, fiyatlandırma mantığından sözleşme kısıtlarına kadar zaten çok büyük miktarda bilgi saklıyorlar.

Sorun, bu verilerin neredeyse tamamının insanlar için yapılandırılmış olması. Teknik özellikler PDF’lerde duruyor. Kurallar, internete hiç aktarılmamış basılı ürün kataloglarında açıklanıyor. İstisnalar kodlanmak yerine satışın arka ofis süreçlerinde örtük biçimde yer alıyor. Bağlam satış ekiplerinin zihnindeyken çok fazla şey kurumsal hafızaya bağlı kalıyor.

Bir yapay zekâ ajanı PDF’ye hızlıca göz atıp genel fikri kavramaz. Hangi cümlenin bağlayıcı bir kısıt, hangisinin satış dili olduğunu bilmez. Biçimlendirmeden veya üsluptan güvenli biçimde kural çıkaramaz. Anlam açıkça belirtilmemişse ajan bunu bilinmeyen olarak ele alır.

Mesele yapılandırılmamış verilerin kötü olması değil

Bir noktayı netleştirmek gerekiyor. Yapılandırılmamış veriler düşman değil. Hiçbir zaman da olmadı.

Kurumsal analitikte, anlamsal katmanlar ortaya çıktığında yapılandırılmamış veriler kaybolmadı. Yapının üzerine bir katman olarak eklendi. Yapı kuralları ve ilişkileri, yapılandırılmamış içerik ise incelikleri, açıklamaları ve bağlamı ele aldı.

Aynı örüntü burada da geçerli.

Ajanların akıl yürütmek için yapıya ihtiyacı var. Açık kurallara, ilişkilere, kısıtlara ve durumlara ihtiyaçları var. Neyin uyumlu olduğunu, neyin yapılandırılabileceğini, neye izin verildiğini ve bir şeyin hangi koşullarda geçerli olduğunu bilmeleri gerekiyor. Yapılandırılmamış içerik tek başına bunları güvenilir biçimde sağlayamaz.

Ama yapı da tek başına yeterli değil. Ajanlar yalnızca öznitelikleri getirmez. Seçenekleri karşılaştırır ve ödünleşimleri değerlendirirler. Hem bir şeyin ne olduğuna hem de ne zaman önerilmesi gerektiğine karar verirler.

Açıklayıcı anlatım, amacı, konumlandırmayı ve kullanım senaryolarını açıklayan katmandır. Bu ürün var demekle, bu ürünü şu durumda seçmelisiniz demek arasındaki farktır. Kurumsal veri dünyasında bu; tanımlar, belgeler ve iş bağlamı olarak ortaya çıktı. Burada ise ajanların öğrenebileceği ürün düzeyinde açıklamalar olarak karşımıza çıkıyor. Yapılandırılmış ürün verileri ajana neyin doğru olduğunu söylerken, açıklayıcı anlatım neyin önemli olduğuna karar vermesine yardımcı oluyor.

Ticaret akıl yürütmeye değil, sunuma göre optimize edildi

Rahatsız edici taraf bu. Ticaret altyapısı, kurumsal verilerin gerçekleştirdiği atılımı tam olarak yapamadı. Daha iyi ürün bilgisi yönetim sistemleri, yani PIM’ler, daha zengin kataloglar ve daha güzel ürün sayfaları oluşturduk. Ama ürünler için gerçek bir anlamsal katman oluşturmadık; sunumu optimize ettik.

B2B alımlarına insanlar aracılık ettiği sürece bu yeterliydi. Satış temsilcileri özel durumları açıklıyordu. Alıcılar belirsizliği hoş görüyor, herkes sistemin eksiklerini nasıl aşacağını biliyordu.

Ajanlar bu tamponu ortadan kaldırıyor. B2B’de çatlaklar hemen ortaya çıkıyor. Fiyatlar müşteri hesabına göre değişiyor. Ürünün temin edilebilirliği bölgeye göre farklılaşıyor. Uyumluluk yapılandırmaya bağlı. Sözleşmeler varsayılan koşullardan önce geliyor. Tanınan haklar önem taşıyor. Bunların hiçbiri güvenli biçimde tahmin edilemez.

Bir ajan ürünü değerlendirirken iyi yazılmış bir açıklamadan etkilenmez. Neyin uygun olduğunu, neye izin verildiğini, neyin uyumlu olduğunu ve sonra ne olacağını bilmek ister. Bu bilgiler açıkça belirtilmemişse açıklama istemez; bir sonraki seçeneğe geçer.

Ticaret şirketlerinin şimdi yapması gerekenler

Dönüm noktası bu. Ticaret şirketleri ürün verilerini insanların yorumladığı içerik olarak ele almaya devam edebilir. Ya da makinelerin akıl yürütürken dayandığı altyapı olarak görmeye başlayabilir.

Bu, teknik özelliklerin anlamı tanımlanmış özniteliklere dönüşmesi gerektiği anlamına geliyor. Uyumluluk paragraflarda açıklanmak yerine ilişkiler olarak kodlanmalı. Fiyatlandırma mantık olarak ifade edilmeli. Tanınan haklar açıkça belirtilmeli. Temin edilebilirlik, kesin durum bilgisiyle gösterilmeli.

Şirketlerin analitik alanında yapmak zorunda kaldığı değişim de tam olarak buydu. Ham veriler ve tablolar yeterli olmadığında anlamın tanımlanması gerekti. Yapılandırılmış çekirdek oluştuğunda açıklayıcı anlatım, yapay zekânın tek doğruluk kaynağı olmaktan çıkar ve ajanlara bu doğruları gerçek durumlarda nasıl uygulayacaklarını öğreten katmana dönüşür.

Bunu yapan üreticiler ve dağıtıcılar ajanlar için anlaşılır hâle gelecek. Ürünlerini değerlendirmek, önermek ve onlara güvenmek kolaylaşacak. Bunu yapmayanların hâlâ verileri olacak, ancak bu veriler eski kurumsal veri ambarları gibi işleyecek: teknik olarak mevcut, pratikte kullanılamaz.

Örüntü eski, sonuçlar ise yeni

Bunların hiçbiri varsayım değil. Kurumsal verilerin aynı döngüden geçtiğini zaten gördük. Şimdi tek fark kullanıcı. İş analistlerinin yerini otonom ajanlar, gösterge panolarının yerini öneriler, yavaş kararların yerini ise anında seçenek dışı bırakılma alıyor.

Yapay zekâ ajanlarının yürüttüğü ticaret, onlarca yıllık bir kurumsal veri sorununu ortaya çıkarıyor. Bunu fark eden ve ürün verilerini, şirketlerin operasyonel verileri ele almayı öğrendiği biçimde ele alan şirketler hızla uyum sağlayacak. Diğerleri PDF eklemeye, açıklamaları yeniden yazmaya ve ajanların neden kendilerini hiç seçmiyor gibi göründüğünü sorgulamaya devam edecek.

Tarih tekerrür ediyor. Bu kez makineler dikkat kesiliyor.

Bryan, Elastic Path'in CEO’sudur ve burada GTM, müşteri başarısı, küresel hizmetler ve ürün ekiplerini yönetir. Önceden, Bryan, Neural Magic'te (Red Hat tarafından satın alındı) baş ticari sorumluydu (Chief Commercial Officer); bu derin öğrenme yazılımı girişiminde Ürün, GTM ve Müşteri Başarısını yönetti.