Yapay zekâ kullanımı artıyor. Peki işletme performansı?

Şirketler, yapay zekâ yatırımlarını anlamlı getiriler elde edecek şekilde değerlendirmekte zorlanıyor. Kullanım artıyor; ancak kuruluşların yalnızca %13‘ü yapay zekânın önemli ölçüde dönüştürücü değer sağladığını bildiriyor. Bu fark, liderleri bir adım geri çekilip ölçtükleri şeyin faaliyet mi yoksa anlamlı bir değişim mi olduğunu sorgulamaya yöneltmeli.

Yapay zekâ yatırımlarının getirisini (ROI) açıkça ortaya koyma baskısı altındaki kuruluşlar, araç kullanımı, aktif kullanıcı sayısı veya benimseme oranları gibi kolayca raporlanabilen ölçütlere sıkça yöneliyor. Bu ölçütler, çalışanların yapay zekâyı kullanıp kullanmadığını gösteriyor. Ancak işlerin iyileşip iyileşmediği veya yatırımın değer sağlayıp sağlamadığı konusunda pek az şey söylüyor.

Örneğin PwC, ankete katılan çalışanların %64‘ünün geçtiğimiz 12 ay içinde işte yapay zekâ kullandığını ve bu oranın yıllık bazda 10 yüzde puan arttığını ortaya koydu. İlk bakışta bu, büyümenin umut verici bir göstergesi; ancak kârlılık üzerinde bir etki olduğunu kanıtlamıyor. Liderler yapay zekânın benimsenmesini dönüşümün kanıtı olarak gördüğünde, bu durum göstermelik bir ölçüte dönüşüyor. Daha anlamlı ölçüt, yapay zekânın önceki projelerden elde edilen içgörüleri; ekiplerin sonuçlara ulaşma biçimini iyileştiren çerçevelere, araçlara ve hızlandırıcılara dönüştürmeye nasıl yardımcı olduğudur.

Gizli Sorun: Yapay Zekâ, Değişmesi Gereken İşleri Hızlandırabilir

Kuruluşların yapay zekâ eklemeden önce iş akışının amacını anlaması, gereksiz adımları belirlemesi ve işin nasıl yürütülmesi gerektiğini yeniden değerlendirmesi gerekir. Bu önemlidir; çünkü yapay zekâyı devreye almak verimsiz bir süreci hızlandırabilir, darboğazları sonraki aşamalara taşıyabilir ve daha fazla inceleme ya da yeniden çalışma ihtiyacı doğurabilir.

Kuruluşlar neyi ölçeceklerine karar verirken de aynı anlayıştan yararlanmalıdır. İş akışının tamamına bakmak, ekiplerin bir görevdeki değişikliklerin sonraki tüm aşamaları nasıl etkilediğini ve görünen kazanımların gerçekten harcanan emeği azaltıp azaltmadığını, yoksa yalnızca başkasına mı aktardığını görmesine yardımcı olur.

Yapay zekâ; içerik taslağı hazırlama, bilgileri özetleme veya verileri daha hızlı analiz etme gibi bireysel görevleri hızlandırabilir, ancak süreçleri iyileştirmeyebilir. Örneğin içeriğin daha hızlı üretilmesi, sonraki aşamalardaki inceleme ve onay sorumlularının iş yükünü artırabilir. Bireysel çalışanlar zamandan tasarruf ettiklerini bildirirken darboğaz başka bir noktaya taşınır.

Verimlilik ölçütleri bu noktada göstermelik ölçütlere dönüşebilir. Bir görevin daha hızlı tamamlanması kısa sürede elde edilmiş bir kazanım gibi görünebilir; ancak çıktıyı sonraki aşamalarda kullanılabilir bir sonuca dönüştürmek için gereken emeği göz ardı edebilir. İş akışını yeniden tasarlamaya hedeflenen sonuçla başlanmalı, ardından yapay zekânın nerede değer kattığı ve hangi adımların değişmesi gerektiği belirlenmelidir.

Görev verimliliği de iş akışı verimliliği de önemlidir. Bunları birlikte ölçmek için ekiplerin, sonuca ulaşmak üzere gereken kaliteyi, yeniden çalışma ihtiyacını ve toplam insan emeğini değerlendirmesi; yalnızca bireysel zaman tasarruflarına bakmaması gerekir.

Kendi Yapay Zekâ Müşterimiz Olmaktan Öğrendiklerimiz

Yapay zekâyı temel alan bir kuruluş haline gelmemize yardımcı olması için Arionkoder’de kurum içi dönüşüm programımız Socrates‘i oluşturduk. Yapay zekâyı kendi “sıfırıncı vakamız” olarak denemek, bireysel görevlerdeki verimlilik kazanımlarının tüm iş akışındaki sorunları nasıl gizleyebileceğini gösterdi. Örneğin, proje yönetimi iş akışlarımızda toplantı özetleri, eylem maddeleri ve proje güncellemeleri oluşturmak için yapay zekâ kullanmanın bu görevleri daha verimli hale getireceğini başlangıçta varsaydık. Ancak artan bilgi hacmi, yine de manuel inceleme, önceliklendirme ve ekipler arası koordinasyon gerektiriyordu. Böylece iş yükü azalmadı, sonraki aşamalara kaydı. Bireysel görevleri hızlandırmanın genel iş akışını mutlaka daha verimli hale getirmediğini fark ettik. Socrates’in hedefi geçerliliğini koruyordu; ancak programın ekiplerin tekil görevleri hızlandırmaktan uçtan uca iş akışlarını yeniden tasarlamaya yönelmesine yardımcı olması gerekiyordu.

Ne olduğunu inceleyip bulguları bir sonraki denememizde uyguladığımızda bu aksilikten yarar sağladık. Bu deneyim, yapay zekâ dönüşümünün yalnızca teknolojiyi devreye almaktan ibaret olmadığını pekiştirdi. Dönüşüm; insanların deneylerden nasıl öğrendiğini, kararları nasıl aldığını ve birlikte nasıl çalıştığını değiştirmeyi gerektiriyor. Socrates’in çalışanların bireysel olarak geliştirdiklerini işlerin yürütülme biçimiyle ilişkilendirmelerine yardımcı olması gerekiyordu.

Gözden geçirilmiş yaklaşım, bu deneme sürecine net bir aşamalar dizisi kazandırıyor. Bir çalışan, yapay zekâyı gerçek ve küçük bir sorunu çözmek için kullanmaya başlayabilirdi. Sonraki adım, geliştirdiği şeyi başka birinin kullanıp kullanamayacağını sınamak olurdu. Şirket bundan sonra daha geniş iş akışını inceleyebilir, aksayan noktaları belirleyebilir ve yapılan işi diğer ekiplerin geliştirdiği yetkinliklerle ilişkilendirebilirdi. Çalışanlar arasındaki ortak öğrenme, bir iyileştirmenin başlangıçta desteklemek üzere tasarlandığı görevin ötesinde de yararlı olup olmadığını değerlendirmeye yardımcı olur.

Bu ayrım önemlidir. Tek bir kişi için işe yarayan bir şey geliştirmek başlangıç noktasıdır. Kurum genelinde değer yaratmak için başkalarının bunu nasıl kullandığını ve daha büyük bir sürecin parçası haline geldiğinde nelerin değiştiğini anlamak gerekir.

Bu nedenle yeniden başlangıcımızı hedeflenen sonuçtan yola çıkarak yaptık. Ekibin neyi başarması gerekiyordu? Hangi adımlar bu sonuca katkıda bulunuyordu, hangileri ise artık amacına hizmet etmeyen yerleşik bir süreç yüzünden vardı? Bu sorular, odağın tek tek görevlere yapay zekâ eklemekten daha net bir hedef doğrultusunda iş akışını yeniden tasarlamaya kaymasına yardımcı oldu.

Ardından her iş akışına uygun başlangıç değerleri ve ölçütler belirledik. Tamamlanma süresinin yanı sıra kaliteyi, yeniden çalışma ihtiyacını ve çalışanların harcadığı emeği de değerlendirdik. Bu ölçütler, tüm süreç genelindeki iyileşmeyi değerlendirmemize yardımcı oldu.

Socrates kapsamında, gerçek iş sorunlarına yönelik deneyleri başkalarının da kullanabileceği yetkinliklere dönüştürerek 20’den fazla iş akışını yeniden tasarladık. Finans raporlaması dört saatten 20 dakikaya inerken BT, tekrarlayan görevlerde %40 azalma ve yanıt sürelerinde %60 düşüş bildirdi. Bu sonuçlar operasyonel ilerleme kaydedildiğini gösterdi. Bu ölçütlerin iş değerine nasıl dönüştüğünü anlamak için iş akışının genelinde harcanan çabanın azalıp azalmadığını ve ekiplerin kazandıkları kapasiteyi nasıl kullandığını değerlendirmek gerekir.

Bizim için çıkarılacak ders, iyileştirmeleri baştan sona takip etmekti. Bireysel zaman tasarrufu önemlidir; ancak bir sonraki kişinin daha iyi iş çıkarmasına yardımcı olduğunda ve ekibi hedeflenen sonuca yaklaştırdığında kurumsal değere dönüşür.

CIO’lar Bunun Yerine Neleri Ölçmeli?

Bir iyileştirmenin iş üzerindeki etkisini anlamak, yapay zekâ kullanımını veya tasarruf edilen zamanı takip etmekten fazlasını gerektirir. Liderlerin benimsemeyi, işlerin yapılış biçimindeki iyileşmelere ve elde edilen sonuçlara bağlaması gerekir. İlerleme, birbirinden ayrı üç düzeyde ölçülmelidir:

1. Benimsenme: Çalışanlar yapay zekâ kullanıyor mu?

   Benimsenme, tanı koymaya yarayan bir ölçüt olmayı sürdürür. Kullanım verileri, deneylere katılım ve çalışan geri bildirimleri, insanların hangi alanlarda güven kazandığını ve nerelerde desteğe ihtiyaç duyduğunu ortaya çıkarabilir.

   Bu göstergeler, liderlerin kuruluşun hazır olma durumunu anlamasına yardımcı olur; ancak yatırım getirisini kanıtlamaz. Yüksek kullanım, dönüşümün kanıtı değil, incelemeye başlamak için bir işarettir.

2. İş akışı performansı: İş gerçekten iyileşiyor mu?

   Başarı ölçütleri, iş akışının amaçlanan işlevini yansıtmalıdır. Kullanım senaryosuna bağlı olarak iyileşme; daha doğru bilgi, daha az hata veya daha hızlı çözüm anlamına gelebilir.

   Performansı, sürecin tamamında bir başlangıç ölçütüyle karşılaştırın. Ortadan kaldırılan gereksiz adımları, yeniden yapılan işleri, kaliteyi ve çalışanların harcadığı toplam çabayı takip edin. Yapay zekâ tarafından üretilen çıktıları teslim alan ve bunlara göre hareket eden kişileri de değerlendirmeye katın. Başka bir yerde ek inceleme veya düzeltme gerektiriyorsa, bir görev mutlaka daha verimli hâle gelmiş sayılmaz.

3. İş etkisi: Yapay zekâ destekli iş akışı, iş sonuçlarını iyileştiriyor mu?

   İş akışındaki iyileşmeleri; müşteri bağlılığı, gelir, hizmet kalitesi veya çözüme kavuşturulan sorun başına maliyet gibi liderlerin önem verdiği sonuçlarla ilişkilendirin. Örneğin daha fazla içerik üretmek, çıktı miktarının arttığını gösterir. Bunun iş değeri, ortaya konan içeriğe bağlıdır.

   Zamandan sağlanan tasarrufun nasıl kullanıldığını takip edin. Ek kapasite hizmeti iyileştirdi mi, büyümeyi destekledi mi veya işletme maliyetlerini düşürdü mü? İnsan emeği, yapay zekâ kullanımı, entegrasyon, gözetim, eğitim ve bakım dâhil olmak üzere bu değeri elde etmenin toplam maliyetine kıyasla değeri değerlendirin.

Bu ölçütler birlikte, liderlerin yapay zekânın benimsenmesinden daha iyi iş akışlarına ve iş sonuçlarına uzanan süreci izlemesine yardımcı olur. Yapay zekâ kullanımı artarken insan emeği azalmıyor, kalite iyileşmiyor veya iş değeri sağlanmıyorsa liderlerin ölçeği büyütmeden önce yaklaşımı yeniden değerlendirmesi gerekir.

Liderlerin Yapay Zekâdaki İlerlemeyi Yeniden Tanımlaması Gerekiyor

Benimsenme verileri, şirketlerin yapay zekâyı kimlerin kullandığını ve nerelerde daha fazla desteğe ihtiyaç duyulduğunu görmesine yardımcı olur. Yapay zekânın değerini anlamak için işi yapan kişileri dinlemek ve elde edilen kazanımların iş akışının genelini iyileştirip iyileştirmediğini değerlendirmek gerekir. Liderler, çalışanların daha iyi sonuçlar sağlamadan iş yükünü artıran yaklaşımları rahatça dile getirebilmesini sağlamalı ve ardından bu bulgular doğrultusunda harekete geçmelidir. Öğrenilenler bir sonraki kararı iyileştiriyorsa, etkisiz bir yaklaşımı değiştirmek veya durdurmak da ilerlemedir.

Anlamlı dönüşüm; gereksiz işlerin ortadan kaldırılması, daha iyi sonuçlar alınması ve önemli işlere ayrılabilecek kapasitenin artmasıyla kendini gösterir. Liderler, yapay zekâdaki ilerlemeyi değerlendirmek ve sonraki yatırımlara yön vermek için bu sonuçları esas almalıdır.