AI Ajanınız Yalnızca Dosyalama Sisteminiz Kadar İyi

30 Aralık 2025: Danimarka posta servisi, 401 yıllık tarihindeki son mektupı teslim etti. Kalan 1.500 posta kutusu o yıl sokaklardan kaldırıldı. Bu arada, Temmuz 2026: Alman federal kabinesi, doktor ofislerinden faksı 2029 sonbaharına kadar aşamalı olarak kaldıran ve elektronik sevkleri zorunlu kılan sağlık verileri ve dijital yenilik yasası GeDIG’i onayladı.

Peki, bir ülke bu değişiklikleri hayata geçirirken bir başka ülke bu yüzyılda hâlâ faks makinelerine olan bağımlılığını aşma sürecinde nasıl kalabiliyor? Her ülkenin işletmelerde AI kullanımını dikkate alırsak, Danimarka firmalarının %42’si 2025: en az bir AI teknolojisi kullanmış ve bu, Avrupa’daki en yüksek oran. Almanya %26’yla AB ortalamasının üzerinde, ancak Danimarka’dan on altı puan geride kalmış.

Bana göre, bu tezat AI benimsemesiyle ilgili inançlarımızı yeniden gözden geçirmemizi tetikliyor. Özellikle model seçiminin AI benimsemesinin başlangıç noktası olduğu, modelin çevresindeki sistemlerin durumunu göz ardı eden inancı. Her iki ülke de aynı modellere ve bulut sağlayıcılarına erişebiliyor, ancak fark, işletme ve kamu süreçlerinin zaten güvenilir dijital kayıtlar üretip üretmediğinde yatıyor. Bir AI ajanı gerçeklikle doğrudan değil, bir sistemde mevcut olan gerçeklik versiyonuyla çalıştığı için bu doğal olarak bazı kısıtlamalar yaratıyor.

İlk Kısıtlama: Bilgi Hiç Dijitalleştirilmemişti

Bir ajan, sisteme hiç girmemiş bir belgeyi geri getiremez. Organizasyonun bilgi akışının şekli, bir ajanın bir görevi nasıl algılayabileceğini belirler.

Ülke düzeyinde, Eurostat verileri işletmelerde AI benimsemesinin idari süreçlerin dijitalleşmesiyle ilişkili olduğunu gösteriyor. Ancak temel mekanizma, vatandaşların resmi belgeleri dijital olarak aldığı ülkelerde firmaların uzaktan sistem dışı etkileşimlerinin daha az olması; bu da AI’nın operasyonlarda güvenli bir şekilde kullanılabilmesi için gereken yorumlama işinin miktarını azaltıyor.

Firma düzeyinde, 2026 IZA çalışması 1.907 Danimarka şirketi üzerine yapılmış ve dijitalleşmedeki bir standart sapma artışının temel AI sistemlerini benimseme olasılığını %8‑%10 artırdığını bulmuş. Bu, AI benimsemesinin, firmanın iç operasyonlarının zaten dijital olarak yapılandırılmış, makine tarafından okunabilir bir şekilde düzenlenip düzenlenmediğine bağlı olduğunu gösteriyor. Süreçler parçalıysa, AI sistemleri ya da ajanların üzerine hareket edebileceği istikrarlı bilgi çok azdır.

Bu, politika odaklı dijitalleşmenin otomatik olarak AI hazırlığına dönüşmemesini de açıklamaya yardımcı olabilir. İtalya’nın zorunlu B2B e-faturası tam dijital bir kanal oluşturdu, ancak genel AI benimsemesi AB ortalamasının altında kalıyor. Tek bir adımı dijitalleştirmek, çevredeki analog sistemi ortadan kaldırmaz.

İkinci Kısıtlama: Bilgi Yalnızca Birinin Aklında Var

İnsanlar operasyonları yürütür, bu da çoğu zaman AI’ın bilmediği detayları bildikleri anlamına gelir. Bir finans yöneticisi, bir kiracının nakit ödediğini bilir, ancak ödeme muhasebe sistemine hiç girilmemiştir. Sonuç olarak banka kayıtları ve sistem uzlaşmaz. Yönetici nedenini anlar, oysa AI sadece tutarsız verileri görür. Bir emlak yöneticisi, bir ev sahibinin iki hafta boyunca iletişime geçilmemesini istediğini hatırlar. Bir ekip bir bina ya da müşteri için bir geçici çözümü bilir, ancak kimse bunu belgelememiştir.

ClarEval eksik hedefler, eksik öncüller ve belirsiz terminoloji içeren görevleri test etti. Model performansı, açıklamadan sonra yaklaşık %89 iken, belirsizlik çözülemediğinde yaklaşık %9’a düştü. Bu arada, Ambig-SWE, eksik bilgiye sahip bir kullanıcıya soru sormasına izin veren bir modelin kaybedilen performansın %74’üne kadar geri kazandırabildiğini buldu. Bu, mühendislerin baştan itibaren açıklama isteyebilen bir sistem inşa etmeleri gerektiğini gösteriyor.

Üçüncü Kısıtlama: Bilgi Var Ama Aktarılamıyor

Bazı veriler şirket içinde mevcut olsa da gizlilik kuralları, güvenlik kontrolleri, sözleşmeler ya da iç politika nedeniyle modele ulaşamıyor.

yedi yıllık bulut verisine dayanan bir çalışma, GDPR—AB’nin temel veri gizliliği yasasının—AB firmalarında veri depolamayı %26, işleme ise %15 azalttığını, ABD’deki benzer firmalarla karşılaştırıldığında buldu. Başka bir deyişle, gizlilik düzenlemeleri firmaların analiz ve AI için saklayıp işleyebilecekleri bilgi miktarını sınırlayarak veri yoğunluğunu azalttı. Üretken AI benimsemesi neredeyse eşitti, AB firmalarının %37’si ve ABD firmalarının %36’sı bu teknolojiyi kullanıyor. Ancak AI benimsemesinin derinliği açısından fark büyük; ABD firmalarının %81’i en az iki iç süreçte AI kullanırken, AB’de bu oran %55. Bunun olası bir nedeni, organizasyon içinde zaten mevcut olan bilgilerin Avrupa’da AI için yeniden kullanılmasının genellikle daha zor olmasıdır. Örneğin, müşteri destek konuşmaları, müşteri sorunlarını çözmek için toplanan kişisel verileri sıkça içerir. GDPR’nın amaç sınırlaması ilkesine (Madde 5(1)(b)) göre, bu veriler geçerli bir yasal dayanak olmadan AI eğitimi için yeniden kullanılmaz. ABD firmaları genellikle bu tür verileri yeniden kullanma konusunda daha az eşdeğer federal kısıtlamayla karşılaşır.

Doğru Sistemi Nasıl Oluşturmalı

Erişim yalnızca cevap sistemde mevcut olduğunda çalışır. Ajanlar bilgi eksik olduğunda sormalı, asla tahmin etmemeli ve aramaları ya da gayri resmi kararları yapılandırılmış kayıtlara dönüştürmelidir. Şirketler ayrıca paralel kağıt iş akışlarını ortadan kaldırmalı, çünkü bir görev sistem dışına gerçekleşebiliyorsa, bağlamın bir kısmı görünmez kalır.

Her şirket kendi eksiklikleriyle yüzleşmelidir. Doğru hareket etmek için gereken bir bilginin sistemde olup olmadığını ölçün. Hariç tutulan gizlilik inceleme alanlarıyla ve olmadan iş akışlarını test edin. Son olarak, kağıt üzerinde tamamlanabilen iş akışı, en son inşa edilmesi gereken ajandır.

Ajanlar insan çıktısını artırabilir, ancak eksik olanı onaramazlar.