Veri Çoğaldıkça: Şirketler için Gizli Maliyetler ve AI’nin Rolü

Veri çığında boğuluyoruz. Her platform, akıllı saat ve akıllı telefon hayatımızı ölçülebilir parçalara ayırıyor, ancak çoğunun anlamı ve kullanımı yok.

Şirketler bunu biliyor, bu nedenle teknoloji devi Meta, veri etiketleme şirketi Scale AI’de %49’luk hisseyi 14 milyar dolar karşılığında satın almak için son yaz yatırım yaptı ve bu, AI modelleri için yüksek kaliteli eğitim verilerini güvence altına almak için hesaplı ve stratejik bir hamle oldu.

Büyük dil modellerinin güvenilirliği, tamamen onlara verilen verilerin kalitesine bağlıdır – kısaca, “çöp inside, çöp outside.” Bugün, şirketlerin karşılaştığı gerçek zorluk, ham bilginin akışını eyleme geçirilebilir verilere dönüştürmektir.

Çözüm gözlerden gizli olabilir: AI itself, büyük veri setlerini etiketleme veya sonsuz elektronik tabloları tarayarak kaosu insan zekasına dönüştürebilir.

Veri Çoğaldıkça: Şirketler için Gizli Maliyetler

Gartner araştırmasına göre, 2020 yılında, kötü veri kalitesi, organizasyonlara yılda en az 12.9 milyon dolarlık maliyet getiriyor, verimliliği etkiliyor ve yanlış kararlar alınmasına ve yanlış raporlamaya neden oluyor.

Sağlık sektöründe, eksik sağlık kayıtları, faturalama bilgileri ve sistemler arası tutarsız veriler, yanlış teşhis, tedavi hataları ve kaynakların verimsiz dağıtımı gibi sonuçlara yol açabilir. Uzun vadede, bu maliyetleri artırır ve bu sistemlere güveni azaltır.

Lojistikte, tedarikçiler ve dağıtıcılar arasındaki tutarsız veriler, gecikmelere veya stok eksikliklerine neden olabilir. Yanlış bir teslimat adresi veya eski bir stok kaydı, tüm tedarik zincirinde dalgalanmalara neden olabilir ve teslimat tarihlerini kaçırabilir ve müşterileri memnun edemez.

“Geçmiş veriler birleştirilerek, rotada ne olabileceğini öngörebilir veya anlayabilirsek, bu verimsizlikleri gerçekten azaltabiliriz” diyor lojistik AI şirketi Transmetrics’in CEO’su Asparuh Koev, Unite AI ile yaptığı konuşmada.

Pratik olarak, kirli veri pahalıdır. 1-10-100 kuralı bunu gösterir: veriyi girişte kontrol etmek 1 dolar, daha sonra temizlemek 10 dolar, hiçbir şey yapmamak ise 100 dolar maliyet getirir.

AI Güçlü Platformlar Ne Getirir?

İşletmeler, artan miktarda kirli veriyle boğuşurken, AI çözümlerine yöneliyorlar. Yeni AI güçlü platformlar, veri temizleme işlemini otomatikleştirerek, maliyet etkinliğini ve doğruluğu artırıyor.

Claritype kurucusu Robert Giardina, AI’nin sürecini açıkladı: “Verileri ortak bir formata dönüştürür: işlemin bir parçası, her veriyi iş için uygun bir biçime dönüştürmektir.”

Claritype’nin AI’si, basit standartlaştırmanın ötesine geçer. Platformun denetlenen onarımı, işletmelerin, sistem sınırlarını aşarak en acil sorularına cevaplar bulmasına olanak tanır ve bilgi dağınıklığını azaltır.

“Önceki olarak ayrı tutulan sistemler, tüm işletme için cevapları içerir” diyor Giardina, Unite AI’ye.

Bir ana tedarikçi, bir sevkiyat gecikmesinden etkilenirse, yalnızca tedarikçileri siparişlere ve müşteri geçmişine bağlayarak, hangi müşterilerin öncelikle bilgilendirilmesi gerektiğini belirleyebilir.

“Nihai hedefimiz, tüm veri parçalarını birleştirmek ve her soruyu kolay ve anında cevaplayabilmektir” diyor Giardina.

Bu tür bağlantılı düşünme, şirketlerin zihniyetindeki daha geniş değişimin bir parçasıdır; şirketler, ad hoc veri temizleme yerine, sistemli veri yönetimine geçiyorlar. Veri kalitesini bir kerelik düzeltme olarak değil, tüm sistemlerinde tutarlılık ve güvenilirlik sağlamak için yapılandırılmış süreçler geliştiriyorlar.

Veri yönetimi artık değerli bir iş süreci olarak görülüyor, yalnızca bir IT görevi değil. Şirketler, veri yönetimini genel stratejilerine entegre ederek, daha iyi kararlar alabilir ve verilerinden daha anlamlı içgörüler elde edebilir.

AI Verileri Nasıl Temizler ve Karşılaştığı Zorluklar

AI’ye aşırı güvenmek tehlikeli olabilir. Giardina’ya göre, “endişe verici otomatik veri dönüşümleri, standartlaştırmanın ötesine geçerek tahminlere girer.”

Örneğin, bazı kısaltmalar kolayca yanlış yorumlanabilir. “International Business Machines, Inc.” veya “I.B.M.” genellikle “IBM”ye dönüştürülür, ancak “I.B.” yanlışlıkla “IBM”ye dönüştürülürse, her iki şirket için önemli sorunlara neden olabilir.

Eksik ve yanlış veriler, en yaygın sorunlardır ve AI’nin yalnızca bağlama göre boşlukları doldurmasına güvenmek kolayca geri tepebilir. Giardina’nın da belirttiği gibi, “etkileri önemli olduğunda, her tahmini bir insan onaylamalıdır.”

Otomasyonu İnsan Anlayışıyla Dengelemek

Kirli veriler, şirketlerin bilgiyi nasıl ele aldıklarındaki derin kusurları vurgular. Karar alma süreçlerini geliştirmek için, şirketlerin veri sorununu yalnızca teknik bir sorun olarak görmeyi bırakmaları ve insan uzmanlığı, etik bilinci ve uzun vadeli stratejik vizyonu birleştiren yönetim modellerine geçmeleri gerekir.

Temiz veriler, daha etkili AI’ye yol açar; bu da veri kalitesini iyileştirir. Bu birbirini güçlendirerek devam eden döngü umut vericidir, ancak otomatikleşme alone bizim kirli veri sorunumuzu çözmez. Bu potansiyel, yalnızca algoritmik kesinliği insan yargısı ve AI’nin getirebileceği önyargıların bilinciyle birleştirerek gerçekleştirilebilir ve şeffaflık ve sistemlere güveni artırabilir.

Üretim zekası AI firması Allie AI’nin CEO’su Alex Sandoval, üretimde AI’nin insan uzmanlığı olmadan çalışamayacağını vurguladı.

“Bugünün en başarılı uygulamaları, yalnızca modellere büyük miktarda veri beslemek değil, aynı zamanda fabrikadaki mantığı anlayan yeni bir tür ön cephe çalışanıyla da ilgili” diyor Sandoval.