AI Ajanlarınız Neden İşletmenizi Tanımıyor

Geçen yıl, Absa, Afrika’nın en büyük bankalarından biri, bir yeni finansal suç tespit modelini oluşturma aşamasından üretime geçirmek için 120 gün gerektiğini fark etti. O zamanlar endüstri ortalamasına yakın olan bu süre, aynı bankanın bugün aynı düzenleyici ortam, işlem hacmi ve uyum gereksinimlerine sahip olmasına rağmen bir yeni modeli yalnızca 15 günde dağıtabilmesi ile karşılaştırılabilir.

Ve yine de, bir PwC anketi buldu ki, işletme CEO’larının %56’sı AI yatırımlarından önemli bir finansal kazanç görmedi. Her işletme lideri ile konuştuğumda, AI ajanlarını dağıtarak ve iş akışlarını otomatikleştirerek hızlı bir şekilde ROI göreceğinizi anlatan bir sunum duydu. Bunun yerine, 18 ay ve birkaç milyon dolar sonra, işletme etkisi kayboldu. Eksik olan bileşen, bir ajanın iç işletme kararları alması ve hata yapması durumunda ne yapması gerektiğini anlamasını sağlayan işletme bağlamıdır.

Ajanlar Danışmanlıktan Eyleme Geçtiğinde

Gartner tahmin ediyor ki, 2027 yılına kadar, iş kararlarının %50’si karar zekası için AI ajanları tarafından desteklenecek veya otomatikleştirilecek. Çok yakın bir zamana kadar, AI’nın işletmedeki rolü, bir kararı vermesi için çalışana danışmanlık yapmaktı. En kötü senaryo, kaçırılan bir fikir, gecikmiş bir karar veya bir uyarıya yanıt olarak hiçbir eylem yapılmamasıydı. Ajanlar ile sonuçlar çok daha büyük.

Dünya çapında bir eczacılık şirketinin biyolojik ürün fabrikasında, bir müfettiş laboratuvar kapısını taradığında, doğru inceleme iş akışı otomatik olarak başlatılır ve o odanın ekipmanına ve özelliklerine göre uyarlanır. Ajan, incelemeyi sıralar, referans materyali ortaya çıkarır ve müfettişin onaylamasını sağlar. Bir GxP düzenlenmiş tesislerde, her inceleme denetim için hazırlanmalıdır, yani bir ajan, gerçek sonuçları olan bir ortamda operasyonel yükün bir payını almaktadır.

Bugün yerinde olan çoğu yönetim çerçevesi, önceki danışmanlık dünyası için inşa edildi: periyodik model incelemeleri ve bir insan tarafından tek bir sistemin çıktısının kontrolü. Şimdi, görevleri diğer ajanlara veren, iş akışları arasında koordinasyon yapan ve herhangi biri fark etmeden önce tüm bir işlem zincirinde yanlış bir çağrıyı birleştiren ajanlara sahibiz.

Neden Genel Ajanlar Duvara Çarpar

Genel amaçlı bir ajan, kontrol edilen koşullar altında gerçekten etkileyici görünebilir. Ancak, işletme operasyonlarında, kısıtlamalar, bağımlılıklar ve herhangi bir zeminde çalışmış olan herkesin açık olduğu ancak bir modelin göremediği yargı çağrıları ile karşılaştığında mücadele etmeye başlar.

Dünya çapında bir gıda ve içecek şirketinin bir kategorisi yöneticisi, farklı bir ölçekte benzer bir problemle karşılaştı: %96 pazar penetrasyonu, çekilebilecek geleneksel kollara sahip değil. Kategori yöneticisi, karar mantığını doğrudan 100’den fazla veri kaynağını birleştirmek ve AI modelinin mağazaları alıcı davranış profillerine dönüştürmek için tanımladı, böylece kategori ekibi üzerine harekete geçebilirdi. Sonuç? Üç alıcı kümesi, perakendeci ortaklarla haftalık sprintler, %8’lik artan satış artışı ve %35 daha hızlı rafta sıfırlama.

Bu, ajanın zaten bir planogram ne olduğunu, bir alıcı kümesinin ne anlama geldiğini ve bir tanıtım değişikliğinin komşu kategorilere nasıl yayıldığını bildiği için işe yaradı. Genel bir model, endüstriye özgü sözcük dağarcığını öğrenmek zorunda kalacaktır, bu da çoğu işletmenin sahip olmadığı 12 ila 18 ay sürebilir.

Neden Yönetim Mimari Olarak İnşa Edilmeli

Sorumluluk çerçeveleri, çoğu işletmenin bugün sahip olduğu, bir modelin çıktısını açıklamak ve periyodik olarak incelemek için inşa edildi. Bir ajan bir iş akışı içinde geri dönülmez bir eylemi tetiklediğinde ne olacağı için inşa edilmedi.

Merkez ve Doğu Avrupa pazarlarında faaliyet gösteren bir sigortacı ile çalıştım ve bu, her uyum kararı verirken her pazarın düzenleyici gereksinimlerini dikkate alması gereken bir şirket. Her müşterinin due diligence kararı, girişi, modeli, çıktıyı ve onaylayan kişiyi içeren canlı bir kayıt olarak izlenebilir. Şirketin AI sistemi, bir pazar için uyumlu olan ancak başka bir pazar için uyumlu olmayan bir işlemleri, bir uyum analistinin manuel olarak karar vermesi olmadan yönlendirebilir.

Bu, Absa’nın üretim AML sistemini 120 gün yerine 15 günde dağıtabilmesini sağlayan aynı mimaridir. Hız, bankanın hemen her karar için politika sürümünü bir düzenleyiciye devredebileceği şekilde inşa edilmiştir.

Erken dönemde bu yönetim katmanlarına yatırım yapan işletmeler, 18 ay sonra hala ajanları ölçeklendiriyor. Bunlar, dağıtımdan sonra bir uyum egzersizi olarak ele alınanlardır ve sürekli olarak yeniden mimari yapıyorlar.

Alan Zekası İnce Ayarlama Değildir

Kapasiteli temel modeller, kendileri güvenilir işletme sonuçları sağlamaz, çünkü geniş olarak faydalı olmak için inşa edilirler. İşletme operasyonları, derin, dar uzmanlaşmaya ihtiyaç duyar. İkisini karıştırmak, endüstriye zaman ve kaynak maliyeti olarak mal oldu, ancak bunu en çok gördüğüm hata.

Alan zekası, RAG uygulamak veya genel bir modeli ince ayarlamak değildir. Bir ajanın bir market hakkında bilgi işleyebilmesi ile 750’den fazla mağazada 5.000’den fazla bireysel olarak hazırlanmış planogramı oluşturup dağıtabilmesi ve merkezi bir ekibin her konumu elle dokunması arasında fark vardır.

Bu tür operasyonel akıcılık, alanla ilgili eğitim verilerin yıllarca süren bir biriktirilmesinden, gerçek operasyonel kısıtlamalar etrafında inşa edilen karar mantığından ve bir fiyat değişikliğinin marjı nasıl etkileyebileceği, bir ürün değişikliğinin rafta nasıl etkilenebileceği ve bunun nasıl alıcı sadakatini etkileyebileceği hakkında bilgi içeren bir bilgi katmanından gelir. Bir büyük ABD market zinciri için bu bağlantılı akıl, 200 milyon dolarlık artan kar üretti.

Bu temeli oluşturmak veya bunu zaten yapan bir ortaktan almak, veri, alan uzmanlığı ve kurumsal yargıyı kodlama disiplinine gerçek bir ön maliyetidir. Bu temel hızlı bir şekilde oluşturulursa, bir kanıt kavramında alan bilincine sahip görünen bir ajan, ilk üretim kenar durumu ile birlikte parçalanabilir.

İşletme Ajanlarını Doğru Yapmak Gerçekten Ne Anlama Geliyor

Mevcut iş akışlarına yetenekli modelleri sürekli olarak ekleyen işletmeler, yönetim kurullarına ROI’nun görünmediğini kabul etmek zorunda kalacaklar. MIT sonuçlandırdı ki, işletmelerin AI’de yatırımlarına rağmen, işletmelerin %95’i hiçbir geri dönüş almıyor. Bunu yapmak istemiyorsanız, alan zekasını günün birinden önce yerleştirin, yönetimi mimariye entegre edin ve ajanları belirli sonuçlardan sorumlu tutun.

Herhangi bir ajanın arkasındaki model, ironik bir şekilde, bu denklemin en az dayanıklı kısmıdır. Daha iyi bir model, bu çeyreğin sonunda veya bir sonraki çeyreğin başında, bugün kullandığınız şirketin veya onun bir rakibinin tarafından gönderilecek. Bir sonraki model sürümünde değişmeyecek olan, ajanlarınızın işletmenizi anladığıdır. Bunu kasıtlı olarak oluşturmanız gerekir. Çevrenizdeki başarılı ajanlar, piyasada en yetenekli, genel amaçlı ajanlar olmayacak, ancak işletmenize giderek daha fazla şey yapması için güven kazandıracaktır.