Jason Wojahn, KMS Technology CEO’su – Röportaj Dizisi

Jason Wojahn, kurumsal teknoloji hizmetleri şirketleri kurma ve büyütme konusunda yaklaşık otuz yıllık deneyime sahip bir KMS Technology CEO’sudur. Cognizant tarafından satın alınmadan önce Thirdera’nın kurucu ortaklığını yapıp şirketi yönetti; daha önce Accenture’ın küresel ServiceNow işini yönetti ve Cloud Sherpas ile IBM Global Services’te liderlik pozisyonlarında bulundu. Çalışmaları; kurumsal dönüşüme, işletme modellerine ve yapay zekâdaki gelişmeleri ölçülebilir iş sonuçlarına dönüştürmeye odaklanıyor.

KMS Technology, kuruluşların yazılım geliştirmesine, uygulamalarını modernleştirmesine, veri altyapılarını güçlendirmesine ve yapay zekâyı üretim ortamında kullanıma almasına yardımcı olan bir dijital mühendislik, veri ve yapay zekâ şirketidir. Hizmetleri teknik danışmanlık, ürün mühendisliği, veri mühendisliği ve akıllı iş akışı otomasyonunu kapsar. Wojahn bu röportajda “Eylem Ekonomisi”ni, yapay zekâ pilot uygulamalarıyla üretim ortamı arasındaki farkı, yapay zekâ ajanlarının karar verme yetkisini ve işletmelerin ilerlemeyi uçtan uca sonuçlarla nasıl ölçebileceğini ele alıyor.

Navigis’i büyütmekten Accenture’ın küresel ServiceNow işini yönetmeye, Thirdera’yı kurmaktan bugün KMS Technology CEO’su olarak görev yapmaya uzanan üç on yılı aşkın sürede kurumsal teknoloji kuruluşları kurup büyüttünüz. Bu deneyimler kurumsal dönüşüme bakışınızı nasıl şekillendirdi ve kuruluşların yapay zekâyı temel alan bir yapıya kavuşmasına yardımcı olma hedefi sizi neden cezbetti?

IBM Global Services’te, büyük kurumsal müşterilere yönelik hizmet sunumunu yöneterek işe başladım. Ardından Navigis, Cloud Sherpas, Accenture, Thirdera ve Cognizant geldi; kariyerimin neredeyse tamamı ServiceNow ekosisteminde geçti.

Sürekli karşıma çıkan örüntü şuydu: Her yeni platform dalgası dönüşüm vaat ediyordu, ancak kazananı nadiren teknoloji belirliyordu. Kazananlar, işin kuruluş içinde gerçekten nasıl ilerlediğini değiştiren şirketler oluyordu.

ServiceNow’da geçirdiğim yıllar, değerin gösterge panolarında değil, iş akışlarında bulunduğunu öğretti. Kurumsal yazılımlar otuz yıl boyunca neler olup bittiğini anlatma konusunda çok başarılı hâle geldi. Ancak bu konuda bir şeyler yapma becerileri çok daha sınırlıydı. Aradaki boşluğu insanlar doldurdu. Bir sistemden diğerine iş taşıyarak ücretsiz entegrasyon ekibine dönüştüler.

Yapay zekâ bunu değiştiriyor. Zekâ giderek daha bol hâle geliyor. Artık kıt olan, onu eşgüdümlü eyleme dönüştürme becerisi. Beni KMS’ye çeken de buydu: yalnızca işi izleyen değil, işi yapan sistemler kuracak mühendislik birikimi ve yapay zekâyla güçlendirilmiş olmakla yetinmek yerine yapay zekâyı temel alan bir yapıya dönüşme fırsatı.

Birçok kuruluş, pilot programlarla yapay zekânın potansiyelini başarıyla ortaya koysa da bu ilk kazanımları üretim ölçeğinde değere dönüştürmekte zorlanıyor. Deneme aşamasını geride bırakırken kuruluşların en sık karşılaştığı engeller neler ve teknoloji kendini kanıtladıktan sonra bu zorluklar neden ortaya çıkıyor?

Bir pilot uygulama, modelin işe yaradığını kanıtlar. Üretim ortamı ise kuruluşun işleyişinin işe yaradığını gösterir.

Bunlar birbirinden çok farklı sınamalardır. Pilot uygulama; temiz, özenle seçilmiş verilerle, projeyi destekleyen istekli bir sponsorla ve her açığı kapatmak için çözüm üreten küçük bir ekiple yürütülür. Zor kısımlardan kaçınacak şekilde tasarlanır.

Üretim ortamında ise bunlardan kaçınmak mümkün değildir. Artık ajanın bir sistem yerine beş sisteme erişmesi gerekir. Bir şeyler ters gittiğinde sonuçların sorumluluğunu kimin üstleneceği, ajanın neleri onaylamasına izin verileceği ve her gün çalıştırılmasının maliyetini kimin karşılayacağı belirlenmelidir.

Bu zorlukların teknoloji kendini kanıtladıktan sonra ortaya çıkmasının nedeni budur. Bunlar hiçbir zaman teknoloji sorunları olmadı. Veri, entegrasyon, sahiplik ve yetki sorunlarıydı; pilot uygulama da bunların her birini atlatacak şekilde tasarlanmıştı.

Çözüm, pilot uygulamaları demo olarak görmekten vazgeçmek. Pilot uygulamayı üretime geçişin ilk aşaması olarak ele alın. Önemli bir iş akışı seçin, bunu gerçek sistemlere bağlayın, sorumluyu belirleyin ve ajanın ilk günden itibaren hangi kararları verebileceğini tanımlayın. Başlangıç daha yavaş olur, ancak ölçek büyütmek çok daha hızlı gerçekleşir.

Rekabet avantajının giderek kuruluşların zekâyı eşgüdümlü eyleme dönüştürme becerisine bağlı olduğu bir “Eylem Ekonomisi”ne geçişten söz ettiniz. Bu kavram uygulamada ne anlama geliyor ve kuruluşların yapay zekâ yatırımlarına yaklaşımını nasıl değiştiriyor?

Her iş aynı zincir boyunca ilerler: Bilgi, İçgörü, Karar ve Hayata Geçirme.

Kurumsal yazılımlar onlarca yıl boyunca ilk iki aşamaya odaklandı; yapay zekâ ise ilk üçünü hızla geliştiriyor. Çoğu kuruluşun hâlâ takıldığı aşama hayata geçirme ve avantaj da giderek bu aşamaya kayıyor.

Uygulamada Eylem Ekonomisi, artık kıt kaynağın zekâ olmadığı anlamına geliyor. Kıt olan, işleri tamamlayabilmek. İki şirket aynı modellere, aynı verilere ve aynı içgörülere sahip olabilir. Kazanan; bu içgörüleri açıkça tanımlanmış yetkiler ve denetim iziyle eşgüdümlü eyleme dönüştüren şirket olur.

Bu durum yatırım yaklaşımını değiştiriyor. Bugün yapay zekâ bütçelerinin büyük bölümü araçlara, yani yardımcı pilotlara, asistanlara ve daha iyi arama çözümlerine harcanıyor. Bunlar bireylerin daha hızlı çalışmasını sağlıyor. Ancak yapay zekânın on dakikada hazırladığı bir teklif, onay için yine de üç gün bekleyebilir. Görevlerin daha hızlı tamamlanması, sonuçların daha hızlı alınacağı anlamına gelmez.

Bu nedenle araçlara değil, iş akışlarına yatırım yapın ve işe farklı bir soruyla başlayın. “Bu çalışanın verimliliğini nasıl %20 artırabiliriz?” diye değil, “Hangi işler artık insanlar arasında eşgüdüm gerektirmemeli?” diye sorun.

Yapay zekâ, çalışanlara tek tek görevlerde yardımcı olmaktan çıkıp tüm iş akışlarını özerk biçimde yürütmeye doğru geliştikçe kuruluşlar mevcut süreçlerini, karar alma yapılarını ve hesap verebilirlik modellerini nasıl yeniden düşünmeli?

Kurumsal süreçlerin çoğu, insanların sınırları gözetilerek oluşturuldu. Bilgi yavaş aktığı için toplantılar düzenledik. Kararlar gözetim gerektirdiği için onay zincirleri kurduk. Süreç dediğimiz şeylerin büyük bölümü aslında insanlar arasındaki iş devirlerinden ibaret.

Bunları mevcut halleriyle otomatikleştirirseniz organizasyon şemasını otomatikleştirmiş olursunuz. İş devirleri hızlanır ama sayıları azalmaz.

Yeniden düşünmeye görevlerden değil, kararlardan başlayın. Her iş akışındaki kararları haritalandırın. Bir ajan ne önerebilir? Neye karar verebilir? Neleri kendi başına yürütebilir? Hangi noktada bir kişinin devreye girmesi gerekir?

Yetki, iş akışlarının tümüne değil, kararlara verilir. Bir ajana faturaları mutabakata bağlama konusunda tam yetki verilebilir; ancak belirlenen bir sınırı aşan ödemeleri onaylaması için yine de bir kişinin devreye girmesi gerekebilir.

Hesap verebilirlik ortadan kalkmaz; daha da netleşir. Yürütme sorumluluğu insanlarla ajanlar arasında ortaktır: ajanlar işi üstlenir, insanlar ise yetki sınırlarını belirler, istisnai durumları ele alır ve sonuçların sorumluluğunu üstlenir. Her ajanın adı belirlenmiş bir sorumlusu olmalı; her eylem izlenebilir ve mümkün olduğunda geri alınabilir olmalıdır.

Liderliğin odağı, işleri koordine etmekten onları yürüten sistemleri tasarlamaya kayar.

KMS Technology’de, geleneksel dijital mühendisliği yapay zekâ odaklı kurumsal yürütmeye dönüştürmeye odaklanıyorsunuz. Bu dönüşüm kurum içinde nasıl görünüyor ve ölçülebilir iş sonuçları elde etmek için yapay zekâyı, veri platformlarını ve akıllı iş akışı orkestrasyonunu entegre ederken KMS nasıl bir yaklaşım benimsiyor?

Önce aynı yaklaşımı kendi bünyemizde uyguluyoruz. KMS, bir dijital mühendislik şirketi olarak büyüdü. Yeni dönemde odağımız; insanların ve ajanların yürütme sorumluluğunu birlikte üstlendiği, geliştirme, modernizasyon ve işletme süreçlerini kapsayan yapay zekâ odaklı kurumsal yürütme. Sonuçları zaman ve harcanan emek açısından görebiliyoruz:

Geliştir. Evergreen Telehealth, ajan tabanlı yapay zekâ ve FHIR sağlık verisi standardı üzerine kurulu bir tele sağlık platformu istiyordu; piyasada bunun benzeri yoktu. Yapay zekâyı baştan itibaren merkeze alan bir yaklaşımla, gereksinimlerden tasarıma, geliştirmeden testlere kadar her aşamada Claude’dan yararlanan ekibimiz ve Evergreen’in mühendisleri, temel platformu fikir aşamasından üretime 75 iş gününde taşıdı. Bu kapsamda üç uygulama (web, iOS ve Android), kullanıma hazır dört entegrasyon (EHR, kimlik doğrulama, ödemeler ve eczane) ve üretimde kullanılan iki ajan yer aldı. Modelde yönü insanlar belirliyor, yapay zekâ ise süreci hızlandırıyordu. Ajanlar kullanıcı hikâyeleri taslağı hazırladı, kod üretti ve testleri çalıştırdı. Mimariden, klinik verilerin eşleştirilmesinden ve önem taşıyan her karardan mühendisler sorumluydu.

Modernize et. Bir başka örnekte, bir denizcilik yazılımı şirketinin 20 yılı aşkın süredir şirket içinde çalıştırdığı bir platformu yenilemesi gerekiyordu. Yatırımcılar ilerleme görmeden önce uzun sürecek geleneksel bir yeniden geliştirme çalışmasını haklı çıkaramayacakları için, süresi altı haftayla sınırlandırılmış ajan tabanlı bir geliştirme süreci yürüttük. Ajanların yalnızca kod üretmek yerine teknik şartnameye göre geliştirme yapabilmesi için müşterinin gereksinimleri bağlam olarak yüklendi. Ekip, başlangıçta 6.000 ila 8.000 saat olarak tahmin edilen çalışmaya kıyasla, yaklaşık 800 ekip saatiyle MVP kapsamının yüzde 35 ila 45’ini teslim etti. Ajanlar kodu ve 5.000’den fazla birim testini yazdı. Mühendisler güvenlik sınırlarını belirledi ve kaliteyi değerlendirdi.

İşlet. Evergreen, o zamandan bu yana ajan mimarisini şirket genelinde yaygınlaştırdı; gözetmen ajanlar sistemi izlerken, insanlar da sistemi değerlendirmek ve düzeltmek için sürece dahil oluyor.

Yalnızca daha hızlı kod yazmıyoruz. Bir ekibin yürütebileceği iş miktarını da değiştiriyoruz.

Her üç durumda da yürütme sorumluluğu insanlar ve ajanlar arasında ortaktır. Ajanlar tekrarlanan işleri üstlenir. Kararlardan, istisnai durumlardan ve sonuçlardan mühendislerimizle müşterilerimizin ekipleri sorumludur.

Aynı değişim, teslimat kapasitemizi daha verimli kullanmamızı sağlıyor. Yapay zekâ odaklı teslimat ile yapay zekâ destekli teslimat arasındaki fark da bu.

Kurumsal yapay zekâ sistemleri, parçalı eski uygulamalardaki, bulut platformlarındaki ve veri ortamlarındaki bilgilere erişmeye giderek daha fazla bağımlı hâle geliyor. Bu sistemleri birbirine bağlamak ne kadar büyük bir zorluk ve kuruluşlar yapay zekâ odaklı iş akışlarını büyük ölçekte devreye almaya çalışmadan önce hangi mimari temelleri oluşturmalı?

Bu, karşı karşıya olduğumuz temel zorluk. Kurumların çoğunda yapay zekâ sorunu yok; yapay zekânın görmezden gelmeyi imkânsız hâle getirdiği bir parçalanmışlık sorunu var.

Bugün işlerin nasıl yürüdüğüne bakın. Birisi bir uygulamada bilgi buluyor, başka bir uygulamada onay peşinde koşuyor, ardından sonucu üçüncü bir uygulamaya kopyalıyor. Entegrasyon katmanını insanlar oluşturuyor. Bir ajan, bu sistemlere erişemiyor, bağlamı anlayamıyor ve gerekli izinlerle işlem yapamıyorsa aynı işi yürütemez.

Bu nedenle temeller, modelden daha önemlidir. Öncelikle dört unsur gerekir:

• ajanlara güvenilir bağlam sağlayan modern bir veri mimarisi
• ajanların sistemlerden yalnızca veri okumasını değil, sistemler arasında işlem yapmasını sağlayan bir entegrasyon katmanı
• yalnızca insanlar için değil, ajanlar için tasarlanmış kimlik ve izin yönetimi
• her ajanın ne yaptığını ve bunu neden yaptığını görebilmenizi sağlayan izleme

Teknoloji yığını da daralıyor. Veri platformları operasyonel hâle geliyor, iş akışı platformları daha akıllı hâle geliyor ve uygulamalar başsız mimariye geçiyor. İş akışı teknoloji yığınının tamamında ilerleyebiliyorsa, kullanıcının da bunu yapmak zorunda olmasının nedeni ne?

Kusursuz bir mimariyi beklemeyin. Önemli bir iş akışı seçin ve onunla bağlantılı süreçleri modernleştirin. Ardından sıradakine geçin.

Yapay zekâ ajanları iş operasyonlarında kararlar almaya ve eylemler gerçekleştirmeye başladıkça yönetişim, hesap verebilirlik ve insan gözetimiyle ilgili sorular giderek daha fazla önem kazanıyor. Kurumlar hangi kararların yapay zekâya devredilebileceğini, hangilerinin ise insan kontrolünde kalması gerektiğini nasıl belirlemeli?

Soruyu değiştirerek başlardım. “Yapay zekâ bunu yapabilir mi?” değil. Yanıt giderek daha fazla evet oluyor. Daha doğru soru şu: “Harekete geçmesine kim izin verdi?”

Yetenek ve erişim, yetki anlamına gelmez. Bir ajan para iadesini onaylayabiliyor, üretim takvimini değiştirebiliyor ya da harcama taahhüdünde bulunabiliyorsa sınırları birilerinin belirlemesi gerekir.

Uygulanabilir bir ölçüt, maliyet ve geri alınabilirliktir. Yüksek hacimli, kurallara dayalı ve kolayca geri alınabilen bir kararın devredilmesi için güçlü gerekçeler vardır. Etkisi büyük, geri alınamaz ya da müşteriyle ilişkiyi belirleyen bir kararı ise bir kişi vermelidir.

Yetki devri de zamanla kazanılmalıdır. Ajanların öneride bulunduğu, bir kişinin de onay verdiği bir modelle başlayın. Kanıtlar biriktikçe, bu kişinin her eylemi onaylaması yerine sistemi denetlemesine ve istisnaları ele almasına geçin.

Amaç, her döngüde bir insanın bulunması değil; doğru döngülerde bir insanın bulunmasıdır. Bağlamı veriler sağlar. Modeller akıl yürütür. Ajanlar uygular. Yetkiyi insanlar tanımlar ve sonuçların sorumluluğunu üstlenir.

Accenture ve Cognizant’ta büyük kurumsal platform işletmelerine liderlik ettiniz. Bu şirketlerde operasyonları ölçeklendirmek, küresel kuruluşlarda teknoloji, çalışanlar ve süreçler arasında uyum sağlamayı gerektiriyordu. Bu deneyimlerden edindiğiniz hangi dersler, özellikle kurumsal direnç veya modası geçmiş çalışma modelleri teknolojinin kendisinden daha büyük engellere dönüştüğünde, günümüzün yapay zekâ dönüşümü çabalarına uygulanabilir?

Bana en çok şey öğreten, entegrasyon oldu. Cloud Sherpas’ta, ardından Accenture’da ve daha sonra Cognizant’ta kuruluşları bir araya getirmek için yıllarca çalıştım. Farklı kültürlerin, hizmet sunum modellerinin, teşviklerin ve bölgelerin tek bir platform işletmesi gibi çalışması gerekiyordu.

Engel çoğu zaman teknoloji değildi. Çalışma modeliydi.

Üç ders yapay zekâ dönüşümüne doğrudan uygulanabilir.

Birincisi, direnç genellikle akılcıdır. İnsanlar, performanslarının ölçüldüğü unsurları korur. Ekipleri hâlâ çalışma saati, çalışan sayısı ve faaliyet üzerinden değerlendirirken ajanları devreye alırsanız değişim değil, kurallara uyum sağlarsınız. Ölçütleri değiştirin; davranış da buna göre değişir.

İkincisi, karar yetkileri açıkça tanımlanmalıdır. Her entegrasyonda en zorlu konuşmalar, kimin neye karar vereceğiyle ilgiliydi. Yapay zekâ bu soruyu kaçınılmaz kılıyor; çünkü karar verenlerden bazıları artık insan değil.

Üçüncüsü, nelerin aynı kalacağını açıkça belirtin. İnsanlar değişimin nedenini anladıklarında ve nelerin değişmeyeceğini bildiklerinde değişimi daha kolay benimser.

Yapay zekâ dönüşümü, teknoloji içeren bir çalışma modeli değişikliğidir. Bunu bir yazılım kurulumu olarak gören liderler hayal kırıklığına uğrayacaktır.

Geleneksel yapay zekâ başarı ölçütleri genellikle benimsenme oranlarına, verimlilik artışlarına ve tasarruf edilen zamana odaklanır. Yapay zekânın iş süreçlerinin yürütülmesini gerçekten iyileştirip iyileştirmediğini belirlemek için yöneticiler hangi ölçütlere öncelik vermeli ve kuruluşlar kademeli verimlilik kazanımlarıyla anlamlı bir operasyonel dönüşümü nasıl ayırt edebilir?

Benimsenme ve tasarruf edilen zaman, girdi ölçütleridir. Aracın kullanıldığını gösterirler; işletmenin daha hızlı ilerleyip ilerlemediğini değil.

Bir mühendis iki saat kazanıyor ama sürüm hâlâ inceleme için bir hafta bekliyorsa müşteri açısından hiçbir şey değişmemiştir. Görevlerin daha hızlı tamamlanması, sonuçların daha hızlı alınması demek değildir.

Üç tür ölçüte öncelik verirdim:

• İhtiyaçtan sonuca kadar geçen süre: Bir talebin baştan sona bir sonuca dönüşmesi ne kadar sürüyor?
• İşin beklediği noktalar: Kararların alınması ne kadar sürüyor; devirler ve ekipler arasındaki bekleme kuyrukları nerede?
• Koordinasyon gerektirmeyen işler: İnsanlar muhakeme ve istisnalara odaklanırken, bir iş akışının ne kadarı insanlar arası koordinasyon olmadan ilerliyor?

Ardından bu ölçütleri işletme sonuçlarıyla ilişkilendirin: hizmet sunma maliyeti, kalite ve gelir.

Dönüşümün ölçütü basittir: Görev mi hızlandı, yoksa iş akışının yapısı mı değişti? Kademeli kazanımlar aynı sürecin daha hızlı işlemesini sağlar. Dönüşüm ise artık var olması gerekmeyen adımları, devirleri ve onayları ortadan kaldırır.

İhtiyaçtan sonuca kadar geçen süreyi ölçün. İşin nerede beklediğini bulun. Onu orada tutan şeyi değiştirin.

Önümüzdeki üç ila beş yılda yapay zekâ, kurumsal yazılımlar ve çalışanlar arasındaki ilişkinin nasıl gelişmesini bekliyorsunuz? Yapay zekâ odaklı sistemlerin geleneksel kurumsal iş akışlarının yerini temelden aldığı bir gelecek öngörüyor musunuz? İş dünyasının liderleri bu geçişe hazırlanmak için bugün ne yapmalı?

Otuz yıl boyunca kurumsal yazılımlar bize neler olup bittiğini söyledi. Önümüzdeki üç ila beş yıl içinde ise giderek daha fazla işi kendileri yapacaklar.

Yapay zekânın yerini alacağı şey koordinasyon: çoğu insanın gününü dolduran peşinden koşma, kopyalama, devretme ve takip etme işleri. İnsanlar muhakeme, istisnai durumlar, ilişkiler ve sonuçların sorumluluğunu üstlenme gibi alanlara yönelecek. Bu, insan uzmanlığını daha iyi değerlendiren bir yaklaşım; ancak yeni yetkinlikler gerektiriyor ve liderlerin bu yetkinlikleri bilinçli bir şekilde geliştirmesi gerekiyor.

Liderler bugün ne yapmalı? Önemli sonuçlar doğuran bir iş akışı seçin ve bu akıştaki kararları haritalandırın. Temelindeki verileri düzeltin. Ajanın hangi kararları alabileceğini belirleyin ve sonuçların sorumluluğunu üstlenecek kişiyi tayin edin. Ardından bir sonraki iş akışına geçin.

Yapay zekâyı bir araç olarak gören şirketler verimlilik elde edecek. Yapay zekâ etrafında yeniden yapılanan şirketler ise kaldıraç etkisinden yararlanacak. Strateji yapay zekâ değil, uygulamadır.

Harika röportaj için teşekkür ederiz. Yapay zekâyı temel alan kurumsal süreçlerin hayata geçirilmesini, akıllı iş akışlarını ve yapay zekâ pilot uygulamalarından üretime geçişi keşfetmek isteyen okurlar KMS Technology sitesini ziyaret etmeli.