Michael Majster, Arthur D. Little Ortakları – Röportaj Serisi

Michael Majster, Arthur D. Little Ortakları, dijital dönüşüm, IT stratejisi ve inovasyonla dẫnılan büyüme konularında derin uzmanlığa sahip bir strateji ve teknoloji danışmanıdır. Brüksel’de bulunan ve Benelux bölgesinde çalışan Majster, CIO’lar ve üst düzey yöneticilere büyük ölçekli değişim ve ölçülebilir iş sonuçları elde etme konularında 20 yılı aşkın deneyim sunmuştur. Arthur D. Little’a katılmadan önce, 16 yıl Accenture’da çalışmış ve Fransa ve Benelux’ta Teknoloji Kaynakları Müdürü gibi üst düzey liderlik rollerini üstlenmiştir. Ayrıca enerji, utilities, kimyasallar ve doğal kaynaklar gibi sektörlerde güçlü bir uzmanlık geliştirmiştir.

Arthur D. Little, dünyanın en eski yönetim danışmanlık şirketlerinden biri olup, 135 yılı aşkın bir süredir faaliyet göstermektedir. Şirket, global organizasyonlarla birlikte karmaşık iş sorunlarını çözmek için stratejik içgörüyü derin endüstri uzmanlığıyla birleştirir. Dijital dönüşüm, inovasyon yönetimi ve operasyonel iyileştirme gibi alanlarda destek sunar. Strateji, teknoloji ve yürütme arasında köprü kurma konusundaki güçlü vurgusuyla, Arthur D. Little, müşterilerinin kırılma noktaları yaratmalarına ve hızla değişen pazar dinamiklerine uyum sağlamalarına yardımcı olmak için bir üne sahiptir.

Accenture’da 16 yılı aşkın bir süre geçirdikten ve sonunda BeNeLux ve Fransa’da teknoloji ve kaynaklar lideri olduktan sonra Arthur D. Little’ın Ortakları arasında yer aldınız. Bu yolculuk, şirketlerin AI deneyimi ile büyük ölçekli operasyonel dönüşüm arasında nasıl geçiş yapabileceği konusunda sizin bakış açınızı nasıl etkiledi?

Accenture’da çalışırken, şirketin 30.000’den 500.000’e yakın bir sayıya ulaşan büyümesini gördüm. Büyük ölçekli dönüşümler için CIO’lara IT teslimatının nasıl endüstriyel ölçekte gerçekleştirilebileceğini bizzat deneyimledim.

Ancak yıllar içinde, IT, işin temel bir parçası haline gelerek, şirketlerin bunu bir mal olarak değil, daha stratejik bir şekilde ele alması gerektiğini gösterdi.

Arthur D. Little’a geçiş yaparken, bu stratejik dönüşümlerin nasıl içselleştirilebileceğini, standart platformlar yerine özel çözümlerin nasıl daha iyi bir farklılaşma sağlayabileceğini ve üst düzey yöneticilerin ortak hesap verebilirliğinin nasıl bir adım değişikliği yaratabileceğini keşfetmek istedim.

Son görüşünüzde, It’s not the agents, it’s the system, çoklu ajentli AI’nin teknoloji değil, işletme modeli değişimi olduğunu savunuyorsunuz. Neden birçok şirket AI’yi hala temel olarak bir araç problemi olarak ele alıyor?

Şirketler, AI’yi bir araç problemi olarak ele almakta çünkü bu, mevcut yapılar, bütçeler ve mülkiyetle uyumlu bir şekilde çalışıyor ve fonksiyonel değişimin karmaşıklığını önlemektedir. Bu, hızlı pilotlar ve görünür ilerleme sağlar, ancak genellikle ölçeklenebilir veya anlamlı ROI sağlayamayan girişimlere yol açar. Ayrıca birçok lider, AI’yi geleneksel IT sistemleri gibi dağıtabilecekleri instead of iş akışı ve karar tasarımı gerektiren bir teknoloji olarak görme eğilimindedir. Aynı zamanda, işletme modeli değişiminin sorumluluğu belirsiz ve daha zor yönetilir, bu nedenle teknoloji odaklı girişimler daha çekici görünmektedir. Sonuç olarak, şirketler, daha derin bir dönüşüm yerine araçlara yönelirler.

Çoklu ajentli AI ile deney yapan birçok şirket, bunu ölçeklendirme konusunda zorluk yaşıyor. Şirketlerin pilot aşamasından üretim aşamasına geçişini engelleyen en yaygın yapısal engeller nelerdir?

Şirketler, ajentlerin yalnızca izole edilmiş kullanım durumlarına odaklanmaları ve uçtan uca iş süreçlerini.clear ownership ile yeniden tasarlamamaları nedeniyle ölçeklendirme konusunda zorluk yaşıyorlar. İşletme modelleri genellikle uyarlanmıyor, roller, karar hakları ve insan-ajent işbirliğinin günlük iş akışlarına yeterli entegrasyonu bulunmuyor. Ayrıca, birçok girişim, ölçülebilir iş sonuçlarına güçlü bağlantılardan yoksun ve ROI gösteremiyor. Ayrıca, parçalı veri ve eski sistemler, ajentlerin fonksiyonlar arası sorunsuz çalışmasını sınırlıyor. Son olarak, zayıf değişim yönetimi ve çözülmemiş yönetim endişeleri, benimsemeyi ve ölçeklemeyi daha da yavaşlatıyor.

Ajentlerin değil, orkestrasyonun gerçek değer taşıdığına dikkat çekiyorsunuz. Gerçek bir işletme ortamında etkili orkestrasyon nasıl görünür?

Etkili orkestrasyon, iş süreçleri etrafında ajentlerin tasarlanması, değil, iş akışının tamamı boyunca rollerin atanması ve merkezi bir orkestrasyon katmanıyla koordine edilmesi anlamına gelir. Birden fazla ajent, bir takım gibi çalışır – girdi, karar verme, yürütme ve denetim – ve empresa sistemleriyle API’ler ve veri kaynakları aracılığıyla sıkı bir şekilde entegre edilir. Bu, gerçek eylemler yerine yalnızca içgörüler sunmak yerine, gerçek eylemler gerçekleştirebilmelerini sağlar. Orkestrasyon katmanı ayrıca görev sıralamasını, istisnaları ve insanlara eskalasyonu yönetir, böylece iş akışı sorunsuz ve kontrol altında gerçekleşir. Son olarak, güçlü yönetim, doğrulama mekanizmaları ve geri bildirim döngüleri, güvenilirlik ve sürekli iyileştirme için gömülür.

Şirketler AI вокруг iş süreçlerini yeniden tasarladıklarında, insanların ve otonom sistemlerin karar hakları nasıl gelişmelidir ki hem aşırı otomasyon hem de tıkanıklıklar önlenir?

Karar hakları, düşük riskli, yüksek hacimli kararların otomatikleştirildiği, yüksek etkili veya belirsiz durumlarda ise insan kontrolü altında kalacağı bir risk temelli modele doğru evrimleşmelidir. Ajentler, algı, analiz ve yürütme ile ilgilenmelidir, insanlar ise yargı, istisnalar ve doğru sonuçların belirlenmesi ile ilgilenmelidir. Ajentlerin yetkilerini aşmamaları için net bir eskalasyon yolu zorunludur. Tıkanıklıkları önlemek için, insan katılımı seçici olmalı ve her adımın tam denetimi yerine istisnalara odaklanmalıdır. Aynı zamanda, güçlü güvenlik duvarları, doğrulama mekanizmaları ve izleme, kontrolü ve aşırı otomasyonu önlemek için gereklidir.

Bir diğer önemli noktanız, güvenilirliğin uçtan uca tasarlanması gerektiğidir. Şirketler, yeterli güvenlik önlemleri almadan çoklu ajent sistemleri dağıttıklarında, günümüzde en büyük hata modlarını neler görüyorsunuz?

Birincil hata modu, bir ajentin küçük hatalarının sistem boyunca yayılması ve büyümesidir. Bir diğer sorun, AI’nin şüphesiz yanlış çıktılar üretebilmesidir. Şirketler, yüksek etkili kararlar için ajentlere yeterli onay veya doğrulama olmadan fazla özerklik verdiğinde de mücadele ederler. Zayıf istisna işleme, ajentlerin belirsiz veya kenar durumlarını insanlara eskal etme yeteneklerini further zorlaştırır. Başarısızlıklar, koordinasyon, doğrulama ve denetim sisteminin tümü boyunca güvenilirliğin tasarlanmaması nedeniyle ortaya çıkar.

Yönetişim genellikle bir uyum katmanı olarak değil, bir tasarım ilkesi olarak ele alınmalıdır. Şirketler, AI’ye dayalı işletme modelleri oluştururken yönetişimi nasıl yeniden düşünmelidir?

Yönetişim, sonradan eklenen bir uyum katmanından, AI iş akışlarına doğrudan entegre edilmiş bir tasarım ilkesine dönüşmelidir. Bu, ana karar noktalarında güvenlik duvarları, doğrulama adımları ve onay kapılarının entegrasyonunu içerir. Şirketler, risk temelli bir yaklaşım benimsemeli ve kararların etkisine ve belirsizliğine bağlı olarak özerklik ve insan denetimi düzeylerini ayarlamalıdır. Açık hesap verebilirlik ve karar hakları tanımlanmalıdır, böylece ajentlerin ne zaman hareket etmesi ve ne zaman insanlara başvurması gerektiğini bilmeleri gerekir. Son olarak, sürekli izleme, geri bildirim döngüleri ve tasarlanmış güvenilirlik mekanizmaları, güveni, performansı ve kontrolü korumak için gereklidir.

CIO’lar ve CDO’lar danışmanlığınız sırasında, şirketlerin AI’den ölçülebilir ROI elde etmelerini sağlayan nedir ve hangileri sürekli deney aşamasında kalırlar?

ROI elde eden şirketler, AI kullanım örneklerine odaklanmak yerine uçtan uca iş süreci dönüşümüne odaklanırlar. Girişimlerini net finansal KPI’lere bağlar ve AI’yi iş akışlarına, rollere ve karar alma yapılarına entegre ederler. Ayrıca, değişim yönetimi, benimseme ve yönetişimi yatırım yaparak, çözümlerin etkili bir şekilde ölçeklenmesini sağlarlar. Deney aşamasında kalan şirketler, bağlantısız pilotlar çalıştırır, süreçler yerine araçlara odaklanırlar ve net bir sahiplik ve hesap verebilirlikten yoksundurlar. Sonuç olarak, AI’yi ölçülebilir iş değerine çeviremedikleri için pilot aşamasında takılı kalırlar.

Çoklu ajent sistemleri daha karmaşık hale geldikçe, şirketlerin AI’ye dayalı kararları güvenle tutmak için gözlemlenebilirlik, izleme ve eskalasyonu nasıl ele alması gerekir?

Şirketler, gözlemlenebilirlik, izleme ve eskalasyonu, sistem tasarımının temel unsurları olarak ele almalıdır, sonradan eklenen düşünce olarak değil. Bu, kararların anlaşılabilir ve doğrulanabilir olmasını sağlayan tam izlenebilirlik, günlükler, denetim izleri ve doğrulama kontrollerini içerir. İzleme, yalnızca performans değil, aynı zamanda sonuç kalitesi, hatalar ve ajentler arasında nasıl yayıldıklarına odaklanmalıdır. Ajentlerin, yüksek riskli veya belirsiz durumlarda insanlara başvurmasını sağlayan net bir eskalasyon kuralı zorunludur. Son olarak, güven, şeffaf, ölçülebilir ve insan denetimi için tasarlanmış sistemlerden gelir.

Önümüzdeki 3 ila 5 yıl içinde, çoklu ajentli AI sistemlerinin işletme süreçlerine daha derinlemesine entegre olmasıyla, işletme modellerinin nasıl evrileceğini öngörüyorsunuz?

İşletme modelleri, insan ve AI’nin birlikte çalıştığı hibrit işgücü yapılarına doğru evrilecek. Şirketler, fonksiyonel silolardan uçtan uca iş akışı odaklı yapılara ve iş süreçleri boyunca orkestrasyon ile geçiş yapacaklar. Karar alma daha dinamik hale gelecek, rutin görevler otomatikleştirilecek ve insanlar istisnalar ve denetim üzerinde odaklanacaklar. Yönetişim ve güvenilirlik mekanizmaları, ayrı katmanlar olarak değil, günlük operasyonların bir parçası olarak tasarlanacak. Son olarak, rekabet avantajı, AI teknolojisinden değil, işletme modellerini AI etrafında nasıl yeniden tasarladıklarından kaynaklanacak.

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Arthur D. Little‘ı ziyaret edebilir.