Kurumsal Yapay Zekânın Özerklik Kazanabilmesi İçin Birikimli Bağlama İhtiyacı Var

Pazartesi sabahı olduğunu, üç aylık tahmin toplantısına saatler kaldığını düşünün. Bir finans yöneticisi bir yapay zekâ ajanına şöyle soruyor: “Brüt kâr marjı neden düştü? Hangi varsayımların değişmesi gerekiyor? Şirket bundan sonra ne yapmalı?” Ajan saniyeler içinde birden fazla sistemden bilgi çekiyor, düşüşe yol açan birkaç etken belirliyor ve isteğe bağlı harcamaların kısılmasını veya işe alım planının yeniden gözden geçirilmesini öneriyor. Yanıt açık, ayrıntılı ve makul. Yanıtta ilk bakışta yanlış görünen hiçbir şey yok.

İşte bu, durumu bu kadar tehlikeli kılıyor. 

Perde arkasına bakıldığında gözden kaçan birkaç ayrıntı ortaya çıkıyor. Ajan, tahminin yanlış sürümünü kullanmış. Önceki çeyrekte onaylanan bir muhasebe düzeltmesini gözden kaçırmış. Bir bölgenin farklı iş kurallarına tabi olduğunu hesaba katmamış. Temel verilerin hiçbiri mutlaka yanlış değilmiş; ajan yalnızca kuruluşun bu verileri nasıl yorumladığını veya parçaların birbiriyle nasıl örtüştüğünü bilmiyormuş. Sorun, başka bir modelin kolayca çözebileceği türden bir model sorunu değil. Sorun, modelin bu işletmeyi tanımaması. 

Kurumsal yapay zekâ geliştirme çalışmalarının büyük bölümü, model yeteneklerine ve ajan özerkliğine odaklandı. Ancak model, kuruluşun sayılarını nasıl tanımladığını ve bunları işletmenin işleyişiyle nasıl ilişkilendirdiğini anlamadan güvenilir ve şirkete özgü bir sonuca ulaşamaz. 

Eksik olan katman, birikimli iş bağlamı; başka bir deyişle kurumsal verilerin ne anlama geldiğine ilişkin, yönetişim ilkeleriyle yönetilen anlayıştır. Bu anlayış; verilerin tanımlarını, ilişkilerini, varsayımlarını, hesaplamalarını, iş akışlarını, istisnalarını ve zaman içinde bunlarla ilgili biriken kararları kapsar.

Bu bağlam; planlama, tahmin, senaryo modelleme, sapma analizi, düzeltmeler, geri bildirim, dönem kapanış faaliyetleri ve onaylanmış kararlar aracılığıyla gelişir. Kuruluşlar, bu bağlam olmadan yapay zekâya daha fazla sorumluluk verirken bu sorumluluğu güvenilir biçimde yerine getirmesi için gereken iş anlayışını sağlamama riskiyle karşı karşıya kalır. 

Yapay Zekâ Yetenekleri Kurumsal Hazırlığın Önüne Geçiyor

Stanford’un 2026 Yapay Zekâ Endeksi’ne göre ankete katılan kuruluşların %88’i 2025’te yapay zekâ kullandı; ancak ajanların kullanıma alınma oranı, neredeyse tüm işlevlerde tek haneli rakamlarda kaldı. 

Bu istatistikler, işletmelerin yapay zekâ yeteneklerine erişebildiğini, ancak birçoğunun yapay zekânın sonuçları önemli işleri yürütmesine izin vermeye hazır olmadığını gösteriyor. Liderler yapay zekâyla çözümler geliştirmeleri gerektiğini biliyor, ancak sorunun doğru katmanında çalışıp çalışmadıklarını hâlâ belirlemeleri gerekiyor.

Bir Model Verileri Okuyabilir, Ancak İşletmeyi Anlayamaz

Temel modeller; örüntü tanıma, sentez, doğal dille etkileşim ve büyük veri kümelerini inceleme konularında etkilidir. Bunlar önemli ilerlemeler olsa da modelin kendisi giderek daha az farklılaştırıcı bir unsur hâline geliyor. 

İşletmeler açısından daha zor olan, yapay zekâya şirket bilgilerinin ne anlama geldiğini ve daha da önemlisi karar alma ve analiz süreçlerinde nasıl kullanıldığını öğretmektir.

Yapay zekâ yönetişimiyle ilgili tartışmaların büyük bölümü temiz verilere odaklandı. Bu gerekli bir adım olsa da yapay zekâyı işletmeler genelinde yaygın biçimde kullanıma alırken tek başına yeterli değil. İki temiz veri kümesi yine de farklı tanımlar, zaman aralıkları ve iş kuralları kullanabilir. 

IBM’in 2025 CEO Araştırması, yapay zekâ girişimlerinin %25’inin beklenen yatırım getirisini sağladığını, yalnızca %16’sının ise işletme genelinde ölçeklendirildiğini ortaya koydu. Bu tablo, daha geniş kapsamlı bir uygulama sorunuyla örtüşüyor: Modellere ve verilere erişim, bir yapay zekâ sisteminin bilgilerin nasıl kullanılması gerektiğini belirleyen kurumsal kuralları uzlaştırabileceğini garanti etmiyor.

Daha yetenekli modeller kolayca temin edilebilir. Şirkete özgü anlayış ise oluşturulmalıdır. 

Bilgi Getirme Sırasındaki Bağlam, Birikimli Bağlam Değildir

Kurumsal yapay zekâda bağlam olarak tanımlananların büyük bölümü, hâlâ bir istek geldiği anda bilgi getirme yoluyla sağlanıyor. Sistem ilgili bir belge, kayıt veya veri noktası buluyor, yanıt oluşturmak için bundan yararlanıyor ve kendisine bir sonraki soru sorulduğunda sürece yeniden başlıyor. 

Bilgi getirme yararlıdır, ancak tek başına kullanıldığında kurumsal belleği zaman içinde biriktirmez. Sonraki etkileşimlere pek az şey aktarır; bu da yapay zekânın her yeni etkileşimde işletmeyle ilk kez karşılaşıyormuş gibi davranmasına yol açabilir.

Bu, her sabah işe yeni başlayan parlak bir analiste benzer. Analist finanstan anlar ve bir veri kümesini nasıl sorgulayacağını bilir; ancak bu şirkette ölçütlerin nasıl tanımlandığını, hangi tahminin esas alındığını, bir istisnanın neden onaylandığını ve hangi varsayımların tekrar tekrar yanlış çıktığını yine de öğrenmesi gerekir.

Birikimli bağlam farklı bir amaca hizmet eder. Her istemde veya planlama döngüsünde sıfırlanmak yerine, zaman içinde katman katman oluşur. Her inceleme, senaryo, düzeltme, onay ve karar; kuruluşun nasıl işlediğine ilişkin, yönetişim ilkeleriyle yönetilen bir anlayışa katkıda bulunabilir. Böylece sonraki döngüler, her istemde aynı ilişkileri, mantığı ve çalışma biçimlerini yeniden keşfetmek yerine önceki döngülerin ortaya koyduklarının üzerine inşa edilebilir. 

Bu, her şeyi süresiz olarak saklamak gerektiği anlamına gelmez. Kurumlar için yararlı bağlamın kapsamı bilinçli olarak belirlenmeli; bu bağlam düzeltilebilir olmalı, izinleri gözetmeli ve kaynağına kadar izlenebilmelidir. Kurumların önemli olanı korurken güncelliğini yitirmiş varsayımların, geçici istisnaların ve yanlış yorumların zaman içinde belirlenip değiştirilebilmesini de sağlaması gerekir.

Güven, modelin altında işler

Model, bir yapay zekâ sisteminin en görünür parçasıdır; ancak kurumların elde edilen sonuca güvenip güvenemeyeceğini belirleyen parça nadiren odur.

Yetkin bir model, bir sapmayı inceleyebilir, olası açıklamaları araştırabilir ve bir eylem önerebilir. Bir kurumun bu öneriye güvenip güvenemeyeceği, modeli çevreleyen mimariye bağlıdır.

Gartner, başarılı yapay zekâ girişimleri bildiren kurumların, olumsuz sonuçlarla karşılaşan kurumlara kıyasla veri kalitesi, yönetişim, yapay zekâya hazır yetenekler ve değişim yönetimi gibi temellere, gelirlerinin yüzdesi olarak en fazla dört kat daha fazla yatırım yaptığını ortaya koydu.

Yönetişim altındaki bağlam katmanı, kaynak sistemler, modeller ve iş eylemleri arasında yer alarak bu temelin bir parçasını oluşturur.

Yapay zekânın akıl yürütmesiyle işlemlerin belirlenimci biçimde yürütülmesi arasındaki ayrımın yapılması gereken yer de burasıdır. Yapay zekâ inceleme yapabilir, taslak hazırlayabilir ve önerilerde bulunabilir. Bir eylem incelenip onaylandıktan sonra uygulama; yönetişim altındaki hesaplamalar, izin kontrolleri, sisteme geri yazma kontrolleri ve denetim izleri üzerinden yürütülmelidir. Bir modeli araştırma için yararlı kılan esneklik, işletmede bir değişikliği uygulamaya koyarken her zaman uygun olmayabilir.

Bir model ne yapılması gerektiğini önerebilir. İnsan onayı ve sistem denetimleri de dâhil olmak üzere modeli çevreleyen mimari, ne yapılmasına izin verildiğini belirler.

Ajanları Yararlı Kılan Kısıtlamalar

Ajanlar, onları çevreleyen denetim mekanizmalarından daha hızlı devreye alınıyor. KPMG, en azından bazı yapay zekâ ajanlarını kullanan kurumların oranının 2025’in ilk çeyreğindeki %11’den üçüncü çeyreğe kadar %42’ye yükseldiğini belirledi. Buna karşın Gartner, kurumların yalnızca %13’ünün uygun ajan yönetişimi yapılarına sahip oldukları konusunda kesinlikle hemfikir olduğunu bildirdi.

Bu fark önemlidir; çünkü bir sistemin neler yapabildiği ile neleri yapmaya yetkili olduğu, tasarım açısından birbirinden ayrı kararlardır. Bir sistem teknik olarak bir veritabanına erişebilir, tahmini güncelleyebilir veya bir iş akışını başlatabilir. Ancak bu, söz konusu işlemleri bağımsız olarak yapmasına izin verilmesi gerektiği anlamına gelmez.

Kurumlar, önemli işleri devretmeden önce üç kısıtlama uygulamalıdır.

• Ortak Bir Anlam Oluşturun

Bir ajanın bu kavramlar arasında tutarlı biçimde akıl yürütebilmesi için tanımların, ölçütlerin, hiyerarşilerin, mali takvimlerin ve hesaplama kurallarının uzlaştırılması gerekir.

Kurumların kendi içinde çözüme kavuşturmadığı anlaşmazlıkları yapay zekânın sessizce gidermesi beklenmemelidir. Ortak bir anlam oluşturulmadığında yapay zekâ, çelişen tanımları birbirinin yerine kullanılabilir kabul edebilir ve tutarlı görünen ancak operasyonel açıdan yanlış bir yanıt üretebilir.

• Nelerin Geleceğe Aktarılacağını Belirleyin

Kurumlar, hangi düzeltmelerin, onayların, kararların ve sonuçların yeniden kullanılabilir bağlama dönüşeceğini tanımlamalıdır. Ayrıca saklama, erişim ve düzeltme süreçlerini düzenleyen politikalara da ihtiyaç vardır.

Yararlı bellek gelişigüzel biriktirilmez; seçilir ve yönetişim kurallarına tabi tutulur. Aksi takdirde güncelliğini yitirmiş bir varsayım veya tek seferlik bir istisna, gelecekteki önerileri fark edilmeden değiştirebilir.

• Öneriyi Uygulamaya Koyma Kararından Ayırın

Analiz, öneri, önerilen değişiklik, insan onayıyla uygulama ve sınırları belirlenmiş otonom uygulama, farklı yetki düzeylerini temsil eder. Ajanlara her düzeye uygun kimlikler ve izinler verilmelidir.

Değerlendirme, eylemin tüm aşamalarını da kapsamalıdır: hangi bilgilerin getirildiğini, hangi bağlamın kullanıldığını, hangi araçların çağrıldığını, nelerin değiştiğini ve bu değişikliğin geri alınıp alınamayacağını.

Yalnızca nihai yanıtı test etmek, ajan tabanlı bir iş akışının başarısız olabileceği yolların çoğunu gözden kaçırır.

Yetkinlik, bir ajanın neler yapabileceğini; yönetişim ise neleri yapmasına izin verildiğini tanımlar.

Otonomi İçin Yetkinlikten Fazlası Gerekir

Başta ele alınan kâr marjı senaryosunda hız, ancak sistem hangi tahminin geçerli olduğunu, hangi istisnanın onaylandığını, hangi eylemi gerçekleştirebileceğini ve kimin hesap verebilir olmaya devam edeceğini de biliyorsa işe yarar.

Kurumlarda yapay zekânın güven kazanmasının, ancak doğru bağlamı ileriye taşıması ve önemli sonuçlar doğuran bir sonuca nasıl ulaştığını gösterebilmesiyle mümkün olacağına inanıyorum.

Kurumlar, ajanların özerkliğini artırmadan önce bu bağlam ve denetim katmanını oluşturmalıdır. Yapılacak işler değişecek, ancak hesap verebilirlik değişmeyecektir.