Günlük ve haftalık bültenlerimize katılın, sektör lideri AI haber güncellemeleri ve özel içerikler alın. Daha Fazla Bilgi
Yapay zeka (AI) alanındaki hızlı gelişmeler ve kaçırma korkusu (FOMO), generatif AI projelerinin genellikle yukarıdan aşağıya doğru yönlendirilmesine sebep oluyor. Şirket liderleri bu çığır açan teknolojiye fazlasıyla ilgi duyabiliyor; ancak, firmalar yaptıkları projelerle birlikte genellikle diğer teknoloji uygulamalarında karşılaşılan tipik sorunlarla başa çıkmak zorunda kalıyorlar. AI karmaşık bir yapıya sahip ve uzmanlık gerektiriyor, bu nedenle bazı organizasyonlar kendilerini çok hızlı bir şekilde karmaşık durumların içine çekebiliyorlar.
Aslında, Forrester, kuruluşların neredeyse üçte ikisinin in-house AI ajanları geliştirme girişimlerinin başarısız olacağını tahmin ediyor.
Forrester analistleri Jayesh Chaurasia ve Sudha Maheshwari, “Bu mimarilerin karmaşık olduğunu, birden fazla modele, gelişmiş RAG (retrieval augmented generation) yığınlarına, ileri düzey veri mimarilerine ve uzmanlık bilgisine ihtiyaç duyduklarını” belirtiyor.
Yapay Zeka Mimarisi Beklenenden Daha Karmaşık
Kendi başlarına ajan geliştirmeye çalışan organizasyonlar, retrieval augmented generation ve vektör veritabanları ile mücadele ediyor. Forrester’in kıdemli analisti Rowan Curran, “Doğru sonuçları beklenen zaman diliminde almak zordur ve organizasyonlar, yeniden sıralamanın sürece olan katkısını her zaman anlamıyor” diyor.
Örneğin, bir kullanıcı 10,000 belge yüklediğinde, model belki de yalnızca 100 en ilgili belgeyi döndürebilir. Ancak, kısa bağlam pencereleri yeniden sıralama için ne kadar veri beslenebileceğini kısıtlıyor. Bu nedenle, insan kullanıcının 10 belge seçmesi gerekebilir ve bu da modelin doğruluğunu azaltır.
AI Ajanları Araştırırken Dikkate Alınması Gereken Faktörler
AI ajanları dağıtımında üçüncü parti, açık kaynak veya özel çözümler için seçenekler araştırırken, kontrollü bir yaklaşım benimsiyerek ilerlemek önemlidir. Danışmanlık firması Intelligence Briefing’in kurucusu ve baş AI stratejisti Andreas Welsch, bazı önemli soruların ve faktörlerin göz önünde bulundurulmasını öneriyor:
- Ekibinizin çoğu zamanını nerede harcıyor?
- Bu süreçte hangi adımlar en fazla zamanı alıyor?
- Bu görevlerin karmaşıklığı nedir? IT sistemleri ve erişilebilir veriler içeriyor mu?
- Daha hızlı veya maliyet etkin olmak işletmenize neler kazandırır? Ve bu verimliliği nasıl ölçebilirsiniz?
Strateji Geliştirme ve Fonksiyonlar Arası Bir Yaklaşım
Bir işletmenin AI stratejisini geliştirirken, fonksiyonlar arası bir yaklaşım almak önemlidir. Başarılı organizasyonlar, iş liderliği, yazılım geliştirme ve veri bilimi ekipleri, kullanıcı deneyimi yöneticileri gibi birden fazla departmanı sürece dahil ediyor. “Hedeflerimizi belirleyebilmek ve AI’nın bu hedeflere ulaşmamıza nasıl yardımcı olacağını kavrayabilmek gereklidir” diyor Curran.
Yine de, bu süreç zordur çünkü teknoloji çok hızlı bir şekilde ilerliyor. Curran, “Bu alanda belirli bir en iyi uygulama seti ya da çerçeve yok” ifadesini kullanıyor. Ancak, üçüncü parti sağlayıcıların en son teknolojileri ve mimariye ayak uydurma konusunda daha fazla kapasiteye sahip olduğunu vurguluyor.
Sahip olduğu yeterlilik ve kaynaklarla birlikte, uygun bir gelişim ekibine sahip olan kuruluşlar, kendi yapay zeka ajanlarını inşa edebilir. Özellikle verileri iyi yönettiği ve API stratejisini karmaşık hale getirmediği sürece, bu mümkün.
Son olarak, post-depolama gereksinimlerinin AI stratejilerine ilk baştan dahil edilmesi gerektiğini unutmamak önemlidir. Curran, “Yayın sonrası hiç bir şey ücretsiz değildir. Bu sistemlerin hepsi, yayınlandıktan sonra bir tür bakım ve destek gerektirir” diyor.
