Günlük ve haftalık bültenlerimize katılarak sektör lideri yapay zeka haberleri hakkında en son güncellemeleri ve özel içerikleri alın. Daha Fazla Öğrenin
ChatGPT’nin iki yıl önceki lansmanı, yapay zeka araştırmalarında bir dönüm noktasıydı. Tüketici odaklı yapay zekaya yeni bir anlam kazandırarak, işletmeleri GPT gibi modellerden nasıl faydalanabileceklerini keşfetmeye yöneltti. 2024’e gelindiğinde, hem çevik yeni girişimler hem de büyük şirketler, iç iş birliği ve bilgi arama sistemleri için retrieval augmented generation (RAG) gibi yaklaşımlarla birlikte bir dil modelleri ekosistemini geliştirmiş durumda.
Kullanım senaryoları katlanarak arttı ve işletmelerin kurumsal düzeyde gen AI girişimlerine yaptıkları yatırımlar da aynı şekilde büyüdü. Teknolojinin, küresel ekonomiye yıllık 2,6 trilyon ila 4,4 trilyon dolar katkıda bulunması bekleniyor. Ancak şu ana kadar gördüğümüz, sadece gen AI’nin ilk dalgasıydı.
Yapay Zeka Ajanlarına Geçiş
Son birkaç ay içinde, Salesforce ve SAP gibi büyük ölçekli organizasyonların yanı sıra birçok yeni girişim de “ajanik sistemler” olarak adlandırılan yeni bir aşamaya geçmeye başladı. Bu ajanlar, kurumsal AI’yi mevcut bilgileri kullanabilen ve iş kritik soruları yanıtlayabilen bir sistemden, verilen durum veya talimatlar doğrultusunda kararlar alabilen, görev odaklı varlıklara dönüştürüyor. Ajanlar, bir eylem planı oluşturup, bu planı dijital ortamlarda anında uygulamak için çevrimiçi araçlar ve API’leri kullanabiliyor.
A.I. ajanlarının yükselişi, bilinen otomasyondan ciddi bir kaydırma olarak görülüyor ve bu durum işletmelere, bilet rezervasyonu yapmak veya verileri bir veritabanından diğerine taşımak gibi görevleri yerine getirebilecek sanal iş arkadaşları sağlıyor. Gartner, 2028 yılına kadar, kurumsal yazılım uygulamalarının %33’ünün AI ajanları içereceğini ve bunun günümüzde %1’den daha az olduğunu öngörüyor.
Doğru Veri Stratejisi
Peki, AI ajanlarının bu kadar önemli olabilmesi için, bir işletme teknolojik yelpazesine nasıl entegre edebilir? Hiç kimse, işin inceliklerini anlamayan ve yanlış eylemler gerçekleştiren bir AI destekli sistem istemiyor. Google Cloud’un veri analitiği Başkan Yardımcısı ve Genel Müdürü Gerrit Kazmaier bu konuda, dikkatlice tasarlanmış bir veri stratejisi oluşturmanın önemine dikkat çekiyor.
“Veri hattı, verileri depolayıp işlemeyi amaçlayan bir sistem olmaktan çıkıp, ‘bilgi ve anlayış yaratmaya yönelik bir sisteme’ dönüşmelidir. Bu, veri toplamanın ötesinde, verileri küratörlük, zenginleştirme ve düzenleme odaklı bir yaklaşımı gerektirdiği anlamına geliyor” diyor. Bu şekilde LLM’lerin güvenilir ve bilgili iş ortakları olarak işlev gösterebileceği bir ortam hazırlanır.
AI Ajanları için Veri Hattı Oluşturmak
Tarihsel olarak, işletmeler analiz ve karar verme süreçlerinde yapılandırılmış verilere büyük ölçüde bağımlıydı; bu veriler genellikle tablo şeklindeydi ve aslında sahip oldukları verilerin sadece %10’unu oluşturuyordu. Kalan %90 ise, PDF ve video gibi çeşitli formatlarda, “karanlık” halde saklanıyordu. Ancak yapay zeka devreye girdiğinde, işlenmemiş bu veri anında değer kazanarak, şirketlerin birçok kullanım senaryosunun yanı sıra, chatbot ve arama sistemleri gibi üretken AI uygulamalarını güçlendirme fırsatı sundu.
Günümüz işletmeleri, çoğunlukla bir veri platformuna sahip durumda ve bir arada yapılandırılmış ve yapılandırılmamış verileri bir araya getirerek aşağı yönlü uygulamaları desteklemek için kullanıyor. LLM destekli AI ajanlarının yükselişi, bu ekosistemde başka bir uygulama ekliyor.
Özetle, birçok şey değişmeden kalıyor; takımlar veri yığınlarını sıfırdan kurmak zorunda değiller, ancak bir dizi anahtar unsura odaklanarak mevcut yapılarını uyarlamaları gerekiyor. Bu, ajanlarının iş endüstrisinin inceliklerini anlamasını, veri setleri arasındaki karmaşık ilişkileri kavramasını ve operasyonlarının belirli anlam dilini tanımasını sağlamalıdır.
Bu bağlamda, Kazmaier, verilerin, AI modellerinin ve sağladıkları değerin (ajanlar) aynı değer zincirinin parçaları olduğunu belirtirken, bunların bütünsel olarak inşa edilmesi gerektiğine dikkat çekmektedir. Bunun ideal yolu, tüm verileri (metin, resim, ses ve video) tek bir çatı altında toplayan ve AI ajanlarının kurumun ve alanına özgü bağlamlarını anlamalarını sağlayacak dinamik bilgi grafikleri ile birlikte bir anlam katmanı içeren birleşik bir platforma yönelmektir.
Veri Kalitesi ve Yönetimi
Semantik katmanın ve tarihsel verilerden elde edilen pekiştirme döngüsünün kurulmasıyla, işletmeler güçlü ajanik AI sistemleri geliştirebilir. Ancak, bu tür bir veri yığını oluşturmanın, en iyi uygulamaları göz ardı etme hakkını tanımadığı önemlidir. Bu, kullanılan platformun tüm ana kaynaklardan gerçek zamanlı veri alıp işlemesini sağlaması gerektiği anlamına gelir ve böylece ajanlar, duruma göre anında uyum sağlayıp hareket edebilirler. Ek olarak, veriqualitätini sağlamak için sistemler de kurulmalı ve güvenlik politikaları titizlikle uygulanmalıdır.
“Yönetim, erişim kontrolü ve veri kalitesi, AI ajanlarının çağında daha da önemli hale geliyor” diyor Naveen Rao, AI alanındaki Databricks Başkan Yardımcısı. “Veri gizliliği kurallarına uyum sağlamak adına, hangi hizmetlerin hangi verilere erişebileceğini belirleyen araçlar, AI sistemlerinin davranışlarını denetlemede kritik rol oynar.”
Gelecekte, AI ajanlarının yükselişi, işletmelerin otomasyon ve akıllı sistemleri nasıl kullanabileceklerinde devrim niteliğinde bir değişim yaratacaktır. Ancak bu projelerin başarısı, iyi tasarlanmış bir veri yığınına doğrudan bağlıdır. Veri stratejilerini evrimleştiren ve anlam katmanı ile veri kalitesi, erişilebilirlik, yönetim ve güvenliği önceliklendiren kuruluşlar, AI ajanlarının tam potansiyelini ortaya çıkarma ve kurumsal yenilikin bir sonraki dalgasına öncülük etme açısından en iyi pozisyonda olacaklardır.
Uzun vadede, bu çabaların ve temel dil modellerindeki ilerlemelerin, AI ajanları pazarında %45 büyüme sağlaması bekleniyor ve bu durum pazarın 2024’te 5,1 milyar dolardan 2030’da 47,1 milyar dolara yükselebileceği manasına geliyor.
