İş dünyasında üretken YZ’nin etkisinde gezinmek 

Makale ilk olarak Dünya Ekonomik Forumu'nun Gündem blogunda yayınlandı.

OpenAI’nin GPT-3 büyük dil modelinin Kasım ayında piyasaya sürülmesinden ve ardından GPT-4’ün piyasaya sürülmesinden bu yana, üretken yapay zekadaki bu ilerlemelerin çalışmanın geleceği için ne anlama geldiği konusunda çok fazla öfke olmuştur.

Ancak üretken yapay zekanın etkisi, GPT'nin metin oluşturma üzerindeki etkisi ve gazetecilerin ve yazarların çalışmaları için potansiyel sonuçları ile sınırlı değildir. DALL-E-2'nin görüntü oluşturma, CODEX'in kodlama ve MegaMoIBART'ın ilaç keşfi üzerindeki etkisini içerir.

Üretken yapay zekanın yeteneklerini destekleyen üç ana unsur:

  • Uzaktaki kavramları veya fikirleri birbirine bağlayabilme ve çıkarımlar yapabilme yeteneği ile muazzam hafıza ve kalıp tanıma
  • Kodlama becerilerindeki üstünlüğü önemli ölçüde azaltan düşük/hiçbir kod gereksinimi
  • Mantığın yokluğu, çok büyük miktarda eğitim verisine dayalı tahminlerde bulunduğundan, uygulamalarının çalışması için önemli sonuçlar doğurur

 Mercer’in yakın zamanda yaptığı bir anket, CEO’ların ve CFO’ların %57’sinin yapay zeka ve otomasyon kullanımını artırmayı planladığını; neredeyse üçte birinin kuruluşlarının insanlara olan bağımlılığını azaltmak için çalışmaları yeniden tasarladıklarını bildirmiştir.

 Mercer’in 2022 Global Yetenek Eğilimleri Çalışmasında, otomasyonun işlerinin yapılma şeklini önemli ölçüde değiştireceğini söyleyen çalışanların yüzdesi son iki yılda %44’ten %71’e atladı. Ancak, tekrarlayan, kurallara dayalı işleri büyük ölçüde etkileyen önceki otomasyon yinelemelerinin aksine, üretken yapay zeka düşük hacimli, oldukça değişken işleri de etkileyerek “yaratıcılığın demokratizasyonuna” yol açacaktır. Yazarlar, araştırmacılar, avukatlar ve diğer pek çok meslekteki çalışmalar önemli ölçüde kesintiye uğrayacaktır.

Örneğin, üretken yapay zeka yasal bir belgeyi saniyeler içinde inanılmaz bir doğrulukla özetleyebilirken, bir avukat göreve saatler harcayabilir.

Ancak gerçek güç, çalışanların işlerinin yerine geçmek yerine onları büyütmektir.


İşin “sonraki”sinde gezinmek için bir çerçeve

İşleri Yeniden İcat Etme: Otomasyonu İşe Uygulamak için 4 Adımlı Yaklaşım (HBR Press, 2018) , Jesuthasan ve Boudreau, teknoloji yerine iş ile liderlik eden şirketlerin, insanlar ve otomasyonun optimum kombinasyonlarını sağlamak için daha donanımlı olduğunu göstermektedir. Bu şirketler, otomasyonun son derece tekrarlı, kurala dayalı işlerin yerini nerelerde alabildiğini; insan yaratıcılığını, eleştirel düşünmeyi ve empatiyi nerelerde artırabileceğini ve yeni insan işi yaratabileceğini görmektedir.

İnsan işi ve otomasyonunun optimum kombinasyonlarını elde etmek için çerçeve

Bu grafiğin eksen değerleri, performans düzeyine göre eşlenen organizasyonel değerdir. Dikey eksendeki organizasyon değeri iki segmente ayrılır: negatif ve pozitif. Grafik satırı, insan ve otomasyonun dört farklı senaryoya entegre edilmesinin hedefleri değiştiğinde organizasyona katılmış olan değer seviyesini gösterir:

• Hatanın ortadan kaldırılmasının amacı: kabul edilebilir bir performans düzeyinden herhangi bir sapmadan organizasyon için önemli bir negatif değer potansiyeli vardır

• Değişkenliği en aza indirme hedefi: değer sabittir

• Üretkenliği iyileştirme hedefi: organizasyon için değerde orantılı bir iyileşme gösterir

• Çığır açan gelişmelere ulaşma hedefi: üstel değer iyileştirmesi potansiyelini gösterir

Herhangi bir çalışma organıyla ilişkili dört farklı potansiyel sonuç vardır:

  • Hatanın ortadan kaldırılması (bir havayolu pilot uygulamasının bazı çalışmalarını düşünün), bir hatanın sonuçlarının yüksek olduğu ve kabul edilebilir bir performans seviyesinden herhangi bir sapmadan organizasyon için önemli bir olumsuz değer potansiyelinin olduğu durumlarda
  • Performansın hedef düzeyin ötesinde iyileştirilmesinde hiçbir değerin olmadığı varyansı en aza indirmek (işlem işleme işini düşünün)
  • Performanstaki bir iyileşmenin organizasyon için değerde orantılı bir iyileşme sağladığı durumlarda üretkenliği artırmak (bir satış elemanının işini düşünün)
  • Performanstaki küçük bir iyileştirmenin değer üzerinde katlanarak büyük bir etkisi olduğu atılımlara ulaşmak (veri bilimi gibi son derece yaratıcı işleri düşünün)

Robotik Süreç Otomasyonu (RPA) gibi yerleşik otomasyon, hedefin varyansı azaltmak olduğu ve riske karşı daha büyük bir tolerans olduğu işlerde insan çabasının yerine geçmeye yardımcı olabilir. Finansal verilerin analiz edilmesi ve sentezlenmesine ilişkin son derece tekrarlı, kurala dayalı çalışmaların gerçekleştirildiği varyansı azaltmak için RPA uygulamasını göz önünde bulundurun.

Yapay zeka, uzun zamandır üretkenliğin iyileştirilmesinin veya çığır açan bir başarının hedef olduğu analitik çalışmaları artırmak için kullanılmaktadır. Onkologların, becerileri değiştirerek değil, yetenekleri artırarak ve deneyim ve uzmanlıkta üstünlüğü artırarak kanser tespitinin doğruluğunu katlanarak artırmak için önemli hacimlerde belirli veri ve görüntüler konusunda eğitilmiş makine öğrenimini nasıl kullandıklarını düşünün. Ancak, hatanın ortadan kaldırılması söz konusu olduğunda, otomasyonun başlangıçta büyütme yoluyla ve ardından belirli veri setleri, mantık ve yeni korkuluklar geliştirildikçe ikame yoluyla insan hatası potansiyelini azaltmak için kullanıldığını görüyoruz.

Ancak, üretken yapay zeka yeni ortaya çıkan bir aşamadadır ve altta yatan mantık eksikliği nedeniyle hataya eğilimli olabilir. Bu sorun, riskler yüksek olduğunda ve risk toleransımız düşük olduğunda, insan hatasına karşı makine hatalarından daha toleranslı olduğumuz gerçeğiyle daha da artmaktadır. Liderlerin bu teknolojilere ne zaman güveneceklerini ve ne zaman güvenmeyeceklerini, insan işinde sahip olmaları gereken belirli rollerle (ikame, güçlendirme veya yaratma) birlikte gelişimlerinin bu aşamasında anlamaları çok önemlidir. Üretken yapay zeka, en çok, bilginin ve yaratıcılığın güçlendirilmesi yoluyla demokratikleştirilmesinde, hedefin üretkenlik kazançları elde etmek olduğu çeşitli yaratıcı görevler için geleneksel olarak gereken beceri primlerinin düşürülmesinde ve yüksek risk toleransının olduğu alanlarda bir atılım arayışında faydalıdır.

Aynı derecede önemli olan, yetenek modeliniz için kullanımının sonuçlarını anlamaktır. Pek çok mesleğin bir stajyerlik modeli üzerine inşa edildiği göz önüne alındığında, yeni nesil yaratıcıları, liderleri ve yöneticileri ortadan kaldırabilecek YZ ile alt düzey yeteneklerin çalışmalarını değiştirme isteğine nasıl direneceksiniz?


Üretken Yapay Zeka çağı için yeni bir parmaklık seti

Bu yeni otomasyon çağına girerken, şirketler bu umut verici teknolojiyi iş akışlarına entegre ederken aşağıdakileri dikkate almalıdır.
  • İş modeli 
    İşi analiz etmek ve ortaya çıkan yapay zeka ve otomasyonu sürdürülebilir ve sorumlu bir şekilde uygulamak için araçlar ve disiplinlerle nasıl bir iş işletim modeli oluşturacaksınız?
  • Yetenek modeli 
    İşinize kademeli olarak daha fazla yapay zeka uygularken bile yeterli beceri havuzu sağlayan bir yetenek modeli geliştirebilir misiniz?
  • Gelecekteki becerileri geliştirme
    Yapay zeka yaygınlaştıkça, çalışanların anlamlı ve sürdürülebilir işler yapmasını sağlamak çok önemlidir. İş gücünüzün bir sonraki tekrarı için sorunsuz bir şekilde beceri kazandırmasını ve yeniden beceri kazandırmasını sağlarken, görevleri otomatikleştirmek ve yeni, katma değerli faaliyetler için zaman kazanmak için nasıl fırsatlar bulacaksınız?
  • Zihniyet ve kültür 
    Yapay zeka, yaratıcılıktaki üstünlüğü azaltmaya ve erişimi demokratikleştirmeye devam ettikçe, iş modelinizin ve iş gücünüzün sürekli olarak yeniden icat edilmesini nasıl sağlayacaksınız?
Yazar(lar) hakkında
İlgili çözümler
    İlgili içgörüler