Yapay Zeka ile Güçlendirilmiş İşletim Sistemi: İşletmeniz hazır mı? 

Artan işgücü verimliliği ekonomik büyüme, daha yüksek ücretler ve gelişmiş yaşam standartları için bir domino etkisi görevi görür.

Yapay zekayı en çok kullanan sektörler (finansal hizmetler, bilgi teknolojisi ve profesyonel hizmetler), iş gücü üretkenliğinin yapay zekaya daha az maruz kalan sektörlere (ulaştırma, üretim ve inşaat gibi) göre neredeyse beş kat (4,8 kat) daha fazla arttığını görüyor.^[1] Evet, İK liderlerinin üçte biri için, Nesil Yapay Zeka ve Büyük Dil Modelleri (LLM'ler) iş gücü üretkenliğine hiçbir fayda sağlamadı^[2]Çalışanların sadece %27'si AI ve/veya otomasyonun önümüzdeki üç yıl içinde işlerinin yapılma şeklini iyileştireceğini beklemektedir.^[3]

Açıkçası, teknoloji her zaman bunu sağlamaz. Gelecekteki başarıyı desteklemek için, iş liderlerinin yapay zekanın yalnızca performansı artırmada değil, aynı zamanda işi daha erişilebilir hale getirmede de üzerine düşeni yapmasını sağlamak için bugün temeli atması gerekecektir. Yapay zekayla güçlendirilmiş işletim sistemi (AOS) hakkında bilgi edinin.

AOS ile ödül iki kattır:

Bu evrim en iyi Walmart ve IKEA tarafından vurgulanmıştır.^[9]

Walmart, tedarikçi sözleşmelerinin müzakeresini yönetmek için Üretken Yapay Zekayı kullanıyor. Bu, stratejik düzeyde geleneksel yapay zeka dağıtımına bir örnektir. Walmart, 2021 yılında tüm tedarikçi sözleşmelerini müzakere etmek için böyle bir yapay zeka pilot uygulamasını başlattı. Pilot çalışma, alışveriş arabaları, filo hizmetleri ve Walmart tarafından son müşterilere hizmet vermek için kullanılan diğer ekipmanlar gibi satılmayan ürünlerin pazarlığına odaklandı. Satış hacimlerine veya ürün çeşitlerine dayalı fiyat indirimi tekliflerini, erken ödemeler için indirimlerle birlikte çeşitli ödeme çizelgelerini ve ayrıca farklı uzatılmış ödeme şartlarını ve farklı sözleşme feshi seçeneklerinin müzakeresini içerdikleri için müzakereler karmaşıktı. Bu pilotlar, bir anlaşmaya başarılı bir şekilde ulaşmanın beklenen oranının üç katı, maliyet tasarrufunda ortalama %3 ve ödeme koşullarının 35 güne uzatılması ile sonuçlandı.

Yapay zeka kullanan bir perakendeciye farklı bir örnek, IKEA'dır. IKEA'nın vizyonu, müşterilerini güçlendirmek ve aynı zamanda bir İç Tasarım Danışmanlığı olarak görülmektir. Yapay zekayı Kendin Yap (DIY) hizmetlerine ve kişiselleştirilmiş insan iç tasarım tavsiyelerine yönelik olarak kullanıyorlar. 2021’den bu yana, AI sohbet robotları Billie’ye rutin müşteri sorularını delege ederken, çağrı merkezi personelini uzaktan iç tasarım danışmanı olmaları için yeniden eğitiyorlar. 2023 ortasında IKEA, sohbet robotları Billie'nin piyasaya sürüldüğünden bu yana müşteri sorgularının %47'sini etkili bir şekilde yönettiğini ve müşterilere iç tasarım danışmanı olarak hizmet vermek üzere 8.500 çağrı merkezi çalışanını başarılı bir şekilde yeniden eğittiğini bildirdi. 2022 yılında, müşterilere ev ve ofis alanlarını kendi bilgisayarlarından veya akıllı telefonlarından tasarlamak ve görselleştirmek için bir yol sunan IKEA Kreativ'i de piyasaya sürdüler. IKEA Kreativ, onlarca yıllık IKEA uzmanlığını uzamsal bilişim, makine öğrenimi ve 3D karma gerçeklik teknolojilerindeki en son gelişmelerle birleştiriyor.

Bir AOS işletmesi, temel modelleri yalnızca işletmesinin belirli alanlarına değil, tüm değer zincirine entegre etmiştir. Bu, işletmeyi, ekosistemini ve müşterilerini içeren işletmenin tüm değer zinciri boyunca bağlamsal geri bildirim döngüleri sağlayacaktır.

Müşteriler için bağlamsal hizmetler ve ‘homojenize edilebilen’ kurumsal ve ekosistem yetenekleri AOS işletmelerinin kuzey yıldızıdır. Çok çeşitli uygulamalar için makine öğrenimi sistemleri oluşturmak – bu homojenizasyondur – temel modelleri tasarlarken standarttır ve yapay zekaya özgü ve dijitale özgü bir işletme arasında temel bir fark yaratan unsurdur.

Kuruluşların üçte ikisinden fazlası (%67), çalışma şekillerini dönüştürmeden yeni teknolojiyi benimsiyor.^[10] Ancak dijital dönüşümün ve veri stratejisinin temelleri olmadan, yapay zekayı mevcut işletim sisteminizin üzerine katmanlamak çözüm değildir (özellikle serbest akan görevler bağlamında). Daha fazla ilerlemeden önce, Yapay Zeka Neslini destekleyen veriler arasındaki ilişkiyi anlamak kritik öneme sahiptir.

Kendinize sorun: Gen AI aracı çeşitli kaynaklardan gelen güvenilir veriler tarafından eğitildi mi? Bu veriler nereden geliyor? Sınırlamaları nelerdir? Verilerin tümü aynı bölgeden mi toplanıyor? Bunun sonuçları nelerdir? Kültürel bağlam, verilerin farklı çalışan ihtiyaçları için ne kadar faydalı olduğunu nasıl değiştirecek?

Bu nüans, kuruluşların iş tasarımını temel bir yetenek haline getirmesini ve belirli görevleri ve hedef işlevlerini analiz etmelerini veya iyileştirilmiş performans (ROIP) geri dönüşünü sağlamasını gerektirecektir.^[11]

İşte vergi hazırlamayı örnek olarak kullanarak bu fikri göstermek için dört prototip ROIP ilişkisi:

Bir AOS, iş liderlerinin daha entegre olmak için sermaye planlama döngüsünü daraltmak da dahil olmak üzere iş planı geliştirmeyi yeniden düşünmesini gerektirecektir. Buna bağlı olarak, bir işletmenin yatırımlarını nasıl hesaba kattığı açısından oyun alanını dengeleme ihtiyacı vardır.

Genel Kabul Görmüş Muhasebe İlkeleri (GAAP) farklı iş kaynaklarına farklı şekillerde davranabilirken, çalışan maliyetleri giderleştirilirken teknoloji maliyetleri sermayeye çevrilirken, yönetim muhasebesi Toplam İş Maliyeti gibi önlemler kullanmalıdır.^[12] Bu, maliyet ve getirinin gerçek bir resmini sağlamak için bir kuruluşun farklı “çalışma kaynaklarının” tümünü normalleştirir. Bir işletme bir AOS'deki büyümeyi düşündüğünde, kendi başına öğrenebilecek ve departmanlar arasında çalışanlara fayda sağlayabilecek teknolojiye yatırım yaparak çarpan etkisi kazanma olasılığı, anlık kazançların bu kişiyle sınırlı olduğu yeni bir işe alıma yatırım yapmaya kıyasla daha yüksektir.

Çalışanlar, kısıtlamalardan bağımsız olarak yapay zeka araçlarını kullanacaktır, bu nedenle bunları diyaloğa dahil etmek ve bilinçli kullanım sağlamak daha iyidir. Rolleri yeniden tasarlamak ve iş arkadaşlarını yeniden tasarım sürecine dahil etmek, zamanlarını nasıl farklı biçimde harcayabileceklerini görmelerine yardımcı olabilir. Çalışanlar, zamanlarının üçte birinin şu anda sıradan ve tekrarlayan işlere harcandığını tahmin ediyor.^[13]

Yöneticilerin üçte biri (%32), daha yüksek kaliteli işler sağlamak için zekayı artırarak yapay zekanın kuruluşlarına en fazla değeri katacağına inanıyor.^[14] Bunun için çalışanların günlük iş hayatına yaklaşarak yollarına nelerin çıkacağını anlamaları gerekir. Çalışanları bu yolculuğa çıkarırken işi kesintiye uğratmanın yeni yollarını belirlemek için yapay zeka pilotlarını beyin fırtınası oturumlarıyla birleştirin.

Yukarıda belirtildiği gibi, birlikte yaratım için havuç ve çubuk gerekecektir. Çalışanların iş modelini öğrenme, geliştirme ve geliştirmeye, iş akışı içinde öğrenme ve deneyimleme için alan ve zaman tasarlamaya ve hareketsiz kalmayı seçen insanları cezalandırmaya motive olmalarını sağlayın.

İlk adım, iş liderlerinin ve BT'nin yapay zekanın benimsenmesi konusunda aynı noktada olmasını sağlamak olsa da, söz konusu yapay zeka modeli, iş gücü bunu benimsemeden ve girdi sağlamadan öğrenemez. Pozitif insan-makine takımını teşvik etmek için, “neden” çalışanlar için açık olmalıdır. Bunu yapmak için, yapay zeka entegrasyonunun, işlerini geliştirerek, verimliliği artırarak, günlük işlerine değer katarak ve daha iyi bir çalışan deneyimine katkıda bulunarak çalışanı farklılaştırmaya yardımcı olabilecek bir ortaklık (tehdit değil) olduğunu vurgulayın.

Yapay zeka destekçilerini düşünün, “test et ve öğren” laboratuvarlarını açın ve/veya grup düşünmesini önlemek için periyodik geri bildirim içeren farklı ekiplerden yapay zeka en iyi uygulama örneklerini toplayın. Kıdemli liderler, orta düzey yöneticiler ve kıdemsiz personel arasında yapay zeka araçlarının benimsenmesinde genellikle bir dengesizlik vardır. Bu şampiyonların ve başarı öykülerinin, işinizdeki farklı kişilikleri yansıttığından emin olun, böylece kendilerini ilgili hissederler.

Yönetişim, ilgili risklere dayalı olarak farklı gözetim düzeyleri ile çok katmanlı olmalıdır. Bu, işlevler arası ekipleri içerebilir. Örneğin, Nestle’nin Beatrice Guillaume-Grabisch liderliğinde yaptığı gibi, daha iyi kaynak yönetimi için BT ve İK departmanları giderek daha fazla tek bir lider altında bir araya getiriliyor. Yönetişim, paydaşların riskleri izlemesi, değerlendirmesi ve azaltması için merkezi bir yöntem de içerebilir (bu yöntem daha sonra çalışanları daha fazla eğitmek için kullanılabilir).

Bazı liderler, satıcılarla yeni ortaklıklar geliştirme veya siber tehditlere karşı dayanıklılıklarını geliştirmek veya etik yapay zeka kullanımının bazı daha kötü sorunlarını ele almak için rakiplerle birlikte çalışma potansiyelini görüyor.

Değişim kaçınılmazdır ve AOS bunun ayrılmaz bir parçası olacaktır. İş liderleri, bu fırsatı her iki elleriyle kavrayabilmeleri için potansiyel (ve riskler) ile başa çıkmalıdır. Başarı, sistemi çalışanlarla bilerek birlikte oluşturmadan ve risklerin farkında olmadan önce mevcut işletim sisteminin ve AOS'nin veri etkilerinin derinlemesine anlaşılmasına bağlı olacaktır.

AOS, çalışma şeklimizi ve kiminle çalıştığımızı değiştirerek her yerde iş modellerini sarsacaktır. Her kuruluşun, sürekli artan bir paydaş havuzu (rakipler dahil) ile iş birliği yapma potansiyelini görmesi gerekecektir. Benzer şekilde, liderler, teknolojinin üretkenlik vaatlerini yerine getirebilmesi için kuruluşlarını tasarlamalı ve daha fazla yapay zeka merkezli çalışmalıdır.