Teknoloji

2030’lu yıllarda günlük hayatta her işin arkasında analitik zeka olacak

Analitik bilgi idaresi konusunda Türkiye’nin öncü kurumu AIMS 360º Yapay Zeka & İdare Tahlilleri, tarafından düzenlenen AIMS 360º Analitik Zeka Konferansı, Hilton Bomonti’de düzenlendi. Konferansta yapay zekanın günlük hayatın içinde karşımıza sıklıkla çıktığı ve 2030’lu yıllarda her işin ardında analitik zekanın olacağı öngörüldü. Bu doğrultuda şirketlerin çok geçmeden gerçek yatırımları yapması için, analitik çalışmalarda yaşanan küresel gelişmeler ve şirketleri analitik çalışmalarda istedikleri hedefl ere taşıyan AIMS 360 analitik zeka tahlilleri anlatıldı.

AIMS “360º Analitik Zeka Çözümleri” ile şirketlerin işleyişlerinin her kademesinde toplanan ham dataları aksiyon alınabilir bilgiye dönüştürerek, kurum ve kuruluşların işleyişlerinin her evresinde gerçek vakitte hakikat kararlar almasını hedefl iyor. Bu gayeyle düzenlenen AIMS 360 Analitik Zeka konferans serisinin sonuncusu ‘Ekonomi Nereye Gidiyor? Yapay Zeka ne Vadediyor?’ isimli panel ile açılış yaptı. AIMS Yapay Zeka ve İdare Tahlilleri Kurucu Lideri Dr. Tülin Hoş, Dünya Gazetesi (NBE) İdare Konseyi Lideri Hakan Güldağ, Dünya Gazetesi Yayın Konseyi Lideri Gurur Oğuz, Yapay Zeka ve Teknoloji Derneği Kurucu Lideri Esen Girit Tümer panelde konuşmacı olarak yer aldı.

Yapay zeka, işletmelerin günlük faaliyetlerinde akan dataları yanlışsız değerlendirmesine yardımcı oluyor

AIMS Yapay Zeka ve İdare Tahlilleri Kurucu Lideri Dr. Tülin Hoş, 2000 yılından günümüze ham bilgilerin kurumların karar evrelerinde entegre edilecek nitelikli bilgiye ve organik zekaya dönüştürülecek çok sayıda çalışmaya imza attıklarını söyledi. Tülin Hoş şöyle konuştu: “Günümüzde yapay zeka moda oldu. 2000 yılında yaptığımız işi insanlara anlatmaya çalışırken en fazla ‘bizim verimiz yok’ yansısını alıyorduk. Beşerler bilgileri olduğunu, bu bilgileri tahlil etmedikleri sürece bilgi idaresi yapamayacaklarını anlamış durumdalar. CRM sistemiyle müşterinin satın alma verisini bir yerde tutmaya başladık. Bugün ‘müşteriye hangisi hangi ürünü hangi kanalda önerirsem; evet der’i öğrendik. Bunun yanı sıra müşterileri kaybetmeden evvel kaybedebileceğinin farkına varabileceğimizi öğrendik. Teknolojiyi içselleştirirken, dijitalleşirken bilgi yığınlarını gerçek yönetebilirlerse riski ön görebilecekler. Riski oluşmadan engellemek mümkün. İşletmelerimizin günlük hayatında akan dataları yanlışsız kıymetlendirmemiz gerekiyor. Burada da yardımcımız yapay zeka.”

Pandemi sıhhatte teknolojik gelişmeleri hızlandırdı

Yapay Zeka ve Teknoloji Derneği Kurucu Lideri Esen Girit Tümer de şunları söyledi: “Sağlıkta artık her alanda hayatın içinde teknoloji kullanıyor. Akıllı saatim ben kalp krizi geçirdiğimi anlamasam bile haberim olmadan ambulansı arayabilir, hastaneyi arayabilir. Sıhhat teknolojilerinde ilerleme var fakat homojen olarak dağılmış değil. Pandemi sıhhatte teknolojik gelişmeleri hızlandırdı. Online dijital tabiplerimiz varken, artık dijital hekiminizin tabip oraPandemi sıhhatte teknolojik gelişmeleri hızlandırdı Yapay Zeka ve Teknoloji Derneği Kurucu Lideri Esen Girit Tümer de şunları söyledi: “Sağlıkta artık her alanda hayatın içinde teknoloji kullanıyor. Akıllı saatim ben kalp krizi geçirdiğimi anlamasam bile haberim olmadan ambulansı arayabilir, hastaneyi arayabilir. Sıhhat teknolojilerinde ilerleme var ancak homojen olarak dağılmış değil. Pandemi sıhhatte teknolojik gelişmeleri hızlandırdı. Online dijital hekimlerimiz varken, artık dijital hekiminizin doktor oradaymış üzere heptik eldivenlerle sizi muayene ediyor. Hastane yapısına gereksinim kalmadan muayene yapılacak. Derin makine öğrenmesi ile birlikte biz yapay zekaya ‘kalp sağlığı riski olanları bulalım dediğimizde’ Bu kitlenin yüzde 80’de kalp riski var diyor fakat bir yandan da sormadığım soruya da yanıt veriyor. Yüzde 10’unda da şu risk var diyebiliyor. Teknoloji tsunami üzere lakin görmezden gelirsek vahim. Yoksa bu tsunamide sörf yapar üzere teknoloji bize hizmet eder hale gelebilir.”

Aile şirketleri teknolojiyi gereğince kullanamıyor

DÜNYA Gazetesi Yayın Heyeti Lideri Erdem Oğuz, “Türkiye’deki aile şirketlerinde en kıymetli sıkıntılardan biri kurumsallaşamama başkası de teknolojiyi yetkinlikle kullanamama. Artık moda olan bir şeyi şirketinize uygulamanız yetmiyor. Şirketinize uyduramıyorsanız olmuyor. Teknolojiyi şirketlerinizde kullandığınız vakit iş süreçlerinize yüzde 15 katkı sağlar. Bunun yerine şirketinizi zihninizde dönüşümü sağlar, iş süreçlerinizi, bağlantı süreçlerinizi daha evvel var olmayan bilgi süreçlerinizi tasarlayıp, teknolojiyi onun hizmete verirseniz o vakit verimlilik 90’lara çıkar. Artık ben Türkiye’de dijital dönüşerek batanları biliyorum. Teknolojiye de ‘o yapıyor ben de yapayım’ diye yatırım yapıyor. Teknolojiyi neyin buyruğuna veriyorsanız onu donanımlı hale getiriyorsunuz. Teknolojiyi ilkelliğinizin buyruğuna veriyorsanız. Onu donanımlı hale getiriyorsunuz. Birçok şirkette ben bunu gördüm. Artık yeni bir moda var: Yapay zeka. Moda diyorum zira kavram bir yerde icat olur olmaz Türkiye alır. Lafı var, kendisi yok. Gerisini nasıl dolduracağız, ona bakmıyoruz. Teknolojinin dışında kalmak olağan ki gerçek değil. Fakat sana hangi teknoloji uyuyorsa onu almak önemli” diye konuştu.

Teknolojik olarak atılıma muhtaçlık var

DÜNYA Gazetesi (NBE) İdare Konseyi Lideri Hakan Güldağ da şunları anlattı: “Biliyoruz ki büyük bir dönüşüme muhtaçlık var. Bunun bir plan dahilinde yapılması lazım. Şunu biliyoruz ki Afrika’ya bisküvi satarak Türkiye’nin faz atlaması mümkün değil. Belirli yüksek teknolojiler üretemeyiz çabucak, fakat yüksek teknolojili eserler gerekiyor. Türkiye’yi teknoloji ülkesi haline getirmemiz gerekiyor, buna fırsat da var. Yeni sanayi ihtilalinin ortaya çıkardığı bütün teknolojiler nanoteknoloji, gen bilimi, robotik her bir dalı dönüştürme kabiliyetine sahip. Bizim artık dokumadan nanoteknolojiye geçelim üzere bir durumumuz yok fakat dokumacılığa de nanoteknoloji tattığınız vakit oradan teknolojik sıçrama yapmanız rekabet gücünüzü artırmanız mümkün. Devlet Planlama Teşkilatı kapanalı 12 yıl oluyor ancak muhtaçlık var. Dünyadaki örnekler üzere temel bilimler yasası çıkarmamız ve temel bilimler enstitüsü kurmamız lazım. Kesinlikle teknolojik olarak atılıma muhtaçlık var.”

“Birçok platformda yapay zekaya veri sağlayıcısıyız”

Konuşmasına, “Hep yapısal verilerle çalışıyorduk. Yapısal veriler, iş ihtiyacına göre saklanan verilere deniyor. Bunu sıklıkla kullanıyoruz” diyerek başlayan AIMS Bilgi ve Yapay Zeka Tahlilleri Müdürü Hakan Çınar, şöyle konuştu: “Hayatımıza kendi içinde net bir bilgiyi içeren çeşitli bilgi sürece metotlarıyla üretilmiş yarı yapısal bilgiler geldi. Ses verileri, fotoğrafların işlenmesi üzere yapısal olmayan datalar de geldi. Bilgi çeşitliliğinin artması tahlillerin artmasına da yol açtı. Yapısal olmayan dataların birikme suratı yapısal bilgilere oranla daha fazla şu anda. Dalda kullanılan dataların yüzde 80’inden fazlası yapısal olmayan datalardan oluşuyor. Yapay zeka ile birinci başta makineler insan üzere karar versin isteniyordu, kural bazlı ilerliyordu. Yapay zekanın bir alt kolu olan makine öğrenmesi sırası geldi. Datayı incelesin çeşitli tahliller yapsın karar alsın’ istedik. Yarı yapısal ya da yapısal olmayan bilgilerle birlikte bunun üzerinde tahlil yapma derin öğrenme kavramı geldi. Katmanlar artırıldı, karar dataların aksiyon alma basamakları geliştirildi. Günümüzden en kıymetli mevzulardan biri bilgiyi saklamak. Kurumlar kendi iş gereksinimlerine nazaran farklı data tiplerine muhtaçlık duyuyor. Örneğin alışveriş kartının süreçlerini takip edeceksiniz sizin sahip olmanız gereken anahtar dataları saklayabilecek olan bir bilgi tabanına gereksinim duyuyorsunuz. Resimsel verileri saklayacağınız grafb ase dediğimiz veritabanına gereksinim duyuyorsunuz. Anında tahlil yapan sonucunu gösteren bir iş sürecindeyseniz geniş kolonlara sahip olan bir data tabanına muhtaçlık duyuyorsunuz. Her gereksinime nazaran bilgi tabanı gereksinimi da değişiyor. Birçok uygulamanın kendine ilişkin charbotları var. Örneğin yemek siparişi verdiğinizde kesinlikle yapay zeka kullanıyorsunuz. Karşılaştığımız birçok platformda aslında yapay zekaya bilgi sağlayıcısıyız. Mesela ATM’lerde paranın ne kadarda tükeneceğini bile iddia edebilir durumdayız. Sanayi üretimde makinelerin kendine ilişkin sensörleri var. Bozulma müddetlerini de üretime tesiri de varsayım ediliyor. Bu makine bu türlü çalışmaya devam ederse önümüzdeki hafta şu kadar üretebilir üzere varsayımlara de karşılık veriyor.”

Analitiğin bize kattığı çok hoş bir yarar var

Sunumda finansal sahtekarlıkları yapay zeka ile gerçek vakitli çözebileceğini anlatan AIMS Profesyonel Hizmetler Genel Müdür Yardımcısı Doruk Oğuz da, şunları söyledi: “Hem sahtekarlık var mı bakarken süratle yapılması gerekiyor. Yanlış alarmı da minimumda tutmak gerekiyor. Dış kaynağa bağlı olmadan müdahale edeceğimiz bir hale getirmek gerekiyor. Tahlillerin sizin data yapılarınıza uyacak halde esnek olması gerekiyor. İş bilginizle birçok farklı kural seti yazıp bu iş kurallarını yakalayacak biçimde süreçleri yönetebilirsiniz. Fakat analitiğin bize kattığı çok hoş bir yarar var. Gözümüzden kaçan farklı farklı dinamikler olabiliyor ya da değişen trendlere süratli adapte olamıyoruz. Burada analitik devreye giriyor ve yapay zekanın sunmuş olduğu esnek ve süratli tahlil yaklaşımıyla birlikte artık yalnızca sizin geçmişte yakalamış olduğunuz deneyimlerinizle birlikte tespit etmiş olduğunuz kurallara bakarak bir öğrenme yapmıyor birebir vakitte müşterinin hareket biçimindeki değişimler web sayfasında kalma mühleti menüler ortasındaki geçiş sıklığı üzere bilgileri dikkate alacak halde internet sayfamda gezen müşteri Doruk mudur tahlilini yapacak bir noktaya geliyoruz. Müşterinin hareket şeklindeki anomalileri de bulup müşteri özelinde bu süreç Doruk’a ilişkin olamaz skorunu size verecek dinamikliğe erişebiliyorsunuz. Bunu yapmak için art tarafta güçlü bir platform kurmak gerekiyor. Süreç şöyle ilerliyor: Elimizde milyonlarca satır bilgiler var. Bunların içinde sizin daha evvel yaşamış olduğunuz ve tespit etmiş olduğunuz farklı sahtekarlık case’leriniz var. Kural setlerinizi çıkarttığı alarm olarak göreceğiniz kırmızı listeleri görüyorsunuz. Bunlar kredi kartı harcaması, para transferi harcaması olabilir acentenin kesmiş olduğu BES poliçesi bile olabilir. Kırmızı listeyi sizin kural setlerinizle çaprazladığınızda ortaya çıkan kesişim kümesi bizim için yakalanan sahtekarlık oluyor. Bunları esasen yapabiliyoruz. Biz bunun bir ötesine geçmek istiyoruz. Kırmızı listeyi adım adım incelemesi gerekiyor. Vakit kısıtlı süreç yüksek tek tek bakamayacağınız bir noktaya geliyor, burada analitik devreye giriyor. Bizim için ‘hepsine bakmakla uğraşma, yüzde 1’lik şu kitleye bak’ diyor. Daha yüksek riskli süreçleri önceliklendiriyor. Yakalama oranlarımız yükseliyor. Müşteri bazında kart numarası bazında anomali hareketlerini görebiliyoruz. Biz gözümüzü daha evvel yakalanmayan hadiselere çevirmiş durumdayız. Kullandığımız algoritmalar müşteri hareket stiline uygun olmayan meseleleri bulmaya başlıyor. Daha evvel gözümüzün görmediği süreçleri yakalamaya başlıyoruz. Birçok farklı bir dolandırıcılıkla karşılaşıyoruz. Bu yollar için de farklı farklı modeller çalıştırmanız gerekiyor. Sahtekarlık öbür analitik modellerinden biraz farklı. Çok süratli bir formda yapılması gerekiyor. Hasebiyle art tarafta yeni kural yazmak için fazla vaktiniz yok. Harcadığınız vakit karşılaşabileceğiniz sahtekarlık kayıpları haline gelmeye başlayacak. Akan datalarınız üzerinde gerçek vakitli tahlil ediyor. Kullanacağınız vakit kural setleri yazıp size veriyor. Tıpkı vakitte hangi münasebetlerle hangi kural setiyle yakaladığını da görebiliyorsunuz.”

“Güvenilir yapay zeka kavramı ön plana çıkıyor”

AIMS Data ve Yapay Zeka Tahlilleri Müdürü Yılmaz Meral, ‘Gerçek Zamanlı Yapay Zeka Çalışmalarının Önündeki Engeller & Çözüm Fırsatları Neler?’ isimli sunumunda şunları anlattı: “90’lı yıllarda şirketlerin kaygısı eser satmaktı. 2000’li yıllarda şirketlerin eser yanında hizmet satması da gerekti. 2010’lu yıllara müşteri tecrübesini en yüksek tutmaya çalıştı. Günümüzde tüm bunları bir ortada yapabilmek, aksiyon alabilmek için art tarafta bilgiyi toplamamız gerektiğini biliyoruz. Eserleri sayfada listeledikten ‘bunu alan bunu aldı’ teklif yapısı kurmak gerekiyor. Bu da yapay zekayla oluyor. Data bilimci konusunda talep çok fazla lakin arz çok az. Dataya bağlandık modeli kurduk, kodlarını oluşturmak gerekir bunu da çözmek gerekir. Modellerin de data ile yaşatılması gerekir. Modeli izlemeye aldığınızda kimi kitlelere önyargılı davranıyor olabilir, bunun önüne geçmeniz gerekir. Müşteri için iddia yaptığımda nedenlerinin açıklayıcılığı da olması gerekir. Sağlam yapay zeka kavramı ön plana çıkıyor. Bilgilerimize, modellerimize ve sürecimize güveniyorsak, pürüzleri olmayan yapay zeka uygulaması yapmışız demektir. İnsanların %68’i banka kredi onaylanmasında yapay zeka yerine insanlara güveniyor. Tahminen burada kurulan modellerde sorun var. Sağlam yapay zeka olması için, açıklanabilir kime, neyi, neden dediğini bilmeliyim. Adil olmalı. Denetlenebilir olmalı. Ön yargı olmamalı. İki kurumdan biri bilgiyi yönetemiyor. Data bilimcilerin yüzde 42’si modelleri izlemiyor. Data bilimi çalışanlarının yetenekleri yüksek olmaması en büyük problemlerden birisi. Data bilimcileri iş ilan sayısı, arayan sayılarının 3 kat daha fazla.”

“Her müşteriyi kişisel olarak tanımaya yardımcı oluyor”

AIMS Bilgi ve Yapay Zeka Tahlilleri Müdürü Zeynel Serdar Öztürk, 360 derece yapay zeka sunumunda, IMS’nin her bölümlere dokunduğunu, bütün tahlil ve bileşenlerin her kesime uyumlu olduğunu belirtti. Zeynel Serdar Öztürk şu bilgileri verdi: “Önce bilgi haritası tasarlıyoruz. İkinci basamakta analitik vizyon workshopu yapıyoruz. İş takımı ile yapılan görüşmelerden sonra IT grubuyla görüşüyoruz. İş grubunun istediği çalışma ile ilgili art planda bize bilgi sağlayabiliyor mu, donanım ya da yazılım var mı buna bakıyoruz. Ortaya ayrıntılı kapsam dokümanı çıkarıyoruz. Her çalışma için uygun data lazım. Analitik data sözlüğü ortaya çıkarıyoruz. Tüm bunlar yapıldıktan sonra analitik çalışmalar yapılabilir formata geliyor. Bu çalışmalardan birincisi analitik CRM. Müşterilerimizi kuruma kattıkları bedele nazaran piramit yapısına oturtmamız gerekiyor. Müşteriyi art planda tanımaya çalışıyoruz. Müşteri pahalıysa elinizde tutmaya çalışırsınız. Akabinde demografik segmentasyon geliyor. Bu müşteriyi ayrıntılı bir halde tanımak. Potansiyel bedel segmentasyonu ile kuruma bedel katacak müşteriyi arıyoruz. Sonra davranış ve hayat şekli segmentasyonu geliyor. Art planda ‘müşteriyle kampanya çıkacağım hangi kanaldan çıkarsam bana geri dönüşü olur, hangi ürünün hangi gramajını tercih ediyor’ üzere bilgileri biliyoruz. Her müşteriye birebir yaklaşmamalıyız. Her müşteri benzeri davranışlar sağlamıyor. İki müşteri de kıymetlidir lakin biri bağlantı kanallarında ayrılabilirler. Biri dijitali tercih ederken birisi yüz yüze irtibatı tercih edebilir. İkisi de farklı yaklaşmak gerekir. Her müşteriyi ayrıntılı görüyor oluyoruz. Art planda yapılan çalışmalar sonucunda ‘bu değer segmentinde şu davranışı gösteren müşteriyi korumalıyım’ diyebiliriz. Eser eğilim modellemesi; müşterilerin her birinin kurumun sağladığı eserlerden hangisine eğilim göstereceğini anlamamızı sağlıyor. Eser eğilim modellemelerinin değerli noktası; a eserini hangi kanal üzerinden sunmalıyım’ kararını da vermeye yardımcı oluyor. Art planda yapılan çalışmalar sonucunda spesifik olarak ‘şu kitleye sahip müşteriler şunları almaya daha eğilimli’ diyebileceğimiz bir yapıyı sunuyoruz. Şikayet ve talep segmentasyonu art planda göz gerisi edilen noktalardan biri. Müşteriyi terk etme eğilimine giriyorsa ondan evvel basamaklarda müşteriyi tanıyarak tedbir alabiliriz. Eser eğilimi anladıktan sonra kampanya çıkıyoruz. Müşterinin kampanyaya verdiği yanıtı da incelemeliyiz. Art planda hangi kanaldan hangi saatte çıkılması gerekiyor bunu da öğreniriz. Müşterileri eser bazında da kıymetlendirerek kurumumu eseri mü terk etmeye çalışıyor bunu da anlıyoruz. Ömür Uzunluğu Bedel Modellemesi ile müşteriler bize şu anda paha katıyorlar ileriki periyotta ne kadar kıymet katacak bilmiyorum. Bunu evvelce ön görüyor. Kanal Analitiği ile müşterinin her kanal bazında ne bedeli var onu da belirliyoruz. Mesela müşteriler, öğlen ortasında bir kanalı daha fazla kullanıyor. Spesifik olarak kampanyamı o saatte o kanala çıktığımda daha fazla geri dönüş alabilirim. Kanallara terk etme eğilim modellerine geldiğimizde bir kanalı terk ederken diğer kanala eğilimi yükseliyor olabilir buna da bakıyoruz. Analitik maksat idaresi çözümümüzle maksadı art plandaki yapıya nasıl oturtacağımıza karar veriyoruz. Her bir şubenin ya da mağazanın geçmişte gösterdiği pahalarla, sonraki periyotta nereye gideceğini ölçüyoruz. Yapay zeka lokasyon tahlili şirketimizin TÜBİTAK dayanağı ile yaptığı bir çalışma tıpkı vakitte. Şubelerin, mağazaların beklenen performansı gösterip göstermediğini bulabiliyoruz. Arkaplanda potansiyeli biliyoruz ve amacı veriyoruz. Neden yapamadığına bakıyoruz. Analitik suistimal idaresi tahlilimiz ile 3 basamaklı yol haritası yaklaşıyoruz. Birinci basamakta daha evvelki suistimalleri bildiğimiz için bunlarla ilgili aksiyon alıyoruz. İkinci basamakta öngürüsel modellemeler devreye giriyor. Bu modellerle birlikte o suistimali yapan duruma uygun maksat belirliyoruz. Suistimal mümkünlüğü var üzere skorlar veriyoruz. Analitik İK idaresi ile çalışanlarımızın verimliliklerini de belirliyoruz. Çalışan çok çalışıyor lakin tahlil getiremiyor ya da çok süratli tahlil getiriyor bu ayrıntıları görebiliyoruz. Çalışan terk etme mümkünlüğü da görebiliyoruz. Çalışanı gelecekte pahalı olup olmayacağını da ön görebiliyoruz.”

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

Başa dön tuşu