Yapay zeka felaketi: Projelerin %80'i başarısız oluyor ve milyarlarca dolar boşa harcanıyor
(salesforcedevops.net)- RAND Corporation'ın yeni raporu, yapay zekâya yönelik hype'a rağmen projelerin çoğunun başarısız olduğunu gösteriyor
- RAND: ABD'nin önde gelen düşünce kuruluşlarından biri. Adı R&D'yi ifade eder. Douglas Aircraft tarafından 1948'de kuruldu
- Bu rapor, 65 deneyimli veri bilimci ve mühendisle yapılan görüşmelere dayanarak bu başarısızlıkların temel nedenlerini ortaya koyuyor ve başarı için bir yol haritası sunuyor
Liderlik başarısızlığı: Körün köre yol göstermesi
- Yapay zeka projelerinin başarısız olmasının en büyük nedeni teknoloji değil, üst yönetim
- Yöneticiler çoğu zaman yapay zekâ ile hangi sorunun çözülmesi gerektiğini yanlış anlıyor ya da yanlış iletiyor
- Yönetim, yapay zekâ konusunda abartılı beklentilere sahip ve başarılı bir uygulama için gereken zaman ile kaynakları olduğundan az değerlendiriyor
- Yönetim ile teknik ekip arasındaki net iletişim eksikliği ve proje hedeflerine dair yetersiz ortak anlayış nedeniyle, yapay zeka girişimleri daha baştan başarısızlığa mahkûm oluyor
- Birçok organizasyonda başarılı yapay zeka uygulamaları için gereken sabır yok. Projeler çoğu zaman yarıda bırakılıyor ya da gerçek değerini gösterme fırsatı bile bulamadan yeni önceliklere kaydırılıyor
Veri ikilemi: Çöp girerse çöp çıkar
- Veri kalitesi, ikinci en önemli engel olarak öne çıkıyor: "Yapay zekânın %80'i veri mühendisliğinin dağınık işleri"
- Birçok organizasyonda etkili yapay zeka modellerini eğitecek kadar yeterli yüksek kaliteli veri bulunmuyor
- Legacy veri setleri, yapay zeka eğitimi için uygun olmayabiliyor
- Veri mühendisi eksikliği, bilgi kaybına ve proje maliyetlerinin artmasına yol açıyor
- Yapay zeka ekiplerindeki alan uzmanlığı eksikliği, verinin yanlış yorumlanmasına ve model tasarımında kusurlara neden olabiliyor
Parlak şeylerin peşinde koşmak: Mühendisler odağını kaybettiğinde
- Mühendislerin kendileri de proje başarısızlıklarına katkıda bulunabiliyor
- Birçok veri bilimci ve mühendis, daha basit çözümler yeterli olsa bile en yeni teknolojik gelişmeleri kullanmaya çekiliyor
- Bu "parlak şey" peşinde koşma eğilimi, bakımı zor ve paydaşlara açıklanması güç, gereksiz derecede karmaşık çözümlere yol açabiliyor
- Organizasyonlar, yenilik ile pratiklik arasında denge kurmalı. Teknolojik gelişmeleri takip etmek önemli olsa da asıl odak, gerçek iş problemlerini etkili biçimde çözmek olmalı
Altyapı: Başarı için cazibesiz temel
- Altyapı yatırımı eksikliği, yapay zeka projelerinin başarısız olmasındaki bir diğer büyük etken olarak ortaya çıkıyor
- Birçok şirket, gerekli temeli önce kurmadan yapay zeka projelerine başlamaya çalışıyor
- Organizasyonların yapay zeka uygulamalarına daha bütüncül bakması gerekiyor. Bu; sağlam veri boru hatlarına, otomatik test ve dağıtım sistemlerine ve üretimde model performansını izleme araçlarına yatırım yapmak anlamına geliyor
- Birçok organizasyon, başarılı yapay zeka prototiplerinden production'a hazır sistemlere geçişte zorlanıyor. Bu "son kilometre" sorunu, umut vadeden projeleri sık sık raydan çıkarıyor
Öneriler: Yapay zeka hedefleri için gerçeklik kontrolü
- RAND raporu, organizasyonların yapay zeka projelerinde başarı oranını artırması için şu önerileri sunuyor:
- Teknik çalışanların projenin amacını ve iş bağlamını anladığından emin olun. Rapor, "Projenin niyeti ve amacı hakkındaki yanlış anlama ve hatalı iletişim, yapay zeka projelerinin başarısız olmasının en yaygın nedenidir" diyor. Bunun için iş ekipleri ile teknik ekipler arasında sürekli diyalog ve ortak anlayış ile ortak terminoloji oluşturma çabası gerekiyor.
- Sürdürülebilir problemleri seçin. "Bir yapay zeka projesine başlamadan önce liderler, her ürün ekibinin belirli bir problemi çözmeye en az 1 yıl boyunca kendini adamaya hazır olduğundan emin olmalı." Bu öneri, hızlı sonuç peşinde koşma ya da öncelikleri sürekli değiştirme eğilimine karşı çıkıyor. Uzun vadeli ve yüksek etkili problemlere odaklanarak organizasyonlar, yapay zeka girişimlerine başarı için gerekli zaman ve kaynakları sağlayabilir.
- Teknolojiye değil probleme odaklanın. "En yeni yapay zeka teknolojisini sırf yeni olduğu için kovalamak, başarısızlığa giden en sık yollardan biridir." Raporda, en ileri çözüm olmasa bile işe uygun aracı seçmenin önemli olduğu vurgulanıyor. Bu, organizasyonların teknik ekipleri değerlendirme ve ödüllendirme biçiminde değişiklik gerektirebilir.
- Altyapıya yatırım yapın. "Veri yönetişimi ve model dağıtımını desteklemek için önceden yapılan altyapı yatırımı, yapay zeka projelerinin tamamlanması için gereken süreyi önemli ölçüde kısaltabilir." Bu yatırımlar, yapay zeka araştırması kadar gösterişli olmayabilir ancak uzun vadeli başarı için kritik önemdedir. Buna sağlam veri boru hatları kurmak, model ve veri için sürüm kontrolü uygulamak ve dağıtılmış yapay zeka çözümlerini izleyip sürdürmek için sistemler geliştirmek dahildir.
- Yapay zekânın sınırlarını anlayın. "Yapay zeka, zor problemleri çözebilen sihirli bir değnek değildir. Bazı durumlarda en gelişmiş yapay zeka modelleri bile zor görevleri otomatikleştiremez." Rapor, yapay zekânın yapabilecekleri ve yapamayacakları konusunda daha gerçekçi bir değerlendirme yapılmasını, organizasyonların beklentilerini düşürmesini ve yapay zekânın gerçekten değer üretebileceği alanlara odaklanmasını istiyor.
Akademinin bakışı: Yayınla ya da yok ol
- Bu araştırma, akademideki yapay zeka çalışmalarını da inceledi ve makale yayımlama baskısı ile prestij arayışının çoğu zaman gerçek uygulamaların önüne geçtiğini ortaya koydu
- Rapor, "Eğer yapay zeka projesi bir makale yayınıyla sonuçlanmıyorsa başarılı olarak görülmüyordu" diyerek akademik teşviklerle gerçek dünya etkisi arasındaki uyumsuzluğa dikkat çekiyor
- Bu yayın odaklı yaklaşım, araştırmacıları gerçek dünyada önemli etki yaratabilecek kademeli iyileştirmeler yerine yeni ama pratik olmayan yaklaşımlara öncelik vermeye itebiliyor
- Rapor, akademik kurumların yapay zeka araştırmalarında başarı ölçütlerini genişleterek pratik uygulamalar ya da sanayi iş birlikleriyle ilgili metrikleri de dahil etmeyi değerlendirmesi gerektiğini öneriyor
- Araştırma ayrıca birçok akademik araştırmacının yüksek kaliteli gerçek dünya veri setlerine erişimde zorluk yaşadığını buldu. Bu da akademik araştırma ile gerçek uygulamalar arasındaki kopukluğu artırabiliyor
- Rapor, gerekli gizlilik ve güvenlik önlemleri korunurken araştırmacılara daha ilgili verilere erişim sağlamak için akademi, sanayi ve kamu kurumları arasında iş birliğinin artırılmasını tavsiye ediyor
Yapay zeka endüstrisi için alarm zili
- Bu RAND raporu, yapay zeka endüstrisi için çok ihtiyaç duyulan bir gerçeklik kontrolü işlevi görüyor
- Yapay zekânın potansiyeli hâlâ çok büyük, ancak başarılı uygulamaya giden yol zorluklarla dolu
- Organizasyonlar, hype ile gerçeklik arasındaki boşluğu kapatmalı ve veri kalitesi, altyapı, teknik ve iş ekipleri arasındaki net iletişim gibi sağlam temellere odaklanmalı
- Görüşülen kişilerden birinin isabetli biçimde belirttiği gibi: "Paydaşlar sürecin içinde olmak istiyor. 'Beklediğimizden uzun sürüyor, 2 hafta sonra tekrar size döneceğiz' denmesini sevmiyorlar. Merak ediyorlar." Bu, yapay zeka projeleri boyunca sürekli ve şeffaf iletişimin gerekli olduğunu, tüm paydaşların bilgilendirilmesi ve sürece dahil edilmesi gerektiğini vurguluyor
- Rapor ayrıca yapay zeka geliştirmede sabır ve sebatın önemini vurguluyor. Hızlı kazanımlar nadirdir ve organizasyonların, yapay zeka girişimlerinden somut fayda elde etmek için uzun vadeli çabaya hazır olması gerekir. Bu, kısa vadeli düşünceden uzaklaşıp yapay zeka uygulamalarına daha stratejik ve uzun vadeli bir bakış açısına geçmeyi gerektiren bir kültür ve beklenti değişimi anlamına gelebilir
- Bu dersleri benimseyip yapay zeka geliştirmeye daha gerçekçi ve sabırlı bir yaklaşımla yaklaşan organizasyonlar, bu dönüştürücü alanda başarı şansını artırabilir
"Yapay zekânın geleceği parlak, ancak yalnızca yol üzerindeki son derece insani zorlukları aşabilenler için. Endüstri olgunlaştıkça, yenilik ile pratikliği dengeleyebilen ve teknik mükemmelliği iş sezgisiyle birleştirenler, yapay zekânın gerçek potansiyelinden yararlanmak için en iyi konumda olacak."
6 yorum
Şirketler başarısızlığa dayanabildiği sürece...
Sonunda ayakta kalabilen kazanır.
Oldukça empati uyandıran bir paylaşım ^^ Ufak bir itiraz sayılmazsa... Bu bağlamda "Publish", "yayıncılık" değil, "makale yayımlama" olarak çevrilirse daha doğal olur gibi.
Zeki biri uzun zaman önce kilit soruyu sormuştu...
Para kazandıracak mı?
Şirketler hızla kâr elde etmeye çalışıyor, adına sadece yapay zeka falan filan denmiş şeyleri satıyor; oysa kullanıcı beklentisi en az 10 yıldan fazla yatırımın sonucu olacak ürünler yönünde... zor tabii...
LLM ile üretilmiş uydurma finansal tablo rakamlarının yatırımcılara yanlış aktarılacağını düşünürseniz, aklı başında yöneticilerin LLM’lere bu kadar heyecanla sarılmayacağını anlarsınız. Ne kadar anlatsanız da inat eden bazı insanlar için, biraz utanç verici bir deneyimin iyi bir ders olacağını düşünüyorum.
Hacker News yorumu
RAND raporu: "Sektör paydaşları, AI ile çözülmesi gereken sorunları yanlış anlıyor ya da yanlış aktarıyor" deniyor
Yatırım başarısızlığı sorunu: Sorun %80 başarısızlık değil; kalan %20 içinden birkaç black swan tüm yatırım portföyünü kârlı hale getirebilir
Rand Report bağlantısı: Rand Report
AI'nin kötüye kullanımı sorunu: Şirketler sık sık "her yere AI yerleştirin" talimatı veriyor
Startup başarı oranı: Startupların %90'ının 3 yıl içinde başarısız olmasına kıyasla 80/20 kuralı daha iyidir
Tarihin tekerrürü: DART'ın 1991'de devreye alınması ve 1995'e kadar DARPA'nın AI araştırma fonlarını telafi etmesi buna bir örnek
AI özellikleri sorunu: AI özelliklerinin korunmasının nedeni, yöneticilerin AI'ye aşırı saplantılı olması
Ar-Ge başarı oranı: En ileri teknolojide projelerin %20'sinin başarılı olması oldukça iyi bir sonuç olabilir
AI ile kodlamanın yer değiştirmesi: AI'nin kodlamanın yerini alacağı iddiasına şüpheyle bakılıyor
Web sitesi çöktü: HN trafiğini kaldıramadığı için Wordpress sitesi çöktü