Yapay zekanın uzun kuyruğu

xguru · 2024-11-18T10:21:01+09:00

ChatGPT’nin Kasım 2022’de piyasaya sürülmesinden bu yana, yapay zeka girişimleri yatırımcıların yoğun ilgisini gördü; 2024’ün 2. çeyreğinde toplam girişim sermayesinin %49’u yapay zeka ve makine öğrenimi girişimlerine yatırıldı. OpenAI gibi model sağlayıcıları ve Perplexity ya da Jasper gibi AI-native şirketler ilgi odağı olsa da, gerçekte yapay zekadan etkilenen "AI olmayan" şirketlerin sayısı daha fazla. Biz, yapay zekanın bu AI olmayan şirketler üzerindeki etkisini "yapay zekanın uzun kuyruğu" olarak adlandırıyoruz ve bu uzun kuyruk, şirketlerin yapay zekayı entegre etme biçimine göre dört kategoriye ayrılabilir: Bağımsız model geliştirme OpenAI’nin GPT-4’ü gibi mevcut modellerden yararlanma Meta’nın Llama’sı gibi açık kaynaklı modeller üzerine inşa etme ChatGPT gibi önceden geliştirilmiş yapay zeka araçlarını kullanma Bağımsız ve kendine ait model geliştirmek, yapay zekadan yararlanmanın en fazla kaynak gerektiren yoludur ve genellikle büyük ölçekli özgün veri kaynaklarına sahip, yeni bir modeli eğitecek yeterli insan ve finans kaynağı bulunan şirketler için uygundur. OpenAI’nin GPT modelleri veya Anthropic’in Claude’u gibi kapalı kaynak modeller, milyarlardan trilyonlara uzanan parametrelerle eğitildi; kodlamadan müşteri hizmetlerine kadar pek çok alanda doğru ve ayrıntılı çıktılar üretebilir ve API aracılığıyla kolayca erişilebilir. Mistral veya Meta’nın Llama’sı gibi açık kaynak modeller güçlü araçlardır; Llama 3.1, 405 milyar parametreyle eğitilmiştir. Kapalı kaynak modellerin aksine, açık kaynak modeller şeffaflık ve esneklik sunar; model ağırlıkları ayarlanarak müşterinin özel ihtiyaçlarına uyarlanabilir. ChatGPT gibi üçüncü taraf yapay zeka araçlarının entegrasyonu en kolay olanıdır; müşteriler içeride model geliştirmeye veya ayarlamaya gerek kalmadan hazır aracı kullanabilir. Yapay zeka stratejisi şirketten şirkete değişse de, başarılı şirketler yapay zekayı mevcut işlerini tamamlamak için kullanıyor, aynı sektördeki başarı örneklerini taklit ediyor ve yapay zeka teknolojisi geliştikçe esnek kalıyor. Yapay zekada hype’ın güç yasası Normal dağılım vs. güç yasası: Normal dağılım, IQ, sınav puanları ve tansiyon gibi günlük hayatta sık görülen bir dağılımdır; veriler ortalama etrafında toplanır. Buna karşılık dünyadaki birçok olgu, az sayıdaki uç örneğin sonuçların çoğunu belirlediği güç yasasıyla tanımlanır. Örneğin, 2023’te S&P 500 endeksindeki yükselişin yarısından fazlasını yalnızca %1,4’lük kısmı oluşturan 7 hisse sağladı. Girişim sermayesinde de az sayıdaki başarılı yatırım, fonun getirisinin büyük kısmını oluşturur. Örnek: Union Square Ventures kurucusu Fred Wilson, "tek bir yatırım tüm fonun getirisini sağlayabilir" demiştir. Yapay zeka alanında güç yasası: Dot Com balonu döneminde sermayenin internet şirketlerine yığılması gibi, 2024’te yapay zeka alanı da benzer bir hype sergiliyor. Y Combinator’un 2024 yaz kohortunda şirketlerin %75’i yapay zeka odaklı ürünler geliştiriyor. 2024’ün 2. çeyreğindeki girişim sermayesi yatırımlarının %49’u yapay zeka ve makine öğrenimi girişimlerinde yoğunlaştı (2022’nin 2. çeyreğinde bu oran %29’du). 2020’de erken aşama yapay zeka, SaaS ve fintech şirketlerinin medyan değerlemeleri sırasıyla $25M, $27M ve $28M iken, 2024’te bunlar $70M, $46M ve $50M’a yükseldi. OpenAI zarar ediyor olmasına rağmen, Ekim 2024’te $157B değerleme üzerinden yeni sermaye topladı (gelirinin 39 katı değerleme). AI-native girişimlerin sınırları: Üretken yapay zeka ve LLM’lerin ortaya çıkışıyla birlikte yapay zeka, şirketlerin çekirdek ürününün merkezine yerleşiyor. Ancak AI-native şirketler yatırımcı ilgisini tekeline almış gibi görünürken, AI olmayan şirketler de yapay zeka teknolojisindeki gelişmelerden etkileniyor. Şirketlerin çoğu özünde yapay zeka şirketi değil, fakat yapay zekadaki ilerleme onların iş modellerini ciddi biçimde etkileyecek. İnternetin uzun kuyruğundan yapay zekanın uzun kuyruğuna: Dot Com balonundan sonra, internet trendine uyum sağlayan internet dışı şirketler büyük başarı elde etti. Örneğin Walmart 1962’de kurulmuş olsa da, 2023’te e-ticaret geliri $73B’ye ulaştı ve 2017’ye göre 5 kat büyüdü. Bugün ise "yapay zekanın uzun kuyruğu" ortaya çıkıyor; buna fintech, SaaS, sağlık, e-ticaret ve lojistik gibi çeşitli sektörlerdeki AI olmayan şirketler dahil. Yapay zekanın geniş etkisi: Hazır yapay zeka araçlarının kullanımından şirket içi iş akışlarına yapay zekanın entegre edilmesine kadar, farklı sektörlerdeki şirketler yapay zekadan yararlanıyor ya da bunu deniyor. İnternetin internet dışı şirketler üzerindeki etkisi gibi, yapay zeka da yalnızca yapay zeka modeli geliştiren şirketlerle sınırlı kalmayacak, geniş çaplı bir etki yaratacak. Yapay zekanın uzun kuyruğunun tanımı Yapay zeka şirketleri, yapay zekaya yönelik ilgi ve yatırımın büyük kısmını alır ve iki kategoriye ayrılabilir: Model şirketleri: OpenAI, Anthropic, Mistral gibi, kullanıcılarına özel mülkiyetli veya açık kaynaklı LLM’ler (büyük dil modelleri) geliştirip sunan şirketler. AI-native şirketler: Perplexity, Jasper gibi, yapay zeka modelleri temelinde ürün ve hizmet sunan şirketler. İlk kategoride modelin kendisi üründür. İkinci kategorideyse yapay zeka modeli işlevselliğin merkezini oluşturur; model olmadan şirketin kendisi var olamaz. Örneğin Baseten CEO’su Tuhin Srivastava, "model yoksa AI-native şirket de yoktur" diye açıklıyor. Ancak Bloomberg, Walmart, Canva gibi çoğu şirket bu iki kategoriye girmez. Bunlar, "yapay zekanın uzun kuyruğu" olarak adlandırılan daha geniş bir kategoride yer alır. Uzun kuyruğun temel soruları Yapay zeka teknolojisindeki gelişmeler, ChatGPT’nin piyasaya sürülmesinden önce zaten var olan iş modellerini nasıl etkileyecek? Danışmanlık şirketlerindeki analistlerden teknoloji şirketlerindeki yazılım mühendislerine kadar, farklı sektörlerdeki çalışanlar yapay zekayı nasıl kullanıyor ve gelecekte nasıl kullanacak? Şirketler yapay zeka pazarında kendilerini nasıl konumlandırıyor? Kendi modellerini mi geliştiriyorlar, yoksa dışarıda geliştirilmiş araçları mı kullanıyorlar? Farklı şirketlerde yapay zeka kullanım örnekleri Örnek: Ramp (gider yönetim platformu) ve Atlassian (Avustralyalı bir SaaS şirketi), mevcut veri ve iş akışlarının üzerine üretken yapay zeka ekledi. Klarna (İsveçli bir fintech şirketi), şirket içi operasyonel verimliliği artırmak için yapay zekaya yatırım yaptı; yapay zeka sohbet botu, 700 tam zamanlı müşteri hizmetleri çalışanının yerini alabilecek düzeyde sonuç verdi. PwC, Mayıs 2024’te 100 bin çalışanına ChatGPT Enterprise özelliklerini sunmak üzere anlaşma yaptı. Ayrıca, 2024’te ABD Ticaret Odası anketinde küçük ve orta ölçekli işletmelerin %98’i yapay zeka araçları kullandığını söyledi. Geçmiş ve bugünün karşılaştırması İnternet patlamasından sonra internet dışı şirketlerin e-ticaret benimsemesiyle büyük başarı yakalamasına benzer şekilde, "yapay zekanın uzun kuyruğu" da farklı sektörlerdeki AI olmayan şirketlerin yapay zekadan etkileneceğini gösteriyor. İnternet internet dışı şirketler üzerinde nasıl geniş kapsamlı bir etki yarattıysa, yapay zeka da yalnızca yapay zeka modeli geliştiren şirketlerle sınırlı kalmayıp daha geniş ekonomiyi etkileyecek. Yapay zeka uzun kuyruğunun dört katmanı Bağımsız şirket içi yapay zeka modeli geliştirme: Özel veri setlerinden yararlanarak kendi yapay zeka modelini oluşturan şirketler. Kapalı kaynak modellerden yararlanma: OpenAI, Anthropic vb. kapalı kaynak modelleri kullanan şirketler. Açık kaynak modellerden yararlanma: Llama, Mistral, Hugging Face modellerini kullanan şirketler. Hazır yapay zeka araçlarını entegre etme: Önceden geliştirilmiş yapay zeka araçlarını iş akışlarına entegre eden şirketler. Bu dört katman sabit değildir; yapay zekayı farklı şekillerde kullanan şirketler birden fazla katmanda sınıflandırılabilir. Yapay zeka teknolojisinin hızlı gelişimiyle birlikte, şirketlerin yapay zekadan yararlanma biçimleri de sürekli değişiyor. Katman 1: Kendi modelini geliştirme En fazla kaynak tüketen strateji: Yapay zekanın uzun kuyruğunda en maliyetli strateji, bağımsız bir modeli sıfırdan geliştirmektir. Bu strateji için uygun şirketler, (1) sermayesi bol olan ve (2) değerli, özel veri setlerine sahip şirketlerdir. Örnek: Sam Altman'a göre, GPT-4'ün eğitim maliyeti $100M düzeyine ulaşıyor. Kendi modeli yüksek maliyetlidir, ancak özel veri setlerine sahip şirketler için (A) daha ayrıntılı ve şirkete özel sonuçlar sunar, (B) model ve ağırlıklar üzerinde tam kontrol sağlar ve (C) kapalı kaynak modellere kıyasla maliyet tasarrufu potansiyeli sunar. Bloomberg Bloomberg, merkezi New York'ta bulunan bir finansal veri ve medya şirketidir ve yıllık $12B'den fazla gelir elde etmektedir. Şirketin amiral gemisi ürünü Bloomberg Terminal, toplam gelirin yaklaşık 2/3'ünü oluşturmaktadır. Bloomberg'de 8 binden fazla mühendisin 350'den fazlası yapay zeka mühendisliği ekibinde yer almakta ve şirket her yıl çeşitli yapay zeka araştırma makaleleri yayımlamaktadır. Mart 2023'te Bloomberg, finans odaklı bir LLM olan BloombergGPT'yi duyurdu. Bu model toplam 50B parametreden oluşuyordu ve 345B'lik açık veri setleri ile 40 yıl boyunca toplanmış 363B'lik finansal belge veri setinin birleştirilmesiyle eğitildi. Eğitim maliyetinin $2.7M ile $10M'nin üzerinde olduğu tahmin edilmektedir. Ocak 2024'te Bloomberg, Terminal'e kendi modeline dayandığı düşünülen bir yapay zeka özetleme özelliği ekledi; bu özellik şirket içi analistlerin desteğiyle eğitildi. Replit Replit, iş birliği, kod otomatik tamamlama ve hata ayıklama özellikleri sunan web tabanlı bir entegre geliştirme ortamıdır (IDE). Replit'in yapay zeka özellikleri, şirket içinde geliştirilen modellerin, açık kaynak modellerin fine-tuning ile uyarlanmasının ve OpenAI ile Anthropic'in kapalı kaynak modellerinin birleşimiyle sunulmaktadır. Nisan ve Ekim 2023'te Replit, kendi kod tamamlama modellerini yayımladı ve bunları Hugging Face'te kamuya açtı. Nisan 2024'te, açık kaynak bir modeli fine-tuning ile uyarlayarak otomatik hata ayıklama özelliğini kullanıma sundu. Eylül 2024'te, kendi 7B parametreli modeli tabanlı bir otomatik pair programmer yayımladı, ancak bazı kullanıcılar ilk özelliklerden memnun olmadıklarını dile getirdi. Canva Canva, Avustralya merkezli bir web tasarım platformudur ve Ekim 2024'te $49B değerlemeye ulaştı. Ekim 2023'te Canva, Magic Studio adlı üretken yapay zeka tasarım stüdyosunu yayımladı. Bu stüdyo, kullanıcıların ürettiği içerikleri eğitim verisi olarak kullanarak bir "özel model" geliştiriyor. Kullanıcı verileri izin olmadan kullanılmıyor ve programa katılan kullanıcılara ödeme yapılıyor. Temmuz 2024'te Canva, görsel üretim platformu Leonardo.Ai'yi satın aldı ve bunu Magic Studio'ya entegre etmeyi planlıyor. Walmart Walmart, 2018'den bu yana müşteriye dönük yapay zeka araçları geliştiriyor ve Haziran 2024'te tüm üretken yapay zeka özelliklerinde kendi modellerine geçti. Ekim 2024'te Walmart, perakende odaklı bir LLM olan Wallaby'yi duyurdu. Bu model Walmart verileriyle eğitildi ve müşteri hizmetleriyle ilgili doğal yanıtlar üretiyor. Walmart, yapay zekayı müşteri destek chatbot'larını, ürün kataloğu düzenlemeyi ve artırılmış gerçeklik alışveriş deneyimlerini iyileştirmek için kullanıyor. Ayrıca Roblox gibi çevrimiçi platformlarda sanal alışveriş deneyimleri de sunuyor. Walmart kendi modellerini tercih ediyor, ancak belirli kullanım senaryolarına bağlı olarak üçüncü taraf modelleri de kullanmayı planlıyor. Katman 2: Mevcut kapalı kaynak modelleri kullanma Şirketler, bağımsız olarak model geliştirmek yerine OpenAI, Anthropic gibi şirketlerin kapalı kaynak yapay zeka modellerine API üzerinden erişerek kendi çözümlerini geliştirebilir. Kapalı kaynak modeller, farklı alanlarda doğru çıktılar sunabildiği için transkripsiyon, müşteri hizmetleri, veri çıkarma gibi genel görevlerde kullanışlıdır. OpenAI'ın GPT ve Anthropic'in Claude modelleri son derece yüksek kaliteli çıktılar sunar. API erişiminin kolaylığı sayesinde, mühendislik açısından yapay zekayı benimsemenin en kolay yollarından biri olarak görülür. Son dönemde maliyet verimliliği ve hızlı çıkarım performansı sağlamak için GPT-4o mini gibi küçük modeller de yayımlanmıştır. Zapier Zapier, 2011'de kurulan bir iş akışı otomasyon platformudur ve Ağustos 2023 itibarıyla $5B değerlemeye ulaşmıştır. OpenAI modellerini kullanarak iç otomasyon süreçlerini iyileştiriyor; buna örnek olarak toplantı dökümü oluşturma ve özetleme ile web makalesi özetleme özellikleri verilebilir. Zapier'in Copilot aracı, doğal dil istemleriyle iş akışları oluşturulmasını sağlar. Klarna Klarna, "Buy Now, Pay Later" hizmeti sunan İsveçli bir fintech şirketidir ve Eylül 2024'te Salesforce ile Workday'i yapay zekayla değiştireceğini açıkladı. OpenAI modelleri tabanlı müşteri hizmetleri yapay zeka asistanı sayesinde müşteri destek taleplerinin 2/3'ünü karşılıyor ve 700 tam zamanlı çalışanın iş yüküne denk bir kapasiteyi ikame ediyor. İçeride ise çalışanların her gün 2 binden fazla soruyu yanıtlamasına yardımcı olmak için Kiki adlı yapay zeka asistanını kullanıyor. Ramp Ramp, 2019'da kurulmuş bir B2B fintech girişimidir ve çeşitli finansal yazılım ürünleri sunmaktadır. GPT-4 ve Claude modellerini kullanarak sözleşme verisi analizi, işlem sınıflandırma ve fiş notu yazımı gibi işleri otomatikleştiriyor. Şirket içinde ise yapay zeka, müşteri görüşmelerini özetleme ve soru-cevap işlevleri için kullanılıyor; bu sistem Slack ile entegre çalışıyor. Atlassian Atlassian, Jira, Trello ve Confluence gibi ekip iş birliği yazılımları sunan, $50B değerlemeli bir şirkettir. Nisan 2023'te Atlassian Intelligence adlı üretken yapay zeka özelliğini duyurdu. Bu özellik, OpenAI modelleri ile Atlassian'ın kendi modellerini birlikte kullanıyor. Yapay zeka asistanı Rovo, Jira arama işlevini güçlendiriyor ve No-Code ajanlar aracılığıyla pazarlama içeriği üretimi ile geri bildirim toplama gibi işleri otomatikleştiriyor. Canva Canva, Magic Studio'da özel modeller kullanıyor ancak bazı özelliklerde kapalı kaynak modellerden yararlanıyor. Örnek: OpenAI modelleriyle çalışan yazı editörü, yüklenen örneklerin tonunu eşleştirerek içerik üretiyor. Canva ayrıca OpenAI'ın DALL-E'si ve Google'ın Imagen uygulamaları gibi araçları içeren çeşitli bir AI uygulama pazaryeri de işletiyor. Katman 3: Açık kaynak model tabanlı geliştirme Bir modeli bağımsız olarak geliştirmek ya da OpenAI'nin GPT-4o gibi kapalı kaynak modellerini kullanmak yerine, birçok şirket Meta'nın Llama'sı, Mistral, Hugging Face ve benzeri açık kaynak modellerden yararlanarak kendi araçlarını geliştiriyor. Açık kaynak modeller, yüksek özelleştirme ve şeffaflık, daha güçlü veri gizliliği ve maliyet tasarrufu avantajları sunuyor. Databricks'in 2024 raporuna göre, LLM kullanan şirketlerin %76'sı açık kaynağı tercih ediyor. Açık kaynak modeller, ayrı bir lisans ücreti gerektirmediği ve şirket içinde barındırılabildiği için büyük ölçekli bulut maliyetlerinden kaçınmayı sağlıyor. Kurumsal müşteriler için telif hakkı sorunları ve veri sızıntısı riskinin daha düşük olması da önemli bir etken. VMware VMware, sanallaştırma yazılımı sağlayıcısıdır ve 2023'te Broadcom tarafından $69B karşılığında satın alındı. VMware, Hugging Face ile iş birliği yaparak SafeCoder adlı açık kaynak tabanlı bir kodlama asistanı geliştirdi. 15.5B parametreli StarCoder modelini kullandı; bu model verileri açık kaynak projelerden toplayarak telif hakkı sorunlarını en aza indiriyor. Kurumsal müşteriler, StarCoder modelini kendi kodlarıyla fine-tune edebiliyor; bu da alan bilgisi gerektiren dahili işlerde fayda sağlıyor. Mathpresso Mathpresso, amiral gemisi uygulaması QANDA üzerinden öğrencilerin matematik sorularının ekran görüntüsünü yükleyip otomatik çözüm almasını sağlayan Güney Koreli bir edtech şirketidir. 2023'te Meta'nın Llama 2 modelini kullanarak MathGPT adlı matematik odaklı bir LLM geliştirdi. MathGPT, eğitim verisi olarak QANDA'nın matematik çözümlerini kullandı ve mevcut ticari modellere göre daha yüksek özelleştirme ile eğitim ortamına uyarlanmış doğruluk sundu. MathGPT, MATH ve GSM8K benchmark'larında Microsoft Tora'yı geride bıraktı ve 13B parametre altındaki modeller arasında 1. sıraya yerleşti. Brave Brave, reklam engelleme ve izleyici engelleme gibi özellikler sunan, gizliliği önceleyen bir web tarayıcısıdır. Ağustos 2023'te Leo adlı bir yapay zeka asistanı yayımladı ve Meta'nın Llama 2 ile Mistral'ın Mixtral 8x7B açık kaynak modellerini kullandı. Brave, kullanıcı verilerini saklamıyor ve kullanıcı gizliliğini korumak için kendi barındırdığı modelleri kullanıyor. Anthropic'in Claude modeli de destekleniyor, ancak varsayılan ayar açık kaynak modeller üzerine kurulu. Replit Replit, kullanıcıya özel kod tamamlama modeline ek olarak, Nisan 2024'te Hugging Face'in 7B parametreli modelini fine-tune ederek Code Repair adlı bir yapay zeka ajanı yayımladı. Ücretli kullanıcılar, Replit'in açık kaynak modeli ile diğer kapalı kaynak modeller arasında geçiş yapabiliyor; böylece farklı müşteri ihtiyaçlarına uygun çözümler sunuluyor. Katman 4: Önceden oluşturulmuş yapay zeka araçlarının kullanımı Şirketlerin kendi yapay zeka modellerini geliştirmek yerine hazır üretken yapay zeka araçlarını satın alıp kullandığı durumdur. Harici araçların başlıca avantajı maliyet tasarrufudur. Bir modeli eğitmek veya fine-tune etmek yerine belirli bir aracı satın almak daha ucuzdur. Şirketlerin harici yapay zeka araçlarını seçmesinin üç temel nedeni: Genel bilgi araştırması ve beyin fırtınası araçlarına ihtiyaç duyulması - Örnek: BCG'nin araştırmasına göre, üretken yapay zeka araçları iş üretkenliğini artırıyor ve özellikle teknik uzmanlığın yetersiz olduğu durumlarda yardımcı oluyor. Genel iş araçlarına (ör. müşteri destek chatbot'u) ihtiyaç duyulması - Kendi modelini geliştirmek yerine üçüncü taraf bir araç kullanarak hızlıca fayda elde etmek maliyet açısından daha verimlidir. Belirli bir sektöre özel araçların zaten geliştirilmiş olması - Örnek: Hukuki sözleşme inceleme aracı Kira, birçok hukuk firmasında kullanılıyor. Boston Consulting Group (BCG) BCG, dünya genelinde 32K çalışanı ve $12.3B geliri olan küresel bir danışmanlık şirketidir. 2023'te BCG, OpenAI'nin ChatGPT'sini kullanarak şirket içinde deneyler yürüttü ve üretken yapay zekanın yaratıcı görevlerde performansı %40 iyileştirdiğini gördü. Örnek: Yeni ayakkabı ürün fikirleri üretme, pazarlama sloganları yazma gibi yaratıcı problem çözme alanlarında performans artışı. 2024'te BCG, ChatGPT Enterprise'ı tüm çalışanlarına sunarak yapay zeka araçlarının yüksek faydasını kabul etti. Dollar Shave Club Dollar Shave Club, Unilever tarafından $1B karşılığında satın alınan bir tıraş ürünleri tedarikçisidir; daha sonra Nexus Capital Management'a satıldı. Kendi chatbot'unu geliştirmek yerine Zendesk'in Answer Bot ürününü kullanarak müşteri desteğini otomatikleştirdi. Answer Bot, 12M müşteri etkileşimi verisiyle eğitildi ve basit müşteri sorularını saniyeler içinde yanıtlıyor. Her ay 4.5K ticket çözüyor ve şirketin toplam ticket hacminin %10'unu oluşturuyor. Law Firms (Hukuk firmaları) Hukuki sözleşme incelemesi, karmaşık terimler ve maddelerle doludur. Birçok hukuk firmasının dahili yapay zeka araçları geliştirecek kaynağı olmadığı için Kira gibi harici yapay zeka araçlarından yararlanılıyor. Örnek: Skadden, Hogan Lovells, Paul, Weiss gibi büyük hukuk firmaları Kira'yı kullanarak sözleşme inceleme süresini %60'a kadar kısalttı. Kira, 1K'den fazla yaygın madde ve veri noktasını hızlıca analiz edebildiği için M&A durum tespiti ve kredi sözleşmesi incelemeleri gibi işlerde kullanılıyor. Long Tail şirketlerinin yapay zekayı kullanmasının üç yolu Long Tail kategorisindeki şirketler, Bloomberg’in finans uzmanlarına yönelik özelleştirilmiş araçlar geliştirmesi ve BCG danışmanlarının ChatGPT’yi bir üretkenlik aracı olarak kullanması gibi farklı şekillerde üretken yapay zekayı uyguluyor. Bu araçları çalıştıran modeller de Canva’nın görsel üretim modelinden Ramp’in GPT entegrasyonlu modeline kadar çeşitlilik gösteriyor. Yapay zekayı uygulayan şirketlerin kalıplarına bakıldığında, mevcut teknolojik ilerleme hızına rağmen şu üç ana trend öne çıkıyor. Yapay zekayı mevcut işi tamamlayan bir araç olarak kullanmak Long Tail şirketlerinin çoğu hâlihazırda iyi yerleşmiş ürün ve hizmetler sunuyor ve yapay zeka bunları tamamlayıp iyileştiren bir rol üstleniyor. Örnek: Replit, yapay zeka araçlarını piyasaya sürmeden önce zaten başarı elde etmişti ve yapay zeka, mevcut geliştirici araçlarının bir uzantısı olarak ürünü iyileştirmek için kullanılıyor. Brave’in Leo AI’ı, tarayıcının gizlilik öncelikli politikasını genişleten bir üretken yapay zeka aracıdır. Brave, 8 yıldır gizliliği korumak için çalışıyor ve Leo da bu ilkeyi sürdüren bir araç. Walmart için düşük fiyatlar ve esnek iade politikası esastır; yapay zeka ise bunları destekleyen bir rol oynar, temel stratejinin yerini almaz. Sonuç olarak şirketler, süreç verimliliğini artırmak için yapay zekayı iç kullanımda devreye alıyor, ancak temel kullanıcı deneyimi önceliğini koruyor. Aynı sektördeki yapay zeka stratejilerini kopyalamak Şirketler, rekabetçiliğini korumak için başarılı yapay zeka stratejilerini hızla benimsiyor. Örnek: BCG, ChatGPT’yi kullanarak yaratıcı işler ve kodlama çalışmalarındaki performansı büyük ölçüde artırdı. Bu sonuçlar, başka danışmanlık şirketleri olan McKinsey ve Bain üzerinde benzer yapay zeka araçlarını benimseme baskısı oluşturabilir. Brave ve VMware farklı temel ürünler sunuyor olsa da ikisi de veri gizliliğine önem veriyor ve bu nedenle açık kaynak modelleri tercih ediyor. Eğer öncü şirketler yapay zeka benimsemesiyle kalıcı rekabet avantajı sağlarsa, diğer şirketlerin de benzer yapay zeka stratejilerini benimsemesi beklenecektir. Esnek bir yapay zeka stratejisini sürdürmek Yapay zekayı kullanma biçimi sabit değil; şirketler farklı stratejiler uygulayabilir veya bunları değiştirebilir. Örnek: OpenAI başlangıçta giderek daha büyük modeller kurdu, ancak 2024’te GPT-4o mini gibi küçük ve verimli modeller yayımladı. Bu modeller maliyet tasarrufu ve hızlı çıkarım sunuyor. Ramp’in CTO’su, GPT-4o mini’nin gereksinimlerin %90’ını karşıladığını belirtirken, küçük modellerin büyük modellere kıyasla daha verimli olabileceğini değerlendiriyor. Baseten CEO’su Tuhin Srivastava, şirketlerin kendi modellerini kurma eğiliminde olduğunu, ancak bunun aşırı kaynak ve zaman tüketebileceğine dikkat çekiyor. Srivastava’nın tavsiyesi: "Önce güvenilir araçları kullanın, ardından kademeli olarak kendi modelinizle değiştirin" stratejisi önemli. Şirketler, yeni yapay zeka teknolojileri piyasaya çıktığında esnek biçimde yanıt verebilecek bir konumda olmalı ki hızla gelişen teknolojilerden yararlanabilsin. Long Tail şirketlerinin nihai hedefi Bugün yapay zekaya yönelik ilgi ve heyecan model geliştiricileri ile AI-native şirketlerde yoğunlaşsa da, AI-native olmayan şirketler arasında da yapay zeka kullanım örnekleri giderek daha görünür hâle geliyor. Bu şirketler, müşteri hizmetleri chatbotlarından artırılmış gerçeklikli alışveriş deneyimlerine kadar çeşitli yapay zeka çözümleri devreye alıyor. Yapay zeka inovasyonunun hızını dikkate aldığımızda, Long Tail şirketlerinin yapay zekayı nasıl kullandığını anlamanın en kolay yolu, bu derinlemesine incelemede sunulan dört katmana göre sınıflandırmaktır: Özel modeller, kapalı kaynak modeller, açık kaynak modeller ve üçüncü taraf yapay zeka araçları Bu derinlemesine incelemede ele alınan çeşitli örnekler, şirketlerin farklı yapay zeka araçlarını nasıl geliştirdiğini ve benimsediğini göstererek, okurların kendi organizasyonlarında yapay zeka entegrasyonuna nasıl yaklaşmaları gerektiğini anlamalarına yardımcı oluyor. Dört katmanın her biri öğrenme süresi, maliyet, özelleştirme, gizlilik ve kalite ile ilgili çeşitli ödünleşimler sunuyor; ancak modeller arasında geçiş maliyeti düşük olduğu için müşteriler farklı çözümleri deneme esnekliğine sahip olabilir. Long Tail şirketlerinin nihai hedefi, bir yapay zeka şirketine dönüşmek değil, yapay zeka araçlarını kullanarak temel işlerini tamamlamak ve hızlandırmaktır.

(research.contrary.com)

12 puan yazan xguru 2024-11-18 | Henüz yorum yok. | WhatsApp'ta paylaş

ChatGPT’nin Kasım 2022’de piyasaya sürülmesinden bu yana, yapay zeka girişimleri yatırımcıların yoğun ilgisini gördü; 2024’ün 2. çeyreğinde toplam girişim sermayesinin %49’u yapay zeka ve makine öğrenimi girişimlerine yatırıldı.
OpenAI gibi model sağlayıcıları ve Perplexity ya da Jasper gibi AI-native şirketler ilgi odağı olsa da, gerçekte yapay zekadan etkilenen "AI olmayan" şirketlerin sayısı daha fazla.
Biz, yapay zekanın bu AI olmayan şirketler üzerindeki etkisini "yapay zekanın uzun kuyruğu" olarak adlandırıyoruz ve bu uzun kuyruk, şirketlerin yapay zekayı entegre etme biçimine göre dört kategoriye ayrılabilir:
- Bağımsız model geliştirme
- OpenAI’nin GPT-4’ü gibi mevcut modellerden yararlanma
- Meta’nın Llama’sı gibi açık kaynaklı modeller üzerine inşa etme
- ChatGPT gibi önceden geliştirilmiş yapay zeka araçlarını kullanma
Bağımsız ve kendine ait model geliştirmek, yapay zekadan yararlanmanın en fazla kaynak gerektiren yoludur ve genellikle büyük ölçekli özgün veri kaynaklarına sahip, yeni bir modeli eğitecek yeterli insan ve finans kaynağı bulunan şirketler için uygundur.
OpenAI’nin GPT modelleri veya Anthropic’in Claude’u gibi kapalı kaynak modeller, milyarlardan trilyonlara uzanan parametrelerle eğitildi; kodlamadan müşteri hizmetlerine kadar pek çok alanda doğru ve ayrıntılı çıktılar üretebilir ve API aracılığıyla kolayca erişilebilir.
Mistral veya Meta’nın Llama’sı gibi açık kaynak modeller güçlü araçlardır; Llama 3.1, 405 milyar parametreyle eğitilmiştir. Kapalı kaynak modellerin aksine, açık kaynak modeller şeffaflık ve esneklik sunar; model ağırlıkları ayarlanarak müşterinin özel ihtiyaçlarına uyarlanabilir.
ChatGPT gibi üçüncü taraf yapay zeka araçlarının entegrasyonu en kolay olanıdır; müşteriler içeride model geliştirmeye veya ayarlamaya gerek kalmadan hazır aracı kullanabilir.
Yapay zeka stratejisi şirketten şirkete değişse de, başarılı şirketler yapay zekayı mevcut işlerini tamamlamak için kullanıyor, aynı sektördeki başarı örneklerini taklit ediyor ve yapay zeka teknolojisi geliştikçe esnek kalıyor.

Yapay zekada hype’ın güç yasası

Normal dağılım vs. güç yasası: Normal dağılım, IQ, sınav puanları ve tansiyon gibi günlük hayatta sık görülen bir dağılımdır; veriler ortalama etrafında toplanır. Buna karşılık dünyadaki birçok olgu, az sayıdaki uç örneğin sonuçların çoğunu belirlediği güç yasasıyla tanımlanır.
- Örneğin, 2023’te S&P 500 endeksindeki yükselişin yarısından fazlasını yalnızca %1,4’lük kısmı oluşturan 7 hisse sağladı.
- Girişim sermayesinde de az sayıdaki başarılı yatırım, fonun getirisinin büyük kısmını oluşturur. Örnek: Union Square Ventures kurucusu Fred Wilson, "tek bir yatırım tüm fonun getirisini sağlayabilir" demiştir.
Yapay zeka alanında güç yasası: Dot Com balonu döneminde sermayenin internet şirketlerine yığılması gibi, 2024’te yapay zeka alanı da benzer bir hype sergiliyor.
- Y Combinator’un 2024 yaz kohortunda şirketlerin %75’i yapay zeka odaklı ürünler geliştiriyor.
- 2024’ün 2. çeyreğindeki girişim sermayesi yatırımlarının %49’u yapay zeka ve makine öğrenimi girişimlerinde yoğunlaştı (2022’nin 2. çeyreğinde bu oran %29’du).
- 2020’de erken aşama yapay zeka, SaaS ve fintech şirketlerinin medyan değerlemeleri sırasıyla $25M, $27M ve $28M iken, 2024’te bunlar $70M, $46M ve $50M’a yükseldi.
- OpenAI zarar ediyor olmasına rağmen, Ekim 2024’te $157B değerleme üzerinden yeni sermaye topladı (gelirinin 39 katı değerleme).
AI-native girişimlerin sınırları: Üretken yapay zeka ve LLM’lerin ortaya çıkışıyla birlikte yapay zeka, şirketlerin çekirdek ürününün merkezine yerleşiyor. Ancak AI-native şirketler yatırımcı ilgisini tekeline almış gibi görünürken, AI olmayan şirketler de yapay zeka teknolojisindeki gelişmelerden etkileniyor. Şirketlerin çoğu özünde yapay zeka şirketi değil, fakat yapay zekadaki ilerleme onların iş modellerini ciddi biçimde etkileyecek.
İnternetin uzun kuyruğundan yapay zekanın uzun kuyruğuna: Dot Com balonundan sonra, internet trendine uyum sağlayan internet dışı şirketler büyük başarı elde etti. Örneğin Walmart 1962’de kurulmuş olsa da, 2023’te e-ticaret geliri $73B’ye ulaştı ve 2017’ye göre 5 kat büyüdü.
- Bugün ise "yapay zekanın uzun kuyruğu" ortaya çıkıyor; buna fintech, SaaS, sağlık, e-ticaret ve lojistik gibi çeşitli sektörlerdeki AI olmayan şirketler dahil.
Yapay zekanın geniş etkisi: Hazır yapay zeka araçlarının kullanımından şirket içi iş akışlarına yapay zekanın entegre edilmesine kadar, farklı sektörlerdeki şirketler yapay zekadan yararlanıyor ya da bunu deniyor. İnternetin internet dışı şirketler üzerindeki etkisi gibi, yapay zeka da yalnızca yapay zeka modeli geliştiren şirketlerle sınırlı kalmayacak, geniş çaplı bir etki yaratacak.

Yapay zekanın uzun kuyruğunun tanımı

Yapay zeka şirketleri, yapay zekaya yönelik ilgi ve yatırımın büyük kısmını alır ve iki kategoriye ayrılabilir:
- Model şirketleri: OpenAI, Anthropic, Mistral gibi, kullanıcılarına özel mülkiyetli veya açık kaynaklı LLM’ler (büyük dil modelleri) geliştirip sunan şirketler.
- AI-native şirketler: Perplexity, Jasper gibi, yapay zeka modelleri temelinde ürün ve hizmet sunan şirketler.
İlk kategoride modelin kendisi üründür. İkinci kategorideyse yapay zeka modeli işlevselliğin merkezini oluşturur; model olmadan şirketin kendisi var olamaz. Örneğin Baseten CEO’su Tuhin Srivastava, "model yoksa AI-native şirket de yoktur" diye açıklıyor.
Ancak Bloomberg, Walmart, Canva gibi çoğu şirket bu iki kategoriye girmez. Bunlar, "yapay zekanın uzun kuyruğu" olarak adlandırılan daha geniş bir kategoride yer alır.
Uzun kuyruğun temel soruları
- Yapay zeka teknolojisindeki gelişmeler, ChatGPT’nin piyasaya sürülmesinden önce zaten var olan iş modellerini nasıl etkileyecek?
- Danışmanlık şirketlerindeki analistlerden teknoloji şirketlerindeki yazılım mühendislerine kadar, farklı sektörlerdeki çalışanlar yapay zekayı nasıl kullanıyor ve gelecekte nasıl kullanacak?
- Şirketler yapay zeka pazarında kendilerini nasıl konumlandırıyor? Kendi modellerini mi geliştiriyorlar, yoksa dışarıda geliştirilmiş araçları mı kullanıyorlar?
Farklı şirketlerde yapay zeka kullanım örnekleri
- Örnek: Ramp (gider yönetim platformu) ve Atlassian (Avustralyalı bir SaaS şirketi), mevcut veri ve iş akışlarının üzerine üretken yapay zeka ekledi.
- Klarna (İsveçli bir fintech şirketi), şirket içi operasyonel verimliliği artırmak için yapay zekaya yatırım yaptı; yapay zeka sohbet botu, 700 tam zamanlı müşteri hizmetleri çalışanının yerini alabilecek düzeyde sonuç verdi.
- PwC, Mayıs 2024’te 100 bin çalışanına ChatGPT Enterprise özelliklerini sunmak üzere anlaşma yaptı. Ayrıca, 2024’te ABD Ticaret Odası anketinde küçük ve orta ölçekli işletmelerin %98’i yapay zeka araçları kullandığını söyledi.
Geçmiş ve bugünün karşılaştırması
- İnternet patlamasından sonra internet dışı şirketlerin e-ticaret benimsemesiyle büyük başarı yakalamasına benzer şekilde, "yapay zekanın uzun kuyruğu" da farklı sektörlerdeki AI olmayan şirketlerin yapay zekadan etkileneceğini gösteriyor.
- İnternet internet dışı şirketler üzerinde nasıl geniş kapsamlı bir etki yarattıysa, yapay zeka da yalnızca yapay zeka modeli geliştiren şirketlerle sınırlı kalmayıp daha geniş ekonomiyi etkileyecek.
Yapay zeka uzun kuyruğunun dört katmanı
- Bağımsız şirket içi yapay zeka modeli geliştirme: Özel veri setlerinden yararlanarak kendi yapay zeka modelini oluşturan şirketler.
- Kapalı kaynak modellerden yararlanma: OpenAI, Anthropic vb. kapalı kaynak modelleri kullanan şirketler.
- Açık kaynak modellerden yararlanma: Llama, Mistral, Hugging Face modellerini kullanan şirketler.
- Hazır yapay zeka araçlarını entegre etme: Önceden geliştirilmiş yapay zeka araçlarını iş akışlarına entegre eden şirketler.
Bu dört katman sabit değildir; yapay zekayı farklı şekillerde kullanan şirketler birden fazla katmanda sınıflandırılabilir. Yapay zeka teknolojisinin hızlı gelişimiyle birlikte, şirketlerin yapay zekadan yararlanma biçimleri de sürekli değişiyor.

Katman 1: Kendi modelini geliştirme

En fazla kaynak tüketen strateji: Yapay zekanın uzun kuyruğunda en maliyetli strateji, bağımsız bir modeli sıfırdan geliştirmektir. Bu strateji için uygun şirketler, (1) sermayesi bol olan ve (2) değerli, özel veri setlerine sahip şirketlerdir.
- Örnek: Sam Altman'a göre, GPT-4'ün eğitim maliyeti $100M düzeyine ulaşıyor.
- Kendi modeli yüksek maliyetlidir, ancak özel veri setlerine sahip şirketler için (A) daha ayrıntılı ve şirkete özel sonuçlar sunar, (B) model ve ağırlıklar üzerinde tam kontrol sağlar ve (C) kapalı kaynak modellere kıyasla maliyet tasarrufu potansiyeli sunar.
Bloomberg
- Bloomberg, merkezi New York'ta bulunan bir finansal veri ve medya şirketidir ve yıllık $12B'den fazla gelir elde etmektedir. Şirketin amiral gemisi ürünü Bloomberg Terminal, toplam gelirin yaklaşık 2/3'ünü oluşturmaktadır.
- Bloomberg'de 8 binden fazla mühendisin 350'den fazlası yapay zeka mühendisliği ekibinde yer almakta ve şirket her yıl çeşitli yapay zeka araştırma makaleleri yayımlamaktadır.
- Mart 2023'te Bloomberg, finans odaklı bir LLM olan BloombergGPT'yi duyurdu. Bu model toplam 50B parametreden oluşuyordu ve 345B'lik açık veri setleri ile 40 yıl boyunca toplanmış 363B'lik finansal belge veri setinin birleştirilmesiyle eğitildi.
- Eğitim maliyetinin $2.7M ile $10M'nin üzerinde olduğu tahmin edilmektedir.
- Ocak 2024'te Bloomberg, Terminal'e kendi modeline dayandığı düşünülen bir yapay zeka özetleme özelliği ekledi; bu özellik şirket içi analistlerin desteğiyle eğitildi.
Replit
- Replit, iş birliği, kod otomatik tamamlama ve hata ayıklama özellikleri sunan web tabanlı bir entegre geliştirme ortamıdır (IDE).
- Replit'in yapay zeka özellikleri, şirket içinde geliştirilen modellerin, açık kaynak modellerin fine-tuning ile uyarlanmasının ve OpenAI ile Anthropic'in kapalı kaynak modellerinin birleşimiyle sunulmaktadır.
  - Nisan ve Ekim 2023'te Replit, kendi kod tamamlama modellerini yayımladı ve bunları Hugging Face'te kamuya açtı.
  - Nisan 2024'te, açık kaynak bir modeli fine-tuning ile uyarlayarak otomatik hata ayıklama özelliğini kullanıma sundu.
  - Eylül 2024'te, kendi 7B parametreli modeli tabanlı bir otomatik pair programmer yayımladı, ancak bazı kullanıcılar ilk özelliklerden memnun olmadıklarını dile getirdi.
Canva
- Canva, Avustralya merkezli bir web tasarım platformudur ve Ekim 2024'te $49B değerlemeye ulaştı.
- Ekim 2023'te Canva, Magic Studio adlı üretken yapay zeka tasarım stüdyosunu yayımladı. Bu stüdyo, kullanıcıların ürettiği içerikleri eğitim verisi olarak kullanarak bir "özel model" geliştiriyor.
  - Kullanıcı verileri izin olmadan kullanılmıyor ve programa katılan kullanıcılara ödeme yapılıyor.
- Temmuz 2024'te Canva, görsel üretim platformu Leonardo.Ai'yi satın aldı ve bunu Magic Studio'ya entegre etmeyi planlıyor.
Walmart
- Walmart, 2018'den bu yana müşteriye dönük yapay zeka araçları geliştiriyor ve Haziran 2024'te tüm üretken yapay zeka özelliklerinde kendi modellerine geçti.
  - Ekim 2024'te Walmart, perakende odaklı bir LLM olan Wallaby'yi duyurdu. Bu model Walmart verileriyle eğitildi ve müşteri hizmetleriyle ilgili doğal yanıtlar üretiyor.
- Walmart, yapay zekayı müşteri destek chatbot'larını, ürün kataloğu düzenlemeyi ve artırılmış gerçeklik alışveriş deneyimlerini iyileştirmek için kullanıyor. Ayrıca Roblox gibi çevrimiçi platformlarda sanal alışveriş deneyimleri de sunuyor.
- Walmart kendi modellerini tercih ediyor, ancak belirli kullanım senaryolarına bağlı olarak üçüncü taraf modelleri de kullanmayı planlıyor.

Katman 2: Mevcut kapalı kaynak modelleri kullanma

Şirketler, bağımsız olarak model geliştirmek yerine OpenAI, Anthropic gibi şirketlerin kapalı kaynak yapay zeka modellerine API üzerinden erişerek kendi çözümlerini geliştirebilir.
Kapalı kaynak modeller, farklı alanlarda doğru çıktılar sunabildiği için transkripsiyon, müşteri hizmetleri, veri çıkarma gibi genel görevlerde kullanışlıdır.
- OpenAI'ın GPT ve Anthropic'in Claude modelleri son derece yüksek kaliteli çıktılar sunar.
API erişiminin kolaylığı sayesinde, mühendislik açısından yapay zekayı benimsemenin en kolay yollarından biri olarak görülür.
Son dönemde maliyet verimliliği ve hızlı çıkarım performansı sağlamak için GPT-4o mini gibi küçük modeller de yayımlanmıştır.
Zapier
- Zapier, 2011'de kurulan bir iş akışı otomasyon platformudur ve Ağustos 2023 itibarıyla $5B değerlemeye ulaşmıştır.
- OpenAI modellerini kullanarak iç otomasyon süreçlerini iyileştiriyor; buna örnek olarak toplantı dökümü oluşturma ve özetleme ile web makalesi özetleme özellikleri verilebilir.
- Zapier'in Copilot aracı, doğal dil istemleriyle iş akışları oluşturulmasını sağlar.
Klarna
- Klarna, "Buy Now, Pay Later" hizmeti sunan İsveçli bir fintech şirketidir ve Eylül 2024'te Salesforce ile Workday'i yapay zekayla değiştireceğini açıkladı.
- OpenAI modelleri tabanlı müşteri hizmetleri yapay zeka asistanı sayesinde müşteri destek taleplerinin 2/3'ünü karşılıyor ve 700 tam zamanlı çalışanın iş yüküne denk bir kapasiteyi ikame ediyor.
- İçeride ise çalışanların her gün 2 binden fazla soruyu yanıtlamasına yardımcı olmak için Kiki adlı yapay zeka asistanını kullanıyor.
Ramp
- Ramp, 2019'da kurulmuş bir B2B fintech girişimidir ve çeşitli finansal yazılım ürünleri sunmaktadır.
- GPT-4 ve Claude modellerini kullanarak sözleşme verisi analizi, işlem sınıflandırma ve fiş notu yazımı gibi işleri otomatikleştiriyor.
- Şirket içinde ise yapay zeka, müşteri görüşmelerini özetleme ve soru-cevap işlevleri için kullanılıyor; bu sistem Slack ile entegre çalışıyor.
Atlassian
- Atlassian, Jira, Trello ve Confluence gibi ekip iş birliği yazılımları sunan, $50B değerlemeli bir şirkettir.
- Nisan 2023'te Atlassian Intelligence adlı üretken yapay zeka özelliğini duyurdu.
- Bu özellik, OpenAI modelleri ile Atlassian'ın kendi modellerini birlikte kullanıyor.
- Yapay zeka asistanı Rovo, Jira arama işlevini güçlendiriyor ve No-Code ajanlar aracılığıyla pazarlama içeriği üretimi ile geri bildirim toplama gibi işleri otomatikleştiriyor.
Canva
- Canva, Magic Studio'da özel modeller kullanıyor ancak bazı özelliklerde kapalı kaynak modellerden yararlanıyor.
  - Örnek: OpenAI modelleriyle çalışan yazı editörü, yüklenen örneklerin tonunu eşleştirerek içerik üretiyor.
- Canva ayrıca OpenAI'ın DALL-E'si ve Google'ın Imagen uygulamaları gibi araçları içeren çeşitli bir AI uygulama pazaryeri de işletiyor.

Katman 3: Açık kaynak model tabanlı geliştirme

Bir modeli bağımsız olarak geliştirmek ya da OpenAI'nin GPT-4o gibi kapalı kaynak modellerini kullanmak yerine, birçok şirket Meta'nın Llama'sı, Mistral, Hugging Face ve benzeri açık kaynak modellerden yararlanarak kendi araçlarını geliştiriyor.
Açık kaynak modeller, yüksek özelleştirme ve şeffaflık, daha güçlü veri gizliliği ve maliyet tasarrufu avantajları sunuyor.
- Databricks'in 2024 raporuna göre, LLM kullanan şirketlerin %76'sı açık kaynağı tercih ediyor.
Açık kaynak modeller, ayrı bir lisans ücreti gerektirmediği ve şirket içinde barındırılabildiği için büyük ölçekli bulut maliyetlerinden kaçınmayı sağlıyor.
Kurumsal müşteriler için telif hakkı sorunları ve veri sızıntısı riskinin daha düşük olması da önemli bir etken.
VMware
- VMware, sanallaştırma yazılımı sağlayıcısıdır ve 2023'te Broadcom tarafından $69B karşılığında satın alındı.
- VMware, Hugging Face ile iş birliği yaparak SafeCoder adlı açık kaynak tabanlı bir kodlama asistanı geliştirdi.
- 15.5B parametreli StarCoder modelini kullandı; bu model verileri açık kaynak projelerden toplayarak telif hakkı sorunlarını en aza indiriyor.
- Kurumsal müşteriler, StarCoder modelini kendi kodlarıyla fine-tune edebiliyor; bu da alan bilgisi gerektiren dahili işlerde fayda sağlıyor.
Mathpresso
- Mathpresso, amiral gemisi uygulaması QANDA üzerinden öğrencilerin matematik sorularının ekran görüntüsünü yükleyip otomatik çözüm almasını sağlayan Güney Koreli bir edtech şirketidir.
- 2023'te Meta'nın Llama 2 modelini kullanarak MathGPT adlı matematik odaklı bir LLM geliştirdi.
- MathGPT, eğitim verisi olarak QANDA'nın matematik çözümlerini kullandı ve mevcut ticari modellere göre daha yüksek özelleştirme ile eğitim ortamına uyarlanmış doğruluk sundu.
- MathGPT, MATH ve GSM8K benchmark'larında Microsoft Tora'yı geride bıraktı ve 13B parametre altındaki modeller arasında 1. sıraya yerleşti.
Brave
- Brave, reklam engelleme ve izleyici engelleme gibi özellikler sunan, gizliliği önceleyen bir web tarayıcısıdır.
- Ağustos 2023'te Leo adlı bir yapay zeka asistanı yayımladı ve Meta'nın Llama 2 ile Mistral'ın Mixtral 8x7B açık kaynak modellerini kullandı.
- Brave, kullanıcı verilerini saklamıyor ve kullanıcı gizliliğini korumak için kendi barındırdığı modelleri kullanıyor.
- Anthropic'in Claude modeli de destekleniyor, ancak varsayılan ayar açık kaynak modeller üzerine kurulu.
Replit
- Replit, kullanıcıya özel kod tamamlama modeline ek olarak, Nisan 2024'te Hugging Face'in 7B parametreli modelini fine-tune ederek Code Repair adlı bir yapay zeka ajanı yayımladı.
- Ücretli kullanıcılar, Replit'in açık kaynak modeli ile diğer kapalı kaynak modeller arasında geçiş yapabiliyor; böylece farklı müşteri ihtiyaçlarına uygun çözümler sunuluyor.

Katman 4: Önceden oluşturulmuş yapay zeka araçlarının kullanımı

Şirketlerin kendi yapay zeka modellerini geliştirmek yerine hazır üretken yapay zeka araçlarını satın alıp kullandığı durumdur.
Harici araçların başlıca avantajı maliyet tasarrufudur. Bir modeli eğitmek veya fine-tune etmek yerine belirli bir aracı satın almak daha ucuzdur.
Şirketlerin harici yapay zeka araçlarını seçmesinin üç temel nedeni:
- Genel bilgi araştırması ve beyin fırtınası araçlarına ihtiyaç duyulması
  - Örnek: BCG'nin araştırmasına göre, üretken yapay zeka araçları iş üretkenliğini artırıyor ve özellikle teknik uzmanlığın yetersiz olduğu durumlarda yardımcı oluyor.
- Genel iş araçlarına (ör. müşteri destek chatbot'u) ihtiyaç duyulması
  - Kendi modelini geliştirmek yerine üçüncü taraf bir araç kullanarak hızlıca fayda elde etmek maliyet açısından daha verimlidir.
- Belirli bir sektöre özel araçların zaten geliştirilmiş olması
  - Örnek: Hukuki sözleşme inceleme aracı Kira, birçok hukuk firmasında kullanılıyor.
Boston Consulting Group (BCG)
- BCG, dünya genelinde 32K çalışanı ve $12.3B geliri olan küresel bir danışmanlık şirketidir.
- 2023'te BCG, OpenAI'nin ChatGPT'sini kullanarak şirket içinde deneyler yürüttü ve üretken yapay zekanın yaratıcı görevlerde performansı %40 iyileştirdiğini gördü.
- Örnek: Yeni ayakkabı ürün fikirleri üretme, pazarlama sloganları yazma gibi yaratıcı problem çözme alanlarında performans artışı.
- 2024'te BCG, ChatGPT Enterprise'ı tüm çalışanlarına sunarak yapay zeka araçlarının yüksek faydasını kabul etti.
Dollar Shave Club
- Dollar Shave Club, Unilever tarafından $1B karşılığında satın alınan bir tıraş ürünleri tedarikçisidir; daha sonra Nexus Capital Management'a satıldı.
- Kendi chatbot'unu geliştirmek yerine Zendesk'in Answer Bot ürününü kullanarak müşteri desteğini otomatikleştirdi.
  - Answer Bot, 12M müşteri etkileşimi verisiyle eğitildi ve basit müşteri sorularını saniyeler içinde yanıtlıyor.
- Her ay 4.5K ticket çözüyor ve şirketin toplam ticket hacminin %10'unu oluşturuyor.
Law Firms (Hukuk firmaları)
- Hukuki sözleşme incelemesi, karmaşık terimler ve maddelerle doludur.
- Birçok hukuk firmasının dahili yapay zeka araçları geliştirecek kaynağı olmadığı için Kira gibi harici yapay zeka araçlarından yararlanılıyor.
  - Örnek: Skadden, Hogan Lovells, Paul, Weiss gibi büyük hukuk firmaları Kira'yı kullanarak sözleşme inceleme süresini %60'a kadar kısalttı.
- Kira, 1K'den fazla yaygın madde ve veri noktasını hızlıca analiz edebildiği için M&A durum tespiti ve kredi sözleşmesi incelemeleri gibi işlerde kullanılıyor.

Long Tail şirketlerinin yapay zekayı kullanmasının üç yolu

Long Tail kategorisindeki şirketler, Bloomberg’in finans uzmanlarına yönelik özelleştirilmiş araçlar geliştirmesi ve BCG danışmanlarının ChatGPT’yi bir üretkenlik aracı olarak kullanması gibi farklı şekillerde üretken yapay zekayı uyguluyor.
Bu araçları çalıştıran modeller de Canva’nın görsel üretim modelinden Ramp’in GPT entegrasyonlu modeline kadar çeşitlilik gösteriyor.
Yapay zekayı uygulayan şirketlerin kalıplarına bakıldığında, mevcut teknolojik ilerleme hızına rağmen şu üç ana trend öne çıkıyor.
- Yapay zekayı mevcut işi tamamlayan bir araç olarak kullanmak
  - Long Tail şirketlerinin çoğu hâlihazırda iyi yerleşmiş ürün ve hizmetler sunuyor ve yapay zeka bunları tamamlayıp iyileştiren bir rol üstleniyor.
    - Örnek: Replit, yapay zeka araçlarını piyasaya sürmeden önce zaten başarı elde etmişti ve yapay zeka, mevcut geliştirici araçlarının bir uzantısı olarak ürünü iyileştirmek için kullanılıyor.
    - Brave’in Leo AI’ı, tarayıcının gizlilik öncelikli politikasını genişleten bir üretken yapay zeka aracıdır. Brave, 8 yıldır gizliliği korumak için çalışıyor ve Leo da bu ilkeyi sürdüren bir araç.
    - Walmart için düşük fiyatlar ve esnek iade politikası esastır; yapay zeka ise bunları destekleyen bir rol oynar, temel stratejinin yerini almaz.
  - Sonuç olarak şirketler, süreç verimliliğini artırmak için yapay zekayı iç kullanımda devreye alıyor, ancak temel kullanıcı deneyimi önceliğini koruyor.
- Aynı sektördeki yapay zeka stratejilerini kopyalamak
  - Şirketler, rekabetçiliğini korumak için başarılı yapay zeka stratejilerini hızla benimsiyor.
    - Örnek: BCG, ChatGPT’yi kullanarak yaratıcı işler ve kodlama çalışmalarındaki performansı büyük ölçüde artırdı. Bu sonuçlar, başka danışmanlık şirketleri olan McKinsey ve Bain üzerinde benzer yapay zeka araçlarını benimseme baskısı oluşturabilir.
    - Brave ve VMware farklı temel ürünler sunuyor olsa da ikisi de veri gizliliğine önem veriyor ve bu nedenle açık kaynak modelleri tercih ediyor.
  - Eğer öncü şirketler yapay zeka benimsemesiyle kalıcı rekabet avantajı sağlarsa, diğer şirketlerin de benzer yapay zeka stratejilerini benimsemesi beklenecektir.
- Esnek bir yapay zeka stratejisini sürdürmek
  - Yapay zekayı kullanma biçimi sabit değil; şirketler farklı stratejiler uygulayabilir veya bunları değiştirebilir.
  - Örnek: OpenAI başlangıçta giderek daha büyük modeller kurdu, ancak 2024’te GPT-4o mini gibi küçük ve verimli modeller yayımladı. Bu modeller maliyet tasarrufu ve hızlı çıkarım sunuyor.
  - Ramp’in CTO’su, GPT-4o mini’nin gereksinimlerin %90’ını karşıladığını belirtirken, küçük modellerin büyük modellere kıyasla daha verimli olabileceğini değerlendiriyor.
    - Baseten CEO’su Tuhin Srivastava, şirketlerin kendi modellerini kurma eğiliminde olduğunu, ancak bunun aşırı kaynak ve zaman tüketebileceğine dikkat çekiyor.
    - Srivastava’nın tavsiyesi: "Önce güvenilir araçları kullanın, ardından kademeli olarak kendi modelinizle değiştirin" stratejisi önemli.
    - Şirketler, yeni yapay zeka teknolojileri piyasaya çıktığında esnek biçimde yanıt verebilecek bir konumda olmalı ki hızla gelişen teknolojilerden yararlanabilsin.

Long Tail şirketlerinin nihai hedefi

Bugün yapay zekaya yönelik ilgi ve heyecan model geliştiricileri ile AI-native şirketlerde yoğunlaşsa da, AI-native olmayan şirketler arasında da yapay zeka kullanım örnekleri giderek daha görünür hâle geliyor.
- Bu şirketler, müşteri hizmetleri chatbotlarından artırılmış gerçeklikli alışveriş deneyimlerine kadar çeşitli yapay zeka çözümleri devreye alıyor.
  - Yapay zeka inovasyonunun hızını dikkate aldığımızda, Long Tail şirketlerinin yapay zekayı nasıl kullandığını anlamanın en kolay yolu, bu derinlemesine incelemede sunulan dört katmana göre sınıflandırmaktır:
    - Özel modeller, kapalı kaynak modeller, açık kaynak modeller ve üçüncü taraf yapay zeka araçları
Bu derinlemesine incelemede ele alınan çeşitli örnekler, şirketlerin farklı yapay zeka araçlarını nasıl geliştirdiğini ve benimsediğini göstererek, okurların kendi organizasyonlarında yapay zeka entegrasyonuna nasıl yaklaşmaları gerektiğini anlamalarına yardımcı oluyor.
- Dört katmanın her biri öğrenme süresi, maliyet, özelleştirme, gizlilik ve kalite ile ilgili çeşitli ödünleşimler sunuyor; ancak modeller arasında geçiş maliyeti düşük olduğu için müşteriler farklı çözümleri deneme esnekliğine sahip olabilir.
Long Tail şirketlerinin nihai hedefi, bir yapay zeka şirketine dönüşmek değil, yapay zeka araçlarını kullanarak temel işlerini tamamlamak ve hızlandırmaktır.