- MIT raporuna göre dünya genelindeki şirketlerin %95’i, üretken AI kullanımından somut bir getiri elde edemedi
- Şirketler ChatGPT, Copilot gibi büyük dil modellerini geniş ölçekte denedi, ancak kullanımın büyük bölümü verimlilik artışıyla sınırlı kaldı
- Başarı örnekleri yalnızca entegre AI pilotlarının %5’inde görüldü ve bunların çoğu da satışlar ya da kâr üzerinde etkili olmadı
- Bunun başlıca nedenleri arasında, üretken AI’nın gerçek iş süreçleriyle iyi örtüşmemesi, geri bildirimi hatırlayamaması ve bağlama uyum sağlayamaması yer alıyor
- Rapor, büyük ölçekli iş gücü ikamesi endişelerini reddederken, dış maliyetleri azaltmanın mümkün olduğunu; ancak iç yapının yeniden düzenlenmesi ya da kitlesel işten çıkarmaların şimdilik gerçekçi görünmediğini belirtiyor
- Sonuç olarak AI’nın bir stratejiden çok belirli görevlerde güçlü olduğu, bu nedenle şirketlerin şirket geneline yayılan dönüşüm yerine sınırlı ve anında sonuç alınabilecek alanlara odaklanması gerektiği tavsiye ediliyor
Şirketlerin üretken AI yatırımı ve getirisi
- Son 3 yılda şirketler üretken AI projelerine 30 ila 40 milyar dolar yatırım yaptı
- Ancak somut ticari getiri elde eden şirket sayısı son derece az
- MIT’nin yeni araştırmasına göre, şirketlerin %95’i AI kullanımına rağmen ölçülebilir bir fayda görmediğini söyledi
- Yalnızca AI pilot projelerinin %5’i milyonlarca dolar düzeyinde değer üretiyor
Büyük dil modeli kullanımının durumu ve sınırları
- Büyük şirketlerin %80’inden fazlası ChatGPT, Copilot gibi başlıca LLM’leri test ediyor ya da pilot olarak kullanıyor
- Yaklaşık şirketlerin %40’ı bu sistemleri belli ölçüde kullanıma aldı, ancak bu kullanım çoğunlukla çalışanların bireysel verimliliğini artırmakla sınırlı kaldı
- Bunun toplam şirket geliri ya da kârlılıkta iyileşmeye neredeyse hiç etkisi olmadı
Üretken AI’nın teknik sınırlamaları
- Üretken AI araçları çoğu zaman gerçek iş süreçleriyle iyi uyum sağlamıyor
- Öne çıkan sorunlar arasında istikrarsız iş akışları, bağlam öğreniminin olmaması ve verimsiz iş entegrasyonu gösteriliyor
- Çoğu üretken AI modeli geçmiş geri bildirimi koruyamıyor; bağlamlar ve işler arasında edinilen dersleri aktarmakta zorlanıyor
- Rapora göre GenAI sistemlerinin çoğu geri bildirimi koruyamıyor, bağlama uyum sağlayamıyor ve uzun vadeli iyileşme sunamıyor
- Bu özellikler nedeniyle şirket içindeki uzun vadeli entegrasyon maliyeti yükselirken, somut verimlilik kazanımı yetersiz kalıyor
İş dünyasının beklentileri ile gerçekler arasındaki fark
- Üretken AI’ya yönelik beklenti ve yatırım büyüktü, ancak bu durum maliyet azaltımı ya da somut gelir yaratımına dönüşmedi
- Gerçekte AI, müşteri hizmetleri, pazarlama, belge yazımı gibi sınırlı görevlerde kullanılıyor; zaman kazandırsa da doğrudan gelir artışı etkisi düşük kalıyor
İstihdam ve organizasyon yapısına etkisi
- Üretken AI’nın kısa vadede büyük ölçekli iş kaybına yol açacağı yönündeki endişelerin dayanağı zayıf
- AI etkisinin, şirket içi iş gücü yapısındaki değişimden çok dış kaynak maliyetlerinin düşürülmesi gibi dış maliyet optimizasyonuyla sınırlı kalması bekleniyor
- Yani doğrudan büyük ölçekli personel ikamesinden ziyade outsourcing maliyetlerini azaltma düzeyinde bir etki öngörülüyor
Teknolojiye dair yanlış kanılar ve gelişim sınırları
- Şirketler, AI’nın gerçek kapasitesini ve sınırlarını doğru anlayamadıkları için çok sayıda başarısızlık örneği ortaya çıktı
- Üretken AI metin ya da kodu hızlıca üretebiliyor, ancak insan benzeri sürekli öğrenme ya da esneklikten yoksun
- Örneğin çalışanlar önceki hatalara ya da yeni taleplere göre esnek biçimde uyum sağlayabilirken, AI’da böyle bir süreklilik içeren hafıza aktarımı mümkün değil
Yatırım ve gelecek yönelimi
- Yatırımcılar ve yöneticiler AI teknolojisinin sürekli gelişmesini bekliyor, ancak kısa vadede ilerleme beklenenden daha yavaş
- Rapor, her sektör ve her iş akışına AI’yı hemen entegre etmenin erken olduğunu gösteriyor
- Kurumların, anında ve ölçülebilir etki yaratabilecek dar alanlarda kullanıma odaklanması gerekiyor
- Örn: müşteri destek otomasyonu, geliştirme destek araçları, belge taslağı hazırlama gibi
- Şirket geneline yayılan AI entegrasyonu hâlâ yüksek risk taşıyor ve başarısızlık olasılığı yüksek
Sonuç ve çıkarımlar
- Üretken AI’nın şirketler için değer üretmesi yalnızca birkaç başarı örneğiyle sınırlı
- Şirketlerin çoğu yalnızca günlük işlerde sınırlı bir fayda görüyor
- Rapor, şirketlerin üretken AI’yı kapsamlı bir büyüme motoru değil, sınırlı bir araç olarak görmesi gerektiğini vurguluyor
- Beklentiler yüksek olsa da, mevcut sistemler insanlar gibi uyum sağlayamadığı sürece şirketlerin AI’dan büyük kazanç elde etmesi zor görünüyor
Henüz yorum yok.