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

17 Kasım 2022 22:54 tsi
AIMS 360 Analitik Zeka Konferansı’nda yapay zekanın günlük hayatın içinde karşımıza sıklıkla çıktığı ve 2030’lu yıllarda her işin arkasında analitik zekanın olacağı vurgulandı.

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

DÜNYA

Analitik bilgi yönetimi konusunda Türkiye’nin öncü kurumu AIMS 360º Yapay Zeka & Yönetim Çözümleri, 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 arkasında analitik zekanın olacağı öngörüldü. Bu doğrultuda şirketlerin çok geçmeden doğru yatırımları yapması için, analitik çalışmalarda yaşanan global gelişmeler ve şirketleri analitik çalışmalarda istedikleri hedefl ere taşıyan AIMS 360 analitik zeka çözümleri anlatıldı.

AIMS “360º Analitik Zeka Çözümleri” ile şirketlerin işleyişlerinin her aşamasında toplanan ham verileri aksiyon alınabilir bilgiye dönüştürerek, kurum ve kuruluşların işleyişlerinin her aşamasında doğru zamanda doğru kararlar almasını hedefl iyor. Bu amaçla düzenlenen AIMS 360 Analitik Zeka konferans serisinin sonuncusu ‘Ekonomi Nereye Gidiyor? Yapay Zeka ne Vadediyor?’ adlı panel ile açılış yaptı. AIMS Yapay Zeka ve Yönetim Çözümleri Kurucu Başkanı Dr. Tülin Güzel, Dünya Gazetesi (NBE) Yönetim Kurulu Başkanı Hakan Güldağ, Dünya Gazetesi Yayın Kurulu Başkanı Şeref Oğuz, Yapay Zeka ve Teknoloji Derneği Kurucu Başkanı Esen Girit Tümer panelde konuşmacı olarak yer aldı.

Yapay zeka, işletmelerin günlük faaliyetlerinde akan verileri doğru değerlendirmesine yardımcı oluyor

AIMS Yapay Zeka ve Yönetim Çözümleri Kurucu Başkanı Dr. Tülin Güzel, 2000 yılından günümüze ham verilerin kurumların karar aşamalarında entegre edilecek nitelikli bilgiye ve organik zekaya dönüştürülecek çok sayıda çalışmaya imza attıklarını söyledi. Tülin Güzel şöyle konuştu: “Günümüzde yapay zeka moda oldu. 2000 yılında yaptığımız işi insanlara anlatmaya çalışırken en fazla ‘bizim verimiz yok’ tepkisini alıyorduk. İnsanlar verileri olduğunu, bu verileri analiz etmedikleri sürece veri yönetimi 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 önce kaybedebileceğinin farkına varabileceğimizi öğrendik. Teknolojiyi içselleştirirken, dijitalleşirken veri yığınlarını doğru yönetebilirlerse riski ön görebilecekler. Riski oluşmadan engellemek mümkün. İşletmelerimizin günlük hayatında akan verileri doğru değerlendirmemiz gerekiyor. Burada da yardımcımız yapay zeka.”

Pandemi sağlıkta teknolojik gelişmeleri hızlandırdı

Yapay Zeka ve Teknoloji Derneği Kurucu Başkanı 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. Sağlık teknolojilerinde ilerleme var ama homojen olarak dağılmış değil. Pandemi sağlıkta teknolojik gelişmeleri hızlandırdı. Online dijital doktorlarımız varken, şimdi dijital doktorunuzun hekim oraPandemi sağlıkta teknolojik gelişmeleri hızlandırdı Yapay Zeka ve Teknoloji Derneği Kurucu Başkanı 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. Sağlık teknolojilerinde ilerleme var ama homojen olarak dağılmış değil. Pandemi sağlıkta teknolojik gelişmeleri hızlandırdı. Online dijital doktorlarımız varken, şimdi dijital doktorunuzun hekim oradaymış gibi heptik eldivenlerle sizi muayene ediyor. Hastane yapısına ihtiyaç 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 ama bir yandan da sormadığım soruya da cevap veriyor. Yüzde 10’unda da şu risk var diyebiliyor. Teknoloji tsunami gibi ama görmezden gelirsek korkunç. Yoksa bu tsunamide sörf yapar gibi teknoloji bize hizmet eder hale gelebilir.”

Aile şirketleri teknolojiyi yeterince kullanamıyor

DÜNYA Gazetesi Yayın Kurulu Başkanı Şeref Oğuz, “Türkiye’deki aile şirketlerinde en önemli sorunlardan biri kurumsallaşamama diğeri de teknolojiyi yetkinlikle kullanamama. Şimdi moda olan bir şeyi şirketinize uygulamanız yetmiyor. Şirketinize uyduramıyorsanız olmuyor. Teknolojiyi şirketlerinizde kullandığınız zaman iş süreçlerinize yüzde 15 katkı sağlar. Bunun yerine şirketinizi zihninizde dönüşümü sağlar, iş süreçlerinizi, iletişim süreçlerinizi daha önce var olmayan bilgi süreçlerinizi tasarlayıp, teknolojiyi onun hizmete verirseniz o zaman verimlilik 90’lara çıkar. Şimdi ben Türkiye’de dijital dönüşerek batanları biliyorum. Teknolojiye de ‘o yapıyor ben de yapayım’ diye yatırım yapıyor. Teknolojiyi neyin emrine veriyorsanız onu donanımlı hale getiriyorsunuz. Teknolojiyi ilkelliğinizin emrine veriyorsanız. Onu donanımlı hale getiriyorsunuz. Çoğu şirkette ben bunu gördüm. Şimdi yeni bir moda var: Yapay zeka. Moda diyorum çünkü kavram bir yerde icat olur olmaz Türkiye alır. Lafı var, kendisi yok. Arkasını nasıl dolduracağız, ona bakmıyoruz. Teknolojinin dışında kalmak tabii ki doğru değil. Ancak sana hangi teknoloji uyuyorsa onu almak önemli” diye konuştu.

Teknolojik olarak atılıma ihtiyaç var

DÜNYA Gazetesi (NBE) Yönetim Kurulu Başkanı Hakan Güldağ da şunları anlattı: “Biliyoruz ki büyük bir dönüşüme ihtiyaç var. Bunun bir plan dahilinde yapılması lazım. Şunu biliyoruz ki Afrika’ya bisküvi satarak Türkiye’nin faz atlaması mümkün değil. Belli yüksek teknolojiler üretemeyiz hemen, ama yüksek teknolojili ürünler gerekiyor. Türkiye’yi teknoloji ülkesi haline getirmemiz gerekiyor, buna fırsat da var. Yeni sanayi devriminin ortaya çıkardığı bütün teknolojiler nanoteknoloji, gen bilimi, robotik her bir sektörü dönüştürme kabiliyetine sahip. Bizim artık tekstilden nanoteknolojiye geçelim gibi bir durumumuz yok ama tekstile de nanoteknoloji tattığınız zaman oradan teknolojik sıçrama yapmanız rekabet gücünüzü artırmanız mümkün. Devlet Planlama Teşkilatı kapanalı 12 yıl oluyor ama ihtiyaç var. Dünyadaki örnekler gibi temel bilimler yasası çıkarmamız ve temel bilimler enstitüsü kurmamız lazım. Mutlaka teknolojik olarak atılıma ihtiyaç 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 Veri ve Yapay Zeka Çözümleri Müdürü Hakan Çınar, şöyle konuştu: “Hayatımıza kendi içinde net bir bilgiyi içeren çeşitli veri işleme metotlarıyla üretilmiş yarı yapısal veriler geldi. Ses dataları, resimlerin işlenmesi gibi yapısal olmayan veriler de geldi. Veri çeşitliliğinin artması analizlerin artmasına da yol açtı. Yapısal olmayan verilerin birikme hızı yapısal verilere oranla daha fazla şu anda. Sektörde kullanılan verilerin yüzde 80’inden fazlası yapısal olmayan verilerden oluşuyor. Yapay zeka ile ilk başta makineler insan gibi karar versin isteniyordu, kural bazlı ilerliyordu. Yapay zekanın bir alt dalı olan makine öğrenmesi sırası geldi. Veriyi incelesin çeşitli analizler yapsın karar alsın’ istedik. Yarı yapısal ya da yapısal olmayan verilerle birlikte bunun üzerinde analiz yapma derin öğrenme kavramı geldi. Katmanlar artırıldı, karar verilerin aksiyon alma basamakları geliştirildi. Günümüzden en önemli konulardan biri veriyi saklamak. Kurumlar kendi iş ihtiyaçlarına göre farklı veri tiplerine ihtiyaç duyuyor. Örneğin alışveriş kartının işlemlerini takip edeceksiniz sizin sahip olmanız gereken anahtar verileri saklayabilecek olan bir veri tabanına ihtiyaç duyuyorsunuz. Resimsel dataları saklayacağınız grafb ase dediğimiz veritabanına ihtiyaç duyuyorsunuz. Anında analiz yapan sonucunu gösteren bir iş sürecindeyseniz geniş kolonlara sahip olan bir veri tabanına ihtiyaç duyuyorsunuz. Her ihtiyaca göre veri tabanı ihtiyacı da değişiyor. Birçok uygulamanın kendine ait charbotları var. Örneğin yemek siparişi verdiğinizde muhakkak yapay zeka kullanıyorsunuz. Karşılaştığımız birçok platformda aslında yapay zekaya veri sağlayıcısıyız. Mesela ATM’lerde paranın ne kadarda tükeneceğini bile tahmin edebilir durumdayız. Sanayi üretimde makinelerin kendine ait sensörleri var. Bozulma sürelerini de üretime etkisi de tahmin ediliyor. Bu makine böyle çalışmaya devam ederse önümüzdeki hafta şu kadar üretebilir gibi tahminlere de cevap veriyor.”

Analitiğin bize kattığı çok güzel bir fayda var

Sunumda finansal sahtekarlıkları yapay zeka ile gerçek zamanlı çözebileceğini anlatan AIMS Profesyonel Hizmetler Genel Müdür Yardımcısı Doruk Oğuz da, şunları söyledi: “Hem sahtekarlık var mı bakarken hızla yapılması gerekiyor. Yanlış alarmı da minimumda tutmak gerekiyor. Dış kaynağa bağlı olmadan müdahale edeceğimiz bir hale getirmek gerekiyor. Çözümlerin sizin veri yapılarınıza uyacak şekilde esnek olması gerekiyor. İş bilginizle birçok farklı kural seti yazıp bu iş kurallarını yakalayacak şekilde süreçleri yönetebilirsiniz. Ancak analitiğin bize kattığı çok güzel bir fayda var. Gözümüzden kaçan farklı farklı dinamikler olabiliyor ya da değişen trendlere hızlı adapte olamıyoruz. Burada analitik devreye giriyor ve yapay zekanın sunmuş olduğu esnek ve hızlı analiz yaklaşımıyla birlikte artık sadece sizin geçmişte yakalamış olduğunuz tecrübelerinizle beraber tespit etmiş olduğunuz kurallara bakarak bir öğrenme yapmıyor aynı zamanda müşterinin hareket tarzındaki değişimler web sayfasında kalma süresi menüler arasındaki geçiş sıklığı gibi verileri dikkate alacak şekilde internet sayfamda gezen müşteri Doruk mudur analizini yapacak bir noktaya geliyoruz. Müşterinin hareket tarzındaki anomalileri de bulup müşteri özelinde bu işlem Doruk’a ait olamaz skorunu size verecek dinamikliğe erişebiliyorsunuz. Bunu yapmak için arka tarafta güçlü bir platform kurmak gerekiyor. Süreç şöyle ilerliyor: Elimizde milyonlarca satır veriler var. Bunların içinde sizin daha önce 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 zaten yapabiliyoruz. Biz bunun bir ötesine geçmek istiyoruz. Kırmızı listeyi adım adım incelemesi gerekiyor. Zaman kısıtlı işlem 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 işlemleri önceliklendiriyor. Yakalama oranlarımız yükseliyor. Müşteri bazında kart numarası bazında anomali hareketlerini görebiliyoruz. Biz gözümüzü daha önce yakalanmayan vakalara çevirmiş durumdayız. Kullandığımız algoritmalar müşteri hareket tarzına uygun olmayan sorunları bulmaya başlıyor. Daha önce gözümüzün görmediği işlemleri yakalamaya başlıyoruz. Birçok farklı bir dolandırıcılıkla karşılaşıyoruz. Bu yöntemler için de farklı farklı modeller çalıştırmanız gerekiyor. Sahtekarlık diğer analitik modellerinden biraz farklı. Çok hızlı bir şekilde yapılması gerekiyor. Dolayısıyla arka tarafta yeni kural yazmak için fazla zamanınız yok. Harcadığınız zaman karşılaşabileceğiniz sahtekarlık kayıpları haline gelmeye başlayacak. Akan verileriniz üzerinde gerçek zamanlı analiz ediyor. Kullanacağınız zaman kural setleri yazıp size veriyor. Aynı zamanda hangi gerekçelerle hangi kural setiyle yakaladığını da görebiliyorsunuz.”

“Güvenilir yapay zeka kavramı ön plana çıkıyor”

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

“Her müşteriyi kişisel olarak tanımaya yardımcı oluyor”

AIMS Veri ve Yapay Zeka Çözümleri Müdürü Zeynel Serdar Öztürk, 360 derece yapay zeka sunumunda, IMS’nin her sektörlere dokunduğunu, bütün çözüm ve bileşenlerin her sektöre uyumlu olduğunu belirtti. Zeynel Serdar Öztürk şu bilgileri verdi: “Önce veri haritası tasarlıyoruz. İkinci basamakta analitik vizyon workshopu yapıyoruz. İş ekibi ile yapılan görüşmelerden sonra IT ekibiyle görüşüyoruz. İş ekibinin istediği çalışma ile ilgili arka planda bize veri sağlayabiliyor mu, donanım ya da yazılım var mı buna bakıyoruz. Ortaya detaylı kapsam dokümanı çıkarıyoruz. Her çalışma için uygun veri lazım. Analitik veri sözlüğü ortaya çıkarıyoruz. Tüm bunlar yapıldıktan sonra analitik çalışmalar yapılabilir formata geliyor. Bu çalışmalardan ilki analitik CRM. Müşterilerimizi kuruma kattıkları değere göre piramit yapısına oturtmamız gerekiyor. Müşteriyi arka planda tanımaya çalışıyoruz. Müşteri değerliyse elinizde tutmaya çalışırsınız. Ardından demografik segmentasyon geliyor. Bu müşteriyi detaylı bir şekilde tanımak. Potansiyel değer segmentasyonu ile kuruma değer katacak müşteriyi arıyoruz. Sonra davranış ve yaşam tarzı segmentasyonu geliyor. Arka planda ‘müşteriyle kampanya çıkacağım hangi kanaldan çıkarsam bana geri dönüşü olur, hangi ürünün hangi gramajını tercih ediyor’ gibi bilgileri biliyoruz. Her müşteriye aynı yaklaşmamalıyız. Her müşteri benzer davranışlar sağlamıyor. İki müşteri de değerlidir ama biri iletişim kanallarında ayrılabilirler. Biri dijitali tercih ederken birisi yüz yüze iletişimi tercih edebilir. İkisi de ayrı yaklaşmak gerekir. Her müşteriyi detaylı görüyor oluyoruz. Arka planda yapılan çalışmalar sonucunda ‘bu değer segmentinde şu davranışı gösteren müşteriyi korumalıyım’ diyebiliriz. Ürün eğilim modellemesi; müşterilerin her birinin kurumun sağladığı ürünlerden hangisine eğilim göstereceğini anlamamızı sağlıyor. Ürün eğilim modellemelerinin önemli noktası; a ürününü hangi kanal üzerinden sunmalıyım’ kararını da vermeye yardımcı oluyor. Arka planda yapılan çalışmalar sonucunda spesifik olarak ‘şu kitleye sahip müşteriler şunları almaya daha eğilimli’ diyebileceğimiz bir yapıyı sunuyoruz. Şikayet ve talep segmentasyonu arka planda göz ardı edilen noktalardan biri. Müşteriyi terk etme eğilimine giriyorsa ondan önce basamaklarda müşteriyi tanıyarak önlem alabiliriz. Ürün eğilimi anladıktan sonra kampanya çıkıyoruz. Müşterinin kampanyaya verdiği cevabı da incelemeliyiz. Arka planda hangi kanaldan hangi saatte çıkılması gerekiyor bunu da öğreniriz. Müşterileri ürün bazında da değerlendirerek kurumumu ürünü mü terk etmeye çalışıyor bunu da anlıyoruz. Yaşam Boyu Değer Modellemesi ile müşteriler bize şu anda değer katıyorlar ileriki dönemde ne kadar değer katacak bilmiyorum. Bunu önceden ön görüyor. Kanal Analitiği ile müşterinin her kanal bazında ne değeri var onu da belirliyoruz. Mesela müşteriler, öğle arasında 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 başka kanala eğilimi yükseliyor olabilir buna da bakıyoruz. Analitik hedef yönetimi çözümümüzle hedefi arka plandaki yapıya nasıl oturtacağımıza karar veriyoruz. Her bir şubenin ya da mağazanın geçmişte gösterdiği değerlerle, sonraki dönemde nereye gideceğini ölçüyoruz. Yapay zeka lokasyon analizi şirketimizin TÜBİTAK desteği ile yaptığı bir çalışma aynı zamanda. Şubelerin, mağazaların beklenen performansı gösterip göstermediğini bulabiliyoruz. Arkaplanda potansiyeli biliyoruz ve hedefi veriyoruz. Neden yapamadığına bakıyoruz. Analitik suistimal yönetimi çözümümüz ile 3 basamaklı yol haritası yaklaşıyoruz. İlk basamakta daha önceki suistimalleri bildiğimiz için bunlarla ilgili aksiyon alıyoruz. İkinci basamakta öngürüsel modellemeler devreye giriyor. Bu modellerle beraber o suistimali yapan duruma uygun hedef belirliyoruz. Suistimal olasılığı var gibi skorlar veriyoruz. Analitik İK yönetimi ile çalışanlarımızın verimliliklerini de belirliyoruz. Çalışan çok çalışıyor ama çözüm getiremiyor ya da çok hızlı çözüm getiriyor bu detayları görebiliyoruz. Çalışan terk etme olasılığı da görebiliyoruz. Çalışanı gelecekte değerli olup olmayacağını da ön görebiliyoruz.” 

Bu haber 735 defa okundu.