Yapay zekanın, Ford’un ilk montaj hattını oluşturmasından bu yana görülmeyen bir verimlilik dalgasını tetiklemesi gerekiyor. Bu sözü gerçek dünya sonuçlarına çevirmek zaman, uzmanlık ve yeni eğitimli bir işgücü alacaktır.
Yapay zeka bir sonraki sanayi devriminin habercisi midir? Kimin sorduğuna bağlı. Yapay zeka ve makine öğreniminin, çalışma şeklimizin birçok yönünü değiştirebileceği ile ilgili çok soru olmamakla birlikte, bu teknolojinin işyerinde aynı yıkıcı etkilere sahip olup olmayacağı çok tartışmalı bir konu.
Dünyayı değiştirecek yeni teknolojiler geliştirmeyi seviyoruz. Ancak teknoloji evriminin yüzde 90’ı aşamalı olarak geliyor.
Yapay zeka, Dartmouth Koleji’nde bir grup akademisyenin bulunduğu 1950’lerden beri gelişmekte. Öğrenmek için makinelerin nasıl öğretileceğini çalışmaya başlamışlar 1950lerde. Geçtiğimiz otuz yıldır araştırmacılar, bilgisayarların öğrenmelerini ve adapte olmalarını sağlayan araçları geliştiriyor, böylece ortak işyeri görevlerini üstlenebiliyorlar. Ancak, çoğu iş lideri operasyonlarını nasıl ve nerede dönüştürecekleri konusunda hala net değil. “Bir verimlilik düzeyi getirebileceğini ve riskleri azaltabileceğini biliyorlar. Ancak, kariyerlerini her yeni teknolojiye çok özel özellikler ve beklentilerle yeni bir yazılım parçası olarak harcadılar. Sonuç olarak “Bu teknoloji uygulandı, yüklü bir program gibi değil ve hiç bitmeyen bir ince ayar sürecini gerektiriyor.”
Bu yeni düşünce tarzına uyum sağlayabilen şirketler, diğer faydalarla birlikte, önemli verimlilik artışları elde etmeyi bekleyebilirler – ancak oraya ulaşmak kolay olmayacaktır.
Aylardan Dakika’lara
Yazılımın aksine, yapay zeka motorları belirli bir işlev yapmak için programlanmamıştır. Daha ziyade, çeşitli görevlerin nasıl yapıldığını ve her etkileşimle işlerinde daha fazla şey öğrenip daha iyi anladıklarını öğrenirler. Yapay zekayı diğer teknolojilerden tamamen farklı kılan bu, “Yapay zeka sadece insan verimliliğini arttırmayacak. Kendi başına bir sanal emek biçimi. ”
Temel düzeyde, yapay zeka odaklı chatbot’lar müşteri sorgularına cevap vermek için makine öğrenimi algoritmalarını kullanır. Algoritmalar, sorulardaki kalıpları bulmak için yanıtları ve olumlu sonuçlarla sonuçlanıp sonuçlanmadığını, tarihsel müşteri etkileşimlerini inceler. Bu “bilgi” onlara uygun cevaplar vermelerini sağlar. Botlar her etkileşimden öğrenir, böylece müşteri taleplerine zaman içinde cevap vermede daha iyi olurlar. Başka hiçbir teknoloji kendini böyle geliştiremedi.
Aynı makine tabanlı öğrenme modeli, çok daha karmaşık işgücü görevlerine uygulanıyor. Yapay zeka algoritmaları şu anda hukuk firmalarında belirli veri veya modeller için milyonlarca dokümanın taranması, sağlık hizmetlerinde tıbbi görüntülerin kanser bulguları için gözden geçirilmesi ve başarılı tedaviler için geliştirilebilecek bileşiklerin belirlenmesi amacıyla kullanılmakta. Bu örneklerde, yapay zeka motorları, bu büyük ölçüde sıradan görevleri, daha hızlı ve daha düşük hatalarla, insan meslektaşlarından daha hızlı bir şekilde tamamlayabilmektedir.
Yapay zeka, şirketlerin işe alım biçimlerini de değiştiriyor. Şirketler, müşterilerin başvuru havuzlarını hızlı bir şekilde taramasına yardımcı olmak ve adayın tüm özgeçmişini gözden geçirmek için doğal dil işlemeyi kullanmak amacıyla yapay zeka algoritmaları kullanmaktadır. Bu teknolojiler, mevcut rolü en iyi kimin dolduracağını belirler ve diğerlerini daha uygun olabilecek pozisyonlara yönlendirir. Rolü doldurma süresini kısaltır ve adaylar için süreci insanlaştırır.
İşyerinde yapay zeka’nın tüm bu uygulamalarının açık verimlilik kazanımları vardır. Bir örnekte , hukuk sözleşmesi inceleme şirketi olan LawGeex, beş avukatlık anlaşmasındaki 30 yasal meseleyi tanımlamak için bir yapay zekaya karşı rekabet etmek için 20 avukata itiraz etmiştir. Yapay zeka daha doğru sonuçlar verdi ve zorluğu 26 saniyede tamamladı.(Avukatlar için bir ila üç saat.) Başka bir örnekte, Manchester Üniversitesi’ndeki araştırmacılar bir bilim insanının yapay zekadan daha hızlı bir şekilde bir kütüphane taraması yapıp yapamayacağını görmek için bir yapay zeka test ederken uyuşturucuya dirençli sıtma ile mücadele edebilen bir bileşiği keşfetti. Deney, yapay zekanın binlerce bileşiği zamanın bir bölümünde tarayabildiğini ve en çok tıbbi vaatte bulunanlara dayandığını kanıtladı, böylece yeni ilaç geliştirme ve klinik başarısızlık riskini azaltmanın zamanını ve maliyetini azalttı.
Bazı İşler Kayboldu, Bazı İşler Kazandırdı
Yapay zeka’nın veriyi zamanın bir bölümünde tüketme ve gözden geçirme yeteneği, özellikle insan işçilerinin sadece bu içerik miktarını inceleme kapasitesine sahip olmadığı alanlarda, belirgin üretkenlik avantajları getirir. 2016 Dünya Ekonomik Forumu’ndaki uzmanlar, daha önceki devrimlerin üretimi mekanize etmek için buhar, elektrik ve montaj hatlarını kullandıkları şekilde, görevleri otomatikleştirmek için dijital araçları kullanarak bir sonraki “Endüstriyel Devrim” e geçti.
Bu aşamada Türkiye bakanlık düzeyine hala yol haritası hazırlıyor. Yıl 2018.
Ancak tüm devrelerde olduğu gibi, en son yapay zeka kaynaklı verimlilik kazanımları maliyete neden olabilir.
2017 McKinsey raporu , 400 milyon iş otomasyon ile değişecektir ve daha birçok işin bu teknoloji ile değişmiş olacağını göstermektedir. Otomasyon 2030 ‘da yüzde 0,8 ila 1,4 oranında küresel ekonominin verimliliğini hızlandırabileceğini öngörüyor.
Yetenekli ve tecrübeli işçilerin zor geldiği bir dönemde, bu yetenek kaynağının yerini almazsa, yapay zeka uygulamalarından elde edilen kısa vadeli kazançlar, emek havuzunda hızla uzun vadeli kayıplara dönüşebilir. Açık işler ve iş havuzundaki beceriler arasında bir çok uyumsuzluk var. Uyum sağlamak için, şirketlerin, yeni görevler için işgücünü yeniden eğitmek üzere, insanları nasıl değerlendirdiklerini ve üniversiteler ile kurum içi eğitimle daha fazla işbirliği içinde çalıştıklarını yeniden tanımlamaları gerekecektir.
Yeni başladık
Etkiden bağımsız olarak, hiç kimse gelecek yapay zeka devrimi hakkında paniğe kapılmasın, en azından henüz. Bu teknolojiler üretkenlik kazançları için büyük bir vaat verirken, giriş seviyesindeki bazı işçilerin geçim kaynaklarını potansiyel olarak tehdit ediyor olsa da, değişiklikler bir gecede gerçekleşmeyecek. Birçok iş lideri yapay zeka ilerlemelerine dikkat ederken, yapay zeka uygulamalarında bile çok az şey var. Bu teknolojinin çalışma şeklimizi dönüştürmesi yıllar alacak. Hatta olgun şirketler bile ayaklarını suya daha yeni daldırıyor.
Liderliği ele almak isteyen iş dünyası liderleri için, onları yapay zeka‘nın çözebileceği gerçek iş sorunlarını tespit ederek işe başlamaya teşvik etmeli, ardından yapay zeka işini yapmak için insanlara, süreçlere ve teknik uzmanlığa sahip olup olmadıklarını düşündürmeli. Şirketlerin belirli bir işi yapmak için algoritmalar oluşturmak ve eğitmek için gerekli zamana, uzmanlığa ve verilere erişmesi gerektiğine dikkat çekelim. Sonuçta çok fazla veriye sahip olsanız bile, bu mühendislerin organizasyona entegre olması kolay değil.
Yapay zeka‘nın işyerindeki en erken kullanımı, evrakları taramak ve müşteri sorgularına cevap vermekle ilgili olsa da, yeni ilaçları keşfetme veya milyonlarca müşteri etkileşimine dayanan yeni satış fırsatlarını belirleme gibi yeniliklere odaklanmak için bir sonraki aşamayı bekliyor. Yapay zekanın geleceği. İnovasyonu teşvik etmek için yeni buluş yöntemlerini teşvik edecek ve bu, faydaların çoğunun yattığı yer…
Sazanlık yapmaya gerek yok. Beklemekte fayda var 🙂
*Sarah Fister Gale
Güzel bir içerik, okumaktan keyif aldım