Gartner araştırmasına göre kurumsal generatif yapay zeka projelerinin en az yüzde 30'u, 2025 sonuna kadar kavşak aşamasının ardından iptal edilecek. On yıl önce hiçbir şirket ofisinde bir makinenin metin ürettiğini göremezken, bugün milyarlarca dolarlık bütçeler bu teknolojiye akıyor. Her üç projeden birinin çöpe gidecek olması, gösterişli lansmanların arkasında ciddi bir gerçeklik krizi olduğunu gözler önüne seriyor.
Generatif Yapay Zeka Hevesi ve Kurumsal Hızlanma
Son üç yılda generatif yapay zeka, şirket yöneticilerinin gündemine bomba gibi düştü. Her sektörden lider, rakiplerinin gerisinde kalma korkusuyla hızlıca pilot projeler başlattı. Ürün geliştirme ekipleri metin üreticilerini entegre etti, insan kaynakları departmanları özgeçmiş tarama araçları kurdu, müşteri hizmetleri birimleri sohbet robotlarını devreye aldı. Bu hızlı yayılımın altında yatan temel güdü çoğu zaman net bir iş stratejisi değil, «diğerleri yapıyor, biz de yapmalıyız» psikolojisi oldu.
Gartner'ın analizine göre şirketlerin yaklaşık üçte biri başlattıkları generatif yapay zeka girişimini terk edecek. İptallerin temelinde zayıf veri kalitesi, yetersiz risk kontrolleri, tırmanan maliyetler ve net olmayan iş değeri yatıyor. Gartner analisti Rita Sallam, geçen yılın hype dalgasının ardından yöneticilerin yapay zeka yatırımlarından getiri görmek için sabırsızlandığını, ancak örgütlerin değeri kanıtlamakta zorlandığını belirtiyor.
İptal kararı aslında olgun bir iş zihniyetinin göstergesi. Hiçbir şirket sonsuza kadar umut verici olmayan bir projeyi finanse edemez. Önemli olan, neden başarısız olduklarını anlamak ve bir sonraki denemede aynı hatalara düşmemek.
Neden Çöpe Gidiyor: Veri, Maliyet ve Beklenti Uyuşmazlığı
Generatif yapay zeka projelerinin başarısız olmasının tek bir nedeni yok. Ancak kaynaklar arasında öne çıkan dört temel sorun başlığı bulunuyor: Veri kalitesi, risk kontrolleri, kontrol edilemeyen maliyetler ve abartılı beklentiler.
Veri Altyapısının Gerçekliğiyle Yüzleşmek
Yapay zeka modelleri, üzerinde eğitildikleri veriyle kadar iyi çalışır. Kurumsal ortamlarda ise durum pek parlak sayılmaz. Şirketlerin iç veri göllerinin büyük kısmı yapılandırılmamış, güncelliğini yitirmiş veya çelişkili bilgilerle dolu. Bir müşteri hizmetleri sohbet robotunun doğru yanıt vermesi için şirketin ürün katalogları, garanti şartları ve fiyatlandırma politikalarının kusursuz bir şekilde dijitalleştirilmesi gerekir. Ancak çoğu kurumda bu veri yığını dağınık durumda.
Gartner, projelerin çöküşünde veri hazırlık sürecinin hafife alınmasını kritik bir faktör olarak görüyor. Şirketler modeli seçmeye, altyapıyı kurmaya odaklanırken asıl motoru çalıştıracak yakıtın, yani verinin kalitesini göz ardı ediyor. Sonuç olarak pilota başlayan ekipler modelin çelişkili yanıtlar ürettiğini görünce projeyi rafa kaldırmak zorunda kalıyor.
Hızla Tükenen Bütçeler ve Belirsiz Getiri
Generatif yapay zeka kullanımının maliyeti sandığından çok daha yüksek. Gartner'a göre iş modeli dönüşümü için kurulan geniş kapsamlı projeler 5 milyon ila 20 milyon dolar arasında maliyete ulaşabiliyor. Üstelik bu teknolojide maliyetler diğerlerine kıyasla tahmin edilebilir değil; harcama düzeyi, seçilen kullanım senaryosu ve dağıtım yaklaşımına göre ciddi şekilde değişiyor.
İptal edilen projelerin ortak özelliği, net bir yatırım getirisi hedefinin olmaması. Gartner'ın da altını çizdiği gibi, üretkenlik artışı sağlamak için yapılan büyük yatırımları doğrudan finansal faydaya çevirmek son derece zor. Yöneticiler «çalışanlar daha hızlı çalışacak» gibi soyut bir varsayım üzerinden bütçe onaylıyor. Üç altı ay sonra masaya oturulduğunda ise kaç saat tasarruf sağlandığını, bu tasarrufun ne kadar paraya tekabül ettiğini gösteren somut bir veri ortaya konamıyor.
Buna ek olarak, Gartner araştırması generatif yapay zekanın doğrudan ve anlık getiri yerine dolaylı, geleceğe yönelik kriterlere dayalı bir yatırım toleransı gerektirdiğini vurguluyor. Tarihsel olarak CFO'lar bugün harcayıp gelecekte dolaylı değer elde etmekten pek rahat değiller. Bu isteksizlik, yatırımları stratejik hedeflerden ziyade taktiksel olanlara kaydırabiliyor.
Beklenti ve Gerçeklik Arasındaki Uçurum
Teknoloji medyası ve satıcıların pazarlama diline bakarsanız, generatif yapay zeka neredeyse her problemi çözebilecek sihirli bir değnek gibi görünür. Şirket yöneticileri bu anlatıya kapılıp mevcut iş süreçlerini baştan aşağı değiştirecek devrimci sonuçlar bekliyor. Oysa gerçekte bu araçlar belirli ve dar görevlerde yardımcı rol oynuyor.
Beklentinin yüksek olması, hayal kırıklığının da derin olmasına yol açıyor. Bir ekip, yapay zekayla bir raporlama sürecini tamamen otomatikleştirmeyi umarak yola çıkıyor. Aradan geçen zamanda aracın sadece taslak hazırlama aşamasında işe yaradığını, nihai kararı ve düzenlemeyi yine bir insanın yapması gerektiğini fark ediyor. Beklentiyi yönetememe, projenin rafadan kaldırılmasına zemin hazırlayan en önemli faktörlerden biri.
Çöpe Giden Projelerden Çıkarılacak Dersler
İptal edilen her proje bir kayıp değil, aynı zamanda pahalı bir deneyim. Şirketlerin bu çöküşlerden çıkarması gereken birkaç temel ders bulunuyor.
İlk olarak, teknoloji seçimi yerine problem seçimine odaklanmak gerekiyor. Hangi modeli kullanacağınızı belirlemeden önce, hangi iş sürecini iyileştirmek istediğinizi netleştirmelisiniz. Ürün geliştirme sürecindeki dokümantasyon yükünü hafifletmek somut bir hedeftir. «Yapay zeka kullanmak» ise somut bir hedef değildir.
İkinci önemli ders, küçük başlamak ve ölçmektir. Şirketler yüzlerce kişilik birimlere aynı anda yapay zeka aracı dağıtmak yerine, on kişilik bir pilot ekiple başlamalı. Bu ekipte üretkenlik metriklerini önceden belirlemeli, altı haftalık bir deneme süresinin sonunda rakamları masaya yatırmalı. Veri artıyorsa ölçeklendirilmeli, artmıyorsa proje zarar etmeden sonlandırılmalı.
Üçüncüsü, veri temizliği yatırımı yapay zeka modeli yatırımı kadar kritik. Şirketler, altyapı bütçesinin önemli bir kısmını iç verilerin yapılandırılması, etiketlenmesi ve kalitesinin artırılmasına ayırmalıdır. Ayrıca yetersiz risk kontrolleri projelerin çöküşünde önemli bir etken; bu yüzden uyum ve güvenlik süreçlerini de planın merkezine koymak şart.
Kurumsal Yapay Zeka Stratejisinin Geleceği
Gartner'ın öngörüsü karamsar bir tablo çizmekten ziyade, kurumsal yapay zeka pazarının olgunlaşma sürecini anlatıyor. Her yeni teknoloji dalgaında olduğu gibi, ilk heyecan dönemi yerini rasyonel değerlendirmelere bırakacak. Şirketler artık «yapay zeka yaptık» lansmanından ziyade, «şu süreci şu oranda hızlandırdık» türünde somut sonuçlar paylaşmak zorunda kalacak.
Bu doğal seleksiyon süreci aslında sağlıklı. Piyasada çok sayıda amaçsız proje varken, gerçekten iş değeri üreten girişimler ön plana çıkacak. Satıcılar da ürünlerini «sihirli çözüm» pazarlığı yerine, spesifik iş süreçlerine entegre edilen araçlar olarak konumlandırmak zorunda kalacak. Gelecek dönemde kurumsal yapay zeka projelerinin sayısı azalabilir, ancak hayatta kalanların kalitesi ve etki gücü bugünden çok daha yüksek olacak.
Gartner'ın erken benimseyenler üzerinde yaptığı araştırma, başarılı projelerin ortalama yüzde 15,8 gelir artışı, yüzde 15,2 maliyet tasarrufu ve yüzde 22,6 üretkenlik iyileşmesi sağladığını gösteriyor. Ancak bu faydaların şirket, kullanım senaryosu, rol ve çalışan yetkinliğine göre büyük ölçüde değiştiğini de vurguluyor. Yani evrensel bir başarı formülü yok; her kurum kendi bağlamına uygun bir yol haritası çizmeli.
Şirketiniz şu anda bir generatif yapay zeka projesi yürütüyorsa veya planlıyorsa, kendinize şu soruyu sormanın tam zamanı: Bu proje iptal edilse, şirketin hangi somut verisi eksik kalır? Yanıtınız net bir metrik değilse, projeyi yeniden düşünmeniz gerekiyor olabilir. Sizce şirketler yapay zeka projelerinde en çok hangi aşamada hata yapıyor; teknolojiyi seçerken, veriyi hazırlarken yoksa beklentiyi belirlerken?
yorumlar