“Yapay zekada asıl zorluk, yarattığı değeri ölçmek”

6 dakika okuma süresi.
2

Multinet Up Bilgi Teknolojileri Genel Müdür Yardımcısı & inventiv Genel Müdürü Çağlayan Yıldırım 

“inventiv olarak, yapay zeka tarafında birçok proje gerçekleştirdik. 2024 ortalarında başlayan stratejimiz kapsamında ilk olarak deneme sürecine odaklandık. 2025’te ise yaklaşımımız “Biz de yapay zeka projesi yapalım” değil, yapay zekanın sonuca nasıl etki ettiğini, mevcut uygulamalarda nasıl konumlandırılabileceğini ve nasıl bir çıktı elde edebileceğimizi görmek oldu. En önemli nokta da bu çıktıyı nasıl ölçümleyebileceğimize odaklanmaktı. “Yapay zeka kullandık, her şey kolaylaştı” demek kolay yol, zor olan yarattığı faydayı ölçmek. Bu nedenle bizim için yapay zekada asıl başarı kriteri, teknolojiyi kullanmış olmak değil, yarattığı değeri somut bir iş sonucuyla ortaya koyabilmek. Bir yapay zeka projesine başlarken önce teknolojiden değil, çözmek istediğimiz iş probleminden yola çıkarak hareket ediyoruz. Operasyonel verimlilik, daha doğru karar alma, riskleri öngörme ya da kullanıcı deneyimini geliştirme gibi ölçülebilir bir karşılığı varsa o projeyi anlamlı buluyoruz.

Multinet Up’ın yemek kartı, kurumsal hediye kartı, akaryakıt, filo yönetimi ve kurumsal seyahat gibi farklı alanlarda sunduğu çözümler bulunuyor. Biz yapay zekayı doğrudan son kullanıcıya sunup test etmek yerine, ilk aşamada operasyonel verimliliği artırabileceğimiz alanlarda konumlandırmayı tercih ettik. Bu kapsamda “ChurnGuard” adını verdiğimiz, churn tahmini yapan bir model geliştirdik. Bu model ile müşteri davranışlarını analiz ederek her müşteri için bir risk skoru oluşturuyor, kayıp riski taşıyan müşterileri önceden tespit ederek ilgili ekiplerimizin proaktif aksiyon alabilmesini sağlıyoruz. Burada modelin başarısını yalnızca teknik doğruluk oranıyla değil, riskli müşterilerin ne kadar erken tespit edildiği, aksiyona dönüş oranı ve müşteri kaybındaki değişim gibi iş metrikleri üzerinden değerlendiriyoruz. Böylece yapay zekayı yalnızca geçmiş veriyi analiz eden bir teknoloji olarak değil, gelecekte oluşabilecek riskleri öngörerek karar süreçlerini destekleyen bir yapı olarak kullanıyoruz.

Kurum içindeki bir diğer yapay zeka kullanım alanımız ise finansal tahminleme ve veriye erişim. “FinSight” ile şirket bütçesini tahminleyen bir model oluşturduk. Ayrıca, çalışanlarımızın veri ambarından doğal dil kullanarak veri çekebilmelerini sağlayan bir projemiz de var. Buradaki temel hedefimiz çalışanlarımızın veriye ulaşmasını kolaylaştırmak ve karar alma süreçlerini hızlandırmak. Çünkü yapay zekanın kurum içinde yarattığı değerin önemli bir bölümünün, çalışanların günlük işlerini kolaylaştırmasından ve veriyi daha etkin kullanabilmelerini sağlamasından geçtiğini düşünüyoruz.

Kurum içindeki bu çalışmaların yanı sıra son kullanıcı tarafında, kullanıcıya görünmeyen özellikler üzerinde de çalışıyoruz. Örneğin, kullanıcıların geçmiş davranışlarını ve benzer kullanıcıların davranışlarını analiz ederek nerede yemek yemek isteyebileceklerine yönelik çalışmalarımız bulunuyor. Kişiselleştirme tarafında kullanıcı davranışlarını doğru analiz edebilmek önemli bir potansiyel sunuyor. Daha önce sadakat uygulamalarımızda da tüketici davranışlarını analiz ederek kişiselleştirilmiş kampanya ve ödül mekanizmaları üzerinde çalıştık. Dolayısıyla yapay zekayı son kullanıcı tarafında da kullanıcıya gerçekten fayda sağlayacak, deneyimi daha kişisel ve anlamlı hale getirecek noktalarda konumlandırmaya çalışıyoruz.

Yapay zeka dediğimizde herkesin aklına yalnızca Generative AI gelmemeli. Yapay zeka çok daha geniş bir çatı. Bazı ihtiyaçları makine öğrenimi algoritmalarıyla çözebiliyorsak Generative AI kullanmıyoruz, çünkü gereksiz bir maliyet oluşturuyor. Bizim yaklaşımımız en yeni ya da en popüler teknolojiyi her probleme uygulamak değil, ihtiyaca en uygun teknolojiyi seçmek. Makine öğrenimi ile daha verimli ve doğru sonuç alabileceğimiz bir iş probleminde Generative AI kullanmak mantıklı bir yaklaşım değil. Teknoloji seçiminin ortaya çıkan faydanın yanı sıra maliyet, sürdürülebilirlik ve ölçeklenebilirlik açısından da değerlendirilmesi gerektiğini düşünüyoruz.

Bu yaklaşım altyapı tercihlerimize de yansıyor. Yapay zeka altyapımızda, özellikle hassas veri içeren kullanım senaryolarında, verinin ve model yaşam döngüsünün bizim kontrolümüzde olduğu mimarileri tercih ediyoruz. Kendi data center’ımız olmasına rağmen GPU altyapımız bulunmuyor ve bu alandaki ilk yatırım maliyeti bizim için oldukça yüksekti. Bu nedenle ihtiyaç duyduğumuz işlem gücüne yüksek bir ilk yatırım maliyetine katlanmadan erişebilmek için GPU-as-a-Service modelinden yararlanmaya başladık. Özellikle finansal ve müşteri verisi içeren kullanım senaryolarında veri güvenliği, regülasyon ve veri egemenliği gereksinimleri nedeniyle genel bulut servislerini kontrollü ve seçici şekilde değerlendiriyoruz. Ayrıca, altyapımızı ve gerçekleştirdiğimiz projeleri FixCloud’dan aldığımız hizmet üzerinden yürüttük. Bu model bize ihtiyaç duyduğumuz işlem gücüne erişme ve yapay zeka projelerimizi kontrollü biçimde ölçeklendirme imkânı sundu. Özellikle yapay zeka yatırımlarının iş sonuçlarına etkisini ölçmeye odaklandığımız bu dönemde, altyapının da ihtiyaç doğrultusunda esneyebilmesi bizim için önemli. Şu anda olgunlaşma aşamasındayız. İç kullanım için geliştirdiğimiz projeler aktif olarak kullanılıyor, son kullanıcıya açacağımız projelerde de GPU-as-a-Service modeliyle ilerlemeyi planlıyoruz.

Yapay zeka kullanımının kurum genelinde yaygınlaşmasıyla birlikte önemli odak alanlarımızdan biri de AI Governance. Yapay zeka artık yalnızca IT ekiplerinin geliştirdiği projelerle sınırlı değil; farklı iş birimleri de kendi süreçlerinde bu teknolojileri kullanmaya ve çözümler geliştirmeye başladı. Bu nedenle hangi verinin hangi modellerle kullanılabileceği, yapay zeka uygulamalarının hangi güvenlik ve kontrol süreçlerinden geçeceği, erişimlerin nasıl yönetileceği ve ortaya çıkan sonuçların nasıl izleneceği konusunda ortak standartlar oluşturmaya çalışıyoruz. Bizim için yapay zekayı ölçeklendirmek kadar, bunu güvenli, kontrollü ve sürdürülebilir şekilde yapmak da önemli.

inventiv olarak, önümüzdeki dönemde daha fazla yapay zeka projesi hayata geçirmeye değil, bu teknolojiyi doğru iş problemleriyle buluşturmaya odaklanacağız. Ortaya çıkan faydayı ölçmek ve tüm bu süreçleri güvenli, kontrollü ve sürdürülebilir bir yapıda yürütmek de önceliklerimiz arasında yer alacak. Yapay zekaya erişimin giderek kolaylaştığı bir dönemde, bizim için asıl değer bu teknolojiyi kullanmanın ötesine geçerek iş sonuçlarına somut ve ölçülebilir bir katkı sağlayabilmek olacak.”