Yapay zekâ araçlarına erişmek, dönüşümün başlangıcı. Asıl değer; işin ihtiyacını anlayan, doğru uygulamayı seçen ve ekiplerin çalışma biçimine yerleştiren yetkinliklerle ortaya çıkıyor. AI Business Technologist kavramı, tam da bu sorumluluğu tarif ediyor.
Bir kurum düşünün. Çalışanlar yapay zekâyla e-posta hazırlıyor, toplantı notlarını özetliyor, sunum taslakları oluşturuyor. Bazı ekipler kendi iş akışlarını hızlandıracak küçük uygulamalar geliştiriyor. Yönetim de bu hareketliliği destekliyor.
Ancak birkaç ay sonra şu soru gündeme geliyor: Bütün bunlar kurumun performansına nasıl yansıdı?
Müşteriye dönüş süresi kısaldı mı? Tekrarlanan işler azaldı mı? Kararlar daha güvenilir verilere dayanıyor mu? Çalışanların kazandığı zaman başka bir değere dönüşüyor mu?
Bu sorulara yanıt vermek, kullanılan araçları sıralamaktan daha zor. Çünkü bireysel kullanım ile kurumsal sonuç arasında kurulması gereken bir bağ var. İş süreçlerinin, verinin, teknolojinin ve insan yetkinliklerinin birlikte ele alınması gerekiyor.
AI Business Technologist, bu bağı kurma sorumluluğunu üstlenen profesyonel profil olarak düşünülebilir.
"Business Technologist" kavramı, iş dünyası ile teknolojiyi aynı çalışma alanında buluşturuyor. Gartner, bu kavramı bilgi teknolojileri departmanı dışında konumlanan ve kurum içi ya da dışı kullanım için teknoloji veya analitik yetkinlikler geliştiren çalışanlar üzerinden tanımlıyor. Dolayısıyla kavram, yalnızca teknik ekiplerle iletişim kurmayı değil, işin içinde teknolojik çözümler üretmeyi de kapsıyor.
Bu yazıda AI Business Technologist ifadesini, bu yaklaşımın yapay zekâ odağındaki karşılığı olarak kullanıyoruz: İş ihtiyaçlarını anlayan, yapay zekânın uygun kullanım alanlarını belirleyen, çözümün hayata geçirilmesine katkı sağlayan ve ortaya çıkan değeri takip eden profesyonel.
Bunu her kurumda aynı görev tanımına sahip, sınırları kesinleşmiş bir unvan olarak ele almamak gerekiyor. Kurumun büyüklüğüne ve organizasyonuna göre bir iş analisti, ürün yöneticisi, süreç geliştirme uzmanı veya iş birimi yöneticisi bu sorumlulukların bir bölümünü üstlenebilir.
Belirleyici olan, kişinin kartvizitindeki unvandan çok çalışma biçimidir. İş hedefleri ile teknik kararları birlikte değerlendirebilmesi ve uygulamanın günlük işleyişte karşılık bulmasını sağlayabilmesidir.
Bir iş birimi ihtiyacını genellikle yaşadığı sorun üzerinden anlatır: "Teklif hazırlamak uzun sürüyor", "Bilgiye ulaşamıyoruz" veya "Raporları birleştirmek için çok zaman harcıyoruz."
Teknik ekip ise çözüm geliştirebilmek için daha somut bilgilere ihtiyaç duyar. Hangi veriler kullanılacak? Hangi sistemlere bağlantı kurulacak? Kullanıcı kim olacak? Başarılı bir çıktı nasıl tanımlanacak?
Bu iki bakış açısı arasında yeterli çalışma yapılmadığında, teknik olarak çalışan fakat işin ihtiyacını tam karşılamayan uygulamalar ortaya çıkabilir.
Örneğin çalışanların sorularını yanıtlayan bir kurum içi asistan geliştirildiğini düşünelim. Asistan hızlı yanıt veriyor olabilir. Ancak eski prosedürleri kullanıyor, farklı birimlere ait bilgileri karıştırıyor veya kullanıcının görmemesi gereken belgelere dayanıyorsa hız tek başına anlamlı bir başarı değildir.
AI Business Technologist yaklaşımı, ihtiyacın başlangıçta doğru tanımlanmasına yardımcı olur. Sorunu parçalara ayırır, çözümün kapsamını belirler ve iş birimiyle teknik ekibin aynı başarı ölçütleri üzerinde anlaşmasını sağlar.
Bu çalışmanın somut çıktısı bazen bir uygulama, bazen daha düzenli bir veri yapısı, bazen de sadeleştirilmiş bir süreç olabilir.
Bir yapay zekâ projesinin ilk toplantısında hangi modelin kullanılacağını konuşmak cazip gelebilir. Oysa önce işin nerede aksadığını görmek gerekir.
Bir raporun hazırlanması üç gün sürüyorsa, bu sürenin ne kadarı analiz için harcanıyor? Ne kadarı farklı dosyaları aramakla, eksik bilgileri tamamlamakla veya onay beklemekle geçiyor?
Eğer asıl gecikme eksik veriden kaynaklanıyorsa, metin üreten bir araç sorunu ancak sınırlı ölçüde çözer. Eğer süreçte gereksiz onay adımları varsa, otomasyon mevcut karmaşıklığı daha hızlı çalıştırabilir.
Bu nedenle ilk adım, mevcut işleyişi görünür hale getirmektir. Sürece kimlerin katıldığı, hangi bilgilerin kullanıldığı, kararların nerede verildiği ve hataların hangi aşamada oluştuğu anlaşılmalıdır.
Ardından şu soruya geçilebilir: Bu sürecin hangi bölümünde yapay zekâ kullanmak anlamlı?
Bazı görevler için standart bir otomasyon yeterlidir. Bazıları için mevcut yazılımın doğru yapılandırılması gerekir. Belirsiz içeriklerin yorumlanması, belgelerden bilgi çıkarılması veya taslak üretilmesi gereken noktalarda ise yapay zekâ değerlendirilebilir.
"Doğru çözümü seçmek, yapay zekânın nerede kullanılacağı kadar nerede kullanılmasına gerek olmadığını da görebilmeyi gerektirir.
Kurumsal hizmet veren bir şirketin teklif hazırlama sürecini ele alalım. Bu, yaklaşımı açıklamak için oluşturulmuş örnek bir senaryodur.
Müşterinin ihtiyaçları toplantı notlarında bulunuyor. Hizmet açıklamaları farklı dosyalarda tutuluyor. Önceki teklifler kişisel klasörlerde saklanıyor. Fiyatlandırma bilgisi ise başka bir sistemde yer alıyor.
Böyle bir yapıda çalışan, teklif yazmaya başlamadan önce ciddi bir hazırlık yapıyor. Doğru bilgiyi buluyor, güncelliğini kontrol ediyor, ilgili kişilerden teyit alıyor ve metni bir araya getiriyor.
Yapay zekâdan doğrudan teklif yazmasını istemek bir taslak sağlayabilir. Ancak fiyatın doğruluğu, kapsamın uygulanabilirliği ve müşteriye verilen taahhütlerin uygunluğu hâlâ çözülmesi gereken konulardır.
AI Business Technologist bu süreci bütün olarak ele alır. Önce onaylı hizmet içeriklerinin nerede tutulacağını belirler. Müşteri ihtiyacının hangi başlıklarla kaydedileceğini netleştirir. Teknik kapsamı ve fiyatı kimin onaylayacağını sürece yerleştirir.
Bunun üzerine kurulan uygulama, toplantı notlarından ihtiyaç özeti çıkarabilir, eksik bilgileri işaretleyebilir ve onaylı içeriklerden teklif taslağı hazırlayabilir. Ticari koşulların ve teknik taahhütlerin kontrolü ise yetkili çalışanlarda kalır.
Başarı değerlendirilirken yalnızca taslağın kaç saniyede üretildiğine bakılmaz. Teklifin toplam hazırlanma süresi, düzeltme ihtiyacı, kapsam hataları ve müşteriye dönüş hızı birlikte incelenir.
Böylece teknoloji kullanımının iş üzerindeki etkisi görünür hale gelir.
AI Business Technologist yaklaşımında ilk güçlü alan, işi ve süreci anlamaktır. Müşteri beklentisini, kurumun önceliklerini, maliyet yapısını ve operasyonun gerçeklerini bilmeden doğru kullanım alanını seçmek zorlaşır.
İkinci alan, yapay zekâ okuryazarlığıdır. Bir modelin neler yapabildiğini bilmek kadar hangi durumlarda yanılabileceğini anlamak da gerekir. Akıcı bir yanıtın doğruluğu garanti etmediğini, sonucun kontrol edilmesi gerektiğini ve farklı görevlerin farklı çözüm yöntemleri gerektirebileceğini kavramak önemlidir.
Üçüncü alan, veriyle çalışabilme becerisidir. Bilginin nerede tutulduğu, ne kadar güncel olduğu, hangi amaçla kullanılabileceği ve kimlerin erişebileceği çözümün niteliğini doğrudan etkiler.
Dördüncü alan, uygulama geliştirme ve entegrasyon farkındalığıdır. Her kişinin ileri düzey yazılım geliştirmesi gerekmez. Ancak bir prototipin kurumsal kullanıma geçerken hangi kontrollerden geçeceğini, sistemler arası bağlantıların ne gerektirdiğini ve bakım sorumluluğunun nasıl üstlenileceğini anlaması gerekir.
Beşinci alan ise değişimi yönetmektir. Çalışanların güvenmediği veya kullanmakta zorlandığı bir uygulamanın teknik başarısı sınırlı kalır. Kullanıcıları geliştirme sürecine katmak, geri bildirimlerini değerlendirmek ve yeni çalışma biçimini anlaşılır hale getirmek bu rolün önemli bir parçasıdır.
Bu yetkinliklerin tamamının tek kişide en yüksek seviyede bulunması beklenmemelidir. Önemli olan, kişinin kendi uzmanlığının sınırlarını bilmesi ve gerektiğinde doğru uzmanlarla birlikte çalışabilmesidir.
AI Business Technologist yaklaşımının sağlıklı işlemesi, bilgi teknolojileri ekipleriyle güçlü bir iş birliğine bağlıdır.
İş birimleri ihtiyacı, kullanıcı deneyimini ve beklenen sonucu sahiplenir. Bilgi teknolojileri ekipleri mimari, entegrasyon, erişim yönetimi, güvenlik ve işletim tarafındaki uzmanlığını ortaya koyar. Veri sahipleri ise kullanılacak bilginin anlamını ve kalitesini değerlendirir.
AI Business Technologist bu taraflar arasında sürekli bir çalışma ilişkisi kurar. İş ihtiyacını uygulamaya dönüştürülebilecek açıklığa getirir, teknik kısıtların iş üzerindeki etkisini anlatır ve kararların ortak hedef doğrultusunda alınmasına katkı sağlar.
Özellikle küçük kurumlarda bütün bu sorumluluklar ayrı unvanlara dağılmayabilir. Aynı kişi birkaç görevi üstlenebilir. Yine de hangi kararın kim tarafından verileceğinin açık olması gerekir.
Örneğin bir prototipi hazırlama yetkisi, kurumun bütün belgelerini uygulamaya açma yetkisi anlamına gelmez. Benzer şekilde, bir sistemin iyi sonuç vermesi onun sınırsız işlem yetkisine sahip olması gerektiğini göstermez.
Bir uygulama yalnızca öneri ürettiğinde, çalışan bu öneriyi değerlendirip harekete geçebilir. Uygulama sistemlerde işlem yapmaya başladığında ise tasarımın kapsamı genişler.
Bir yapay zekâ ajanının müşteri kaydını güncellemesi, görev oluşturması veya dışarıya mesaj göndermesi planlanıyorsa, her işlemin yetkisi ve sınırı ayrı değerlendirilmelidir.
Hangi işlemleri doğrudan yapabilir? Hangileri için onay gerekir? Hatalı işlem nasıl fark edilir? Geri alma mümkün müdür? Beklenmeyen bir durum oluştuğunda süreç kime devredilir?
Bu soruların yanıtları iş akışının parçası olmalıdır. AI Business Technologist, iş biriminin beklentilerini bu kontrollerle birlikte tasarlar; gerekli uzmanların karar sürecine katılmasını sağlar.
NIST'in Yapay Zekâ Risk Yönetimi Çerçevesi ve üretken yapay zekâ profili de güvenilirliğin tasarım, geliştirme, kullanım ve değerlendirme aşamalarında ele alınmasını destekler. Kurumlar bu kaynaklardan kendi hedeflerine ve risk önceliklerine uygun bir yaklaşım geliştirmek için yararlanabilir.
Pratik karşılığı, risk değerlendirmesini uygulama tamamlandıktan sonraya bırakmamaktır. Yetki, kontrol ve sorumluluk çözümün ilk tasarımından itibaren düşünülmelidir.
Başlangıç için kurumun mevcut çalışanlarına bakmak yararlıdır. İşin ayrıntılarını bilen, süreçlerdeki aksaklıkları fark eden, veriye ilgi duyan ve farklı ekiplerle çalışabilen kişiler güçlü adaylar olabilir.
Bununla birlikte, iyi bir alan uzmanını yalnızca kısa bir araç eğitimiyle bu sorumluluğa hazırlamak zor olabilir. Gelişim sürecinin gerçek iş problemleriyle bağlantılı olması gerekir.
Örneğin bir satın alma uzmanı, teklif karşılaştırma sürecini ele alabilir. İnsan kaynakları çalışanı, kurum içi politika belgelerine erişimi iyileştirecek bir kullanım senaryosu üzerinde çalışabilir. Operasyon yöneticisi ise rapor hazırlama sürecindeki tekrarları inceleyebilir.
Katılımcının eğitim boyunca kendi sürecini analiz etmesi, veri ihtiyacını belirlemesi, küçük bir uygulama geliştirmesi ve sonucunu değerlendirmesi öğrenmeyi somutlaştırır.
Burada yöneticinin desteği de belirleyicidir. Çalışana deneme yapması için zaman ayrılmalı, ilgili uzmanlara erişim sağlanmalı ve pilot çalışmanın sınırları netleştirilmelidir. Günlük iş yükünün üzerine belirsiz bir "yapay zekâyla ilgilenme" beklentisi eklemek, gelişimi zorlaştırır.
Tekrarlanan işler, bilgiye erişim sorunları ve hata oluşan noktalar incelenir. Aday kullanım alanları; beklenen fayda, veri hazırlığı, uygulama zorluğu ve risk açısından değerlendirilir.
Kullanıcı grubu belirlenir, onaylı veri kaynakları seçilir ve başarı ölçütleri yazılı hale getirilir. Uygulamanın hangi durumlarda yanıt vermemesi veya insan desteği istemesi gerektiği de tanımlanır.
Çalışanların geri bildirimleri, çıktıların kalitesi, düzeltme yükü ve toplam işlem süresi incelenir. Sonuca göre uygulama genişletilebilir, yeniden tasarlanabilir veya durdurulabilir.
Pilotun durdurulması da değerli bir karardır. Sınırlı bir denemeyle uygun olmayan yaklaşımı görmek, daha büyük bir yatırımın yanlış yönde ilerlemesini önleyebilir.
Bu planın amacı, belirli bir sürede kurumsal dönüşüm sözü vermek değildir. Kurumun öğrenmesini, ölçmesini ve bir sonraki kararını somut bulgulara dayandırmasını sağlamaktır.
Kullanıcı sayısı, üretilen içerik miktarı veya uygulamaya giriş sıklığı faydalı göstergelerdir. Ancak bunların iş sonucuyla ilişkilendirilmesi gerekir.
Örneğin bir asistanın yoğun kullanılması, çalışanların işini mutlaka kolaylaştırdığı anlamına gelmez. Kullanıcılar doğru yanıta ulaşmak için aynı soruyu tekrar tekrar soruyor olabilir.
Bu nedenle görev tamamlanma süresi, ilk seferde kabul edilen çıktı oranı, hata ve yeniden işleme miktarı gibi ölçütler birlikte değerlendirilmelidir. İş biriminin hedefi uygunsa müşteri memnuniyeti veya hizmet kalitesi de değerlendirmeye eklenebilir.
Maliyet hesabına lisans ve kullanım ücretlerinin yanında entegrasyon, bakım, eğitim ve insan kontrolü için harcanan süre de dahil edilmelidir.
Ayrıca zaman kazanımı ile nakit tasarrufu birbirinden ayrılmalıdır. Bir çalışanın haftada birkaç saat kazanması değerlidir; ancak bu zamanı hangi işe yönlendirdiği açıklanmadıkça doğrudan finansal kazanç varsaymak doğru olmaz.
AI Business Technologist, bu ayrımları görünür kılarak yönetimin daha sağlıklı karar vermesine yardımcı olur.
Bilginex olarak AI Business Technologist yaklaşımını; teknoloji bilgisi, iş süreçleri ve insan gelişiminin birlikte ele alındığı bir yetkinlik alanı olarak görüyoruz.
Bu yaklaşımda başlangıç noktası, kurumun mevcut hazırlığını ve ekiplerin ihtiyaçlarını anlamaktır. Ardından rol bazlı öğrenme, kuruma özgü kullanım senaryoları, uygulamalı çalışmalar ve sonuç değerlendirmesi birbirini tamamlar.
Bir yöneticinin yatırım önceliklerini belirleyebilmesi, bir uzmanın kendi sürecindeki fırsatları görebilmesi ve teknik ekibin bu ihtiyacı güvenilir bir uygulamaya dönüştürebilmesi farklı gelişim ihtiyaçlarıdır. Programların da bu farklılıkları dikkate alması gerekir.
Hedefimiz, çalışanların öğrendiklerini kendi sorumluluk alanlarında kullanabilmesine katkı sağlamaktır. Bunun için eğitim içeriğini gerçek iş ihtiyaçlarıyla ilişkilendirmek, uygulama sırasında uzman desteği sunmak ve gelişimi somut çıktılar üzerinden değerlendirmek önem taşır.
Kurumunuzda yapay zekâ kullanımını daha planlı bir yapıya taşımak için ilk adım, üzerinde çalışılacak doğru süreci ve bu süreci sahiplenecek ekibi belirlemek olabilir. Bilginex ile kurumunuza uygun yetkinlik gelişimi ve uygulama yol haritasını birlikte değerlendirebilirsiniz.
Referanslar: Gartner'ın "business technologist" tanımı; NIST Yapay Zekâ Risk Yönetimi Çerçevesi (AI RMF) ve üretken yapay zekâ profili.
AI Business Technologist, Gartner'ın "business technologist" tanımının yapay zekâ odağındaki karşılığıdır: iş ihtiyaçlarını anlayan, yapay zekânın uygun kullanım alanlarını belirleyen, çözümün hayata geçirilmesine katkı sağlayan ve ortaya çıkan değeri takip eden profesyonel profili. Her kurumda aynı unvanla karşılığı yoktur; bir iş analisti, ürün yöneticisi, süreç geliştirme uzmanı veya iş birimi yöneticisi bu sorumlulukların bir bölümünü üstlenebilir.
Hayır. Belirleyici olan kartvizitteki unvan değil, çalışma biçimidir: iş hedefleri ile teknik kararları birlikte değerlendirebilmek ve uygulamanın günlük işleyişte karşılık bulmasını sağlayabilmek. İşin ayrıntılarını bilen, süreçlerdeki aksaklıkları fark eden ve veriye ilgi duyan alan uzmanları bu role güçlü adaylardır; ileri düzey yazılım geliştirme şart değildir.
Hayır, tam tersine BT ekibiyle güçlü bir iş birliğine dayanır. İş birimleri ihtiyacı ve beklenen sonucu sahiplenirken, BT ekipleri mimari, entegrasyon, erişim yönetimi ve güvenlik uzmanlığını ortaya koyar. AI Business Technologist bu iki tarafı bir araya getirip iş ihtiyacını uygulanabilir bir çözüme dönüştürür.
Bir uygulama sistemlerde doğrudan işlem yapmaya (kayıt güncelleme, görev oluşturma, mesaj gönderme gibi) başladığında, hangi işlemlerin onaysız yapılabileceği, hangilerinin insan onayı gerektirdiği ve hatalı işlemin nasıl geri alınacağı en başından tasarlanmalıdır. NIST'in Yapay Zekâ Risk Yönetimi Çerçevesi gibi kaynaklar bu değerlendirmenin tasarım aşamasından itibaren yapılmasını destekler.
İlk 90 gün için uygulanabilir bir yol haritası önerilir: ilk ay mevcut işleyişi ve aday kullanım alanlarını anlamaya, ikinci ay kapsamı sınırlı bir pilota, üçüncü ay ise gerçek kullanım sonuçlarını değerlendirmeye ayrılır. Katılımcının kendi sürecini analiz edip küçük bir uygulama geliştirmesi, öğrenmeyi somutlaştırır.