Yapay zekayı ne zaman kullanmamalı? Bir kuralın, formun ya da raporun daha iyi olduğu durumlar.

Talep şöyle: “Siparişi onaylamadan önce ürünlerin stokta olup olmadığını yapay zekayla kontrol edelim.” Makul bir istek, ama yanlış araç. Stok seviyesi zaten stok yönetim sisteminde duruyor; basit bir sorgu onu kesin olarak, anında ve neredeyse sıfır maliyetle getirir.

Pek çok yapay zeka talebi buna benzer ve bir kuralla, bir sorguyla, yeniden tasarlanmış bir formla ya da bir raporla daha iyi çözülür. “Yapay zeka ne zaman kullanılmamalı?” sorusunun kısa yanıtı da budur: yanıtın kesin olması gereken, hacmin çok küçük olduğu ya da sonucun sahibinin olmadığı yerlerde bir model değer katmadan maliyet ve risk ekler.

Hayır demek neden yapay zeka stratejisinin parçası olmalı?

Her model çağrısı beraberinde bir maliyet, bir gecikme, bir yanılma olasılığı ve izlenmesi gereken bir şey getirir. Bir kural bunların hiçbirini getirmez. Yanlış taleplere hayır demek, bütçeyi de itibarı da doğru talepler için korur.

Hayır demek, verilecek evetleri de netleştirir. İşe yarar bir strateji, yapay zekanın nerede gerçekten sonucu değiştireceğini ve nerede dikkat dağıtacağını açıkça söyler; “dur” da meşru bir yanıttır. Aşağıdaki dört kalıp bu yanıtı vermek için iyi gerekçelerdir.

Kural ya da sorgu ne zaman modelden daha iyidir?

Hesap makinesi olarak model. Uyarı işaretleri: yanıt zaten bir kayıt sisteminde duruyor, mantık bir sayfalık eğer-ise kurallarına sığıyor ve yanıtın her seferinde aynı olması gerekiyor.

Birkaç temsili örnek ele alalım. Vergi hesaplamaları, finans ekibinizin vergi danışmanıyla birlikte güncel tuttuğu oranları uygulayan kodda yapılır. Stok kontrolü, stok sistemine gönderilen bir sorgudur. Onayları tutara göre yönlendirmek bir kuraldır: eşiğin üzerindeki talep bir yöneticiye gider. Bunlardan herhangi birini yapması istenen bir model çoğu zaman doğru sonuca ulaşır; ama “çoğu zaman” vergi ya da stok için bir standart değildir.

Çözüm: Hesaplamaları ve kesin sorguları kayıt sistemlerinde tutun; modelleri iyi yaptıkları işler için kullanın: yapılandırılmamış metni okumak, sınıflandırmak ve taslağa dökmek.

Bir kuralın zaten bildiği yanıtı almanın en pahalı yolu bir modeldir.

Süreç ne zaman önce düzeltilmeli?

Eksik alanı tahmin eden model. Uyarı işaretleri: yapay zekanın işinin büyük kısmı kötü girdileri telafi etmek olacak; serbest metinli formlar, zorunlu olması gerekirken isteğe bağlı bırakılmış alanlar ya da aynı şablonun üç farklı sürümü gibi.

Temsili bir vakada tedarikçi kayıt formu, banka ülkesinin ve vergi dairesinin serbest metin olarak yazılmasına izin veriyor ve biri bunları tahmin edecek bir model öneriyor. Bu bilgileri bir seçim listesiyle soran ve gönderimden önce kontrol eden bir form ise maliyetin çok küçük bir kısmıyla her seferinde doğru sonuç verir.

Görüş ayrılıklarına da dikkat edin. İki uzman aynı vakaya farklı yanıt veriyorsa politika belirsizdir ve hiçbir sistem uyduğu kurallardan daha tutarlı olamaz. Çözüm: Önce formu ya da politikayı düzeltin. Yapay zeka sorusu çoğu zaman kendiliğinden ortadan kalkar.

Hacim ne zaman bir sistemi haklı çıkaramayacak kadar düşüktür?

Yılda bir düzine vaka için sistem. Uyarı işaretleri: görev ayda bir kez kadar yapılıyor, her vaka farklı ve işi yapan kişi üç ayda bir buna bir saat ayırıyor.

Bir sistemin hacimden bağımsız sabit maliyetleri vardır: geliştirme, değerlendirme seti, izleme, güvenlik incelemesi ve bir süreç sahibi. Düşük hacim bunları hiçbir zaman karşılamaz. Çözüm: Bir kontrol listesi, bir şablon ya da bir rapor. İhtiyaç rakamları görmekse raporu hazırlayın; ERP’den gelen haftalık bir istisna listesi, insanların sormayı hatırlaması gereken bir asistandan iyidir. Ara sıra yazılan metinler için kişinin zaten kullandığı genel asistan yeterlidir.

Hata toleransı ne zaman fazla dardır?

Sıfır tolerans, olasılıksal araç. Uyarı işaretleri: tek bir yanlış yanıt bile kabul edilemez ve zarar vermeden önce yakalanamaz; düzenleyici bir kuruma yapılan bildirim, bir ödeme talimatı ya da bir iş güvenliği prosedürü gibi.

Dil modelleri kesin değil, olası yanıtlar üretir. Bir hatayı yakalamak için inceleyen kişinin bütün görevi baştan yapması gerekiyorsa yapay zeka hız değil, maliyet ekler. Çözüm: Kararı kodda ya da bir insanda tutun. En fazla, yapay zekanın kanıtları toplamasına izin verin, kişi de bunları satır satır kontrol etsin; bunun gerçekten daha hızlı olup olmadığını da ölçün.

Kurallar ve modeller birlikte nasıl çalışır?

İyi tasarımlar nadiren yalnızca birini seçer. Üç katmanı birleştirir:

1. Net vakaları kurallar üstlenir: yapılandırılmış alanlardan karar verilebilen her şey.
2. Yapılandırılmamış geri kalanını model üstlenir: e-posta, ek dosya, serbest metinle yazılmış gerekçe.
3. İstisnaları bir insan üstlenir: kuralların karar veremediği ve modelin emin olmadığı her şey; ayrıca sonuç doğuran her işlem.

Temsili bir satın alma talebi akışını ele alalım. Kurallar talebi tutara ve masraf merkezine göre yönlendirir. Model gerekçeyi ve ekteki teklifi okur, bir kategori önerir ve eksik bilgileri işaretler. Eşiğin üzerindeki talepleri bir insan onaylar; işaretlenen her şeyi de o çözer. Onay noktaları, nasıl çalıştığımızı anlattığımız sayfada olduğu gibi, hiçbir şey otomatikleştirilmeden önce tasarlanır. Bir ajana mı, yoksa bir iş akışına mı ihtiyacınız olduğuna da aynı mantık karar verir.

Bir yapay zeka fikrini onaylamadan önce hangi hızlı test yapılmalı?

1. Kesin yanıtı bir kural, bir sorgu ya da bir hesaplama verebilir mi? Evetse kuralı yazın.
2. Girdi yapılandırılmamış mı? Metin, belge, konuşma ya da görsel gibi. Değilse dil modeli büyük olasılıkla yanlış araçtır; yapılandırılmış veri klasik makine öğrenmesi ya da basit istatistik gerektirebilir.
3. Süreç oturmuş mu ve bir sahibi var mı? Girdileri kaynağında düzeltebiliyor musunuz? Sorun formdaysa formu düzeltin.
4. Bir sistemi geliştirmeyi, test etmeyi ve izlemeyi karşılayacak kadar hacim var mı?
5. Hatalar yakalanabilir ya da göze alınabilir mi? Bir inceleyiciyle ya da ucuz bir geri almayla.

Birinci ya da üçüncü sorudan geçemeyen bir fikrin ihtiyacı model değil, bir kural ya da bir düzeltmedir. Beş sorudan da geçen bir fikir, ilk iş akışı için dört teste hazırdır. Uzun bir liste için ikinci bir görüş isterseniz, fikirleri geliştirme, satın alma, bekleme ya da durdurma kararlarına ayırmak yapay zeka stratejisi ve keşif çalışmasının bir parçasıdır.