Fabrikada yapay zekâ projesine başlamadan önce sorulacak 7 soru

Yapay zekâ artık her toplantının gündeminde. Tedarikçiler, danışmanlar ve fuar standları "yapay zekâ ile verimliliği artırın" diyor. Peki bir fabrika sahibi ya da üretim müdürü olarak bu yatırıma nereden başlamalısınız? Çoğu başarısız proje teknik bir hatadan değil, yanlış sorulmuş ya da hiç sorulmamış sorulardan doğar.

Bu rehberde, bir yapay zekâ projesine bütçe ayırmadan önce masaya koymanız gereken yedi soruyu sade bir dille topladık. Soruların arka planında, ABD Ulusal Standartlar ve Teknoloji Enstitüsü'nün (NIST) yayımladığı Yapay Zekâ Risk Yönetimi Çerçevesi ile OECD'nin yapay zekâ ilkeleri gibi kamuya açık kaynaklar var. Bu belgeler büyük kurumlar için yazılmış olsa da temel mantıkları küçük ve orta ölçekli bir fabrikaya da rahatlıkla uyarlanabilir.

1. Çözmek istediğimiz problem tam olarak ne?

"Yapay zekâ kullanmak" bir hedef değildir; araçtır. İyi bir başlangıç cümlesi şuna benzer: "B hattındaki kalite kontrolde gözden kaçan hatalar müşteri iadelerine yol açıyor." Bu cümlede bir yer, bir kayıp ve bir sonuç var.

Problemi yazarken şu üç şeyi netleştirin:

• Kim etkileniyor? Operatör mü, satış ekibi mi, müşteri mi?
• Bugün nasıl çözülüyor? Elle mi, tecrübeyle mi, hiç mi?
• Çözülürse ne değişir? Daha az fire, daha hızlı teklif, daha az duruş?

Problemi bir cümleyle anlatamıyorsanız, proje henüz hazır değildir.

2. Bu iş için gerçekten yapay zekâ gerekiyor mu?

Birçok sorun basit bir otomasyonla, iyi tasarlanmış bir tabloyla ya da süreç değişikliğiyle çözülür. Kurallar açıksa ("sıcaklık şu değeri geçerse alarm ver"), klasik otomasyon hem daha ucuz hem de daha öngörülebilirdir.

Yapay zekâ genellikle şu durumlarda anlam kazanır:

• Kuralların yazılamayacak kadar karmaşık olduğu işler (örneğin görüntüden hata tanıma),
• Çok sayıda belgenin okunup özetlenmesi gereken işler,
• Geçmiş verilerden örüntü çıkarılması gereken tahmin işleri.

Önce en basit çözümü sorun. Basit çözüm yetmiyorsa yapay zekâ masaya gelsin.

3. Elimizde yeterli ve düzgün veri var mı?

Yapay zekâ sistemleri veriyle beslenir. Verisi dağınık, eksik ya da yanlış olan bir işletmede en gelişmiş model bile hatalı sonuç üretir. NIST çerçevesi de güvenilir bir sistemin temel şartlarından birinin, verinin kalitesinin ve kaynağının bilinmesi olduğunu vurgular.

Kendinize sorun:

• İlgili veriler nerede tutuluyor? Makinede mi, defterde mi, birinin bilgisayarında mı?
• Veriler düzenli kaydediliyor mu, yoksa sadece sorun çıkınca mı?
• Bu verilere kimler erişebiliyor ve kişisel veri içeriyor mu?

Kişisel veri içeren her projede Kişisel Verilerin Korunması Kanunu'na uyumu baştan planlamak gerekir. Bu konuda hukuk danışmanınızın görüşünü almadan ilerlemeyin.

4. Başarıyı hangi sayıyla ölçeceğiz?

Projeye başlamadan önce bugünkü durumu ölçün. "Daha iyi olacak" değil, "iade oranı şu seviyeden şu seviyeye inecek" diyebilmelisiniz. Başlangıç değerini bilmezseniz, üç ay sonra yatırımın işe yarayıp yaramadığını kimse söyleyemez.

İyi bir ölçüt:

• Herkesin anlayacağı kadar basittir,
• Mevcut sistemlerden kolayca çekilebilir,
• Doğrudan paraya ya da zamana bağlanabilir.

5. Sistem yanılırsa ne olur?

Her yapay zekâ sistemi zaman zaman hata yapar. Önemli olan, hatanın bedelinin ne olduğunu önceden bilmektir. Bir teklif taslağındaki yazım hatası ile bir güvenlik sensörünün yanlış kararı aynı risk seviyesinde değildir.

NIST çerçevesi riskleri haritalamayı, ölçmeyi ve yönetmeyi önerir. Fabrika diline çevirirsek:

• Haritalama: Sistem hangi kararları etkiliyor?
• Ölçme: Ne sıklıkla yanılıyor ve yanıldığında ne kaybediliyor?
• Yönetme: Son kararı kim veriyor, hata fark edilince ne yapılıyor?

Özellikle başlangıçta, kritik kararlarda son sözü bir insanın vermesi en güvenli yoldur.

6. Ekibimiz bu değişime hazır mı?

En iyi sistem bile kullanılmazsa değer üretmez. Operatörler yeni aracı bir tehdit olarak görürse veri girişini aksatır, uyarıları görmezden gelir. OECD ilkeleri de yapay zekânın insan odaklı ve şeffaf olması gerektiğini vurgular.

Pratikte bu şu anlama gelir:

• Projeyi sahada çalışan kişilerle birlikte tasarlayın.
• Sistemin neden o kararı verdiğini anlaşılır şekilde gösterin.
• Kısa ve uygulamalı eğitimler planlayın.
• Projenin içinden bir "sahibi" belirleyin; her şey dış firmaya bırakılmasın.

7. Küçük başlayıp nasıl büyüyeceğiz?

Tüm fabrikayı bir anda dönüştürmeye çalışmak, en sık görülen hatalardan biridir. Bunun yerine tek bir hat, tek bir süreç ya da tek bir departmanla başlayın. Kısa bir deneme süresi belirleyin, sonuçları ölçün, sonra karar verin.

İyi bir deneme planı şunları içerir:

1. Net bir başlangıç ve bitiş tarihi,
2. Önceden belirlenmiş bir başarı ölçütü,
3. Başarısızlık durumunda nasıl geri dönüleceği,
4. Başarı durumunda hangi süreçlere yayılacağı.

Kısa kontrol listesi

Bir yapay zekâ teklifini değerlendirirken bu yedi soruyu tedarikçinize de sorun:

• Problemimizi bir cümleyle tarif edebiliyor muyuz?
• Daha basit bir çözüm denendi mi?
• Veri nerede, ne kadar temiz ve kimin?
• Başarıyı hangi sayıyla ölçeceğiz?
• Sistem yanılırsa bedeli ne ve son kararı kim veriyor?
• Ekip sürece dâhil mi?
• Deneme ne kadar sürecek ve sonra ne olacak?

Bu sorulara net cevap verebiliyorsanız, yatırımınız şansa değil plana dayanıyor demektir. Cevaplardan emin değilseniz, Atomaxis olarak ilk adımı birlikte netleştirmekten memnuniyet duyarız.