GenAI'ye olan küresel ilgiye rağmen, veri entegrasyonu, analitik ve AI/ML çözümlerinin lideri Qlik tarafından desteklenen IDC'nin son araştırması, şirketlerin bu teknolojilere olan ilgisi ile gerçek hazırlıkları arasında önemli bir fark olduğunu ortaya koyuyor. Kuruluşların %89'u, üretken yapay zekanın ortaya çıkışına yanıt olarak veri yönetim stratejilerini gözden geçirmiş olsa da, yalnızca %26'sı GenAI çözümlerini geniş ölçekte uygulamış ve sadece %12'si ajan tabanlı AI iş akışlarına uygun bir altyapıya sahip olduğunu düşünüyor.
Ağustos 2024'te Qlik tarafından yayımlanan "The Global Impact of Artificial Intelligence on the Economy and Jobs: AI will Steer 3.5% of GDP in 2030" raporuna göre, yapay zekanın 2030 yılına kadar küresel ekonomiye 19.900 milyar dolar katkıda bulunması ve dünya GSYİH'sinin %3,5'ini temsil etmesi bekleniyor. 
Bu eşi görülmemiş fırsat karşısında, şirketler operasyonlarına yapay zekayı entegre etmek için yatırımlarını hızlandırıyor: %41'i GenAI'ye, %16'sı ajan tabanlı yapay zekaya ayrılmış durumda. Ancak, bu çabalara rağmen, IDC'nin anket sonuçları hazırlık eksikliklerini vurgulayarak yetersizliklerini ortaya koyuyor.

Yapısal Zorluklar Nedeniyle Yavaşlayan Benimseme

Araştırmanın belirlediği ana zorluklardan biri veri yönetimi ve yönetişimi.
IDC'de Veri Entegrasyonu ve Zekası Araştırma Başkan Yardımcısı Stewart Bond'un belirttiği gibi:
"Sürdürülebilir ve evrimsel değere sahip AI iş akışlarını kullanmak için, kuruluşlar veri doğruluğu ve yönetişimi ile ilgili temel zorlukların üstesinden gelmelidir."
"Veriyi Ürün Olarak" modeli benimseyen kuruluşlar, yapay zekayı geniş ölçekte uygulama olasılığı yedi kat daha fazla olup, verilerin titiz bir şekilde yapılandırılmasının önemini göstermektedir. Bu model, verilerin bağımsız bir ürün olarak yönetilmesini içerir ve yüksek kalite ve erişilebilirlik standartları gerektirir. Ancak, %94 kuruluş analitik özelliklerini uygulamalarına entegre etmeyi planlasa da, yalnızca %23'ü bunu gerçekten başarmaktadır.
Veri Yönetişimi ve Altyapı: Mücadelenin Nerve Centre'ı
Bu farkı kapatmak için, şirketlerin deneyin ötesine geçip sağlam temeller oluşturmaya odaklanması gerekmektedir:
  • Sıkı bir veri yönetişimi: AI tarafından kullanılan bilgilerin kalitesini, doğruluğunu ve güvenliğini sağlamak.
  • Uygun ve ölçeklenebilir bir altyapı: Kuruluşlar, otonom karar verme süreçlerini destekleyebilecek sistemlere yatırım yapmalıdırlar.
  • Analitik entegrasyonun etkinliği: Verileri, değer yaratmak ve bilinçli karar vermeyi teşvik etmek için kullanılabilir içgörülere dönüştürmek.
Qlik Strateji Direktörü James Fisher, bu dönüşümün önemine vurgu yapmaktadır: 
"Yapay zekanın potansiyeli, kuruluşların yapay zeka değer zincirlerini ne kadar etkili bir şekilde yönetip entegre ettiklerine bağlıdır. Güvenilir ve kullanılabilir içgörüler üretebilen sistemler geliştiremeyen şirketler hızla geride kalacaktır."
IDC raporu, basit bir gerçeği vurgulamaktadır: Coşku yeterli değildir, özellikle somut eylemlere dönüşmekte zorlandığında. GenAI'nin başarılı bir şekilde benimsenmesi, şirketlerin verilerini etkili bir şekilde yapılandırma ve kullanma yeteneğine dayanmaktadır; bu, stratejik bir varlık olup, potansiyeli aksi takdirde yeterince değerlendirilmeyecektir.

Çeviri kaynağı GenAI : selon Qlik, combler l’écart entre ambition et réalité organisationnelle devient urgent pour les entreprises

Daha iyi anlamak

'Data as a Product' modeli nedir ve neden genife e7apta yapay zeka benimsenmesi ie7in f6nemlidir?

'Data as a Product' modeli, verileri fcrfcn gibi ele alarak yfcksek kaliteli standartlar ile yf6netilmelerini saf0lar. Bu, AI ie7in e7ok f6nemlidir e7fcnkfc AI tabanlf0 kararlar ie7in dof0ru ve gfcvenilir verilere erifeimi garanti eder.

Yaratıcı ve ajan tabanlı yapay zeka benimsemesine ilişkin ana düzenleyici zorluklar nelerdir?

Düzenleyici zorluklar veri koruma, yapay zeka model şeffaflığı ve otomatik yanlış kararlar için hesap verebilirlik gibi konuları içerir. Düzenleyiciler, yapay zekanın etik ve yasal standartlara uyumunu sağlamaya çalışıyor.