Analitik bilgi idaresi konusunda Türkiye’nin öncü kurumu AIMS 360º Yapay Zeka & İdare Tahlilleri, tarafınca düzenlenen AIMS 360º Analitik Zeka Konferansı, Hilton Bomonti’de düzenlendi. Konferansta yapay zekanın günlük hayatın ortasında karşımıza çoğunlukla çıktığı ve 2030’lu senelerda her işin gerisinde analitik zekanın olacağı öngörüldü. Bu doğrultuda şirketlerin epeyce geçmeden yanlışsız yatırımları yapması için, analitik çalışmalarda yaşanan küresel gelişmeler ve şirketleri analitik çalışmalarda istedikleri hedefl ere taşıyan AIMS 360 analitik zeka tahlilleri anlatıldı.
AIMS “360º Analitik Zeka Çözümleri” ile şirketlerin işleyişlerinin her etabında toplanan ham dataları aksiyon alınabilir bilgiye dönüştürerek, kurum ve kuruluşların işleyişlerinin her etabında yanlışsız vakitte hakikat kararlar almasını hedefl iyor. Bu hedefle düzenlenen AIMS 360 Analitik Zeka konferans serisinin sonuncusu ‘Ekonomi Nereye Gidiyor? Yapay Zeka ne Vadediyor?’ isimli panel ile açılış yaptı. AIMS Yapay Zeka ve İdare Tahlilleri Kurucu Lideri Dr. Tülin Hoş, Dünya Gazetesi (NBE) İdare Heyeti Lideri Hakan Güldağ, Dünya Gazetesi Yayın Heyeti Lideri Gurur Oğuz, Yapay Zeka ve Teknoloji Derneği Kurucu Lideri Esen Girit Tümer panelde konuşmacı olarak yer aldı.
Yapay zeka, işletmelerin günlük faaliyetlerinde akan dataları hakikat değerlendirmesine yardımcı oluyor
AIMS Yapay Zeka ve İdare Tahlilleri Kurucu Lideri Dr. Tülin Hoş, 2000 yılından günümüze ham dataların kurumların karar basamaklarında entegre edilecek nitelikli bilgiye ve organik zekaya dönüştürülecek hayli sayıda çalışmaya imza attıklarını söylemiş oldu. Tülin Hoş şu biçimde konuştu: “Günümüzde yapay zeka moda oldu. 2000 yılında yaptığımız işi insanlara anlatmaya çalışırken en çok ‘bizim bilgimiz yok’ reaksiyonunu alıyorduk. Beşerler bilgileri olduğunu, bu dataları tahlil etmedikleri sürece data idaresi yapamayacaklarını anlamış durumdalar. CRM sistemiyle müşterinin satın alma verisini bir yerde tutmaya başladık. Bugün ‘müşteriye hangisi hangi eseri hangi kanalda önerirsem; evet der’i öğrendik. Bunun yanı sıra müşterileri kaybetmedilk evvel kaybedebileceğinin farkına varabileceğimizi öğrendik. Teknolojiyi içselleştirirken, dijitalleşirken bilgi yığınlarını hakikat yönetebilirlerse riski ön nazaranbilecekler. Riski oluşmadan engellemek mümkün. İşletmelerimizin günlük hayatında akan dataları hakikat kıymetlendirmemiz gerekiyor. Burada da yardımcımız yapay zeka.”
Pandemi sıhhatte teknolojik gelişmeleri hızlandırdı
Yapay Zeka ve Teknoloji Derneği Kurucu Lideri Esen Girit Tümer de şunları söylemiş oldu: “Sağlıkta artık her alanda ömrün ortasında teknoloji kullanıyor. Akıllı saatim ben kalp krizi geçirdiğimi anlamasam bile haberim olmadan ambulansı arayabilir, hastaneyi arayabilir. Sıhhat teknolojilerinde ilerleme var ancak homojen olarak dağılmış değil. Pandemi sıhhatte teknolojik gelişmeleri hızlandırdı. Online dijital tabiplerimiz varken, artık dijital hekiminizin doktor oraPandemi sıhhatte teknolojik gelişmeleri hızlandırdı Yapay Zeka ve Teknoloji Derneği Kurucu Lideri Esen Girit Tümer de şunları söylemiş oldu: “Sağlıkta artık her alanda ömrün ortasında teknoloji kullanıyor. Akıllı saatim ben kalp krizi geçirdiğimi anlamasam bile haberim olmadan ambulansı arayabilir, hastaneyi arayabilir. Sıhhat teknolojilerinde ilerleme var ancak homojen olarak dağılmış değil. Pandemi sıhhatte teknolojik gelişmeleri hızlandırdı. Online dijital hekimlerimiz varken, artık dijital hekiminizin doktor oradaymış üzere heptik eldivenlerle sizi muayene ediyor. Hastane yapısına gereksinim kalmadan muayene yapılacak. Derin makine öğrenmesi ile birlikte biz yapay zekaya ‘kalp sıhhati riski olanları bulalım dediğimizde’ Bu kitlenin yüzde 80’de kalp riski var diyor lakin bir yandan da sormadığım soruya da yanıt veriyor. Yüzde 10’unda da şu risk var diyebiliyor. Teknoloji tsunami üzere lakin görmezden gelirsek müthiş. Yoksa bu tsunamide sörf yapar üzere teknoloji bize hizmet eder hale gelebilir.”
Aile şirketleri teknolojiyi gereğince kullanamıyor
DÜNYA Gazetesi Yayın Heyeti Lideri Erdem Oğuz, “Türkiye’deki aile şirketlerinde en değerli sıkıntılardan biri kurumsallaşamama başkası de teknolojiyi yetkinlikle kullanamama. Artık moda olan bir şeyi şirketinize uygulamanız yetmiyor. Şirketinize uyduramıyorsanız olmuyor. Teknolojiyi şirketlerinizde kullandığınız vakit iş süreçlerinize yüzde 15 katkı sağlar. Bunun yerine şirketinizi zihninizde dönüşümü sağlar, iş süreçlerinizi, bağlantı süreçlerinizi daha evvel var olmayan bilgi süreçlerinizi tasarlayıp, teknolojiyi onun hizmete verirseniz bu biçimde verimlilik 90’lara çıkar. Artık ben Türkiye’de dijital dönüşerek batanları biliyorum. Teknolojiye de ‘o yapıyor ben de yapayım’ diye yatırım yapıyor. Teknolojiyi neyin buyruğuna veriyorsanız onu donanımlı hale getiriyorsunuz. Teknolojiyi ilkelliğinizin buyruğuna veriyorsanız. Onu donanımlı hale getiriyorsunuz. Birden fazla şirkette ben bunu gördüm. Artık yeni bir moda var: Yapay zeka. Moda diyorum zira kavram bir yerde icat olur olmaz Türkiye alır. Lafı var, kendisi yok. Gerisini nasıl dolduracağız, ona bakmıyoruz. süratle gelişen teknolojinin haricinde kalmak olağan ki yanlışsız değil. Fakat sana hangi teknoloji uyuyorsa onu almak önemli” diye konuştu.
Teknolojik olarak atılıma muhtaçlık var
DÜNYA Gazetesi (NBE) İdare Şurası Lideri Hakan Güldağ da şunları anlattı: “Biliyoruz ki büyük bir dönüşüme gereksinim var. Bunun bir plan dahilinde yapılması lazım. Şunu biliyoruz ki Afrika’ya bisküvi satarak Türkiye’nin faz atlaması mümkün değil. Belirli yüksek teknolojiler üretemeyiz çabucak, lakin yüksek teknolojili eserler gerekiyor. Türkiye’yi teknoloji ülkesi haline getirmemiz gerekiyor, buna fırsat da var. Yeni sanayi ihtilalinin ortaya çıkardığı bütün teknolojiler nanoteknoloji, gen bilimi, robotik her bir kesimi dönüştürme kabiliyetine sahip. Bizim artık dokumadan nanoteknolojiye geçelim üzere bir durumumuz yok ancak dokumaya de nanoteknoloji tattığınız vakit oradan teknolojik sıçrama yapmanız rekabet gücünüzü artırmanız mümkün. Devlet Planlama Teşkilatı kapanalı 12 yıl oluyor lakin gereksinim var. Dünyadaki örnekler üzere temel bilimler yasası çıkarmamız ve temel bilimler enstitüsü kurmamız lazım. Kesinlikle teknolojik olarak atılıma muhtaçlık var.”
“Biroldukça platformda yapay zekaya data sağlayıcısıyız”
Konuşmasına, “Hep yapısal bilgilerle çalışıyorduk. Yapısal bilgiler, iş muhtaçlığına bakılırsa saklanan bilgilere deniyor. Bunu çoğunlukla kullanıyoruz” diyerek başlayan AIMS Data ve Yapay Zeka Tahlilleri Müdürü Hakan Çınar, şu biçimde konuştu: “yaşamımıza kendi ortasında net bir bilgiyi içeren çeşitli data sürece metotlarıyla üretilmiş yarı yapısal datalar geldi. Ses verileri, fotoğrafların işlenmesi üzere yapısal olmayan datalar de geldi. Bilgi çeşitliliğinin artması tahlillerin artmasına da yol açtı. Yapısal olmayan bilgilerin birikme suratı yapısal bilgilere oranla daha fazla şu anda. Bölümde kullanılan bilgilerin yüzde 80’inden çoksı yapısal olmayan bilgilerden oluşuyor. Yapay zeka ile birinci başta makineler insan üzere karar versin isteniyordu, kural bazlı ilerliyordu. Yapay zekanın bir alt kolu olan makine öğrenmesi sırası geldi. Bilgiyi incelesin çeşitli tahliller yapsın karar alsın’ istedik. Yarı yapısal ya da yapısal olmayan bilgilerle bir arada bunun üzerinde tahlil yapma derin öğrenme kavramı geldi. Katmanlar artırıldı, karar bilgilerin aksiyon alma basamakları geliştirildi. Günümüzden en kıymetli konulardan biri bilgiyi saklamak. Kurumlar kendi iş gereksinimlerine göre farklı data tiplerine muhtaçlık duyuyor. Örneğin alışveriş kartının süreçlerini takip edeceksiniz sizin sahip olmanız gereken anahtar dataları saklayabilecek olan bir data tabanına muhtaçlık duyuyorsunuz. Resimsel verileri saklayacağınız grafb ase dediğimiz veritabanına gereksinim duyuyorsunuz. Anında tahlil yapan kararınu gösteren bir iş sürecindeyseniz geniş kolonlara sahip olan bir data tabanına gereksinim duyuyorsunuz. Her muhtaçlığa nazaran bilgi tabanı muhtaçlığı da değişiyor. Birfazlaca uygulamanın kendine ilişkin charbotları var. Örneğin yemek siparişi verdiğinizde kesinlikle yapay zeka kullanıyorsunuz. Karşılaştığımız biroldukça platformda aslında yapay zekaya bilgi sağlayıcısıyız. örneğin ATM’lerde paranın ne kadarda tükeneceğini bile varsayım edebilir durumdayız. Sanayi üretimde makinelerin kendine ilişkin sensörleri var. Bozulma müddetlerini de üretime tesiri de iddia ediliyor. Bu makine bu biçimde çalışmaya devam ederse önümüzdeki hafta şu kadar üretebilir üzere kestirimlere de yanıt veriyor.”
Analitiğin bize kattığı hayli hoş bir yarar var
Sunumda finansal sahtekarlıkları yapay zeka ile gerçek vakitli çözebileceğini anlatan AIMS Profesyonel Hizmetler Genel Müdür Yardımcısı Doruk Oğuz da, şunları söylemiş oldu: “Hem sahtekarlık var mı bakarken süratle yapılması gerekiyor. Yanlış alarmı da minimumda tutmak gerekiyor. Dış kaynağa bağlı olmadan müdahale edeceğimiz bir hale getirmek gerekiyor. Tahlillerin sizin data yapılarınıza uyacak biçimde esnek olması gerekiyor. İş bilginizle biroldukca farklı kural seti yazıp bu iş kurallarını yakalayacak biçimde süreçleri yönetebilirsiniz. Lakin analitiğin bize kattığı hayli hoş bir yarar var. Gözümüzden kaçan farklı farklı dinamikler olabiliyor ya da değişen trendlere süratli adapte olamıyoruz. Burada analitik devreye giriyor ve yapay zekanın sunmuş olduğu esnek ve süratli tahlil yaklaşımıyla birlikte artık yalnızca sizin geçmişte yakalamış olduğunuz deneyimlerinizle birlikte tespit etmiş olduğunuz kurallara bakarak bir öğrenme yapmıyor hem de müşterinin hareket usulündeki değişimler web sayfasında kalma müddeti menüler içindeki geçiş sıklığı üzere dataları dikkate alacak biçimde internet sayfamda gezen müşteri Doruk mudur tahlilini yapacak bir noktaya geliyoruz. Müşterinin hareket şeklindeki anomalileri de bulup müşteri özelinde bu süreç Doruk’a ilişkin olamaz skorunu size verecek dinamikliğe erişebiliyorsunuz. Bunu yapmak için art tarafta kuvvetli bir platform kurmak gerekiyor. Süreç şu biçimde ilerliyor: Elimizde milyonlarca satır datalar var. Bunların ortasında sizin daha evvel hayatış olduğunuz ve tespit etmiş olduğunuz farklı sahtekarlık case’leriniz var. Kural setlerinizi çıkarttığı alarm olarak nazaranceğiniz kırmızı listeleri görüyorsunuz. Bunlar kredi kartı harcanması, para transferi harcanması olabilir acentenin kesmiş olduğu BES poliçesi bile olabilir. Kırmızı listeyi sizin kural setlerinizle çaprazladığınızda ortaya çıkan kesişim kümesi bizim için yakalanan sahtekarlık oluyor. Bunları aslına bakarsanız yapabiliyoruz. Biz bunun bir ötesine geçmek istiyoruz. Kırmızı listeyi adım adım incelemesi gerekiyor. Vakit kısıtlı süreç yüksek tek tek bakamayacağınız bir noktaya geliyor, burada analitik devreye giriyor. Bizim için ‘hepsine bakmakla uğraşma, yüzde 1’lik şu kitleye bak’ diyor. Daha yüksek riskli süreçleri evvelandiriyor. Yakalama oranlarımız yükseliyor. Müşteri bazında kart numarası bazında anomali hareketlerini nazaranbiliyoruz. Biz gözümüzü daha evvel yakalanmayan olaylara çevirmiş durumdayız. Kullandığımız algoritmalar müşteri hareket üslubuna uygun olmayan problemleri bulmaya başlıyor. Daha evvel gözümüzün görmediği süreçleri yakalamaya başlıyoruz. Biroldukça farklı bir dolandırıcılıkla karşılaşıyoruz. Bu metotlar için de farklı farklı modeller çalıştırmanız gerekiyor. Sahtekarlık başka analitik modellerinden biraz farklı. Çok süratli bir biçimde yapılması gerekiyor. ötürüsıyla art tarafta yeni kural yazmak için fazla vaktiniz yok. Harcadığınız vakit karşılaşabileceğiniz sahtekarlık kayıpları haline gelmeye başlayacak. Akan datalarınız üzerinde gerçek vakitli tahlil ediyor. Kullanacağınız vakit kural setleri yazıp size veriyor. hem de hangi münasebetlerle hangi kural setiyle yakaladığını da gorebiliyorsunuz.”
“Güvenilir yapay zeka kavramı ön plana çıkıyor”
AIMS Bilgi ve Yapay Zeka Tahlilleri Müdürü Yılmaz Meral, ‘Gerçek Vakitli Yapay Zeka Çalışmalarının Önündeki Maniler & Tahlil Fırsatları Neler?’ isimli sunumunda şunları anlattı: “90’lı senelerda şirketlerin kaygısı eser satmaktı. 2000’li senelerda şirketlerin eser yanında hizmet satması da gerekti. 2010’lu senelera müşteri tecrübesini en yüksek tutmaya çalıştı. Günümüzde tüm bunları bir ortada yapabilmek, aksiyon alabilmek için art tarafta datayı toplamamız gerektiğini biliyoruz. Eserleri sayfada listeledikten ‘bunu alan bunu aldı’ teklif yapısı kurmak gerekiyor. Bu da yapay zekayla oluyor. Data bilimci konusunda talep hayli fazla lakin arz fazlaca az. Bilgiye bağlandık modeli kurduk, kodlarını oluşturmak gerekir bunu da çözmek gerekir. Modellerin de bilgi ile yaşatılması gerekir. Modeli izlemeye aldığınızda kimi kitlelere önyargılı davranıyor olabilir, bunun önüne geçmeniz gerekir. Müşteri için varsayım yaptığımda niçinlerinin açıklayıcılığı da olması gerekir. Emniyetli yapay zeka kavramı ön plana çıkıyor. Bilgilerimize, modellerimize ve sürecimize güveniyorsak, pürüzleri olmayan yapay zeka uygulaması yapmışız demektir. İnsanların %68’i banka kredi onaylanmasında yapay zeka yerine insanlara güveniyor. Tahminen burada kurulan modellerde sorun var. Sağlam yapay zeka olması için, açıklanabilir kime, neyi, niye söylemiş olduğini bilmeliyim. Adil olmalı. Denetlenebilir olmalı. Ön yargı olmamalı. İki kurumdan biri bilgiyi yönetemiyor. Bilgi bilimcilerin yüzde 42’si modelleri izlemiyor. Bilgi bilimi çalışanlarının yetenekleri yüksek olmaması en büyük problemlerden birisi. Data bilimcileri iş ilan sayısı, arayan sayılarının 3 kat daha fazla.”
“Her müşteriyi şahsi olarak tanımaya yardımcı oluyor”
AIMS Bilgi ve Yapay Zeka Tahlilleri Müdürü Zeynel Serdar Öztürk, 360 derece yapay zeka sunumunda, IMS’nin her bölümlere dokunduğunu, bütün tahlil ve bileşenlerin her kesime uyumlu olduğunu belirtti. Zeynel Serdar Öztürk şu ayrıntıları verdi: “Önce data haritası tasarlıyoruz. İkinci basamakta analitik vizyon workshopu yapıyoruz. İş takımı ile yapılan görüşmelerden daha sonra IT takımıyla görüşüyoruz. İş grubunun istediği çalışma ile ilgili art planda bize bilgi sağlayabiliyor mu, donanım ya da yazılım var mı buna bakıyoruz. Ortaya ayrıntılı kapsam dokümanı çıkarıyoruz. Her çalışma için uygun bilgi lazım. Analitik data sözlüğü ortaya çıkarıyoruz. Tüm bunlar yapıldıktan daha sonra analitik çalışmalar yapılabilir formata geliyor. Bu çalışmalardan birincisi analitik CRM. Müşterilerimizi kuruma kattıkları bedele bakılırsa piramit yapısına oturtmamız gerekiyor. Müşteriyi art planda tanımaya çalışıyoruz. Müşteri pahalıysa elinizde tutmaya çalışırsınız. Akabinde demografik segmentasyon geliyor. Bu müşteriyi ayrıntılı bir biçimde tanımak. Potansiyel paha segmentasyonu ile kuruma paha katacak müşteriyi arıyoruz. daha sonra davranış ve ömür usulü segmentasyonu geliyor. Art planda ‘müşteriyle kampanya çıkacağım hangi kanaldan çıkarsam bana geri dönüşü olur, hangi eserin hangi gramajını tercih ediyor’ üzere ayrıntıları biliyoruz. Her müşteriye birebir yaklaşmamalıyız. Her müşteri misal davranışlar sağlamıyor. İki müşteri de pahalıdır fakat biri irtibat kanallarında ayrılabilirler. Biri dijitali tercih ederken birisi yüz yüze bağlantısı tercih edebilir. İkisi de başka yaklaşmak gerekir. Her müşteriyi ayrıntılı görüyor oluyoruz. Art planda yapılan çalışmalar kararında ‘bu bedel segmentinde şu davranışı gösteren müşteriyi korumalıyım’ diyebiliriz. Eser eğilim modellemesi; müşterilerin her birinin kurumun sağladığı eserlerden hangisine eğilim göstereceğini anlamamızı sağlıyor. Eser eğilim modellemelerinin kıymetli noktası; a eserini hangi kanal üzerinden sunmalıyım’ sonucunı da vermeye yardımcı oluyor. Art planda yapılan çalışmalar kararında spesifik olarak ‘şu kitleye sahip müşteriler şunları almaya daha eğilimli’ diyebileceğimiz bir yapıyı sunuyoruz. Şikayet ve talep segmentasyonu art planda göz gerisi edilen noktalardan biri. Müşteriyi terk etme eğilimine giriyorsa ondan evvel basamaklarda müşteriyi tanıyarak tedbir alabiliriz. Eser eğilimi anladıktan daha sonra kampanya çıkıyoruz. Müşterinin kampanyaya verdiği karşılığı da incelemeliyiz. Art planda hangi kanaldan hangi saatte çıkılması gerekiyor bunu da öğreniriz. Müşterileri eser bazında da kıymetlendirerek kurumumu eseri mü terk etmeye çalışıyor bunu da anlıyoruz. Hayat Uzunluğu Bedel Modellemesi ile müşteriler bize şu anda bedel katıyorlar ileriki devirde ne kadar bedel katacak bilmiyorum. Bunu önce ön görüyor. Kanal Analitiği ile müşterinin her kanal bazında ne pahası var onu da belirliyoruz. örneğin müşteriler, öğlen içinde bir kanalı daha fazla kullanıyor. Spesifik olarak kampanyamı o saatte o kanala çıktığımda daha fazla geri dönüş alabilirim. Kanallara terk etme eğilim modellerine geldiğimizde bir kanalı terk ederken öbür kanala eğilimi yükseliyor olabilir buna da bakıyoruz. Analitik gaye idaresi çözümümüzle gayesi art plandaki yapıya nasıl oturtacağımıza karar veriyoruz. Her bir şubenin ya da mağazanın geçmişte gösterdiği bedellerle, daha sonraki periyotta nereye gideceğini ölçüyoruz. Yapay zeka lokasyon tahlili şirketimizin TÜBİTAK takviyesi ile yaptığı bir çalışma hem de. Şubelerin, mağazaların beklenen performansı gösterip göstermediğini bulabiliyoruz. Arkaplanda potansiyeli biliyoruz ve maksadı veriyoruz. niye yapamadığına bakıyoruz. Analitik suistimal idaresi tahlilimiz ile 3 basamaklı yol haritası yaklaşıyoruz. Birinci basamakta daha evvelki suistimalleri bildiğimiz için bunlarla ilgili aksiyon alıyoruz. İkinci basamakta öngürüsel modellemeler devreye giriyor. Bu modellerle birlikte o suistimali yapan duruma uygun amaç belirliyoruz. Suistimal mümkünlüğü var üzere skorlar veriyoruz. Analitik İK idaresi ile çalışanlarımızın verimliliklerini de belirliyoruz. Çalışan hayli çalışıyor lakin tahlil getiremiyor ya da epeyce süratli tahlil getiriyor bu bilgileri gorebiliyoruz. Çalışan terk etme mümkünlüğü da gorebiliyoruz. Çalışanı gelecekte pahalı olup olmayacağını da ön bakılırsabiliyoruz.”
Okumaya devam et...
AIMS “360º Analitik Zeka Çözümleri” ile şirketlerin işleyişlerinin her etabında toplanan ham dataları aksiyon alınabilir bilgiye dönüştürerek, kurum ve kuruluşların işleyişlerinin her etabında yanlışsız vakitte hakikat kararlar almasını hedefl iyor. Bu hedefle düzenlenen AIMS 360 Analitik Zeka konferans serisinin sonuncusu ‘Ekonomi Nereye Gidiyor? Yapay Zeka ne Vadediyor?’ isimli panel ile açılış yaptı. AIMS Yapay Zeka ve İdare Tahlilleri Kurucu Lideri Dr. Tülin Hoş, Dünya Gazetesi (NBE) İdare Heyeti Lideri Hakan Güldağ, Dünya Gazetesi Yayın Heyeti Lideri Gurur Oğuz, Yapay Zeka ve Teknoloji Derneği Kurucu Lideri Esen Girit Tümer panelde konuşmacı olarak yer aldı.
Yapay zeka, işletmelerin günlük faaliyetlerinde akan dataları hakikat değerlendirmesine yardımcı oluyor
AIMS Yapay Zeka ve İdare Tahlilleri Kurucu Lideri Dr. Tülin Hoş, 2000 yılından günümüze ham dataların kurumların karar basamaklarında entegre edilecek nitelikli bilgiye ve organik zekaya dönüştürülecek hayli sayıda çalışmaya imza attıklarını söylemiş oldu. Tülin Hoş şu biçimde konuştu: “Günümüzde yapay zeka moda oldu. 2000 yılında yaptığımız işi insanlara anlatmaya çalışırken en çok ‘bizim bilgimiz yok’ reaksiyonunu alıyorduk. Beşerler bilgileri olduğunu, bu dataları tahlil etmedikleri sürece data idaresi yapamayacaklarını anlamış durumdalar. CRM sistemiyle müşterinin satın alma verisini bir yerde tutmaya başladık. Bugün ‘müşteriye hangisi hangi eseri hangi kanalda önerirsem; evet der’i öğrendik. Bunun yanı sıra müşterileri kaybetmedilk evvel kaybedebileceğinin farkına varabileceğimizi öğrendik. Teknolojiyi içselleştirirken, dijitalleşirken bilgi yığınlarını hakikat yönetebilirlerse riski ön nazaranbilecekler. Riski oluşmadan engellemek mümkün. İşletmelerimizin günlük hayatında akan dataları hakikat kıymetlendirmemiz gerekiyor. Burada da yardımcımız yapay zeka.”
Pandemi sıhhatte teknolojik gelişmeleri hızlandırdı
Yapay Zeka ve Teknoloji Derneği Kurucu Lideri Esen Girit Tümer de şunları söylemiş oldu: “Sağlıkta artık her alanda ömrün ortasında teknoloji kullanıyor. Akıllı saatim ben kalp krizi geçirdiğimi anlamasam bile haberim olmadan ambulansı arayabilir, hastaneyi arayabilir. Sıhhat teknolojilerinde ilerleme var ancak homojen olarak dağılmış değil. Pandemi sıhhatte teknolojik gelişmeleri hızlandırdı. Online dijital tabiplerimiz varken, artık dijital hekiminizin doktor oraPandemi sıhhatte teknolojik gelişmeleri hızlandırdı Yapay Zeka ve Teknoloji Derneği Kurucu Lideri Esen Girit Tümer de şunları söylemiş oldu: “Sağlıkta artık her alanda ömrün ortasında teknoloji kullanıyor. Akıllı saatim ben kalp krizi geçirdiğimi anlamasam bile haberim olmadan ambulansı arayabilir, hastaneyi arayabilir. Sıhhat teknolojilerinde ilerleme var ancak homojen olarak dağılmış değil. Pandemi sıhhatte teknolojik gelişmeleri hızlandırdı. Online dijital hekimlerimiz varken, artık dijital hekiminizin doktor oradaymış üzere heptik eldivenlerle sizi muayene ediyor. Hastane yapısına gereksinim kalmadan muayene yapılacak. Derin makine öğrenmesi ile birlikte biz yapay zekaya ‘kalp sıhhati riski olanları bulalım dediğimizde’ Bu kitlenin yüzde 80’de kalp riski var diyor lakin bir yandan da sormadığım soruya da yanıt veriyor. Yüzde 10’unda da şu risk var diyebiliyor. Teknoloji tsunami üzere lakin görmezden gelirsek müthiş. Yoksa bu tsunamide sörf yapar üzere teknoloji bize hizmet eder hale gelebilir.”
Aile şirketleri teknolojiyi gereğince kullanamıyor
DÜNYA Gazetesi Yayın Heyeti Lideri Erdem Oğuz, “Türkiye’deki aile şirketlerinde en değerli sıkıntılardan biri kurumsallaşamama başkası de teknolojiyi yetkinlikle kullanamama. Artık moda olan bir şeyi şirketinize uygulamanız yetmiyor. Şirketinize uyduramıyorsanız olmuyor. Teknolojiyi şirketlerinizde kullandığınız vakit iş süreçlerinize yüzde 15 katkı sağlar. Bunun yerine şirketinizi zihninizde dönüşümü sağlar, iş süreçlerinizi, bağlantı süreçlerinizi daha evvel var olmayan bilgi süreçlerinizi tasarlayıp, teknolojiyi onun hizmete verirseniz bu biçimde verimlilik 90’lara çıkar. Artık ben Türkiye’de dijital dönüşerek batanları biliyorum. Teknolojiye de ‘o yapıyor ben de yapayım’ diye yatırım yapıyor. Teknolojiyi neyin buyruğuna veriyorsanız onu donanımlı hale getiriyorsunuz. Teknolojiyi ilkelliğinizin buyruğuna veriyorsanız. Onu donanımlı hale getiriyorsunuz. Birden fazla şirkette ben bunu gördüm. Artık yeni bir moda var: Yapay zeka. Moda diyorum zira kavram bir yerde icat olur olmaz Türkiye alır. Lafı var, kendisi yok. Gerisini nasıl dolduracağız, ona bakmıyoruz. süratle gelişen teknolojinin haricinde kalmak olağan ki yanlışsız değil. Fakat sana hangi teknoloji uyuyorsa onu almak önemli” diye konuştu.
Teknolojik olarak atılıma muhtaçlık var
DÜNYA Gazetesi (NBE) İdare Şurası Lideri Hakan Güldağ da şunları anlattı: “Biliyoruz ki büyük bir dönüşüme gereksinim var. Bunun bir plan dahilinde yapılması lazım. Şunu biliyoruz ki Afrika’ya bisküvi satarak Türkiye’nin faz atlaması mümkün değil. Belirli yüksek teknolojiler üretemeyiz çabucak, lakin yüksek teknolojili eserler gerekiyor. Türkiye’yi teknoloji ülkesi haline getirmemiz gerekiyor, buna fırsat da var. Yeni sanayi ihtilalinin ortaya çıkardığı bütün teknolojiler nanoteknoloji, gen bilimi, robotik her bir kesimi dönüştürme kabiliyetine sahip. Bizim artık dokumadan nanoteknolojiye geçelim üzere bir durumumuz yok ancak dokumaya de nanoteknoloji tattığınız vakit oradan teknolojik sıçrama yapmanız rekabet gücünüzü artırmanız mümkün. Devlet Planlama Teşkilatı kapanalı 12 yıl oluyor lakin gereksinim var. Dünyadaki örnekler üzere temel bilimler yasası çıkarmamız ve temel bilimler enstitüsü kurmamız lazım. Kesinlikle teknolojik olarak atılıma muhtaçlık var.”
“Biroldukça platformda yapay zekaya data sağlayıcısıyız”
Konuşmasına, “Hep yapısal bilgilerle çalışıyorduk. Yapısal bilgiler, iş muhtaçlığına bakılırsa saklanan bilgilere deniyor. Bunu çoğunlukla kullanıyoruz” diyerek başlayan AIMS Data ve Yapay Zeka Tahlilleri Müdürü Hakan Çınar, şu biçimde konuştu: “yaşamımıza kendi ortasında net bir bilgiyi içeren çeşitli data sürece metotlarıyla üretilmiş yarı yapısal datalar geldi. Ses verileri, fotoğrafların işlenmesi üzere yapısal olmayan datalar de geldi. Bilgi çeşitliliğinin artması tahlillerin artmasına da yol açtı. Yapısal olmayan bilgilerin birikme suratı yapısal bilgilere oranla daha fazla şu anda. Bölümde kullanılan bilgilerin yüzde 80’inden çoksı yapısal olmayan bilgilerden oluşuyor. Yapay zeka ile birinci başta makineler insan üzere karar versin isteniyordu, kural bazlı ilerliyordu. Yapay zekanın bir alt kolu olan makine öğrenmesi sırası geldi. Bilgiyi incelesin çeşitli tahliller yapsın karar alsın’ istedik. Yarı yapısal ya da yapısal olmayan bilgilerle bir arada bunun üzerinde tahlil yapma derin öğrenme kavramı geldi. Katmanlar artırıldı, karar bilgilerin aksiyon alma basamakları geliştirildi. Günümüzden en kıymetli konulardan biri bilgiyi saklamak. Kurumlar kendi iş gereksinimlerine göre farklı data tiplerine muhtaçlık duyuyor. Örneğin alışveriş kartının süreçlerini takip edeceksiniz sizin sahip olmanız gereken anahtar dataları saklayabilecek olan bir data tabanına muhtaçlık duyuyorsunuz. Resimsel verileri saklayacağınız grafb ase dediğimiz veritabanına gereksinim duyuyorsunuz. Anında tahlil yapan kararınu gösteren bir iş sürecindeyseniz geniş kolonlara sahip olan bir data tabanına gereksinim duyuyorsunuz. Her muhtaçlığa nazaran bilgi tabanı muhtaçlığı da değişiyor. Birfazlaca uygulamanın kendine ilişkin charbotları var. Örneğin yemek siparişi verdiğinizde kesinlikle yapay zeka kullanıyorsunuz. Karşılaştığımız biroldukça platformda aslında yapay zekaya bilgi sağlayıcısıyız. örneğin ATM’lerde paranın ne kadarda tükeneceğini bile varsayım edebilir durumdayız. Sanayi üretimde makinelerin kendine ilişkin sensörleri var. Bozulma müddetlerini de üretime tesiri de iddia ediliyor. Bu makine bu biçimde çalışmaya devam ederse önümüzdeki hafta şu kadar üretebilir üzere kestirimlere de yanıt veriyor.”
Analitiğin bize kattığı hayli hoş bir yarar var
Sunumda finansal sahtekarlıkları yapay zeka ile gerçek vakitli çözebileceğini anlatan AIMS Profesyonel Hizmetler Genel Müdür Yardımcısı Doruk Oğuz da, şunları söylemiş oldu: “Hem sahtekarlık var mı bakarken süratle yapılması gerekiyor. Yanlış alarmı da minimumda tutmak gerekiyor. Dış kaynağa bağlı olmadan müdahale edeceğimiz bir hale getirmek gerekiyor. Tahlillerin sizin data yapılarınıza uyacak biçimde esnek olması gerekiyor. İş bilginizle biroldukca farklı kural seti yazıp bu iş kurallarını yakalayacak biçimde süreçleri yönetebilirsiniz. Lakin analitiğin bize kattığı hayli hoş bir yarar var. Gözümüzden kaçan farklı farklı dinamikler olabiliyor ya da değişen trendlere süratli adapte olamıyoruz. Burada analitik devreye giriyor ve yapay zekanın sunmuş olduğu esnek ve süratli tahlil yaklaşımıyla birlikte artık yalnızca sizin geçmişte yakalamış olduğunuz deneyimlerinizle birlikte tespit etmiş olduğunuz kurallara bakarak bir öğrenme yapmıyor hem de müşterinin hareket usulündeki değişimler web sayfasında kalma müddeti menüler içindeki geçiş sıklığı üzere dataları dikkate alacak biçimde internet sayfamda gezen müşteri Doruk mudur tahlilini yapacak bir noktaya geliyoruz. Müşterinin hareket şeklindeki anomalileri de bulup müşteri özelinde bu süreç Doruk’a ilişkin olamaz skorunu size verecek dinamikliğe erişebiliyorsunuz. Bunu yapmak için art tarafta kuvvetli bir platform kurmak gerekiyor. Süreç şu biçimde ilerliyor: Elimizde milyonlarca satır datalar var. Bunların ortasında sizin daha evvel hayatış olduğunuz ve tespit etmiş olduğunuz farklı sahtekarlık case’leriniz var. Kural setlerinizi çıkarttığı alarm olarak nazaranceğiniz kırmızı listeleri görüyorsunuz. Bunlar kredi kartı harcanması, para transferi harcanması olabilir acentenin kesmiş olduğu BES poliçesi bile olabilir. Kırmızı listeyi sizin kural setlerinizle çaprazladığınızda ortaya çıkan kesişim kümesi bizim için yakalanan sahtekarlık oluyor. Bunları aslına bakarsanız yapabiliyoruz. Biz bunun bir ötesine geçmek istiyoruz. Kırmızı listeyi adım adım incelemesi gerekiyor. Vakit kısıtlı süreç yüksek tek tek bakamayacağınız bir noktaya geliyor, burada analitik devreye giriyor. Bizim için ‘hepsine bakmakla uğraşma, yüzde 1’lik şu kitleye bak’ diyor. Daha yüksek riskli süreçleri evvelandiriyor. Yakalama oranlarımız yükseliyor. Müşteri bazında kart numarası bazında anomali hareketlerini nazaranbiliyoruz. Biz gözümüzü daha evvel yakalanmayan olaylara çevirmiş durumdayız. Kullandığımız algoritmalar müşteri hareket üslubuna uygun olmayan problemleri bulmaya başlıyor. Daha evvel gözümüzün görmediği süreçleri yakalamaya başlıyoruz. Biroldukça farklı bir dolandırıcılıkla karşılaşıyoruz. Bu metotlar için de farklı farklı modeller çalıştırmanız gerekiyor. Sahtekarlık başka analitik modellerinden biraz farklı. Çok süratli bir biçimde yapılması gerekiyor. ötürüsıyla art tarafta yeni kural yazmak için fazla vaktiniz yok. Harcadığınız vakit karşılaşabileceğiniz sahtekarlık kayıpları haline gelmeye başlayacak. Akan datalarınız üzerinde gerçek vakitli tahlil ediyor. Kullanacağınız vakit kural setleri yazıp size veriyor. hem de hangi münasebetlerle hangi kural setiyle yakaladığını da gorebiliyorsunuz.”
“Güvenilir yapay zeka kavramı ön plana çıkıyor”
AIMS Bilgi ve Yapay Zeka Tahlilleri Müdürü Yılmaz Meral, ‘Gerçek Vakitli Yapay Zeka Çalışmalarının Önündeki Maniler & Tahlil Fırsatları Neler?’ isimli sunumunda şunları anlattı: “90’lı senelerda şirketlerin kaygısı eser satmaktı. 2000’li senelerda şirketlerin eser yanında hizmet satması da gerekti. 2010’lu senelera müşteri tecrübesini en yüksek tutmaya çalıştı. Günümüzde tüm bunları bir ortada yapabilmek, aksiyon alabilmek için art tarafta datayı toplamamız gerektiğini biliyoruz. Eserleri sayfada listeledikten ‘bunu alan bunu aldı’ teklif yapısı kurmak gerekiyor. Bu da yapay zekayla oluyor. Data bilimci konusunda talep hayli fazla lakin arz fazlaca az. Bilgiye bağlandık modeli kurduk, kodlarını oluşturmak gerekir bunu da çözmek gerekir. Modellerin de bilgi ile yaşatılması gerekir. Modeli izlemeye aldığınızda kimi kitlelere önyargılı davranıyor olabilir, bunun önüne geçmeniz gerekir. Müşteri için varsayım yaptığımda niçinlerinin açıklayıcılığı da olması gerekir. Emniyetli yapay zeka kavramı ön plana çıkıyor. Bilgilerimize, modellerimize ve sürecimize güveniyorsak, pürüzleri olmayan yapay zeka uygulaması yapmışız demektir. İnsanların %68’i banka kredi onaylanmasında yapay zeka yerine insanlara güveniyor. Tahminen burada kurulan modellerde sorun var. Sağlam yapay zeka olması için, açıklanabilir kime, neyi, niye söylemiş olduğini bilmeliyim. Adil olmalı. Denetlenebilir olmalı. Ön yargı olmamalı. İki kurumdan biri bilgiyi yönetemiyor. Bilgi bilimcilerin yüzde 42’si modelleri izlemiyor. Bilgi bilimi çalışanlarının yetenekleri yüksek olmaması en büyük problemlerden birisi. Data bilimcileri iş ilan sayısı, arayan sayılarının 3 kat daha fazla.”
“Her müşteriyi şahsi olarak tanımaya yardımcı oluyor”
AIMS Bilgi ve Yapay Zeka Tahlilleri Müdürü Zeynel Serdar Öztürk, 360 derece yapay zeka sunumunda, IMS’nin her bölümlere dokunduğunu, bütün tahlil ve bileşenlerin her kesime uyumlu olduğunu belirtti. Zeynel Serdar Öztürk şu ayrıntıları verdi: “Önce data haritası tasarlıyoruz. İkinci basamakta analitik vizyon workshopu yapıyoruz. İş takımı ile yapılan görüşmelerden daha sonra IT takımıyla görüşüyoruz. İş grubunun istediği çalışma ile ilgili art planda bize bilgi sağlayabiliyor mu, donanım ya da yazılım var mı buna bakıyoruz. Ortaya ayrıntılı kapsam dokümanı çıkarıyoruz. Her çalışma için uygun bilgi lazım. Analitik data sözlüğü ortaya çıkarıyoruz. Tüm bunlar yapıldıktan daha sonra analitik çalışmalar yapılabilir formata geliyor. Bu çalışmalardan birincisi analitik CRM. Müşterilerimizi kuruma kattıkları bedele bakılırsa piramit yapısına oturtmamız gerekiyor. Müşteriyi art planda tanımaya çalışıyoruz. Müşteri pahalıysa elinizde tutmaya çalışırsınız. Akabinde demografik segmentasyon geliyor. Bu müşteriyi ayrıntılı bir biçimde tanımak. Potansiyel paha segmentasyonu ile kuruma paha katacak müşteriyi arıyoruz. daha sonra davranış ve ömür usulü segmentasyonu geliyor. Art planda ‘müşteriyle kampanya çıkacağım hangi kanaldan çıkarsam bana geri dönüşü olur, hangi eserin hangi gramajını tercih ediyor’ üzere ayrıntıları biliyoruz. Her müşteriye birebir yaklaşmamalıyız. Her müşteri misal davranışlar sağlamıyor. İki müşteri de pahalıdır fakat biri irtibat kanallarında ayrılabilirler. Biri dijitali tercih ederken birisi yüz yüze bağlantısı tercih edebilir. İkisi de başka yaklaşmak gerekir. Her müşteriyi ayrıntılı görüyor oluyoruz. Art planda yapılan çalışmalar kararında ‘bu bedel segmentinde şu davranışı gösteren müşteriyi korumalıyım’ diyebiliriz. Eser eğilim modellemesi; müşterilerin her birinin kurumun sağladığı eserlerden hangisine eğilim göstereceğini anlamamızı sağlıyor. Eser eğilim modellemelerinin kıymetli noktası; a eserini hangi kanal üzerinden sunmalıyım’ sonucunı da vermeye yardımcı oluyor. Art planda yapılan çalışmalar kararında spesifik olarak ‘şu kitleye sahip müşteriler şunları almaya daha eğilimli’ diyebileceğimiz bir yapıyı sunuyoruz. Şikayet ve talep segmentasyonu art planda göz gerisi edilen noktalardan biri. Müşteriyi terk etme eğilimine giriyorsa ondan evvel basamaklarda müşteriyi tanıyarak tedbir alabiliriz. Eser eğilimi anladıktan daha sonra kampanya çıkıyoruz. Müşterinin kampanyaya verdiği karşılığı da incelemeliyiz. Art planda hangi kanaldan hangi saatte çıkılması gerekiyor bunu da öğreniriz. Müşterileri eser bazında da kıymetlendirerek kurumumu eseri mü terk etmeye çalışıyor bunu da anlıyoruz. Hayat Uzunluğu Bedel Modellemesi ile müşteriler bize şu anda bedel katıyorlar ileriki devirde ne kadar bedel katacak bilmiyorum. Bunu önce ön görüyor. Kanal Analitiği ile müşterinin her kanal bazında ne pahası var onu da belirliyoruz. örneğin müşteriler, öğlen içinde bir kanalı daha fazla kullanıyor. Spesifik olarak kampanyamı o saatte o kanala çıktığımda daha fazla geri dönüş alabilirim. Kanallara terk etme eğilim modellerine geldiğimizde bir kanalı terk ederken öbür kanala eğilimi yükseliyor olabilir buna da bakıyoruz. Analitik gaye idaresi çözümümüzle gayesi art plandaki yapıya nasıl oturtacağımıza karar veriyoruz. Her bir şubenin ya da mağazanın geçmişte gösterdiği bedellerle, daha sonraki periyotta nereye gideceğini ölçüyoruz. Yapay zeka lokasyon tahlili şirketimizin TÜBİTAK takviyesi ile yaptığı bir çalışma hem de. Şubelerin, mağazaların beklenen performansı gösterip göstermediğini bulabiliyoruz. Arkaplanda potansiyeli biliyoruz ve maksadı veriyoruz. niye yapamadığına bakıyoruz. Analitik suistimal idaresi tahlilimiz ile 3 basamaklı yol haritası yaklaşıyoruz. Birinci basamakta daha evvelki suistimalleri bildiğimiz için bunlarla ilgili aksiyon alıyoruz. İkinci basamakta öngürüsel modellemeler devreye giriyor. Bu modellerle birlikte o suistimali yapan duruma uygun amaç belirliyoruz. Suistimal mümkünlüğü var üzere skorlar veriyoruz. Analitik İK idaresi ile çalışanlarımızın verimliliklerini de belirliyoruz. Çalışan hayli çalışıyor lakin tahlil getiremiyor ya da epeyce süratli tahlil getiriyor bu bilgileri gorebiliyoruz. Çalışan terk etme mümkünlüğü da gorebiliyoruz. Çalışanı gelecekte pahalı olup olmayacağını da ön bakılırsabiliyoruz.”
Okumaya devam et...