Yapay Zeka'ya Yönelik Yaklaşımın Tamamı Kusurlu Mu?
06 Temmuz 2024 - 10:14
Yapay zekadan bahsettiğimizde, genellikle tek bir metriğe odaklanırız: üretkenlik. Bu metrik, mevcut teknoloji çağının başlangıcından bu yana her teknoloji duyurusunda kullanılmıştır.
Yapay zekadan bahsettiğimizde, genellikle tek bir metriğe odaklanırız: üretkenlik. Bu metrik, mevcut teknoloji çağının başlangıcından bu yana her teknoloji duyurusunda kullanılmıştır.
İlk defa harici bir teknoloji analisti olduğum zamana ve Windows 95'in piyasaya sürülmesine hazırlık sürecine geri dönersek, argüman, bunun üretkenliği o kadar çok artırdığıydı ki satın alınmasından itibaren bir yıl içinde yatırım getirisi (YG) sağlayacaktı. İlk yıl, ürünün o kadar çok bozulduğu ortaya çıktı ki üretkenlik üzerinde başlangıçta olumlu değil olumsuz bir etkisi oldu.
Yapay zekanın yatırım getirisi potansiyel olarak çok daha kötüdür ve ironik olarak, bu yüzyıldaki sorunlarımızın çoğu üretkenlik veya performans eksikliği değil, zayıf karar desteğidir.
Geçtiğimiz hafta bir Computex hazırlık etkinliğine katıldım. Sunumları izlerken, bilindik bir üretkenlik alt akıntısı fark ettim. Hızları önemli ölçüde artırırken ilgili kararların kalitesini de artırmazsak, makine hızlarında hatalar yapacağımız ve bunun atlatılamayacağı konusunda endişeliyim.
Bu hafta bundan bahsedelim ve Tayvan'a yeni gittiğim havayolu olan Haftanın Ürünü ile bitirelim. Genellikle uluslararası seyahatlerim için kullandığım United'dan çok daha iyiydi, bu yüzden ABD dışındaki birçok havayolunun ABD taşıyıcılarından neden önemli ölçüde daha iyi olduğunu belirtmeyi düşündüm.
Yapay Zekada Üretkenlik ve Kalite Ben eski IBM çalışanıyım. Oradaki görevim sırasında IBM'in yönetici eğitim programından geçen küçük bir grubun üyesiydim. Tüm çalışanlara aşılanan ilkelerden biri de kalitenin önemli olduğuydu.
Bu konuda aldığım en akılda kalıcı ders IBM'den değil, Rekabetçi Zeka Profesyonelleri Topluluğu'ndan (SCIP) geldi. Odak noktası hız ve yöndü. Eğitmen, çoğu şirketin yeni süreçler ve teknoloji söz konusu olduğunda önce hıza odaklandığını savundu.
Önce yöne odaklanmazsanız, giderek daha hızlı bir tempoda yanlış yöne gideceğinizi savundu. Önce hedefi tanımlamaya odaklanmazsanız, hız size yardımcı olmaz. İşleri daha da kötüleştirir.
IBM ve Siemens'te rekabet analisti olarak çalışırken, karar desteği sağlama ve önerilerimizin sadece görmezden gelinmesi değil, aktif olarak mücadele edilmesi ve ardından takip edilmemesi gibi can sıkıcı bir deneyim yaşadım. Bu, felaket niteliğinde kayıplara ve çalıştığım birkaç grubun başarısızlığına yol açtı.
Bunun nedeni, yöneticilerin gerçekten haklı olmaktansa haklı görünmeyi tercih etmeleriydi. Bir süre sonra, yöneticiler, iyi temellendirilmiş tavsiyeleri görmezden geldikleri için felaket bir başarısızlıktan sonra halının üzerine çağrılmanın utancından hoşlanmadıkları için (sektör genelinde bir eğilim) birimim dağıtıldı, çünkü "içgüdüleri" önceden belirlenmiş yönlerinin daha iyi olması gerektiğini söylüyordu, ancak tekrar tekrar öyle değildi.
Şirketlerde çalışmayı bırakıp dış analist olduktan sonra, tavsiyelerimin uygulanma olasılığının daha yüksek olduğunu fark ettiğimde çok şaşırdım; çünkü yöneticiler, benim haklı olmamın kariyerleri için bir tehdit oluşturduğunu düşünmüyorlardı.
Şirket içinden beni bir risk olarak görüyorlardı. Dışarıdan bakıldığında öyle değildim, bu yüzden beni dinlemeye ve farklı bir strateji izlemeye daha istekliydiler çünkü benimle rekabet ediyormuş gibi hissetmiyorlardı.
Yöneticiler, daha iyi kararlar almalarını sağlayacak muazzam miktarda veriye erişebilirler. Ancak, hâlâ felaketle sonuçlanan kötü temellendirilmiş kararlar alan çok fazla kişi görüyorum.
Bu nedenle, AI şirketlerin daha iyi kararlar almasına yardımcı olmaya odaklanmalı ve ancak o zaman üretkenlik ve performansa odaklanmalıdır. Yönün ardındaki kararın doğru olduğundan emin olmadan hıza odaklanırsanız, yanlış yöne çok daha hızlı gitme olasılığınız artar ve bu da hem daha sık hem de daha pahalı hatalara yol açar.
Yapay Zekada Karar Alma Zorlukları Kişisel hayatımızdan profesyonel hayatımıza kadar, AI ile daha hızlı kararlar alabiliriz, ancak bu kararların kalitesi düşüyor. Mevcut AI teknoloji dalgasının başlıca destekçilerinden ikisi olan Microsoft ve Intel'e geri dönüp bakacak olursanız, özellikle bu yüzyılda, şirketlerin varlıklarının büyük bir bölümünde, her ikisine de bir veya daha fazla CEO'ya mal olan kötü kararlar aldıklarını görürsünüz.
Eski dostum Steve Ballmer, kötü kararların ardından kötü kararlar almakla lanetlendi ve ben hala bunun, adamın kendisinde olan bir şeyden ziyade, onu destekleyen insanların veya kişilerin sonucu olduğunu düşünüyorum.
Adam Harvard'da sınıfının en iyisiydi ve tartışmasız tanıştığım en zeki kişiydi. Xbox'ın başarısı ona atfediliyor. Yine de, bundan sonra, Microsoft'un finansal performansını iyi yönetmesine rağmen, Zune, Microsoft Phone ve Yahoo'da başarısız oldu, Microsoft'un değerlemesini felç etti ve kovulmasına neden oldu.
Birkaç analistle birlikte, başlangıçta ona daha iyi kararlar alması için yardım etmem için görevlendirildim. Ancak, kararlarının kalitesini artırmazsa kovulacağını iddia ederek e-posta üstüne e-posta yazmama rağmen, hemen hemen hepimiz kenara çekildik. Ne yazık ki, sadece benim girişimlerime kızdı. Hala onun başarısızlığını kendi başarısızlığım olarak görüyorum ve hayatımın geri kalanında beni rahatsız edecek.
Bu sorun, IBM'de John Akers'ın başına gelenleri yansıtıyor. O, sorunlara daha yakın olan bizlerden bilgi almayan insanlarla çevriliydi. IBM'de o şirketteki sorunları ortadan kaldırma çabalarım ödüllendirilirken, benim gibi insanların etkisi o kadar azaldı ki, Akers işini kaybetti. Bunun nedeni aptal olması veya dinlememesi değildi. Kulağı olan ve bu erişimle bağlantılı statüyü kaybetmek istemeyen yöneticiler tarafından engellenmemizdi.
Böylece, her iki şirket CEO'sunun da başarılı olmak için ihtiyaç duyduğu bilgiler, güvendikleri kişiler tarafından reddedildi. Çalıştıkları şirketlerin başarısını garantilemekten çok statü ve erişime odaklandılar.
Yapay Zeka Karar Sorunu İki Yönlüdür Öncelikle, AI çabalarının sonuçlarının yetenek açısından etkileyici olsa da inanılmaz derecede yanlış veya eksik olduğunu biliyoruz. Wall Street Journal, en iyi AI ürünlerini değerlendirdi ve hem Google'ın Gemini'sinin hem de Microsoft'un Copilot'unun, bazı istisnalar dışında, en yaygın kullanılanlar olmalarına rağmen, en düşük kalitede olduğunu buldu.
Ayrıca, yukarıda belirttiğim gibi, çok daha doğru olsalar bile, geçmiş davranışlar göz önüne alındığında, yöneticiler bunları kullanmayabilir ve bir sistemin kendilerine söylediği herhangi bir şeye kıyasla içgüdülerini tercih edebilirler. Bu, bu ürünlerdeki kalite sorunlarının etkisini azaltsa da, sonuç olarak güvenilemeyen veya güvenilmeyecek bir sistem ortaya çıkar.
Mevcut kalite sorunları, mevcut yapay zeka neslinden önce var olan kötü davranışları desteklemeye ve pekiştirmeye yardımcı oluyor; dolayısıyla yapay zekadaki kalite sorunları düzeltilse bile, işletmeleri ve hükümetleri daha başarılı kılma potansiyelinin altında performans göstermeye devam edecek.
Şu anda, hıza (üretkenlik, performans) olan ihtiyacımız, bu faydayı sağlayan teknolojinin hem güvenilir hem de güvenilir olmaya değer olması ihtiyacından çok daha azdır. Ancak bu sorunu çözsek bile, Argümantasyon Teorisi, iç tavsiyeleri işlerimize, statümüze ve imajımıza yönelik bir tehditten başka bir şey olarak görmedeki genel yetersizliğimiz nedeniyle teknolojinin daha iyi karar desteği için kullanılmayacağını öne sürmektedir.
Bu görüşün bir miktar doğruluk payı var, çünkü insanlar kararlarınızın yapay zeka tavsiyelerine dayandığını bilirse, sonunda sizin gereksiz olduğunuz sonucuna varabilirler mi?
Üretkenliği birincil hedef olarak belirleyerek yapay zekaya odaklanmayı bırakmalı ve bunun yerine çok daha yüksek kaliteye ve daha iyi karar desteği sağlamaya odaklanmalıyız; böylece makine hızlarında kötü kararlar ve tavsiyelerle boğulmayız.
Sonra, insanları geçerli tavsiyeleri kabul etmeleri için aktif olarak eğitmemiz gerekir, bu da aynı hızda kötü kararlar altında ezilmektense makine hızlarında ilerlememizi daha etkili bir şekilde sağlayacaktır. Ayrıca, insanları AI'yı etkili bir şekilde kullandıkları için ödüllendirmeliyiz, bu kullanımın işlerini ve kariyerlerini riske atacağını hissettirmemeliyiz.
Yapay zeka daha iyi bir dünya yaratmaya yardımcı olabilir, ancak bunun için kaliteli sonuçlar sağlaması ve bu sonuçları kararlarımızı almak için kullanmamız gerekir.
İptal edilen uçuşlar nedeniyle uzak havaalanlarında mahsur kalmaktan, kötü operasyonlar ve operasyon hataları nedeniyle geciken yolculara varış noktalarına zamanında ulaşmalarını sağlama konusundaki isteksizlik nedeniyle birinci sınıf bilet satın alıp ekonomi sınıfında uçmaya kadar uzanan kötü deneyimlerim nedeniyle United Airlines ile uçmayı neredeyse bırakıyordum.
ABD dışındaki taşıyıcılarla deneyimim çok daha iyiydi. Geçtiğimiz hafta Computex'e yaptığım seyahatte Tayvanlı bir taşıyıcı olan Starlux'u kullandım . Bu havayolundaki deneyim çok daha üstündü.
United'daki business class'ta, genellikle bir müşteriden çok bir rahatsızlık gibi hissediyorum. Starlux'ta, insanlar seyahatimin rahat geçmesi için ellerinden geleni yaptılar; kişisel bakımımı bir öncelik olarak gördüler. Özel bir yemek istediğimde, onu sağlamak için ellerinden geleni yaptılar. Wi-Fi ile ilgili sorun yaşadığımda, sorun çözülene kadar bana destek verdiler ve deneyimimin örnek olmasını sağlamak için önemsedikleri anlaşılıyordu.
Kariyerimde çok seyahat ediyorum ve bundan korkuyorum, bu üzücü çünkü çocukken uçağa bindiğim her anı iple çekerdim. Starlux ile seyahat ettiğimde uçmaya olan o sevgimin bir kısmını geri kazandım ve uçağa binmekten korkmak yerine eve dönüş uçuşunu iple çektiğimi fark ettim.
Starlux 13 saatlik uçuşumu eğlenceli hale getirdi ve bunu Singapore Airlines, Emirates Airlines ve bu listedeki diğerleri gibi diğer yabancı taşıyıcılarda da fark ettiğimi belirtmeliyim . Bu yüzden Starlux Airlines benim Haftanın Ürünüm.