By Dan Kraemer

2023, üretken yapay zeka deneylerinin yılı olsaydı, 2024 uygulama yılı olurdu.

Her sektördeki şirketler, bu yıl teknoloji yığınlarına üretken yapay zeka uygulamaları ve çerçeveleri eklemeleri gerektiğini veya geride kalmaları gerektiğini biliyor. Yapay zekaya öncelik veren bir şirket olma fikri korkutucu geliyorsa yalnız değilsiniz.

En büyük şirketler bile hâlâ üretken yapay zekayı günlük işlerine nasıl dahil edeceklerini bulmaya çalışıyor.

Bu kadar çok seçenek varken nereden başlayacaksınız?

En iyi yollardan biri teknoloji yığınınıza bir "GenAI inovasyon katmanı" oluşturmaktır. Bunu yapmak için büyük bir veri bilimci veya mühendis ekibine ihtiyacınız yok; Şu anda küçük teknoloji ekiplerine sahip şirketlerin bile atabileceği adımlar var.

Öncelikle GenAI inovasyon katmanı nedir? Oldukça basit bir şekilde, yeni yaratıcı iş akışlarını ortaya çıkarmak, inovasyon projelerini teşvik etmek ve işlerin daha hızlı ve daha akıllı yapılmasını sağlamak için üretken yapay zekayı günlük iş faaliyetlerinize dahil etmenin bir yoludur.

Aşağıda, iş dünyası ve yaratıcı ekiplerin yeni inovasyon ürünleri tasarlamasına ve yaratıcı çıktıyı artırmasına yardımcı olabilecek bir GenAI inovasyon katmanı oluşturmak için beş adımlı bir süreçten geçeceğim.

Birinci adım: Doğru ekibi oluşturun

Yapay zeka inovasyon katmanı oluşturmak için doğru ekibe ihtiyacınız var. Bu mutlaka veri bilimcilerden ve yazılım mühendislerinden oluşan büyük bir ekibe ihtiyacınız olduğu anlamına gelmez, ancak projeyi yönetecek birkaç kilit kişiye ihtiyacınız var.

Başlangıçta tanımlanması gereken en önemli şey projenin nasıl yapılandırılacağı, kritik verilere kimin erişebileceği ve bu verilerin nasıl güvence altına alınacağıdır. Ve bir yapay zeka inovasyon katmanı oluşturmanın önemi konusunda kuruluş genelindeki herkesin "köşenizde" olması gerektiğini söylemeye gerek yok.

Yapay zeka inovasyon katmanı oluşturmak bir yan proje değil, 2024 için tamamlayıcı bir iş süreci olmalıdır.

İkinci adım: Verilerinizi düzenleyin

Yapay zekayı teknoloji yığınınızın tamamına yaymak için öncelikle verilerinizin en üst düzeyde olduğundan emin olmanız gerekir. Yapılandırılmış verilerinizi bir yapay zeka katmanının erişebileceği şekilde düzenlemenin en kolay yolu, aşağıdaki gibi dizin oluşturma araçlarını dağıtmaktır: Kroma DB, Çam kozalağı or LamaIndex İçeriğinizin vektör veritabanlarını oluşturmak için.

Yapılandırılmış verileriniz müşteri verilerini, video transkriptlerini, belgeleri, PDF'leri, sunumları, e-tabloları ve daha fazlasını içerebilir. Bu sistemlerin güzelliği, kullanıcıların görüşme transkriptleri, müşteri geri bildirimleri ve süreç belgeleri gibi yapılandırılmamış verileri son derece iyi bir şekilde yönetmelerine olanak sağlamasıdır.

Bu sistemlerde hassas bilgilerin toplanması, işlenmesi ve korunmasının veya güvenliğinin sağlanmasının bir ustalığı vardır. LlamaIndex gibi bazı araçlar bu ağır işlerin bir kısmını sizin için yaparken, diğer veritabanı araçları ise Elastik ayrıca veritabanınızın nasıl kullanıldığına ilişkin güvenlik bilgileri de sağlayabilir.

Geliştiricilerin burada birçok seçeneği vardır ve ekibinizin projenizin ölçek, güvenlik ve mimari gereksinimlerini en iyi karşılayan seçeneği seçmesi gerekir. Tüm verilerinizi bir vektör veritabanında düzenlediğinizde, tüm verilerinizin tam bir yansıması olan ve artık yapay zeka sistemlerinizin herhangi biri tarafından erişilebilen bir "dijital ikiz" elde edersiniz.

Üçüncü adım: Yapay zekanın verilerinizi sorgulamasına olanak tanıyan yapılar oluşturun

Artık verileriniz düzenli olduğuna göre, içindeki kalıpları bulmanız gerekiyor. Bunu sorgulamak için özel AI aracıları oluşturarak yapabilirsiniz. Bu aracılara, insanların günlük iş akışlarına doğrudan entegre olan, sohbet çubuğu gibi kullanımı basit arayüzler aracılığıyla erişilebilir olmalıdır.

Bu istemlerin oluşturulması iki bölümde gerçekleşmelidir. Öncelikle temsilcinin hangi kişiyi üstlenmesini istediğinize karar verin. Örneğin, temsilcinizin tüketici odaklı tasarım konusunda uzman bir yönetim danışmanı gibi konuşmasını sağlayabilirsiniz. Daha sonra temsilcinin ne yapmasını istediğinizi ve yanıt vereceği formatı belirtmeniz gerekir. Burada önemli olan, ekiplerinizin ihtiyaçlarını en iyi şekilde hangi formatların karşılayacağını anlamak için kuruluşunuz içinde araştırma yapmaktır. Bu dahili aracı istemlerini hedef kullanıcılarınızla test etmenizi ve yinelemenizi öneririz. Bu dahili aracı istemlerini yazmanın mükemmel bir yolu yoktur, ancak herkesin kullanabileceği ortak istem yöntemleri vardır. "Bana düşüncelerinizi anlatın ve her biri için X ve Y ölçülebilir metriklerinin bir tabloda sunulduğu üç örnek verin." gibi.

Dördüncü adım: Çoklu aracı istemiyle denemeler yapın

Son olarak yapay zeka temsilcinize bir soru sormaya hazırsınız. Sorunuzda ne kadar fazla bağlam sağlarsanız o kadar iyidir.

Günlük iş akışlarına entegre olan birden fazla bilgi istemi oluşturduktan sonra, bunları çoklu aracılı sistemlerle birlikte çalışacak şekilde eğitmeye başlayabilirsiniz. Burası, farklı ancak kesişen rollere sahip birden fazla AI aracısını bir araya getirdiğiniz yerdir.

Birlikte bir görevi tek bir temsilcinin yapabileceğinden daha iyi tamamlayabilirler. Çok aracılı bir sanal yazılım şirketi olan ChatDev'inki de dahil olmak üzere bu uygulamanın birkaç örneği vardır.

Çoklu aracıları oluştururken en iyi başarıyı insan odaklı tasarım yaklaşımını benimseyerek gördük. İstemlerinizin kendi başlarına ve çoklu aracılar olarak birlikte çalışarak, empatik zihniyetle ve kullanıcılarının çeşitliliğine değer vererek çalışmasını sağlamalısınız. "Cevaplarınızı kullanıcılarınızın çeşitli deneyimlerine göre empati, hoşgörü ve netlikle tasarlayın" gibi parametrelerle istemler oluşturabilirsiniz.

Bu aşamada, bir tür model gözetimini dahil etmek isteyebilirsiniz. Gibi araçlar ekleme açık katman yığınınıza eklemek, sisteminizin kullanıcılar için zaman içinde ne kadar iyi performans gösterdiğine dair size fikir verebilir.

Beşinci adım: Yapay zeka inovasyon katmanınızı ölçün

Yapay zekayı yaptığınız her şeye dahil etmek, yalnızca şirketinizin iş hedeflerine ulaşmasına, yeni gelir elde etmesine ve müşterilerinize daha iyi hizmet vermesine yardımcı olduğunda faydalıdır. Bu amaçla, yapay zeka inovasyon katmanınızın gerçek değer sunduğundan emin olmak için bir ölçüm çerçevesini uygulamaya koymanız gerekir.

Hangi KPI'ların ölçüleceğine karar verin (örneğin, yeni müşteri kayıtları, ürün indirmeleri veya çalışanların tasarruf ettiği süre). Ürünler, iş sonuçları ve diğer ölçülebilir iş hedefleri için gelecekteki potansiyel senaryoları oluşturmak amacıyla çoklu aracı istemlerinizi de kullanabilirsiniz. Ardından, görselleştirmeler oluşturmak için çoklu aracılı istemlerinizi tekrar kullanarak bu senaryolara göre gerçek sonuçlarınızı ölçebilirsiniz.

Üretken yapay zeka halihazırda insanların çalışma, düşünme ve yaratma şeklini altüst etti ancak büyük ölçüde bireyler tarafından kullanılan deneysel bir araç oldu. Üretken yapay zekayı teknoloji yığınınıza dahil ederek günlük yaratıcı iş ve iş akışlarınızın ayrılmaz bir parçası haline gelebilir ve şirketinizin verileri, süreçleri ve gelecek stratejileri hakkında yeni bilgiler sağlayabilir.

Dan Kraemer tasarım ve iş stratejisinin yakınsaması konusunda kurucu, düşünce lideri, eğitimci ve uluslararası konuşmacıdır. CEO'su ve kurucu ortağı olarak IA İşbirlikçigibi şirketlere yardımcı olmak için üretken tasarım merceğini analitik iş stratejisiyle birleştiriyor. Airbnb, Allstate, Audi, FedEx, Johnson ve Johnson, Nike, Philips, Samsung ve Sonos büyüme stratejileri oluşturun, inovasyon geliştirin ve yeni işler kurun.

İlgili okuma:

İllüstrasyon: Dom Guzman