Birçok kuruluş yapay zeka ile deneyler yapıyor, ancak daha azı sorumlu ölçeklendirmek için gereken yönetişim, veri temelleri ve değişim yönetimini inşa ediyor. ETS'de bu, pragmatik bir yaklaşım benimsemek, teknolojiyle değil, gerçek iş akışı zorluklarıyla başlamak ve yapay zekayı sadece ekipler için ölçülebilir değer sağladığı yerlerde uygulamak anlamına geliyor. ETS Veri ve Analitik Başkanı Anu Miller ile, kurumsal çapta yapay zeka stratejimizi destekleyen ve ETS'nin çözümleri doğru boyutlarda nasıl bulduğunu, yapay zeka etkisini insan olarak nasıl ölçtüğü (tasarruf edilen zaman ve kapasite özgürlüğü) ve sorumlu yapay zeka uygulamaları aracılığıyla güven inşa ettiğini konuştuk.
İnsanlar "sorumlu yapay zeka"dan bahsettiğinde, ETS'de pratikte bu nasıl görünüyor?
Miller: ETS'de sorumlu yapay zeka uygulamalarını baştan itibaren entegre ediyoruz ve bu çalışmayı operasyonel hale getirmemizin bir yolu, kurumsal programımız DARES aracılığıyla oluyor; bu program, Etkili Ölçeklendirme için Robotik ile Veri ve Artırma anlamına geliyor. DARES, departmanlar arasında dalgalar halinde çalışarak verimsiz süreçleri tespit eder ve doğru otomasyon veya yapay zeka seviyesiyle iyileştirir. DARES ve tüm yapay zeka çözümlerimizde, şeffaf kullanım senaryoları, erken risk değerlendirmesi, önyargı ve adalet kontrolleri ile güçlü veri gizliliği üzerine odaklanarak görevlere netlik ve hız katıyoruz. Ayrıca performans, maliyet ve riskleri sürekli izliyoruz ve her yapay zeka çözümünün net sahiplik ve koruma engelleri olmasını sağlıyoruz. Pratikte, bu günlük çalışma sürekli denetimi içerir: modeller ve ajanlar konuşlandırılırken, ekipler sadece lansmanda değil, zaman içinde nasıl davrandıklarını yönetmeli ve izlemelidir.
Bu operasyonel disiplin, benimseme konusunda aynı derecede kasıtlı bir odaklanmayla eşlik ediyor.
Benimsemeyi ölçeklendirmek için, uygulamalı pratik yoluyla yapay zeka akıcılığını geliştiren ETS'nin kurumsal çapta AI Champions programıyla yakın iş birliği yapıyoruz. Bu çalışan topluluğu, yerel fırsatları ortaya çıkarmaya, deneyleri teşvik etmeye ve organizasyon genelinde problem çözmeyi desteklemeye yardımcı olur. Güçlü yönetişimi pratik öğrenme ve ortak sahiplikle birleştirerek, ETS güven oluşturmak ve sorumlu bir şekilde yapay zekayı ölçeklendirmek için çalışıyor.
Ekibiniz yapay zekanın doğru çözüm olup olmadığına veya daha basit bir yaklaşımın ne zaman daha iyi olabileceğine nasıl karar veriyor?
Miller: Belirli bir teknolojiyle değil, sorunla başlıyoruz ve en basit yaklaşımı arıyoruz. Önceden tanımlanmış bir süreç veya kural tabanlı iş akışının sorunu güvenilir şekilde çözebileceğini belirlersek, o yolu seçeriz.
Daha gelişmiş yapay zeka, örneğin çoklu ajan çözümleri, doğruluğu, verimliliği veya içgörüleri ölçekte anlamlı şekilde iyileştirebilen yerlerde kullanılır. Otomasyon ve yapay zeka seçeneklerinden oluşan bir "menü" olarak düşünürüz; çözümü soruna eşlik ederek karmaşıklık, hız ve maliyeti dengeliyor.
Bu "menü" zihniyeti kasıtlıdır: ETS, çözümü doğru boyutlandırmayı amaçlar ve her iş akışı probleminin ajanik yapay zeka problemi olarak ele alınmaması gerektiğini kabul eder.
YZ, ETS'de işin yapılma şeklini nasıl değiştiriyor ve bu zaman içinde iş gücümüz için ne anlama geliyor?
Miller: YZ, rutin işleri kolaylaştırmamıza, karar kalitesini artırmamıza ve iş sonuçlarını sağlayacak yüksek değerli işlerde daha hızlı ilerlememize yardımcı oluyor. Zamanla, bu iş akışlarımızın geliştiği ve bazı görevlerin manuel çabayı azaltacak şekilde optimize edilebileceği anlamına gelir. Biz de aynı derecede beceri geliştirmeye odaklanıyoruz, bu yüzden ekibimiz tanıtılan teknolojiyle aynı hızda kalıyor. Amaç sadece verimlilik değil, ekiplerimizin daha stratejik ve anlamlı katkılara odaklanmasını sağlamak.
Yapay zekanın etkisini insan terimleriyle nasıl ölçüyorsunuz; örneğin zaman tasarrufu, iş akışı iyileştirmeleri veya serbest kapasite gibi?
Miller: DARES ve dahili yapay zeka verimlilik çabalarımızda, başarıyı ekiplere geri verilen zaman, manuel çabanın azalması ve karar kalitesi ile hızındaki iyileşmelerle ölçüyoruz. Aynı derecede önemli olarak, işin nasıl değiştiğine, ekiplerin daha net olup olmadığına, daha az sürtünmeye, en önemli olana odaklanma kapasitesine sahip olup olmadığına ve çalışan deneyiminin iyileştirilip iyileşmediğine bakıyoruz. Ayrıca yapay zeka akıcılığının büyümesini de göz önünde bulunduruyoruz çünkü sürdürülebilir etki, ekiplerin sadece yapay zeka kullanmasından değil, aynı zamanda bunu etkili şekilde nasıl uygulayacaklarını anlamalarından da kaynaklanıyor
ETS fırsatları değerlendirdiğinde, amaç otomasyonu gerçek değerle bağlamaktır. Örneğin, haftada birkaç saat süren tekrarlayan işin azaltılması, bir ay boyunca ekiplere anlamlı geri dönen zamana dönüşebilir.
ETS'nin iç yapay zeka yolculuğundan çıkarılan dersler diğer misyon odaklı kuruluşlar için en faydalı olurdu?
Miller: Görevinizden başlayın ve her yapay zeka yatırımını ona bağlayın. Bu da öncelikleri net tutar ve güven oluşturur. En az da erken dönemde yönetişim, veri hazırlığı, beceri geliştirme ve değişim yönetimine yatırım yapmak en az onun kadar önemli çünkü gerçek sürdürülebilir etki, insanların yapay zekayı nasıl benimsediği ve kullandığı da ortaya çıkar, sadece teknolojinin kendisinden değil. Bizim için, kasıtlı artırma ve ölçülebilir iş ile insan merkezli sonuçlara odaklanmak, yapay zekayı sorumlu ölçeklendirmede anahtar oldu.
ETS'de yönetişim, tek seferlik bir çalışma değil, operasyonel bir çalışma olarak ele alınır. Bu, yapay zeka kullanım durumlarının çapraz fonksiyonel incelemesini ve uyum ile yakın iş birliğini içeriyor; böylece yapay zeka çabalarının gelişen beklentiler ve gereksinimlerle uyumlu olmasını sağlıyor.