Agentic AI İş Akışları: Sorumluluk Kimde?.

Şirketler, iş süreçlerini hızlandırmak ve verimliliği artırmak için ajan tabanlı yapay zekâyı (agentic AI) benimsemeye koşarken, yapay zekâ ve veri yönetişimi maliyetleri yükseltiyor.

Hatalar pahalıya patlıyor. Bir örnekte, küresel bir finansal hizmet şirketi, muhasebe defterindeki tutarsızlıkları uzlaştırmak için bir yapay zekâ ajani oluşturdu. Yine de bir null değeri aracın, bir saatten kısa sürede 15.000’den fazla yüksek maliyetli API çağrısı üreten özyinelemeli bir akıl yürütme döngüsüne girmesine neden oldu. Toplam fatura: Eylül ayında Google’ın yayımladığı Yapay Zekâ Riski ve Dayanıklılığı raporuna göre yaklaşık 50.000 dolar ve kilitli bir veritabanı.

Daha iyi veri yönetişimi ve kontroller bu etkiyi hafifletebilirdi, ancak şirketler verilerini yapay zekâ için hazır hale getirmemiş. Gartner’a göre, yapay zekâ için hazır veri eksikliği içeren projelerin yüzde 60’ı başarısız oluyor. Zayıf veri yönetimi ve yönetişimi, aynı zamanda yapay zekâ verimzsizliklerine ve yatırım getirisi eksikliğine yol açıyor; bu da, jeton kullanımının önümüzdeki dört yıl içinde 24 katına çıkması beklenirken büyük önem taşıyor.

Şirketler için sorun, veri terabayşı başına maliyetin bilinmemesi. Kurumsal verileri yapay zekâ için hazır hale getirmek için gereken konsolidasyon, yönetişim, güvenlik ve dizinleme, çoğu kuruluşun izlemediği ve çoğu durumda inşa etmediği gizli bir maliyet oluşturuyor. Veri aynı zamanda statik bir varlık da değil: Veriyi saklama ve sürekli güncellemeyle ilgili devam eden maliyetler, nadiren yatırım getirisi hesaplamalarına dahil ediliyor.

|

Şirketler, yapay zekâ için veri hazırlığının maliyeti olan, tamamen yüklenmiş üç yıllık terabayşı başına maliyeti izlemeli. Bunu izlemediklerinde, kurumsal yapay zekâ kullanımından yaratılan değerin büyük kısmını yerler. Bağlam şişmesi, yeniden deneme döngüleri ve önbellek uyuşmazlıkları gibi ajan tabanlı veri sorunları, jeton başına maliyet düşse bile, maliyetleri bazı durumlarda istek başına maliyetin 30 katına kadar hızlı bir şekilde artırabilir. Bunların çoğu, zayıf veri hazırlığı ve yönetişim eksikliğinden kaynaklanıyor.

VERİ, YAPAY ZEKÂ PROJELERİ İÇİN TEMELDİR

Çeşitli açılardan güncel AI dönemi, gölge IT’nin kaynakları devreye soktuğu, çalışanların verimlilik arayışıyla yönetişimi atladığı ve şirketlerin maliyet avantajlarının tamamını gerçekleştirmek için iş yüklerini modernleştirmeye yönelik artan baskıyla karşılaştığı erken bulut benimseme dönemiyle benziyor. Modern bulut çerçevelerini benimseyen şirketler, öngörülebilir ve yönetilebilir IT operasyonları oluşturabiliyor.

Ayrıca iyi yönetilen veri altyapısı daha savunulabilir. Saldırganlar, saldırı zincirlerinin birçok alanında zaten AI kullanıyor. Bir örnekte, “Recon” olarak bilinen ve markdown playbookları ile otomatik keşif ve kimlik yönetimi çerçevesini kullanan AI destekli bir tehdit aktörü, Google’ın saldırıyı anlatan açıklamasına göre bir ağya erişip bulut ve AI hizmetleri için API anahtarları gibi 23.000’den fazla gizli bilgileri çaldı.

Veri yönetişimi ve yönetimi, yalnızca böyle yetkisiz erişimi tespit etmekle kalmıyor, aynı zamanda bir saldırıdan önce verinin doğru şekilde sağlandığı ve korunduğunu da güvence altına alıyor.

Son hedef, AI’nın yeteneklerinin, maliyetlerinin ve getirisinin öngörülebilir olması anlamında “sıkıcı” olmak. Singapur’un dışişleri Bakanı Vivian Balakrishnan, yakın zamanda CNBC’e verdiği röportajda, teknoloji ve iş ortamının güvenilir hale getirilmesinin daha düşük işlem maliyetlerine yol açabileceğini söyledi.

“Güven, temelde işlem maliyetlerini düşürme biçimi,” dedi CNBC’e. “Öngörülebilir olmak, sıkıcı olmak, güvenilir olmak, güvenilir olmak gerçek değere sahip.”

MEVZUT ARAÇLARI GENİŞLET

Sektör, kurumsal AI’nın iki farklı yönünü müşterilere satmak için çok zaman harcıyor: topraktan ilk tokene kadar olan başlatma süresi ve AI’dan ölçülebilir performansı çıkaracak özel çerçeveler. Her iki çaba da iyi, yönetilebilir veriye dayanıyor ve bunu kimse konuşmuyor çünkü zor olduğu algılanıyor. Oysa bulutta hesaplama ve depolama maliyetlerini ölçme, veriyi temizleme ve koruma ve kullanıcıların AI hizmetlerine erişimini yönetme yetenekleri, kurumların çoğunun zaten devreye aldığı pek çok teknolojiye yerleşik olarak dahil edilmiş durumda.

Yedekleme yazılımını örnek verelim. Veri merkezlerini, bulut ortamlarını ve uzaktaki tesisleri kapsayan her uygulamaya dokunan, ender kurumsal araçlardan biri. Zaten veriyi birleştiriyor, tekrarları kaldırıyor, dizinliyor ve normalize ediyor. Bu güvenilir teknoloji, akıllı platformlarda kullanıldığında işletmelere verilerini daha iyi yönetme, veri depolarına erişimi izleme ve yönetim politikaları belirleme konusunda daha büyük bir yetenek kazandırır.

Yapay zekâ projelerindeki başarızlıklar üzerine hazırladığı raporda Gartner, şirketlerin daha önce etkili oldukları kanıtlanmış mevcut veri yönetim uygulamalarını genişletmelerini öneriyor. Şirketler, ajan tabanlı operasyonları desteklemek için vektör veri depoları, dilimleme, örnekleme, gömme ve geri çağırma ile zenginleştirilmiş üretimi (RAG) ile entegrasyon gibi gerekli yapay zekâya özgü veri özelliklerini eklemeli. İşletmeler veri yönetimini tamamlanması gereken bir proje olarak değil, süregelen bir çaba olarak görmemeli. Veri sürekli değişiyor ve yeni yapay zekâ yetenekleri yeni türde veri yapıları gerektirebilir.

Bulut çağında, yapılan hatalar önemli sorunlara dönüşmek için günler ya da haftalar alıyordu. Yapay zekâ ile bu, saatler alıyor. Başarılı olacak kuruluşlar, besledikleri veri üzerinde en güçlü koruyucu önlemlere sahip olacaklar.

Greg Statton, Cohesity’nin APAC bölgesi için Başkan Yardımcısı ve Teknoloji Sorumlusu (CTO)’dur.