Yapay zeka yatırımlarında başlat, durdur, iyileştir veya ölçeklendirme kriterleri

Yapay zeka, teknoloji harcamalarında en büyük kalemlerden biri hâline gelirken, başlatılan projelerin yalnızca yüzde 37’si beklenen iş değerini sağlıyor. Bu durum, teknoloji ve finans yöneticileri için temel soruyu değiştiriyor: Artık mesele yalnızca umut verici kullanım alanlarını bulmak değil; hangi yatırımların maliyetini hak edecek değeri ürettiğini, hangilerinin başlatılacağı, hangilerinin durdurulacağı, hangilerinin optimize edileceği ve hangilerinin ölçekleneceğini belirlemek.
Bu kararları verebilmek için, projeleri tek tek değerlendiren geleneksel modelin ötesine geçilerek, yapay zeka yatırımlarının iş sonuçlarına odaklanan bir portföy olarak yönetilmesi gerekiyor. Bu yaklaşım, toplam sahip olma maliyeti ile üretilen iş değeri arasındaki ilişkiyi merkeze alıyor. Gerçek maliyet, bulut faturası, yazılım lisansı veya model kullanım ücretinin çok ötesinde; altyapı, veri yönetimi, güvenlik, operasyonel destek ve emek dahil olmak üzere pek çok unsuru kapsıyor.

Maliyet ve değer dengesinin ölçülmesi​

Yatırımların gerçek fotoğrafını netleştirmek, finansal, operasyonel, tüketim ve kurumsal verilerin ayrı sistemlerde olması nedeniyle zor bir süreç. Tek bir yöneticinin tüm tabloyu görme imkânı bulunmuyor; CIO ve CTO’lar teknoloji tüketimi, CFO’lar yatırım disiplini, iş liderleri ise sonuç tanımları konusunda yetkin. Bu verilerin ortak bir görüşte birleştirilmesi, tartışmayı “Ne kadar harcıyoruz?”dan “İşe ne sunuyoruz?” noktasına taşıyor.
IBM’in kendi CIO organizasyonu, bu yaklaşımın pratikte nasıl uygulandığına dair bir örnek sunuyor. Apptio entegre套 suite’inin kullanılmasıyla finansal, IT ve iş görüşleri birbirine bağlanarak uygulama toplam sahip olma maliyetlerine daha fazla şeffaflık kazandırıldı. Bu ortak görünüm, ekiblerin uygulama kritikliği ve harcamalar hakkında daha bilinçli kararlar almasına, aynı zamanda dönüşüm önceliklerine yeniden yatırım fırsatlarını tespit etmesine yardımcı oldu.

Yatırım kararlarını yönlendiren dört temel eylem​

Etkin bir çerçeve, başlangıç noktasında iki soruya odaklanıyor: İş değeri gerçek mi ve bir taban çizgisiyle ölçülüyor mu? Sonuç başına maliyet, işin önceki yöntemine kıyasla daha düşük mü? Bu sorulara verilecek yanıtlar, dört temel eylemden hangisinin seçileceğini belirliyor:

• Başlat: Yeni bir girişime kaynak ayrılmasından önce, tanımlanmış bir sonuç metriği, ölçüm için bir taban çizgisi ve durdurulma kriterleri netleştirilmeli. Mevcut bir yetkinliğin aynı sorunu çözüp çözemeyeceği de sorgulanmalı.
• Durdur: Beklenen iş sonucunun belirlenen sürede sağlanamaması, kullanımda durgunluk olması veya maliyetin taban çizgisi altına indirilememesi hâlinde projenin durdurulması gerekebilir. Bu sayede kaynaklar, potansiyeli daha yüksek yatırımlara yönlendirilebilir.
• Optimize: Bir girişim, iş değeri üretirken maliyet açısından hâlâ verimsiz olabilir. Ölçeklendirmeden önce model seçimi, kullanım oranı, altyapı veya tasarım üzerinde çalışarak iktisadi verimlilik artırılmalıdır.
• Ölçeklendir: Ölçülebilir değeri sürekli olarak kanıtlayan ve sürdürülebilir iktisada sahip olan girişimler, ilave yatırım ve kurumsal destek için adaydır. Bu değer; verimlilik artışı, daha hızlı teslimat, artan kapasite, daha iyi müşteri sonuçları veya gelir büyümesi şeklinde karşımıza çıkabilir.

\n

Portföy yönetimi ve paydaş uyumu​

Yapay zeka harcamalarının büyümesiyle birlikte, liderlerin yalnızca ne harcadıklarını değil, organizasyonun bu harcamalardan ne elde ettiğini de açıklayabilmesi gerekiyor. Maliyet, tüketim ve iş sonuçlarının ortak bir görünümü; teknoloji, finans ve iş liderlerine karar alma konusunda paylaşılan bir zemin sağlıyor. Bu yetkinliğe sahip organizasyonlar, daha fazla finansa değer gören, optimize edilmesi gereken veya durdurulması gereken yatırımları tespit edebilirken, yönetim kurullarına da yapay zeka harcamalarının iş değerine nasıl dönüştüğünü daha net gösterebiliyor.
Uzun vadede, yapay zeka liderliğinin geleceğini en fazla harcayan değil; bu yatırımların iktisadını en iyi anlayıp bir sonraki harcama noktasını doğru seçen yöneticiler belirleyecek. Bu süreç, sadece görünürlüğü artırmakla kalmayıp, doğru yatırımları finanse etmek, diğerlerini optimize etmek ve gereksizleri kesmek için ihtiyaç duyulan ortak bağlamı da sağlıyor.

Sıkça Sorulan Sorular​

Yapay zeka projelerinde başarılı olma oranı ne kadar?​

Kaynak verilerine göre, yapay zeka harcamaları teknolojinin en büyük kategorilerinden biri olsa da, başlatılan projelerin yalnızca yüzde 37’si beklenen iş değerini sağlıyor.

Toplam sahip olma maliyeti neleri kapsar?​

Yapay zeka için gerçek maliyet; altyapı, model tüketimi (token gibi), veri yönetimi, yönetişim, güvenlik, operasyonel destek ve emek dahil olmak üzere geniş bir yelpazeyi kapsıyor. Sadece bulut faturası veya lisans ücreti yeterli değildir.

Bir yapay zeka projesi ne zaman durdurulmalı?​

Beklenen iş sonucunun belirlenen süre içinde sağlanamaması, kullanımda durgunluk yaşanması veya sonuç başına maliyetin taban çizgisi altına indirilememesi hâlinde projenin durdurulması değerlendirilmeli.

IBM bu süreçte hangi platformu kullanıyor?​

IBM, kendi CIO organizasyonunda finansal, IT ve iş görüşlerini birleştirmek ve uygulama toplam sahip olma maliyetlerini şeffaf hâle getirmek için Apptio entegre suite’ini kullanıyor.

Yapay zeka yatırımlarını yönetmenin amacı nedir?​

Amaç, sadece harcamayı artırmak değil; maliyet, tüketim ve iş sonuçları arasındaki bağı kurarak hangi yatırımların finanse edileceğine, hangilerinin optimize edileceğine ve hangilerinin kesileceğine karar verebilmektir.