UOB anketi yüzde 65 yapay zekâ benimsenmesi, ancak yalnızca yüzde 15 ileri düzey yetkinlik buluyor

UOB rakamları ne gösteriyor

United Overseas Bank (UOB) tarafından bölgedeki işletme sahipleriyle yapılan ve dev.to'da yayınlanan bir analizde aktarılan anket, işletmelerin yüzde 65'inin yapay zekâyı bir biçimde benimsediğini, ancak yalnızca yüzde 15'inin çalışmanın "ileri düzey yetkinlik" olarak sınıflandırdığı seviyeye ulaştığını buldu. Bu rakamlara göre, yapay zekâ kullanan şirketlerin kabaca dörtte üçü ilk deneme ile işleyişte gerçek bir değişim arasında bir yerde duruyor.

Katılımcıların adını andığı engeller dikkat çekici. Çalışmanın dev.to'daki yazısına göre, yüzde 47'si veri ve sistem hazırlığını, fon ile aynı oranda, yüzde 39'u ise yeteneği işaret etti. Yazarın argümanı, fon ve yeteneğin ilgiyi topladığı, ancak veri hazırlığının bir pilot uygulamanın operasyonel bir sürece dönüşüp dönüşmeyeceğini belirleyen kısıt olduğudur.

Pilot projeler neden başarıyor, üretim neden başarısız oluyor

Analizin özü, bir kavram kanıtı yürütmüş herkese tanıdık gelen bir örüntü. Küçük bir veri seti — örneğin birkaç aylık satış kaydı — inceliklerini bilen tek kişi tarafından temizleniyor, bir chatbot'a yükleniyor ve saniyeler içinde etkileyici bir yanıt veriyor. Aynı uygulamayı haftalık bir programla tüm ürün hatlarına yaymak çöküyor; modelin kötüleştiği için değil, kimsenin manuel veri temizliğini ölçekli biçimde tekrarlayamadığı için. Pilot, yapay zekâyı özenle seçilmiş bir örneklemle sınar; rutin kullanım ise altında yatan bir sistem gerektirir.

UOB verileri bunu yapısal olarak doğruluyor. Çalışma, büyük ve küçük işletmeler arasındaki dijitalleşme başarı oranlarında 28 puanlık bir fark buldu; Singapur'da küçük işletmelerin yalnızca yüzde 69'u dijitalleşmiş durumda, büyüklerin yüzde 93'üne karşılık. dev.to yazısı bunu, büyük şirketlerin daha iyi yapay zekâya sahip olması değil, zaten işlem verisinin içinde bulunduğu sistemlere sahip olması olarak okuyor.

Veri hazırlığı gerçekte ne içeriyor

Jargondan arındırıldığında, makale hazırlığı dört sıradan koşul olarak tanımlıyor: gerçek dünyadaki her varlık için tek kayıt, yani bir müşterinin hiçbir aracın toplayamayacağı üç birbirine yakın kopya satır olmaması; birinin elektronik tabloyu yeniden yazmadan güncellenen rakamlar; personel devri karşısında ayakta kalan, tek bir kişinin kafasında yaşamayan ticari bilgi; ve bir sohbet penceresine kopyala-yapıştır'a dayanmak yerine programatik olarak dışa aktarabilen ya da bağlanabilen sistemler.

Yazarın önerdiği sıra bunu izliyor: önce master veriyi düzeltin, işlemleri birleştirin ki bir satış, bir stok hareketi ve bir fatura tek bir olay olarak kaydedilsin — bir ERP sisteminin üstlendiği rol — ve ancak sonra yapay zekâyı üzerine yerleştirin; oradan gerçek geçmişten tahmin yapabilir, marj sapmasını işaretleyebilir ve rutin satınalma siparişleri taslaklayabilir. Belirtilmeye değer bir uyarı: Yazı bir ERP danışmanı tarafından yazılmış ve bir ERP hazırlık aracını tanıtarak bitiyor; dolayısıyla ERP'yi temel olarak çerçevelemesi ticari bir çıkar taşıyor. Anket rakamlarının kendisi UOB'ya ait.

Bildirilen kazanımlar ve iş öncelikleri

Çalışma yalnızca açıktan ibaret değil. Aynı verilere göre, işletmelerin yüzde 47'si yapay zekâdan maliyet düşüşü, yüzde 46'sı verimlilik kazancı bildirdi. Analiz bu sonuçları, teknolojiyi bağlayacak altyapıya zaten sahip olan şirketlere bağlıyor — araçlar eşit derecede mevcuttu, ama altta yatan veri temelleri değildi. Anketin başka bir yerinde, üç işletmeden biri yükselen maliyetleri en büyük zorluk olarak gösterdi ve kârlılığı iyileştirme, önde gelen öncelik olarak satışları büyütmeyi kıl payı geçti.

Neden önemli

UOB rakamları çoğu işletmenin yalnızca duyumsadığı bir şeyi nicelleştiriyor: benimseme kolay yarı, yetkinlik zor yarı. Yapay zekâ bütçelerini tartan küçük firmalar için veri, bağlayıcı kısıtın çoğu zaman model ya da işe alım değil, kayıtların tutarlı, güncel ve çıkarılabilir olup olmadığı olduğunu öneriyor. Yüzde 69'a karşı yüzde 93 dijitalleşme bölünmesi, yapay zekâ yetkinliği uçurumunun büyük ölçüde mevcut bir altyapı uçurumunun tekrarı olabileceğine işaret ediyor — ve veri temellerini önce düzelten şirketlerin, yapay zekâ eklemeyi sürekli ulaşamadıkları bir sıçrama yerine küçük, artımlı bir adım olarak bulabileceğine.