13 Haziran’da gerçekleştirilen Domino Data RevX 2024 Londra etkinliğinin yinelenen teması olan yapay zeka (AI) ile gerçek kullanıcılarla eğitim ve yapay zekayı BT altyapısından ayırmanın, BT liderlerinin en iyi uygulamalar olarak kabul ettiği alanlar olduğu ortaya çıktı.
BT liderlerinin, iş süreçlerini iyileştirmek için yapay zekayı uygularken birçok seçeneği vardır. Yapay zeka yetenekleri oluşturabilir veya satın alabilir, yapay zeka işlevlerine erişim sağlayan uygulama programlama arayüzlerini (API’ler) kullanabilir, yapay zekayı şirket içinde çalıştırabilir veya hizmet olarak yazılım (SaaS) uygulamalarının tamamını kullanabilirler. Hangi yaklaşım benimsenirse benimsensin, kuruluşun iç verilerine dayalı eğitim çok önemlidir.
Eğitim ve geri bildirim
Direct Line Group’ta veri bilimi ve yapay zeka başkanı Raj Mukherjee, sunumunda şirketin GreenFlag araba arıza kurtarma hizmetine güç sağlamak için üretken yapay zekayı (GenAI) nasıl kullandığını açıkladı. Sunumu, kullanıcıların daha doğru yapay zeka modelleri oluşturmaya dahil olmasının faydalarını gösterdi; ancak genel olarak yapay zekada olduğu gibi, başarı da sağlam bir veri temeline dayanıyor.
Mukherjee şunları söyledi: “Dört yılın büyük bir bölümünde veri stratejimiz üzerinde çalışıyoruz. İşimizin %75’i artık yeni bir veri stratejisi yığını üzerinde çalışırken, şu anda stratejiyi yürütüyoruz.”
Bu, şirketin veri yönetimi, veri yönetimi ve veri mühendisliği yeteneklerinin, Direct Line’ın gelişen yapay zeka stratejisini destekleyecek kadar olgun olduğu anlamına gelir.
GreenFlag’deki kullanım örneklerinden birini inceleyen Mukherjee şunları söyledi: “Müşteri iletişim merkezi alanında, yapay zekanın iletişim merkezi temsilcilerimizin bilişsel yükünün bir kısmını onlardan alarak nasıl artırabileceğini görmeye çalışıyoruz.”
Genel fikir, iletişim merkezi personelinin müşteri sorunlarını daha hızlı çözebilmesini sağlamak için derinlemesine bilgi sağlamaktır. Mukherjee, işlerini desteklemek için yapay zekayı kullanarak, özellikle müşterilerin arıza kurtarma hizmetini aramaları gerektiğinde genellikle mutlu bir durumda olmadıkları göz önüne alındığında, iletişim merkezi personelinin müşterilerle empati kurmaya daha fazla odaklanabildiğini söyledi.
Eğitim verileri açısından, şirketin iletişim merkezi web sohbeti ve kişisel olarak tanımlanabilir bilgilerin kaldırıldığı transkriptleri kullandığını söyledi. “Web sitemizden yalnızca konuşma ve tıklama akışı verilerini aldık. Bu veri kaynakları analizlerimizi yürütmek için kullanıldı.”
Mukherjee, çağrı merkezi temsilcilerinin test ekibinin bir parçası olduğunu ekledi. “Yapay zeka modelinin yanıt kalitesini değerlendirdiğimizde mühendisliği çok hızlı bir şekilde tamamlamayı başardık” dedi.
Mukherjee için bu, yapay zeka modelinin ortaya çıkardığı yanıtların %68 doğrudan %88 doğruya çıktığı anlamına geliyordu. Doğruluktaki iyileşmenin, “yalnızca çağrı merkezi temsilcisinin niyetini yanıt istemlerine dahil ederek – herhangi bir ince ayar bile yapmadık” diye elde edildiğini söyledi.
Yapay zekayı BT’den ayırın
BNP Paribas Cardif’in baş veri bilimcisi Sebastien Conort, eğitime çağrı merkezi personelinin dahil edilmesinin ötesinde, BT liderlerinin, kurdukları ve dağıttıkları yapay zeka sistemlerinin sistemlerindeki değişiklikleri destekleyecek kadar sağlam olmasını sağlamaları halinde elde edebilecekleri faydaları keşfetmek için sunumunu kullandı. Yapay zeka modelleri ve yapay zeka altyapısı. BT liderlerinin, bir projenin yapay zeka kısmı geliştikçe BT’nin değişmesine gerek kalmayacak şekilde yapay zeka ile BT’yi ayırmayı hedeflemelerini tavsiye etti.
“Bileşenlerin ayrılmasından, hizmetlerin güvenli bir şekilde açığa çıkarılmasından, depolamadan, kullanıcı arayüzünden ve orkestrasyondan BT sorumludur” dedi. “Yapay zeka, ön ve son işlemlerden, yapay zeka adımlarının düzenlenmesinden ve model gelişiminden sorumludur.”
Yapay zeka tarafında Conort ayrıca BT karar vericilerinin SciKit-learn gibi işlem hatlarını ve model çıkarımı için Cuda, Hugging Face, Tensorflow, MMLabs ve PaddlePaddle gibi platformdan bağımsız bir çerçeve kullanmasını önerdi.
Son olarak Conort, maliyetleri “kabul edilebilir” tutmak için BT liderlerinin yapay zeka destekli ürünlerini geliştirirken açık kaynaklı yazılım kullanmayı düşünmelerini önerdi.