Google Cloud’un veri analitiğinden sorumlu baş yöneticisine göre yapay zeka (AI), kurumsal verilerdeki değeri ortaya çıkarmada giderek artan bir rol oynayacak.
Google Cloud’da veri tabanı, veri analitiği ve Looker’dan sorumlu başkan yardımcısı ve genel müdür olan Gerrit Kazmaier, Computer Weekly’ye, bulut ve arama devinin müşterilerinin halihazırda yapay zekayı daha geleneksel iş zekası araçlarıyla birleştirdiğini söyledi.
Kazmaier, yapay zekanın yapılandırılmış ve yapılandırılmamış verileri bir araya getirmeye yardımcı olmasından kaynaklandığını söyledi. Yapay zeka sistemleri giderek daha karmaşık analizler gerçekleştirmeye başlıyor, ancak bunu insan uzmanlardan çok daha yüksek hızlarda ve çok daha fazla miktarda bilgiyle gerçekleştirebiliyorlar.
Google, arama konusundaki geçmişinin yanı sıra bulut kaynakları ve üretken yapay zeka sistemlerinin temellerinden biri olan transformatör modelini geliştirme deneyiminden yararlanarak bu konuda müşterilerine destek oluyor.
Kazmaier, “Google’ın kurumsal veri aramasını yeniden tasarlıyoruz” dedi.. Bunların çoğu, büyük ölçüde kamuya açık veriler üzerinde eğitilen üretken yapay zeka da dahil olmak üzere yapay zeka araçlarının potansiyelini, işletmelerin kurumsal uygulamalarında ve veri göllerinde tutulan alana ve işletmeye özgü bilgilerle birleştirmeyle ilgilidir.
“Şu ana kadar Google arama çoğunlukla kamuya açık alanda veya genel web’de aktif” dedi. “Sonuçta, bunu kurumsal alana taşımak için büyük bir fırsat vardı; temel olarak dünya çapındaki ağın parçası olmayan şirketlerde var olan her veri noktasına benzer bir arayüz vermek.
“Herkes Google’ın nasıl kullanılacağını biliyor. Gezegendeki her CEO’nun halka açık web’de arama yapmak için Google’ı nasıl kullanacağını bildiğinden eminim. Bu gezegende yalnızca çok az sayıda kişinin ve kesinlikle az sayıda CEO’nun kendi girişimleri hakkında bilgi bulmak için bir gösterge tablosu aracını kullanabileceğinden aynı derecede eminim.
“Üretici yapay zeka ile [GenAI]Google arama yoluyla herkese açık verilerle konuşabildiğiniz gibi, biz de kurumsal verilerinizle konuşma fırsatına sahibiz.”
Google verileri ‘alıyor’
Kazmaier’e göre Google, bilgiyi daha erişilebilir hale getirme ihtiyacı konusunda “kültürel bir anlayışa” sahip. Bu, yapay zeka ile geleneksel analitiği bir araya getirme misyonunun merkezinde yer alıyor.
“Teknolog açısından bakıldığında, dünyadaki bilgilerin araştırılması ve ilgili bilgilerin evrensel olarak erişilebilir ve kullanışlı hale getirilmesiyle başlar. Günümüzde üretken yapay zekada yoğun olarak kullanılan teknolojiyi oluşturmak için bu gerekli” diye devam etti.
“Google’ın transformatör modelinin orijinal mucidi olmasının bir nedeni var; bu, artık Gemini de dahil olmak üzere tüm bu modellerin temelinde yatan mimaridir. [formerly Google’s Bard]veya ChatGPT, [Meta’s] Lama vb.
“Her şeyden önce, birisinin sorusunu anlamlı bir cevapla eşleştirmek istediğimizi söylediğimizde, bunu verimli bir şekilde işlemek için anlambilimi anlamak ve bunu bir biçimde geri vermek için geliştirmemiz gereken teknoloji hakkında derin bir anlayış var. Bir insanın çalışabileceği bir faktör.”
Google, BigQuery’yi Vertex AI ile entegre ederek, verileri BigQuery Studio’daki AI iş akışlarına etkinleştirerek ve kullanıcıların BigQuery ML’de makine öğrenimi modelleri oluşturup bunları Vertex AI’ye aktarmasına olanak tanıyarak yapay zekayı analiz araçlarına eklemek için bir yol haritası belirledi. Looker ve Looker Studio’nun özellikleri.
Google’ın görüşüne göre, kuruluştaki üretken yapay zekaya yönelik en umut verici uygulamalardan biri, uzman olmayan kişilerin iş verileriyle etkileşime girmesine yardımcı olmaktır.
GenAI, kodlama veya analiz becerilerini öğrenmek veya sorgular yazmak ve gösterge tabloları tasarlamak yerine, iş kullanıcılarının doğal dili kullanarak bir veritabanı, veri ambarı veya veri gölü uygulamasıyla etkileşime girmesine ve ayrıca doğal dilde yanıt almasına olanak sağlamalıdır.
Bunun kullanım kolaylığı dışında iki önemli avantajı vardır.
Bir kontrol panelinin formatına ve yeteneklerine uyacak şekilde verileri filtreleme ihtiyacını ortadan kaldırır. Bu kaçınılmaz olarak bazı bilgilerin kısaltılacağı veya kaldırılacağı anlamına gelir. Ve kurumsal kullanıcıların yalnızca küçük bir kısmı analiz araçlarını derinlemesine inceleme becerisine sahiptir.
Yapay zeka tabanlı bir sistem, daha büyük veri hacimleriyle ve daha geniş bir veri kaynağı yelpazesiyle başa çıkabildiği için daha doğru olma potansiyeline sahiptir. Kazmaier buna “geniş veri” adını verdi.
Diğer avantaj ise kullanıcıların yapay zeka odaklı sistemlerle daha yinelemeli bir şekilde etkileşime girebilmesidir. İhtiyaç duydukları bilgiyi bulana kadar daha fazla soru sorarak sorgularda ince ayar yapabilir ve ince ayar yapabilirler.
Kazmaier, Şili’deki bir deniz ürünleri firması olan ve BigQuery, Vertex AI ve Looker dahil olmak üzere bir dizi standart BI aracı kullanan Camanchaca örneğini veriyor. Tüm çalışanların şirket verilerine erişimini sağlamak için bir yapay zeka aracısı oluşturuldu.
“Bu, veri analizi uzmanı olmayanlar için veri ve analitiğin kilidini açıyor. Herkesin soracağı bir soru var. Herkesin bu soruyu cevaplayacak bir analisti yok” dedi.
“Bize kontrol paneli ve geleneksel veri analitiğinden daha fazlasını sağlayan, üretken yapay zeka yetenekleri için ortaya çıkan yeni kullanım durumları var. Tüketici artık veri analistlerinden anlamlı veri analizine erişim hakkı verilen her bilgi çalışanına doğru değişiyor.”
Bu, Kazmaier’e göre iş zekasının, bir insan analistin yapacağı gibi, yalnızca verileri görüntülemekten bilgileri yorumlamaya geçmesine olanak tanıyor.
“Verilere baktığınızda, bunu yorumlamanıza yardımcı olacak, profesyonel bir analiz gibi bilgili birinin olmasını istersiniz. Bu kavramsal olarak neyi temsil ediyor veya nasıl karşılaştırılıyor? dedi.
“Bu, veri noktasının kendisi tarafından mutlaka yanıtlanabilecek bir soru değil, ancak gerçekten kalibre edilmiş, ‘Bu iyi bir marj mı yoksa kötü bir marj mı?’ yorumunu nasıl yorumlayacağını anlayan birine ihtiyacınız var. Bu, günün olağanüstü satışları için iyi mi kötü mü?’
“Bu, BI teklifimize dahil ettiğimiz aracılar tarafından eğitilip kodlanabilir ve oluşturulabilir. Yani temel olarak göreceğiniz verileri anlamanıza ve yorumlamanıza yardımcı olabilecek bir analistle işbirliği yapıyorsunuz. Karşılaştığımız en önemli sorunlardan biri geleneksel BI’dır; bilgiyi insanların anlayabileceği bir düzeye sıkıştırmak zorunda olmamızdır.”
Kazmaier’e göre verinin tüketicileri değişiyor. Daha fazla kullanıcı verilere erişim istiyor ve yapay zeka, özellikle de üretken yapay zeka, bu erişimi geleneksel iş zekasının yapamayacağı bir şekilde açmanın bir yolunu sunuyor.
Ancak yapay zekanın iş zekasına ve Google’ın yol haritasına entegrasyonunda daha iyi bir arayüz sağlamaktan daha fazlası var. Yapay zeka, firmalara kurumsal verilerdeki sonsuz büyümenin önünde kalmaları ve aynı zamanda bundan bir miktar iş değeri elde etmeleri için bir yol sunuyor.
Kazmaier büyük veriden ziyade “geniş”ten bahsediyor: sadece daha fazla veriye sahip olmak değil, aynı zamanda analize daha fazla veri noktası eklemek. Yapay zeka sistemlerinin ek faktörleri hesaba katmaya değip değmeyeceğine karar vermek için iyi bir konumda olduğunu ve karar almayı geciktirmeyecek şekilde bunu yeterince hızlı yapabilecek işlem gücüne sahip olduklarını söyledi.
“Gördüğümüz en büyük değişikliklerden biri yapılandırılmamış verilerin kullanılmasıdır” dedi. “Yapılandırılmamış verileri düşündüğünüzde, kabaca dünyadaki verilerin %90’ını temsil ediyor. Geleneksel olarak bu veriler veri analitiğinde kullanılmaz. Belgeler için veya fatura ödeme gibi belirli süreçleri otomatikleştirmek için özel uygulamalar vardı ancak bu, sizin yapılandırılmış verilerde yaptığınız gibi aktif olarak kullandığımız, araştırdığımız ve analiz ettiğimiz kurumsal veri ortamının bir parçası olarak görülmedi.
“Yapılandırılmamış verilerle çalışan üretken yapay zeka ile insanların bunu anlaması ve ondan bilgi çıkarması son derece esnek ve kullanılabilir hale geliyor” diye devam etti.
Yapay zeka araçları, iş kullanıcılarının verileri daha derinlemesine incelemelerine ve kuruluşlarındaki trendleri daha iyi anlamalarına olanak tanır: “ne, ne zaman ve nerede” sorularından nihai olarak “neden” sorusuna geçiş.
Kazmaier, “Kamuya açık veriler üzerinde eğitilen büyük modelleriniz var ve onlara kamuya açık alanla ilgili sorular sorabilirsiniz ve yapabilecekleri şaşırtıcı” diye ekledi.
“Ancak bu modeller bir kuruluşun verilerini kullanacak şekilde eğitilmiyor ve bu oldukça ilginç. Bu büyükleri nasıl konuşlandıracağız? [language] sahip olduğunuz tüm içgörüleri verilerinize açabilmeniz ve bunların hepsinin şirkette kullanılabilmesi için kurumsal verilere sahip modeller mi istiyorsunuz?
Yapay zeka ajanlarının zaten bu cevapları sağladığını söyledi.