Verinin İngiltere ekonomisini önemli ölçüde canlandırma potansiyeli olmasına rağmen, veri ile yapay zeka arasındaki bağlantılar yeterince anlaşılmamıştır.
Bu potansiyeli değerlendirip Birleşik Krallık’ı Ulusal Yapay Zeka Stratejisi’nin amaçladığı gibi küresel bir yapay zeka süper gücü olarak konumlandırmak istiyorsak, bu vizyonu tam olarak yerine getirebilmek için veri altyapısına hakim olmalıyız. Temel veri becerilerinin eksikliğinden, verilerin güvenilirliğine ilişkin endişelere ve veri paylaşımına ilişkin endişelere kadar önümüzde birçok zorluk var ve yapay zekanın fırsatlarından yararlanmak istiyorsak bunların hepsine acilen dikkat etmemiz gerekiyor.
Her organizasyon bir veri organizasyonudur
21. yüzyılda her kuruluş bir veri kuruluşudur ve verileri nasıl kullandığını ve daha geniş veri ekosistemlerindeki rolünü göz önünde bulundurması gerekir.Hem kamu hem de özel sektör verimliliği artırmak, hizmet ve ürünleri geliştirmek için giderek daha fazla veriye ve yapay zeka da dahil olmak üzere yeni teknolojilere güvendikçe, fırsatları ve sınırlamaları anlama konusunda hepimizin daha fazla özgüvene ihtiyacı var.
Verilere ve bilgilere erişimdeki eşitsizlikler devam etmekte olup, dijital bölünme sosyal ilerlemeyi ve ekonomik gelişmeyi engelleyen. İngiltere nüfusunun yaklaşık %30’u ChatGPT dahil olmak üzere en önemli üretken AI ürünlerinden hiçbirini duymadıklarını söylüyor2. Olanlar yeni nesil yapay zeka araçlarına aşina olanlar her zaman nasıl olduğunun farkında olmayabilirler üretken ve sorumlu bir şekilde kullanılmaları gerekir.
Veri becerilerinde eksiklik
Peak’in AI Benchmarking raporuna göre (2022), İngiltere’deki işletmeler, veri olgunluğu açısından Hindistan ve ABD’nin önemli ölçüde gerisinde kalmaktadır ve İngiltere’deki daha az kuruluş yapay zeka kullanmaktadır veya veri toplama ve işleme için net standartlara sahiptir. Lloyds Bank, İngiltere’deki on milyon kişinin günlük yaşam için temel dijital becerilerden yoksun olduğunu tespit ettiEndüstriyel Strateji Konseyi’ne göre, ‘2030 yılına kadar beş milyon işçi temel dijital becerilerde ciddi şekilde yetersiz kalabilir’.
Bu veri becerilerinin eksikliği, İngiltere’nin rekabet gücünü etkileme potansiyeline sahiptir. Örneğin, e-postaları işleme, belge yazma veya slayt oluşturma gibi genel ofis görevlerinde yardımcı pilot olarak AI kullanmak, bu teknolojilerin nasıl çalıştığını, dayandıkları verileri ve sınırlamalarını anlamayı gerektirir. Bu, çalışanların AI’nın ürettiği şeyleri doğrulayabilmesinin tek yoludur ve bu da gerçekleri uydurmaya eğilimlidir.
Veri okuryazarlığının temel taşı
Hükümet, veri odaklı bir ekonomi ve veri açısından zengin yaşamlar için veri becerilerinin önemini kabul ederek bunu şu şekilde yaptı: Ulusal Veri Stratejisinin dört ayağından biri (NDS). Ancak NDS, ‘her düzeyde liderlik parçalanması ve veri becerilerinde derinlik eksikliği’ olduğunu ve bunun ‘olgun bir veri kültürü’nün gelişmesini engellediğini belirtiyor. Ayrıca, verilerin kötüye kullanılması risklerine aşırı vurgu yapıldığını ve bunun ‘kronik bir veri yetersizliğine ve değerinin anlaşılmamasına’ yol açtığını belirtiyor.
O halde ‘temel veri okuryazarlığının herkes için gerekli olacağını’ söylemesi şaşırtıcı değil. Mayıs 2021’de NDS’ye ilişkin istişareye yanıtHükümet, politikacılar da dahil olmak üzere üst düzey yöneticilerin, kendi birimlerinde verileri ‘tanıtmak ve savunmak’ için veri becerilerine ihtiyaç duyduğunu ve ‘tüm memurların ve kamu sektörü çalışanlarının temel düzeyde veri okuryazarlığına sahip olması gerektiğini’ vurguladı.
Açık Veri Enstitüsü (ODI) veri okuryazarlığını şu şekilde tanımlıyor: ‘Farklı bağlamlarda veriler hakkında eleştirel düşünme ve veri ve bilgi toplama, kullanma ve paylaşma sırasında farklı yaklaşımların etkisini inceleme yeteneği.’ Veri analistleri, bilim insanları, mühendisler veya etik uzmanları gibi uzman rollerin ötesine geçerek, veri yöneticileri, yönetim yöneticileri ve baş veri sorumluları gibi kuruluş çapındaki rollere kadar uzanır.
Liderler Kuruluşlarının etkili veri odaklı iş modelleri oluşturmalarına ve veri konusunda daha güvenilir hale gelmelerini sağlayacak iyi veri yönetimi süreçleri ve uygulamaları oluşturmalarına yardımcı olmak için veri okuryazarlığını geliştirmeleri gerektiğini anlamaları gerekir. Teknik olmayan çalışanlar, üretken AI araçlarından en iyi şekilde yararlanmak için istemleri etkili bir şekilde kullanma dahil olmak üzere, veri ve AI arasındaki bağlantıları anlamalarına yardımcı olan araçlara ve eğitime erişebilmelidir.
Üretken AI fırsatı
Yapay zeka, insanların yerini almaktan ziyade hem yetenekli hem de deneyimsiz çalışanlar için önemli ve faydalı bir araçtır. Yapay zeka modelleri, herkesin kodlamayı öğrenmeden veri bulması, yayınlaması ve analiz etmesi için erişilebilir araçlar geliştirmek üzere oluşturulabilir ve eğitilebilir. Fırsat önemlidir; örneğin, GitHub tarafından yapılan bir çalışma, Copilot’un daha az deneyimli yazılım geliştiricileri için özellikle faydalı olduğunu göstermiştir. Ayrıca, katılımcıların akışta kalmasına (73%), tekrarlayan görevler sırasında zihinsel çabayı korumasına (87%) ve görevleri Copilot’u olmayanlardan daha hızlı tamamlamasına (56%) yardımcı olduğunu göstererek deneyimli çalışanlara da yardımcı olmuştur..
AI, daha az deneyimli veya kalifiye çalışanları destekleyerek hizmetler gibi İngiltere dostu endüstrilerde üretkenliğe potansiyel olarak fayda sağlayabilir. Örneğin, AI sohbet asistanına erişimi olan çağrı merkezi temsilcileri üretkenliklerini ortalama %14 oranında artırırken, acemi ve düşük becerili çalışanlar için %35’lik bir iyileştirme sağladı.
Sınırlamaları anlamak
Harvard Business School’daki araştırmacılar, yapay zekanın gerçek değer sağlayabileceğini ancak öngörülemeyen arıza noktalarının ve araçların en iyi şekilde nasıl kullanılacağına ilişkin belirsizliğin, yapay zekanın değerinin ve risklerinin birçok kullanıcı ve kuruluş için belirsiz olduğu anlamına geldiğini buldu. Büyük Dil Modelleri (LLM’ler), geliştirmenin erken aşamasından dolayı iyi belgelenmiş dezavantajlara sahiptir; bu da acı çekmenize neden olur. halüsinasyonlar doğruluk eksikliğine.
Hala kurgusal veri kümeleri önerme, yanlış analizler yapma ve kaynakları yanlış gösterme (eğer herhangi bir kaynaktan bahsediyorlarsa) olasılıklarının yüksek olduğunu biliyoruz..
Üretken AI (GenAI) araçlarından en iyi şekilde yararlanmak için, insanların AI ile etkili bir şekilde çalışmayı öğrenmeleri ve adapte olmaları, çıktılarına soru sormadan güvenmek yerine onu bir yardımcı araç olarak kullanmaları gerekir. GenAI, kullanıcılarının yeni AI becerileri öğrenmesine yardımcı olarak, veriyle ilgili olanlar da dahil olmak üzere daha iyi eğitim programları oluşturmaya bile yardımcı olabilir ve bu da bize Üretken AI’nın çıktılarını kontrol etmek ve sonuçlarını iyileştirmek için yetenekli istemler sağlamak.
Şu anda eğitimlerin çoğu yapay zeka veya veri üzerine, ancak ChatGPT gibi en popüler modellerden bazılarını etkileyen belirli veriyle ilgili sorunları anlamak için veri merkezli yapay zeka konusunda da eğitime ihtiyacımız var.
Harekete geçme zamanı şimdi
Yapay zeka, verimlilik, ekonomik büyüme ve inovasyon için önemli fırsatlar sunar. İngiltere’nin yapay zeka potansiyelini açığa çıkarmak ve dünya liderleri olarak yerimizi sağlamlaştırmak istiyorsak, yaptığımız işin merkezine verileri koymalıyız. Yapay zeka anlatısını, model geliştirmeye özel bir odaklanmadan, verileri ve bunları kullanan insanların ihtiyaçlarını daha geniş bir şekilde anlamaya acilen kaydırmamız gerekiyor. Herkesin verilere etkili bir şekilde erişebilmesini ve bunları kullanabilmesini sağlamak, insanların daha iyi kararlar almasını ve toplum için eşit sonuçlar yaratmasını sağlamak için kritik öneme sahiptir.
Yapılacak çok şey var ve teknoloji ışık hızında ilerliyor. Rakiplerimiz bizi geçmeden önce fikirleri eyleme dönüştürmek için hızlı çalışmamız gerekiyor.
Elena Simperl, Açık Veri Enstitüsü ve King’s College London’da bilgisayar bilimi profesörüdür.