Yapay zeka, birçok kuruluşun güvence altına alıp yönetebileceğinden daha hızlı bir şekilde temel kurumsal sistemlere entegre ediliyor. NTT tarafından yapılan yeni bir küresel araştırma, şirketlerin yapay zeka dağıtımını genişlettiğini, altyapı hazırlığı, veri bütünlüğü kontrolleri ve yönetişim çerçevelerindeki boşlukların ise güvenli çalışmayı geniş ölçekte sınırlamaya devam ettiğini gösteriyor.
Yatırımlar eşit olmayan sonuçlara rağmen devam ediyor
Yapay zeka harcamaları bölgeler ve endüstriler genelinde artmaya devam ediyor. Yapay zeka, sonuçlar farklılık gösterse bile bütçelerin büyümesini sağlayan rekabet edebilirliğin ve uzun vadeli stratejinin merkezi olarak görülüyor. Kuruluşların yaklaşık yarısı mevcut yapay zeka girişimlerinin beklentileri karşıladığını söylerken geri kalanı daha zayıf getiri bildiriyor.
Bu farklılıklar ilgi eksikliğinden kaynaklanmıyor. Altyapı sınırları birincil kısıt olarak ortaya çıkıyor. Daha önceki iş yükleri için tasarlanan sistemler, büyük modeller, sık sık yeniden eğitim ve veri ağırlıklı işlem hatları nedeniyle zorlanır. Bu baskılar dağıtımı yavaşlatır ve kullanım genişledikçe operasyonel karmaşıklığı artırır.
NTT DATA CEO’su ve Yapay Zeka Baş Sorumlusu Abhijit Dubey, “Tarihi yapay zeka yatırımlarının ortasında, iş liderleri, kaliteden, dayanıklılıktan ve işletmelerden beklenen çalışan ve sosyal sözleşmeden ödün vermeden, benzeri görülmemiş büyüme ve üretkenliğin kilidini açma potansiyeline sahip, yapay zeka destekli bir geleceğe ulaşma konusunda hayati sorular soruyor” dedi.
Altyapı hazırlığı talebin gerisinde kalıyor
Şirketlerin yalnızca küçük bir kısmı altyapılarının yapay zekayı geniş ölçekte destekleyebileceğini söylüyor. Çoğu, eski sistemleri uyarlayarak veya eski platformların yanı sıra yeni bileşenleri tanıtarak geçiş aşamasındadır. Bilgi işlem kapasitesi, ağ verimi ve veri hazırlığındaki eksiklikler yanıtlarda tekrar tekrar ortaya çıkıyor.
Geliştirme döngüleri uzuyor, üretim yavaşlıyor ve yapay zekanın ekipler arasında operasyonel hale getirilmesi hâlâ zorlaşıyor. Programlar ilerlemeye devam ederken, iş yükleri arttıkça sürtüşmeler de artıyor.
Çalışma, altyapıyı stratejik bir konu olarak çerçeveliyor. Bilgi işlem, ağlar ve veri hatlarını uzun vadeli varlıklar olarak ele almak, yapay zeka kullanımı genişledikçe darboğazları azaltır.
Performans, ilk yapay zeka tasarım tercihlerini şekillendiriyor
Performans çoğu yapay zeka altyapısı kararını yönlendirir. Kuruluşlar öncelikle model boyutu, gecikme ve güvenilirlik gereksinimlerini karşılamaya odaklanır. Enerji kullanımı ve çevresel etki genellikle yaşam döngüsünün ilerleyen aşamalarında dikkat çeker.
Erken planlama sırasında enerji sonuçlarıyla ilgili endişeler yaygın olmaya devam ediyor. Katılımcıların büyük bir kısmı sürdürülebilirlik çabalarının karlılığı azalttığına inanıyor ve bu da altyapı yatırımlarının nasıl sıralanacağını şekillendiriyor.
Araştırma, performans ve enerji sonuçları arasında giderek artan bir uyum olduğunu gösteriyor. Dağıtılmış mimariler, gelişmiş soğutma ve optik ağ iletişimi, genişleyen yapay zeka iş yüklerini destekleme planlarında sıklıkla karşımıza çıkıyor.
İş yükleri arttıkça fotonik dikkat çekiyor
Fotonik, çalışmada en çok tanınan altyapı teknolojilerinden biri olarak öne çıkıyor. Katılımcılar bunu daha yüksek verim ve daha düşük enerji talebiyle, yani yapay zekanın yoğun olduğu ortamlarla uyumlu niteliklerle ilişkilendiriyor. Veri hareketi ve ısı yönetiminin daha fazla kontrol gerektirdiği şirket büyüklüğü arttıkça ilgi de artar.
Entegrasyon karmaşıklığı, ön maliyetler ve belirsizlik, dağıtımın yavaşlamasına neden olur. Birçok kuruluş, fotoniği hemen kullanıma sunmak yerine orta vadeli bir değerlendirme yoluna yerleştirir.
Çalışma, fotoniği, güç ve donanım üzerindeki baskıda orantılı bir artış olmadan yapay zeka büyümesini absorbe edebilecek daha geniş bir altyapı arayışının parçası olarak sunuyor.
Veri bütünlüğü yapay zeka sistemlerine olan güveni tanımlar
Yapay zeka performansı, temeldeki verilerin kalitesi ve bütünlüğüyle yakından bağlantılıdır. Katılımcılar, kuruluşlarının yapay zeka sistemlerini besleyen veriyi temizlemek, korumak ve yönetmek için daha fazlasını yapması gerektiğini söylüyor.
Zayıf veri hijyeni riski beraberinde getirir. Zayıf girdiler güvenilmez çıktılara, daha zayıf karar desteğine ve güvenlik olaylarına daha fazla maruz kalınmasına neden olur. Yapay zeka sistemleri pilot uygulamalardan temel iş akışlarına geçtikçe bu riskler artıyor.
Onaylanmamış yapay zeka araçlarının yaygın kullanımı, kuruluşlar genelinde yeni riskler ortaya çıkarıyor. Hassas veri sızıntısı, veri bütünlüğünün bozulması ve güvenlik açıkları endişeler arasında en üst sırada yer alıyor. Yanlış çıktılar da özellikle yapay zeka araçlarının gözetim olmadan iş kararlarını etkilediği durumlarda öne çıkıyor.
Çalışma, gölge yapay zekayı, halka açık yapay zeka araçlarına kolay erişime ve daha hızlı hareket etme baskısına bağlı sistemik bir sorun olarak tanımlıyor.
Yönetişim olgunluğu kuruluşlar arasında farklılık gösterir
Resmi yapay zeka yönetişimi birçok kuruluşta mevcuttur, ancak olgunluğuna duyulan güven farklılık göstermektedir. Bazıları yönetişim konseyleri, risk değerlendirmeleri ve erişim kontrolleri yoluyla yapılandırılmış gözetim rapor ediyor. Diğerleri politika ile günlük uygulamalar arasındaki boşlukları kabul ediyor.
Ajansal yapay zeka sistemlerine olan ilgi bu endişeleri yoğunlaştırıyor. Otonom karar verme, yönetişim zayıflıklarının etkisini artırırken, siber güvenlik ve veri koruma da önde gelen riskler olarak gösteriliyor.
Yanıtlar, hassas iş yükleri için kısıtlı ortamlar, gizliliği artıran teknikler ve daha sıkı rol tabanlı erişim içeren katmanlı kontrolleri açıklamaktadır. Yönetişim giderek planlamayı, konuşlandırmayı ve operasyonu kapsıyor.