KOBi'lerde Yapay Zeka Projelerinin %77'si Neden Basarisiz Oluyor

Orta olcekli sirketlerin %91'i yapay zekanin onemli oldugunu soyluyor. %94'u tek bir yapay zeka projesini bile tamamlamamis. Deneyen %6'nin durumu mu? %77'si basarisiz olmus.

Bu rakamlar Almanya'daki Mittelstand-Digital Zentrum, IHK ve Bitkom'un guncel arastirmalarindan geliyor. Bizzat tanikligi olan bir hikaye anlatiyorlar.

Instacart'ta yapay zekanin dogru nasil uygulandigini gordum: kucuk basla, hizli ogren, sonra olcekle. DHL, Delivery Hero ve New Relic'te devasa veriler ve muazzam butcelerle yapay zeka projeleri kuran sirketleri gozlemledim. Bazilari basarili oldu, bircogu olmadi. Alman KOBi pazarinda simdi tam tersini goruyorum: buyuk proje, uzun sure, olculebilir sonuc yok.

Iyi haber: basarisizligin kaliplari var. Kaliplari bildiginizde onlardan kacinabilirsiniz.

KOBi'lerde yapay zeka projelerinin basarisiz olmasinin bes nedeni

Son iki yilda dutzinelerce orta olcekli sirketle yapay zeka planlari hakkinda konustum. Eifel'deki uretim firmalari, Rheinland'daki hizmet saglayicilari, Euskirchen bolgesindeki zanaat isletmeleri. Sorunlar tekrar ediyor.

1. Dusuk veri kalitesi

"Cop girer, cop cikar" bir ders kitabi slogani degil. Gunluk gerceklik bu.

Bir yapay zeka modeli ancak egitildigi veri kadar iyidir. Bircogu KOBi'nin ic gercekligi su sekilde: musteri verileri uc farkli elektronik tabloda, uretim verileri 2014'ten kalma bir sistemde, siparis gecmisi yarisi dijital, yarisi kagit dosyalarda.

Bu verilerle bir yapay zeka projesi baslattiginizda, en iyi ihtimalle ise yaramaz sonuclar elde edersiniz. En kotu ihtimalle sonuclar akla yatkin gorunur ama yanlislardir. Sonra hatali tahminlere dayali kararlar alirsiniz. Bu, hic yapay zeka olmamasindan daha tehlikelidir.

Instacart'ta yalnizca veri kalitesine odaklanan bir ekibimiz vardi. Modellere degil, algoritmalara degil. Sadece temiz, tutarli, guncel verilere. Bu temel olmadan dunyanin en iyi modeli bile hicbir sey uretmez.

Cogu KOBi'nin boyle bir ekibi yok. Ve bu sorun degil. Ama o zaman eldeki verilerle baslamak ve bunlarin yeterli olup olmadigini durustce degerlendirmek gerekir.

2. Cozulecek somut bir sorun yok

"Yapay zekaya ihtiyacimiz var." Bunu surekli duyuyorum. "Tam olarak ne icin?" diye sordugumdaysa ortam sessizlesiyor.

Basarisiz yapay zeka projelerinin cogu sorun yerine teknolojiyle baslar. Birisi bir fuara gitmis, ChatGPT hakkinda bir sunum dinlemis ve simdi sirket "yapay zekayla bir seyler yapmali." Bu, bir cekic alip sonra civi cakacak bir ev aramak gibidir.

Dogru yaklasim tam tersidir: somut bir sorununuz var. Teklifler cok yavas ciktigi icin musteriler kaybediyorsunuz. Ekibiniz haftada 10 saatini manuel veri girisine harciyor. Kalite kontrol sistematik olarak ayni hata turunu kaciyor. O zaman yapay zekanin bu sorunu cozup cozemeyecegini kontrol ediyorsunuz.

3. Basindan itibaren cok genis kapsam

"Tam bir yapay zeka donusumu yapacagiz." Bu cumle sonun baslangicidir.

Dev bir projeyle baslayan sirketler neredeyse her zaman basarisiz olur. Neden? Cunku butunsel bir proje cok karmasik, cok pahali ve cok uzun surer. Alti ay sonra cok para harcanmis ama kimsenin gunluk olarak kullandigi bir sey yoktur. Motivasyon duser, butce sorgulanir ve sonunda proje kimsenin artik acmadigi bir Teams kanalinda sessizce olur.

New Relic'te milyar dolarlik bir teknoloji sirketinin bile yapay zekayi adim adim nasil uyguladigini gordum. "Donusum" olarak degil, kucuk deneyler serisi olarak. Her deneyin net bir zaman dilimi ve olculebilir bir hedefi vardi. Ise yaradiysa: olcekle. Yaramadiysa: dur ve hatalardan ogren.

Bu disiplin KOBi'lerde neredeyse her zaman eksik.

4. Dahili bir sampiyon yok

Yapay zeka projelerinin sirket icinde konuyu takip eden birine ihtiyaci var. Strateji konferansinda projeyi duyuran CEO'ya degil. Gunluk isi bilen, ekiple konusan, direnci fark eden ve ortadan kaldiran birine.

Dahili bir sampiyon olmadan su olur: dis tedarikci bir cozum sunar. Ekip neden calisma seklini degistirmesi gerektigini anlamaz. Arac iki hafta kullanilir, sonra goz ardi edilir. Proje "uygulanmis" sayilir ama hicbir deger yaratmaz.

Degisim yonetimi kurumsal jargon gibi gorunuyor. Oyle de. Ama altindaki sorun gercek, 15 kisilik bir isletmede bile. Insanlar birisi yeni bir arac yukledi diye davranislarini degistirmez. Faydasini kendileri yasadiklarinda degistirirler.

5. Yanlis tedarikci

Bu son nokta benim icin de rahatsiz edici, cunku ben de bir tedarikciyim. Ama soylenmesi gerekiyor.

Bircogu yapay zeka projesi tedarikcinin yanlis cozumu satmis olmasindan dolayi basarisiz olur. Herhangi bir sey olmadan once aylar suren bir degerlendirme yapan bir danismanlik firmasi. KOBi icin fazla karmasik bir platform satan bir startup. Web sitesine "yapay zeka" yazan ama aslinda sadece birkac API cagrisini birlestiren bir ajans.

Nelere dikkat etmelisiniz: Tedarikcinin sizin buyukluguzde sirketlerle deneyimi var mi? Olculebilir ROI elde edilen referanslar gosterebilir mi? Aylardan mi yoksa haftalardan mi bahsediyor? Once tum sirketinizi analiz etmek mi istiyor yoksa belirli bir surecle mi basliyor?

Ise yarayan kalip: kucuk, hizli, olculebilir

Simdi iyi habere gelelim. Basarili olan yapay zeka projeleri net bir kalip izler. Bunu Instacart'ta, Delivery Hero'da ve dogru yapan KOBi'lerde gordum.

Kalip uc adimda:

Adim 1: Tek bir surec secin. Iki degil, uc degil. Tek bir surec. En cok rahatsiz eden, en cok zaman yiyen veya en cok hata olusturan surec. Bu sizin pilot projenizdir.

Adim 2: 30 gunde olculebilir bir sonuc sunun. Alti ayda degil. 30 gunde. Bu sizi kapsami kucuk tutmaya zorlar. "30 gun icinde bu surecin daha hizli, daha iyi veya daha ucuz calistigini gosterebilir miyiz?" Cevap hayirsa, kapsam cok buyuktur.

Adim 3: Olcun, ogrenin, ancak sonra olcekleyin. Pilot ise yaradi mi? Tam olarak ne sagladi? Kac saat tasarruf, kac hata azaltildi, ne kadar ek gelir? Ancak bu rakamlara sahip oldugunuzda bir sonraki adima karar verirsiniz.

Bu neden ise yarar? Cunku kucuk projeler hizli geri bildirim saglar. Bir seyin ise yarayip yaramadigini haftalar icinde gorursunuz. Pahaliya patlamadan once rotayi duzetebilirsiniz. Ve dahili guven insa edersiniz, bu belki de en onemli noktadir. Ekibiniz kucuk bir yapay zeka projesinin gercekten saat tasarruf ettigini gordugunde, bir sonraki adim icin isteklilik olusur.

Yapay zeka hazirlik testi: sirketiniz icin 5 soru

Bir yapay zeka projesine baslamadan once bes soruyu durustce yanitlayin. Hicbiri teknik bilgi gerektirmez. Hepsi durstluk gerektirir.

1. Somut, olculebilir bir sorununuz var mi? "Daha verimli olmak istiyoruz" degil, "X sureci haftada 8 saat suruyor, 2 saat olmali." Sorunu tek bir cumlede tanitamiyorsaniz, yapay zeka icin henuz hazir degil.

2. Bu sorunla ilgili veriniz var mi? Yapay zeka ogrenmek icin veriye ihtiyac duyar. Siparisleriniz uc elektronik tabloda, iki e-posta kutusunda ve bir defterdeyse, once birlestirmeniz gerekir. Sikici gorunuyor. Oyle de. Ama bu adim olmadan yapay zeka hicbir sey katmaz.

3. Surec tekrarlanabilir mi? Yapay zeka tekrar eden gorevlerde ustundur. Teklif yazmak, fatura kontrol etmek, musteri verilerini kaydetmek, kalite kontrolu yapmak. Tek seferlik gorevler veya her seferinde tamamen farkli olan gorevler yapay zeka icin daha zordur.

4. Basariyi 30 gun icinde olcebilir misiniz? Pilotunuz ise yarayip yaramadigini anlamak icin 6 aya ihtiyac duyuyorsa, kapsam cok buyuk. Cevap evet olana kadar kucultun.

5. Ekipte projeyi yurutecek biri var mi? CEO degil (onun baska isleri var), sureci bilen ve motive olan biri. Bir takim lideri, bir usta, bir ofis muduru. Soruna yakin biri.

Uc veya daha fazla soruyu evet diye cevaplayabiliyorsaniz, pilota hazirsiniz. Degilseniz, once bosluklar uzerinde calisin. Bu basarisizlik degil, hazirlik.

Basari ve basarisizlik: farki ne olusturur

Size iki hikaye anlatmak istiyorum. Ikisi de bolgeden, anonim.

Sirket A: 80.000 EUR yandi

45 calisanli bir makine muhendisligi firmasi. Yonetim karar verir: "Yapay zeka yapiyoruz." Bir danismanlik firmasi tutuluyor. Uc ay degerlendirme, gorusmeler, atolyeler. Sonuc: 120 sayfalik bir yol haritasi. Buraya kadar maliyet: 35.000 EUR.

Sonra bir yazilim sirketi "yapay zeka tabanli uretim optimizasyonu" insa etmek icin tutuluyor. Dort ay sonra bir prototip var. Laboratuvarda calisiyor ama gercek makine verileriyle calismiyor, cunku veri formati hic kontrol edilmemis. 45.000 EUR daha.

Toplam maliyet: 80.000 EUR. Sonuc: kimsenin kullanmadigi bir prototip. Uretim ekibi projeyi hic anlamadi ve hic kabul etmedi. Bugun o sirketin ic kara listesinde yapay zeka var.

Sirket B: 3.800 EUR, uc haftada ROI

12 calisanli bir zanaat isletmesi. Sorun: ofis muduru her cuma 4 saatini notlardan, fotograflardan ve sesli mesajlardan teklif hazirlamaya harciyor.

Cozum: bir konusmadan metne araciyla ve bir sablonla basit bir is akisi. Teknisyen notlarini telefona soyluyor, arac bunlari yaziya ceviriyor ve ofis muduru onceden doldurulmus bir teklif taslagi aliyor. Sadece kontrol edip gondermesi yeterli.

Maliyet: kurulum icin 3.800 EUR, lisanslar icin ayda 60 EUR. Zaman tasarrufu: haftada 3,5 saat. ROI: uc hafta sonra. Ve en guzeli: ofis muduru projeyi kendisi yuruttuu cunku cuma ezivetinden bitmisti.

Bu iki vaka arasindaki fark? Teknoloji degil. Yaklasim. Sirket A cozumle basladi. Sirket B sorunla basladi.

Hangi surecler iyi baslangic noktalaridir

Her surec yapay zeka pilotu olarak esit derecede uygun degildir. KOBi'lerde tekrar tekrar iyi baslangic noktalari olarak gordugum kategoriler sunlar.

Belge olusturma teklifleri, raporlari, toplanti tutanaklarini ve ozetleri kapsar. Ham veriyi belgeye donusturen her noktadir. En yaygin giris noktalarindan biridir, cunku onceki emek acikca olculebilir.

Musteri iletisimini iyilestirmek e-posta yanit taslaklari hazirlamayi, sik sorulan soru taleplerini otomatik yanitlamayi ve geri arama zamanlari onermeyi icerir. Burada yapay zeka sadece zaman tasarrufu degil, yanit hizini da arttirir ve bunu musteriler fark eder.

Sonra klasik veri kaydi var. Faturalari taramak ve okumak, irsaliyeleri dijitallestirmek, kartvizitleri CRM'e aktarmak. Hepsi tekrarli, hepsi otomasyona uygun.

Kalite kontrol bir diger guclu adaydir. Urun fotograflarini otomatik olarak incelemek, olcum verilerindeki anomalileri tespit etmek. Ozellikle uretimde buradaki potansiyel buyuktur.

Ve son olarak: bilgi yonetimi. Dahili bilgi tabanlarini aranabilir kilmak, el kitaplarini ozetlemek, ise alistirma materyali hazirlamak.

Uygun olmayan alanlar: kararin karmasik, nadir ve tamamen bireysel oldugu surecler. Ise alim, stratejik ortakliklar, kriz yonetimi. Burada yapay zeka bir aractir ama otopilot degildir.

Yapay zeka ve KOBi'ler hakkinda kisisel gorusum

Yapay zeka propagandacisi degilim. Yapay zeka platformlari satmiyorum. Yazilim gelistirici ve kurucu olarak her gun musterilerim icin neyin ise yaradigini ve neyin yaramadigini goruyorum.

Durust degerlendirmem: cogu KOBi'nin yapay zekaya ihtiyaci yok. Once temiz verilere, net sureclere ve birbirleriyle konusan yazilimlara ihtiyaclari var. Bunlara sahip olan icin yapay zeka bir kaldiraca donusur. Olmayan icin yapay zeka bir sonraki pahali hayal kirikligi olur.

Bu, KOBi'ler icin yazilim gelistiren birinden gelince garip gorunebilir. Ama tam da bu yuzden soyluyorum: musterilerimin yapay zekayla basarili olmasini istiyorum. Ve yol temel calismasindan gecer, sansasyondan degil.

Instacart'ta gercekten para kazanan ilk yapay zeka uygulamasi minik bir sorunu cozuyordu. Alisveris listesindeki urunlerin optimal sirasini tahmin etmekti, boylece alisverisi yapan kisi markette daha az metre yuruyordu. Goze carpan bir proje degil. Manset olacak bir sey degil. Ama yilda milyonlarca tasarruf edilen calisma saati. Kucuk basla, olc, olcekle.

Bu Eifel'deki 15 kisilik bir isletme icin de ise yarar.

Ilk yapay zeka adiminiz

Buraya kadar okuduysaniz, konuyu ciddiye aliyorsunuz. Guzel. Bu hafta yapabilecekleriniz:

1. En sinir bozucu sureci belirleyin. Ekibinize sorun: "Sizi en cok hangi gorev rahatsiz ediyor?" Stratejik olarak en onemlisi degil. En sinir bozucu olan. Cunku motivasyon basarinin yarisidir.

2. Emegi olcun. Haftada kac saat? Ayda kac hata? Euro olarak maliyeti ne? Bunu cevaplayamiyorsaniz, ilk adiminiz budur: bir hafta boyunca olcun.

3. Veri durumunu kontrol edin. Bir yapay zeka sisteminin ihtiyac duyacagi veriye sahip misiniz? Dijital mi? Tutarli mi? Evetse, pilotunuz icin bir adayiniz var. Degilse, once neyle ugrasmaniz gerektigini biliyorsunuz.

4. Kucuk baslayin. Butce 5.000 EUR alti. Zaman dilimi 30 gun. Bir surec, bir ekip. 30 gun sonra olculebilir sonuc yoksa, durun ve nedenini analiz edin.

5. Gerekirse yardim alin. Ama dogru turde yardim. Aylar suren degerlendirmeler satan bir danisman degil. Ilk haftadan itibaren sizinle surec uzerinde calisan biri.

Sorulariniz varsa veya yapay zekanin sirketinizdeki belirli bir surec icin mantikli olup olmadigini degerlendirmek istiyorsaniz: bize ulas. Bunu her gun yapiyoruz, Eifel ve Rheinland'daki sirketler icin.

Ve calisanlarinizin yapay zeka egitimi almalari gerekip gerekmediklerini merak ediyorsaniz: evet, almalalar. Subat 2025'ten beri. Bu konuda daha fazla bilgi icin AB Yapay Zeka Yasasi ve egitim zorunlulugu yazimiza bakin.