# Aynı yapay zekâ, farklı rekabet gücü

> Rakibinizle aynı yapay zekâyı kullanabilirsiniz. Rekabet farkı, modelin müşteriye verilen sözü ve şirketin bir sonraki kararını nasıl değiştirdiğinde oluşur.

Bir müşteri cuma gününe kadar teslim edilmesi gereken bir sipariş için iki şirketten teklif istiyor. Fiyatlar birbirine yakın. Müşterinin kendi işi bu teslimata bağlı olduğu için verecekleri tarih de fiyat kadar önemli.

Varsayımsal iki şirket düşünelim. İkisinin de stok kayıtları güncel, çalışanları işini biliyor. Aynı yapay zekâ modelini kullanıyorlar. Fakat modelden bekledikleri iş farklı.

İlk şirkette satış temsilcisi teslim tarihini operasyon ekibinden öğreniyor. Ardından yapay zekâdan müşteriye gönderilecek e-postayı yazmasını istiyor. Model, verilen tarihi düzgün bir teklif metnine yerleştiriyor. Temsilci metni kontrol edip gönderiyor.

İkinci şirkette model, müşterinin talebini okuyor ve teslimat için gerekli bilgileri bir araya getiriyor. Depo sorumlusunun doğruladığı kullanılabilir stok ile operasyonun onayladığı sevkiyat planı önünde. Bu kayıtlara göre müşteriye hangi tarihin önerilebileceğini gerekçesiyle satış temsilcisine sunuyor.

Kayıtlarda çelişki varsa tarih verilmiyor. Talep, karar vermesi için operasyon sorumlusuna gidiyor. Satış temsilcisi onaylanan tarihi müşteriye iletiyor. Sipariş tamamlandığında da verilen söz ile gerçekleşen teslimat karşılaştırılıyor.

İki şirket de sonunda bir e-posta gönderdi. İlkinde yapay zekâ, kararı anlatan metni yazdı. İkincisinde ise kararın hazırlanmasında görev aldı. Rekabet açısından üzerinde durmaya değer fark burada.

![Aynı yapay zekâ bir şirkette e-posta yazarken, diğerinde stok, sevkiyat ve insan onayıyla teslim kararını hazırlıyor](/images/inline-same-ai-competitive-power/same-model-different-workflow.avif)

## Müşteri modelin adını satın almıyor

İlk şirketteki kullanım faydalı olabilir. Temsilci yazışmaya daha az zaman ayırır. Metin daha açık olur. Ancak müşteriye hangi sözün verileceğini bulmak için yapılan iş aynı kalır. Yapay zekâ o iş bittikten sonra devreye girer.

İkinci şirketin beklentisi daha geniştir. Müşteriye güvenilir bir tarih verebilmek için gereken incelemeyi hızlandırmak ister. Modelin topladığı bilgi, satış ile operasyon arasındaki konuşmayı kısaltabilir. Çalışan, bütün kayıtları baştan aramak yerine önerinin dayanağını ve açıkta kalan noktaları inceler.

Bu düzenin daha iyi sonuç vereceği henüz bir varsayım. Kontrol etmek, işi baştan yapmaktan uzun sürüyorsa beklenen fayda çıkmayabilir. Model önemli bir ayrıntıyı atlıyorsa hızlı cevap vermek daha fazla sorun yaratabilir. İkinci şirketin kurduğu sistemi de kendi siparişleri üzerinde sınaması gerekir.

Ama sınadığı şey bellidir: Müşteriye daha erken ve daha güvenilir bir teslim sözü verebiliyor mu? Bu soru, aynı modelin kaç kişi tarafından kullanıldığından daha fazla şey anlatır.

Müşteri açısından modelin adı görünmez. Cevabı ne zaman aldığı ve siparişin söz verilen tarihte gelip gelmediği görünür. Şirket bunları rakiplerinden daha iyi yapabiliyorsa teknoloji, tercih edilme gerekçelerinden birini güçlendirmiş olabilir.

## Rakibin satın alamadığı birikim

Aynı modele erişebilmek, aynı çalışma biçimine erişmek demek değil. İkinci şirketin hangi stok kaydına güveneceğini belirlemesi gerekir. Satışın hangi durumda tarih vermeyi durduracağını da kararlaştırması gerekir. Bunlar model aboneliğiyle gelen özellikler değildir.

Üstelik bu düzen, ilk gün kusursuz kurulmuş olmak zorunda değil. Diyelim ki sipariş cuma yerine pazartesi ulaştı. Ekip incelediğinde, sevkiyat planındaki tarihin müşteriye varışı değil depodan çıkışı gösterdiğini fark etti.

Yalnızca müşteriye bir özür e-postası yazdırılırsa bu sipariş kapanır. Tarihin anlamı düzeltilir ve sonraki önerilerde bu ayrım kontrol edilirse şirket aynı hatayı tekrarlamama ihtimalini artırır. Öğrenme dediğimiz şey bazen bu kadar somuttur.

Burada modelin kendiliğinden öğrenmesinden söz etmiyorum. Çalışanlar sonucu inceliyor, yanlış kullanılan bilgiyi düzeltiyor ve kararın nasıl hazırlanacağını değiştiriyor. Aynı model ertesi hafta daha sağlam bir bilgiyle çalışıyor.

Bu tür düzeltmelerin birikmesi, kolayca kopyalanamayan bir avantaj yaratabilir. Rakip aynı modeli satın alabilir. Fakat hangi bilginin yanıltıcı çıktığını, hangi durumda insanın müdahalesine ihtiyaç duyulduğunu ve müşterinin hangi sözü önemsediğini ayrıca öğrenmesi gerekir.

Birinci şirket de bu birikimi oluşturabilir. Metin yazdırmakla başlamasında bir sorun yok. Sınır, orada kalıp çalışanların aracı sık kullanmasını şirketin rekabet gücüyle eş tutmakta.

Araştırma da bu otomatik bağlantıyı kurmuyor. [OECD'nin yapay zekâ ve rekabet çalışması](https://oecd.ai/en/ai-publications/competition-in-the-age-of-ai){.dofollow target="_blank" rel="noopener"}, Fransa ve Portekiz verilerinde üretken olmayan yapay zekâ kullanımıyla pazar gücünde anlamlı bir artış arasında ilişki bulmuyor. Üretken yapay zekâya ilişkin betimleyici bulgular ise küçük şirketler için fırsatlarla mevcut becerileri güçlü şirketlerin avantajlarının birlikte var olabileceğine işaret ediyor. Araçların yaygınlaşması, şirketlerin elindeki birikimi önemsiz hâle getirmiyor.

Çalışma keşif niteliğinde ve neden-sonuç ilişkisi kurmuyor. Üretken yapay zekâya ilişkin Portekiz göstergesi de gerçek kullanımı ölçmüyor. Çalışanların mesleklerinden hareketle işlerin bu teknolojiden ne ölçüde etkilenebileceğini tahmin ediyor. Dolayısıyla buradan Türkiye'deki şirketler için doğrudan bir sonuç veya teslimat örneğimizin kanıtını çıkaramayız.

## Kullanım raporunun yanına işin sonucunu koymak

Yönetim toplantısında aktif kullanıcı sayısı ve tamamlanan pilotlar işe yarar bilgiler olabilir. Aracın benimsenip benimsenmediğini gösterirler. Fakat şirketin müşteriye daha iyi hizmet verdiğini veya rakiplerinden ayrıştığını göstermezler.

Teslimat örneğinde üç sonuca bakmak daha açıklayıcı olur: Müşteri güvenebileceği tarihi daha erken öğreniyor mu? Verilen sözler daha sık tutuluyor mu? Yanlış tarih yüzünden doğan ek nakliye ve telafi maliyetleri azalıyor mu?

Bunları görmek için siparişten önceki öneri ile siparişten sonraki sonucu birlikte tutmak gerekir. Yalnızca başarılı örnekleri seçerek değerlendirme yapılamaz. Kolay siparişlerin hızlanması, zor siparişlerde artan hatayı gizleyebilir. Yeni kontrol ve bakım işlerinin maliyeti de hesaba katılmalıdır.

![Operasyon sorumlusu verilen teslim sözünü gerçekleşen sonuçla karşılaştırıp sonraki kararı düzeltiyor](/images/inline-same-ai-competitive-power/outcome-learning-loop.avif)

İyileşmenin ne kadarının yapay zekâdan geldiği ayrıca incelenmeli. Şirket kullanılabilir stok bilgisini ilk kez satışa açtıysa kazancın bir kısmı bu değişiklikten gelmiş olabilir. Aynı faydayı mevcut sipariş yazılımındaki bir düzenleme sağlıyorsa daha karmaşık bir sistem kurmak gereksizdir. Modelin katkısı, talebi anlamak ve bilgileri incelemeye elverişli hâle getirmek gibi gerçekten yaptığı iş üzerinden değerlendirilmelidir.

Üstelik şirketin kendi geçmişine göre iyileşmesi, rakiplerinin önüne geçtiğini tek başına kanıtlamaz. Diğer şirketler de hızlanabilir. Rekabet iddiası için müşterinin tercihinde, hizmetin güvenilirliğinde veya işi kârlı yapabilme becerisinde karşılığı olan bir fark gerekir.

Bu yüzden yeni bir model çıktığında teslimat sürecini baştan düşünmek zorunda kalmayan şirketin elinde değerli bir şey vardır. Hangi bilginin doğru olduğunu, kimin karar vereceğini ve sonucun nereden görüleceğini biliyordur. Modeli bu işin içinde yeniden sınayabilir.

Bir sonraki yatırım kararında bu birikime bakmak gerekir. Müşteriye verilen sözü hazırlamak hâlâ aynı insanları aynı kayıtların peşinde koşturuyorsa, daha güzel e-postalar yazmakla yetinmiş olabiliriz. Verdiğimiz sözün neden tutulduğunu veya neden bozulduğunu öğrenip sonraki kararı düzeltebiliyorsak, satın aldığımız aracın ötesinde bir şey kurmaya başlamışızdır.

---

Language: Turkish
License: CC BY 4.0
License URL: https://creativecommons.org/licenses/by/4.0/
Scope: Evren Bal-authored text, unless this article expressly states otherwise.
Excluded: Third-party material, quoted excerpts, logos, and separately marked images retain their own rights.
Attribution: Credit Evren Bal, link to the canonical source and license, and indicate changes.
Source: https://evrenbal.com/tr/ayni-yapay-zekaya-erismek-ayni-rekabet-gucu-degildir