Microsoft: Yapay zekâ ajanlarını devreye almadan önce işi sadeleştirin

Microsoft’un Becoming a Frontier Firm rehberinin ana mesajı net: Yapay zekâ ajanlarını devreye almak, sıradan bir yazılım yaygınlaştırma projesi değildir. Şirketin yüzlerce kurum içi dönüşüm girişiminden çıkardığı sonuca göre, ajanlara iş devretmeden önce işin nasıl yapıldığı görünür hâle getirilmeli, sadeleştirilmeli ve yönetişim kurallarıyla güvence altına alınmalıdır. Başarı da atanan lisans ya da yazılan komut sayısıyla değil; kalite, hız, risk, gelir ve müşteri etkisi gibi iş sonuçlarıyla ölçülmelidir. 12

Başlangıç noktası araç değil, iş akışı olmalı

Microsoft’un ilk ilkesi, işin pratikte nasıl ilerlediğini anlamak. Bunun için uçtan uca süreçlerin haritalanması; ekipler arası devirlerin, istisnaların, karar noktalarının ve çalışanların dayandığı veriyle sistemlerin belirlenmesi gerekiyor. Bu çalışma yapılmazsa kurum, sorunlu veya düşük değerli bir süreci iyileştirmek yerine onu yalnızca otomatikleştirmiş olur. 12

Rehber bunu “ajanlardan önce yalınlaşın” sözüyle özetliyor. Bir ajana sorumluluk vermeden önce kurumların şunları yapması öneriliyor:

• Temel süreci sadeleştirmek ve standardize etmek,
• Gereksiz onayları, tekrar eden işleri ve devirleri kaldırmak,
• Ortak kullanılabilir veri ile ilgili sistem bağlantılarını oluşturmak,
• Erişim kontrollerini ve yönetişim kurallarını belirlemek,
• Hangi kararların, istisnaların ve yüksek riskli aksiyonların insan liderliğinde kalacağını açıkça tanımlamak. 12

Buradaki pratik sonuç şu: Bir ajana “verimliliği artır” gibi muğlak bir görev verilmemeli. Ajan, sınırları ve beklenen çıktısı açıkça belirlenmiş bir iş akışı içindeki tanımlı sorumluluğu üstlenmeli.

Dönüşüm için üç tamamlayıcı yol

Microsoft, tek bir AI benimseme rotası yerine birbirini tamamlayan üç dönüşüm yaklaşımı tanımlıyor.

1. Rol bazlı hızlandırma

Bu yaklaşımda öncelikli rollerdeki çalışanlara asistanlar, örnek komutlar, yetkinlikler ve role özel ajanlar sunuluyor. Amaç, yapay zekâyı iyi kullanan bireylerin çalışma yöntemlerini ekip çapında tekrarlanabilir bir yetkinliğe dönüştürmek. Bunun için eğitim, yöneticilik pratikleri ve insan-yapay zekâ iş birliğini gündelik işin parçası yapan uygulamalar gerekiyor. 1

2. Yapay zekâ destekli süreç yeniden tasarımı

Bu yöntem tek bir görevi otomatikleştirmekle yetinmiyor; departmanlar arası bütün bir iş akışını hedefliyor. Süreç, gecikmeleri, çift işi, israfı ve parçalı karar almayı azaltacak şekilde yeniden kurgulanıyor. Microsoft’un AI değerinin, işin örgütlenme biçimini değiştirmeye bağlı olduğu yönündeki görüşü en açık biçimde burada görülüyor. 12

3. AI-öncelikli olasılık

Bu yaklaşım, küçük ve uzman ekiplerin ürün, hizmet veya çalışma yöntemini en baştan yapay zekâyı varsayarak geliştirmesine alan açıyor. Belirsizliği daha yüksek olsa da, kademeli otomasyonun gözden kaçırabileceği yeni ürün fırsatlarını ve çalışma biçimlerini ortaya çıkarabilir. 1

Ajanların özerkliğini kademeli artırın

Rehber, özerkliği ya var ya yok şeklinde ele almıyor. İnsanların nihai sorumluluğu korurken ajanların giderek daha belirgin işleri üstlendiği üç seviyeli bir ilerleme tarif ediyor:

1. Yapay zekâ asistanı kullanan insan: AI taslak hazırlar, özet çıkarır, analiz yapar ve insanın kararını destekler.
2. İnsan-ajan ekipleri: Ajanlar, belirlenmiş kontrol mekanizmaları, eskalasyon yolları ve gözetim altında tanımlı görevleri veya kararları yürütür.
3. İnsan liderliğinde, ajanların işlettiği iş akışları: Ajanlar operasyonel akışın büyük bölümünü yönetir; insanlar ise stratejiyi belirler, istisnaları ele alır, sonuçları doğrular ve hesap verebilirliği taşır. 1

Bu seviyeler her kurum ve her süreç için zorunlu, tek yönlü bir olgunluk merdiveni değildir. Hata maliyeti, veri hazırlığı ve risk düzeyine göre farklı iş akışlarında farklı özerklik seviyeleri birlikte kullanılabilir.

Microsoft’un örnekleri ne söylüyor?

Microsoft, bulut tedarik zinciri çalışmalarında önce iş akışlarını yeniden tasarladığını ve ortak altyapıları kurduğunu; ardından planlama, tedarik, teslimat ve lojistik alanlarında amaca özel 111’den fazla ajanı ölçeklendirdiğini belirtiyor. Şirket, seçilmiş tedarik zinciri iş akışlarında çevrim sürelerinin yüzde 75’e kadar kısaldığını; talep planı incelemelerinin ise beş ila yedi günden saatler düzeyine indiğini bildiriyor. 24

Başka bir örnekte, dokuz kişilik departmanlar arası Copilot Cowork ekibi AI-öncelikli yaklaşımla ilk ürün sürümünü 35 günde yayımladı. Microsoft’un vurguladığı ders yalnızca daha hızlı ürün geliştirme değil: Mühendisler ve ürün yöneticileri, ajan çıktısını yönlendiren, gözden geçiren ve koordine eden; ürün muhakemesi ile sistem tasarımına odaklanan “meta-mühendis” ve “meta-ürün yöneticisi” rollerine kaydı. 24

Bu çerçevede AI; ilk taslaklar, rutin araştırmalar ve operasyonel bilgi peşinde koşmak için harcanan zamanı azaltıyor. İnsanların işi ise problemi doğru çerçevelemeye, sistemi tasarlamaya, çıktıyı doğrulamaya, istisnaları yönetmeye, ilişkiler kurmaya ve muhakeme kullanmaya kayıyor. Bu değişim, yalnızca Copilot lisansı vermekle gerçekleşmiyor; AI okuryazarlığı, güven, deneme kültürü, rol tasarımı ve yönetim anlayışında değişim gerektiriyor. 12

Kalıcı rekabet avantajı model seçiminden gelmeyebilir

Microsoft’a göre temel yapay zekâ modelleri zamanla birbirinin yerine daha kolay geçebilir hâle gelecek. Bu nedenle savunulabilir avantajın kurumun kendisine özgü varlıklarında oluşacağını savunuyor: Güvenilir kurumsal bilgi, veri ve araçlara denetimli erişim, iş akışı orkestrasyonu, “iyi işin” kuruma özel tanımı ve gerçek sonuçlara bağlı değerlendirme sistemleri. 15

Şirket bu sürekli iyileştirme döngüsünü “tepe tırmanma makinesi” olarak adlandırıyor. Mantık basit: İstenen sonucu tanımla, ajanın çıktısını değerlendir, geri bildirim ve hataları kaydet, ajanı veya iş akışını geliştir ve bunu tekrar et. Bu bakışta avantaj, tek bir modeli seçmekten çok, kurumun kendi standartları etrafında sürekli gelişen sistemi kurmaktan kaynaklanıyor. 5

Kurumsal ajan verileri hangi eğilime işaret ediyor?

Microsoft’un yaklaşık 2.000 kiracıdaki 40.093 Copilot Studio kurumsal ajanını kapsayan analizine göre, çalışan iç verimliliği ve kullanıcı desteği vakaları devreye alınan ajanların yüzde 64,6’sını oluşturdu. Analiz ayrıca teknik yardım ve uzmanlaşmış iş süreçleri gibi daha dar kapsamlı operasyonel uygulamalara yönelişe dikkat çekiyor. 3

Bu görünüm, rehberin ana tezini destekliyor: Genel amaçlı verimlilik asistanları yaygın bir başlangıç noktası olabilir. Ancak daha etkili ajan uygulamalarının; sınırları açık süreçlere, ilgili verilere, kontrollere ve ölçülebilir sonuçlara dayanması bekleniyor.

Rehberi evrensel bir ölçüt değil, test edilebilir bir çerçeve olarak okuyun

Rehberdeki kanıtlar Microsoft’un kendi dönüşüm çalışmaları ve ürün ekosistemine ilişkin bildirimlerine dayanıyor. Paylaşılan performans rakamları bağımsız biçimde doğrulanmış değil. Microsoft da rehberi kesin kurallar koyan bir çözüm veya sonuç garantisi olarak değil, gelişmeye devam eden bir çalışma yaklaşımı olarak tanımlıyor. 12

Bu sınırlama önemli. En yararlı sonuç, Microsoft’un rakamlarını ya da kurum içi unvanlarını birebir kopyalamak değil; izlediği sırayı sınamaktır: Önemli bir iş sonucu seçin, iş akışını görünür ve yalın hâle getirin, veri ve yönetişim temelini kurun, ajanlara açık sınırları olan işler atayın, insan hesap verebilirliğini koruyun ve ölçülen geri bildirimle sistemi sürekli iyileştirin.