Yapay Zekanın Değer Yakalama Sorunu

Yapay zeka, tarihin en güçlü değer yaratma teknolojilerinden biri olabilir ve yine de bir değer yakalama sorunu yaşayabilir.

Alex Karp, yapay zeka satın alan şirketlerin fikri mülkiyetlerini Anthropic ve OpenAI'e sızdırma riskiyle karşı karşıya olduğunu söylüyor. Satya Nadella ise çözümü egemenlik olarak adlandırıyor: bir firmanın kendi zekasını kontrol altında tutması, onu sorgu başına kiralayarak geri almaması. Benzer şeyleri söylüyorlar ancak biraz farklı ifade ediyorlar: kıt olan varlık artık sadece model değil, aynı zamanda modelin şirketiniz ve rakipleriniz arasındaki toplu örüntülerden öğrendiği bağlam ve bilgi birikimi.

Sigortacılığı ele alalım. State Farm, Progressive, Allstate, Travelers, Chubb, AIG, Liberty Mutual ve 100'den fazla küçük taşıyıcının hepsinin aynı model üzerinden hasar işlemlerini yürüttüğünü hayal edin. Her taşıyıcı, modele aynı bağlam akışını besler: kaza açıklaması, fotoğraflar, hasar tahmini, eksper notu, sınırda onay, dolandırıcılık işareti, müdahale, ödeme, itiraz, geri kazanım sonucu.

İlk başta bu açıkça faydalıdır. Model, hasarları daha hızlı işler, şüpheli vakaları işaretler, hangi hasar tahminlerinin şişirildiğini, hangi tıbbi örüntülerin tuhaf göründüğünü ve hangi müdahalelerin daha sonra kayba dönüştüğünü öğrenir.

Ancak aynı model her taşıyıcıdan öğreniyorsa, hasar yargınız hâlâ sizin avantajınız mı? Kayıp oranınızı koruyan sigortalama istisnası bir kıyaslama ölçütü haline gelir. Ekibinizin erken yakaladığı dolandırıcılık örüntüsü, pazara geri satılan bir özellik haline gelir.

Neyi elinizde tuttuğunuzu ve neyi kaybettiğinizi fark edin. Sigortacı hâlâ riski, müşteri ilişkisini, düzenleyiciyi ve kayıp oranını elinde tutar. Paylaşılan model ise giderek artan şekilde öğrenme eğrisine sahip olur. Hatalarınız, müdahaleleriniz ve zor kazanılmış hasar sezgileriniz, eğitim sinyali haline gelir.

Bu sezgi, gerçek fikri mülkiyetinizin bir parçasıdır. Kayıtlı türden değil, patentler ve marka değil, operasyonel türden: insanlarınızın riski nasıl fiyatlandırdığı, dolandırıcılığı nasıl yakaladığı, belirsizliği nasıl okuduğu ve firmanın bildiği her şeyi nasıl kullandığı. Model, bu kıt yargıyı tekrarlanabilir kılarak hendeklerinizden birini ortadan kaldırabilir.

Bu nedenle yalnızca verileri korumaya odaklanan kuruluşlar çok dar düşünüyor. Daha derin varlık, kurumsal bağlam ve bilgi birikimidir: insanların kafasındaki zor profesyonel işlerle ilgili yargı.

Laboratuvarlar bunu anlıyor. OpenAI ve Anthropic'in verilerini yıldan yıla 10 kat artırdığı ve ajanları eğitecek görevleri oluşturmak için alan uzmanlarını harekete geçirmeye milyarlar harcadığı bildiriliyor. Görev, bir modelin öğrenebileceği bir şeye paketlenmiş uzman çalışmasıdır: yönlendirme, ortam, eylem, rubrik, doğrulayıcı, puan.

Şimdi yaşam bilimlerini ele alalım. Anthropic, yönünü netleştirdi: bugün araştırmacılar için araçlar, zamanla daha otonom keşif. Claude for Life Sciences ve Claude Science, literatürü, ajanları, bilimsel yapıtları, tekrarlanabilirliği ve hesaplamayı tek bir "çalışma tezgahında" birleştiriyor. Binlerce biyoteknoloji şirketi bu sistemi hedefler, testler, güvenlik, son noktalar ve devam etme veya durdurma kararları etrafında kullanırsa, kâbus Anthropic'in belirli bir biyoteknoloji şirketinin keşfini görmesi değildir; kâbus, Anthropic'in binlerce şirket arasında ciddi ilaç keşif sorularının ve yargısının neye benzediğini öğrenirken aynı zamanda bu alana girmesidir.

Birinci taraf ürünler, bu "öğrenmeyi" ölçekte yakalamanın yoludur. Sigortacılıkta model, avantajınızı sektörün taban çizgisine dönüştürür. İlaç sektöründe bunu yapabilir ve ardından birçok kişinin öğrettiği şeyi kullanarak sizinle rekabet edebilir. Ayrıca gerçek hendeklerinizi daha savunmasız hale getirir (bununla ilgili daha sonra).

Kimsenin, yapay zekanın özel bilgi birikimini ölçekte kullanılabilir hale getirerek değer yarattığı gerçeğiyle tartışmayacağını düşünüyorum. Ancak aynı zamanda "bilgi birikimini" daha az kıt hale getirir. Her sigortacı, banka veya biyoteknoloji şirketi aynı modele aynı yetenekle erişebiliyorsa, eskiden avantajınız olan şey sektörün taban çizgisi haline gelir. Değer kaybolmaz; bölünür: müşteriler daha düşük fiyatlar veya daha iyi hizmet alır, model satıcısı öğrenmeyi alır ve siz rekabetin aşındırdığı ön yüklü bir verimlilik kazancı elde edersiniz.

Kalıcı değerin bu kadar azının sizde kalmasının nedeni budur.

1. Herkes aynı avantajı elde ederse, müşteriler bunu korur. Bir otomobil üreticisinin yarı iletkenler, reçine, navlun, fason üretim kapasitesi ve ikame parçalar için pazarlık yapmak üzere bir model kullandığını hayal edin. Avantaj, bir sonraki üreticiden daha iyi satın almaktır: hangi tedarikçi kıtlığının gerçek olduğunu, hangi teklifin fazla marj içerdiğini ve fiyatı sıkıştırmaktan ziyade arzı korumanın ne zaman daha önemli olduğunu bilmek. Her üretici satın almayı aynı model üzerinden yürütürse, model yalnızca maliyetleri düşürmez. Satın almayı daha "benzer" hale getirir. En iyi alıcı, kendi süreci ile diğer herkesin süreci arasındaki farkı kaybeder. Tedarikçiler de uyum sağlar: her alıcı aynı olması gereken maliyet analizi, alternatif kaynak haritası ve müzakere komut dosyasıyla geldiğinde, oyun kitabı fiyatlandırılmış hale gelir.
2. Model ayrıca birikenleri de yakalar. Büyük ilaç şirketinin dahili platformuna sahip olmadıkları için Claude for Life Sciences'ı kullanan 1.000 kaynak kısıtlı biyoteknoloji şirketi hayal edin. Her şirket kendi bileşiğine, laboratuvar maliyetine, başarısız programına ve düzenleyici izine sahiptir. Ancak çalışma tezgahı, bunların hepsindeki örüntüyü görebilir: hangi toksik sinyalin programı öldürdüğü, hangi testin yanlış güven verdiği, hangi son noktanın zayıf olduğu ve hangi hasta alt grubunun doğru olmadığı. Yeterince biyoteknoloji şirketi ve ilaç firmasının üzerinde oturursa, hiçbir şirketin tek başına göremediği başarısızlık örüntülerini görebilir. Veri avantajı münhasırlıktayken, paylaşılan bir çalışma tezgahı, toplama yoluyla münhasırlığı bozar. Ve Anthropic kendi ilaçlarını geliştirmeyi amaçladığından, verimlilik için benimsediğiniz araç, nihai hedefi sizin yaptığınızı, alanı izleyerek öğrendiklerini kullanarak yapmak olan bir varlık tarafından inşa edilmiştir.
3. Siz benzersiz olanı katkıda bulunur ve ortalamayı alırsınız. Farklılaştırılmış yargı, veri, bağlam ve kararlar katkıda bulunursunuz: ekibinizin tek başına yakaladığı dolandırıcılık örüntüsü, alıcınızın görmezden geldiği tedarikçi blöfü, PM'nizin piyasa görmeden önce öldürdüğü işlem. Karşılığında herkesin karışımını alırsınız. Citadel, dünyadaki her pod'un en iyi PM'sinin öldürme kriterleri üzerinde eğitilmesini asla istemez. En iyi firma için bu, kaybeden bir ticarettir: ortalamanın üzerinde yargıyı teslim eder ve ortalamayı alırsınız.
4. Veri hakları, öğrenme hakları değildir. Şirketler saklama, gizlilik, güvenlik, erişim kontrolleri ve eğitimden çıkma seçeneklerini nasıl müzakere edeceklerini bilirler. Ancak daha önemli soru, türetilmiş yargının kime ait olduğudur: görevler, geri bildirim döngüleri, değerlendirmeler, iş akışı izleri, düzeltmeler, hata modları, karar örüntüleri, ajan becerileri ve ürün içgörüleri. Model şirketi zor sorunu bildiğinde, iş mantığını başka bir yoldan edinebilir. Aynı kararları test eden durumlar oluşturmak için uzmanlar bulabilir: model oranları yükseltmeli, sigortalamayı sıkılaştırmalı, dolandırıcılığı işaretlemeli, bir segmenti hariç tutmalı veya karlı bir müşteriyi tutmak için daha kötü bir kayıp oranını kabul etmeli mi? Mantık yürütme eğitilebilir hale gelir.
5. Kazanç ön yüklüdür; bağımlılık birikir. İlk benimseme gerçek bir verimlilik sıçraması yaratır. Ancak rakipler aynı modeli çalıştırdığında, bu sıçrama taban çizgisi haline gelir ve geriye kalan sizin avantajınız değil, bir sonraki yükseltmeye olan bağımlılığınızdır. Herkes ilk yükselişi yakalayacak, ancak satıcı tekrarlayan öğrenme eğrisini yakalayacaktır. Birinci yıl, fabrika modeli arıza süresini azaltır, ancak daha sonra her rakibin aynı kestirimci bakım iş akışına sahip olması ve satıcının artık bağımlı olduğunuz süreç sezgisine sahip olması.

Bunların hiçbiri sıfır yakalama anlamına gelmez. İlk hamle yapan, rakipler benimsemeden önceki pencerede gerçek karı bankaya koyar. Tek sorun, kalıcı değerin öğrenmeye sahip olana gitmesidir ve varsayılan olarak bu siz değilsiniz. Bu da her şeyi iş akışı iş akışına, görev göreve alınan kararlara dönüştürür. İşinizin genel olduğu yerde, onu havuzlayın ve kazancı alın, çünkü orada sıradanlığı koruyorsunuz. İnsanlarınızın yargısının ürün olduğu yerde, onu paylaşılan modelden uzak tutun.

Bunu görmenin en basit yolu şu. TikTok, YouTube ve Google'ı düşünün: sizin müşteri olduğunuzu sanıyorsunuz, ama siz ham maddesiniz. Bitirdiğiniz her video, algoritmaya neyin işe yaradığını öğretir ve bu öğrenme, bir sonraki reklamverene satılan ve bir sonraki kullanıcıyı bağımlı hale getirmek için kullanılan gerçek üründür.

CEO'lar Anthropic ve OpenAI hakkında böyle düşünmeli: kurumsal veriler için TikTok, ancak akış sizin işiniz ve etkileşim sinyali sizin yargınız. Model sağlayıcıları, şirketinizdeki en pahalı bilgi birikimini hedefleyen o makinedir. Uzmanlarınız hasarlar, işlemler, maddeler, tedarikçiler, denemeler, risk çağrıları ve üretim sorunları konusunda yardım için gelir. Her tereddüt, müdahale, yükseltme, onay, ret ve ikinci bakış, modele şirketinizin nasıl düşündüğünü öğretir.

TikTok'ta en azından içerik oluşturucuya ödeme yapılır. Burada, verileri, bağlamı ve verilerden öğrenmeyi ("bilgi birikimini") siz sağlarsınız ve platform, bitmiş ürünü tüm sektörünüze geri satabilir veya ilaç sektöründe olduğu gibi eninde sonunda sizinle rekabet etmeyi seçebilir.

Bu nedenle yönetici sorusu basit: Kendi şirketinizin TikTok'una mı sahip olmak istiyorsunuz, yoksa paylaşılanı mı kullanmak istiyorsunuz? Muhtemelen her ikisinden de geçmeniz gerekecek.

Herhangi bir yüksek değerli iş akışını Anthropic, OpenAI veya başka bir paylaşılan modele koymadan önce tek bir soru sorun: eğer her rakip bu kararı nasıl ele aldığımızı öğrenseydi, yine de onlardan daha iyi olur muyduk?