Uygulamalı Yapay Zeka İşe Yaramıyor

Dünya, yapay zekaya servet harcadı. Çoğu işletme için hiçbir şey değişmedi. Dünyanın en büyük şirketlerinde 300'den fazla CEO, CIO ve CFO ile görüştüm. Çoğu şirketin yapay zekayı çöp süreçlerine uyguladığını ve bunun sonucunda sadece çöpü daha hızlı ürettiklerini öğrendim. Binlerce Claude Code lisansı satın almaktan, yıllık 50 milyon dolar token harcaması yapmaya veya Zoom üzerinden yapay zeka eğitim oturumları düzenlemeye kadar, yapay zeka benimsemesinin ne kadar verimsiz olduğunu ilk elden gördüm. Bunun böyle olması gerekmiyor.

Bu yoldan daha önce, hatta birkaç kez geçtik ve yapay zeka benimsemesi söz konusu olduğunda tarihten ders almalıyız. Umudum, bu makalenin sonunda dünyanın dört bir yanındaki yapay zeka liderlerinin, yapay zeka uygulamasına yönelik arkaik ve saf yöntemlerini bırakıp aşağıda gösterilen, denenmiş ve doğrulanmış süreci takip etmeleridir.

Bölüm 1: Tarih ve Paralellikler

1990 yılında, eski bir MIT bilgisayar bilimi profesörü olan Michael Hammer, Harvard Business Review için bir makale yazdı. Yıllarını bilgisayarlara büyük miktarlarda para harcayan ancak çok az yatırım getirisi elde eden şirketlerin içinde geçirmişti ve bunun nedenini ilk keşfedenler arasındaydı.

"Bilgi teknolojisine yapılan ağır yatırımlar hayal kırıklığı yaratan sonuçlar verdi, çünkü şirketler teknolojiyi genellikle eski iş yapma biçimlerini mekanize etmek için kullanma eğilimindeler. Mevcut süreçleri olduğu gibi bırakıp sadece hızlandırmak için bilgisayarları kullanıyorlar."

Bu gerçek bir alıntı. Dalga mı geçiyorsunuz? 'Bilgi teknolojisi' yerine 'yapay zeka' koysanız, bunu yarın yayınlayıp Business Insider'ın ön sayfasında olabilirsiniz. Aynı yazıda, inek yollarını asfaltlamayı bırakmanın zamanının geldiğini yazdı. Üzerinden 36 yıl geçti ve tahmin edin hâlâ ne yapıyoruz?

Not: İnek yollarını asfaltlamak, mevcut verimsiz bir süreci, işlerin nasıl olması gerektiğine göre yeniden tasarlamak yerine otomatikleştirmek, resmileştirmek veya kilitlemek anlamına gelir. Sizi Claude'a gitme zahmetinden kurtardım, rica ederim.

Bu arada, yapay zeka altyapısına 1 trilyon doların üzerinde sermaye harcaması yapılırken (sadece Microsoft, Alphabet, Amazon ve Meta 2025'te 410 milyar dolar harcadı; göz yaşartıcı bir rakam, biliyorum), işletmeler fiilen kullanım için sadece 37 milyar dolar harcadı. Bunun pratikte anlamı: Birleşik Krallık Ticaret ve İşletme Bakanlığı bir Microsoft 365 Copilot denemesi yaptı ve sonuçları yayınladı. 3 ay boyunca 1.000 lisans dağıtıldı ve kullanıcı başına günde ortalama sadece 1,14 Copilot eylemi gerçekleşti. PowerPoint slaytları 7 dakika daha hızlı hazırlandı (18 dakikadan 11 dakikaya), ancak kalite puanı yarı yarıya düştü. Excel analizi aslında daha yavaş tamamlandı (ve yine kalitesizdi). E-posta zaman tasarrufu ise, aynen alıntılıyorum, "son derece küçüktü." Kendi sonuçları, kelimesi kelimesine: "Zaman tasarruflarının üretkenliğin artmasına yol açtığına dair sağlam bir kanıt bulamadık." Yine de kullanıcıların %72'si memnun veya çok memnun olduklarını söyledi.

Uzun lafın kısası: insanlar beğendi, ancak daha önce ne üretiyorlarsa aynısını üretmeye devam ettiler. Ethan Mollick (Wharton Doçenti ve Yapay Zeka Araştırmacısı) en iyi şekilde ifade etti: "Bireysel performansı artıran yapay zeka kullanımı, doğal olarak kurumsal performansı iyileştirmeye dönüşmez." Bu makale, bunun neden böyle olduğunu ve bizim pratikte işe yaradığını gördüğümüz çözümleri sunacak.

Bağlam olarak, ben Vas, @varickagents CEO'suyum. Son derece büyük şirketlerle (500 milyon dolar ile 100 milyar dolar arasında gelir, 1.000 ila 100.000 çalışan) çalışıyor, genel stratejiden süreç yeniden mühendisliğine, ajanların oluşturulması, dağıtılması ve yönetilmesine kadar yapay zekayı benimsemelerine yardımcı oluyoruz. Bu makale, çıkardığımız derslere dayanmaktadır: başarısız olan (ölçülebilir yatırım getirisi olmayan) yapay zeka pilot projelerini başarılı olanlardan (işin %80'inden fazlası tamamen bir ajan tarafından halledilir, zamandan ve paradan tasarruf sağlanır) ayıran şey.

Bunun sürekli olmasının nedeni tamamen aptallık değil. Bir kısmı elbette öyle, ancak çoğu atalet ve tasarım. Bugün bir yapay zeka sözleşmesi imzalayan kişi araçları ve satıcıyı seçme hakkına sahip olabilir, ancak kesinlikle sürecin sahibi değildir. Bu zincirdeki hiç kimse, örneğin finans departmanına gidip 14 adımlık süreçlerinin aslında sadece 5 adım olması gerektiğini söyleme yetkisine sahip değildir. Bu yüzden kimse yapmaz. Bunun yerine, mevcut olana 'yapay zeka uygularsınız' ve elinizde daha hızlı boktan bir şey kalır.

Yapay zekanın 'uygulanması' gerekmez. Bu işe yaramaz. Bir kat boya 'uygularsınız'. Çok fazla insan yapay zekayı taze bir kat boya gibi düşünüyor ve boya alttakini düzeltmez. Kimse 'uygulanmış bulut' veya 'uygulanmış dijital' demedi. Hayır, bunun yerine Dijital Dönüşüm, Bulut Modernizasyonu dediler çünkü herkes bunların dönüşüm olduğunu ve teknolojinin bunların sadece bir parçası olduğunu anladı. Yapay zeka da aynı şekli alıyor.

Hammer'a dönelim: en iyi rakamı, incelediği bir sigorta şirketinden geliyor. Bir başvurunun işletme içinde ilerlemesi 22 gün sürüyordu. Bu 22 günün içinde, herhangi birinin başvuru üzerinde çalışarak geçirdiği toplam süre 17 dakikaydı. Diyelim ki bugün, yapay zekacınız bu sürece dünyanın en iyi modelini koyuyor ve her bir adımı iki kat hızlandırıyor. 8,5 dakika kazandırmış oluyor. Bunu %50 zaman tasarrufu olarak gösteriyor, terfisini ve bonusunu alıp gün batımına doğru süzülüp gidiyor. Bu sadece 8 dakika.

Tasarruf, başvuru üzerinde çalışmakta değildi. Kuyruklarda ve devir teslimlerde, diğer ekiplerin bekleme sürelerinde ve ikinci inceleme turlarındaydı. Enerjinizi 17 dakikayı hızlandırmaya harcamak hiçbir şey yapmamaktan daha kötüdür; bütçenizi harcadınız ve yönetim kurulunuza 'yapay zekanın işe yaramadığını' kanıtladınız. Bunun 90'ların bir kalıntısı olduğunu düşünebilirsiniz, ama öyle değil. Kendi sistem günlüklerinden bu sorunu yaşayan bir şirketle çalıştık. Yeni bir müşteri dosyası açmak 25 dakikalık gerçek iş gerektiriyordu. Dosyanın girilmesinden aktif hale gelmesine kadar geçen süre 2 gün ile 2 hafta arasında değişiyordu. İş dakikalar sürebilirken süreç hâlâ haftalar sürebiliyor.

Çoğu yapay zeka programının boku daha hızlı hale getirdiğini söylediğimde bunu tam anlamıyla kastediyorum. Süreç bok gibi. Yapay zeka onu daha hızlı hale getiriyor. Buna şu yanıtı duydum: "Biz büyük bir şirketiz, açıkçası doğru bir şeyler yapıyoruz ve değişmemize gerek yok." Uyum sağla ya da öl anlayışı bugün her zamankinden daha canlı ve geçerli ve yapay zekanın dijital ve buluttan farklılaştığı nokta da burası. Doğru kullanıldığında yapay zeka, bir rakibe, diğerlerinin asla yapamadığı şekilde size karşı avantaj sağlar. İster maliyette sizi düşürmek, ister işlem personeli olmadan sınırsız ölçeklenmek, ister siz bir potansiyel müşteri listesi oluşturamadan tüm dünyaya ulaşmak olsun, sizi ezeceklerdir. En iyi ihtimalle büyümeye devam edersiniz ve artık çalışan sayınız katlanarak artar. 3 analist 6 olur, ancak 6 kişinin artık bir yöneticiye ihtiyacı vardır ve 2 ekip olduğu için daha önce olmayan bir devir teslim sürecine ihtiyaç duyarlar ve bu devir teslim de bir durum toplantısı ve bir proje yöneticisi vs. gerektirir. Çalışan sayısı grafiklerinin yukarı doğru eğilirken, çalışan başına gelirin aynı kalmamasının nedeni budur. Uyum sağla ya da öl, ancak yapay zekanın olmadığını iddia etmeyin. Rakipleriniz bunu çözmek için her şeyi yapıyor.

Bölüm 2: Bugün Ne Yapmalı

Verileriniz karmaşa ve sistemleriniz birbiriyle konuşmuyor, bu yüzden ilk içgüdünüz başka hiçbir şeye dokunmadan önce bunu düzeltmek olabilir. Tek bir ERP'ye, tek bir CRM'e, tek bir veri platformuna ve üstüne de yapay zekaya ihtiyacınız var. Kulağa teoride harika geliyor, ancak BT uzmanları bunun asla bu kadar basit olmadığını anlar. Bunun hem para hem de zaman olarak gerçek maliyetine bir bakın.

TSB, çekirdek bankacılık göçü için 318 milyon sterlin harcadı, olay maliyetlerinde kabaca 200 milyon sterlin daha kaybetti, Aralık 2022'de FCA ve PRA tarafından 48,65 milyon sterlin para cezasına çarptırıldı ve 5,2 milyon müşterisi için bankacılığı bozdu. 8 milyar dolarlık bir üretici olan Zimmer Biomet, Eylül 2025'te, başarısız bir 'göç ve konsolidasyon' sonrasında ürünlerini sevk etmek, müşterilerine fatura kesmek veya işlevsel satış raporlaması üretmek gibi temel işlevleri yerine getiremez hale gelince Deloitte'a 172 milyon dolarlık bir dava açtı. Ve bunlar sadece haberlere çıkan iki örnek; bu tür olaylar düşündüğünüzden çok daha yaygındır.

Bunun yerine odaklanmanız gereken şey süreci oturtmaktır. Diyelim ki son 20 yılda 9 şirket satın aldınız, yani artık 9 yan kuruluşunuzda aynı süreç 9 farklı şekilde işliyor. Şirketiniz genelinde yapay zekayı 'uygulamak' istiyorsanız, aynı ajanı 9 farklı şekilde oluşturmak ve ardından 9 ajan setinin tamamını sürekli olarak bakımını yapmak zorunda kalacaksınız. Bu araftan kaçınmak için, yapay zekayı bunun üzerine uygulamayı düşünmeden önce, tüm varlığınız genelinde uygulayacağınız, küresel olarak çalışan tek bir süreci tanımlamanız gerekir.

Tersine, tek bir ERP'ye ihtiyacınız YOK. Belirleyici (deterministik) entegrasyonlar, 2 sistem bir satıcı kaydının ne olduğu konusunda anlaşmazlığa düştüğü anda bozulurdu. Ancak ajanlar bu tutarsızlığı tolere eder, bu nedenle mevcut sistemlerinizin üzerinde yer alan bir orkestrasyon katmanı, farklı sistemler için ÇÖZÜMDÜR. Sistemlerinizin sadece birbiriyle konuşması gerekmez, mutlu bir evlilik yapmaları, birbirlerinin kusurlarına tahammül etmeleri gerekir.

Haritalamaya başlayın

İşinizi yeniden tasarlamak için önce onu anlamanız gerekir. Bu anlayış seviyesine, yukarı akıştaki bir kardeş süreç tarafından engellendiği ortaya çıkan ve net sıfır yatırım getirisi ile sonuçlanan bir şeyi mükemmelleştirmek için 8 hafta harcadığınız tek bir iş akışı seçerek ulaşamazsınız.

Bununla birlikte, aynı anda tüm işletmeyi birden içeri alamazsınız, bir yerden başlamalısınız. Departman düzeyinde başlayın. Mükemmel olmayacak - finans, gelir tanıma bir şeyin nasıl satıldığına bağlı olduğunda satışa dokunur. İK, her yeni işe alımda BT ve Operasyonlara dokunur. Ancak en azından bu şekilde, aynı departmanı besleyen iş akışı 'demetlerini' belirlersiniz (örneğin, Finans; Borç Hesapları, Alacak Hesapları, FP&A, Faturalama, Bankacılık, Mutabakatlar vb. içerir) ve aşağıdaki 7 detayı haritalamaya başlayabilirsiniz:

1. 'Mutlu yol': Bu iş akışı neyden sorumludur ve en ideal senaryoda ne olur? Çoğu şirket için, gerçekten en ince ayrıntısına kadar belgelenen neredeyse tek şey budur.
2. İstisnalar. Zamanınızın çoğu burada geçer. Sadece ne olduğunu açıklamayın, gidin ve hacmin ne kadarının mutlu yoldan ayrıldığını, nereye gittiğini, kimin dahil olduğunu, bu istisnaların ele alınması için geçen çevrim süresini ve buradaki bir hatanın maliyetinin ne olduğunu hesaplayın.
3. Bu iş akışının yukarı ve aşağı akışında ne var? Her biri geciktiğinde veya ters gittiğinde bu süreç onlarla nasıl etkileşime girer?
4. İlgili tüm kayıt sistemleri nelerdir ve ikisi anlaşmazlığa düştüğünde hangisi kazanır?
5. Bu, bölgeye, kuruluşa, yan kuruluşa, hangi satın alma yoluyla geldiğine göre nasıl farklılık gösterir?
6. Dokunma süresi ile geçen süre nedir ve bu fark her bir adımda nasıl değişir?
7. Fonksiyondaki her bir kişinin yapay zeka yeteneği nedir ve gelecekteki bir yapay zeka sistemi üzerinde ne derece sahipliğe sahip olmalıdırlar? (Bunu hesaplamak özneldir ve büyük ölçüde değişir).

Yukarıdaki bilgileri çıkarmak için gereken iki prosedür vardır:

• Eylemleri, zaman damgalarını, verimi, düzenlemeleri ve belgelerle eşleşmeyen gerçeği toplamak için kayıt sistemlerine karşı süreç madenciliği.
• Görüşmeler, çünkü yukarıdakiler size veri verecektir ancak operatörlerle yapılan konuşmalar size acının tam olarak nerede olduğunu söyleyecektir. Kuruluşunuzun gerçekliği, yıllardır tam olarak sizin şirketiniz için bu işi yapan 10-20 kişinin kafasında yaşar ve sonuçta yapay zekanızın etkili bir şekilde çalışması için bu kişiler tarafından benimsenmesi gerekir.

Bu adımlardan sadece birini yapmak size eksik bir resim bırakır ve yapay zeka keşfinin başarısız olmasının en büyük nedenidir. Uygulamalı Yapay Zeka firmalarının 'Yapay Zeka Görüşmeleri' yaparak veya görüşmeleri yapması için mühendisler göndererek kestirme yollar denediğini gördüm. Bu işe yaramaz. İşin yarısı, operatörlerle güçlü bir ilişki geliştirmek ve onlara hangi soruları soracağını bilmektir, böylece ne inşa edeceğiniz ve nasıl dağıtacağınız konusunda iyi bir anlayışla ayrılırsınız.

Çalışan Ajanlar sadece LLM çağrıları değildir

Süreç yeniden tasarımı, yazılım ve yapay zeka deneyimi gerektiren bir sınıflandırma alıştırmasıdır. Her adım 3 kovadan birine girer:

Belirleyici (Deterministik). Eğer X ise Y, hiçbir yargı içermez. Örneğin, fatura belirli bir dolar miktarı eşiğinin altındaysa ve satın alma siparişi ve mal teslim makbuzu ile eşleşiyorsa, ödersiniz. Açıklama bir rakibi adlandırıyorsa, çıkar çatışması ekibine yönlendirin. Bu eylemler en iyi şekilde düz, eski güzel yazılım olarak yapılır. Normal kodla yapabiliyorsanız, ucuz, denetlenebilir, belirleyici (asla halüsinasyon görmez) ve hızlı olan süslü bir LLM çağrısına ihtiyacınız yoktur.

Ajanlı (Agentic). Sonucun kaydedildiği binlerce geçmiş insan yargısı örneğiniz varsa ve bu adım yeterince düşük riskliyse (örneğin, anlaşma masası onayları veya GL kodlaması), kesinlikle yargı için bir LLM kullanmalısınız. Özellikle çıktı bir evet/hayır, bu ekibe yönlendir, işaretle/işaretleme veya eşleş/eşleşme ise, bunu bir ajanla gönderin ve her çıktıyı ölçün. Öte yandan, gerekli çıktı, bir insanın yine de doğrulamak için tamamını okuması gereken 5 sayfalık bir belgeyse, yaklaşımı melezleştirmek daha iyidir. Burada, eylemin zorluğunu yargılamanız gerekir, düşünmenin zorluğunu değil.

İnsan-Döngüde (Human-in-the-Loop). Çok riskli olan veya yeterli geçmiş bağlama sahip olmayan adımlar için, insanı döngüde tutmak daha iyidir, çünkü bir ajanın bir eylemi yanlış yapmasının maliyeti çok yüksektir. Bunun yerine, ilgili tüm kanıtları, insanın karar verdiği anda önüne koyun. Örneğin, bir ajan bir fatura ile bir satın alma siparişi arasında bir uyumsuzluk tespit edecek ve ardından insana 3 seçenek sunacaktır: yine de onayla, düz reddet veya geri bildirim sağla ve başka birine yönlendir. Ajan, insanınızın e-postalar, fatura kayıtları ve daha fazlası arasında 40 dakika avlanmasını kurtardı, böylece bunun yerine 30 saniyede bir karar verebilir. Ancak nihai eylem hâlâ o insan tarafından engellenir.

Her adımı yukarıdaki 3 kovadan birine ayırdıktan sonra, 25 adımlı bir süreci, öncesinde ve sonrasında belirleyici adımlar bulunan ve son olarak engeli kaldırmak için 2 noktada insan-döngüde eylemi olan 3 ajanlık bir kümeye dönüştürebilirsiniz. Tüm yatırım getirisinin yaşadığı yer, ajanların kendileriyle birlikte bu süreç yeniden mühendislik çalışmasıdır.

Bundan sonra, herhangi bir şey inşa etmeden önce temel KPI'ları belirlersiniz. Amacınız, bugün bu sayıların nerede ve nasıl ölçüldüğü de dahil olmak üzere, çözdüğünüz sürecin arkasındaki sayıları hesaplamaktır. Bunu yapamıyorsanız, bu proje başarısız olmaya mahkumdur. 12 ay sonra geriye bakıp şunu söyleyebilmelisiniz: Eskiden X'teydik ve şimdi inşa ettiğimiz ajanlar sayesinde 3X'teyiz veya 10X'teyiz veya 100X'teyiz. Ancak o zaman bu projenin gerçekten başarılı olduğunu söyleyebilirsiniz.

Son olarak, inşanızı önceliklendirir ve sıralarsınız. İlk olarak, en fazla devir teslimi olan iş akışını ele alın, çünkü bu muhtemelen en net sonuçları görebileceğiniz en düşük asılı meyvedir. Kilit ayrım, bunun mutlaka en yüksek hacme sahip iş akışıyla aynı olmamasıdır.

Pratikte bu neye benziyor?

Her ay 300'den fazla banka hesabını mutabakat sağlayan küresel bir işletmeyi yeniden yapılandırdık. Bunların 2/3'ü denizaşırı bir ekip tarafından hallediliyordu ve geri kalanı 3 farklı formatta ancak tamamen Excel'de diğer 2 bölgeye dağıtılmıştı. 12.000'den fazla açık mutabakat kalemi vardı ve her ayın başında hesap özetlerini elde etmek için 4 gün harcanıyordu. Mutabakat süreçleri neredeyse tüm ayı, her ayı alıyordu.

Yeniden yapılandırmadan önceki iş akışları şu şekildeydi (ve onlarla dalga geçmeden önce, kendi şirketinizde kesinlikle buna benzer, hatta daha kötü süreçleriniz olduğunu kabul edin):

1. Her bankadan, sağladıkları formatta hesap özetlerini kovala ve topla
2. Bunları bölgesel çalışma kitabında normalleştir
3. Defteri kebir dökümünü çek
4. Satır satır eşleştir
5. Eşleşmeyenleri işaretle
6. İşaretlenen kalemler hakkında bağlam için yerel bir kontrole e-posta gönder
7. Cevaplarını bekle
8. Cevap gelmezse takip et
9. Nihayet cevabı al, ardından düzeltmeyi gir
10. Bölgeyi konsolide dosyaya ekle
11. Diğer 2 bölgenin her biri için, her biri kendi formatında olmak üzere 1-10 arasındaki tüm adım sürecini tekrar yap.
12. Kapat.

Bu adımların her birini hızlandırırsanız, eşleştirme hızlanır. Sorun şu ki, eşleştirme hiçbir zaman sorun olmadı. Hesap özetleri için beklenen 4 gün ve başka bir zaman dilimindeki kontrole gönderilen e-posta ve cevabın hâlâ 3 gün sürmesi asıl sorundu. Eşleştirmeyi hızlandırarak, haftalarla ölçülen bir süreçten saatler kırparsınız.

Bunun yerine süreçlerini 3 adım olarak yeniden tasarladık.

1. Hesap özetleri, kovalanmak yerine konveyör bant tarzında bir akışla gelir. Bunun yapay zeka ile kesinlikle hiçbir ilgisi yoktur.
2. Kurallara göre eşleştirilebilecek her şey otomatik olarak eşleştirilecek, eğer eşleşmezse, bir ajan dosyayı uçtan uca bir araya getirecek: kalemin kendisi, geçmiş kategorizasyonlar, çeşitli kayıt sistemlerinden toplanan kanıtlar ve önerilen bir sonraki adım ile.
3. Son olarak, bir insan, ERP'lere ve e-tablolara dağılmış verileri manuel olarak taramak zorunda kalmak yerine, incelemesi için hazırlanmış kanıtlarla istisna kuyruğu üzerinde çalışır.

Kovalama, e-posta gönderme, bekleme, yeniden girme ve bölgesel birleştirmeler tamamen ortadan kaldırıldı. Dakikalar ve saatler kazandıran bir ajan sistemi ile haftalar kazandıran bir ajan sistemi arasındaki fark budur.

Bölüm 3: Bu Neden Daha Yaygın Değil?

Size yalan söylendi

Aldığınız yapay zeka teklifi en başından beri yanıltıcıydı. Bir nokta çözümü olarak benimsenen yapay zeka, değer elde ettiğiniz bir şey değildir. Bunu sadece BT'den yapamazsınız ve 1 milyon dolar bütçesi ve 0 yetkisi olan bir 'inovasyon fonksiyonundan' yapamazsınız. 4 departmanı kapsayan bir süreci yeniden tasarlamak, 4 departmanın tamamına sürecin değiştiğini söyleyebilecek birini gerektirir. Bir şirkette bunu gerçekten yapabilecek sadece bir avuç insan vardır; bu tepeden gelmelidir.

Ancak başka bir karmaşıklık derecesi daha var: bugün işi fiilen yapan insanlar, örneğin borç hesapları müdürü ve finans genelindeki operatörler ve analizler de dahil edilmelidir. Yeni yapay zeka sistemini istemeleri gerekir, çünkü yarın onu benimsemeleri ve itmeleri gerekecek. Çoğu zaman durum böyle olmasa bile, potansiyel olarak onların yerini alabileceğini düşündükleri bilgileri ifşa etmek istemeleri gerekir.

Ve en önemlisi, yapay zekayı benimsemek riskli olarak görülüyor. Çoğu insan için statüko 'güvenlidir'; yapay zeka işe yararsa terfi almazlar, ancak işe yaramazsa kovulurlar, statükoya bağlı kalmak şirketin zamanla yavaş bir ölüme gitmesine izin vermek anlamına gelse bile.

Yeniden mühendislik oldukça zordur

Hammer ve Champy'nin 1993'teki kendi tahminleri, süreç yeniden mühendisliğini deneyen kuruluşların %50 ila %70'inin amaçladıkları sonuçları elde edemediği yönündeydi. (Açıkçası 90'lardan beri pek bir şey değişmedi). Hammer daha sonra "insan boyutunu yeterince takdir etmediğini" söyledi. Bununla kastettiği, o zamanlar 'bir devir teslimi kaldırmanın', o devir teslimden sorumlu kişiyi işten çıkarmak (onların tüm işi buydu) ve ardından herkesten işlerini değiştirmelerini istemek anlamına gelirken, dönemin 'yazılımının' böyle bir değişikliği desteklememesiydi. Bu, danışmanlar gelip gittikten sonra, organizasyon yapısının ve sürecin hızla orijinal haline, yani verimsizlikler ve hatalarla dolu olana geri döndüğü anlamına geliyordu.

Ancak bugün, iki şey temelde farklıdır. İlk olarak, yapay zeka odaklı araçlar benzeri görülmemiş bir akışkan yazılım durumu sunar: etrafındaki değişikliklere uyum sağlayabilen bir durum. Kayıt sisteminizde oturan bir ajan, eskiden insanlara dayanan devir teslimleri yürütebilir, aynı anda belirleyici yazılımdan kaynaklanan tutarsızlıkları ele alabilir ve ayrıca insanlarda yaygın olan değişkenliğe karşı bağışıktır. İkinci olarak, ilk ortadan kaldırdığınız iş neredeyse tamamen koordinasyondur, yani: kovalama, bekleme, yükseltme, triyaj vb. Bu süreç iyileştirmelerinden ve gerçek bir yapay zeka dönüşümünden sonra geriye kalan tek şey, en iyi insanlarınızın zaten tüm zamanlarını harcaması gereken yüksek yargılı, yüksek kaldıraçlı işlerdir.

Cesur yeni bir dünya

Geleneksel danışmanlık firmaları süreç işlerinde iyidir, bunu kabul ediyorum. Gerçekten de, 10 ülke ve 3 kuruluşu kapsayan 15 adımlı bir sürecin ayrıntılı bir çizimini istiyorsanız, sıradan bir danışmanlık firması şimdiye kadar gördüğünüz en güzel slaydı 300.000 dolara üretecektir. Bu danışmanlık firmasının yapamayacağı şey, daha sonraki, daha önemli olan yarıdır: bir modele neyin emanet edilip edilemeyeceğini, ayda 40.000 kez çalışan bir ajanın maliyetini, hangi görev stili için hangi modelin (Fable 5.1 vs Gemini 3.8 Flash) kullanılacağını (GL Kodlaması vs Anlaşma Masası Yönlendirmesi), belirli bir süreç için bir değerlendirme paketinin en uygun şekilde nasıl tasarlanacağını ve bir süreçteki belirli bir adımın yukarıdaki 3 kovadan hangisine (Belirleyici, Ajanlı, İDÖ) gerçekten ait olduğunu bilmek. Ve bu nedenle, bu yolu seçerseniz, yeniden tasarımınız deneyimli yapay zeka odaklı stratejistler ve ÖDM'ler yerine tahmin yürüten danışmanlar tarafından oluşturulur ve 6 ay sonra pilot projenizin neden çakıldığını merak edersiniz.

Yapay zeka laboratuvarları ve şirketleri ise tam tersi soruna sahiptir. Bir ajan inşa edebilirler (çoğu zaman, en azından), ancak her iki departmanın da sahiplik ve kimin kimin yukarı akışında olduğu konusunda anlaşmazlığa düştüğü bir iş akışını parçalamak için hiçbir zaman hem finans hem de operasyonlarla bir araya gelmemişlerdir, bu nedenle bunun yerine, aylar önce yapılması gerektiği gibi bu süreci kökünden söküp yeniden tasarlamak yerine, bozuk bir sürece yapay zekayı yapıştırıp buna otomatikleştirilmiş diyeceklerdir. Ayrıca, OpenAI (DeployCo) ve Anthropic (Ode) gibi en büyük 'uygulamalı yapay zeka' laboratuvarları, sizi modelleriyle ömür boyu evlenmeye zorlayacaktır. Tüm şirketinizin zeka yığınını tek bir sağlayıcıya bağlamak intihardır. Yarın, üzerinde çalıştığınız modeli hız sınırlandırdıkça, niceleme yaptıkça, fiyat artırdıkça ve kullanımdan kaldırdıkça, elinizde pislik ve fatura kalır. Bunun bir uç noktayı Claude'dan GLM'ye veya Gemini'ye veya DeepSeek'e değiştirmek kadar basit olduğunu düşünebilirsiniz, ama öyle değil. Değerlendirmeleri yeniden çalıştırmak ve model çağrısı başına hangi düşünme seviyesinin kullanılacağını yeniden belirlemek zahmetli bir süreçtir ve laboratuvarlar bu konuda size yardımcı olmayacaktır.

Bunun yerine ihtiyacınız olan, her iki dünyanın en iyisinin birleşimidir: fiilen bir finans, operasyon, satış veya İK fonksiyonu yürütmüş kişiler, Microsoft Dynamics gibi ERP'lere veya Salesforce gibi CRM'lere üretim kalitesinde yazılım gönderecek mühendislik yeteneği ve yerleşik kurumsal düzeyde yönetişim ve değerlendirme paketleri ile modelden bağımsız şirket koşum takımları inşa edebilen yapay zeka mühendisleri. Bazıları bu kişilere 'İleriye Dönük Dağıtım Mühendisleri' (Forward Deployed Engineers) olarak atıfta bulunur, ancak gerçek şu ki bugün çoğu İDDM, vasat mühendisler ve vasat danışmanlardır ve kesinlikle hiçbir yapay zeka yetenekleri yoktur ve sonuçta hiçbir şey iyi yapılmamış olur.

Bunu doğru yaptığınızda neye benziyor?

Bir şirketi yapay zeka ile dönüştürürken önemli olan 4 kaldıraç vardır: maliyet (ideal olarak azalır), gelir (ideal olarak artar), zaman (ideal olarak hızlanır) ve risk (ideal olarak düşer). Dağıtımlarımız genelinde, bunların kabaca yarısı halka açık şirketlerde, kaldıraç kaldıraç gerçekte neyin hareket ettiğine dair örnekler şunlardır:

• Zaman. Ay sonu kapanış sürecimizi 18-22 günden 7-9 güne indirdik. Tedarik zinciri aksaklıkları artık birkaç gün yerine 6 saatten kısa sürede çözülüyor.
• Gelir. Anlaşmalar eskiden ortalama 23 gün beklerken; şimdi ortalama 6 gün ve satış temsilcisinin idari iş süresi haftanın %38'inden %14'üne düştü. Bu zaman doğrudan satışa aktarıldı.
• Maliyet. Borç hesapları istisna işlemleri ayda 600-800 faturadan 50'nin altına düştü. Bir pazarlama organizasyonunda, medya bütçesinin %8-12'si, eskiden sadece ay sonunda ortaya çıkan hızlandırma hatalarından kurtarıldı ve bu, çeyreklik bazda milyonlarca dolar tasarruf sağladı.
• Risk. Bordro düzeltmeleri %90 azaldı çünkü sistemler arası mutabakat artık bordrodan önce yapılıyor, sonra değil. Çalışan destek taleplerinin %80'i şirketin kendi politika belgelerinden yanıtlanırken, uç durumlar hala İK'daki bir insana yönlendiriliyor.

Toplamda, bu dağıtım seti boyunca sağlanan değer 100 milyon doların üzerindeydi. En iyi kısmı ise bu rakamın müşterilerimizle birlikte oluşturulmuş olması; sadece biz söylemiyoruz, ölçüldü.

Gerçek bir Yapay Zeka Dönüşüm Şirketi neye benzer?

Yukarıda açıklanan her şey, Varick'te işleri nasıl yaptığımızdır ve AI'yi devreye aldığımız şirketler için işe yarayan tek yaklaşımdır. Bunlar, binlerce çalışanı, düzinelerce kayıt sistemi ve sonsuz karmaşıklığı olan inanılmaz büyük kuruluşlardır, ancak oyun kitabı aynıdır ve her seferinde işe yarar.

Stratejistler ve Mühendislerden oluşan ekibimiz, departman düzeyinde işe başlar ve önce işin gerçekte nasıl yapıldığını haritalandırır, sadece belgelendiği gibi kabul etmez. Bunu, süreç madenciliği ve görüşmelerin bir kombinasyonu, geçen süre ile dokunma süresinin hesaplanması, istisnaların, yukarı akış ve aşağı akış etkilerinin haritalandırılması ve kimin neyin sahibi olduğunun anlaşılması yoluyla yaparız. Aylar sürmek yerine, bu süreci sadece birkaç haftada tamamlarız ve bu noktada yeniden tasarlanmış sürecinizi, elde edilecek değeri, özel olarak belirlenmiş temel KPI'larınızı ve ajanların oluşturulacağı öncelik sıralamasını alırsınız. Ardından, kurumsal düzeyde yönetişim, denetlenebilirlik, değerlendirme paketleri ve izleme ile donatılmış ajanları oluşturmaya başlarız.

500 milyon doların üzerinde geliri olan, ürün, finans, satış, satın alma, operasyonlar, İK ve daha birçok alandaki en zorlu iş akışlarıyla uğraşan şirketlerle çalışıyoruz. Bunun kendi süreçlerinizden birine karşı nasıl göründüğünü görmek isterseniz, web sitemizden bir görüşme ayarlayın ve en sevmediğiniz iş akışlarından ve onları bu kadar karmaşık yapan şeylerden bahsetmeye hazır gelin. Bu içeriği faydalı bulduysanız, bültenimize abone olun; burada 'Uygulamalı' AI alanındaki en son gelişmeler ve yaparak öğrendiğimiz her şey hakkında haftalık yazılar yayınlıyoruz.

ÖZET

• Bugün kurumsal dünyadaki AI harcamalarının çoğu, zaten var olan süreçlerin aynısının üzerine uygulanıyor, bu da aslında kötü bir süreci daha hızlı çalıştırmaktan başka bir şey yapmadığınız anlamına geliyor. Michael Hammer bunu 1990'da BT için söylemişti ve İngiltere hükümeti 2025'te 1.000 Copilot lisansıyla bunu temelde tekrar kanıtladı: kullanıcı başına günde 1,14 işlem, bulabildikleri hiçbir üretkenlik kazancı yok ve kullanıcıların %72'si yine de memnundu.
• Zaman asla işin kendisinde değildi, kuyruklarda ve devir teslimlerdeydi. Hammer'ın sigorta başvurusu, içinde 17 dakikalık fiili çalışma ile süreçte 22 gün bekledi. İşi iki kat daha hızlı yapsanız bile, 8 dakika kazanmış olursunuz.
• Önce sistemlerinizi birleştirmek (tek bir ERP, tek bir CRM, tek bir veri platformu), tek bir dolar değer görmeden önce 2 yıl ve 9 haneli rakamlar kaybetmenin iyi belgelenmiş bir yoludur. Aslında ihtiyacınız olan şey, sürecin tek bir tanımı ve tek bir sahibidir, çünkü ajanlar birbiriyle uyuşmayan sistemlere tolerans gösterebilirken, deterministik entegrasyonlar asla gösteremezdi.
• Departman düzeyinde başlayın, kayıt sistemlerini tarayın ve operatörlerle görüşün, ardından her bir adımı 3 kovadan birine ayırın: deterministik yazılım, bir ajan veya kanıtların kendileri için hazırlandığı döngüdeki bir insan. Doğru yapıldığında, 25 adımlı bir süreç, 2 insan kontrol noktası olan 3 ajana dönüşür.
• Bunu bu şekilde yaptığımızda, ay sonu kapanışı 18-22 günden 7-9 güne düştü, borç hesapları istisnaları ayda 600-800'den 50'nin altına düştü, bordro düzeltmeleri %90 azaldı ve dağıtımlarımız genelinde toplam, müşterilerle birlikte ölçülen 100 milyon doların üzerine çıktı.
• Bunların hiçbiri, üst yönetimden gelmedikçe, operatörler bunu gerçekten istemedikçe ve işe aldığınız kişi süreç uzmanlarını, yazılım mühendislerini ve AI mühendislerini aynı odada bulundurmadıkça işe yaramaz ve neredeyse hiç kimsede bu üçü birden yoktur.