Kurumsal AI yönetimi yazılımdan sonuçlara geçiyor

İşletmeler AI’yi giderek daha sık yalnızca çalışanlara yardım eden bir yazılım değil, işi yürüten operasyonel bir kaynak olarak görüyor. İrina Shimko, lider ekiplerin yalnızca toplam maliyetlere odaklanmak yerine AI’nin nerede kullanıldığına, her iş sürecinin ne yaptığına ve hangi sonuçları verdiğine dair şeffaflığa ihtiyaç duyduğunu söylüyor.

Maliyetler artıyor, ölçülebilir etki sınırlı kalıyor

Gartner, küresel AI harcamalarının 2026’da 2,59 trilyon dolara ulaşarak yıllık %47 büyüyeceğini öngörüyor. McKinsey’nin State of AI 2025 araştırması, kuruluşların %88’inin AI’yi en az bir fonksiyonda kullandığını, ancak yalnızca %39’unun herhangi bir EBIT etkisini atf edebildiğini ve çoğu için bu etkinin %5’in altında kaldığını gösterdi. Finans departmanı maliyetleri model kullanımına, altyapıya, veri hizmetlerine, entegrasyona ve insan denetimine bakıyor, ancak bu maliyetleri sonuçlarla ilişkilendiremiyor. Operasyonlar dağıtımı izleyebilir, ancak yüksek değerli iş süreçlerini belirleyemez; IT ise modelleri, copilotları ve ajanları net bir kapsama veya bağımlılık görünüzlüğü olmadan yönetiyor.

Maliyet, tek sonuç başına token fiyatından daha önemli

Gartner, üretken AI projelerinin en az yarısının 2028’e kadar kötü mimari seçimler ve operasyonel deneyim eksikliği nedeniyle bütçeyi aşacağını öngörüyor. Şirket, trilyon parametreli bir modelde inferansın sağlayıcılar için 2030’da 2025’e kıyasla %90’dan ucuzlayacağını, ancak ajanik iş sürecinde inferans maliyetinin 2028’e kadar beş kat artacağını da öngörüyor. Ajanlar, standart sohbotlara göre görev başına yaklaşık 5 ila 30 kat daha fazla token harcıyor. Bu kontrast, maliyetin tek token fiyatından ziyade müşteri hizmetlerinde başarılı bir vakaya maliyet gibi iş süreci metriklerini daha faydalı hale getiriyor. Gartner, üretken AI maliyetinin 2030’a kadar müşteri hizmetlerinde bir vakanın başarıyla çözülmesi maliyetini 3 doları aşacağını bekliyor.

Yönetim sistemleri ve sonuçları takip etmeli

AI davranışı modele, prompt’a, verilere, bağlama, bağlı araçlara ve çevredeki iş sürecine göre değişebilir. Bir ajan başka sistemlere başvurabilir, ek kaynaklar tüketebilir ve müşteriler ya da çalışanlar üzerinde etki yaratabilir; böylece bu olay zincirini kimse doğrulayamaz. Shimko’nun beş parçalı çerçevesi bu yüzden şeffaflığa, atf edilmeye, optimizasyona, hesap verebilirliğe ve sürekliliğe odaklanıyor. Kuruluşlar AI haritasını uygulamalara, iş süreçlerine, ekiplere ve ajanlara göre çizmeli; kullanımı sonuçlarla ilişkilendirmeli; iş maliyetini, hızı, riski ve gerekli kaliteye göre yeniden tahsis etmeli; her AI tarafından yönetilen iş sürecine atanmış bir sahip atamalı; ve yıllık incelemelere güvenmek yerine değişiklikleri sürekli izlemelidir.

AI yönetimi liderlik sorumluluğuna dönüşüyor

Bu çerçeve IT’in ötesine geçerek finansı, operasyonları, teknolojiyi ve iş liderliğini kapsıyor. McKinsey araştırması, en fazla değer elde eden şirketlerin iş süreçlerini yeniden tasarladığını ve yönetimi üst düzey liderliğe sorumlu tuttuğunu gösterdi. Shimko, her AI tarafından yönetilen iş sürecinin sahibinin olup olmadığını, en büyük üç kullanım vakası için başarılı bir sonuç başına maliyetin bilinip bilinmediğini ve aynı iş için daha ucuz bir modelin en son ne zaman doğrulandığını sormamızı önerir. Yönetimin temel değişikliği, yazılım lisanslarını ve dağıtımı izlemekten AI’nin yarattığı sistemlerin, maliyetlerin ve sonuçların sahipliğine geçmektir.