Desen 6: Yapay zeka öncelikli özellikler

Yeni yetenekleri, mevcut iş akışlarına sonradan uyarlanan çözümler olarak değil, ajanları temel yapı taşları olarak konumlandırarak tasarlayın. Bu özellikler yapay zekadan önce mümkün değildi. Geri bildirim, öğrenme ve sürekli iyileştirme sayesinde zaman içinde iyileştirir.

Bu düzende aracılar akıllı karar verme döngüleri içinde çalışır: sinyalleri sürekli izleme, sınırlar içinde otonom kararlar alma, eylemleri yürütme ve sonuçlardan öğrenme. Bu sistemler yardımcı değil. Yeni iş değeri oluşturan akıllı sistemlerdir.

Uyarı

Bu örüntü, diğer beş örüntüden yalnızca derece bakımından değil, nitelik bakımından da farklıdır. Karşılaştıracak bir işlem yok, geliştirecek bir temel yok ve tasarıma kılavuzluk edecek bir iş akışı yok. Başarıyı ölçme yönteminiz de dahil olmak üzere her şeyi oluşturmanız gerekir.

Bu desen nedir?

Yapay zekâ öncelikli iş yetenekleri, diğer yaklaşımların hiç sormadığı şu soruyla başlar: Daha önce yapamadığımız neleri artık yapabiliriz? Yanıt, bugünkü çalışmanın daha hızlı bir sürümü değildir. Bu yeni bir özelliktir, genellikle bir durumu algılayan, karar veren ve davranan ve zamanla kendini geliştiren otonom bir döngü. Aracılar özelliğin yapı taşlarıdır, mevcut akışa aktarılmış bir geliştirme değildir.

Bu örüntü, yardımdan uygulamaya geçişin uygulama tarafının en derin ifadesidir. Yerleşik bir örnek olmadığı için tasarımı, sınırları ve önlemleri sizin geliştirmeniz gerekir.

Aracılar ne yapar?

Bu düzendeki aracılar, tanımlı iş akışlarını yürütmenin ötesine geçerek otonom olarak çalışır:

  • Sürekli iyileştirme altyapıları: Fiyatlandırma, envanter, zamanlama.
  • Yapay zekaya özel karar döngüleri: Sahtekarlık algılama, anomali yanıtı, uyarlamalı yönlendirme.
  • Pazar algılama platformları: Rekabetçi izleme, eğilim analizi, fırsat belirleme.
  • Tahmine dayalı planlama sistemleri: Talep tahmini, kapasite planlaması, risk modelleme.
  • Otonom iş akışı oluşturma: Kendi süreçlerini tasarlayan ve optimize eden aracılar.
  • Çok aracılı düzenleme: Karmaşık sorunları çözen özel aracılardan oluşan eşgüdümlü ekipler.

Bu özellikler yapay zeka olmadan varolmayan bir değer oluşturur. Bunlar mevcut işlemlerin daha hızlı sürümleri değildir. Gerçekten yeniler.

İnsanlar ne yapar?

İnsanlar ürün sahibi gibi davranır. Hedefler tanımlar, sınırlar belirler, sonuçları izler ve yetenek gelişimi hakkında stratejik kararlar alır. İşi onlar yapmaz. Bunun yerine, bunu sağlayan sistemi yönetirler.

Bu rol dönüşümü, herhangi bir kalıptakiler arasında en önemlisidir. Sorumlu insanlar, işi kendileri yürütmeseler bile sonuçlardan sorumludur. Onlar:

  • Otonom sistemler için başarı ölçütlerini ve sonuç ölçümlerini tanımlayın.
  • Ajanların hangi sınırlar içinde çalışacağını belirleyin (ve güven arttıkça bunları ayarlayın).
  • Özelliklerin doğru yönde geliştirilmesini sağlamak için öğrenme döngülerini izleyin.
  • Temsilci özerkliğini ne zaman genişletecekleri konusunda stratejik kararlar alın.
  • Yetenekler daha karmaşık hale geldikçe sorumlu yapay zeka uygulamalarını idare edin.

İşletim modeli nasıl çalışır?

Bu düzenin başarıyla dağıtılması için dört boyutta değişiklik yapılması gerekir:

Dimension Önce Sonra
İnsanlar Görevleri gerçekleştiren operatörler Yetenekleri yöneten ürün sahipleri
Ajanslar Önceden tanımlanmış adımları yürütme Algıla-karar ver-harekete geç otonom döngüleri
İdare Uyumluluk denetimleri Sürekli izlemeyle yaşam döngüsüne gömülü denetimler
Metrics Aktarım hızı ve verimlilik Stratejik isteğe bağlılık + öğrenme oranı + adaptasyon hızı

Hedef olgunluk profili

Bu desen, beş yetenek sürücüsünde de maksimum olgunluk gerektirir. Kısayol yok.

Olgunluk profili

Yetenek sürücüsü Hedef düzeyi Neden?
Teknoloji ve veriler 500 (Verimli) Ölçek kesici. Çok aracılı düzenleme, gerçek zamanlı telemetri ve öğrenme altyapısı.
Yapay zeka stratejisi ve deneyimi 500 (Verimli) Yetkinlik, sürekli yinelemeyle yürütülen stratejidir.
İş stratejisi 500 (Verimli) Uyarlamalı, otonom süreçlerle yeni bir iş özelliği.
İdare ve güvenlik 500 (Verimli) Otonom sistemler için tahmine dayalı risk yönetimi ve sürekli uyumluluk.
Kuruluş ve kültür 500 (Verimli) Kendi kendini sürdüren bir topluluk ve yeniyi icat edip işleyebilen bir öğrenme kültürü.

Önemli içgörü: Bu düzen tüm özelliklerde en yüksek olgunluğu gerektirmektedir. Karşılaştırılabilecek mevcut bir süreç, iyileşmeyi ölçmeye yarayacak bir başlangıç ölçütü ve tasarıma yön verecek mevcut bir iş akışı yok. Başarıyı nasıl ölçeceğiniz de dâhil olmak üzere her şey inşa edilmelidir.

Ölçeklenmenin önündeki engel: Teknoloji ve veri, özellikle çok etmenli orkestrasyon, gerçek zamanlı telemetri ve öğrenme altyapısı. Sağlam bir teknik temel olmadan, otonom özellikler öngörülemez ve aşılamaz hale gelir.

Yapay zeka öncelikli özellikler ürünlere aittir, birden çok etki alanına yayılmıştır ve paylaşılan standartlarda çalışan dağıtılmış ürün ekipleri gerektirir. CoE mimari desenleri, sorumlu yapay zeka çerçeveleri ve düzenleme standartları sağlar. Merkezi olarak teslim etmez.

Tip

Bu desende başarıyı belirleyen rol, temsilci ürün sahibidir. Bu bir ürün, proje değil. Ürün yönetimi uzmanlık alanına ihtiyacı vardır: yol haritası, kapsam, başarı tanımı ve uzun vadeli gelişimine bağlı bir ekip. Bu rol olmadan, bu yetenek bir kez geliştirilir ve bir daha hiç geliştirilmez.

Aracı bir Mükemmellik Merkezi oluşturma bölümünden yapı, roller ve risk katmanlı idare hakkında daha fazla bilgi edinin.

İhtiyacınız olan ve gerek duymadığınız şeyler

Şunlara sahip olmanız gerekir:

  • Özel ekiplerle ürün sahipliği: Her özelliğin, zaman içinde geliştirmesi için bir ürün sahibine ve görev, beceri ve sürekliliğe sahip bir ekibİ olması gerekir. Bu geliştirme biten bir proje değildir.
  • Sürekli izlemeyle özerklik sınırları: Güven arttıkça uyarlanan açık sınırlar tanımlayın. Muhafazakar başlayın ve kanıtlara göre genişletin.
  • Sürekli öğrenme döngüleri: Bu özellik her etkileşimde iyileştirir. Çünkü bunu sonradan eklemek çok daha zordur, öğrenmeyi en baştan tasarlayın.
  • Sorumlu yapay zekâ uygulamalarını mimariye entegre etmek: Etik ve güvenlik, dağıtımdan sonra sonradan eklenmek yerine mimarinin içine baştan yerleştirilmelidir. Bu yaklaşım sapma testini, eşitlik değerlendirmesini ve açıklanabilirlik tasarımını içerir.
  • Emniyet mekanizmalarıyla desteklenen deneme kültürü: Ekiplerin yeni yaklaşımları denemek için yetkiye ve bir şeyler ters gittiğinde devreye girecek açık güvenlik önlemlerine sahip olması gerekir. Başarısızlığı cezalandıran kültürler öğrenme sistemleri oluşturamaz.
  • Çok aracılı mimari: Yeteneğiniz eşgüdümlü aracılar içeriyorsa, başlangıçtan itibaren aracıdan aracıya koordinasyon için tasarım yapın. Çok etmenli bir mimariyi sonradan eklemek maliyetlidir.

Buna ihtiyacınız yoktur:

  • Artımlı otomasyon: Bu düzen, mevcut işlemleri 10% daha hızlı hale getirmekle ilgili değildir.
  • Merkezi BT teslimi: Bu özellikler, etki alanı uzmanlığına sahip ayrılmış ürün ekiplerine ihtiyaç duyar.
  • Mevcut iş akışlarını iyileştirme: Yapay zekaya özel yürütme için sıfırdan tasarım. Eski iş akışı kısıtlamaları mümkün olanları sınırlar.
  • Tek seferlik derlemeler: Bu yetenekler sürekli olarak öğrenmeli ve gelişmelidir. Öğrenmeyen bir özellik zamanla azalır.
  • Geleneksel proje yönetimi: Deneme döngüleriyle ürün yönetimini kullanın. Kilometre taşları ve teslim edilebilir öğeler, öğrenme sistemleri için yanlış idare modelidir.

Büyük ölçekte sorumlu yapay zeka

Yapay zeka öncelikli özellikler, otonom yapay zeka operasyonunun ön cephesini temsil eder. Sorumlu yapay zeka uygulamaları özellikle burada kritik öneme sahiptir çünkü:

  • Aracılar, gerçek zamanlı olarak yüksek düzeyde özerklikle ve sınırlı insan gözetimiyle çalışır.
  • Hatalar, insanlar müdahale etmeden önce makine hızında yayılabilir.
  • Öğrenme sistemleri, iyileştirildikçe beklenmeyen davranışlar geliştirebilir.
  • Hem pozitif hem de negatif etki ölçeği diğer desenlerden daha büyüktür.

İlk günden itibaren mimarinize sorumlu yapay zeka oluşturun:

  • Açıklanabilirlik: Sistemin neden belirli bir karara varabildiğini anlayabiliyor musunuz? Aksi takdirde kaymayı algılayamaz veya düzeltemezsiniz.
  • Yanlılık izleme: Öğrenmenin yanlılıkları pekiştirip pekiştirmediğini veya kesin sonuçlar oluşturup oluşturmadığını sürekli olarak değerlendirin.
  • Geri alma özelliği: Öğrenme güncelleştirmesi yanlış giderse önceki bir duruma geri dönebilir misiniz?
  • İnsan müdahalesi: Tam otonom sistemlerde bile, bir insanın hangi koşullarda devreye girebileceğini ve bu müdahalenin nasıl gerçekleştirileceğini tanımlayın.

Sorumlu yapay zeka ilkelerini uygulama bölümünde daha fazla bilgi edinin.

Değer ve başarı ölçümleri

Burada değer, daha önce var olmayan bir özelliğin varlığı ve oluşturduğu yeni sonuçlardır. İyileştirme yapabileceğiniz önceden var olan bir başlangıç ölçütü olmadığından, verimlilik yüzdeleriyle değil, değer yaratma ve varlık ölçütleriyle başlayın.

Değer nasıl görünür?

  • Yapay zekadan önce mümkün olmayan yeni özellikler.
  • Yeni gelir, hizmetler veya iş modelleri.
  • Hiçbir manuel sürecin erişemeyeceği bir hız ve ölçekte otonom yanıt.
  • Bu yetenek öğrendikçe ve geliştikçe katlanarak artan bir avantaj.

İzlenecek başarı ölçümleri

Kategori Örnek ölçüler Size ne söyler?
Değer oluşturma (başlık) Yeni gelir veya iş modeli oluşturulması, yeni bir kabiliyetin kazanılması ("artık X'i yapabiliyor muyuz?"), yeni erişim olanaklarının açılması Özelliğin daha önce var olmayan bir değer oluşturup oluşturmadığı.
Özerklik ve döngü Sinyalden eyleme, otonom görev tamamlama hızına, döngü aktarım hızına ve ölçeklendirmeye, otonom görev başına birim maliyete kadar karar gecikmesi Algıla-karar ver-harekete geç döngüsünün makine hızında ve ölçeğinde olup olmadığı.
Kalite ve güvenlik Değerlendirme, temellendirilmişlik ve güvenlik puanları, eskalasyon ve yedek moda geçiş oranı Otonom sistemin çalışır durumda doğru ve güvenli kalıp kalmadığı.
Yenilik aktarım hızı Yeni bir özellik başlatma zamanı, üretimdeki özellik sayısı, senaryolar arasında yeniden kullanma Sadece bir kez değil, tekrar tekrar sınıra ulaşıp ulaşamayacağınızı.
Governance Yönetilen kimlik kapsamındaki aracıların oranı, ilke uyum oranı, gölge aracı sayısı Özerk yapının büyüdükçe yönetilmeye devam edip etmediği.

Nasıl ölçülecek

  • Microsoft Foundry değerlendirmeleri ve gözlemlenebilirlik, ajan davranışını izler ve kalite ile güvenliği puanlar; bu, özellikle bir referans temelinin olmadığı durumlarda büyük önem taşır.
  • Özelliğin bir emsali olmadığından başarı ölçüsünü önden tanımlayın. Başlatmadan önce "iyi" ifadesinin nasıl göründüğüne karar verin.
  • Microsoft Agent 365, kimlik ve gölge aracı keşfi dahil olmak üzere otonom ekosistemi yönetir ve ölçer.

Tip

Yeni bir yeteneği eski verimlilik ölçütleriyle yargılamayın. "Ne kadar zaman tasarrufu yaptık", mevcut olmayan bir işlemi varsayar. Özelliğin mevcut olup olmadığını, yeni değer oluşturup oluşturmadığını ve otonom döngünün ne kadar güvenli bir şekilde çalıştığını ölçün. Yetenekle birlikte ölçüyü de icat edin.

Yaygın karşı örüntüler

Bu alandaki hatalar, sınır çalışmalarını normal bir proje gibi ele alma kaynaklıdır.

Desenden koruma Nasıl göründüğü Bunun yerine yapılması gerekenler
Gizlenen üretkenlik "Tamamen yeni" olarak sunulan bu yetenek, aslında hızlandırılmış mevcut bir görevdir. Bu fikri test edin: Yapay zekadan önce bunu yapabilir misiniz? Eğer öyleyse, başka bir örüntüye aittir.
Yeni çalışmadaki eski ölçümler Başarı, var olmayan bir referansa kıyasla tasarruf edilen süreye göre ölçülür. Varlık ve değer oluşturma ölçülerini önceden tanımlayın.
Temel hazır olmadan bina oluşturma Kabiliyet, teknoloji, veri ve yönetişim yeterince olgunlaşmadan önce kullanıma sunulur. Altyapı, ihtiyaç duyduğu öğrenme döngülerini, telemetri verilerini ve izlemeyi destekleyemez, bu nedenle sistemin neden olduğu gibi davrandığı konusunda görünürlüğü yoktur. Önce teknoloji, veri ve idarede yeterli olgunluğa ulaşın. Yetenekten önce orkestrasyonu, gerçek zamanlı telemetriyi ve öğrenme döngüsünü oluşturun.
Koruyucu sınırlar olmadan öğrenme Sistem, işletimsel verilerden gözetim olmadan, istenmeyen desenleri pekiştirmeden, yanlış hedef için iyileştirme yapmadan veya verilerde var olan yanlılıkları artırarak öğrenir. Öğrenmeyi etkinleştirmeden önce sistemin neleri öğrenmesi ve neleri öğrenmemesi gerektiğini tanımlayın ve sürekli olarak izleyin.
İcatlı korkuluk yok Güvenlik sınırlarının, uyumlu olmayan diğer desenlere göre varsayıldığı kabul edilir. Bu yetenek için, emsal olmadığı için, özel koruyucu önlemler tasarlayın.
Lansman sonrasına zamanlanmış Sorumlu Yapay Zekâ incelemesi Ekip, yetenek kanıtlandığında sorumlu yapay zekayla ilgilenmeyi planlıyor. O zamana kadar mimari sabittir ve değişiklik maliyeti yüksektir. Başlangıçtan itibaren sorumlu yapay zekayı dahil edin.
Bir ürüne uygulanan proje yaklaşımı Ekip, "canlıya geçiş" kilometre taşına ulaşır ve işin tamamlandığını kabul eder. Bu özellik korunmaz, öğrenme döngüleri izlenmez ve sistem zaman içinde düşer. Bu ürünü, lansmanda sona erecek bir proje değil, süresiz yönetim taahhüdü olan bir ürün olarak değerlendirin.
Yönetilmeyen deney Sınır ajanları kimliksiz ve gözetimsiz bir şekilde çoğalıyor. Başından itibaren yönetilen kimlik ve kayıt defteriyle idare edin.

Müşteri hikayeleri

Yayımlanan bu Microsoft müşteri öyküleri, insanlar hesap verebilirliği korurken uzman bilginin dayanaklı ve kaynak gösteren aracılarla nasıl ölçeklendirildiğini gösteriyor.

Müşteri Bildirilen sonuç
Microsoft (Microsoft'a sorun) Belirli içeriklere dayanan uzmanlaşmış alt aracılardan oluşan çok aracılı bir sistem, gecikme süresini %61’e kadar azaltır ve insan temsilcisine yönlendirmeleri %70’e kadar düşürür; ayrıca etkileşim kuran ziyaretçilerin kaydolma olasılığı çok daha yüksektir.
Fujitsu Birleşik yapay zeka sistemi, “bir ekip olarak” yanıt veren birden fazla uzmanlaşmış aracı ve bir orkestratör aracıyı koordine eder. Geleneksel üretken yapay zekada bulunmayan bu çok aracılı mimari, teklif oluşturmayı %67 artırır.
Quantum Capital Group Azure’daki coğrafi uzamsal optimizasyon ve bir Copilot Studio sorgu aracısıyla alan geliştirme senaryosu planlamasını 3 haftadan 20 dakikaya indirin.
Physics Wallah Azure OpenAI'de "Gyan Guru" yapay zeka öğretmeni ile iki milyon öğrenciyi destekler.
Rolls-Royce Tahmine dayalı yapay zekâ ile Azure Databricks ve Üretim için Microsoft Bulut kullanılarak makine kullanım oranı %30 artırıldı.
Estée Lauder Şirketleri Copilot Studio ve Azure OpenAI’daki "ConsumerIQ" aracısıyla tüketici içgörülerini ortaya çıkarma süresini haftalardan dakikalara indirin.

Bu desen için Microsoft’un agent yetenekleri

Aşağıdaki örneklerde özellikle yapay zeka öncelikli özelliklerle ilgili özellikler vurgulanır. Bu örnekleri senaryolarınız ve kullanıcı segmentlerinizle özellikleri eşleştirmek için başlangıç noktası olarak kullanın ve ardından resmin tamamı için Microsoft aracı ekosistemini keşfedin.

Yeteneği oluşturun

Topraklama, bağlantı kurma ve gözlemleme

Göndermeden önce değerlendirme ve test

Bu özerklik ve karmaşıklık düzeyinde sürekli değerlendirme, fırlatma öncesi denetim listesi değil temel bir mühendislik disiplinidir.

  • Copilot Studio'daki aracı değerlendirmesi, yanıtları doğruluk, temellendirilmişlik ve görevi tamamlama gibi kalite boyutlarında puanlayan yapılandırılmış değerlendirmeler çalıştırır. Her değişiklik öncesinde ve sonrasında uç durumlar ve saldırgan senaryolar dahil olmak üzere tüm giriş aralığında aracı davranışını doğrulamak için bunu kullanın.
  • Copilot Aracı Seti (eski adıyla Copilot Studio Kit), toplu test, otomatik regresyon çalıştırmaları ve puanlama panosu ile test kapsamını genişletir. Zaman içinde iyileşen yapay zeka öncelikli sistemler için, yetenek geliştikçe güveni korumak için yinelenebilir ve denetlenebilir değerlendirme kanıtı gereklidir.

Hazır olduğunuzu nasıl anlarız?

Bu düzen, en yüksek olgunlukta çalışan kuruluşlara yöneliktir. Aşağıdaki durumlarda göz önünde bulundurun:

  • Otonom sistemleri tasarlayan, çalıştırabilen ve geliştirebilen gelişmiş ekipleriniz var.
  • Çok aracılı düzenleme, gerçek zamanlı telemetri ve öğrenme döngüsü gibi teknik temellere sahipsiniz.
  • Henüz hiçbirinin bulunmadığı durumlarda sınırlar ve başarı ölçütleri oluşturabilirsiniz.
  • Yönetilen kimlik ve sürekli uyumluluk ile otonom bir ortamın yönetişimini sağlayabilirsiniz.
  • Diğer kalıplardan birkaçını zaten başarıyla uyguluyorsunuz.

Sonraki Adımlar

Aracı Hazırlığı Değerlendirmesine Katılın

Ya da eksiksiz ajanik yapay zekâ benimseme olgunluğu modelini inceleyin.

Diğer desenleri daha ayrıntılı olarak keşfedin:

  • Last updated on