ChatGPT ve Üretken Yapay Zekâ

Dünyada yapay zekâ (YZ) teknolojilerindeki yarış, son bir yılda ChatGPT'nin lansmanıyla büyük bir ivme yakaladı. Üretken YZ’nin en popüler örneği olan OpenAI tarafından geliştirilen ChatGPT, internetteki açık veriyle eğitilen GPT-3.5 ve GPT-4 büyük dil modelleri (LLM: Large Language Model) ile son kullanıcılara sunuldu. ChatGPT'nin tüm dünyaya açılmasıyla birlikte, altyapısını kullanan birçok yeni uygulama, servis ve internet tarayıcı eklentisi hızla hayatımıza girmeye başladı. Şu anda sosyal medyada, ChatGPT'den nasıl daha iyi yararlanabileceği ve hangi iş senaryoları için kullanılabileceği ile ilgili yüzlerce rehber ve makale bulunmaktadır. Bu yazıda, öncelikle üretken YZ ve ChatGPT'nin ne olduğu ve kabiliyetleriyle ilgili bilgilendirmenin ardından B2B ve B2C sektörlerindeki şirketler için hangi senaryoların hayata geçirilebileceği ve nasıl uygulanabileceği somut örneklerle anlatılacaktır.

Üretken YZ, büyük miktarda veriyi analiz ederek yeni içerik, çözüm veya fikirler yaratmak için makine öğrenme algoritmalarını kullanan yapay zekâ alanının bir alt kümesidir. ChatGPT (Chat Generative Pre-trained Transformer - Sohbet Üreten Önceden Eğitilmiş Dönüştürücü), OpenAI tarafından geliştirilen ve bu teknolojiye örnek olan gelişmiş bir dil modelidir. İnsan gibi metin yanıtları üretebilir ve bu yanıtlar çeşitli uygulamalar için değerli bir araçlar haline getirilir. Burada şu ayrıma da dikkat çekmek gerekiyor. ChatGPT bir uygulamadır; GPT ise bu uygulamanın arkasındaki beyindir. ChatGPT, özellikle diyalog için optimize edilmiş bir web uygulamasıdır. Öte yandan GPT bir uygulama değil, ChatGPT’nin arkasındaki dil modelidir.

Kavram karmaşasını engellemek için yapay zekâ, makine öğrenmesi, derin öğrenme ve üretken YZ arasındaki farkı kısaca belirtmek gerekir: Yapay zekâ, zeki makineler oluşturma alanını ifade ederken makine öğrenimi verilerden öğrenen algoritmaları kullanan bir alt kümedir. Derin öğrenme, çok katmanlı sinir ağlarını kullanan makine öğreniminin özelleşmiş bir dalıdır. Üretken YZ ise genellikle derin öğrenme tekniklerini kullanarak yeni içerik üreten modellere atıfta bulunur. Görselde belirtildiği gibi yapay zekâ, makine öğrenimi, derin öğrenme ve üretken YZ ayrı konular değil, bazı spesifik sorunları çözebilmek için özelleştirilmiş alt kümelerdir.

Üretken YZ, kullanıcıların görevlerini otomatikleştirmelerine, yaratıcılığı ve verimliliği artırmalarına yardımcı olabilecek geniş bir yetenek yelpazesi sunar. Bu yeteneklerin bazıları şunlardır:

1. Doğal dil üretimi (NLG) - Verileri tutarlı, insan gibi anlatılara dönüştürme.
2. Görüntü/Video oluşturma - Orijinal görüntüler oluşturma veya mevcut olanları geliştirme.
3. Müzik besteleme - Yeni melodiler ve harmoniler üretme.
4. Veri artırma - Geliştirilmiş makine öğrenme modelleri için veri kümesini genişletme.
5. Kaynak kodu üretme – Yazılım geliştiriciler için farklı programlama dillerinde kod üretme.

GPT, doğal dil üretimi konusunda uzmanlaşmışken Codex kaynak kod üretimi, Gato metin girdisi ile video oluşturma, DALL-E ise metin girdisinden görüntü oluşturma ya da var olan görüntüde değişiklik yapma konularına odaklanmıştır.

Kullanıcılar YZ sistemleriyle deneyimler yaşarken önceden tahmin edilemeyen yeteneklere sahip büyük üretken YZ modelleri gibi önemli etik endişeler de ortaya çıkmaktadır. İnternetteki ön yargılı ve toksik içerik, YZ’nin eğitim sürecini etkileyebilir. Ayrıca, internette aynı konudaki yanlış bilgilerin doğru bilgilere göre daha sık ve yaygın olması, modelin karar vermesine etki edebilir. Şirketler, ChatGPT ile hassas bilgilerin paylaşılmasında çekimser davranabilir, çünkü veri sızıntısı endişesi yaşarlar. ChatGPT, ikna edici ancak yanlış "halüsinasyonlar" üretebilir, bu da güvenilirliğini sınırlar. Bu gibi sebeplerden ötürü sadece üretken YZ değil, YZ’nin tüm uygulamaları kurumsal seviyede kullanılırken risk ve kontrol çerçeveleriyle değerlendirilmeli ve açıklanabilirlik, şeffaflık, adil olma ve ön yargısızlık boyutlarında kurum tarafından denetlenmelidir.

Üretken YZ’nin kurumsal kullanımına bakıldığında, ilk akla gelen soru kurumun var olan verisiyle çalıştırmak mümkün müdür? Bu noktada, kurumlar verisini ChatGPT modeliyle paylaşmada veri gizliliğiyle ilgili endişeleri olabilir. Ayrıca, ChatGPT arayüzüne bakıldığında, kullanıcının metin olarak girdisi dışında bir kurumun veri tabanına bağlanması ya da PDF, Word, Excel yükleme gibi özellikleri henüz bulunmamaktadır. Ancak hem veri gizliliğinin sağlanması hem de kurumun yapısal ya da yapısal olmayan verisinin ChatGPT LLM'inden faydalanarak iş senaryolarını hayata geçirmesi mümkündür. Bu noktada, ChatGPT'yi geliştiren OpenAI'ın Microsoft ile iş birliği ön plana çıkmaktadır. Microsoft Azure, ChatGPT ve diğer üretken YZ modellerini uygulamalarına entegre etmek ve erişmek isteyen geliştiriciler için OpenAI ve Cognitive Search (Bilişsel Arama) gibi AI hizmetleri sunar. Azure Cognitive Search, YZ'yi kullanarak kişiselleştirilmiş ve bağlamsal olarak alakalı arama sonuçları sunan güçlü bir arama platformu sağlar ve kullanıcı deneyimini geliştirir.

Buradaki mimariyi basitçe açıklamak gerekirse kurumların kurum içi depolama ya da özel bulutta tuttukları veri ambarı, veri gölü ya da yeni yaklaşım veri göl-evlerinde yapısal ve yapısal olmayan veri, kurumun bilgi platformlarında (çoğunlukla PDF, Word, Excel formatındaki yarı yapısal veri) tutulan veri, direkt olarak GPT'nin öğrenme havuzuna dâhil olmaz. Onun yerine Azure Cognitive servisleri, bu veriye kurumun kendi depolama ya da bulut verisi üzerinden erişerek bir "arama indeksi" oluşturur. GPT yeteneğini sadece bu arama indeksi üzerinden kullandığı için kurumun verisinin "kendisi" GPT'ye dâhil olmaz. Bu mantıkla, kurum kullanıcısı ChatGPT’ye rahatlıkla sorular sorarak cevaplar alabilir; ama burada da o bilgi, o kullanıcıya verilmemesi gereken bir bilgiyse, ChatGPT "bu sorunun cevabını bilmiyorum" diyerek cevap verir. Yetkili kullanıcı geldiğinde ise yetkisi dahilinde soruya detaylı cevap verebilir. Ek olarak, özellikle YZ şeffaflığı tarafında, ChatGPT'nin verdiği cevabı Azure OpenAI servisleri kullanıldığında "thought process" (düşünce süreci) butonuna basıldığında, servisin bu cevabı hangi kaynaklardan hangi süreci işleterek bulduğu adım adım gösterilebilmektedir. Bu da özellikle kurumsal "kapalı kutu" risklerin kontrolünde önemli bir yetenektir.

Bu güvenilir mimaride üretken YZ yetenekleri kullanılmaya başlandığında, karşımıza kurumlar için birçok iş senaryosu çıkmaktadır:

1. İçerik Oluşturma: İşletmeler, GPT'yi kullanarak yüksek kaliteli blog yazıları, sosyal medya içeriği ve pazarlama metinleri üretebilir ve böylece içerik ekiplerine olan ihtiyacı azaltabilir. Örneğin, bir pazarlama ajansı müşterileri için hızlı bir şekilde etkileyici makaleler oluşturmak için GPT'yi kullanabilir. E-ticaret şirketleri, tüketici alışkanlıklarına uygun çarpıcı ürün açıklamaları ve akılda kalıcı tanıtımlar oluşturabilir.
2. Semantik Arama, Araştırma, Özetleme: Özellikle büyük veri üzerinde AR-GE çalışmaları yapan şirketler için GPT'nin büyük veri üzerinde anlamlı sonuçlar üretmesi, binlerce bilimsel makale arasından istenen bilgileri bulabilmesi, bu bilgilerden anlamlı sonuçlar üretmesi ve etkileyici özetler çıkarması büyük bir fırsattır. Veri gölü yapılarının kurulmasıyla birlikte petabaytlarca verinin GPU, TPU ve CPU yetersizlikleri sebebiyle işlenemediği ve bir süre sonra içgörü çıkarmaktan çok tarihsel bilgi deposuna dönüştüğü durumlarda, bu büyük veri havuzuna ChatGPT ile sorular sorarak içgörü çıkarmak büyük önem kazanacaktır. Özellikle web sitesi mikro işlemleri ve sosyal medya beslemelerinde toplanan akan verinin, veri etiketlemeye gerek kalmadan hızlı ve doğru sonuçlarla analiz edilmesi şirketler için büyük fark yaratacaktır.
3. Müşteri Desteği: İşletmeler, ChatGPT'yi müşteri desteği sistemlerine entegre ederek müşteri sorularına anında, doğru ve bağlamsal olarak alakalı yanıtlar sağlayabilir. Örneğin, B2C perakende sektöründe çalışan bir şirketin ürünleriyle ilgili sosyal medya, web sitesi, çağrı merkezi, IVR ve şirketin kendi sohbet robotu gibi birçok kanalda şikayet gelebilir. Bu şikayetlerle ilgili "duygu analizi" yapılması, özellikle Türkçe gibi anlam çıkarılması zor dillerde oldukça zahmetli bir süreçtir. Cümlelerin belirteçlere (token) dönüştürülmesi, belirteçlerin etiketlenmesi ve duygu eşleştirmelerinin yapılması ciddi manuel insan eforuna ihtiyaç duyar. Hızlı ve doğru yapılmadığında ve aksiyon alınmadığında şirket marka değerini zedeleyebilir. Aşağıda örnek bir şikayet girdisiyle (ürün ile birlikte verilen kasko hizmetiyle ilgili yaşanan tatsız deneyim) ile ilgili kullanıcının duygu analizi yapılması istendiğinde GPT-4’ün şu cevabını görebilirsiniz:

“Elbette, yazıya dayanarak yapılan duygu durumu analizinde şu detaylar belirlenebilir:

Hayal Kırıklığı: Kişi, satın aldığı ürün ve kasko hizmetiyle ilgili yaşadığı sorunlar nedeniyle hayal kırıklığına uğramıştır. Beklentilerin karşılanmamış olması ve problemlerin çözülmemiş olması bu duyguyu güçlendiriyor.

Öfke: Ürün ve hizmetlerin kalitesi konusunda yaşanan olumsuz deneyimler, kişide öfke duygusunu tetiklemiştir. Bu öfke, kendisine yapılan satış sürecindeki vaatlerin tutulmamış olması ve yaşadığı mağduriyetten kaynaklanmaktadır.

Endişe: Kişi, yaşadığı sorunların tekrar etmesi veya çözülememesi nedeniyle endişe duygusu yaşayabilir. Ayrıca, kasko hizmetinin beklenen faydayı sağlamamış olması ve maddi zarara uğramış olması bu endişeyi artırabilir.”

1. YZ Destekli Tasarım: ChatGPT; ürünler, web siteleri veya pazarlama materyalleri için benzersiz ve estetik açıdan hoş tasarımlar yaratmaya yardımcı olabilir. Örneğin, B2C sektöründe faaliyet gösteren bir moda markası, müşteri tercihleri ve trendlere göre özel giyim tasarımları oluşturmak için DALL-E kullanarak görsel üretebilir.
2. AutoGPT – GPT modeli kullanılarak yıllardır belli bir hızla gelişen akıllı otomasyon iş senaryoları büyük bir ivme kazanabilir. Dijital iş gücü diye adlandırılan, sizin yerinize karar verip aksiyon alabilen yapay zekâ uygulamaları, AutoGPT ajanları ile destek ekibi yerine işlem tarihçe kayıtlarını kolayca sisteme girişini yapabilir, yapılan tüm iletişimin özetini ilgili bilet kapatılırken özetleyerek ekleyebilir. Birçok çalışanın olduğu ekiplerde toplantı çakışmalarını Outlook veya Teams verisi üzerinden inceleyerek doğru toplantıları doğru zamanlara atayabilir. Özellikle muhasebe, vergi, mali işler departmanlarındaki yoğun manuel eforları minimum eğitimle otomatik halledebilir. Süreç madenciliğinde karmaşık süreçleri loglardan analiz ederek size istediğiniz formatta oluşturabilir.

Heyecan verici bir başka nokta, buna benzer birçok iş modelinin yenilerinin de çok yakın bir gelecekte sayılarının artacak olmasıdır. Elon Musk'ın X AI şirketini kurması, Google'ın Bard gelişimi ve diğer büyük oyuncuların da üretken YZ alanında attığı adımlar göstermektedir ki önümüzdeki senelerde YZ belki hiç olmadığı kadar popüler olmaya ve gelişmeye devam edecektir.

ChatGPT'nin bu kadar popüler olduğu bir dönemde şirketlerin stratejilerini doğru belirlemeleri ve hangi adımları atmaları gerektiği önemlidir. KPMG olarak, biz şirketler için yapay zekâ stratejisinin, geliştirilecek iş senaryolarının oluşturulması ve yol haritasının belirlenmesi, yapay zekânın etik boyutunu da ele alarak geliştirdiğimiz "AI in Control" çerçevesini kullanarak güvenilir, açıklanabilir, şeffaf, adil ve önyargısız yapay zekâ uygulamalarının yönetilmesi alanlarındaki hizmetlerimizle şirketlere destek oluyoruz. Ek olarak, çıkardığımız yol haritasının hayata geçirilmesinde KPMG olarak Microsoft ile iş birliğimizle Azure OpenAI ve Cognitive servisleriyle B2C/B2B sektörleri için üretken YZ çözümleri geliştiriyoruz.

Pandeminin kurumların dijitalleşmesinde yarattığı yıkıcı etki şimdi üretken YZ teknolojilerinin hızla gelişmesiyle yaşanmaktadır. Her ne kadar şimdilik yapay zekâ insanlar gibi hissedemese de (hissetmeli midir ayrı bir tartışma konusudur), iş yapış şeklimizi kalıcı olarak değiştireceği ve bu alanda hızlı adım atan şirketlerin rekabette avantajlı olacağı kesindir.

Bu yazı BTHaber web sitesinde yayınlanmıştır.