İşletmelerde Yapay Zekâ Kullanımı: AIOps ve Otomasyon

Yapay zekâ kısa sürede teknoloji gündeminin merkezine yerleşti. Ancak işletmeler için asıl soru yapay zekânın ne kadar etkileyici olduğu değil, hangi somut sorunu, hangi riskle ve hangi maliyetle çözdüğüdür. Bu yazıda kurumsal IT'de gerçekçi yapay zekâ kullanım alanlarını; ağ ve sistem yönetiminde AIOps'u, iş süreçlerinde yapay zekâ destekli otomasyonu ve veri yönetimindeki uygulamaları ele alıyor, güvenlik ve KVKK risklerine karşı alınması gereken önlemlerle birlikte adım adım bir uygulama yaklaşımı sunuyoruz.

Kurumsal IT'de Yapay Zekânın Gerçekçi Kullanım Alanları

Yapay zekâ tek bir teknoloji değil, farklı yeteneklerin toplamıdır. İşletmelerde karşılığı olan başlıca yetenekler şunlardır:

• Üretken yapay zekâ: Metin yazma, özetleme, çeviri, e-posta ve doküman taslağı hazırlama, kurumsal bilgilere doğal dille soru sorma. Microsoft 365 Copilot gibi asistanlar bu yetenekleri günlük iş araçlarının içine taşır.
• Belge işleme: Fatura, sipariş formu, sözleşme veya irsaliye gibi belgelerden ilgili alanların otomatik olarak çıkarılması ve sisteme aktarılması.
• Sınıflandırma ve yönlendirme: Gelen e-postaların, destek taleplerinin veya müşteri mesajlarının konusuna ve aciliyetine göre sınıflandırılıp doğru ekibe iletilmesi.
• Anomali tespiti: Ağ trafiğinde, sistem metriklerinde, kullanıcı davranışında veya finansal işlemlerde olağan dışı durumların fark edilmesi.
• Tahminleme: Talep, stok, kapasite veya arıza tahmini.
• Görüntü tanıma: Üretim hattında kalite kontrol, depoda etiket ve barkod okuma, sahadan gelen fotoğrafların sınıflandırılması.
• İç asistanlar: Çalışanların IT, İK veya prosedür sorularına kurumsal bilgi tabanından yanıt veren sohbet asistanları.

Bu alanların ortak özelliği, yapay zekânın insanın yerini almak yerine tekrarlayan ve yoğun veri gerektiren işleri üstlenip kararı destekleyen bir rol oynamasıdır. Hatanın bedelinin yüksek olduğu kararlarda son söz insanda kalmalıdır.

AIOps: Ağ ve Sistem Yönetiminde Yapay Zekâ

AIOps, IT operasyonlarında makine öğrenimi ve analitiğin kullanılmasıdır. Modern bir IT ortamı sunuculardan, ağ cihazlarından, bulut hizmetlerinden, uygulamalardan ve güvenlik araçlarından sürekli olarak büyük miktarda log, metrik ve alarm üretir. Bu verinin insan gözüyle takip edilmesi mümkün değildir; sonuç çoğu zaman ya gözden kaçan sorunlar ya da ekibin alarmları önemsememeye başladığı bir alarm yorgunluğudur. AIOps platformları bu soruna şu yeteneklerle yanıt verir:

• Gürültü azaltma ve olay korelasyonu: Aynı kök nedenden kaynaklanan çok sayıda alarmı tek bir olay altında birleştirir. Örneğin bir çekirdek anahtardaki arıza, bağlı tüm sunuculardan ayrı ayrı alarm üretmek yerine tek bir olay olarak görünür.
• Dinamik eşikler: Sabit eşik değerleri yerine sistemin normal davranışını öğrenir; pazartesi sabahki yüksek yükü olağan, gece yarısındaki aynı yükü şüpheli olarak değerlendirebilir.
• Kök neden analizi: Değişiklik kayıtlarını, topolojiyi ve metrikleri birlikte inceleyerek sorunun muhtemel kaynağını işaret eder.
• Öngörücü bakım: Disk doluluğu, performans düşüşü veya donanım hata sinyalleri gibi eğilimlerden yola çıkarak sorunu kesintiye dönüşmeden önce bildirir.
• Otomatik müdahale: Bir servisin yeniden başlatılması veya bir kaynağın ölçeklenmesi gibi iyi tanımlanmış adımları, önceden onaylanmış senaryolarla otomatik olarak çalıştırır.

Ağ tarafında yapay zekâ destekli yönetim platformları, kablosuz ağ performansını ve bağlantı sorunlarını analiz ederek sorunun istemcide mi, erişim noktasında mı yoksa internet bağlantısında mı olduğunu hızla ayırt edebilir. Güvenlik tarafında ise SIEM ve EDR çözümleri, kullanıcı ve cihaz davranışındaki sapmaları tespit etmek için benzer modeller kullanır.

AIOps'un ön koşulu sağlam bir izleme altyapısıdır. Veri toplanmayan bir sistemden yapay zekâ bir şey öğrenemez. Bu nedenle önce kritik sistemlerin izlenmesini, alarm akışını ve envanteri düzene sokmak gerekir; temel izleme yaklaşımını ağ ve uygulama izleme yazımızda anlattık.

Yapay Zekâ Tabanlı İş Süreci Otomasyonu

Klasik otomasyon, kuralları net ve girdileri yapılandırılmış süreçlerde başarılıdır. Yapay zekâ ise otomasyonun sınırını yapılandırılmamış veriye doğru genişletir. Serbest metinli bir e-postayı okuyup içindeki talebi anlamak, farklı formatlardaki tedarikçi faturalarından tutar ve vergi numarasını çıkarmak veya bir müşteri şikâyetinin konusunu belirlemek artık otomasyon kapsamına girebilir.

Pratik bir örnek üzerinden düşünelim: Muhasebe ekibine e-postayla gelen faturalar yapay zekâ destekli bir belge işleme hizmetiyle okunur, alanlar çıkarılır, satın alma siparişiyle eşleştirilir ve tutarlı olanlar muhasebe sistemine taslak olarak aktarılır. Modelin emin olmadığı veya siparişle uyuşmayan kayıtlar bir çalışanın onayına sunulur. Böylece çalışan tüm faturaları elle girmek yerine yalnızca istisnalarla ilgilenir.

Bu yaklaşımın başarısı üç ilkeye bağlıdır: modelin güven düzeyine göre otomatik ve insan onaylı yolların ayrılması, her kararın izlenebilir biçimde kaydedilmesi ve insanların düzelttiği kayıtların modeli iyileştirmek için geri bildirim olarak kullanılması. Kural tabanlı otomasyonun temellerini ve süreç seçimini süreç otomasyonu rehberimizde ele aldık.

Veri Yönetimi ve Analizinde Yapay Zekâ

Yapay zekâ, verinin hem yönetilmesinde hem de anlamlandırılmasında destek sağlar:

• Veri kalitesi: Mükerrer müşteri kayıtlarının, eksik alanların ve tutarsız değerlerin tespit edilmesi.
• Sınıflandırma: Dosya sunucularında ve bulut depolarında kişisel veya gizli veri içeren belgelerin otomatik olarak tespit edilip etiketlenmesi. Bu, veri sızıntısı önleme politikalarının temelidir; ayrıntılar için veri sınıflandırma ve DLP yazımıza bakabilirsiniz.
• Doğal dille analiz: Yöneticilerin raporlama araçlarına doğal dille soru sorarak grafik ve özet alabilmesi.
• Tahmine dayalı analiz: Geçmiş satış, stok veya talep verilerinden gelecek dönem tahminleri üretilmesi.
• Metin analizi: Müşteri geri bildirimleri, destek talepleri veya anket yanıtlarında tekrarlayan konuların çıkarılması.
• Segmentasyon ve kişiselleştirme: Satın alma davranışına göre müşteri gruplarının belirlenmesi, kampanyaların ve ürün önerilerinin bu gruplara göre uyarlanması.

Burada kritik bir noktaya dikkat çekmek isteriz: Kurumsal yapay zekâ asistanları genellikle kullanıcının zaten erişebildiği verilerle çalışır. Dosya paylaşım izinleri zaman içinde kontrolsüz biçimde genişlemişse, asistan bir çalışanın normalde bulamayacağı ama teknik olarak erişebildiği bir maaş tablosunu veya sözleşmeyi saniyeler içinde önüne getirebilir. Bu nedenle kurumsal asistan projelerinden önce izin temizliği yapılması şarttır.

Veri Hazırlığı, Güvenlik ve KVKK Riskleri

Yapay zekâ projelerinin en az konuşulan ama en belirleyici kısmı veri hazırlığı ve risk yönetimidir.

Veri hazırlığı

• Kullanılacak veri kaynaklarını, sahiplerini ve güncelliğini belirleyin.
• Hatalı, eski ve mükerrer kayıtları temizleyin; kötü veriyle beslenen model kötü sonuç üretir.
• Erişim izinlerini gözden geçirin, gereksiz geniş paylaşımları kapatın.
• Hassas verileri sınıflandırın ve etiketleyin.

Güvenlik ve gölge yapay zekâ

Çalışanların kurumsal veriyi, sözleşmeleri veya müşteri bilgilerini kişisel hesaplarla kullanılan ücretsiz yapay zekâ hizmetlerine yapıştırması, günümüzün en yaygın risklerinden biridir. Bu verinin nerede saklandığı ve modeli eğitmek için kullanılıp kullanılmadığı çoğu zaman bilinmez. Önlem olarak kurumsal olarak onaylanmış araçları belirleyin, bir kullanım politikası yayımlayın, çalışanları eğitin ve mümkünse ağ ve uç nokta kontrolleriyle onaysız araçlara veri yüklenmesini sınırlandırın. Yapay zekâ çıktılarının hatalı veya uydurma bilgi içerebileceğini ve önemli belgelerin mutlaka insan kontrolünden geçmesi gerektiğini de politikaya yazın.

Sorumlu ve etik kullanım

Yapay zekânın kişileri etkileyen alanlarda kullanılması etik bir sorumluluk da doğurur. Model, geçmiş veride bulunan önyargıları öğrenip belirli bir müşteri veya aday grubunu sistematik olarak dezavantajlı konuma düşüren kararlar üretebilir. Kararın hangi verilere dayandığının açıklanabilir olması, sonuçların farklı gruplar için düzenli olarak kontrol edilmesi ve yapay zekânın kullanıldığı durumlarda ilgili kişilerin bilgilendirilmesi, hem müşteri hem de çalışan güveninin temelidir.

KVKK boyutu

Yapay zekâ ile işlenen kişisel veriler de 6698 sayılı Kişisel Verilerin Korunması Kanunu kapsamındadır. Dikkat edilmesi gereken başlıca noktalar şunlardır:

• İşlemenin hukuki dayanağı ve ilgili kişilere yapılan aydınlatmanın bu kullanımı kapsayıp kapsamadığı.
• Veri minimizasyonu: Amaç için gerekli olmayan kişisel verinin modele verilmemesi, mümkünse anonimleştirilmesi veya maskelenmesi.
• Hizmetin veriyi hangi ülkede işlediği ve yurt dışına aktarım kurallarının karşılanıp karşılanmadığı.
• Kanunun, işlenen verilerin münhasıran otomatik sistemlerle analiz edilmesi sonucunda kişi aleyhine bir sonuç çıkmasına itiraz hakkı tanıması. Bu nedenle işe alım gibi kişiyi doğrudan etkileyen kararlarda insan değerlendirmesi korunmalıdır.
• Veri işleme envanterinin ve teknik tedbirlerin yeni kullanıma göre güncellenmesi.

Genel yükümlülükler için KVKK uyum rehberimize göz atabilir, hukuki değerlendirmeyi hukuk danışmanınızla birlikte yapabilirsiniz.

Pilot Projeden Yaygınlaştırmaya: Adım Adım Uygulama

1. Sorunu tanımlayın: Yapay zekâ ile neler yapabileceğinizi değil, hangi iş sorununu çözmek istediğinizi belirleyin. Sorun ölçülebilir olmalıdır: işlem süresi, hata sayısı veya yanıt süresi gibi.
2. Kullanım senaryolarını önceliklendirin: Aday senaryoları iş değeri, veri hazırlığı ve risk seviyesine göre değerlendirin. İlk pilot için verisi hazır, riski düşük ve sonucu kolay ölçülebilir bir senaryo seçin.
3. Hazır çözümleri değerlendirin: Çoğu işletme için sıfırdan model geliştirmek yerine mevcut platformların yapay zekâ özelliklerini veya bulut sağlayıcılarının hazır hizmetlerini kullanmak daha hızlı ve ekonomiktir.
4. Veriyi ve izinleri hazırlayın: Yukarıdaki hazırlık adımlarını pilot kapsamındaki veri için tamamlayın.
5. Küçük bir kullanıcı grubuyla pilot yapın: Başlangıç değerini ölçün, pilot süresince aynı göstergeleri takip edin ve kullanıcı geri bildirimlerini toplayın.
6. Değerlendirin: Hedeflenen iyileşme sağlandı mı, hatalar kabul edilebilir düzeyde mi, kullanıcılar aracı gerçekten kullanıyor mu?
7. Yönetişimle birlikte yaygınlaştırın: Kullanım politikası, eğitim, erişim kontrolleri, maliyet takibi ve düzenli performans değerlendirmesi tanımlanmadan yaygınlaştırmaya geçmeyin.

Maliyet Faktörleri ve Sık Yapılan Hatalar

Yapay zekâ projelerinin maliyetini belirleyen başlıca faktörler şunlardır: kullanıcı başına lisanslar veya kullanım bazlı ücretler, veri hazırlığı ve izin temizliği için harcanan emek, entegrasyon geliştirme, bulut işlem ve depolama giderleri, eğitim ve değişim yönetimi ile sürekli izleme ve iyileştirme. Kullanım bazlı ücretlendirilen hizmetlerde maliyet, kullanım arttıkça beklenmedik biçimde yükselebilir; bu nedenle bütçe sınırları ve kullanım raporları baştan tanımlanmalıdır. Sık karşılaştığımız hatalar şunlardır:

• Sorun yerine teknolojiyle başlamak: Yapay zekâ kullanabilmek için bir alan aramak.
• Veri hazırlığını atlamak: Dağınık ve kalitesiz veriyle yüksek beklenti oluşturmak.
• Herkese lisans alıp bırakmak: Eğitim ve kullanım senaryosu tanımlamadan geniş lisanslama yapmak.
• İzinleri gözden geçirmemek: Asistanların hassas veriyi yanlış kişilere sunmasına zemin hazırlamak.
• Çıktıyı sorgulamamak: Yapay zekâ çıktısını doğrulamadan müşteriye veya resmi belgeye aktarmak.
• Yetkinlik planı yapmamak: Entegrasyon, izleme ve sürekli iyileştirme için gereken uzmanlığın kurum içinde mi geliştirileceğine yoksa dışarıdan mı sağlanacağına baştan karar vermemek.
• Pilotta takılı kalmak: Başarılı bir pilotu ölçüm ve yönetişim eksikliği nedeniyle kalıcı hale getirememek.

Sonuç

Yapay zekâ, doğru sorunlara uygulandığında IT operasyonlarını daha öngörülü, iş süreçlerini daha hızlı ve veriyi daha anlamlı hale getirir. Başarının anahtarı teknolojinin kendisinde değil; net bir iş sorununda, hazırlanmış veride, düzenlenmiş erişim izinlerinde, KVKK'ya uygun bir çerçevede ve ölçülebilir bir pilottadır. Ümraniye Bilişim'in IT danışmanlık ekibi, kullanım senaryolarınızı belirlemekten veri hazırlığına ve güvenli yaygınlaştırmaya kadar süreci sizinle birlikte yürütür. İşletmenize uygun ilk yapay zekâ adımını belirlemek için ücretsiz ön görüşme talep edebilirsiniz.