Akıllı iş akışı tasarımı: yapay zekayı otomasyonun neresine koymalı?

Yapay zeka destekli otomasyon klasik otomasyondan nerede ayrılır?

Klasik otomasyon kurala dayanır: 'şu olursa şunu yap.' Girdi düzenli ve öngörülebilir olduğunda mükemmel çalışır; bir tablodaki satırı başka bir sisteme taşımak ya da belirli saatte rapor göndermek gibi. Ancak iş dünyasındaki verinin büyük bölümü düzenli değildir: müşteri e-postaları, serbest metinli talepler, fatura görüntüleri, toplantı notları. Kural tabanlı akış bu girdileri anlamakta zorlanır.

Yapay zeka destekli otomasyon, akışın bir ya da birkaç adımında bir dil modeli veya benzeri bir yapay zeka bileşeni kullanır. Model, düzensiz girdiyi anlar, sınıflandırır, özetler, bilgi çıkarır ya da taslak metin üretir; geri kalan adımlar yine kural tabanlı ve öngörülebilir kalır. Yani yapay zeka akışın yerini almaz, akışın anlama gerektiren adımını üstlenir.

Bu ayrım tasarımın temelidir. Her adıma yapay zeka koymak maliyeti ve belirsizliği artırır; doğru yerde kullanılan yapay zeka ise daha önce otomatikleştirilemeyen işleri otomatikleştirilebilir kılar.

Yapay zeka hangi adımlar için uygundur, hangileri için değil?

Modelin iyi olduğu işler, girdinin esnek ama çıktının belirli bir yapıya indirgenebildiği işlerdir: • Sınıflandırma: Gelen talebi konusuna, aciliyetine veya ilgili ekibe göre etiketlemek. • Bilgi çıkarma: Serbest metinden ya da belgeden ad, tarih, tutar, sipariş numarası gibi alanları çekmek. • Özetleme: Uzun yazışmayı, toplantı notunu ya da raporu kısa özete dönüştürmek. • Taslak üretme: Müşteri yanıtı, ilan metni veya rapor yorumu için insanın gözden geçireceği ilk taslağı yazmak. • Yönlendirme: İçeriğe bakarak sonraki adımı seçmek.

Kesin doğru sonuç gerektiren ve hata payı kabul edilmeyen işlerde ise model yalnız öneri üretmeli, kararı kural ya da insan vermelidir: hesaplamalar, yasal bildirimler, para transferi, yetkilendirme gibi. Bir toplamı model yerine formülle hesaplamak, tarih farkını model yerine fonksiyonla bulmak hem daha ucuz hem daha güvenilirdir. Genel ilke: Kuralla çözülebilen şeyi kuralla çözün, anlam gerektiren yerde modeli kullanın.

Adım adım tasarım: örnek bir akış üzerinden

Örnek olarak bir şirketin ortak destek kutusuna gelen e-postaları ele alalım. Amaç, e-postaların ilgili ekibe doğru sınıflandırılması, kritik olanların öne çıkarılması ve rutin olanlara taslak yanıt hazırlanmasıdır.

Tasarım şu sırayla ilerler. Önce girdiyi ve çıktıyı tanımlayın: girdi serbest metinli e-posta, çıktı konu etiketi, aciliyet düzeyi, kısa özet ve taslak yanıt. Sonra akışı adımlara bölün: e-posta gelir, metin temizlenir, model sınıflandırır, çıktı doğrulanır, ilgili ekibe kayıt açılır, rutin ise taslak yanıt hazırlanıp onaya gönderilir.

Modele verilen talimatı net yazın. Hangi etiketlerin geçerli olduğunu, her etiketin ne anlama geldiğini ve belirsizlik durumunda ne yapacağını belirtin. Çıktıyı serbest metin yerine yapılandırılmış biçimde isteyin; örneğin her alanın adı ve izin verilen değerleri belli olsun. Böylece sonraki adımlar çıktıyı güvenilir biçimde okuyabilir.

Son olarak belirsizlik yolunu kurun: model emin değilse ya da çıktı beklenen biçimde değilse kayıt otomatik işlenmek yerine bir insana yönlendirilir. Bu 'çıkış yolu', yapay zeka destekli akışın en önemli tasarım unsurudur.

Doğrulama ve insan onayı: modelin çıktısına neden doğrudan güvenilmez?

Dil modelleri akıcı ama her zaman doğru olmayan çıktı üretebilir; olmayan bir bilgiyi emin bir üslupla yazabilir. Bu yüzden model çıktısı, akışın geri kalanına girmeden önce kontrol edilmelidir.

Otomatik doğrulama katmanları: • Biçim kontrolü: Çıktı beklenen alanları içeriyor mu, değerler izin verilen listeden mi? • Mantık kontrolü: Çıkarılan tutar makul aralıkta mı, tarih geçerli mi, e-posta adresi biçimce doğru mu? • Kaynakla karşılaştırma: Modelin çıkardığı bilgi, kaynak metinde gerçekten geçiyor mu? • Kural kısıtları: Yanıt taslağında verilmemesi gereken söz, fiyat ya da taahhüt var mı?

İnsan onayı ise riske göre konur. Düşük riskli iç etiketleme tam otomatik çalışabilir; müşteriye giden yanıt, mali tutar içeren kayıt ya da hukuki içerik gözden geçirme olmadan gönderilmemelidir. Zamanla ölçüm verisi biriktikçe, hangi türde kararın güvenle otomatik bırakılabileceği netleşir ve onay yükü kademeli olarak azaltılabilir.

Güvenlik, gizlilik ve maliyet kararları

Yapay zeka adımı veriyi bir modele gönderir; bu, klasik otomasyonda olmayan yeni bir karar noktasıdır. Hangi verinin modele gönderilebileceğini, kişisel verilerin nasıl işleneceğini ve sağlayıcının veriyi nasıl kullandığını akış kurulmadan önce kurumun veri politikasıyla birlikte netleştirin. Gerekmeyen kişisel alanları modele göndermeden önce çıkarmak ya da maskelemek temel bir önlemdir.

Diğer bir tasarım kararı maliyet ve hızdır. Model çağrıları her kayıt için maliyet doğurur ve süre gerektirir. Akışa yapay zeka adımını erken koymak yerine, önce basit kurallı filtrelerle gereksiz kayıtları ayıklayın; yalnız gerçekten anlama gerektiren kayıtlar modele gitsin. Aynı girdi için tekrarlanan çağrıları önbelleğe almak ya da toplu işlemek de maliyeti düşürür.

Sağlayıcıya bağımlılığı da düşünün: model veya hizmet değiştiğinde akış kırılmasın diye, model çağrısını akışta tek bir yerde izole edin ve talimat metnini ayrı bir yerde saklayın. Böylece model değişikliği tüm akışı yeniden yazmayı gerektirmez.

Başlangıçtan ileri düzeye: öğrenme ve geliştirme yolu

Başlangıç aşamasında küçük, düşük riskli ve tek adımlı bir işle başlayın: gelen e-postaları etiketlemek ya da toplantı notundan özet çıkarmak gibi. Bu aşamada talimat yazma, çıktıyı yapılandırma ve çıktıyı gerçek örneklerle sınama alışkanlığı oluşur.

Bir sonraki adım, akışa doğrulama, hata yolu ve insan onayı eklemektir. Bu noktada gerçek veriden hazırlanmış bir örnek test seti oluşturun: zor, belirsiz ve istisnai örnekleri de içersin. Talimatı her değiştirdiğinizde aynı setle sonuçları karşılaştırın; böylece iyileşme mi gerileme mi olduğu hisle değil ölçümle anlaşılır.

İleri aşamada çok adımlı akışlar, belge işleme, dış sistemlerle entegrasyon ve model çıktısına göre karar veren dallanmalar gelir. Bu seviyede izleme önem kazanır: modelin hangi oranda belirsiz kaldığını, insan onayının ne sıklıkla düzeltme yaptığını ve hatalı örneklerin ortak özelliklerini düzenli inceleyin. Bu geri bildirim, talimatı ve akışı sürekli iyileştirmenin ana kaynağıdır.

Sık yapılan hatalar

• Her adıma yapay zeka koymak. Önlem: kuralla çözülebilen adımı kuralla çözün.
• Çıktıyı serbest metin olarak almak ve sonraki adımda ayrıştırmaya çalışmak. Önlem: yapılandırılmış çıktı isteyin.
• Doğrulama yapmamak. Önlem: biçim ve mantık kontrolleri ekleyin.
• Belirsizlik için çıkış yolu bırakmamak. Önlem: emin olunmayan kaydı insana yönlendirin.
• Birkaç örnekle test edip canlıya almak. Önlem: geniş ve zor örnekler içeren bir test seti kullanın.
• Kişisel veriyi gelişigüzel modele göndermek. Önlem: veri politikasıyla uyumlu, minimum veri paylaşın.
• Canlıya aldıktan sonra izlememek. Önlem: belirsizlik, düzeltme ve hata göstergelerini düzenli inceleyin.
• Ölçüt tanımlamadan başlamak. Önlem: hedefi ve başarı göstergesini önceden belirleyin; hangi sürecin otomatikleştirileceğine ise önce işin sıklığı, kuralların netliği ve hata maliyeti gibi ölçütlerle karar verin.

Mindset programlarında bu beceriyi nerede çalışırsınız?

Yapay Zeka ve Otomasyon Uzmanlığı Sertifika Programı - Uygulamalı; prompt engineering, veri doğrulama ve eleştirel kullanım, no-code otomasyon temelleri, AI destekli otomasyon tasarımı ve kurumsal AI dönüşümü ile liderlik başlıklarına sahiptir. Akış tasarımında modelin nerede kullanılacağı, çıktının nasıl doğrulanacağı ve sürecin kurumsal ölçekte nasıl yürütüleceği bu başlıklar arasında doğrudan ilgilidir. Operasyon, süreç iyileştirme ve dijital dönüşüm rollerinde çalışanlar için uygundur.

RPA ve Yapay Zeka Entegrasyonu: Akıllı Otomasyon programı ise RPA temelleri ve yapay zeka sinerjisi, yapay zeka ile belge ve veri işleme, insan-robot-yapay zeka iş akışları, ölçeklendirme ve yönetişim ile akıllı otomasyon ROI ve yol haritası modüllerinden oluşur. Belge işleme, insan onaylı akışlar ve yönetişim konuları doğrulama ve insan onayı konularıyla örtüşür. Operasyon ve süreç iyileştirme ekibinize göre hangi başlıkların öne çıkarılacağını Mindset kurumsal eğitim ekibiyle görüşebilirsiniz.