Sağlıkta yapay zeka devrimi geliyor

YAZI: MEHTAP DEMİR

Kerem Tomak, veri, yapay zeka ve dijital dönüşüm alanlarında 20 yılı aşkın deneyime sahip uluslararası bir teknoloji lideri. Finansal hizmetler, perakende ve ileri teknoloji sektörlerinde strateji ve uygulamayı bir araya getiren güçlü bir kariyere sahip olan Tomak, Commerzbank, ING gibi küresel kurumlarda büyük veri, ileri analitik ve yapay zeka ekiplerinin kurulmasına ve ölçeklenmesine liderlik etti. Bugün, Hollanda merkezli yapay zeka şirketi MindspaceAI’ın (mindspaceai.nl) CEO’su olarak, kurumsal dünyada yapay zekanın gerçek iş değerine dönüştürülmesine odaklanıyor.

Tomak’ın vizyonu, yapay zekayı salt teknoloji gösterileriyle sınırlamayıp, operasyonel verimlilikten regülasyon uyumuna kadar iş süreçlerinin merkezine yerleştirmek üzerine kurulu. Agentic AI, veri altyapısı ve kurumsal yönetişim gibi alanlarda hem pratik kullanım senaryoları geliştiren hem de bu dönüşümü “kaostan netliğe” götüren Tomak, yakın gelecekte sektörleri bekleyen büyük devrimi, liderlere stratejik önerilerini ve MindspaceAI’ın bu dönüşümdeki rolünü Fast Company için anlattı.

ÜÇ TEMEL İLKE

20 yılı aşkın kariyerim boyunca şunu net biçimde gözlemledim ki en başarılı yapay zeka uygulamaları üç temel ilke üzerine inşa edilir: İş değeri odağı, ölçeklenebilirlik ve güvenilir yönetişim.

MindspaceAI’ın vizyonu da yapay zekayı vitrin niteliğindeki teknolojik gösterimler için değil; somut ve sürdürülebilir, gerçek iş değeri yaratmak için kullanmak. Birden fazla stratejik alanda güçlü bir etki yaratıyoruz. Finansal hizmetler tarafında, Commerzbank ve ING’de Büyük Veri, İleri Analitik ve Yapay Zeka yetkinliklerini inşa ederken edindiğim deneyim, bugün geliştirdiğimiz çözümlerin temel dayanaklarından biri. Bankacılık ve finans alanında risk yönetimi, bireysel ve kurumsal bankacılık, müşteri tanıma (KYC) süreçleri ve operasyonel verimlilik için çözümler geliştiriyoruz. Perakende ve e-ticaret bir diğer önemli odak alanımız. ABD ve küresel perakende deneyimimden yararlanarak adtech/martech, talep tahmini ve kişiselleştirme alanlarında çözümler sunuyoruz.

Sağlık ve medikal teknoloji ise bizim için giderek daha stratejik bir dikey haline geldi. Bu alanda, tıbbi iş akışlarının verimliliğini artırmaya ve otomasyona odaklanıyor; radyoloji, ameliyathane (OR) verimliliği ve sigorta taleplerinin iletimi gibi kritik süreçlerde Agentic AI çözümleri geliştiriyoruz.

Bir diğer büyük fırsat alanı ise uyum ve regülasyon. Hollanda’daki iş ortağımız DataChef ile birlikte geliştirdiğimiz impevia.com platformu, EU AI Act, DORA, SOC 2, ISO ve GDPR gibi karmaşık düzenlemelere uyumu otomatikleştiren, AI-first çözümler sunuyor. Bu yaklaşım, özellikle regülasyona tabi sektörler için kritik öneme sahip.

YZ NELERİ DEĞİŞTİRECEK?

Önümüzdeki dönemde beş ana alanda radikal bir değişim göreceğiz. Bunların ilki, bilgi işinin yeniden tanımlanması. YZ ajanları; analistlerden danışmanlara, geliştiricilerden tasarımcılara kadar tüm bilgi çalışanlarının kendilerinin “güçlendirilmiş” versiyonlarına dönüşmesini sağlayacak. Veri kalitesi ve veri etiketleme gibi zahmetli işler tamamen YZ ajanları tarafından üstlenilecek. “Vatandaş geliştiriciler”, bu otomasyonları inşa etme yolunda şimdiden öncü rol oynuyor.

İkinci büyük dönüşüm alanını sağlık ve tanı süreçleri oluşturuyor. Radyoloji alanında yıllar önce gördüğüm potansiyel bugün gerçeğe dönüşüyor. Artık yapay zeka, hastalıkları daha erken ve daha yüksek doğrulukla teşhis edecek.
Üçüncü alan ise uyarlanabilir eğitim. Kişiselleştirilmiş öğrenme deneyimleri sayesinde her öğrenci kendi hızında ve kendi öğrenme tarzına uygun şekilde ilerleyebilecek. Yüzyıllardır eğitime hâkim olan tek tip modelden hızla uzaklaşıyoruz.

Dördüncü başlık otonom operasyonlar. Fabrikalardan lojistik zincirlerine kadar operasyonlar, kendi kendini optimize eden sistemlere dönüşecek. Olay güdümlü mimarilerin, operasyonel mükemmeliyeti mümkün kılan; birbirleriyle sürekli iletişim kuran ve koordineli karar alan yapay zeka ajanları ağına dayalı ‘agentic mesh’ yaklaşımını destekleyecek şekilde evrildiğini görüyoruz.

Son olarak, regülasyon uyumu manuel bir kontrol listesi olmaktan çıkıp sürekli çalışan, proaktif bir sisteme dönüşecek. Uyumun 3 ayda ya da yılda bir kontrol edildiği dönemler geride kalıyor; şirketler, uyumu gerçek zamanlı olarak izleyen ve sağlayan yapay zeka sistemlerine sahip olacak. “Compliance co-pilot” kavramı artık bir vizyon değil, somut bir gerçekliğe dönüşüyor.

VATANDAŞ VERİ BİLİMCİLER!

“Vatandaş veri bilimci ve geliştiricilerin” hayatımıza girmesi, yapay zekanın en heyecan verici demokratikleşme hikâyesini oluşturuyor. Geçmişte veri bilimi ve yapay zeka geliştirmek için doktora ya da en azından yüksek lisans derecesine sahip olmaya ihtiyaç vardı. Giriş bariyeri son derece yüksekti.

Bugün bir İK uzmanı, tek satır kod yazmadan çalışan ayrılma tahmin modelleri oluşturabiliyor. Bir operasyon yöneticisi, tedarik zinciri optimizasyonu için YZ ajanlarını yapılandırabiliyor. Teknik engeller neredeyse tamamen ortadan kalkmış durumda.

Bunun kurumsal etkisi son derece derin olacak. İnovasyon hızlanıyor; çünkü her fikir için veri bilimi ekibinin sırasını beklemek gerekmiyor. Alan uzmanlığı çok daha değerli hâle geliyor: En iyi yapay zeka çözümleri, en çok Python bilenler tarafından değil, problemi en iyi anlayanlar tarafından geliştiriliyor. Bilişim ve YZ ekipleri ise rutin işlerden arınarak gerçekten karmaşık ve stratejik sorunlara odaklanabiliyor.

Google ve Yahoo’daki yıllarımda şunu net biçimde gördüm: En başarılı yapay zeka organizasyonları, “federe” bir modeli benimseyenler oluyor. Vatandaş geliştiriciler de bu modelin doğal evrimini temsil ediyor.

BAŞARISIZLIĞIN %40’I!

Bazı küresel araştırmalara göre YZ projelerinin yüzde 95’i başarısız oluyor. Bana göre bu oran şaşırtıcı değil. Bunun kesinlikle yapay zekanın kendisiyle ilgili bir sorun olmadığını da söylemem lazım. Yılların deneyimine dayanarak başarısızlıkların en önemli nedeninin organizasyon ve stratejik nedenler olduğunu söyleyebilirim.

Araştırmalara göre, başarısızlıkların yüzde 40’ı yanlış problem seçimiyle başlıyor. “Bu problemi çözelim” demek yerine “hadi yapay zeka yapalım” anlayışıyla yola çıkılan projelerden kaynaklanıyor. Yatırım getirisi hesaplanmamış, iş değeri net olmayan ve benim “havalı teknoloji” sendromu dediğim durum ortaya çıkıyor: Yani problemi arayan bir çözüm.

Yaklaşık yüzde 25’i ise verinin gerçekliğiyle ilgili sorunlardan kaynaklanıyor. Şirketler “verimiz var” diyor; ancak derine inildiğinde verinin kalitesinin düşük olduğu görülüyor. Veri kalitesi yoksa, yapay zeka da çalışmaz.

Başarısızlıkların yaklaşık yüzde 20’sinin arkasında ise organizasyonel direnç var. Değişim yönetimi ihmal ediliyor, paydaşların desteği sağlanmıyor ve “yapay zeka bizi işsiz bırakacak” korkusu doğru şekilde ele alınmıyor. Teknoloji mükemmel olabilir; ancak insanlar sürecin parçası değilse sonuç alınamaz.

Yaklaşık yüzde 10’luk bir bölüm ise teknik borç ve ölçeklenebilirlik sorunlarından kaynaklanıyor. Pilot aşamada her şey yolunda gidiyor, ancak üretim ortamına geçilemiyor.

Son olarak, projelerin yaklaşık yüzde 5’i uyum ve etik sorunlar nedeniyle başarısız oluyor. Regülasyon gereklilikleri dikkate alınmıyor, önyargı ve adalet testleri yapılmıyor.

10 YILLIK DÖNÜŞÜM BAŞLIYOR

Önümüzdeki 5-10 sene içinde yapay zekanın yaratacağı sektörel dönüşümü, zamanlama ve değişimin derinliğine göre üç kademede değerlendiriyorum.

İlk kademe, önümüzdeki 2–3 yıl içinde gerçekleşecek radikal dönüşümü kapsıyor. Bu dönüşümün öncüsü ise açık ara finansal hizmetler olacak.

Örneğin, dolandırıcılık tespiti artık gerçek zamanlı ve yüzde 99’un üzerinde doğrulukla yapılıyor. Kredi tahsisinde geleneksel skorlarından, davranış temelli ve YZ destekli risk değerlendirme modellerine geçiliyor. Kişiselleştirilmiş bankacılık, her müşteri için özel finansal tavsiyeler ve ürünler sunuyor.

Müşteri hizmetleri de benzer bir dönüşümden geçiyor. Basit chatbot’lardan, çok dilli, çok modlu ve empatik etkileşimlerle soruların yüzde 90’ından fazlasını insan müdahalesi olmadan çözebilen gerçek YZ ajanlarına geçiliyor.

Yazılım geliştirme tarafında ise “vatandaş geliştiriciler” hızla baskın hâle geliyor. Kod üretimi, test ve hata ayıklama süreçlerinin yüzde 60–70’i YZ destekli yürütülüyor. Odak, teknik ayrıntılardan iş mantığına ve inovasyona kayıyor.

İkinci kademe ise 3–5 yıl içinde gerçekleşecek derin dönüşümü ifade ediyor. Sağlık sektörü, tanısal radyolojinin ötesine geçerek ilaç keşfi alanına ilerliyor; geleneksel olarak 10 yıl süren süreçler 2–3 yıla iniyor. Klinik araştırmalar, yapay zeka ile hasta eşleştirme ve izleme sayesinde baştan sona yeniden şekilleniyor. Robotik cerrahi, yapay zeka desteğiyle çok daha hassas hâle geliyor.

PROJE YERİNE, YETKİNLİK

Üretim tarafında ise “karanlık fabrikalara” doğru gidiyoruz: 7/24 otonom üretim, arıza yaşanmadan önce devreye giren öngörücü bakım ve gerçekten kendi kendini iyileştiren tedarik zincirleri mümkün hâle geliyor. Lojistik ve taşımacılıkta ticari ölçekte otonom araçlar, dinamik rota optimizasyonu ve tamamen otomatik depolar yaygınlaşıyor.

Üçüncü kademe ise 5–10 yıl içinde gerçekleşecek evrimsel dönüşümü kapsıyor. Eğitim, standartlaştırılmış modellerden kişiselleştirilmiş öğrenme yolculuklarına geçecek. Hukuk alanında sözleşme analizi, içtihat araştırması ve regülasyon uyumu büyük ölçüde otomatikleşecek. Tarımda ise hassas tarım uygulamaları, verim optimizasyonu ve otomatik hasat sistemleri öne çıkacak.

Veri yoğun sektörlerde başarıyı belirleyen bazı kritik faktörler var. En iyi yapay zeka modeli bile kötü veriyle başarısız olur; bu nedenle veri altyapısı hayati öneme sahip. Teknoloji nispeten kolay, asıl zor olan insan faktörü; değişim yönetimi bu yüzden kritik. Özellikle finans ve sağlıkta regülasyonları doğru şekilde yönetmek ve uyum sağlamak olmazsa olmaz. Etik ve önyargı konularını da göz ardı edemeyiz; yapay zeka kararlarının adil ve şeffaf olması son derece önemli.

Deneyimlerime dayanarak şunu söyleyebilirim: Kazanan şirketler, yapay zekayı bir “proje” olarak değil, kurumsal bir “yetkinlik” olarak ele alanlar olacak.

MEDTECH VE RADYOLOJİDE DEVRİM

Radyoloji ve tıbbi teknoloji, yapay zekanın bugün en somut etkiyi yarattığı alanların başında geliyor. Yakında yayımlanacak ‘Learning AutoML’ adlı kitabımda ayrıntılı biçimde ele aldığım sağlık çözümleri, bu alanı özellikle iki başlıkta köklü biçimde dönüştürüyor.

Bunlardan ilki, ‘tanı doğruluğu ve hızındaki artış’. YZ sistemleri, insan gözünün kaçırabileceği erken evre kanser bulgularını, kırıkları ve anomalileri tespit edebiliyor. Burada tutarlılık da kritik bir faktör: Bir radyolog 8 saatlik bir vardiyanın sonunda yorulabilir, ancak yapay zeka her seferinde aynı dikkatle bakar.

Yapay zekanın bir “güvenlik ağı” olarak kullanılması, tanı hatalarını ciddi ölçüde azaltıyor. Örneğin, mamografi taramalarında yapay zeka, yanlış pozitif sonuçları yüzde 20–30 oranında düşürebiliyor; bu da hastalar için gereksiz biyopsi stresinin azalması anlamına geliyor. Yanlış negatifleri ise neredeyse tamamen ortadan kaldırıyor. Ayrıca açıkça normal olan vakaları önceden filtreleyebildiği için radyologların iş yükünü yüzde 30–40 oranında azaltabiliyor.

İkinci büyük dönüşüm alanı ise ‘tıbbi kodlama ve uyum süreçleri’. Sağlık sektörünün operasyonel yükünün önemli bir bölümünü oluşturuyor. YZ ajanları, klinik notları okuyarak doğru faturalama kodlarını otomatik olarak atayabiliyor. HIPAA, GDPR ve yerel regülasyonlara uyumu gerçek zamanlı olarak denetliyor; eksik ya da hatalı klinik dokümantasyonu, sorun hâline gelmeden önce tespit edebiliyor.

SAĞLIKTA 5 YILLIK TABLO

Önümüzdeki 5 yıla baktığımızda tablo gerçekten çarpıcı. Tanı süreçleri öngörücü hâle gelecek; yalnızca “bu kanser” demekle kalmayıp, “bu hastanın önümüzdeki 3 yıl içinde X hastalığına yakalanma riski yüzde 73” gibi öngörüler sunulacak. Genomik veriler, klinik geçmiş ve yapay zekanın bir araya gelmesiyle her hasta için gerçekten kişiselleştirilmiş tedavi planları oluşturulacak. YZ destekli tanı araçları sayesinde uzaktan sağlık hizmetleri, kırsal bölgelerde dahi kaliteli bakımı mümkün kılacak. Giyilebilir cihazlar ve YZ ile sürekli izleme, kesintisiz sağlık takibi ve erken uyarı sistemlerini hayata geçirecek.

Ancak burada kritik bir mesele var: Güven ve açıklanabilirlik. Sağlık alanında yapay zekanın önündeki en büyük engel, teknik değil, güvenle ilgili. Doktorlar ve hastalar “yapay zeka böyle dedi” cevabını kabul etmiyor; “neden?” diye soruyor. Bu nedenle açıklanabilir yapay zeka vazgeçilmez, insanın süreç içinde kaldığı tasarımlar kritik ve FDA, CE işareti gibi regülasyonlara uyum bir zorunluluk.

Yapay zeka doktorların yerini almıyor; onları, daha güçlü ve donanımlı tanı uzmanlarına dönüştürüyor.

YENİ DÖNEM FIRSATLARI

Şirketler açısından dört ana fırsat alanı öne çıkıyor. İlki, operasyonel mükemmeliyet. Veri odaklı içgörülerle daha doğru kararlar almak, bazı fonksiyonlarda yüzde 30–40 maliyet düşüşü ve 10 kata varan verimlilik artışı sağlayabiliyor. Buradaki kilit nokta, tekrarlayan ve yüksek hacimli işleri yapay zekaya devredip insanları yaratıcı ve stratejik çalışmalara yönlendirmek.

İkinci alan, yeni iş modelleri. YZ destekli ürün ve hizmetler, veri monetizasyonu fırsatları ve platform iş modelleri hızla ortaya çıkıyor. Geleneksel şirketlerin, değer önerilerini kökten değiştirerek “AI-first” şirketlere dönüştüğünü görüyoruz.

Üçüncü kritik başlık, yetenek gelişimi. Şirketlerin, çalışanlarını YZ ile güçlendirmesi, vatandaş geliştirici programları kurması ve kurum genelinde yapay zeka okuryazarlığı inşa etmesi gerekiyor. Bu, eğitim bütçelerinde yüzde 20–30’luk bir artış anlamına gelse de, karşılığı fazlasıyla alınan bir yatırım.

Dördüncü fırsat alanı ise pazar genişlemesi. Daha önce ekonomik olmayan pazarlar, yapay zeka sayesinde erişilebilir hâle geliyor. Ölçekli kişiselleştirme ve yerel uyarlamalarla küresel erişim, geçmişte mümkün olmayan biçimlerde hayata geçirilebiliyor.

MINDSPACEAI’DA 3 STRATEJİK ÖNCELİĞİMİZ

1. AGENTIC AI Karar alabilen, araçları kullanabilen ve karmaşık görevleri parçalara ayırarak yürütebilen otonom sistemler olarak Agentic AI (YZ ajanları), önümüzdeki 2–3 yılın en kritik teknolojisi olacak.
2. VERİ VE ALTYAPI REHBERLİĞİ Veri platformlarının kurulması ve yönetilmesi konusunda sahip olduğumuz 20 yıllık deneyimle, şirketlerin Agentic AI uygulamalarını destekleyecek ölçeklenebilir altyapılar inşa etmelerine yardımcı oluyoruz. Dünyanın en gelişmiş yapay zekasına sahip olabilirsiniz; ancak veri temeli zayıfsa, kum üzerine inşa ediyorsunuz demektir.
3. KURUMSAL YAPAY ZEKA YÖNETİMİ Yapay zekanın kurumsal ölçekte değer yaratabilmesi için güçlü bir yönetişim şart. impevia.com platformumuz tam olarak bu ihtiyaca yanıt veriyor; uyum süreçlerini otomatikleştirerek kurumların yapay zekayı güvenle ölçeklendirmesini sağlıyor.

ŞİRKETLERE 3 ADIMLI YOL HARİTASI

• 6-12 AY Şirketler veri kalitesi değerlendirmesi ve temizliği, yapay zeka okuryazarlığı programları, 6 haftalık sprint’lerle hızlı kazanım sağlayan projeler ve uyum boşluk analizi üzerine odaklanmalı.
• 1-2 YIL AI-first mimariye geçiş, MLOps altyapısının kurulması, vatandaş geliştirici programları ve veri ortaklıkları öncelik kazanmalı.
• 2-5 YIL Hedef, sektörde lider konuma gelmek, özgün veri avantajları yaratmak, yapay zeka destekli iş modeli inovasyonu yapmak ve ekosistemi orkestre edebilen bir oyuncu hâline gelmek olmalı.

KARAR ALMANIN İLK FAZINDAYIZ

1. FAZ Artırılmış/Destekli (augmented) karar alma. Bu aşamada yapay zeka; öneriler, veri analizi ve içgörüler sunuyor. Ancak, nihai kararı insanlar veriyor. İnsan muhakemesi ile yapay zekanın hesaplama gücünün birleşimi, en doğru sonuçları ortaya çıkarıyor.
2. FAZ Önümüzdeki 2–3 yıl içinde Faz 2’ye, yani devredilmiş (delegated) karar alma dönemine geçeceğiz. Rutin ve düşük riskli kararlar, net biçimde tanımlanmış sınırlar ve koruma mekanizmaları çerçevesinde yapay zekaya devredilecek. Olağan dışı durumlar ise insanlara eskale edilecek. Fiyatlama kararları, stok yönetimi ve basit kredi onayları bu kapsama giriyor.
3. FAZ 3–5 yıl içinde ise bu aşamaya, yani otonom karar alma düzeyine ulaşacağız. Bu dönemde yüksek riskli kararlar dahi yapay zekaya devredilebilecek. İnsanın rolü ise strateji belirlemek, sınırları tanımlamak ve sistemi izlemek yönünde evrilecek.

YZ İLE GÜNDELİK HAYATIMIZ NASIL DEĞİŞECEK?

• DİJİTAL İKİZ
  Önümüzdeki 2–3 yıl içinde her birimizin e-postalarımızı yöneten, toplantılarımızı planlayan ve bizim adımıza araştırma yapan “kişisel yapay zeka asistanları” olacak. Bu, “dijital ikiz” kavramı. Sizi tanıyan ve sizin adınıza hareket edebilen bir yapay zeka.
• SAĞLIK
  Giyilebilir teknolojilerle entegre yapay zeka destekli sağlık takibi ise 1–2 yıl içinde sürekli sağlık izleme dönemini başlatacak. “Doktora gitmeden önce hastalık tespiti” bilim kurgu olmaktan çıkıp gerçeğe dönüşecek. Ruh sağlığı alanında da yapay zeka terapi asistanlarının destek sunduğunu göreceğiz.
• EĞİTİM
  3–4 yıl içinde köklü bir dönüşüm yaşanacak. Her çocuğun, öğrenme hızına ve stiline uyum sağlayan kişisel bir yapay zeka öğretmeni olacak.
• EV OTOMASYONU
  2–3 yıl içinde gerçekten “akıllı” evler yaratacak. Sadece sesli komutlara yanıt veren sistemlerden, ihtiyaçlarınızı öngören ve harekete geçen yapılara geçilecek.
• İÇERİK ÜRETİMİ
  Artık herkes, yapay zeka ile ortak üretim sayesinde yazar, sanatçı ya da film yapımcısı olabiliyor; siz fikri ortaya koyuyorsunuz, yapay zeka uygulamaya yardımcı oluyor. Bu, yaratıcılığın gerçek anlamda demokratikleşmesi.
• ULAŞIM
  3–5 yıl içinde otonom araçların ana akıma girdiğini, yapay zeka tarafından koordine edilen trafik sistemleriyle akışın optimize edildiğini ve “araç sahipliği”nin azalırken “ulaşım hizmeti” anlayışının güçlendiğini göreceğiz.

KRİTİK RAKAMLAR

• 10 KAT
  Doğru kurgulanmış AI sistemleri, bazı operasyonlarda %30–40 maliyet düşüşü ve 10 kata kadar verimlilik artışı sağlıyor.
• %65
  Bazı araştırmalar YZ projelerinin %95’inin başarısız olduğunu ortaya koyuyor. Bana göre bunun %65’i yanlış problem seçimi ve zayıf veri temeli nedeniyle.
• %30-40
  Radyolojide yapay zeka, yanlış pozitifleri %20–30 azaltıyor, radyologların iş yükünü ise %30–40 düşürüyor.
• 2-3 YIL
  Önümüzdeki 2–3 yıl içinde otonom AI ajanları, şirketlerdeki rutin kararların büyük bölümünü devralacak

REKABET AVANTAJI İÇİN 5 STRATEJİ

1. Veri mükemmeliyetini temel bir yetkinlik hâline getirmek. YZ projelerinde zamanın yüzde 80’i veri hazırlığına harcanıyor; bu da asıl zorluğun nerede olduğunu açıkça gösteriyor. Şirketlerin otomatik veri temizleme, gerçek zamanlı veri doğrulama ve veri etiketleme için Agentic AI çözümlerine ihtiyacı var.
2. “AI-first” mimariye geçiş yapılmalı. Geleneksel mimarilerde önce uygulamalar, sonra veritabanları, en sonda ise analitik gelir. AI-first mimari bu yaklaşımı tersine çevirir: veri toplama, gerçek zamanlı işleme, YZ modelleri ve en sonunda akıllı uygulamalar gelir. Her şey en baştan YZ odaklı tasarlanır.
3. Şirketi sürekli öğrenen bir organizasyona getirmek gerekiyor. Bu da sürekli model eğitimi, A/B test altyapıları, model izleme ve yeniden eğitimi kapsayan güçlü bir MLOps yaklaşımı demektir. Kullanıcı etkileşimlerinin modeli geliştirdiği, iş sonuçlarının stratejiyi şekillendirdiği geri besleme döngüleri kurulmalıdır.
4. Ekosistem yaklaşımı oluşturulmalı. Kimse bu yarışı tek başına kazanamaz. Veri paylaşım anlaşmaları, sektör konsorsiyumları ve açık veri girişimleriyle veri ortaklıkları; bulut sağlayıcıları, yapay zeka araç üreticileri ve araştırma kurumlarıyla teknoloji ortaklıkları kurulmalıdır.
5. Etik yapay zeka ve uyum. Regülasyonlar giderek sıkılaşıyor. Şirketlerin risk sınıflandırması, dokümantasyon ve izlemeyi kapsayan AB Yapay Zeka Yasası (EU AI Act) uyumunu sağlaması gerekiyor.