Yapay zeka yatırımlarında hatalı veri yığınları verimliliği düşürüyor

Orta ölçekli işletmelerin gündeminde yapay zeka yatırımları ilk sıralarda yer alsa da birçok kurum bu teknolojiden hedeflediği verimi alamıyor. Yaşanan bu durumun temel sebebi teknolojik yetersizliklerden ziyade, sistemlerde biriken dağınık ve hatalı veri yığınları olarak gösteriliyor. Kurumsal kaynak planlama (ERP) altyapılarında yer alan milyonlarca satırlık bilgiye rağmen, hatalı ürün kayıtları ve güncellenmeyen stok verileri operasyonel aksaklıklara yol açıyor.

Kobi AI Kurucusu Baran Kaya, şirketlerin yapay zekaya geçiş sürecinde kalitesiz veri problemiyle karşılaştığını belirtti. Teknolojinin beklenen çıktıyı vermemesinin arkasında veri yapısındaki bozuklukların yattığına dikkat çeken Kaya, sistemlerin yanlış verileri analiz etmesi durumunda hatalı kararlar ürettiğini vurguladı.

Yıllardır toplanan verilerin büyük bir kısmı stratejik karar alma mekanizmaları için uygun bir formatta bulunmuyor. Özellikle satın alma, stok yönetimi ve üretim planlama aşamalarındaki veri kalitesinin düşüklüğü, işletme maliyetlerini doğrudan artırıyor. Baran Kaya, bir ürünün farklı departmanlarda farklı isimlerle kaydedilebildiğini, depolarda fiilen bulunmayan ürünlerin ise sistemde var görünebildiğini aktardı. Tedarikçi geçmişindeki eksiklikler de yanlış satın alma kararlarını beraberinde getiriyor. Kaya, bu şartlar altında yapay zekanın mevcut sorunları çözmek yerine daha da büyütebileceğini ifade etti.

Entegrasyon öncesinde veri temizliği gerekiyor

Kobi AI tarafından yürütülen projelerde, işletmelerin doğrudan yapay zeka entegrasyonu yerine öncelikle veri yapılandırma süreçlerine yönlendirildiği açıklandı. İşletmelerin hızlı bir şekilde yeni teknolojileri kullanmak istediğini belirten Baran Kaya, sistemlerin sağlıklı işleyebilmesi adına mevcut verilerin standart hale getirilmesi gerektiğini söyledi.

Şirket, projelere başlamadan önce işletmelerin mevcut ERP altyapılarını analiz ediyor. Bu kapsamda aynı ürünlerin tekilleştirilmesi, eksik kayıtların sistem üzerinde düzeltilmesi ve geçmiş verilerin normalize edilmesi ilk aşamayı oluşturmaktadır. Veri tabanı sağlıklı bir yapıya kavuşturulmadığı sürece, kullanılan yapay zeka modelleri doğru sonuçlar ortaya koyamıyor.