Yapay Zekanın Yönetişim, Ekonomi ve Finans’a Etkisi

Yapay Zekanın Yönetişim, Ekonomi ve Finans’a Etkisi

Not: Doç. Dr. Sezer Bozkuş Kahyaoğlu, editörü olduğu “Yapay Zekanın Yönetişim, Ekonomi ve Finans’a Etkisi” (The Impact of Artificial Intelligence on Governance, Economics and Finance, Volume 1) adlı kitabın içeriği hakkında bir yazı kaleme aldı.

Yapay zeka (AI) son zamanlarda daha fazla önem kazanmış ve bilgisayar bilimi alanları arasında iyi bir konuma gelmiştir. Yapay zeka, yargılamada, problem çözmede ve/veya dilleri anlamada insan gibi davranan bir sistemi varsayan anlamda akıllı bir sistem oluşturmayı hedefliyor. Gerçek hayattaki sorguları çözerek konfor seviyesini artırmak için yukarıda belirtilen görevleri yerine getirebilen bir makine oluşturmak için AI’nın arkasında büyük bir mühendislik çabası var. AI nispeten yeni bir bilim alanı olmasına rağmen, diğer eski bilim alanlarıyla yakından ilişkilidir ve Felsefe, Matematik, Bilgisayar, Bilişsel Bilim, Sinirbilim vb. Kökleri Aristoteles ve Sokrates’e kadar uzanan tarihsel bir süreç olsa da Alan M. Turing (1912–1954) “yapay zekanın babası” olarak kabul edilir (Traiger, 2000).

Literatürdeki ilk resmi AI Konferansı 1956’da Hannover’deki Dartmouth College’da gerçekleşti. Ashri (2020), bu Konferans tarihini yeni bir çalışma alanının, yani AI’nın doğum günü olarak kabul ediyor. Sonrasında, AI’nın her alt alanında büyük bir ilerleme var. Yapay zekanın ilerleme hızını artıran üç ana belirleyici faktör vardır. (1) Artan veri büyüklüğü, yani büyük veri. (2) Artan işlem gücü, yani algoritmalar (3) Artan veri depolama, yani bulut tabanlı çözümler.

AI’nın gelişim sürecini doğru anlamak için veri, bilgi ve bilgi üretme süreci arasındaki ilişkiyi analiz etmek gerekir. Veriler, gerçek hayattaki gözlemlere dayalı olarak birçok farklı biçimde, ortamda ve temada bulunabilir. Bu nedenle, verilerin yapısı doğada çok çeşitlidir ve veriler bir kanıt özelliğine sahip olabilir. Veriler, belirli bir amaca ulaşmak için sınıflandırılıp işlendiğinde bilgiye dönüşür. Bu şekilde veriler anlamlı hale gelir ve paydaşlara bir mesaj verir. Günümüzde katma değerli bilgi üretmek çok önemlidir. İş dünyasında katma değerli bilgiye sahip olmak daha fazla önem ve rekabet avantajı sağlar.

Yapay zeka uygulamalarının “katma değer” sağladığı önemli bir yaklaşım, sürekli kendini geliştirme yeteneğidir. Yapay zeka altyapısı, sürekli olarak yeni öğrenme stratejilerine uyum sağlamayı mümkün kılar ve bu dinamik süreç “öngörülü öğrenme” olarak tanımlanır. Böylece yapay zekaya dayalı hizmet ve ürünler, sürekli ve dinamik bir yaklaşımla verimli bir şekilde yenilenecek ve/veya güncellenecek ve global kütüphanelerden elde edilen çeşitli algoritmalar ile hayatın her alanına uygulanabilecektir.

Tahmine dayalı öğrenme yeteneği, tüm yapay zeka ekosistemini geliştirmek için değerli bir araçtır. Bu, makineler arasında sürekli bilgi alışverişi ile sağlanır. Entegre bireysel cihazlar, “ağ etkisi” yaratan AI ekosistemi aracılığıyla (Makine 2 Makine-M2M) deneyim alışverişinde bulunur (Porter ve Heppelmann, 2014). Makineler arasındaki dinamik deneyim alışverişi ve büyük veri üretim sürecinin eş zamanlı gelişimi, tüm verilerin karar verme sürecine dahil edilmesi için daha hızlı işlenmesini gerektirecektir. Modern teknolojilerin giderek daha fazla büyük veri üretmeyi mümkün kıldığı bir gerçektir. Bu durum, depolama kapasitelerinin iyileştirilmesine ve dolayısıyla bulut çözümlerinin ortaya çıkmasına neden olmaktadır. Merkezi sistemler yani sunucular ile sürekli iletişim olmadan çalışarak otonom sistemleri desteklemek için Makine Öğrenimi (ML) Algoritmaları gibi yeni algoritmalar oluşturulur. Bu, özellikle finans piyasalarında yaygın olarak kullanılan mobil çözümlerin sürdürülebilirliği için çok önemlidir (McKinsey Global Institute, 2017).

Yapay zeka uygulamaları ürün geliştirme döngülerine dahil edilmekte ve bu sayede tüketici davranışları yakından izlenmektedir. Özellikle davranışsal modelleme ve tahmin tekniklerinde yapay zeka uygulamaları kullanılarak önemli kazanımlar ve rekabet avantajları elde edilmektedir. Yapay zeka uygulamaları, ürün tasarımı ve satış sonrası hizmet sunumunda etkilidir ve maliyetleri düşürmek için yaygın olarak kullanılmaktadır. Ürün tasarımındaki bu değişim, tek bir ürüne odaklanmak yerine birbiriyle entegre olabilen akıllı ürünlerin geliştirilmesini de kolaylaştırmaktadır (Porter ve Heppelmann, 2014).

Bu kitap, küresel ekonomiyi dönüştürmek için mekanizmaları algılamak, stratejik zorunlulukları tanımak ve yapay zekaya dayalı yeni nesil teknolojilere hazırlanmak için iş liderlerine yardımcı olma misyonuna sahiptir. Kitap, AI uygulaması ve AI’nın yönetişim, finans ve ekonomi konularındaki etkisi ile ilgili düzenlenmiş bölümleri aynı anda sunmayı amaçlamaktadır. Bu bağlamda, bu kitabın temel amacı, yazarların yönetim, finans ve ekonomi gibi temel uzmanlık alanları ile ilişkilendirerek ve yapay zekanın bu alanlardaki etkilerini yakından takip ederek yapay zekaya dayalı olarak ortaya çıkan gelişmeleri analiz etmektir. Kitabın organizasyonu şu şekilde özetlenebilir:

“The Impact of Artificial Intelligence on Governance, Economics and Finance”ın Bölümleri:
  • Bölüm 1’de yukarıda ele alınan kavramsal çerçeveye dayalı giriş yapılmaktadır.
  • Bölüm 2’de FinTech’in ekonomik önemi, faydaları ve çözümleri hakkında bir değerlendirme sunulmaktadır.
  • Bölüm 3’te dijitalleşmenin bankalar ve bankacılık üzerindeki etkileri anlatılmaktadır. Özellikle teknolojideki hızlı geçiş, bankacılıkta kanalları ve kanal stratejisini değiştirmekte ve teknoloji yoğun kanallar daha fazla önem kazanmaktadır.
  • Bölüm 4’de büyük finansal verilerin yapay zeka yöntemleriyle analizi anlatılmaktadır.
  • Bölüm 5’de, finans sektöründeki hızlı dijitalleşme trendi göz önünde bulundurularak yapay zekanın merkez bankacılığı ve para politikaları üzerindeki etkisi detaylı olarak tartışılmaktadır.
  • Bölüm 6’da, bilgi ve iletişim teknolojilerindeki gelişmeler dikkate alınarak dijitalleşmenin finansal kurumların finansal performansı üzerindeki etkisi araştırılmaktadır. Bu bağlamda (26) büyük Türk bankasının teknik etkinlik puanları örnek veri olarak kullanılmış ve Veri Zarflama Analizi (VZA) uygulanarak her bankanın teknik etkinlik puanları elde edilmiştir.
  • Bölüm 7’de, Endüstri 4.0 kapsamında tedarik zincirlerinin değişen organizasyonu ve coğrafyası ile ortaya çıkan yeni ticaret kalıpları incelenmektedir.
  • Bölüm 8’de, yeni teknolojilerin küresel sistemdeki ekonomi politikalarına etkileri analiz edilmektedir. Elektronik devrim çağında yeni ekonomik yapının ekonomi politikalarının önceliklerini değiştirdiği belirtilmektedir.
  • Bölüm 9’da, ekonomideki yapısal değişim için Yapay Zeka’dan temel beklentiler analiz edilmektedir.
  • Bölüm 10’da, Doğu Azerbaycan’a ilişkin bir vaka çalışmasına dayalı olarak entelektüel sermayenin rolüne vurgu yaparak endüstriyel üretkenliği teşvik etmek için bir SEM modeli sunulmaktadır.
  • Bölüm 11’de, sağlık hizmetlerinde blok zincir teknolojilerinin başlıca uygulamaları, politika yapıcılar için genel bir çerçeveye dayalı olarak tartışılmaktadır.
  • Bölüm 12’de, ulusal inovasyon sisteminde şirket ve inovasyon ilişkisi analiz edilmektedir.
  • Bölüm 13’de, Hindistan bağlamında blok zinciri teknolojisinin uygulanması için ortaya çıkan zorluklar ve bu zorlukları azaltmak için atılan adımlar analiz edilmektedir.
  • Bölüm 14, organizasyon çalışmaları alanında yapay zekanın uygunluğuna ilişkin bilimsel bilginin mevcut durumunu ortaya çıkarmayı amaçlamaktadır.
  • Bölüm 15, yapay zekanın finansal sistemi nasıl dönüştüreceğine genel bir bakış sunar ve bu bağlamda finansal teknolojilerin (Fintech) ve düzenleyici teknolojilerin (Regtech) bu dijital dönüşümden nasıl etkileneceği ele alınmıştır. Regulatory Technology (Regtech), bilgi teknolojilerinin, özellikle finansal teknolojilerin kontrol edilmesi, düzenlenmesi ve uyumluluğunun sağlanması için teknolojinin kullanılması olarak tanımlanmaktadır (Butler and O’Brien, 2019).
  • Bölüm 16’da, COVID-19 pandemisi ile mücadelede yapay zeka uygulamasının etik-hukuki boyutu sunulmaktadır.
  • Sonuç olarak yapay zeka, makinelere veya sistemlere öğrenmeyi, optimize etmeyi, tahmin etmeyi, yazıya dökmeyi ve iletişim kurmayı öğretmenin mümkün olduğu bir yoldur. Yapay zeka ile ilgili birçok ekonomik ve sosyal fayda olduğu kabul edilse de, risklerin farkında olmak önemlidir (Müller, 2016; Marwala ve Hurwitz, 2017). Yapay zekanın iş yönetiminde yaygın bir araç haline geldiğini göz önünde bulundurduğumuzda, eğitimli uzmanlarla birlikte, etik standartlara dayalı olarak gerekli kontrol ve denetim süreçlerinin oluşturulması gelecekte kalıcı çözüm bekleyen konular arasında yer almaktadır…

Bu kitap serisinin ilerleyen sayılarında bu hususların tartışmaya açılması ve yapay zekanın tüm yönleriyle incelenmesi yoluyla literatüre katkı sağlanması hedeflenmektedir. 

 

Kaynakça

Akerkar, J. (2019). Artificial Intelligence for Business. Springer Brief Book Series. ISBN 978-3-319-97436-1. https://link.springer.com/bookseries/8860 

Ashri R. (2020). The AI-Powered Workplace. How Artifitial Intelligence, Data, and Messaging Platforms are Defining the Future of Work. Apress, Berkeley, CA. ISBN 978-1-4842-5476-9. 

Butler, T., & O’Brien, L. (2019). Understanding RegTech for digital regulatory compliance. In Disrupting Finance (pp. 85-102). Palgrave Pivot, Cham.

Marwala T. and Hurwitz E. (2017). Artificial Intelligence and Economic Theory: Skynet in the Market. Springer International Publishing AG. ISBN 978-3-319-66104-9 (eBook)

Marwala T. and Lagazio M. (2011). Militarized conflict modeling using computational intelligence. Springer, Heidelberg. 

McKinsey Global Institute (2017). Artificial Intelligence. The Next Digital Frontier? Discussion Paper. (Access Date: 01.04.2020)

Müller, V. C. (2016) Risks of Artificial Intelligence. Edited by Vincent C. Müller University of Oxford, UK and American College of Thessaloniki/Anatolia College, Greece. International Standard Book Number-13: 978-1-4987-3483-7 (eBook). Taylor & Francis Group.

Porter, M. E. and Heppelmann, J. E. (2014). How Connected and Smart Products are Transforming Competition. Harvard Business Review. 92, (64-88).

Traiger, S. (2000). Making the right identification in the Turing test. Mind Mach 10(4):561

Benzer Haberler