Son yıllarda, işletmelerde tahmin, planlama ve karar verme süreçlerini geliştirmek için yapay zeka kullanan sistemler hızla artış göstermiştir, ancak birçok durumda, bu sistemler organizasyon hakkında ayrıntılı ve spesifik bilgilere sahip olmadıkları için bu araçların faydasını sınırlamaktadır.
MIT Bilgi ve Karar Sistemleri Laboratuvarı (LIDS) baş araştırmacısı, Elektrik Mühendisliği ve Bilgisayar Bilimleri (EECS) bölümünde öğretim üyesi ve Veri, Sistemler ve Toplum Enstitüsü (IDSS) üyesi olan Devavrat Shah, sınırlı hesaplama kaynakları kullanarak saniye saniye karar verme süreçlerini yönetebilecek yöntemler tasarlamaya odaklanmıştır.
“Bir anlamda, az bir kaynakla çok fazla iş yapmak zorundasınız,” diyor. Bir araştırmacı olarak, “benim ilgim, verilerden ölçekli olarak bilgi çıkarma yeteneği geliştirebilecek yöntemler geliştirmekte.”
Andrew (1956) ve Erna Viterbi Profesörü, 2005 yılından beri MIT'te ders vermektedir.
2019 yılında, Ikigai Labs adında bir yan kuruluş şirketi de kurmuştur. Ikigai, Shah’ın laboratuvarındaki yıllarca süren araştırmalara dayanan tabular ve zaman serisi verileri için bir temel model geliştirmiştir; bu model MIT tarafından şirkete patentlenmiş ve lisanslanmıştır. Bu model, çeşitli kaynaklardan gelen kurumsal verileri sürekli ve ölçekli bir şekilde alarak, tahminlerini gerçek sonuçlarla test ederek öğrenmesini sağlar.
Shah, sistemin, örneğin, GPS cihazlarının uydulardan aldığı az miktardaki veriyi Dünya yüzeyindeki bir konumun doğru modeline dönüştürmek için kullandığı grafiksel modellerin bir uzantısı olduğunu açıklamaktadır veya enerji verimli bir şekilde yüksek hızda iletişim kuran dijital saat gibi iletişim sistemleri tarafından kullanılmaktadır.
“Benim ilgim şuydu: Genel, tabular veriler için böyle grafiksel modeller nasıl tasarlanır?” diyor.
Çoğu yapay zeka modeli metin ve görüntülerle eğitilmişken, bu sistem tabular verileri girdi olarak alır — yaygın olarak bilinen satır ve sütun formatındaki yapılandırılmış verileri kullanır. Ve ardından çok daha büyük bir ölçekte gerçek zamanlı planlama sağlar.
Ikigai'nin fikri, tüketici ürünleri üreticileri ve ilaç şirketleri gibi büyük işletmelere tahmin ve karar verme teknolojisi sağlamaktı.
Shah, bir tüketici elektroniği şirketinin bu sistemi nasıl kullanabileceğine dair bir örnek veriyor.
“Diyelim ki kulaklık ve çeşitli ürünler üretiyorsunuz. Ve ürettiğiniz her bir ürünün dünyanın farklı yerlerinden gelen birçok küçük parçası var. Cihaz satıldığında, desteklenmesi ve bakımı gerekiyor. Ve ürünün yeni versiyonlarını çıkarmanız, pazarlamanız, fiyatlandırmanız gerekiyor... Yani genellikle soracağınız sorular şunlar olur: Eğer bunları gelecek çeyrekte veya gelecek yıl satarsam, farklı yerlerde ne kadar satılacak ve fiyatı değiştirirsem ya da promosyon yaparsam talep ne olur?”
Bu süreçlerin birbirine bağımlı olduğunu ve süreçlerin her aşamasında zaman içinde etkileri olan kararlar alınması gerektiğini ekliyor. “Bir noktada,” diyor, “bu süreçleri dijitalleştirmek ve tahmin yapabilmek, sürekli optimize edebilmek, nihayetinde daha iyi iş operasyonlarına yol açar.”
Ikigai, uluslararası firma Celonis tarafından yakın zamanda satın alındı; burada Shah, MIT'teki rollerine ek olarak baş bilim insanıdır. Nihayetinde, Ikigai için geliştirdiği modelin, Celonis'in bir şirketin kendi verileri ve iş süreçleriyle entegre olabilecek araçlar sunmasına yardımcı olmasını umuyor; böylece tahminler, planlar ve kararlar almaya yardımcı olabilecek gerçek dünya analizleri sağlayabilir.
Shah, Celonis'in dünya genelinde 1.400'den fazla büyük şirketin operasyonlarını dijitalleştirme ve otomatikleştirme konusunda uzmanlaştığını ekliyor. Bu sistemler tamamen dijitalleştirildiğinde, Ikigai'nin yazılımının bir sonraki adımı atabilmesi için bir platform sağlıyor; bu dijitalleştirilmiş sistemlerden verileri okuyarak, farklı seçeneklerin simülasyonunu sağlamak, optimum stratejileri tahmin etmek ve belirli bir karar setinin sonuçlarını öngörmek için ayrıntılı modeller sunuyor.
“Bu süreçlerin dijital katmanı ve bu bilgi katmanı mevcut olduğunda,” diyor Shah, “şimdi bunun üzerine, daha önce olamayacak kadar büyük bir ölçekte karar verme yeteneği sağlamak için Ikigai yığınını koyabiliriz.”
Birçok şirket çeşitli yapay zeka alanlarında çalışırken, “biz, dünyanın geri kalanının dikkat etmediği bir alanın bir parçasına çok odaklanmış durumdayız,” diyor; bu da yapılandırılmış veya zaman alanı verileri alanıdır. Böyle bir veriden başlamak,
