İşletmelerin yapay zeka entegrasyonunda karşılaştığı en büyük engellerden biri veri kalitesi olarak öne çıkıyor. İngilizce kaynaklı bir Dun & Bradstreet araştırmasının Türkçe özetini sunduğumuz bu DUNS haberleri bültenine göre, kurumların %88'i yapay zeka teknolojilerini süreçlerine dahil ediyor. Ancak bu şirketlerin %54'ü, yapay zeka modellerini besleyen verilerin güvenilirliği ve doğruluğu konusunda ciddi şüpheler taşıyor. Araştırma sonuçları, başarılı bir yapay zeka uygulamasının temelinde temiz ve doğrulanmış verilerin yattığını, aksi takdirde sistemin şeffaflık ve alaka düzeyi açısından yetersiz kalacağını gösteriyor.
Yapay Zeka Entegrasyonunda Veri Güvenliği Riskleri
Açıklanan gelişmeye göre, işletmelerin yapay zeka kullanımındaki temel endişeleri sadece veri kalitesiyle sınırlı kalmıyor. Ankete katılan yöneticilerin %46'sı veri güvenliğini en büyük risk olarak tanımlarken, %43'ü veri gizliliği ihlallerinden, %42'si ise hassas veya tescilli bilgilerin açığa çıkmasından endişe duyuyor. Kaynak metinde belirtildiği üzere, kurumların yalnızca yarısı (%52) üretken yapay zeka uygulamalarında başarılı olmak için yeterli bir veri altyapısına sahip olduğuna inanıyor. Bu durum, teknoloji yatırımlarının veri yönetimi stratejileriyle eş zamanlı yürütülmesi gerektiğini ortaya koyuyor.
Şirketlerin yapay zeka yolculuğundaki aşamaları farklılık gösterse de karşılaşılan engeller benzerlik taşıyor. Kaynağa göre, işletmelerin %33'ü güvenilir iş verilerine sahip olmayı, diğer bir %33'lük kesim ise etik ve düzenleyici zorlukları aşmayı en kritik engeller olarak sıralıyor. Ayrıca, teknolojinin açıklanabilirliği (%28) ve yatırım getirisinin kanıtlanması (%25) gibi konular da şirketlerin çözüm aradığı diğer zorluklar arasında yer alıyor. 2025 yılına yönelik beklentilerde ise otonom çalışan yapay zeka ajanlarının özellikle görev otomasyonu (%64) ve veri yönetimi (%36) alanlarında yoğun olarak kullanılması öngörülüyor.
Yapay zeka yatırımlarından maksimum verim almak isteyen işletmelerin öncelikle veri altyapılarını güçlendirmesi gerekiyor. Bu doğrultuda atılabilecek pratik adımlar arasında; mevcut veri kaynaklarının denetlenmesi, eksik veya hatalı kayıtların temizlenmesi ve uluslararası geçerliliği olan doğrulama sistemlerinin iş süreçlerine entegre edilmesi yer alıyor.