Couchbase ve UserEvidence tarafından yürütülen küresel araştırma, üretken yapay zekânın kurumsal ölçekte hızla benimsendiğini, ancak çoğu kurumun hala güvenli ve ölçeklenebilir bir veri mimarisi oluşturmakta zorlandığını ortaya koyuyor.
“The State of Enterprise AI Development” başlıklı rapor, en az 100 çalışanı bulunan kuruluşlardan 600’ün üzerinde ürün, mühendislik, veri ve yapay zekâ profesyonelinin görüşlerine dayanıyor. Bulgular, yapay zekâ benimsemesinde yeni bir dönüm noktasına gelindiğini gösteriyor. Konuya ilgi ve yatırımlar artmaya devam etse de temel veri altyapısı aynı hızda gelişim gösteremiyor.
Raporun bulgularına göre, şirketlerin yüzde 62’si halihazırda üretken yapay zekâ ile çalışıyor ve bunların yüzde 38’i tam uygulamaya geçmiş durumda bulunuyor. En yaygın kullanım alanları, yazılım geliştirme (yüzde 72), veri analizi (yüzde 65) ve sohbet robotları (yüzde 59) olarak öne çıkıyor. Bu da bir bakıma yapay zekânın artık iş süreçlerinin doğal bir parçası haline geldiğini gösteriyor.
Buna rağmen çoğu kuruluş, gelişmiş yapay zekâ için gerekli veri altyapısına sahip olmadığını kabul ediyor ve yalnızca yüzde 29’u birleştirilmiş çok modelli bir veritabanı kullanıyor. Dağınık veri kaynakları ise performans, güvenlik ve ölçeklenebilirlik açısından ciddi riskler oluşturuyor.
Yöneticilerin en büyük kaygısı güvenlik ve doğruluk
Katılımcıların yüzde 83’ü, özel verilerin büyük dil modelleriyle (LLM) paylaşılmasından, yüzde 85’i ise yapay zekâ halüsinasyonlarından endişe duyuyor. RAG (Retrieval-Augmented Generation) mimarileri, doğrulanmış iç verileri kullanarak bu riskleri azaltan güçlü bir çözüm olarak öne çıkıyor.
Ancak katılımcıların yüzde 74’ü RAG konusunda kendini orta ve ileri düzeyde olarak görse de sadece yüzde 3’ü RAG iş akışlarını veri mimarilerine entegre etmiş durumda bulunuyor. Bu da teorik bilgi ile kurumsal düzeyde uygulama arasında büyük bir boşluk olduğunu ortaya koyuyor.
Couchbase Yapay Zekâ ve Edge Yazılım Geliştirme Başkan Yardımcısı Mohan Varthakavi, konuyla ilgili olarak düşüncelerini şu cümlelerle paylaştı: “Kurumsal yapay zekânın evrimi açısından bir dönüm noktasındayız. Üretken yapay zekânın hızla benimsenmesinin, halihazırda devam eden bir dönüşüm dalgasının habercisi olduğunu söyleyebiliriz. Ancak asıl atılımlar, kuruluşlar bu sistemlerin arkasındaki veri karmaşıklığı sorunlarını çözdüklerinde gerçekleşecek. RAG, daha güvenli ve daha güvenilir bir yapay zekâya giden net bir yol sunuyor ancak etkinliği, metin ağırlıklı RAG veri yaşam döngüsünün tamamını milisaniye hızında desteklemeye bağlı. Bu da birleşik bir geliştirici veritabanı platformu aracılığıyla JSON verileri kullanarak en kolay şekilde gerçekleştirilebilir. Gelecek, yapay zekâ ajanları odaklı olacak ancak bu geleceği gerçekleştirmek için veri karmaşıklığı, hız, mimari ve güven konularını ciddiye almamız gerekiyor.”
Rapora göre, yapay zekâ ajanlarının yükselişi de beklentileri değiştiriyor. Katılımcıların üçte ikisi önümüzdeki bir yıl içinde yapay zekâ ajanlarını devreye almayı planlarken, yalnızca yüzde 35’i kapsamlı “guardrails”lere sahip olduğunu belirtiyor. Bu da otonom yapay zekâ geliştikçe yönetişim uygulamalarının hızla olgunlaşması gerektiğine işaret ediyor.
Rapor ayrıca veri entegrasyonunun en büyük darboğazlardan biri olduğunu gösteriyor. Katılımcıların yüzde 49’u veri akışı ve prompt mühendisliği, yüzde 47’si yapılandırılmamış verilerin yönetimi konusunda zorluk yaşıyor. Birçok kuruluş, farklı veri sistemleri arasında bağlantı kurmakta ve yapay zekâ çıktılarının hangi verilerden beslendiğini izlemekte zorlanıyor.
Performans baskısı artıyor
Kuruluşların neredeyse yarısı (yüzde 48), yapay zekâ uygulamalarının yarısından fazlasının gerçek zamanlı veritabanı performansına ihtiyaç duyduğunu söylüyor. Milisaniye hızında veri işleme yeteneği olmadan, yapay zekâ sistemleri kullanıcı beklentilerini karşılayamıyor.
Raporun sonuçları, yapay zekâ başarısının veri birliği, güven ve hız üzerine kurulu olduğuna işaret ediyor. Görünen o ki, birleştirilmiş, güvenli ve yapay zekâya uygun bir şekilde optimize edilmiş veri platformlarına yatırım yapan şirketler, hâlâ veri siloları ve yavaş sistemlerle uğraşan rakiplerinin önüne geçecek.
Varthakavi son olarak şunları vurguladı: “Yapay zekâ uyumlu bir veri mimarisi oluşturmanın bir sonraki adımı, silo sistemlerini birleştirmek, verilerin yaşam döngüsü boyunca güvenliğini sağlamak ve RAG gibi gelişmiş iş akışlarını desteklerken JSON gibi üretken yapay zekâ dostu formatlar için optimizasyon yapmaktan geçiyor. Bu yaklaşım, kuruluşların yapay zekâ ajanlarını ölçeklendirmelerine ve daha derin, daha eyleme geçirilebilir içgörüler elde etmelerine olanak tanıyacaktır.”