Goldman Sachs Silikon Vadisi Özeti: Yapay Zeka Ajanları, İş Akışları ve Dünya Modelleri

Yazar: Li Jia, Wall Street Journal

Yapay zekâ, "cevap verebilme" aşamasından "uygulama yapabilme" aşamasına geçiyor.

Wind Trading Desk'e göre, Goldman Sachs'ın son raporu, yapay zekanın ticarileştirilmesinin "kullanıcı başına abonelik" modelinden tüketim, işlem hacmi ve sonuçlara dayalı ücretlendirmeye doğru kaydığını; aynı zamanda, aracıların yardımcı araçlardan iş akışı yürütücülerine dönüştüğünü ve sektör değerinin modelin kendisinden özel verilere, iş bağlamına ve alan uzmanlığına kaydığını gösteriyor.

Bu, yapay zeka sektöründeki rekabetin "hangi model daha güçlü"den "iş akışına kim gerçekten hakim olabilir"e doğru kaydığı anlamına geliyor. Model yeteneği önemli olmaya devam ediyor, ancak kurumsal üretim ortamlarına girme, iş bağlamını anlama ve görevleri güvenilir bir şekilde tamamlama yeteneği daha kritik bir rekabet engeli haline gelecek.

Bu değerlendirme, Goldman Sachs'ın Silikon Vadisi'ndeki yapay zeka endüstri zincirine ilişkin yakın zamanda gerçekleştirdiği saha araştırmasından kaynaklanmaktadır. Goldman Sachs, 18-19 Ağustos tarihlerinde, üçüncü kez üst üste, yapay zeka girişimlerini, önde gelen risk sermayesi firmalarını ve Stanford Üniversitesi, Kaliforniya Üniversitesi, Berkeley ve San Francisco Üniversitesi'nden araştırmacıları ziyaret etti. Goldman Sachs, yapay zeka ajanlarının uygulamaları hızlandıkça, en son teknoloji modelleri, açık kaynak modelleri, dünya modelleri, kurumsal yazılımlar ve özel veriler arasındaki değer dağılımının değişeceğine inanmaktadır.

Ajan Uygulaması: İşletmelerin Gerçekten Eksik Olduğu Şey Yetenek Değil, "Kontrol Edilebilirlik"tir.

Geçmişte yapay zekâ "insanların görevleri tamamlamasına yardımcı olma" sorununu çözmüşken, yapay zekâ ajanları "görevleri kendi başlarına tamamlama" sorununu çözmeye çalışıyor. Ancak, işletmelerde büyük ölçekli dağıtım sırasında en büyük engel artık modelin yeteneği değil, sorumlulukların nasıl bölüştürüldüğü ve tüm yürütme sürecinin kontrol edilip edilemeyeceği olabilir.

Raporda, Stanford araştırmacılarının çoğu işletmenin hala insan gözetimi modunda olduğuna dikkat çektiği belirtiliyor. Özellikle hukuk, risk kontrolü, sigorta ve denetim gibi alanlarda, bir model hata yaptığında sorumluluğun kimde olduğu, sürecin nasıl takip edileceği ve hatanın zamanında düzeltilip düzeltilemeyeceği, modelin kendi yeteneği kadar önemli olabilir.

Bu nedenle, otomasyona ilk ulaşma olasılığı en yüksek olan iş akışları genellikle üç özelliğe sahiptir: net karar sınırları, doğrulanabilir sonuçlar ve geri alınabilir hatalar. Fatura işleme tipik bir örnektir. Yapay zeka, alanları ayıklamak ve kontrolleri gerçekleştirmekten sorumludur; düşük güvenilirlikteki durumlar insanlar tarafından incelenir ve ardından geri alınabilir bir ERP süreciyle tamamlanır.

Bu aynı zamanda, güvenilir içeriğe, doğrulanmış alan modellerine ve olgun düzenleyici ilişkilere sahip bilgi hizmeti sağlayıcılarının kurumsal üretim ortamlarına ilk girenler olma olasılığının daha yüksek olduğu anlamına gelir.

Model Rekabeti: Son Teknoloji Modeller ve Açık Kaynaklı Modeller Arasındaki İş Bölümü

"Açık kaynak mı yoksa kapalı kaynak mı" tartışmasına gelince, Goldman Sachs'ın bu soruşturma sırasında ortaya koyduğu sinyaller, bunun ikili bir seçim olmadığını, aksine farklı modellerin farklı iş akışı seviyelerine karşılık gelebileceğini gösteriyor.

En yeni modelleri savunanlar, kurumsal kıyaslamanın genellikle model yeteneklerini hafife aldığını düşünüyor. Gerçek üretim ortamlarında, model doğruluğundaki düşüşün neden olduğu iş kayıpları, çıkarım maliyetlerindeki tasarrufları çok aşabilir. Bu nedenle, birçok yapay zeka tabanlı şirket çoklu model stratejisi benimsediğini iddia etse de, temel üretim ortamlarında hala büyük ölçüde en yeni modellere güveniyorlar.

Başka bir bakış açısına göre, kurumsal iş akışlarının büyük çoğunluğu en ileri düzeyde zekaya ihtiyaç duymaz. Açık kaynaklı modellerin performansı sürekli olarak iyileştikçe, müşteriler sınırlı performans kaybını daha düşük çıkarım maliyetleriyle takas etmeye giderek daha istekli hale geliyor. Bir risk sermayesi şirketi, önümüzdeki 12 ila 18 ay içinde çıkarım token'larının yaklaşık %90'ının açık kaynaklı modellere akacağını öngörüyor.

Bu, gelecekteki yapay zeka model pazarında daha net bir iş bölümünün oluşabileceği anlamına gelir: en gelişmiş modeller yüksek değerli, yüksek güvenilirlik gerektiren karmaşık görevlerden sorumlu olacakken, açık kaynaklı modeller daha büyük ölçekli standartlaştırılmış görevleri ve token tüketiminin büyük çoğunluğunu üstlenecektir.

Dünya Modelleri: Yapay Zeka Hesaplama Gücü İkinci Bir Büyüme Eğrisini Karşılayabilir

Son 18 ayda araştırmacılar, odak noktalarını giderek daha çok LLM'lerden "dünya modellerine" kaydırdılar.

Eğitim için öncelikle internet verilerine dayanan LLM'lerin aksine, dünya modellerinin gerçek dünyadaki ortamları, nedensel ilişkileri, fiziksel yasaları ve dinamik etkileşimleri anlaması gerekir; veriler daha çok fiziksel sistemlerden, belirli sektörlerden ve gerçek operasyonel senaryolardan gelir. Bu, özel verilerin öneminin daha da artabileceği anlamına gelir.

Goldman Sachs, fizik, endüstri, bilim ve robotik gibi alanlara karşılık gelen problem alanının, saf metin üretiminden çok daha büyük olduğuna ve bu iş akışlarının genellikle daha yüksek işlem gücü yatırımı gerektirdiğine inanmaktadır. Yapay zeka dijital dünyadan fiziksel dünyaya daha fazla girdikçe, model eğitimi, simülasyon ve çıkarım alanlarındaki işlem gücü talebi de yeni bir büyüme eğrisi gösterebilir.

Goldman Sachs, önümüzdeki beş yıl içinde bilgi işlem gücüne olan talebin yaklaşık 24 kat artabileceğini ve arz-talep geriliminin daha uzun süre devam ederek Microsoft, Oracle ve CoreWeave gibi bulut bilişim ve bilgi işlem altyapısı şirketlerine doğrudan fayda sağlayacağını öngörüyor.