Yapay zeka (YZ) projelerinin büyük çoğunluğunun deneysel aşamadan öteye geçemediği belirtildi. Bu durumun, modellerin işlevsiz olmasından ziyade, sistemlerin gerçek dünya ortamlarının gerektirdiği koşullara dayanamamasından kaynaklandığı kaydedildi. YZ çözümlerinin operasyonel sistemlere dönüşümünde ciddi zorluklar yaşandığı vurgulandı. Bir gösteri ile operasyonel bir sistem arasındaki farkın, modelin doğruluğundan ziyade, teknolojinin mevcut süreçlere entegre olabilme, büyük veri hacimlerini gerçek zamanlı işleyebilme ve kesintisiz, istikrarlı bir şekilde çalışabilme yeteneği olduğu bildirildi. Yapay zeka girişimlerinin çoğunun, fikirden günlük kullanıma geçiş aşamasında tamamlanmadan kaldığı aktarıldı. Sistemlerin doğrudan finansal ve operasyonel sonuçları olduğu ortamlarda, bu tür bir sonuca yer olmadığı ifade edildi. Yapay zekanın bu durumlarda bir eklenti olmaktan çıkıp, sistemlerin operasyonel temelinin bir parçası haline geldiği vurgulandı. Bu bağlamda, yapay zekayı konseptten operasyonel bir sisteme dönüştürmeyi başaran şirketlerin incelenmesi gerektiği bildirildi. Bu şirketlerden birinin “Factory Group” olduğu açıklandı. “Factory Group” adlı şirket, Sırbistan'daki ve uluslararası pazardaki kamu ve özel sektör kuruluşları için karmaşık dijital sistemler geliştiren ve uygulayan, 100'den fazla uzmana sahip bir teknoloji mühendisliği firması olarak tanıtıldı. Şirketin odağının deneysel çözümler değil, gerçek operasyonel koşullarda, yük altında, kesintisiz ve açıkça tanımlanmış kurallar çerçevesinde çalışan sistemler olduğu belirtildi. Financial Times'ın “Avrupa'nın En Hızlı Büyüyen 1000 Şirketi” listesi ve “Deloitte Technology Fast 50” gibi takdirlerin, potansiyelin bir teyidi olarak değil, sunulan sistemlerin bir sonucu olarak bu yaklaşımın doğal bir getirisi olduğu kaydedildi. Kamusal alanda yapay zekanın genellikle modellerin doğruluğu, hızı veya yenilikçiliği prizmasından bakılarak değerlendirildiği, ancak gerçek sistemlerde modelin daha geniş bir resmin yalnızca bir parçası olduğu vurgulandı. Ana zorlukların farklı olduğu açıklandı. Veri yönetimi, sistem istikrarının sağlanması, çözümün mevcut altyapıya entegrasyonu ve sistemin günlük koşullarda öngörülebilir bir şekilde çalışmasının nasıl temin edileceği gibi konuların öncelikli olduğu belirtildi. Bunlar olmadan yapay zekanın yalnızca bir gösterim olarak kalacağı aktarıldı. Bu nedenle, operasyonel yapay zeka sistemleri geliştiren kuruluşların farklı bir yaklaşımla, yani deneysel değil, mühendislik tabanlı bir yaklaşımla hareket ettiği ifade edildi. Az sayıda şirketin yapay zekayı operasyonel sistemlere entegre edebilmesinin nedenlerinden birinin, geliştirme yaklaşımı olduğu kaydedildi. Bir yanda modeller geliştiren ancak bunları karmaşık sistemlere uygulama kapasitesine sahip olmayan kuruluşlar bulunurken, diğer yanda ise YZ bileşenleri hakkında derinlemesine bilgi sahibi olmadan yazılım geliştiren şirketlerin yer aldığı belirtildi. Operasyonel sistemlerin her iki yaklaşımın birleşimini gerektirdiği vurgulandı. Uygulamada bu durumun, araştırma çalışmaları ile mühendislik disiplininin birleşimini, gerçek koşullarda anlam ifade eden modellerin geliştirilmesini ve aynı zamanda bu modellerin güvenilir, sürekli ve büyük ölçekte çalışması gereken sistemlere uygulanmasını ifade ettiği belirtildi. “Factory Group”un yapay zeka geliştirmesini tam da bu birleşim üzerine kurduğu aktarıldı. Şirketin sistemlerinin, büyük miktarda verinin işlenmesi ve analizi, kalıp ve sapmaların belirlenmesi, karar alma süreçlerine destek ve operasyonel süreçlerin otomasyonu için kullanıldığı açıklandı. Müşterilerin altyapısı içinde uygulanan bu sistemlerin, veri kontrolünü ve sistem istikrarını sağladığı vurgulandı. Bu sistemleri farklı kılanın sadece işlevsellik değil, aynı zamanda kontrollü koşullarda değil, gerçek bir ortamda çalışmak üzere tasarlandıkları gerçeği olduğu belirtildi. Hata toleransının minimum olduğu ortamlarda, bilginin geliştirilme yönteminin teknolojinin kendisi kadar önemli hale geldiği kaydedildi. “Factory Group” yapay zeka ekibinin önemli bir kısmının, şirketin aktif desteğiyle doktora araştırmaları üzerinde paralel olarak çalıştığı bildirildi. Bu yaklaşımın, sistemlerin çözmesi gereken sorunların daha derinlemesine anlaşılmasını ve aynı zamanda bunların pratik uygulamasını sağladığı vurgulandı. Bu durumun sonucunun, trendleri takip eden bir ekip değil, teknolojiyi istisnasız çalışması gereken koşullarda nasıl uygulayacağını anlayan bir ekip olduğu belirtildi. Operasyonel bir ortamda yapay zeka sistemlerinin geliştirilmesinin kaçınılmaz olarak daha fazla karmaşıklığa ve daha yüksek gereksinimlere yol açtığı açıklandı. “Factory Group”un projelerini, veri işleme, çalışma sürekliliği ve güvenilirliğin temel faktörler olduğu farklı endüstriler ve sistemlerde gerçekleştirdiği aktarıldı. Her yeni sistemin farklı bir gereksinim kümesi getirdiği ve bunun geliştirme yaklaşımını daha da şekillendirdiği belirtildi. IBM, Oracle ve Lenovo gibi şirketlerle yapılan ortaklıkların, bu çözümlerin uygulandığı teknolojik çerçevenin genişletilmesini sağlarken, uluslararası satın almalar yoluyla genişlemenin bölgesel pazarın ötesine geçişi teyit ettiği kaydedildi. Yapay zekanın olgunluğa ulaştığının en net işaretinin, hakkında ne kadar konuşulduğu değil, ne kadar fark edilmez hale geldiği olduğu vurguladı. Sistemlerin kesintisiz çalıştığı, verilerin süreçler arasında müdahaleye gerek kalmadan aktığı ve kararların güvenilir bilgilere dayanarak alınabildiği durumlarda, yapay zekanın bir teknoloji olarak görünürlüğünü kaybettiği ifade edildi. Bunun altyapının bir parçası haline geldiği aktarıldı. Bu noktada sistemin nasıl geliştirildiğinin önemli olmadığı, önemli olanın çalışır durumda olması olduğu belirtildi. İşte tam da burada, fikir aşamasında kalan projeler ile günlük işleyişin bir parçası haline gelen projeler arasındaki farkın ortaya çıktığı vurguladı.