Big Four ile yapay zekâ hakkında ilk konuşmaya başladığımızda, görüşmeler şaşırtıcı derecede hızlı ilerledi. Uzun bir girişe ya da yapay zekânın neden önemli olduğunu açıklamaya gerek yoktu. Şirket ortakları ve kıdemli danışmanlar neredeyse hemen zamanlarını aslında neye harcadıklarını anlatmaya başladı. Karar almaya ya da içgörü üretmeye değil, hazırlığa. Farklı sistemlerden veri çekmeye. Rakamları birbiriyle tutarlı hale getirmeye. Daha kimse sonuçların ne anlama geldiğini düşünmeye bile başlamadan, analizlerin kurum içi standartlara uygun olduğundan emin olmaya.
Dikkatimizi çeken, bu işlerin hiçbirinin değersiz olmamasıydı. Hepsi gerekliydi. Ama aynı zamanda yorucuydu. Son derece deneyimli insanlar, günlerinin büyük bir bölümünü asıl düşünme işine başlayabilecekleri noktaya ulaşmaya çalışarak geçiriyordu.
Görüşmeler devam ettikçe, yapay zekânın rol oynayabileceği onlarcayı aşan sayıda süreç belirlediler. Raporlama, mevzuata uyum, finansal kontroller, vergi analizi, kurum içi incelemeler. İlk bakışta bu, klasik bir otomasyon sorunu gibi görünüyordu. Ama değildi.
Bu süreçlerin çoğunda zaten araçlar, şablonlar ve kısmi otomasyon vardı. Her şeyi yavaşlatan unsurlar, adımların arasında ortaya çıkıyordu. Bir bağlamdan diğerine geçmek. Çıktıları karşılaştırıp uzlaştırmak. Parçalı bilgiler üzerinde tutarlı bir muhakeme yürütmek. Asıl maliyet yalnızca zaman değil, bilişsel yüktü.
Bakış açımız işte o noktada değişti.
Yapay zekânın işi baştan sona nasıl yapabileceğini sormak yerine, işi yapan insanları nasıl destekleyebileceğini sormaya başladık. Ya yapay zekâ, kontrolü insanların elinden almadan enerji tüketen kısımları üstlenebilseydi? Ya yapılandırılmış taslaklar hazırlayabilse, tutarsızlıkları ortaya çıkarabilse ve nasıl akıl yürüttüğünü görünür kılabilseydi? Böylece uzmanlar hazırlık yerine muhakemeye odaklanabilirdi.
Bu yaklaşım uygulamaya geçtiğinde, etkisi somutlaştı.
Ekipler genelinde, tekrarlanan analitik işlerin tamamlanma süreleri yüzde 80 ila 90 azaldı. Özellikle yoğun mutabakat gerektiren süreçlerde, elle yapılan işlemlerden kaynaklanan hatalar büyük ölçüde azaldı. Bir o kadar önemlisi, daha önce aynı işe biraz farklı biçimlerde yaklaşan ekiplerin çıktıları daha tutarlı hale geldi. Danışmanlar, ortalama olarak ayda yaklaşık 40 ila 50 saat kazandı; artık bu zamanı daha yüksek değer yaratan düşünsel çalışmalara ayırabiliyorlardı.
Ama en ilginç değişim rakamlarda değildi.
İnsanların işlerinden söz etme biçimindeydi. İncelemeler daha sakin yürütülmeye başladı. Tartışmalar daha odaklı hale geldi. İncelemeleri yürüten kıdemli uzmanlar, her şeyin doğru olup olmadığını kontrol etmeye daha az, sonuçların gerçekte ne anlama geldiğini tartışmaya daha fazla zaman ayırmaya başladı.
Zamanla sistem, insanların kullanmak zorunda olduğu bir araç olmaktan çıktı. Kararların nasıl alındığını sessizce öğrenen ve bunu sonraki analizlere yansıtan ortak bir çalışma biçimi gibi hissedilmeye başladı.
Bu deneyim, uzun zamandır inandığımız bir şeyi de pekiştirdi. Daha genel bir zekâya doğru ilerleme, karmaşık alanlarda uzmanların yerini almaya çalışan sistemlerden gelmeyecek. Uzmanların düşünme sürecindeki engelleri azaltan ve bu düşünceyi güçlendiren sistemlerden gelecek.
Bu çalışmalarda yapay zekâ, özerk davranarak değil, iş birliği yaparak değer yarattı. İnsanlar adına karar vermedi. Daha iyi kararları daha hızlı almalarına yardımcı oldu.
AGI benzeri sistemlerin ilk nerede önem kazanacağına dair erken bir işaret varsa, o da burada. Tam otomasyonda değil, insan muhakemesini geniş ölçekte desteklemede.
Farkı yaratan, otomasyondan kaldıraç etkisine geçişti.
