Yalın yapay zekâ otomasyonu: önce süreç, sonra ajan.

Yapay zekâ otomasyonu üzerine yazılanların çoğu araçla başlar: hangi model, hangi platform, hangi bağlantı. Benim başlangıç noktam süreçtir. Yirmi yılı aşkın üretim, kalite ve operasyon deneyimim bana şunu öğretti: Kötü bir süreci otomatikleştirirseniz, israfı daha hızlı üretirsiniz. Genel bir bakış için Yapay zekâ otomasyonu rehberi sayfasına da bakabilirsiniz.

Yalın yapay zekâ otomasyonu nedir?

Yalın düşüncenin (Lean) israf avcılığını yapay zekâ ajanlarının hızıyla birleştiren bir otomasyon yaklaşımıdır. Amaç "her şeyi yapay zekâya yaptırmak" değil, değer üretmeyen tekrar işleri ortadan kaldırmak ve kalan tekrar işleri ajana devretmektir.

Fark şu: Klasik yaklaşım mevcut iş akışını olduğu gibi otomatikleştirir. Yalın yaklaşım önce o akışın gerçekten gerekli olup olmadığını sorar.

Yöntem hangi adımlardan oluşur?

Beş adımda ilerliyorum:

• Sahaya bakmak: İşin gerçekte nasıl yapıldığını, kimin ne kadar zaman harcadığını yerinde ya da ekran paylaşımıyla görmek.
• Akışı çizmek: Talepten teslimata kadar adımları, bekleme sürelerini ve tekrar eden işleri tek sayfada göstermek.
• İsrafı ayıklamak: Gereksiz onayları, kopyala-yapıştır işlerini, çift kayıtları ve bekleyen işleri ortadan kaldırmak.
• Ajanı kurmak: Kalan tekrar işleri için yapay zekâ ajanını kurmak; ajan taslak hazırlar, karar ekipte kalır.
• Ölçmek ve standartlaştırmak: Önceki ve sonraki süreyi, hata sayısını ve maliyeti ölçmek; çalışan yöntemi standart iş hâline getirmek.

Ajana ne kadar yetki verilir?

Yetki kademeli artar ve her artış ölçüme dayanır. Dört seviye kullanıyorum:

• 0. Gölge mod: Ajan çalışır ama çıktısı kimseye gitmez. Yalnızca insanın yaptığı işle karşılaştırılır.
• 1. Öneri: Ajan taslak hazırlar, insan düzeltir ve onaylar. Kurulumların çoğu burada başlar, birçoğu burada kalır.
• 2. Sınırlı yetki: Geri alınabilir, düşük riskli iç işleri (etiketleme, kayıt açma, hatırlatma) kendisi yapar. Dışarıya giden hiçbir şey bu seviyede bile onaysız çıkmaz.
• 3. Gözetimli yetki: Yazılı kurallar içinde daha geniş işleri yürütür; düzenli örnek kontrolü ve kayıt incelemesiyle izlenir.
• Her seviyede: Sınırlar ajanın talimatına değil sistemin kendisine yazılır, her adım silinemeyen bir kayda düşer ve geri alma yolu tanımlıdır. Seviye yükseltme kararını ölçüm kayıtlarına bakarak siz verirsiniz.

Neden önce süreç, sonra yapay zekâ?

Çünkü yapay zekâ ajanı, kendisine verdiğiniz akışı hızlandırır. Akışta gereksiz bir onay, bir çift kayıt ya da bekleyen bir iş varsa, ajan bunları da hızlandırır ya da hiç bitmeyen bir döngüye sokar.

Sahada sık gördüğüm durum şu: Bir işin yarısı, aslında kimsenin okumadığı bir raporu hazırlamak ya da iki ayrı sisteme aynı bilgiyi girmekten oluşuyor. Bunu otomatikleştirmek yerine ortadan kaldırmak hem daha ucuz hem daha kalıcı.

Çok disiplinli mühendislik bu işte neden fark yaratır?

Yapay zekâ otomasyonu bir yazılım işi gibi görünür, ama aslında bir süreç işidir. Süreç de tek bir bölümde başlayıp bitmez: Bir müşteri şikâyeti kaliteden başlar, üretime, tedarikçiye, satın almaya ve ERP'ye dokunur.

Farklı disiplinlerde doğrudan sorumluluk aldım:

• üretim ve operasyon yönetimi (yalın üretim, TPS, OEE, hat dengeleme)
• kalite (IATF 16949, 8D, FMEA, SPC, APQP ve PPAP, tedarikçi denetimleri)
• Ar-Ge'den seri üretime geçiş (RFQ, SOP takvimi, sıfırdan fabrika kurulumu)
• kurumsal sistemler (SAP ve Oracle ERP, makine izleme, ERP ve MES entegrasyonu, Power BI)
• mevzuat ve pazar hazırlığı (CE ve FDA yol haritaları, GDPR, AB ve ABD pazarına giriş)
• şirket yönetimi (finans, insan kaynakları ve iş geliştirmede yapay zekâ ile çalışan düzen kurmak)

Hangi sektörlerde deneyiminiz var?

Türkiye, Çin ve Bangladeş'te sahada çalıştım. Deneyimim şu sektörleri kapsıyor:

• otomotiv ana sanayi ve tedarikçileri (Hyundai ve Ford araç programları, iç trim, koltuk kılıfı)
• tekstil ve hazır giyim (yurt dışında fabrika kurulumu ve kalite güvence)
• ileri teknoloji ve giyilebilir cihazlar, endüstriyel IoT
• robotik ve ağır sanayi
• medikal IoT ve akademik Ar-Ge projeleri

Hangi işler yalın yapay zekâ otomasyonuna uygundur?

Her hafta tekrar eden, kuralı tam yazılamayan ama sonucu kolayca kontrol edilebilen işler. Örnekler:

• kalite: 8D raporunun problem tanımı ve zaman çizelgesi taslağı, FMEA ve kontrol planı dokümantasyonu
• tedarik zinciri: tedarikçi takip e-postaları, geciken siparişlerin listelenmesi
• operasyon: vardiya özetleri, duruş kayıtlarından OEE özeti
• satış ve teklif: RFQ dosyalarından teklif taslağı, görüşme notlarından özet
• yönetim: haftalık performans göstergeleri (KPI) raporu, toplantı özetleri
• uzmanlar ve küçük firmalar: talep takibi, ilk yanıt ve içerik taslakları

Sonucu nasıl ölçüyorsunuz?

Kurulumdan önce mevcut durumu ölçüyoruz (taban ölçümü), kurulumdan sonra aynı ölçümü tekrarlıyoruz. Sonucu tahminle değil, önce ve sonra ölçümüyle konuşuyoruz. Birkaç kuralım var:

• Bir sonuç ölçüsü, en fazla iki destek ölçüsü: Örneğin teklif hazırlama süresi asıl ölçü olur; yeniden iş oranı ve haftalık kullanım destek ölçüsü. Ölçü sayısı arttıkça odak dağılır.
• Faaliyet değil sonuç: "Ajan 300 taslak yazdı" bir faaliyettir. "Teklifin müşteriye ulaşma süresi kısaldı" bir sonuçtur.
• Yalın ölçüler: Çevrim süresi, bekleme süresi, ilk seferde doğru oranı, bir işin kaç kez el değiştirdiği ve insan müdahalesi olmadan tamamlanan işlerin oranı.
• Kabul eşiği: Yapay zekânın çıktısı her seferinde birebir aynı olmaz. Bu yüzden "çalışıyor ya da çalışmıyor" demek yerine baştan yazılmış bir eşikle kabul ederiz; örneğin taslakların ne kadarının düzeltme gerekmeden onaylandığı. Model ya da araç değişirse ölçümü tekrarlarız.
• Kazançları ayrı yazmak: Zaman tasarrufu, kazanılan kapasite ve azalan risk ayrı raporlanır, birbirine eklenip şişirilmez.

Bu yöntem kimler için uygun?

Üretim ve teknoloji şirketleri, otomotiv tedarikçileri, AB pazarına ihracat yapan üreticiler ve tekrar eden işleri büyüyen butik firmalar ile uzmanlar için. Türkiye'de ve Avrupa Birliği'nde, uzaktan ya da yerinde çalışıyorum; görüşmeler Türkçe ya da İngilizce.

Yöntemi kendi işlerimde uyguladım.

Otomotivde yalın üretim ve TPS ile çalışırken hat verimliliğini artırmak ve teslim süresini kısaltmak üzerine çalıştım. Bugün INVAMAR'da finans, insan kaynakları, operasyon ve iş geliştirmede yapay zekâ ajanlarıyla çalışan bir düzen kurdum. Ayrıntılar ve kanıt seviyeleri Hakkımda ve Vaka çalışmaları sayfalarında.