Ajan kullanımı yardım aşamasından yürütmeye kayıyor
Kurumsal yapay zekâ iş akışları, OpenAI’nin 1 Eylül tarihli değerlendirmesinde yalnızca soru yanıtlama ya da metin üretme araçları olarak değil, belirli bir sonuca dönük operasyonel süreçler olarak ele alınıyor. Şirketin Enterprise Signals verisine göre yapay zekâ kullanımında üst yüzde 10’da bulunan “frontier” şirketler, aktif kullanıcı başına tipik şirketlerden 8,3 kat fazla çıktı token’ı üretiyor. Bu oran ocak ayında 2,6 kat seviyesindeydi.
OpenAI, farkın yalnızca daha yoğun kullanımdan kaynaklanmadığını; önde gelen şirketlerin ajanları şirket bağlamına ve araçlara bağladığını, daha kapsamlı işleri devrettiğini ve başarılı süreçleri yeniden kullanılabilir hale getirdiğini savunuyor. Ancak şirketin yaklaşımında bu derinliğin güvenilebilen, ölçülebilen ve geliştirilebilen işlere dönüşmesi gerekiyor.
Yayın, Basis, Clay ve Exa Labs’in uygulamalarını bu dönüşümün farklı aşamaları olarak sunuyor: Önce istikrarlı bir süreç ajana öğretiliyor, ardından değişen işler için kalıcı bağlam sağlanıyor; son aşamada ise fırsatlar test ve insan incelemesinden geçen sınırlı eylemlere taşınıyor.
Basis, işe alım sürecini yeniden kullanılabilir beceriye dönüştürdü
Muhasebe firmaları için yapay zekâ ajanları geliştiren Basis’te ilk gün işe alım sürecinin iki saatten 30 dakikaya indiği belirtiliyor. Yeni çalışanlar ilk gün Codex’e ve şirkete özgü bir işe alım becerisine erişiyor. Bu beceri, belirli bir iş akışı için hazırlanan ve tekrar kullanılabilen talimatlar ile kaynaklardan oluşuyor.
Codex, çalışanı karşılıyor, şirketle ilgili temel kavramları tanıtıyor ve entegrasyon kurulumunu bilgisayar üzerinde arka planda tamamlıyor. Tekrarlayan sorular ya da istisnalar ortaya çıktığında insan kaynakları ekibi, sonraki çalışan grubu için beceriyi güncelleyebiliyor.
OpenAI’nin aktarımına göre Basis, süreci bir kez gösterdikten sonra bunu net bir tetikleyiciye, belirli adımlara, uygun araç erişimine ve açık bir tamamlanma tanımına sahip tekrar kullanılabilir bir yapıya çevirdi. Süreç tek bir kişinin uygunluğuna bağlı kalmazken, istisnai ve karmaşık sorularda ekip devreye girebiliyor.
Kurumsal yapay zekâ iş akışları için Clay’in modeli kalıcı bağlam
Gelir ekipleri için kendi kendine öğrenen bir platform geliştiren Clay, satış süreçlerinde kritik anlaşma bilgisinin CRM kayıtları, e-posta, Slack, görüşmeler, sunumlar, mesajlar ve iç ekiplerle müşteri temsilcilerinin konuşmalarına dağılabildiğine işaret ediyor. Şirket, bu bilgiyi güncel tutmak amacıyla her hesap için kalıcı bir çalışma alanı ve özel bir alt ajan kullanan bir düzen kurdu.
Bu alt ajanlar birincil kaynakları gözden geçiriyor ve anlaşma klasörlerini gece boyunca güncelliyor. Sabah saatlerinde ise koordinasyonu sağlayan bir ajan, hesaplardaki güncellemeleri öncelikli adımlardan oluşan kısa bir listeye dönüştürüyor. Bu adımlar, yanıtsız müşteri sorusuna yanıt vermek, satın alma komitesindeki bir boşluğu gidermek veya potansiyel müşterinin yeniden temas kurması için gerekçe sunmak gibi işleri içerebiliyor.
Clay, bu işleyişin her gece gelen kutusu ayıklamak için harcanan yaklaşık bir saatten tasarruf sağladığını belirtiyor. Önerileri destekleyen kanıtların ilgili önerinin yanında tutulması, satış ekiplerinin harekete geçmeden önce birincil kaynakları incelemesine imkân veriyor. OpenAI, bu yapının mevcut hesap izinlerine bağlı kalınarak farklı satış rollerine genişletilebileceğini ifade ediyor.
Exa, fırsatları test edilen çıktılara taşımayı hedefliyor
Yapay zekâ ajanları için web arama altyapısı geliştiren Exa Labs, arama API’sini geliştiricilerin kullanabileceği her yerde sunma hedefini “Exa everywhere” olarak adlandırıyor. Daha önce geliştirici ilişkileri ve hesap ekiplerinin depoları ve ekosistemi takip etmesi, olası entegrasyonları belirlemesi, bağlam toplaması ve farklı sistemlerde koordinasyon sağlaması gerekiyordu.
Exa, fırsatlar değişse de keşiften uygulamaya giden yolun tutarlı bir sırası olduğunu belirleyerek bu zinciri Codex için tanımlı bir iş akışına dönüştürdü. Codex, yüksek öncelikli entegrasyon fırsatlarını izliyor, ilgili bağlamı topluyor, pull request oluşturuyor, testleri çalıştırıyor ve Slack ile Notion gibi kaynaklardan yararlanarak haftalık güncellemeler hazırlıyor. Uygun durumlarda ekip incelemesi için ilk duyuru taslağını da oluşturabiliyor.
Bununla birlikte, hangi fırsatların önemli olduğuna, Exa’nın hangi taahhütleri vereceğine ve dış ilişkilerin nasıl yönetileceğine insanlar karar veriyor. Testler ve inceleme noktaları, ajanın çalışmasını yayına alınmadan önce görünür kılıyor. OpenAI, işin sonuçları daha önemli hale geldikçe izinlerin, kanıtların ve karar yetkilerinin iş akışı tasarımında daha büyük yer tuttuğunu vurguluyor.
Ölçüm, sorumluluk ve denetim tasarımın parçası
OpenAI, kurumların denemeye stratejik öncelik, sistemler, devir noktaları, kontroller ve ölçülebilir etkilerin buluştuğu uçtan uca bir süreçle başlamasını öneriyor. Şirket; sorumlu kişinin, performans göstergesinin, başlangıç değerinin ve koruma sınırlarının baştan belirlenmesini istiyor. Tamamlanan görevler, bağlanan bağlam ve araçlar, istisnalar ile inceleme yükü derinlik göstergeleri arasında sayılıyor; çevrim süresi, kalite, maliyet, gelir ve risk ise değer ölçümünde kullanılabiliyor.
Ajana verilecek görev için tetikleyici, hedef sonuç, gerekli bağlam, araçlar, izinler, çalışma sürekliliği, üretmesi gereken kanıtlar ve insan incelemesi için duracağı noktalar açıkça tarif edilmeli. Yayına göre iş sonucundan, alan bilgisinden, erişim ve kontrollerden, benimsemeden ve günlük kullanımdan kimin sorumlu olduğu da netleşmeli.
OpenAI araştırması, benimsemeden altı ay sonra kariyerinin başındaki çalışanların yöneticilere göre haftada 13 mesaj daha fazla gönderdiğini ortaya koyuyor. Şirket, çalışanların yeni kullanım alanlarını denemesine alan açılmasını; işe yarayan süreç ve kanıtların ise beceriler, eklentiler veya paylaşılan çalışma alanları halinde yeniden kullanılabilir biçimde kayıt altına alınmasını öneriyor. Sonraki uygulamalara aktarılması gereken unsurlar arasında bağlam, izinler, değerlendirmeler, inceleme noktaları, sahiplik, ölçümler ve kullanıcı desteği bulunuyor.
Bir içerik, dört format.
Okumaya vaktin yoksa özetle; paylaşacaksan platforma göre yeniden düzenle.
OpenAI, Basis, Clay ve Exa Labs örnekleri üzerinden yapay zekâ ajanlarının tekrarlanabilir iş süreçlerine nasıl yerleştirildiğini değerlendirdi. Şirket, bağlam, yetki, kanıt ve insan denetimini öne çıkarıyor. • Ajan kullanımı yardım aşamasından yürütmeye kayıyor • Basis, işe alım sürecini yeniden kullanılabilir beceriye dönüştürdü • Kurumsal yapay zekâ iş akışları için Clay’in modeli kalıcı bağlam
Bu önizleme yalnızca sayfadaki editoryal veriyi yeniden biçimlendirir. Gerçek yapay zekâ üretimi Core tarafında güvenli bir sunucu endpoint’iyle bağlanacak.
