Oracle, ChatGPT Work ve Codex’i nasıl kullanıyor?

Oracle’ın ChatGPT Work ve Codex yaklaşımı

ChatGPT Work ve Codex, OpenAI’nin yayımladığı Oracle örneğinde farklı ekiplerin uzmanlık gerektiren çalışmalarını daha hızlı ve tekrarlanabilir süreçlere dönüştürmek için kullanılan araçlar olarak konumlanıyor. Örnek; yetenek kazanımı, mühendislik ve operasyon alanlarına odaklanıyor. Buradaki temel fikir, bir uzmanın her seferinde sıfırdan topladığı bilgi, uyguladığı kurallar ve izlediği adımları daha düzenli bir iş akışına taşımak.

Bu yaklaşım, yalnızca bir soruya yanıt üreten bir sistem kullanmakla sınırlı değil. Oracle örneğinde araçların; bilgi toplama, analiz yapma, rapor döndürme ya da bir uygulama üretme gibi sonuçlara uzanan görevlerde kullanılabildiği aktarılıyor. Ancak sayfanın vurguladığı çerçeveye göre, bu kullanım biçimi insan gözetimini ve teknik sorumlulukları ortadan kaldırmıyor.

İşe alım araştırması nasıl kısalıyor?

Örnekteki ilk kullanım alanı yetenek piyasası istihbaratı. ChatGPT Work, bir iş tanımından hareketle benzer rolları araştırmak, ücretleri karşılaştırmak ve ilgili lokasyonlardaki yetenek havuzunu değerlendirmek için tasarlanmış bir araçta kullanılıyor. Böylece işe alım ekiplerinin dağınık araştırma adımlarını tek bir çalışma akışında bir araya getirmesi hedefleniyor.

OpenAI’nin sayfasında, bu kullanımın yetenek kazanımı araştırması için gereken süreyi yüzde 98 azalttığı belirtiliyor. Bu oran, Oracle örneğinde bildirilen belirli bir sonuç olarak ele alınmalı. Metin, hangi rolların araştırıldığına, araştırmanın başlangıç süresine veya sonucun hangi dönem boyunca ölçüldüğüne ilişkin ek ayrıntı vermiyor.

Açıklayıcı açıdan bakıldığında süreç, iş tanımını araştırmanın başlangıç noktası yapıyor. Ardından benzer pozisyonlar, ücret karşılaştırması ve belirli yerlerdeki aday potansiyeli aynı amaç etrafında değerlendiriliyor. Bu yapı, işe alım tarafındaki uzman bilgisini yeniden kullanılabilir adımlara dönüştürme örneği oluşturuyor.

ChatGPT Work ve Codex ile doğal dilden SQL sorgusuna

Oracle örneğindeki ikinci senaryo, iş kullanıcılarının veriyle çalışma biçimine odaklanıyor. Kullanıcı, ulaşmak istediği sonucu doğal dille ifade ediyor. Codex ise bu isteği, şirket nesneleri, bunların birbirleriyle ilişkileri ve geçerli kurallar için oluşturulmuş bir ontoloji üzerinden SQL sorgusuna dönüştürüyor.

Buradaki ontoloji, metindeki bağlamıyla şirket içindeki nesneleri, bu nesneler arasındaki bağlantıları ve kuralları düzenleyen yapı anlamına geliyor. Bu yapı, kullanıcının isteği ile üretilecek SQL sorgusu arasında bir referans katmanı oluşturuyor. Amaç, doğal dildeki talebin güvenilir bir SQL sorgusuna çevrilmesi.

Bu örnek, kullanıcıdan SQL bilgisi istemeden bir veri talebini ifade etme imkânı sunuyor. Buna karşılık kaynak, sorgunun güvenilirliğini ontoloji, nesneler, ilişkiler ve kurallarla ilişkilendiriyor. Yani metinde anlatılan model, yalnızca serbest biçimli bir istemin doğrudan sorguya çevrilmesinden ibaret değil; şirketin tanımladığı yapıların da sürece dahil olduğu bir kullanım tarif ediyor.

İç sistemler ve çıktı üretimi

OpenAI’nin aktardığı iş akışında Codex, gerekli iç sistemleri çağırarak bilgi toplayabiliyor. Elde edilen bilgiler sonrasında analiz, rapor ya da uygulama biçiminde bir çıktı döndürülebiliyor. Kaynak, bu üç çıktı türünü örnek olarak sıralıyor; iç sistemlerin kapsamı veya hangi analizlerin yapıldığına dair ayrıntı paylaşmıyor.

Bu aşama, yapay zekâ aracının yalnızca metin üretmek için değil, bir görevde ihtiyaç duyulan bilgileri toplama ve sonucu belirli bir forma dönüştürme amacıyla da ele alındığını gösteriyor. Yine de sayfadaki anlatım, bu işlemlerin hangi erişim yetkileriyle yürütüldüğünü ya da her tür iç sistem için geçerli tek bir çalışma yöntemi bulunduğunu söylemiyor.

Üretim mühendisliğinde olay bağlamı ve çalışma kitabı

Codex için verilen bir diğer örnek üretim mühendisliği. Bu kullanımda araç, bir olayla ilgili bağlamı toplamak ve doğru çalışma kitabını otomatik olarak açmak için kullanılıyor. Çalışma kitabı, belirli bir olayda izlenecek adımları içeren operasyonel rehber olarak düşünülebilir; kaynak bu belgenin içeriğini ayrıntılandırmıyor.

Bu senaryoda önemli nokta, olayın kendisinden çok olayla ilişkili bağlamın bulunması ve uygun rehberin açılması. Böylece ekiplerin ilgili bilgilere ve prosedüre erişimindeki adımların azaltılması amaçlanıyor. OpenAI’nin metni, bu kullanımın olayları nasıl çözdüğüne veya ne kadar süre kazandırdığına ilişkin ayrı bir ölçüm sunmuyor.

Hız kazanımı, teknik sorumluluğu kaldırmıyor

Oracle örneği, yapay zekâ ile üretilen ya da desteklenen işlerin denetim gerektirdiğini açıkça belirtiyor. Sayfadaki gereksinimler arasında sistem tasarımı, mimari, güvenlik ve Codex’in kodu nasıl yapılandıracağı konusunda sorumlu davranmak yer alıyor. Bu maddeler, araçların çıktılarının daha geniş teknik kararların yerine geçmediğine işaret ediyor.

Kaynak ayrıca teknik şartname yerine prototip sağlanmasını öneriyor. Bu ifade, hedefin yalnızca ayrıntılı bir yazılı tanım vermek değil, değerlendirilebilecek somut bir başlangıç ortaya koymak olduğunu gösteriyor. Ancak prototipin üretim ortamına alınması için hangi ek incelemelerin gerektiği metinde açıklanmıyor.

Son olarak Oracle örneği, kodun sahipliğinin korunmasını ve Codex ile birlikte çalışılmasını vurguluyor. Aksi durumda sürdürülebilir olmayan kod ortaya çıkabileceği belirtiliyor. Bu nedenle anlatılan kullanım modeli, otomatik üretimi tek başına nihai sonuç saymak yerine; insanın tasarım, kontrol, sahiplik ve güvenlik sorumluluğunu sürdürdüğü bir çalışma düzeni tarif ediyor.

Kullanımın ölçeği ne?

OpenAI’nin sayfasına göre Oracle’da 130 bin aktif ChatGPT kullanıcısı ve 95 binden fazla aktif Codex kullanıcısı bulunuyor. Bu sayılar, örnekte tarif edilen araçların yalnızca tek bir ekiple sınırlı kalmadığını gösteren kullanım verileri olarak sunuluyor.

Bununla birlikte kaynak, aktif kullanıcı tanımını, bu kullanıcıların hangi ekiplerde dağıldığını ya da ChatGPT ve Codex kullanımının ne ölçüde kesiştiğini belirtmiyor. Veriler, Oracle örneğinde bildirilen kullanım ölçeğini açıklıyor; araçların tüm çalışanlar veya tüm iş süreçleri için aynı biçimde kullanıldığı anlamına gelmiyor.