Sade anlatım
Hesap makinesi muhasebeciyi güçlendirir; bordro sistemi ise aylık bordroların hazırlanmasını otomatikleştirir. İlkinde işi yine bir insan yapar, araç onu daha hızlı ve daha isabetli kılar. İkincisinde iş kimse yapmadan olur; insanlar yalnızca istisnalarla ilgilenir. Yapay zekada aynı seçim her görev için yeniden gündeme gelir: bir insan için taslak mı hazırlasın, yoksa kendi başına mı hareket etsin?
Neden önemli
Bu seçim iş gerekçesini ve riski belirler. Otomasyon bir görevdeki emeği kaldırır; yüksek güvenilirlik, izleme ve hata olduğunda kimin hesap vereceğine dair net bir yanıt ister. Güçlendirme sorumluluğu insanda tutar, kaliteyi ya da hızı artırır; ama tasarruf ancak iş buna göre yeniden düzenlenirse ortaya çıkar. Kararı görev bazında, dört soruyla verin: hata neye mal olur, vakalar ne kadar çeşitli, hacim ne kadar büyük ve kararın hesabını birinin vermesi gerekiyor mu? Güçlendirme kendiliğinden güvenli seçenek sayılmaz: her şeyi onaylayan yorgun bir kontrolcü, kontrolleri olmayan bir otomasyondur.
Örnek
Bir havayolu yılda 1,2 milyon müşteri talebi alıyor. Koltuk değişiklikleri ve fatura kopyaları hacmin %55'ini oluşturuyor; birbirine benziyor ve hatası ucuz. Havayolu bunları uçtan uca otomatikleştiriyor ve %2'lik bir örneklemi denetliyor. Tazminat talepleri çeşitli ve hatası pahalı: burada yapay zeka dosyayı özetliyor, ilgili kuralı gösteriyor ve bir tutar öneriyor; kararı müşteri temsilcisi veriyor. Bu taleplerde işlem süresi 14 dakikadan 9 dakikaya iniyor.
Bununla en çok karıştırılan kavram
Bir görevi otomatikleştirmek ile bir mesleği ortadan kaldırmak arasındaki fark
Otomasyon görevler üzerinde işler; meslek ise bir görevler demetidir. Bir hasar uzmanı dosya okur, müşteriyi arar, pazarlık eder, karar verir ve kayıt tutar; yapay zeka kayıt tutmayı otomatikleştirebilir, karara yardım edebilir ve aramalara hiç dokunmayabilir. Meslek için sonuç, görevlerinin ne kadarının etkilendiğine ve kurumun açılan zamanla ne yaptığına bağlıdır: daha çok çıktı, yeniden tasarlanmış bir rol ya da daha az kadro. Bu son adım bir yönetim kararıdır.
Köken: Güçlendirme fikri, Douglas Engelbart'ın 1962 tarihli “Augmenting Human Intellect: A Conceptual Framework” raporuna uzanır.
Teknik katman
İnsan faktörleri araştırması konuyu bir ölçek olarak ele alır: Parasuraman, Sheridan ve Wickens (2000), otomasyon düzeylerini dört işlev üzerinden tanımlar: bilgi toplama, bilgiyi analiz etme, karar verme ve eyleme geçme. Bir sistem her işlevde farklı bir düzeyde olabilir. Yapay zeka için pratikteki konumlar: öner (insan yazar, yapay zeka önerir), taslak yaz (yapay zeka yazar, insan düzeltir ve onaylar), onayla hareket et (human-in-the-loop), hareket et ve raporla (human-on-the-loop, örneklemeyle) ve gözetimsiz hareket et. Görev başına karar etkenleri: hatanın maliyeti ve geri alınabilirliği, vakaların çeşitliliği, hacim, bir test kümesinde ölçülen doğruluk, muhakeme ya da empati ihtiyacı ve hukuki sorumluluk. Bilinen riskler: otomasyon yanlılığı ve göstermelik onay; istisnaları ele alması beklenen kişilerde beceri kaybı; kolay vakalar gittiği için geriye daha zor bir iş yükünün kalması. Ekonomi: otomasyon işlem başına maliyetle, güçlendirme ise iş çıkarma hızı, kalite ve yetkinleşme süresiyle ölçülür. Erik Brynjolfsson'ın “The Turing Trap” (2022) başlıklı makalesi, güçlendirmenin daha fazla değer yarattığı yerlerde bile teşviklerin otomasyonu öne çıkardığını savunur. Ölçülen güvenilirlik arttıkça görevler ölçekte ileri kayar.