Halkla İlişkilerde Büyük Veri ve Yapay Zekâ

Yapılandırılmış veri (structured data), veri tabanı yönetim sistemlerinde depolan genellikle bilgisayarlardaki istatistik paket programları ile düzenlenmiş, anlamlandırılmış, kategorize edil­miş ve kolay erişilebilir veridir.

Veri madenciliği (data mining), veri yığınların­da ve veri ambarlarında bulunan verinin istatistik ve yapay zekâ temelli çeşitli ileri veri çözümleme yöntemleri kullanılarak detaylı, ilişkisel ve keşifsel biçimde analiz edilmesidir.

Genel geçer ve ortak bir tanımı bulunma­yan büyük veri özet şekilde, “işletme, devlet, organizasyonların dijital farklı veri setlerini bütünleştirerek istatistik ve veri madenciliği tek­nikleriyle gizli kalmış bilgileri ve sürpriz kore­lasyonları kullanmalarını” ifade etmektedir.

Meta, ana, geçmiş, işlemsel (operasyonel) gibi veri türleri çerçevesinde işlenen büyük veri, genel ola­rak endüstri, akademi, devlet ve araştırma mer­kezleri tarafından kullanılmaktadır.

Gü­nümüzün büyük verisi aşağıda sıralanan temel özel­liklere sahip görünmektedir:

• Tüm veriyi, sistemi ve nüfusu kapsayabilen işleyiş,
• Yüksek hız, gerçek zamanlı (veri girilirken veya girildiği an) işleme,
• Petabaytlık boyutlarda ilişkisel veri,
• Farklı veri parçalarını ve kümelerini birleşti­rebilecek ortak alanlar,
• Yapılandırılmış ve yapılandırılmamış çeşitli­likte akış,
• Ayrıntılı hedefleme ve ayırt edici dizinsel yapı,
• Esneklik, genişletilebilirlik ve ölçeklenebi­lirlik.

“Dijital ayak izleri” ve “makine verileri” şeklin­de iki makro kategoride sınıflandırılan büyük veri, Web sitesi ziyaretleri, sosyal medya paylaşımları gibi günlük kullanıcı hareketlerini kapsamaktadır. Kullanıcıların “cookies (çerezler)” gibi farkında ol­madan geride bıraktığı dijital izler, girdikleri sosyal medya etkileşimleri, gezdikleri Web sayfaları gibi birçok kullanıcı hareketi büyük verinin ilk makro kategorisini beslemektedir. İkinci ana veri (kay­nak) kategorisini oluşturan “makine verileri” ise güvenlik duvarı, yük dengeleyici, anahtar ve bilgi­sayar sistemlerine otomatik işlenen ve dijital ayak izlerini artıran bilgilerden oluşmaktadır.

Zekâ kavramı, “anlama ve kavrama yeteneği”, “öğrenme, problem çözme ve iletişim kurma kapa­sitesi”, “çevreyi algılama, karar verme ve hareket­leri kontrol etme yeteneği” veya “soyut ve ilişkisel düşünebilme” şeklinde tanımlanmaktadır. Yapay zekâ (AI; artificial intelligence) kavramı da insan zekâsından hareketle, “programlanmış bir bilgisa­yarın düşünme girişimi” ya da “bilgisayarların bilgi edinme, algılama, görme, düşünme ve karar verme gibi insan zekasına özgü kapasitelerle donatılması bilimi” olarak açıklanmaktadır.

Yeni medya teknolojiler paralelinde gelişen yapay zekâ teknolojisi, ilk kez 1956 yılında bilgi­sayar bilimci John McCarthy tarafından dile geti­rilmiştir. İlk etapta makinelerin potansiyel olarak insan zekâsını kopyalayabilme olasılığını tartış­maya açan kavram, 1959 yılında IBM tarafından üretilen ve dama oynanabilen bilgisayar programıyla daha da somutlaşmaktadır.

Zihin Teorisi: Çevresindeki insanların eylem­lerini, duygularını ve düşüncelerini anlayabilen bu yapay zekâ formu, insanlarla sosyal olarak etkile­şime geçebilmektedir. Geleceğin AI evresine gön­dermede bulunan “zihin teorisi”, bilişsel yetenekle­re sahip robotları (Star Wars filmlerindeki R2-D2 veya I Robot filmindeki Sonny karakterleri gibi) içermektedir.

İnsanlaştırılmış AI, bilişsel, duygusal ve sosyal zekâ yetkinlikleri gelişmiş, kendi gerçek dünya de­neyimi, bilinci ve farkındalığı olan hayali/gelecek yapay zekâsını ifade etmektedir.

Ticari değeri yüksek bir varlık olan AI, şirketler tarafın­dan şu tür amaçlarla kullanılmaktadır:

• Güvenlik ihlallerini belirlemek ve engelle­mek (yüzde 44)
• Kullanıcıların teknolojiye ilişkin problem­lerini çözmek (yüzde 41)
• Üretim yönetimi sürecini otomatikleştir­mek (yüzde 34)
• Onaylanmış teknoloji satıcılarını kullanma­da şirket içi uyumu ölçmek (yüzde 34)
• Runbook (rutin prosedürlerin ve işlemlerin bir derlemesini içeren çalışma kitabı) oto­masyonunu kullanma (yüzde 16).

Büyük verilerin stratejik amaçlar eşliğinde kullanımı kurumlar için büyüme ve rekabet anlamında motivasyon kaynağı olabilir. Ku­rumlar dijital biçimde daha fazla işlem verisi oluşturup depoladıkça, ürün envanterlerin­den hastalık günlerine kadar hemen her şey hakkında daha doğru ve ayrıntılı performans bilgileri toplayabilir. Bu da kurum içindeki değişkenliğin; performans problemlerinin gözlemlenmesine ve verimin artırılmasına yardımcı olabilir. Ayrıca büyük veri, küçük şirketlere içinde yer aldıkları rekabetçi koşullarda rakiplerine karşı küçük ama akıllı hamlelerle yarışma imkânı sağlayabilir.

Büyük verilerin hedeflere uygun kullanı­mı verimlilik artırarak kimi sektörler adına büyük kazançlar, yeni ürün/hizmet geliştirmeleri ve istihdam olanakları yaratabilir. Örneğin “proaktif bakım (bir arıza mey­dana gelmeden veya fark edilmeden önce alınan önleyici tedbirler)” hizmeti sunan kurumlar, yenilikçi satış sonrası hizmet teklifleri oluşturmak için ürünlerine gömü­lü sensörlerden elde edilen verileri kullan­maktadır. Söz konusu bakış açısını özellikle pandemi döneminde marka değerleri artan “YemekSepeti Banabi” ya da “Getir” gibi uygulamalar; şirketler üzerinden de değer­lendirebilirsiniz. Ayrıca büyük veri bilgisa­yar ve elektronik ürünler ve bilgi sektörleri­nin yanı sıra e-devlet, finans ve sigorta gibi pek çok alanda önemli kazanç imkânları sunabilmektedir. 

Büyük veri, kurumlara olduğu kadar tü­keticilere de önemli faydalar sunabilmek­tedir. Sosyal medya alanındaki büyük veri analizleri doğrultusunda belli konulardaki açıkları/fırsatları görerek bir iş fikri veya girişimi geliştirmek, bir fast-food zinciri yakınından geçerken veri tabanında yer alan kişisel bilgiler doğrultusunda “konum bazlı” kampanyaya katılmak, doğum gününe özel indirim kuponu kazanmak gibi örnekler büyük verinin tüketici yönlü işlerliğini betimleyebilir.

Sağlık alanındaki veri türleri genellikle “İnter­net ve sosyal medya”, “makine verisi (sensörler, ölçüm aygıtları ve diğer yaşamsal bulgu araçla­rından edinilen)”, “büyük işlem verisi (provizyon talebi ve diğer faturalama kayıtları yapılandırılmış̧ veya yapılandırılmamış̧; metin formundaki)”, “bi­yometrik veri (parmak izi, genetik, el yazısı, retina tarama, röntgen ve diğer tıbbi görüntüler)”, “in­san üretimi veriler (dijital sağlık kayıtları, hekim notları ve kâğıt belgeler gibi)” ve “açık veri (karar verici kurumların “Open Data” politikası gereği paylaştıkları ulusal veri tabanları)” şeklinde sınıflandırılmaktadır.

Geleneksel perakende (brick and mortar) anla­yışının veri kaynağını genelde yerel anketler, POS tarayıcılar, RFID (Radyo Frekansı ile Tanımlama; etiket ve okuyucu temelli nesne tanımlama tekno­lojisi), müşteri sadakat kartları, mağaza envanteri gibi veri alanları oluşturmaktadır. Büyük veri ile birlikte bu anlayış yerini dijital ortam verilerine bırakmakta; kişiselleştirilmiş müşteri deneyimle­ri oluşturmak, satışları/geliri artırmak ve gelişmiş müşteri hizmetleri sunmak için yığın veriden yarar­lanılmaktadır.

Sosyal ağ analizi, temel bilgi kaynağını, ya­pısını, ağlarını ve düğümlerini (kullanıcılar) ortaya çıkarmak adına yapılan sosyal ağ gra­fiklerini; haritalarını yaratma ve analiz etmedir (Örnek: Bir forumda çeşitli dedikoduların; viral içeriklerin temelini tespit etme; dedikodunun yayılmasında kilit etki yapan kişileri belirleme).

Yapay zekâ donanımlı otel hizmet­leri ve otel konsepti (Çinli Alibaba şirketinin aç­tığı FlyZoo Oteli gibi), sohbet robotları ve anlık çeviri hizmetleri, resepsiyon işlemleri, oda servisi, yüz tarama, sürücüsüz (otonom) servis araçları, AI destekli akıllı otel sistemleri (veri kaydı yapan akıllı hoparlörler veya aydınlatma gibi), misafirlerin gi­riş ve çıkışlarını kontrol etmek, oda servisi sipariş etmek ve 7/24 soruları yanıtlamak için yapay zekâ kapıcıları kullanmak (Radisson Blu Edwardian gibi oteller), dinamik erken rezervasyon ve fiyatlama vb. olanaklardır.

AI ve büyük veri teknolojilerinin halkla ilişkiler uygulayıcıları için “otomasyon”, “hız(lanma)”, “doğruluk/teyit”, “he­defleme”, “veri çekme ve düzenleme” gibi temel avantajlar taşıdığını dile getirebiliriz.

AI teknolojileri, etik ve in­sani açıdan PR alanında olumsuz yönleriyle de ele alınmaktadır. İnsan yaratıcılığının yerini dolduramayan ve mekanik/robotik iletişim yapısıyla eleştirilen AI yaklaşımı, teknolojinin içerdiği riskler nedeniyle sorunlu görülebilmektedir. Bu bakış açısını aşmak ve AI ile insan arasındaki ilişkiye duyguları katmak adına duygusal zekâya sahip AI projeleri geliştirilmektedir. Örneğin Furhat Robotics şirketi “sos­yal robotik (sağlık, eğitim gibi sosyal amaçlara hizmet eden yapay zekâ)” yaklaşımıyla insanlarla empati odaklı iletişim kuran robotlar geliştirmeyi hedeflemektedir. Öte yandan bu teknolojilerle ilgili “deepfake (genellikle yüz takasını içeren sahte görüntüler) içerik”, “insan istihdamını engelleme”, “gizlilik kontrolü”, “yüksek maliyet”, “araçların ve verilerin kaynağı hakkındaki şeffaflık” gibi çekinceler etik sorunlar başlığı altında tartışılmaya devam etmektedir.