Yapay zekâ size hangi oyuncuya ne kadar kredi vereceğinizi söyleyebilir.
Bu, söylemesi gerektiği anlamına gelmez.
En iyi kullanım alanları her zaman en gösterişli olanlar değildir. Arızayı erken görmek, rapor anomalilerini sıralamak, talebi tahmin etmek ve çalışanı doğru bilgiye yönlendirmek; kontrolsüz bir “VIP karar motorundan” daha fazla ve daha güvenli değer yaratabilir.
Yapay zekâ projesi model satın almakla başlamaz. Net bir iş kararı, ölçülebilir baz performans, izinli veri, insan sorumluluğu ve hatada güvenli geri dönüşle başlar.
Bu makaledeki kullanım örnekleri geneldir. Otomatik kararlar; veri koruma, ayrımcılık, oyuncu koruma, kredi, AML/KYC, çalışan gözetimi ve lisans gerekliliklerine göre sınırlandırılmalıdır.
Kullanım alanlarını riskle sınıflandırın
Düşük riskli destek
- Operasyon prosedürlerinde arama
- Servis kaydı özetleme
- Rapor açıklaması taslağı
- Bakım notlarından konu sınıflandırma
- Yoğunluk ve vardiya tahmini
Orta riskli öneri
- Slot arıza olasılığı
- Meter anomalisi önceliklendirme
- Talep veya kapasite tahmini
- Comp maliyet sapması uyarısı
- Dolandırıcılık inceleme sıralaması
Yüksek riskli karar
- Kredi limiti
- Oyuncu koruma müdahalesi
- Hesap kapatma/şüphe kararı
- Çalışan disiplin kararı
- Kişiye özel yoğun pazarlama
Yüksek riskli alanlarda model, tek başına nihai karar verici olmamalı; açık insan incelemesi ve itiraz yolu bulunmalıdır.
Değer formülü
Yapay zekânın net değeri = Önlenen kayıp + Artımlı katkı + Tasarruf edilen süre − Model/veri maliyeti − Hata maliyeti − Kontrol maliyeti
Örnek bakım modeli:
- Aylık önlenen kesinti (downtime) kaynaklı katkı kaybı: 1,2 milyon TL
- Teknik iş gücü tasarrufu: 300 bin TL
- Platform ve veri maliyeti: 450 bin TL
- Yanlış alarm ve kontrol maliyeti: 250 bin TL
- Aylık net değer: 800 bin TL
Sadece tahmin doğruluğu iş değerini göstermez.
Veri hazırlığı
Modelden önce veri sözlüğü gerekir:
- Alanın iş anlamı
- Kaynak sistem
- Zaman damgası ve saat dilimi
- Eksik veri davranışı
- Düzeltme/reset olayları
- Kişisel ve hassas veri sınıfı
- Saklama ve kullanım amacı
- Kalite sahibi
Yanlış meter, eksik rating veya mükerrer oyuncu kaydı yapay zekâyla düzelmez; yalnız daha ikna edici hata üretir.
Yönetim hatası: Veri kalite problemini model projesiyle kapatmaya çalışmak.
İnsan onayı gerçek olmalı
Ekranda “onayla” düğmesi bulunması insan kontrolü değildir.
İnceleyen kişi:
- Modelin öneri nedenini görmeli
- Gerekli kaynak veriye erişebilmeli
- Kararı reddedebilmeli
- Reddetmenin olumsuz performans cezası olmadığını bilmeli
- Nihai gerekçeyi kaydedebilmeli
Yüzlerce alarmı saniyeler içinde onaylamak zorunda kalan çalışan fiilen otomasyonu mühürler.
Model performansı
Tek doğruluk oranı yeterli değildir.
| Boyut | Soru |
|---|---|
| Precision (isabet) | Verilen alarmların kaçı gerçek? |
| Recall (yakalama oranı) | Gerçek olayların kaçı yakalandı? |
| Maliyet | Yanlış pozitif/negatif kaç TL? |
| Kalibrasyon | %70 risk denen grup gerçekten %70 mi? |
| Segment farkı | Performans tesis/oyun/gruba göre değişiyor mu? |
| Drift (model sapması) | Model performansı, veri ve davranış değiştikçe bozuldu mu? |
İş eşiği hata maliyetine göre belirlenir. Kritik siber alarmda kaçırma maliyeti, düşük öncelikli bakım alarmından farklıdır.
Üretken yapay zekâ ve veri sızıntısı
Çalışanların genel amaçlı araçlara şunları yüklemesi engellenmelidir:
- Oyuncu kimliği ve işlem geçmişi
- Kredi ve finans belgeleri
- Güvenlik olayı veya kamera bilgisi
- Kaynak kod ve erişim anahtarı
- Gizli sözleşme ve fiyatlandırma
Onaylı araç, veri sınıflandırması, erişim kontrolü, kayıt ve saklama politikası olmadan “gölge AI” (shadow AI) oluşur.
Pilot tasarımı
- Tek iş problemi seçin.
- Mevcut baz süre/maliyet/hata oranını ölçün.
- İzinli veri setini dondurun.
- Modeli gölge modda çalıştırın; kararı etkilemesin.
- İnsan sonuçlarıyla karşılaştırın.
- Hata maliyeti ve koruma kapılarını test edin.
- Sınırlı kullanıcıyla canlı pilot yapın.
- Durdurma eşiği ve geri dönüş planını belirleyin.
Yapay zekâ envanteri
Her model için:
- İş sahibi
- Model/tedarikçi ve sürüm
- Veri kaynakları
- Kullanım amacı
- Risk sınıfı
- İnsan karar noktası
- Performans eşiği
- Son doğrulama tarihi
- Drift ve olay kaydı
- Kapatma prosedürü
tutulmalıdır.
Sonuç: Yapay zekâ kararı hızlandırmalı, sorumluluğu gizlememeli
Casino operasyonunda yapay zekânın gücü daha çok karar vermesinde değil, insanın daha iyi kanıtla daha hızlı karar vermesindedir.
İyi yapay zekâ projesi “model ne kadar akıllı?” diye başlamaz. “Hangi kararı iyileştiriyoruz, hata kime zarar verir, insan nerede durur ve net değeri nasıl kanıtlarız?” diye başlar.