Ulan Batur'da düzenlenen American Technology Week 2026, yapay zekayı verimlilik, risk, yönetişim ve sorumlu uygulama odağıyla gündeme getiriyor.
Moğolistan, bu gündeme pratik bir şart eklemeli ve yapay zekayı benimseyen her kuruluşun işinin eyleme geçmeden önce nasıl doğrulanacağını tanımlamasını istemeli.
Yapay zeka ilk cevabı üretmeyi ucuzlaştırıyor. Yanlış bir cevabın maliyeti hâlâ yüksek olabiliyor. Cilalı bir özet kritik bir varsayımı atlayabilir ve otomatik bir iş akışı kötü bir kararı insan sürecinden daha hızlı ilerletebilir. Bu nedenle doğrulama politika belgesinin sonunda değil, iş akışının içinde yer almalı.
Moğolistan'ın kamu sektörü veri çalışmaları bunun nedenini gösteriyor. Ulusal İstatistik Ofisi, Entegre Hükümet Veri Deposu kurduğunu ve bir pilot çalışmada dokuz kamu kurumunun sürdürdüğü 12 veritabanını entegre ettiğini belirtiyor. Kurum ayrıca Ulusal Veri Yönetişimi Yol Haritası'nı ve hükümet genelinde tutulan verileri kapsayan bir meta veri deposu geliştirdi. Yapay zeka, tutarsız tanımları, eski kayıtları veya belirsiz sahipliği sadece daha hızlı işleyerek düzeltemez.
Aynı endişe Moğolistan'ın genel yapay zeka hazırlığında da görülüyor. Hükümet-BM Kalkınma Programı değerlendirmesi, ülkenin yapay zeka ekosistemine 5 üzerinden 3,0 hazırlık puanı verdi. Değerlendirme dijital altyapıyı takdir ederken parçalı veri sistemlerini ve etik yönetişim ile düzenlemedeki boşlukları işaret etti. Bu boşluklar, yapay zeka taslak üretmekten ziyade kararları etkilemeye başladığında operasyonel riske dönüşüyor.
Özel sektör de aynı zorlukla karşı karşıya. Golomt Bank, yapay zekayı ve üretken yapay zekayı şubeler, dijital kanallar ve iç operasyonlar genelinde entegre ettiğini söylüyor. Mevcut gizlilik politikası bilgi güvenliği standartlarına bağlılık gösteriyor ve müşterilere hatalı veriyi düzeltme ve veri işlemeye itiraz etme hakkı tanıyor. Bu iki hedef bir arada ilerlemeli: daha fazla otomasyon, verinin izlenebilmesi, hataların düzeltilmesi ve sorumluluğun atanması için daha güçlü yollar gerektiriyor.
18 Eylül'deki Veri ve Yapay Zeka Yönetişimi Forumu, bu zorluğu bankacılık, telekomünikasyon, madencilik, hükümet ve yapay zeka geliştirme alanlarında açıkça ortaya koyuyor. Gündem veri kalitesi, sahipliği, gizlilik, insan denetimi, risk ve hesap verebilirliği kapsıyor. Bunlar operasyonel sorular. Yöneticiler, çalışanların iş yapılırken uygulayabileceği kurallara ihtiyaç duyuyor.
Pratik bir doğrulama standardı, her önemli yapay zeka destekli süreç için dört soruyu kullanabilir: Sistem hangi verileri ve kaynakları kullandı? Bir kişinin bağımsız olarak neyi kontrol etmesi gerekiyor? Nihai kararı hangi kanıt destekliyor? Sistemin durdurulması veya geçersiz kılınması yetkisine sahip bir insana yetki devri gerektiren durum nedir?
Cevaplar sektöre göre değişecek. Bir banka, yapay zeka destekli bir önerinin kredi veya dolandırıcılık kararlarını etkilemesinden önce müşteri ve işlem verilerini doğrulayabilir. Bir kamu kurumu, işlem yapmadan önce farklı veritabanlarındaki kayıtların aynı kişi veya şirkete ait olduğunu teyit edebilir. Bir madencilik operasyonu, güvenlik açısından hassas bir karar ilerlemeden önce insan incelemesini zorunlu kılan eşikler tanımlayabilir.
Moğolistan'ın Büyük Veri ve Yapay Zeka Ulusal Stratejisi, yapay zeka uygulamalarını madencilik, fintech, sağlık, eğitim, tarım ve kamu hizmetleri alanlarında öngörüyor. Paylaşılan bir doğrulama standardı, bu sektörlere benimsenme genişledikçe ortak bir operasyonel disiplin sağlayacak. Liderlere ilerlemenin daha iyi bir ölçüsünü de verecek: daha az kaçırılan istisna, kötü verinin daha hızlı düzeltilmesi, daha net yetki devri ve zamandan tasarruf yanında daha güçlü insan yargısı.
American Technology Week, Moğolistan'ın yapay zeka erişiminden güvenilir yapay zeka kullanımına geçmesine yardımcı olabilir. Pratik test, kuruluşların insanların bir çıktının ne zaman güvenileceğini, ne zaman test edileceğini ve iş akışının ne zaman durdurularak insan yargısının devreye alınacağını bilebildiğini gösterebilmesidir.
Dr. Gleb Tsipursky, Disaster Avoidance Experts'in CEO'su ve The Psychology of AI Adoption at Work dahil sekiz kitabın yazarıdır.
