HİT210U-DİJİTAL HALKLA İLİŞKİLER
Ünite 6: Halkla İlişkilerde Büyük Veri ve Yapay Zekâ
Giriş
Birbiriyle ilişkili olan büyük veri (big data) ve yapay zekâ (artificial intelligence; AI) kavramları günümüzün fenomenlerinden biridir. Endüstri 4.0 sürecinin ana bileşenlerinden biri olan bu teknolojiler hemen her sektörü ilgilendirir bir biçimde günlük yaşamın içine her geçen gün daha çok dahil olmaktadır. Verinin büyüdükçe artan ekonomik değeri ve analiz edilme gereği veri madenciliği (data mining) kavramını akla getirmektedir. Bu bağlamda sektörlerin iş yapma modellerini ve anlayışlarını değiştiren bu tür dijital teknolojiler, haberleşme, iletişim ve ilişki temelli bir uzmanlık olan halkla ilişkileri de yakından ilgilendirmektedir.
Büyük veriye ilişkin güncel istatistikler kavramın çapını ve önemini anlamaya yardımcı olabilir: Büyük veri analitiği pazarının 2023 yılına kadar 103 milyar dolara ulaşması bekleniyor. 2020’de her kullanıcı sadece bir saniyede 1,7 megabayt veri üretti. Google’da günde 3.5 milyardan fazla arama yapılıyor. WhatsApp kullanıcıları günde 65 milyar mesaj alışverişi yapıyor. Kuruluşların %97,2’si büyük veriye ve yapay zekaya yatırım yapıyor. İnternet kullanıcıları her gün yaklaşık 2,5 kentilyon bayt (2.3. trilyon gigabyte) veri üretiyor. İşletmelerin %95’i, yapılandırılmamış (ham) verileri yönetme ihtiyacını işletmeleri için bir sorun olarak görüyor. Sağlık hizmetlerinde ve bankacılıkta büyük veri analitiği pazarı 2025 yılına kadar 6o milyar doların üzerinde (62 ila 68 milyar dolar arasında) bir değerde olabilir. Netflix, büyük verileri kullanarak müşteriyi elde tutma konusunda yılda 1 milyar dolar tasarruf sağlıyor. Nesnelerin İnterneti (IoT) cihazlarının sayısı 2025 yılına kadar 41,6 milyara yükselebilir. 2020 yılında veri bilimi ve analitiği için talep edilen iş sayısı; ilanı yaklaşık 2,7 milyona ulaştı (Petrov, 2021).
Temel Özellikleri Çerçevesinde Büyük Veri ve Yapay Zekâ Kavramları
Günümüzde büyük veri ve yapay zekâ denilince akla şu ilişkili kavramlar gelmektedir: Veri (data): İşlenmemiş ham değer veya kayıt. Enformasyon (information): İşlenerek bilgiye; anlama dönüşen veri. Yapılandırılmış veri (structured data): Veri tabanı yönetim sistemlerinde depolan genellikle bilgisayarlardaki istatistik paket programları ile düzenlenmiş, anlamlandırılmış, kategorize edilmiş ve kolay erişilebilir veri. Yapılandırılmamış veri (unstructured data): Kağıt üstünde ya da e-Ortamlarda (e-Posta, Web sayfası gibi) bulunan düzenlenmemiş, kategorize edilmemiş, anlamlandırılmamış dağınık veri. Veri değeri (data value): Doğru şekilde amacına hizmet ederek işlenen ve çalışmaya değer katan veri. Veri tabanı (database): Birbiriyle ilişkilendirilmiş veri topluluğu; belli yapıda dizge şeklinde düzenlenmiş ve bilgisayar ortamında saklanan veri yığını. Veri ambarı/deposu (data warehouse): Verilerin belli düzende dosyalandığı, güncellendiği ve çeşitli araçlar ve yazılımlar aracılığıyla depolanıp korunduğu özel veri tabanları. 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 edilmesi. Büyük veri (big data): Yeni medya çağında üretilen yapılandırılmış veya yapılandırılmamış saklanması, yönetilmesi ve işlenmesi zor büyük miktardaki veri yığını. Açık veri (open data): Tüm kullanıcıların -evrensel katılımla- ücretsiz ve özgürce erişebileceği, kullanılıp dağıtılabileceği ve ondan hareketle değerler üretebileceği veri türüdür. Yapay zekâ (AI; artificial intelligence): Öğrenme mekanizması ile donatılmış, insan zekâsını taklit eden bir yazılım veya bilgisayar programı. Meta evren (meta-verse): Geleceğin İnternet vizyonu olarak görülen birbirine bağlı tüm ağları ve 3D sanal alanları kapsayan kolektif sanal paylaşım evreni; meta veri deposu.
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 (Rubinstein, 2013: 74).
Sanal gerçeklik (VR), artırılmış gerçeklik (AR), bulut bilişim, nesnelerin İnterneti (IoT), akıllı fabrikalar, yapay zekâ (AI) gibi Endüstri 4.0 sürecinin en önemli ve katma değer yaratabilecek kavramlarından biri olan “büyük veri”, kullanıcıların İnternet üzerinden yaptığı bütün hareketleri kapsamaktadır (Şahin & Kaya, 2019: 32).
Günümüzün büyük verisi aşağıda sıralanan temel özelliklere sahip görünmektedir (Kitchin, 2013: 262):
• 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.
Yapay zekâ, genel olarak dört farklı türde/sürümde açıklanmaktadır (Özge, 2017):
• Salt Tepkisel • Limitli Hafıza • Zihin Teorisi • Öz Farkındalığı
Büyük Veri ve Yapay Zekâ Teknolojilerinin Sağladığı Yararlar ve İçerdiği Riskler
McKinsey İş Teknoloji Ofisi (Business Technology Office, 2011) tarafından “yenilik, rekabet ve üretkenlik için bir sonraki sınır” olarak nitelendirilen büyük verinin temel yararları şu şekilde özetlenebilir:
• Sermaye, emek, üretim ve sanayi bileşenleri adına hayati önem arz eden veri, günümüzde kurumlar açısından “değer” unsurudur. Doğru ve detaylı performans raporları oluşturabilmek ve trendlere uyum sağlayabilmek adına büyük verinin şeffaf ve kullanışlı hâle getirilmesi gerekir. Büyük veri yeni medya dilinin “kitlesizleştirme” ilkesi bağlamında hedef kitleyi daha spesifik bölümlendirebilmek adına kullanılır. Bu sayede paydaşlar arasında hassas analitik ölçümler yapılarak kurum iş yükü hafifletilebilir. • 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. Yine pandemi döneminde büyük verinin işlenmesi ile popülerleşen dijital bankacılık ve sigortacılık hizmetlerinin (gelir/gider analizleri, kişisel raporlama, risk değerlendirmesi gibi, Garanti Bankası Ugi, İş Bankası Maxi örnekleri) artmasını buna örnek verebiliriz. • Büyük veriden etkin bir şekilde yararlanabilmek için gerekli uzman ekibe veya profesyonel desteğe ihtiyaç duyulabilir. Örneğin, büyük verileri sonuna kadar kullanan bir perakendecinin faaliyet marjını yüzde 60’tan fazla artırma potansiyeline sahip olduğu söylenebilir. Perakendecinin bu potansiyeli keşfedebilmesi için büyük veri bilincine ve teknik bilgisine sahip profesyonellere ihtiyacı bulunmaktadır.
• 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. • Büyük veriler ve örneklemler sonrasında kurumsal politikalar netleştirilebileceğinden ötürü “güvenlik politikaları ve uygulamaları”, “gizlilik”, “kurumsal sosyal sorumluluk” ve “fikri mülkiyet” gibi konularda büyük veri kapasitesi ve işlenebilirliği önemlidir. Ayrıca verilere erişim kritik öneme sahip olduğundan şirketlerin, çoğu zaman üçüncü taraflardan/kaynaklardan gelen verileri sistemlerine daha fazla entegre etmesi gerekebilir.
Öte yandan yapay zekâ da büyük veri konusunda olduğu gibi çeşitli riskler ve tehditler içermektedir. Özellikle karamsar, uzak ve distopik değerlendirmelerle anılan “insanlaştırılmış AI” türü ve yaklaşımı bu tür tartışmalara kaynaklık etmektedir. İnsanların işinden olacağı, reklamcılık, halkla ilişkiler, perakendecilik gibi pek çok sektörün yapay zekâya yoğun şekilde hizmet vereceği, mesleklerin robotlaşacağı, post-modern gerekçeler ve posttruth dünya söylemi eşliğinde makinelerin geleceği manipüle ve kontrol edebileceği gibi söylemler bu tür distopik yaklaşımları resmedebilmektedir.
Büyük Verinin ve Yapay Zekânın Farklı Alanlarda Kullanımı
Büyük veri ve yapay zekâya dayalı teknolojiler endüstri, mühendislik, pazarlama, bankacılık, tıp, sigortacılık, perakendecilik, borsa, taşımacılık, lojistik, devlet kurumları, AR-GE (araştırma ve geliştirme), telekomünikasyon ve iletişim gibi sektörler başta olmak üzere hemen her alanda kullanılmaktadır.
Sağlık
Tahmine dayalı analitik yardımıyla, tıp uzmanları ve HCP’ler (Hitachi İçerik Platformu; veri üreticilerini, kullanıcılarını uygulamalarını ve araçlarını merkezi bir bulut depolama platformuna bağlayan bir “nesne depolama yazılımı” çözümü) artık bireysel hastalara kişiselleştirilmiş sağlık hizmetleri sunabilmektedir. Bunun dışında, tümü Büyük Veri ve AI tarafından desteklenen giyilebilir fitness cihazlar, tele tıp, uzaktan izleme gibi bileşenler hayatı daha kolay hale getirebilmektedir (Rai, 2020).
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 yapılandırılmış veya yapılandırılmamış; 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 kağıt belgeler gibi)” ve “açık veri (karar verici kurumların “Open Data” politikası gereği paylaştıkları ulusal veri tabanları)” şeklinde sınıflandırılmaktadır. Bu veri türlerinden hareketle sağlıkta büyük veri şu tür başlıklarda katkı sunabilmektedir (Sılay, 2017: 225-228):
Pazarlama
Veri madenciliği bağlamında büyük veri iş dünyasını ve pazarlamayı şu başlıklar temelinde etkilemektedir (Sousa & Oz, 2014: 361):
• Pazar segmentasyonu (müşterilerin ortak özelliklerinin belirlenmesi ve müşteri profili bazlı bölümlendirmeler) • İnteraktif pazarlama (Web sitesine erişen kullanıcıların görmeyi beklediği şeyleri önceden tahmin etme) • Pazar sepeti analizi (ne tür ürün ve/veya hizmetlerin birlikte satıldığını analiz etme) • Müşteri kaybını önceden tahmin etme (müşterilerin rakip diğer markaları tercih etme gerekçelerini tespit etme ve buna uygun öngörüler geliştirme) • Dolandırıcılık tespiti (hileli işlem olasılıklarını tahmin ve tespit etme) • Doğrudan pazarlama (başarılı yanıt oranı elde etmek için potansiyel müşterileri posta ya da e- Posta listesine ekleme) • Moda/trend analizi (aylar arasındaki tipik müşteri profillerindeki ve davranışlarındaki farkları belirleme).
Bankacılık
Bankacılık ve sigortacılık alanında büyük veri analitiği kredi kartı harcamalarına göre müşteri profili oluşturulması, kredi başvurularının değerlendirilmesi, farklı finansal göstergeler arasındaki örtük ilişkilerin ortaya çıkarılması, yeni poliçe talep edecek müşterilerin tahmini, risk yönetimi, riskli müşteri tipinin tayini, banka/kredi kartı ve sigorta işlemlerindeki dolandırıcılıkların tespiti gibi durumlarda kullanılmaktadır.
Söz konusu alanların ve örneklerin yanı sıra büyük veri ve yapay zekâ uygulamaları tarım, kamu hizmetleri, gazetecilik, turizm ve mühendislik alanlarında temelde şu tür kullanım olanaklarıyla değer yaratmaktadır:
Tarım: Daha sağlıklı mahsuller elde etmek (toksin değeri, ilaçlama gibi), zararlıları kontrol etmek, toprak ve yetiştirme koşullarını izlemek, çiftçiler için veri düzenlemek, AI tarım botlarıyla iş yüküne yardımcı olmak, mevsimsel tahmin modelleri oluşturmak, çok çeşitlilik içeren tarım uygulamalarını geliştirmek, hava
koşulları, sıcaklık, su kullanımı gibi koşulları gerçek zamanlı takip etmek, toprak yapısını; zenginliğini analiz etmek, insansız hava araçlarından (İHA) elde edilen verileri işlemek, hassas tarım uygulamalarını (bitkilerdeki hastalıkları, zararlıları ve yetersiz bitki besleme gibi) desteklemek, AI sensörleriyle yabani otları tespit etmek, en iyi hibrit tohumları seçebilmek ve kaynak kullanımını belirleyerek daha bol verim elde etmek için planlamayı optimize etmek vb. (Walch, 2019).
Kamu hizmetleri: Kamu yorumlarını ve yazışmalarını işlemek, park alanlarındaki ağaçların sayısını, boylarını ve gelişimini izlemek, ev bakım hizmetlerini sanal asistanlar ve robotlarla desteklemek, AI tabanlı daha fazla şeffaf raporlama ve hesap verebilirlik (DARPA’nın Açıklanabilir Yapay Zekâ projesi gibi), anlık şekilde trafik yoğunluğunu gözlemlemek ve analiz etmek, otonom araçlarla toplu taşıma gerçekleştirmek, otomobillerin birbirleri (V2V) ve diğer nesnelerle (IoT) bağlantılı olması ve haberleşmesi; bu sayede araçlar arasında hız, yol koşulları ve diğer faktörlerle ilgili verilerin paylaşılması, çöp kutularının içlerine yerleştirilen sensörler ile kutuların doluluk oranının ölçülmesi ve bu sayede çöp toplama hizmetlerinin iyileştirilmesi, AI ile akıllı şehir vizyonunu sürdürülebilir kılmak vb. (Ward, 2018; Şener, 2021).
Gazetecilik: AI desteğiyle büyük veriyi hızlı ve pratik şekilde tarayıp işlemek, veri gazeteciliği yaklaşımı temelinde büyük veri içinden haber çıkarmak, fotoğraf, ses, video gibi çoklu ortam (multimedya) yığın içerikleri ayıklamak ve detaylı analiz edebilmek, yapay zeka destekli haber üretim algoritmaları geliştirmek (Reuters News Tracer gibi), sosyal ağları izleyip trendleri ve yurttaş gazeteciliği türündeki içerikleri (WhatsApp ihbar hatları gibi) kullanmak, haber değeri taşıyan olaylar ve tartışmalar için üre-tüketici (UGC; kullanıcı türevli içerik) kaynağını takip etmek, “son dakika” formatındaki haberleri AI destekli şekilde hızlıca işlemek (Bloomberg News’in Cyborg yapay zekâsı gibi), veri kümelerindeki içerikleri otomatik olarak makaleler hâlinde özetlemek, büyük veri analizleri ve AI ile sahte haber olasılıklarını incelemek (teyit. org, Cognilytica, Xiaoice gibi), akıllı haber dağıtım sistemlerini devreye sokmak vb. (Matthews, 2019; Schmelzer, 2019).
Turizm: 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. (Şahin & Kaya, 2019: 113).
Mühendislik: İleri mühendisliğin temeli sayılan yapay zekâ ve makine öğrenimi ile akıllı üretim hatlarını ve karmaşık üretim görevlerini desteklemek, tasarım ve
simülasyon gibi işlemleri yapay zekâ araçlarıyla AI ve büyük veri bağlantılı olanakları hayata geçirebilmek gerçekleştirmek, Bilgisayar Destekli Tasarımı (CAD) AI için halkla ilişkiler uzmanları çeşitli araçlar (yazılımlar, temelli geliştirmek (renk, ağırlık gibi olasılıkları prova online hizmetler, servisler) kullanmaktadır. Her şeyin etmek), makine öğrenimi yoluyla robotik/insansız üretimi ölçülebilir olduğu sanal ortam, doğru ölçüm araçları ile iyileştirmek, düşük değerli görevler için otomasyon halkla ilişkiler çabalarını zenginleştirmektedir. sağlayarak mühendislerin daha yüksek değerli görevleri Kullanım amaçları doğrultusunda PR uygulamalarını gerçekleştirmesine zemin hazırlamak, departmanlar kolay, zengin ve etkili hâle getiren söz konusu akıllı arasındaki siloları parçalamak ve ondan içgörüler elde araçların yanı sıra kendi yazılımlarını geliştiren kurumlar etmek için verileri etkin bir şekilde yönetmek vb. (Marr, (Amazon, Walmart, Reuters gibi) da bulunmaktadır. 2020). İnsanlar, botlarla değil, insanlarla güven oluşturur” Büyük Verinin ve Yapay Zekânın Halkla İlişkiler söylemi çerçevesinde AI teknolojileri, etik ve insani Alanında Kullanımı açıdan PR alanında olumsuz yönleriyle de ele alınmaktadır
Dünyayı “programlanabilir olarak görmeye başlamamızı (Ristic, 2017). sağlayan” AI teknolojileri, akıllı cihazlar temelinde hayata ve mesleklere yönelik bakış açılarını ve uygulama prensiplerini değiştirebilmektedir. Dijital asistanlar, akıllı ev ürünleri, chatbotlar gibi gelişmelerle her gün daha çok günlük yaşamın içine giren AI, halkla ilişkiler (PR) alanında belirli (hedeflenmiş) kitlelere doğrudan ve otomatik şekilde ilgili mesajların gönderilmesi adına değer taşımaktadır. Öte yandan gerçek zamanlı büyük veri, PR uygulayıcılarına tüketicilerin görmek istediği güncel içeriği sağlamak için ihtiyaç duydukları bilgileri sunmaktadır. Bu bağlamda entegre teknolojiler olan büyük veri ve AI, uygulayıcılar adına daha hızlı, optimize edilmiş sonuçlar anlamına gelmekte ve profesyonellerin hedeflerine her zamankinden daha hızlı ulaşmasını sağlamaktadır. Medya analizleri, otomatikleştirilmiş sosyal medya platformları, dijital tanıtım çeşitlilikleri, dijital haber botları ve odaları ile PR mesleğini kolaylaştıran bu yeni nesil teknolojiler, veriye dayalı içerik anlayışını gündeme taşımaktadır (Rogers, 2019).
Rapor oluşturma, bir basın bülteninden e-Posta taslakları hazırlama, basın notları yazma ve yayma, konuşmayı metne dönüştürme ve hiper (yüksek) hedefli medya listeleri oluşturma gibi görevlerde uygulayıcılara yardımcı olan AI, ajansların müşteri operasyonlarını basitleştirmektedir. Robotik süreç otomasyonu (RPA) ve makine öğrenimi (ML) gibi AI teknolojileri, PR alanında sürekli tekrar edilen rutin işlerde kullanılmaktadır. Ayrıca Brandwatch ve Talkwalker gibi yapay zekâ odaklı yazılımlar, veriye dayalı içgörüler aracılığıyla strateji oluşturmaya olanak sağlamaktadır.
Eylül 2020’de The Guardian, oldukça ses getiren “Bu makalenin tamamını bir robot yazdı. Hâlâ korkuyor musun insan?” başlığıyla bir köşe yazısı yayınlamıştır. Open AI (açık yapay zekâ) şirketinin Generative Pre-trained Transformer 3 (GPT3; Ön İşlemeli Dönüştürücü) algoritmasının oluşturduğu metin, yapay zekanın PR alanında kullanımına yönelik ilgi çekici bir perspektif sunmaktadır. Öte yandan robot (AI) tarafından kaleme alınan bu makale, yalan haber yazılması, deepfake (sahte) video üretilmesi ve bunların İnternet ortamında yayılması gibi endişe verici senaryolar eşliğinde düşünüldüğünde kulağa korkutucu gelebilmektedir.