Zoho, iş zekâsı platformu Zoho Analytics’e veri analitiğinin farklı aşamalarında görev alabilen altı yapay zekâ ajanı ekledi. Yeni özellikler; veri hazırlama, modelleme, analiz, görselleştirme, kod yazma ve SQL sorguları oluşturma gibi işleri destekliyor. Kullanıcıların teknik komutlar yerine günlük dille talepler iletebilmesi, analitik süreçleri daha geniş bir çalışan kitlesi için erişilebilir hâle getirmeyi amaçlıyor.
Şirket ayrıca platformun bağlantı seçeneklerini SAP, PayPal ve Adobe Commerce’in de aralarında bulunduğu 30’dan fazla yeni entegrasyonla genişletti. Böylece işletmeler, farklı uygulamalarda tutulan verileri Zoho Analytics’te bir araya getirip ortak raporlar ve analizler oluşturabilecek. Entegrasyonların kullanıma uygunluğu, ilgili uygulamalardaki hesap yetkilerine, veri yapılarına ve kurumların yapılandırma tercihlerine bağlı olacak.
Ask Zia, görevleri uzmanlaşmış ajanlara yönlendiriyor
Yeni ajan tabanlı yapının merkezinde Zoho’nun yapay zekâ asistanı Ask Zia bulunuyor. Kullanıcı bir analiz talebi girdiğinde Ask Zia, isteği yorumlayarak gerekli işleri belirliyor ve bunları uygun uzmanlaşmış ajanlara yönlendiriyor. Ajanlar kendi görevlerini yerine getirdikten sonra sonuçlar kullanıcıya sunulmak üzere bir araya getiriliyor.
Örneğin, bir kullanıcı belirli bir dönemde satışların nasıl değiştiğini sorduğunda sistemin ilgili veri kümelerini bulması, analiz için hazırlaması, değişimleri incelemesi ve sonuçları görselleştirmesi bekleniyor. Bu iş akışında tek bir talep, birden fazla analitik aşamayı kapsayabiliyor. Kullanıcı böylece her adım için ayrı ayrı sorgu yazmak veya farklı araçlar arasında geçiş yapmak zorunda kalmayabilir.
Altı ajanın her biri analitik sürecin belirli bir bölümüne odaklanıyor. Veri hazırlama ve modelleme görevleri, analiz öncesinde bilgilerin düzenlenmesine ve ilişkilendirilmesine yardımcı olabiliyor. Analiz ve görselleştirme görevleri ise sonuçların incelenmesi ve grafiklerle aktarılması için kullanılıyor. Kod ya da SQL oluşturma yetenekleri, teknik işlemlerin doğal dildeki taleplerden hareketle hazırlanmasını destekliyor. Zoho’nun duyurusunda ajanların tüm görevlerde hangi ölçütlerle başarı değerlendirmesine tabi tutulduğuna ilişkin ayrıntılı test sonuçları paylaşılmadı.
Yeni entegrasyonlarla kurumsal veriler bir araya geliyor
Zoho Analytics’e eklenen 30’dan fazla entegrasyon, işletmelerin farklı kaynaklardaki verilerini analiz ortamına taşımasını kolaylaştırmayı hedefliyor. SAP gibi kurumsal kaynak planlama sistemleri, PayPal gibi ödeme hizmetleri ve Adobe Commerce gibi e-ticaret platformları, işletmelerin farklı süreçlerine ait bilgileri barındırabiliyor. Bu verilerin birlikte incelenmesi; satış, ödeme ve operasyon göstergelerinin ortak bir çerçevede değerlendirilmesine imkân tanıyabilir.
Birden fazla sistemden alınan verilerin anlamlı biçimde karşılaştırılabilmesi için alanların doğru eşleştirilmesi ve kayıtların tutarlı olması gerekiyor. Tarih biçimleri, para birimleri, müşteri tanımları veya ürün kodları kaynaklar arasında farklılık gösterebilir. Bu nedenle entegrasyonun kurulması tek başına yeterli olmayabilir; kurumların veri kalitesini kontrol etmesi, güncelleme sıklığını belirlemesi ve raporlardaki ölçümlerin nasıl hesaplandığını açıkça tanımlaması önem taşıyor.
Yönetişim, güvenlik ve maliyet yönetimi
Yapay zekâ ajanlarının kurumsal veriler üzerinde işlem yapması, erişim denetimi ve yönetişim gereksinimlerini de beraberinde getiriyor. Bir ajanın hangi veri kaynaklarını görebildiği, hangi işlemleri gerçekleştirebildiği ve oluşturduğu sonuçların nasıl incelendiği işletmeler açısından önemli konular arasında yer alıyor. Zoho, ajan tabanlı kullanım için yönetim ve denetim özelliklerini genişlettiğini belirtiyor; ancak kurumların bu özellikleri kendi güvenlik politikaları ve erişim kurallarıyla uyumlu biçimde yapılandırması gerekiyor.
Sonuçların güvenilirliği, kullanılan verinin niteliğine ve oluşturulan analizlerin kontrol edilmesine bağlıdır. Eksik, güncelliğini yitirmiş veya tutarsız veriler, yapay zekâ aracılığıyla hazırlanan raporları da yanıltıcı hâle getirebilir. Özellikle finansal ya da operasyonel kararları etkileyen analizlerde, önemli bulguların kaynak verilerle karşılaştırılması ve kullanılan hesaplama yöntemlerinin doğrulanması yararlı olacaktır. Ajanların üretimini gözden geçirecek sorumlulukların belirlenmesi, otomasyonun denetlenebilir biçimde kullanılmasına katkı sağlar.
İşletmelerin değerlendirmesi gereken bir diğer konu da kullanım maliyetidir. Ajan tabanlı bir iş akışı, tek bir isteğin arka planında birden fazla işlem veya model çağrısı gerektirebilir. Bu nedenle kurumların kullanım hacmini, yanıt sürelerini ve ilgili hizmet maliyetlerini takip etmesi önem taşır. Zoho’nun duyurusunda yeni ajanların geleneksel analitik yöntemlere kıyasla sağladığı performans kazanımları veya toplam maliyet etkisi için bağımsız ölçüm sonuçları yer almıyor.
Doğal dilde analitik için yeni bir kullanım biçimi
Zoho’nun güncellemesi, iş zekâsı araçlarının yalnızca önceden hazırlanmış raporları görüntülemekle sınırlı kalmayıp kullanıcı taleplerine göre birden fazla analitik görevi yürütebildiği bir yaklaşıma işaret ediyor. Doğal dil kullanımı, SQL veya veri modelleme bilgisi sınırlı olan çalışanların analiz başlatmasını kolaylaştırabilir. Bununla birlikte kullanıcıların doğru sorular sorması, kullanılan göstergeleri anlaması ve önemli sonuçları doğrulaması gerekliliği ortadan kalkmıyor.
Zoho Avrupa Genel Müdürü Sridhar Iyengar, yapay zekâ ajanlarının iş süreçlerinde etkili biçimde kullanılabilmesi için güçlü bir veri altyapısına ihtiyaç olduğunu belirtiyor. Iyengar’a göre ajanların verilere erişebilmesinin yanı sıra bu verileri doğru yorumlayabilmesini sağlayacak iş bağlamı, ölçüm kriterleri ve yönetişim mekanizmaları da önem taşıyor. Bu değerlendirme, ajan tabanlı sistemlerin başarısının yalnızca yapay zekâ yeteneklerine değil, kurumların veri ve yönetim altyapısına da bağlı olduğunu ortaya koyuyor.
Yeni özelliklerin işletmelere sağlayacağı gerçek katkı; kullanılan veri kaynaklarına, iş akışlarının karmaşıklığına, güvenlik gereksinimlerine ve sonuçların doğruluğuna göre değişebilir. Kurumların sistemi farklı kullanım senaryolarında denemesi, çıktıları mevcut raporlarla karşılaştırması ve erişim sınırlarını dikkatle belirlemesi, platformdan alınacak verimi değerlendirmelerine yardımcı olabilir.
