Uygulamada yapay zeka evrimi: FileMaker geliştiricileri şimdi ve gelecekte neler yaşıyor?

Başka hiçbir konu şu anda BT dünyasını yapay zeka kadar değiştirmiyor. Sadece birkaç yıl önce, yapay zeka sistemleri birçok küçük ve orta ölçekli şirket için geleceğin uzak bir teknolojisi olarak görülüyordu. Bugün ise ChatGPT, yerel dil modelleri, görüntü oluşturucular ve yapay zeka ajanları gibi araçlar günlük çalışma hayatında aniden ortaya çıkıyor ve çoğu zaman mevcut süreçlerin uyarlanabileceğinden bile daha hızlı bir şekilde.

Şu anda coşku, baskı ve belirsizliğin ilginç bir karışımı ortaya çıkıyor. Bir yandan pek çok girişimci, geliştirici ve yaratıcı muazzam fırsatlar görüyor. Metinler otomatik olarak hazırlanabilir, görüntüler oluşturulabilir, veriler analiz edilebilir ve süreçler akıllıca desteklenebilir. Ancak aynı zamanda şüphecilik de artıyor. Konuyu derinlemesine inceledikçe, etkileyici bir demo ile istikrarlı bir üretim sistemi arasında genellikle büyük bir fark olduğu daha açık hale geliyor.

Özellikle klasik Kurumsal yazılım bu çok açık hale gelir. Bunun nedeni, muhteşem bireysel sonuçların tek başına yeterli olmamasıdır. Sistemler güvenilir bir şekilde çalışmalı, veriler tutarlı kalmalı ve süreçler uzun vadede sürdürülebilir olmalıdır. Mevcut yapay zeka gelişiminin gerçek zorluğu tam da bu noktada başlıyor.

Claris, FileMaker için yeni yapay zeka stratejisini duyurdu

Claris'in bir ilginç görünüm platformun gelecekteki gelişimi hakkında. Makalede Claris CEO'su Ryan McCann, FileMaker'ın önümüzdeki yıllarda yapay zeka destekli geliştirmeye doğru nasıl daha fazla evrileceğini anlatıyor.

Özellikle heyecan verici olan şey, sözde entegre "ajan kodlama araçları". Amaç, FileMaker'ı modern yapay zeka ajanları için doğrudan bir geliştirme hedefi haline getirmektir. Gelecekte, geliştiriciler en sevdikleri yapay zeka geliştirme araçlarını seçebilecek, gereksinimleri doğal dilde formüle edebilecek ve ardından sonuçları doğrudan mevcut FileMaker çözümlerine aktarabilecekler. Claris'e göre, mevcut güvenlik ve yetkilendirme sistemleri otomatik olarak korunacak.

Claris, yapay zeka sistemlerinin gelecekte FileMaker dosyalarının yapısını ve FileMaker komut dosyası dilini anlayabileceğini de duyurdu. Bu, yapay zeka aracılarının doğrudan mevcut çözümler içinde bağımsız olarak üretime hazır komut dosyaları ve şema uzantıları oluşturmasını sağlayacaktır. Gelecekte yapay zeka destekli modern web arayüzleri geliştirmek de mümkün olacaktır.

YZ sistemleri uygulamada genellikle hala deneyseldir

Şu anda pek çok tartışma, etkileyici görüntüler, akıcı metinler veya otonom ajan sistemleri gibi görünür sonuçlara odaklanmış durumda. Ancak bunların arkasında yatan pratik sorunlar çok daha az tartışılıyor. Arayüzler istikrarlı bir şekilde çalışmaz, model sürümleri aniden değişir, Python bağımlılıkları birbiriyle çarpışır veya tüm eğitim ortamları güncellemelerden sonra beklenmedik bir şekilde bozulur. Yerel yapay zeka sistemlerine daha yakından bakan herkes, endüstrinin şu anda hala çok deneysel bir aşamada olduğunu hemen fark eder.

Ancak bu, yapay zekanın abartıldığı anlamına gelmez. Tam tersine. Yapay zekanın özellikle uzun vadede yazılım geliştirme ve şirket organizasyonunun birçok alanını temelden değiştirmesi muhtemeldir. Bununla birlikte, kısa vadeli yutturmaca ile sürdürülebilir gelişme arasında ayrım yapabilmek çok önemlidir.

Bir FileMaker geliştiricisinin bakış açısından "Yapay Zekanın Evrimi"

Marcel Moré bu konuda çok ilginç bir makale kaleme almış. Onun detaylı yazısında "Yapay Zekanın Evrimi" üzerine makale YZ sistemlerinin şu anda basit araçlardan daha karmaşık, giderek daha özerk yapılara nasıl evrildiğini canlı bir şekilde anlatıyor. Bu sadece bireysel dil modelleri veya görüntü oluşturucularla ilgili değil, gelecekte birbirleriyle giderek daha fazla etkileşime girecek olan farklı sistemlerin kombinasyonuyla ilgili.

Özellikle heyecan verici olan, Marcel Moré'nin sadece kısa vadeli trendlere odaklanmakla kalmayıp, aynı zamanda gelişmeyi daha uzun vadeli bir teknolojik değişim olarak görmesidir. Moré'nin gözlemlerinin çoğu, BT endüstrisindeki daha önceki evrimsel aşamaları anımsatıyor. Geleneksel ERP sistemleri, veritabanları ve web platformları da uzun yıllar boyunca kademeli olarak gelişti. Başlangıçta bunlar genellikle bireysel araçlardan veya izole çözümlerden oluşuyordu. Ancak daha sonra net süreçlere ve esnek yapılara sahip istikrarlı, entegre sistemler haline geldiler.

İşte tam da bu noktada konu FileMaker geliştiricileri için ilginç hale geliyor. Çünkü FileMaker geleneksel olarak karmaşık süreçleri pragmatik ve nispeten hızlı bir şekilde işleyen sistemlere dönüştürme konusunda her zaman güçlü olmuştur. Birçok şirket, kendi süreçlerine tam olarak uyarlanmış özelleştirilmiş çözümlerle yıllardır başarılı bir şekilde çalışmaktadır. Yapay zeka şimdi burada tamamen yeni olasılıkların önünü açıyor - ama aynı zamanda yeni zorlukları da beraberinde getiriyor.

Bu nedenle asıl soru artık yapay zekanın gelecekte bir rol oynayıp oynamayacağı değildir. Asıl soru, bu teknolojilerin mevcut süreçlere mantıklı, istikrarlı ve ekonomik bir şekilde nasıl entegre edilebileceğidir. İşte tam da bu noktada, birçok geliştiricinin şu anda deneyimlemekte olduğu heyecan verici geçiş aşaması başlıyor. Pazarlama ve medya genellikle tam otomatik yapay zeka sistemlerinin zaten yaygın kullanımın eşiğinde olduğu izlenimini verirken, günlük yaşam genellikle çok daha nüanslı bir tablo çiziyor. Birçok proje halihazırda prensipte şaşırtıcı derecede iyi çalışıyor - ancak genellikle yalnızca belirli koşullar altında, önemli teknik uzmanlık ve bazen yüksek bakım maliyetleri ile.

Örneğin, yerel yapay zeka kullanan herkesSunucu veya farklı açık kaynak sistemlerini birbiriyle birleştirdiğinizde, bu ortamların ne kadar karmaşık hale geldiğini hemen fark edersiniz. Torch sürümleri, CUDA bağımlılıkları, Python ortamları veya farklı WebUI'ler deneyimli geliştiricileri bile günlerce meşgul edebilir. Ancak aynı zamanda, genellikle bu deneysel aşamalar sırasında, daha sonra gerçekten istikrarlı çözümlere yol açacak deneyim kazanılır.

Belki de bu, birçok deneyimli geliştiriciye BT'nin daha önceki dönemlerini hatırlatıyor. O zaman bile, birçok uzun ömürlü sistem mükemmel, parlak konseptlerle değil, yıllarca süren deneme yanılma, özelleştirme ve kademeli iyileştirme yoluyla oluşturulmuştur. İşte tam da bu nedenle, mevcut yapay zeka gelişmelerine körü körüne coşkulu ya da zamanından önce küçümseyici bir bakış açısıyla yaklaşmamakta fayda var. Teknolojik olasılıkları ciddiye alan, ancak aynı zamanda pratik sınırlamaları da anlayanlar, önümüzdeki yıllarda sadece kısa vadeli trendleri takip edenlere göre çok daha iyi bir konumda olacaklardır.

Dışarıdan bakış: Geliştiriciler şu anda gerçekten neleri gözlemliyor?

Güncel yapay zeka gelişmelerini yalnızca manşetlerden ya da sosyal medyadan takip edenler, yapay zekanın halihazırda tüm çalışma alanlarını tamamen ele geçirmenin eşiğinde olduğu izlenimine kapılıyor. Ancak pratikte, birçok geliştirici duruma çok daha incelikli bir bakış açısıyla yaklaşıyor. Aslında, şu anda değişmekte olan şey yapay zekanın kendisi değil, farklı sistemlerin birbirleriyle bir araya getirilme şeklidir.

Sadece birkaç yıl önce, birçok yapay zeka uygulaması ayrı ayrı uzmanlaşmış araçlardan oluşuyordu. Bir sistem metinleri, bir diğeri görüntüleri oluşturuyor, bir diğeri verileri analiz ediyor veya konuşmaları yazıya döküyordu. Ancak şimdi, birkaç modelin paralel olarak birlikte çalıştığı ve birbirini tamamladığı yeni nesil yapay zeka ortamları giderek daha fazla ortaya çıkıyor.

Marcel Moré makalesinde tam da bu gelişmeyi çok net bir şekilde anlatıyor. Yapay zeka, bireysel işlevlerden kendi süreçlerine sahip ağa bağlı sistemlere doğru adım adım gelişiyor. Bu sadece teknik mimariyi değil, aynı zamanda geliştiricilerin rolünü de değiştiriyor.

Bunun nedeni, günümüzde geliştiricilerin artık her bir işlevi tamamen elle programlamıyor olmalarıdır. Bunun yerine sistemleri, modelleri, arayüzleri ve otomasyonları birbirleriyle düzenliyorlar.

Yapay zeka ajanları ve otomatik süreçler

Bu gelişme şu anda özellikle yapay zeka ajanları olarak adlandırılan sistemlerde görülmektedir. Bunlar artık sadece bireysel komutlara cevap vermekle kalmayan, aynı zamanda birbiri ardına bağımsız olarak birkaç adımı gerçekleştirebilen sistemlerdir. Örneğin bir YZ ajanı şunları yapabilir

• Araştırma bilgileri,
• Verileri analiz edin,
• İçeriği özetleyin,
• Sorular sorun,
• Sonuçları kaydet
• ve ardından otomatik olarak diğer süreçleri tetikler.

Teknik açıdan bakıldığında bu, klasik iş akışı sistemlerini veya ERP süreçlerini kısmen andırıyor - sadece çok daha esnek ve dinamik.

Özellikle geliştiriciler, buradaki fırsatların yanı sıra riskleri de hemen fark ediyor. Elbette bu tür sistemler ilk bakışta etkileyici görünüyor. Ancak aynı zamanda, bu süreçlerin uzun vadede gerçekte ne kadar istikrarlı ve kontrol edilebilir olacağı sorusu da hemen ortaya çıkıyor. Klasik bir ERP sistemi normalde katı kurallar temelinde çalışır. Öte yandan yapay zeka sistemleri olasılıksal olarak, yani olasılıklara dayalı olarak tepki verir. İşte tam da bu noktada yeni zorluklar ortaya çıkmaktadır.

Bir klasik Senaryo FileMaker'da bir hata varsa, hata genellikle nispeten net bir şekilde lokalize edilebilir. Karmaşık yapay zeka sistemlerinde bu çok daha zordur. Burada hatalar genellikle tek bir programlama hatasından değil, modeller, istemler, veri kalitesi veya harici arayüzler arasındaki etkileşimlerden kaynaklanır.

Asıl zorluk: yapay zeka yerine entegrasyon

Birçok geliştirici artık asıl zorluğun yapay zeka modelinin kendisinde olmadığının farkına varıyor. Modeller giderek daha güçlü ve kullanımı daha kolay hale geliyor. Asıl sorunlar genellikle bunları mevcut sistemlere entegre ederken ortaya çıkıyor. Özellikle şirketler genellikle gelişmiş veri yapılarına, eski yazılım çözümlerine, farklı veri kaynaklarına, bireysel süreçlere ve çok sayıda özel duruma sahiptir.

İşte tam da bu noktada bir yapay zeka çözümünün günlük kullanım için gerçekten uygun olup olmadığı anlaşılır. Çünkü etkileyici bir demo hızlı bir şekilde oluşturulur. Öte yandan, kalıcı olarak istikrarlı bir sistem, temiz veriler, net iş akışları, kontrol edilebilir süreçler, izlenebilir sonuçlar ve uzun vadeli sürdürülebilirlik gerektirir.

Bu nedenle birçok deneyimli geliştirici şu anda ilginç bir değişim gözlemliyor. Kamuoyu genellikle daha büyük modellerden bahsederken, şirketler giderek tamamen farklı konularla ilgileniyor:

• Yapay zekayı mantıklı bir şekilde nasıl entegre edebiliriz?
• Hangi süreçler hiç uygun değil?
• Yapay zeka gerçekten nerede zaman kazandırıyor?
• Hangi riskler ortaya çıkıyor?
• Ve sistem nasıl sürdürülebilir kalıyor?

Bu sorular daha az dikkat çekici görünse de muhtemelen çok daha önemlidir.

Neden özellikle FileMaker geliştiricileri burada ilginç avantajlara sahip?

Bu gelişme FileMaker ortamında özellikle heyecan verici olabilir. Bunun nedeni, birçok FileMaker geliştiricisinin yıllardır gerçek iş süreçleri için pragmatik çözümler geliştirmeye alışmış olmasıdır. Tamamen teorik mimariler yerine, genellikle somut süreçlere odaklanılır:

• Siparişler,
• Müşteri yönetimi,
• Rulman,
• Belgeler,
• İş akışları,
• Arayüzler
• veya özelleştirilmiş özel süreçler.

İşte tam da bu pratik deneyim, gelecekte büyük bir avantaj olabilir. Sonuçta, yapay zeka tek başına organizasyonel sorunları çözmez. Veriler kaotik bir şekilde yapılandırılmışsa veya süreçler hiçbir zaman net bir şekilde tanımlanmamışsa, en iyi yapay zeka bile bunu istikrarlı bir sisteme dönüştürmeyecektir.

Hatta birçok geliştirici, klasik yazılım ilkelerinin aniden yeniden önem kazanmaya başladığını fark ediyor:

• temiz veri modelleri,
• net ilişkiler,
• izlenebilir süreçler,
• Kararlı arayüzler
• ve yapılandırılmış veri bakımı.

İlginç bir şekilde, bu durum kısmen daha önceki geliştirme aşamalarını anımsatmaktadır Dijitalleştirme. O zamanlar bile birçok şirket yeni teknolojilerin mevcut sorunları neredeyse otomatik olarak çözeceğine inanıyordu. Ancak gerçekte, neredeyse her zaman sürdürülebilir sistemlerin öncelikle iyi yapılar aracılığıyla oluşturulduğu ortaya çıktı.

Deneysel bir aşama ile uzun vadeli değişim arasında

Ancak aynı zamanda pek çok geliştirici, mevcut yapay zeka dalgasının öylece yok olmayacağının da farkında. Teknoloji bunun için çok hızlı gelişiyor. Sadece iki yıl önce, birçok YZ sistemi daha çok ilginç deneyler gibi görünüyordu. Bugün ise dil modelleri, görüntü oluşturucular veya otomasyon süreçleri etrafında eksiksiz iş akışları oluşturuluyor. Daha küçük şirketler bile yapay zekanın anlamlı bir şekilde nasıl kullanılabileceğini giderek daha fazla test etmeye başlıyor.

Ancak bu aynı zamanda tipik bir teknolojik değişim modelini de ortaya koymaktadır. Başlangıçta, insanlar genellikle kısa vadede neyin mümkün olduğunu abartırlar. Aynı zamanda, teknolojilerin uzun vadede gerçekten ne ölçüde değişeceği de hafife alınmaktadır. İşte tam da bu nedenle birçok geliştirici mevcut durumu heyecan ve ihtiyat karışımı bir yaklaşımla gözlemliyor.

Bir yandan, şu anda büyüleyici fırsatlar ortaya çıkıyor. Öte yandan, hangi platformların, modellerin ve çalışma yöntemlerinin uzun vadede kendilerini kabul ettirecekleri henüz belli değil. Bugünün çözümlerinin birçoğunun birkaç yıl içinde ortadan kalkması veya tamamen değiştirilmesi muhtemeldir.

Bu da sakin ve pragmatik bir yaklaşımı daha da önemli hale getiriyor. Her yeni yapay zeka aracının hemen verimli bir şekilde kullanılması gerekmez. Ancak aynı zamanda, gelişimi tamamen göz ardı etmek de muhtemelen bir hata olacaktır. Temelleri erkenden kavrayan, pratik deneyim kazanan ve sistemleri gerçekçi bir şekilde kategorize edenlerin uzun vadede çok daha iyi hazırlanmaları muhtemeldir.

İşte tam da bu noktada, birçok geliştirici için yapay zeka evriminin gerçekten heyecan verici aşaması başlıyor.

Günlük hayatın gerçekleri: Yapay zeka projeleri neden genellikle beklenenden çok daha karmaşıktır?

Yapay zekaya yakından bakan herkes, işleyen bir gösteri ile istikrarlı bir günlük sistem arasında önemli bir fark olduğunu hemen fark eder. İşte tam da bu noktada birçok şirket ve geliştirici için gerçek hayal kırıklığı başlıyor. Elbette modern yapay zeka sistemlerinin sunduğu imkanlar etkileyici. Dil modelleri saniyeler içinde metinler yazıyor, verileri analiz ediyor ya da karmaşık soruları yanıtlıyor. Görüntü oluşturucular, sadece birkaç yıl önce teknik olarak düşünülemeyecek içerikler üretiyor. Ancak aynı zamanda, bu sistemlerin otomatik olarak üretken iş çözümleri oluşturmak için artık yalnızca "bir şekilde bağlantı kurması" gerektiği izlenimi ortaya çıkıyor.

Ancak uygulamada, bu son adımın genellikle en zor adım olduğu hemen anlaşılır. Bunun nedeni, gerçek şirket süreçlerinin nadiren basit standart prosedürlerden oluşmasıdır. Veriler farklı kaynaklardan gelir, yapılar tarihsel olarak büyümüştür ve birçok özel durum yıllar içinde özelleştirilmiştir. İşte asıl iş burada başlar.

Yapay zeka projelerinin görünmeyen yüzü

Dışarıdan bakıldığında, birçok yapay zeka projesi genellikle şaşırtıcı derecede pürüzsüz ve modern görünür. İşleyen sonuçlar, zarif kullanıcı arayüzleri veya etkileyici işlevlerin kısa gösterimleri sunulur. Ancak, bu tür sistemlerin arkasında saatlerce süren sorun giderme ve bakım çalışmaları çok daha az görünürdür. Özellikle geliştiriciler şu anda benzer durumları tekrar tekrar yaşamaktadır:

• Bir model güncellemeden sonra aniden çalışmayı durdurur,
• Python bağımlılıkları çarpışıyor,
• CUDA sürümleri eşleşmiyor,
• Arayüzler değişir,
• Hafıza sorunları ortaya çıkar,
• veya bireysel uzantılar tüm ortamları kararsız hale getirir.

Bu dinamik özellikle açık kaynak sektöründe belirgindir. Birçok araç son derece hızlı bir şekilde gelişmektedir. Bazen her hafta yeni işlevler ortaya çıkıyor. Aynı zamanda, genellikle uzun vadeli istikrarlı standartların eksikliği söz konusudur. Sonuç olarak, geliştiriciler kendilerini hızla bir tür kalıcı bakım modunda bulurlar. Sistemleri tekrar çalışır hale getirmek için onlarla verimli bir şekilde çalışmaktan daha fazla zaman harcamaları alışılmadık bir durum değildir.

Sürdürülebilirlik neden aniden yeniden önemli bir faktör haline geliyor?

Bu nedenle özellikle deneyimli geliştiriciler şu anda ilginç bir gelişmenin farkına varıyor: profesyonel yazılım geliştirmenin birçok klasik ilkesi aniden yeniden büyük önem kazanıyor. Ne de olsa, en modern yapay zeka bile tüm sistem kararsız hale gelirse çok az işe yarar. Şirketlerin muhteşem bireysel demolara ihtiyacı yok ama:

• izlenebilir süreçler,
• tekrarlanabilir sonuçlar,
• kararlı arayüzler,
• kontrol edi̇lebi̇li̇r veri̇ akişlari
• ve uzun vadeli sürdürülebilirlik.

Bununla birlikte, bu genellikle mevcut yapay zeka projelerinin en büyük zayıflığıdır. Birçok sistem şu anda deneysel olarak geliştirilmektedir. Farklı araçlar birbirleriyle birleştiriliyor, yeni uzantılar test ediliyor ve farklı modeller paralel olarak kullanılıyor. Bu genellikle kısa vadede şaşırtıcı derecede iyi çalışıyor - ancak uzun vadede hızla karmaşık bağımlılıklar yaratıyor.

Bu, özellikle üretken iş çözümleri için kritik öneme sahiptir. Çünkü bir sistemin "çoğu zaman" çalışması yeterli değildir. Güncellemeler, sunucu değişiklikleri veya personel değişikliklerinden sonra bile süreçler güvenilir bir şekilde çalışmalıdır. Bu nedenle birçok geliştirici şu anda daha önceki BT ilkelerini hatırlıyor:

• kısa vadeli hileler yerine istikrarlı çözümleri tercih eder,
• Maksimum karmaşıklık yerine anlaşılabilir süreçleri tercih ediyoruz,
• Etkileyici bireysel numaralar yerine sürdürülebilir sistemleri tercih ederim.

İlginç bir şekilde, bu gelişme neredeyse yazılım geliştirmenin klasik erdemlerine bir dönüş gibi görünüyor.

Asıl iş genellikle ilk başarıdan sonra başlar

Birçok yapay zeka projesiyle ilgili bir başka sorun da ancak ilk olumlu sonuçlardan sonra ortaya çıkıyor. Başlangıçta birçok şey şaşırtıcı derecede hızlı çalışır:

• İlk görüntü oluşturucular çalışıyor,
• Metinler oluşturulur,
• Otomasyonlar oluşturulur,
• yerel modeller başarılı bir başlangıç yaptı.

Ancak bu, genellikle zor aşamanın başladığı zamandır. Birdenbire şu gibi sorular ortaya çıkar:

• Çevreyi nasıl güvence altına alacağız?
• Kalıcı olarak hangi model versiyonunu kullanıyoruz?
• Süreçleri nasıl belgeleyeceğiz?
• Sistem ne kadar ölçeklenebilir?
• Veri kaosunu nasıl önleyebiliriz?
• Bunu daha sonra kim bekleyecek?

Özellikle daha küçük şirketler bu çabayı genellikle önemli ölçüde küçümsemektedir. Geleneksel yazılımlar genellikle yıllarca nispeten istikrarlı bir şekilde çalıştırılabilirken, birçok yapay zeka sistemi şu anda hala çok dinamik bir geliştirme aşamasındadır. Modeller, kütüphaneler ve çerçeveler bazen o kadar hızlı değişir ki uzun vadeli planlama yapmak zorlaşır. İşte tam da bu nedenle birçok geliştirici şu anda alışılmadık derecede yüksek bakım maliyetleri bildirmektedir.

Kendi pratik deneyimlerimiz

Bu durum özellikle yerel yapay zeka sunucuları ve eğitim sistemlerinde daha da belirginleşmektedir. Bu tür ortamları kendileri kuran herkes, ne kadar çok küçük teknik detayın birlikte çalışması gerektiğini çabucak fark eder:

• Grafik kartı sürücüsü,
• Meşale versiyonları,
• CUDA desteği,
• Python ortamları,
• Uzantılar,
• WebUI'ler,
• Bellek yönetimi
• ve model uyumluluğu.

Tek bir uyumsuz sürüm, daha önce işleyen bir sistemin aniden tamamen çökmesi için genellikle yeterlidir. Ancak bu deneyimler, mevcut YZ tartışmalarının neden bazen gerçekçi görünmediğini de açıkça ortaya koymaktadır. Dışarıdan bakıldığında, genellikle modern YZ sistemlerinin zaten büyük ölçüde olgunlaşmış olduğu izlenimi yaratılmaktadır. Ancak pratikte, birçok alanın doğası gereği hala oldukça deneysel olduğu hızla ortaya çıkmaktadır.

Ancak bu, bu gelişmenin başarısız olacağı anlamına gelmez. Tam tersine. Muhtemelen şu anda yeni teknolojiler için tipik bir geçiş aşamasındayız. İlk web sunucuları, veritabanı sistemleri ve ERP çözümleri de başlangıçta genellikle karmaşık, istikrarsız ve yüksek bakım gerektiriyordu. Ancak zaman içinde standartlaştırılmış ve dayanıklı platformlar haline geldiler.

İşte tam da bu nedenle mevcut aşama uzun vadede yine de son derece önemli olmalıdır. Ne de olsa, geliştiriciler daha sonra istikrarlı yapılara yol açacak pratik deneyimi tam da şimdi kazanıyor.

Pragmatizm şu anda neden mükemmellikten daha önemli?

Bu nedenle birçok deneyimli geliştirici artık çok daha pragmatik bir yaklaşım benimsiyor. Her yeni modelin hemen entegre edilmesi gerekmiyor. Her teknik yenilik otomatik olarak gerçek katma değer getirmez. Genellikle daha küçük, istikrarlı çözümlerle çalışmak ve bunları adım adım genişletmek daha mantıklıdır. Uzun vadede, özellikle şirketler genellikle net süreçlerden, yönetilebilir sistemlerden, temiz bir veri yapısından ve kontrol edilebilir otomasyondan daha fazla fayda sağlar.

Bu nedenle yapay zekanın gerçek gücü, nihayetinde muhteşem bireysel eylemlerden ziyade mevcut süreçleri akıllıca tamamlamak ve onları kademeli olarak daha verimli hale getirmekte yatıyor olabilir. Ve muhtemelen yapay zeka projelerinin başarısı uzun vadede tam olarak bu noktada belirlenecektir: en büyük demo ile değil, kalıcı olarak istikrarlı pratik çözüm ile.

Klasik yazılım geliştirme ile paralellikler

Yapay zekânın mevcut gelişimine daha ölçülü bir şekilde bakarsanız, ilginç bir paralellik fark edeceksiniz: Birçok zorluk şaşırtıcı bir şekilde klasik yazılım geliştirmenin önceki aşamalarını anımsatıyor.

Çünkü orada da pek çok şey başlangıçta büyük bir coşkuyla başladı. Yeni teknolojiler daha hızlı süreçler, daha düşük maliyetler ve tamamen yeni olanaklar vaat ediyordu. Ancak aynı zamanda, pratikte neredeyse her zaman sürdürülebilir sistemlerin yalnızca teknik yeniliklerle değil, her şeyden önce temiz yapılar, net süreçler ve uzun vadeli sürdürülebilirlikle oluşturulduğu ortaya çıktı.

İşte tam da bu gelişme, şu anda YZ alanında benzer bir biçimde kendini tekrar ediyor gibi görünüyor. Şu anda, birçok tartışma hala büyük ölçüde modern YZ sistemlerinin görünür yeteneklerine odaklanmaktadır:

• daha iyi dil modelleri,
• daha büyük bağlam penceresi,
• daha hızlı görüntü oluşturucular,
• otonom ajan sistemleri
• veya karmaşık otomasyon.

Ancak, şirketler ve geliştiriciler gerçek projelerin derinliklerine indikçe, aynı temel soruların daha önce olduğu gibi ortaya çıktığı daha açık hale geliyor:

• Sistem ne kadar istikrarlı?
• Çözüm ne kadar sürdürülebilir?
• Veriler ne kadar temiz?
• Süreçler ne kadar güvenilir?
• Ve kendinizi bireysel platformlara ne kadar bağımlı hale getiriyorsunuz?

Klasik ERP sistemleri bile bir gecede oluşturulmadı

Özellikle uzun yıllara dayanan deneyime sahip geliştiriciler bu nedenle birçok tanıdık modeli tanıyacaktır. Klasik ERP veya veritabanı sistemleri bile başlangıçta bugün beklediğinizden çok daha kaotik ve deneyseldi. Birçok çözüm adım adım geliştirilmiştir:

1. önce bireysel işlevler,
2. sonra daha küçük otomasyonlar,
3. daha sonra daha karmaşık süreçler,
4. entegre genel sistemler.

İstikrarlı çözümler genellikle ancak uzun yıllar süren pratik deneyimlerden sonra geliştirilmiştir. Özellikle FileMaker birçok şirket için ilginç bir araçtı çünkü süreçler nispeten pragmatik ve hızlı bir şekilde haritalandırılabiliyordu. Devasa teorik kavramlar yerine, genellikle gerçek sorunlar için somut çözümler geliştiriliyordu:

• Sipariş yönetimi,
• Depo yönetimi,
• Belge süreçleri,
• Müşteri yönetimi
• veya özelleştirilmiş endüstri çözümleri.

İşte tam da bu pratik düşünme biçimi, yapay zeka alanında yeniden önem kazanabilir. Sonuçta, yapay zeka kötü organize edilmiş süreçlerin yerini alamaz. Veriler düzensiz bir şekilde yapılandırılmışsa veya süreçler hiçbir zaman net bir şekilde tanımlanmamışsa, yapay zeka genellikle gerçek iyileştirmeler yerine ek hata kaynakları yaratır.

Veri yapıları neden aniden yeniden önem kazanmaya başladı?

İlginç bir şekilde, mevcut YZ dalgası birçok klasik BT ilkesinin yeniden ön plana çıkmasına neden oluyor. Modern yapay zeka sistemleri genellikle esnek ve akıllı olsalar da, temel verilerin kalitesine büyük ölçüde bağımlı olmaya devam etmektedirler. Bu durum aşağıdakiler için geçerlidir

• Ana veri,
• Belge yapıları,
• Keywording,
• İlişkiler,
• Süreç tanımları
• ve veri tutarlılığı.

İşte bu noktada birçok şirketin yıllardır bastırdığı bir sorun ortaya çıkmaktadır: Tarihsel olarak geliştirilmiş sistemler genellikle tutarsızlıklar, özel durumlar ve net olmayan yapılar içerir.

Bu tür sorunlar yapay zeka tarafından basitçe "akıllı hale getirilemez". Tam tersine. Hatalı veri yapıları genellikle daha da güçlendirilir çünkü YZ sistemleri kalıpları tanır ve bu kalıpların yararlı veya sorunlu olup olmadığına bakmaksızın bunları daha fazla işler.

Bu nedenle birçok geliştirici şu anda iyi veri bakımının aniden yeniden büyük önem kazandığını fark ediyor. Bu durum, uzun vadeli başarının genellikle muhteşem işlevlerden ziyade daha fazla şeye bağlı olduğu önceki veritabanı projelerini anımsatıyor:

• temiz veri modeli,
• net ilişkiler,
• izlenebilir süreçler
• ve disiplinli yapılandırma.

Yeni "hızlı çözümlerin" tehlikesi

Klasik yazılım geliştirme ile bir başka paralellik de hızlı düzeltmeler konusunda görülebilir. Daha önceki BT aşamalarında bile, kısa vadede etkileyici olan ancak uzun vadede önemli sorunlara neden olan araçlar tekrar tekrar yaratıldı. Birçok geliştirici bunu hala iyi hatırlamaktadır:

• aşırı yüklü Erişim çözümleri,
• yapılandırılmamış Excel sistemleri,
• kötü belgelenmiş senaryolar,
• veya aceleyle bir araya getirilmiş web uygulamaları.

Başlangıçta bu tür sistemler genellikle şaşırtıcı derecede iyi çalışıyordu. Ancak daha sonra bakım sorunları, veri kaosu veya kontrol edilmesi zor bağımlılıklar ortaya çıktı. Tam olarak benzer riskler şimdi YZ sektöründe tekrar görülüyor. Mevcut birçok YZ iş akışı, çok sayıda birleşik araçtan oluşmaktadır:

• farklı modeller,
• harici API'ler,
• Eklentiler,
• yerel sunucular,
• Otomasyonlar,
• İstem zincirleri
• ve deneysel uzantılar.

Kısa vadede bu etkileyici sonuçlar doğurur. Ancak uzun vadede, bu tür yapıların gerçekte ne kadar istikrarlı ve sürdürülebilir olduğu sorusu ortaya çıkmaktadır. Bu nedenle, özellikle deneyimli geliştiriciler, temel organizasyonel sorunlar genellikle hala çözülmemiş olsa da, bazı şirketlerin karmaşık yapay zeka süreçlerini ne kadar hızlı bir şekilde verimli bir şekilde kullanmaya çalıştıklarını şu anda belirli bir dikkatle gözlemlemektedir.

Uzun vadeli düşünmek neden şimdi özellikle önemli?

İşte tam da bu nedenle içinde bulunduğumuz aşama, uzun vadeli düşünen geliştiricileri ve şirketleri ödüllendirmelidir. Her yeni işlevin hemen entegre edilmesi gerekmiyor. Her trend aracı uzun vadede geçerliliğini korumayacaktır. Günümüz sistemlerinin birçoğunun sadece birkaç yıl içinde ortadan kalkması veya tamamen değiştirilmesi muhtemeldir.

Bununla birlikte, profesyonel yazılım geliştirmenin gerçek gücü her zaman istikrarlı temeller oluşturmak olmuştur. Yapay zeka çağında da önemini koruyacak olan tam olarak bu yetenektir:

• Süreçleri anlama,
• Sistemlerin yapılandırılması,
• Verileri temiz bir şekilde düzenleyin,
• Belge süreçleri
• ve teknik karmaşıklığın yönetilebilir olması.

Yapay zekanın şu anda yazılım dünyasını değiştirdiğine şüphe yok. Ancak aynı zamanda, iyi BT çalışmalarının pek çok temel ilkesinin eskimediğini de gösteriyor. Belki de mevcut yapay zeka gelişiminin en önemli farkındalığı tam olarak budur: her şey tamamen yeni değildir. Aksine, pek çok şey zaten bilinen ilkelerin evriminde bir sonraki aşama olarak gelişiyor.

Yapay zekanın bugün gerçekten anlamlı olduğu yerler - ve FileMaker ile yolculuğun bizi götürebileceği yerler

İlk büyük yapay zeka dalgalarının ardından, konuya ilişkin çok daha ölçülü bir bakış açısı yavaş yavaş ortaya çıkıyor. Birçok şirket ve geliştirici artık yapay zekanın ne kısa vadeli bir sihirbazlık numarası ne de sadece bir hile olduğunun farkına varıyor. Ancak aynı zamanda, her görevin anlamlı bir şekilde otomatikleştirilemeyeceği de anlaşılıyor.

Özellikle günlük iş hayatında, sonuçta belirleyici olan en görkemli demo değil, günlük kullanım için pratik uygunluktur. İşte tam da bu noktada, yapay zekanın gerçek katma değer sağlayabileceği bir dizi alan belirginleşiyor.

İlk büyük üretken alan olarak metin üretimi

Faydaları muhtemelen en çok kelime işlemede görülebilir. Dil modelleri artık

• Belgeleri hazırlayın,
• E-postaları formüle edin,
• Özetler oluşturun,
• Çeviriler oluşturun,
• SSS alanlarını hazırlayın
• veya ham verilerden yapılandırılmış içerik oluşturmak.

Bu, halihazırda muazzam zaman tasarruflarının yapıldığı yerdir. Özellikle ilginç olan, yapay zekanın genellikle insanların yerini tamamen almaması, bunun yerine akıllı bir asistan olarak işlev görmesidir. Birçok geliştirici, editör ve girişimci artık yapay zekayı hazırlık çalışmaları, fikirlerin yapılandırılması veya toplanması için ek bir çalışana benzer şekilde kullanıyor.

Ancak bu, sonuçların incelenmeden kabul edilmesi gerektiği anlamına gelmez. Kontrol, özellikle teknik veya yasal konularda önemini korumaktadır. Yine de bu alanın uzun vadede en önemli pratik uygulama alanlarından biri olmaya devam etmesi muhtemeldir. Bu, özellikle mevcut şirket verilerinin doğrudan kullanılabildiği durumlarda heyecan verici olacaktır - örneğin:

• otomatik teklif şablonları,
• E-posta yanıtları,
• Belgeseller,
• Bilgi veritabanları
• veya dahili yardım sistemleri.
• Tam bir değişim yerine destek olarak yapay zeka

Şu anda bir başka gerçekçi uygulama alanı da destekleyici yardım işlevlerinde yatmaktadır. Birçok şirket artık yapay zekanın insanların yerini tamamen almak yerine onları tamamladığı durumlarda özellikle iyi çalıştığını fark ediyor. Bu, örneğin şunları içerir:

• akıllı arama fonksiyonları,
• otomatik kategorizasyon,
• Veri analizi,
• Görüntü sınıflandırması,
• Belge tanıma
• veya teklif sistemleri.

Bu, uzun vadede ERP ve veritabanı ortamında özellikle ilginç hale gelebilir. Çünkü burada her gün büyük miktarlarda yapılandırılmış bilgi üretilmektedir:

• Faturalar,
• Belgeler,
• Müşteri talepleri,
• Depolama verileri,
• Ürün bilgileri
• veya e-posta iletişimi.

Yapay zeka bu tür bilgilerin daha hızlı değerlendirilmesine, mantıklı bir şekilde düzenlenmesine veya süreçlerin hazırlanmasına yardımcı olabilir. Bununla birlikte, asıl karar verme süreci genellikle insanlarda kalır. Birçok şirket için tamamen otonom YZ sistemleri fikrinden çok daha gerçekçi olması muhtemel olan tam da bu hibrit yaklaşımdır.

Otomasyon neden tek başına yeterli değil?

Ancak ilginç bir şekilde, birçok yapay zeka projesinin bir sınırlaması şu anda belirgin hale geliyor. Sonuçta, teknik olarak otomatikleştirilebilir olmak, otomatik olarak organizasyonel açıdan mantıklı olmak anlamına gelmiyor. Özellikle şirketler, istisnalar içeren, insan iletişimi gerektiren, sorumluluk gerektiren veya kasıtlı olarak esnek tutulması gereken çok sayıda sürece sahiptir.

Birçok geliştirici artık yapay zekanın sadece geleneksel yazılımların yerini almadığını fark ediyor. Bunun yerine, mevcut sistemlerin üzerinde yeni bir akıllı destek seviyesi ortaya çıkıyor. Bu biraz daha önceki dijitalleşme adımlarını anımsatıyor. O zaman bile süreçler tamamen ortadan kalkmıyordu. Aksine, kademeli olarak daha verimli, daha yapılandırılmış ve daha iyi desteklenir hale geldiler.

Uzun vadede tamamen otonom bir kurumsal yapay zeka fikrinden daha önemli olması muhtemel olan tam da bu pragmatik görüştür.

Özellikle heyecan verici: Doğrudan FileMaker içinde yapay zeka

Ancak bu gelişme önümüzdeki yıllarda FileMaker ortamında özellikle ilginç hale gelebilir. Bunun nedeni, Claris FileMaker'ın gelecekte yapay zeka aracılarına giderek daha fazla güveneceğini şimdiden duyurmuş olmasıdır. Bu artık sadece klasik yapay zeka sorguları veya harici arayüzlerle ilgili değil, doğrudan FileMaker içinde aktif olarak çalışabilen sistemlerle ilgili.

Bu da uzun vadede birçok geliştiricinin çalışma şeklini önemli ölçüde değiştirebilir. Şimdiye kadar, yapay zeka desteği birçok durumda nispeten dolaylı olmuştur:

• Geliştiriciler istemleri formüle eder,
• metin önerileri alın,
• kopyalama senaryoları,
• kodu manuel olarak özelleştirin
• ve sonuçları kendi çözümlerine entegre edebilirler.

Ancak duyurulan ajan sistemleri bir adım daha ileri gidiyor. Gelecekte, geliştiriciler görevleri doğrudan doğal dilde formüle edebileceklerdir:

• yeni tablolar oluşturun,
• Komut dosyaları oluşturun,
• Düzenleri hazırlayın,
• İlişkiler kurun,
• Eksiksiz alanlar
• veya süreçleri otomatikleştirin.

Yapay zeka sadece öneriler sunmakla kalmayacak, aynı zamanda FileMaker ortamında aktif olarak çalışacaktır.

Bu durum yazılım geliştirmeyi neden değiştirebilir?

Bu gelişme istikrarlı ve kontrol edilebilir hale gelirse, günlük geliştirme çalışmaları üzerinde önemli bir etkisi olacaktır. Çünkü ağırlık merkezi aniden değişir:

Saf teknik uygulamadan uzak, süreç tanımına ve sistem mantığına doğru.

İlginç bir şekilde bu durum FileMaker'ın orijinal gücünü anımsatmaktadır. FileMaker her zaman özellikle çekiciydi çünkü birçok işlem nispeten hızlı ve görsel olarak uygulanabiliyordu. Geliştiriciler klasik geliştirme ortamlarına göre daha az "düşük seviyeli programlama" yapmak zorundaydı.

Yapay zeka ajanları artık bu yaklaşımı yeni bir seviyeye taşıyabilir. Tek tek komut dosyalarını manuel olarak programlamak yerine, geliştiriciler gelecekte daha çok şu şekilde çalışabilir:

• Sistem mimarları,
• Süreç tasarımcısı,
• Veri modelleyici
• ve kalite kontrolörleri.

Gerçek teknik uygulama giderek daha otomatik hale gelecektir.

Aynı zamanda, tamamen yeni zorluklar ortaya çıkmaktadır

Bununla birlikte, bu gelişmenin tamamen sorunsuz ilerlemesi pek olası değildir. Yapay zeka doğrudan üretken sistemler içinde değişiklik yapabildiği anda, aşağıdaki gibi sorunlar ortaya çıkabilir:

• Kontrol,
• İzlenebilirlik,
• Versiyonlama,
• Yetkilendirmeler
• ve kalite güvencesi

daha da önemlidir. Özellikle deneyimli geliştiriciler, bu tür aracıların gerçekte ne kadar güvenilir çalıştığına muhtemelen çok dikkat edeceklerdir. Sonuçta, yanlış oluşturulmuş bir komut dosyası veya hatalı bir yapısal değişiklik, verimli veritabanı sistemlerinde önemli sonuçlar doğurabilir.

Dolayısıyla insan kontrolü uzun vadede muhtemelen merkezi konumda kalacaktır. Bu tür sistemlerin gerçek gücü, geliştiricilerin yerini tamamen almaktan ziyade, tekrarlanan işleri büyük ölçüde hızlandırmak ve karmaşık süreçleri daha hızlı hazırlayabilmekte yatabilir.

Muhtemelen yapay zekayı geliştirmenin en gerçekçi yolu

Bu aynı zamanda genel olarak yapay zeka için en gerçekçi gelecek olabilir. İnsanların yerini tamamen alan tamamen otonom sistemlerde değil. Daha ziyade süreçleri hızlandıran, bilgiyi yapılandıran, tekrarlanan işleri azaltan ve karmaşık görevlerde insanları destekleyen akıllı araçlarda.

Özellikle FileMaker, geleneksel iş süreçlerinin yeni YZ işlevleriyle nispeten esnek bir şekilde birleştirilmesine olanak tanıdığı için uzun vadede bunun için ilginç bir platform olmaya devam edebilir. Ve belki de yapay zeka evriminin asıl yönü bugünden bellidir:

Mevcut sistemlerin tamamen değiştirilmesi değil, kademeli olarak akıllı bir şekilde genişletilmesi.

Kendi pratik deneyimlerimiz: deneysel aşama ile üretken bir gelecek arasında

Günümüzde yapay zekayı mevcut sistemlere ciddi bir şekilde entegre etmek isteyen herkes, kamuoyunda yapılan pek çok tartışmanın gerçekliğin sadece küçük bir kısmını gösterdiğini hemen fark eder. Bunun nedeni, muhteşem sonuçlar genellikle dış dünya tarafından görülebilirken, asıl günlük gerçekliğin genellikle çok sayıda küçük teknik, organizasyonel ve yapısal zorluktan oluşmasıdır.

Yapay zeka sistemlerini yalnızca test amacıyla kullanmakla kalmayıp aynı zamanda kendi iş akışlarına verimli bir şekilde entegre etmeye çalışan pek çok geliştirici şu anda tam da bu deneyimi yaşamaktadır. Yapay zekanın şu anda bitmiş bir üründen ziyade, muazzam potansiyele sahip yeni bir teknolojik inşaat alanı olduğu hızla anlaşılıyor.

Salt bulut kullanımı yerine kendi yapay zeka altyapınızı kurma

Geliştiriciler kendi yapay zeka altyapılarını kurmaya başladıklarında konu özellikle ilginç hale geliyor. Çünkü birçok kullanıcı yalnızca bulut tabanlı araçları kullanırken, yerel sistemler giderek daha fazla paralel olarak oluşturuluyor:

• kendi Linux AI sunucusu,
• yerel dil modelleri,
• Görüntü oluşturucular,
• Eğitim ortamları
• veya birleşik iş akışı sistemleri.

Bu, özellikle yaratıcı ve teknik ortamlarda tamamen yeni olasılıkların önünü açıyor. Bununla birlikte, bu ortamların ne kadar karmaşık hale geldiği de hızla ortaya çıkıyor. Örneğin, kendi Linux tabanlı yapay zeka görüntü sunucularını kuran, yerel modellerle çalışan veya farklı sistemleri birleştiren herkes, genellikle doğası gereği hala oldukça deneysel olan bir ortamda faaliyet göstermektedir.

Sürücüler, CUDA sürümleri, torch bağımlılıkları, bellek yönetimi veya uyumsuz uzantılar deneyimli geliştiricileri bile günlerce meşgul edebilir. Birçok sorun tek bir büyük hatadan değil, sayısız küçük teknik bağımlılıktan kaynaklanır. Bununla birlikte, gerçek pratik deneyim genellikle bu aşamada kazanılır.

AI'yı doğrudan FileMaker'dan kontrol edin

Bununla birlikte, geleneksel iş yazılımları modern yapay zeka sistemleriyle birleştirildiğinde konu özellikle heyecan verici hale geliyor. Şu anda ilginç yeni yaklaşımlar tam da bu noktada ortaya çıkıyor. Uygulamada, çeşitli yapay zeka sistemleri halihazırda doğrudan FileMaker'dan kontrol edilebilmektedir:

• Metin modelleri,
• Görüntü oluşturucular,
• Model yönetimler,
• İstem sistemleri,
• Sunucu kontrolleri
• veya otomatik aktarım rutinleri.

Aracılığıyla giderek daha fazla uzmanlaşmış idari arayüzler oluşturulmaktadır:

• Modeller organize edildi,
• Sunucu yönetiliyor,
• İstem şablonları kaydedildi,
• JSON yapıları hazırlandı
• ve çeşitli yapay zeka süreçleri merkezi olarak kontrol edilebilir.

İlginç bir şekilde, bu kısmen klasik ERP geliştirmeyi anımsatıyor - tek fark, depo verileri veya faturalar yerine yapay zeka modelleri, istemler ve eğitim parametreleri aniden yönetiliyor. Yapılandırılmış veritabanı mantığı ve esnek yapay zeka sistemlerinin kombinasyonunun uzun vadede muazzam bir potansiyele sahip olması muhtemeldir.

Mevcut sınır: Yapay zeka çok şey anlıyor - ancak henüz yeterince temiz bir şekilde entegre edilmedi

Ancak kaydedilen tüm ilerlemeye rağmen, hala önemli bir sınır vardır. Bunun nedeni, modern dil modellerinin zaten inanılmaz derecede iyi olmasıdır:

• Komut dosyaları oluşturun,
• Formüller yazın,
• Veritabanı yapılarını açıklamak
• veya karmaşık mantık.

Ancak, üretken FileMaker çözümlerine gerçek entegrasyon genellikle hala nispeten manueldir. Somut olarak bu şu anlama gelir

• Kod uyarlanmalıdır,
• Senaryolar aktarılır,
• Yapılar kontrol edildi,
• Biçimlendirme düzeltildi
• ve süreçler manuel olarak kontrol edilir.

Bu, FileMaker ortamında özel bir sorun teşkil eder. Bunun nedeni, FileMaker komut dosyalarının kendi iç yapılarına sahip olması ve normal metin olarak doğrudan komut dosyası düzenleyicisine aktarılamamasıdır. Bu durum şu anda çeşitli ara çözümlerle sonuçlanmaktadır:

• manuel transfer,
• XSLT dönüşümleri,
• Pano dönüştürücü,
• Özel kopyalama ve yapıştırma araçları
• veya FileMaker uyumlu komut dosyası formatları için dönüştürme sistemleri.

Bu, günlük yaşamda şaşırtıcı derecede iyi çalışıyor - ancak aynı zamanda hala klasik gelişim ile gelecekteki yapay zeka entegrasyonu arasında bir geçiş aşaması gibi görünüyor.

İşte tam da bu noktada yapay zeka ajanları önemli bir açığı kapatabilir

İşte Claris FileMaker tarafından duyurulan aracı teknolojisi tam da bu noktada özellikle ilgi çekici hale geliyor. Şimdiye kadar, yapay zeka ile üretken geliştirme arasında genellikle bir tür "manuel çeviri katmanı" vardı. Yapay zeka içerik, öneri ya da senaryo üretir - geliştirici daha sonra gerçek teknik entegrasyonu üstlenir.

Yapay zeka aracıları gelecekte bu boşluğu önemli ölçüde azaltabilir. Çünkü yapay zeka sistemleri doğrudan FileMaker içinde çalışabilirse, tüm çalışma şekli değişecektir:

• Komut dosyaları doğrudan oluşturulabilir,
• tabloları otomatik olarak oluşturulur,
• ilişkiler,
• Hazırlanan düzenler
• veya süreçler dinamik olarak genişletilebilir.

Bu durumda geliştirici daha az sayıda, ancak daha fazla teknik adımı kendisi gerçekleştirecektir:

• Süreçleri tanımlayın,
• Mantığı tanımlayın,
• Sonuçları kontrol edin
• ve yapı sistemleri.

Bu da uzun vadede üretkenlikte önemli bir sıçramaya yol açabilir.

Özellikle deneyimli geliştiriciler neden bundan faydalanabilir?

İlginç bir şekilde, bu gelişmenin özellikle deneyimli geliştiricilere fayda sağlaması muhtemeldir. Yapay zeka teknik görevleri giderek daha fazla üstlenebilse de, bunların arkasındaki gerçek iş süreçlerini otomatik olarak anlamıyor. Bu, özellikle daha karmaşık çözümler için çok önemli olmaya devam ediyor:

• Süreç anlayışı,
• Veri mantığı,
• Özel durumlarla ilgili deneyim,
• kurumsal düşünme
• ve uzun vadeli yapısal planlama.

Birçok şirket bu becerilerin gelecekte ne kadar önemli hale gelebileceğini hala hafife alıyor. Sonuçta, standart teknik görevler giderek daha fazla otomatikleştirilirse, gerçek değer daha doğru yöne kayacaktır:

• Mimari,
• Danışmanlık,
• Süreç tasarımı
• ve kalite kontrol.

Özellikle FileMaker geliştiricileri, geleneksel olarak gerçek şirket süreçleriyle çok yakın çalıştıkları için genellikle ilginç bir avantaja sahiptir.

Bugünün deneysel aşaması ile geleceğin üretken ortamı arasında

Elbette bu gelişme henüz nispeten erken bir aşamadadır. Birçok sistem hala deneysel, bazen istikrarsız veya organizasyonel olarak tamamlanmamış görünüyor. Bununla birlikte, aynı zamanda, yönün nereye gidebileceğini fark etmek zaten mümkün. Sadece birkaç yıl önce, yerel dil modelleri, yapay zeka görüntü sunucuları veya ajan tabanlı geliştirme sistemleri neredeyse geleceğin hayalleri gibi görünüyordu. Bugün, tüm zorluklara rağmen şaşırtıcı derecede verimli olan ilk üretken yaklaşımlar zaten mevcut.

İşte tam da bu nedenle içinde bulunduğumuz aşama uzun vadede özellikle heyecan verici olacaktır. Sonuçta, ilk grafik veritabanı sistemleri veya ilk ERP platformlarına benzer şekilde, yeni nesil geliştirme araçlarının temelleri muhtemelen şu anda atılıyor.

Ve birkaç yıl sonra geriye dönüp baktığımızda, bu mevcut geçiş aşamasının tam da klasik yazılım geliştirmenin yavaş yavaş yapay zeka destekli sistem geliştirme yönüne kaydığı an olduğunu fark edebiliriz.

Yapay zekanın evrimi geleneksel gelişimin sonu değil, bir sonraki aşaması anlamına geliyor

Büyük yapay zeka coşkusunun yaşandığı ilk birkaç yılın ardından, yavaş yavaş daha farklı bir tablo ortaya çıkmaya başlıyor. Birçok şirket, geliştirici ve yaratıcı beyin, yapay zekanın ne kısa vadeli bir trend ne de tüm sorunlar için anında hepsi bir arada bir çözüm olduğunu giderek daha fazla kabul ediyor.

Ancak aynı zamanda, teknolojik gelişmelerin uzun vadede tüm yazılım dünyası üzerinde önemli bir etkiye sahip olacağı da giderek daha açık hale gelmektedir. Şu anda ilginç bir ikili hareket ortaya çıkmaktadır: Bir yandan her gün yeni araçlar, modeller ve otomasyonlar ortaya çıkıyor. Öte yandan, profesyonel yazılım geliştirmenin birçok klasik ilkesi aniden yeniden önem kazanıyor:

• temiz veri yapıları,
• izlenebilir süreçler,
• Bakım yapılabilirlik,
• İstikrar
• ve kurumsal düşünme.

İşte tam da bu nedenle mevcut YZ aşaması birçok açıdan önceki BT dünyasından tam bir kopuş gibi görünmüyor ve daha çok onun bir sonraki evrimsel aşaması gibi görünüyor.

Asıl zorluk yapay zekanın kendisinde değil

İlginç bir şekilde, birçok projede asıl zorluğun artık yapay zeka modelinin kendisi olmadığı açıkça görülmektedir. Modern dil modelleri, görüntü oluşturucular ve yardım sistemleri bugün zaten şaşırtıcı derecede iyi çalışıyor. Asıl zorluklar genellikle bu sistemlerin gerçek şirket süreçlerine anlamlı bir şekilde entegre edilmesi gereken yerlerde ortaya çıkıyor. İşte tam da bu noktada yeni teknolojiler devreye giriyor:

• yetiştirilen yapılar,
• tarihsel veri tabanları,
• Bireysel süreçler
• ve günlük yaşamın pratik gereklilikleri.

Bu nedenle birçok geliştirici şu anda yoğun bir deneme aşaması yaşıyor. Sistemler test ediliyor, yerel sunucular kuruluyor, modeller entegre ediliyor ve süreçler otomatikleştiriliyor. Ancak aynı zamanda, üretken istikrarın etkileyici bireysel demolardan çok daha fazlasını gerektirdiği de anlaşılıyor.

Bu nedenle uzun vadede, teknik olanakları günlük kullanım için pragmatik uygunlukla birleştiren çözümlerin en başarılı çözümler olması muhtemeldir.

Pratik deneyim şu anda neden özellikle değerli hale geliyor?

İşte tam da bu noktada pratik deneyim giderek daha önemli hale gelmektedir. Çünkü bugün yerel YZ sistemleriyle aktif olarak çalışan, kendi ortamlarını kuran veya YZ'yi doğrudan şirket yazılımıyla birleştiren herkes, mevcut gelişmelerin gerçek fırsatlarını ve sınırlarını nispeten hızlı bir şekilde tanıyacaktır.

Bu da çoğu zaman kamuoyunda yapılan tartışmalara kıyasla çok daha gerçekçi değerlendirmelere yol açıyor. Yapay zeka bugün zaten muazzam bir destek sağlayabilir:

• kelime işlem için,
• Bilgi organizasyonu,
• Veri analizi,
• Otomasyon
• veya yaratıcı süreçler.

Ancak aynı zamanda, birçok sistemin şu anda hala oldukça deneysel olduğu da açıktır. İşte tam da bu nedenle, mevcut aşama, ölçülü bir bakış açısını koruyarak erkenden pratik deneyim kazananlar için uzun vadede özellikle değerli olacaktır.

Marcel Moré'nin yapay zeka evrimine bakışı

Marcel Moré'nin "Yapay Zekanın Evrimi" konulu makalesi bu değerlendirmeler için ilginç bir başlangıç noktası oldu. Bu konuda özellikle heyecan verici olan şey, tek tek teknolojilerden ziyade temel gözlemdir: YZ giderek izole araçlardan kendi süreçleri, otomasyonu ve ajan benzeri yapıları olan ağa bağlı sistemlere doğru gelişmektedir.

Önümüzdeki yılları güçlü bir şekilde karakterize etmesi muhtemel olan da tam olarak bu gelişmedir. Uzun vadede, muhtemelen artık sadece bireysel dil modelleri veya görüntü oluşturucular değil, farklı yapay zeka bileşenlerinin birbirleriyle etkileşime girdiği eksiksiz sistem manzaraları söz konusu olacaktır.

Bu durum, özellikle kurumsal ortamda muazzam bir potansiyel yaratırken aynı zamanda yeni organizasyonel ve teknik zorluklar da ortaya çıkarmaktadır.

FileMaker ve gelişimin bir sonraki aşaması

Bu gelişme, gelecekte Claris FileMaker ortamında özellikle ilginç hale gelebilir. Çünkü duyurulan yapay zeka ajanları, modern geliştirme ortamlarının uzun vadede nereye doğru gidebileceğini şimdiden gösteriyor:

• Tamamen manuel uygulamadan uzak,
• Yapay zeka destekli sistem geliştirmeye doğru.

Bu tür aracı sistemler gelecekte FileMaker içinde istikrarlı bir şekilde çalışabilirse, birçok geliştiricinin rolü önemli ölçüde değişecektir.

O zaman asıl güç, muhtemelen tek tek senaryoların saf yazımında değil, daha çok yazımında olacaktır:

• Süreç anlayışı,
• Sistem mimarisi,
• Veri mantığı,
• Kalite kontrol
• ve kurumsal düşünme.

İlginç bir şekilde bu, birçok FileMaker geliştiricisinin geleneksel güçlü yönlerine çok iyi uymaktadır. FileMaker, gerçek iş süreçlerini pragmatik ve esnek bir şekilde haritalama konusunda her zaman özellikle güçlü olmuştur. Yapay zeka gelecekte bu yaklaşımı önemli ölçüde genişletebilir.

Muhtemelen mevcut yapay zeka aşamasının en önemli gerçekleşmesi

Belki de mevcut gelişmenin en önemli farkındalığı tam da budur. Yapay zeka otomatik olarak deneyim, yapı veya kurumsal düşüncenin yerini almaz. Aksine, mevcut çalışma yöntemlerini akıllıca genişletebilecek ve hızlandırabilecek yeni araçlar geliştirilmektedir.

Bu nedenle asıl zorluk, muhtemelen her yeni YZ işlevini mümkün olan en kısa sürede benimsemek değildir. Aksine, belirleyici faktör şu olacaktır:

• hangi sistemlerin uzun vadede istikrarlı kaldığı,
• Hangi süreçler gerçekten anlamlı bir şekilde otomatikleştirilebilir?
• ve teknik olanakların nasıl sorumlu bir şekilde entegre edilebileceği.

Pratik arka plan bilgisine sahip geliştiricilerin gelecekte özellikle önemli bir rol oynaması muhtemeldir. Çünkü sonunda - BT tarihinde sık sık olduğu gibi - kazanan muhtemelen en gürültülü demo değil, günlük hayatta kalıcı olarak çalışan çözüm olacaktır.

---

Sıkça sorulan sorular

1. Neden şu anda yapay zekanın aniden her yerde aynı anda ortaya çıktığı izlenimi var?
   Gelişim son iki yılda büyük bir hız kazandı. Geçmişte, yapay zeka sistemleri genellikle büyük şirketler veya araştırma kurumları için özel çözümlerdi. Bugün ise dil modelleri, görüntü oluşturucular ve otomasyon araçları birdenbire neredeyse herkesin kullanımına sunuldu. Bu, internetin veya daha sonra akıllı telefonların ortaya çıkışına benzer bir etki yaratıyor: birçok şirket aynı anda iş süreçlerinin temelden değişebileceğini fark ediyor.
2. Halka açık YZ sunumları neden günlük uygulamalardan bu kadar farklıdır?
   Sunumlar genellikle ideal koşullar altında çalışan kontrollü senaryoları gösterir. Ancak gerçekte, yapay zeka sistemleri hatalı verilerle, bireysel özel durumlarla, eski yazılım yapılarıyla ve istikrarsız arayüzlerle uğraşmak zorundadır. İşte tam da bu noktada gerçek zorluklar ortaya çıkmakta ve bunlar genellikle dış dünya tarafından çok az görülebilmektedir.
3. Yapay zeka sistemlerinin bakımı şu anda neden bu kadar maliyetli?
   Birçok yapay zeka ortamı hala çok dinamik bir geliştirme aşamasındadır. Modeller, uzantılar, Python bağımlılıkları ve arayüzler bazen haftalık olarak değişir. Küçük güncellemeler bile işleyen sistemleri kararsız hale getirebilir. Bu nedenle geliştiriciler, ortamları tekrar çalışır hale getirmek için genellikle şaşırtıcı miktarda zaman harcarlar.
4. Yerel yapay zeka sunucuları kurumsal ortamda nasıl bir rol oynuyor?
   Yerel yapay zeka sistemleri, veriler, modeller ve süreçler üzerinde daha fazla kontrol sağladıkları için birçok şirket için giderek daha ilgi çekici hale geliyor. Yerel bir altyapı, özellikle hassas bilgiler veya özel iş akışları için avantajlar sunabilir. Ancak bu aynı zamanda teknik çabayı da önemli ölçüde artırıyor.
5. Mevcut yapay zeka sorunlarının çoğu neden daha önceki BT geliştirme aşamalarını anımsatıyor?
   İlk web sunucuları, ERP sistemleri ve veritabanı platformları da başlangıçta genellikle karmaşık ve istikrarsız görünüyordu. Standartlaştırılmış ve dayanıklı sistemlerin ortaya çıkması uzun yıllar aldı. Birçok deneyimli geliştirici şu anda yapay zeka sektöründe benzer kalıpların farkındadır ve bu nedenle mevcut aşamayı daha çok uzun vadeli bir geliştirme süreci olarak görmektedir.
6. Yapay zeka sayesinde veri kalitesi neden birdenbire yeniden bu kadar önemli hale geldi?
   Yapay zeka sistemleri mevcut bilgiler temelinde çalışır. Veriler düzensiz bir şekilde yapılandırılmış, yanlış veya eksikse, YZ yine de kalıpları tanır ve bunları daha fazla işler. Bu nedenle kötü veriler genellikle kötü sonuçlara yol açar. İşte tam da bu nedenle temiz veri yapıları ve net süreçler yeniden önem kazanıyor.
7. FileMaker uzun vadede yapay zeka ile neden özellikle iyi uyum sağlayabilir?
   FileMaker her zaman gerçek iş süreçlerini pragmatik bir şekilde haritalamak için tasarlanmıştır. Modern yapay zeka sistemlerine çok uygun olan da tam olarak bu esnekliktir. Geleneksel geliştirme ortamları genellikle çok teknik olsa da FileMaker, süreçleri hızla uyarlamak ve yeni teknolojilerle birleştirmek için özellikle uygundur.
8. Yapay zeka ajanları tam olarak nedir?
   Yapay zeka ajanları geleneksel sohbet robotlarının çok ötesine geçer. Yalnızca soruları yanıtlamakla kalmaz, aynı zamanda bağımsız olarak birkaç iş adımını art arda gerçekleştirirler. Bunlar arasında analizler, süreç kontrolü, veri işleme veya tanımlanmış süreçler dahilinde otomatik kararlar yer alır.
9. Claris'in duyurduğu yapay zeka aracıları FileMaker geliştiricileri için neden bu kadar ilginç?
   Çünkü bu, yazılımın geliştirilme şeklini değiştirebilir. Gelecekte, geliştiriciler artık her bir teknik adımı kendileri programlamak zorunda kalmayabilir. Bunun yerine, yapay zeka teknik uygulamayı hazırlarken veya bazılarını doğrudan üstlenirken, süreçler giderek artan bir şekilde doğal dilde tanımlanabilir.
10. FileMaker'da yapay zeka destekli geliştirme bugün genellikle nasıl çalışıyor?
    Şu anda pek çok şey hala yarı manuel olarak çalışıyor. Geliştiriciler yapay zeka sistemlerinin yardımıyla komut dosyaları, formüller veya yapılar oluşturuyor ve ardından bunları FileMaker'a kendileri aktarıyor. Artık bunun için pano dönüştürücüleri veya özel dönüştürme araçları gibi çeşitli yardımcı çözümler var.
11. Yapay zeka tarafından üretilen kodun FileMaker'a doğrudan aktarımı şu anda neden hala karmaşık?
    FileMaker, normal metin gibi kolayca eklenemeyen kendi dahili komut dosyası yapılarına sahiptir. Bu nedenle, AI çıktılarının verimli bir şekilde kullanılabilmesi için genellikle özelleştirilmesi veya özel ara çözümler kullanılarak dönüştürülmesi gerekir.
12. Yapay zeka için hangi pratik uygulama alanları bugün özellikle iyi çalışıyor?
    Yapay zeka, özellikle metin oluşturma, belge tanıma, çeviriler, bilgi organizasyonu, veri analizi ve otomasyonu destekleme konularında halihazırda çok faydalı sonuçlar vermektedir. Yapay zeka özellikle tekrarlayan görevlerin hazırlanabildiği veya hızlandırılabildiği durumlarda güçlüdür.
13. Yapay zekanın geleneksel geliştiricilerin yerini tamamen alması neden olası değil?
    Çünkü teknik uygulama, profesyonel yazılım geliştirmenin yalnızca bir parçasıdır. Süreçleri, veri mantığını, organizasyonel iş akışlarını ve uzun vadeli yapısal planlamayı anlamak hala çok önemlidir. Yapay zeka birçok görevi hızlandırabilir, ancak gerçek şirketlerin tüm karmaşıklığını otomatik olarak anlamaz.
14. Buna rağmen geliştiricilerin rolü neden önemli ölçüde değişebilir?
    Odak noktasının giderek teknik rutinler yazmaktan sistem mimarisi, süreç tasarımı, kalite kontrol ve stratejik planlamaya doğru kayması muhtemeldir. Sonuç olarak, geliştiricilerin daha kurumsal ve teknik genel planlamacılar haline gelmesi muhtemeldir.
15. Neden birçok şirket şu anda yapay zeka gelişiminin hızını abartıyor?
    Çünkü görünür ilerleme genellikle istikrarlı üretim sistemlerinin oluşturulmasından daha hızlı gerçekleşir. Etkileyici bir demo ile dayanıklı bir günlük sistem arasında genellikle aylar hatta yıllar süren pratik geliştirme çalışmaları vardır.
16. Aceleye getirilen yapay zeka projelerinin tehlikesi nedir?
    Birçok şirket kısa vadeli deneyleri uzun vadeli istikrarlı çözümlerle karıştırma riskiyle karşı karşıyadır. Net veri yapıları, anlaşılır süreçler ve bakım konseptleri olmadan, daha sonra yüksek takip maliyetlerine neden olan istikrarsız sistemler hızla ortaya çıkar.
17. Geliştiriciler neden şu anda Linux AI sunucuları ile bu kadar çok pratik deneyim kazanıyor?
    Çünkü yerel sistemler daha fazla kontrol ve esneklik sağlar. Geliştiriciler kendi modellerini kullanabilir, özel eğitim alabilir ve farklı araçları birbirleriyle birleştirebilirler. Ancak aynı zamanda bu, şu anda hala çok fazla deneyim ve sabır gerektiren birçok teknik zorluk da yaratmaktadır.
18. Yapay zeka gelişiminin şu anki aşaması geçmişe bakıldığında neden özellikle önemli olabilir?
    Gelecekteki standart sistemlerin temelleri muhtemelen şu anda atılıyor. Bugünün deneylerinin çoğu hala tamamlanmamış veya karmaşık görünebilir, ancak değerli pratik deneyimler sağlarlar. BT tarihindeki daha önceki teknolojik çalkantılar da benzerdi.
19. Yapay zeka projelerinin uzun vadede başarısını belirlemesi muhtemel olan nedir?
    Muhtemelen en göz alıcı bireysel teknoloji değil, günlük kullanıma uygun, istikrarlı, bakımı yapılabilir sistemler oluşturma becerisi. Uzun vadede, gerçek iş süreçlerini anlamlı bir şekilde destekleyen ve uzun vadede güvenilir bir şekilde çalışan çözümlerin galip gelmesi muhtemeldir.