Dünyanın En Büyük Firmaları Yapay Zeka (AI) İle Nereye Gidiyor?

Bu hafta sizlerle birkaç raporu paylaşacağım. İlki, McKinsey’in The state of AI: How organizations are rewiring to capture value.” Diğeri Cloudera’nın “The Future of Enterprise AI Agents Unlocking Autonomous Transformation in 2025.” Bir başkası ise SS&C Blue Prism’in “The Global Enterprise AI Survey 2025” Raporu. Bakalım yapay zeka (Aİ) konusunda üst düzey yöneticiler ne düşünüyor ve şirketler neler yapıyorlar. İyi okumalar.

1. McKinsey’in The State of AI: How Organizations are Rewiring to Capture Value” Raporu:

Mart 2025’de yayımlanan raporda belirtildiği üzere 16 – 31 Temmuz 2024 tarihleri arasında online yapılan ankete 101 ülkeden farklı sektörlerden, şirket büyüklüklerinden, uzmanlık alanı ve kademelerden 1.491 katılımcı iştirak etmiş. Ankete katılanların % 42’si, yıllık geliri 500 milyon dolardan fazla olan kuruluşlarda çalıştıklarını belirtmiş. Yanıt oranlarındaki farklılıkları dengelemek için veriler, her bir katılımcının ülkesinin küresel GSYİH’ye katkısı ile ağırlıklandırılmış.

• Ankete katılanların % 21’i, şirketlerinde üretken (gen) AI kullandığını ve en azından bazı iş akışlarının tamamıyla yeniden tasarladığını belirtmiş.
• AI’nın uygulanması için bazı temel unsurlar tamamen veya kısmen merkezileştirilme eğilimi göstermiş. Çoğunlukla, bazı kaynakların merkezi olarak yönetildiği, diğerlerinin ise işlevler veya iş birimleri arasında dağıtıldığı hibrit veya kısmen merkezi bir model kullandıkları ifade edilirken yıllık geliri 500 milyon doların altında olan şirketlerde tamamen merkezileştiği vurgulanmış.
• Şirketleri gen AI kullanan katılımcıların %27’si, çalışanların gen AI tarafından oluşturulan tüm içeriğin kullanılmadan önce incelediğini söylemiş (Örneğin, bir müşteri chatbot’un yanıtını görmeden veya AI tarafından oluşturulan bir görüntü pazarlama materyallerinde kullanılmadan önce).

Grafik 1: Gen AI çıktılarının kullanımdan önce incelenme oranı, (yanıt verenlerin yüzdesi)

• Büyük şirketler, diğer şirketlere göre daha fazla riski azalttıklarını bildirmiş. (Örneğin, potansiyel siber güvenlik ve gizlilik risklerini daha kolay yönetmesi), Fakat AI çıktılarının doğruluğu veya açıklanabilirliği ile ilgili riskleri yönetebilmeleri diğer şirketlerden daha yüksek değil.
• Şirketlerin 1/3’ünden azı, şirketlerinin gen AI için 12 benimsenme ve ölçeklendirme uygulamasının çoğunu takip ettiğini bildirmiş (Grafik 2).

Grafik 2: Genel AI uygulamaları kullanan şirketler, yanıt verenlerin %’si

• Şirketler, önümüzdeki üç yıl içinde geçen yıla göre daha fazla AI ile ilgili yeniden beceri kazandırma eğitimi almayı beninsemekte.

Grafik 3: Çalışanların yeniden beceri kazanma durumu

• Şirketler genellikle pazarlama ve satış, ürün ve hizmet geliştirme, hizmet operasyonları ve yazılım mühendisliği alanlarında gen AI kullanmaktadır.
• Üst düzey yöneticilerin (C-level) %53’ü iş yerinde düzenli olarak gen AI kullandığını belirtirken bu oran orta düzey yöneticilerde %44.
• Şirketlerin çoğu maliyetlerde azalma olduğunu bildirmiş. Ancak, gen AI’nın karlılık üzerindeki etkisinin henüz şirket genelinde önemli bir düzeyde olmadığı belirtilmektedir. Şirketlerin %80’inden fazlası, şirketlerinin gen AI kullanımından şirket düzeyinde EBIT üzerinde somut bir etki görmediğini belirtmiştir.

Grafik 4: İş birimlerinde gen AI kullanımından kaynaklanan maliyet düşüşü, son 12 ay, işlevlere göre,¹ yanıt verenlerin %’si

(Soru, şirketlerinin belirli bir işlevde gen AI kullandığını belirten katılımcılara yöneltildi. “Maliyet artışı”, “değişiklik yok”, ‘uygulanamaz’ veya “bilmiyorum” yanıtını veren katılımcılar gösterilmemiş. Üretimde gen AI kullanımına ilişkin veriler, raporlama eşiğini karşılayacak kadar büyük bir örneklem büyüklüğü olmadığı için gösterilmemiş. İlk 2024 anketi 22 Şubat ile 5 Mart tarihleri arasında, ikinci anket ise 16 Temmuz ile 31 Temmuz tarihleri arasında gerçekleştirilmiş).

En çarpıcı bulgu şirketlerin %80’inden fazlasının gen AI kullanımından şirket düzeyinde EBIT üzerinde somut bir etki görmediği!!!!! Nitekim bu durum gene McKinsey’in Haziran 2025 tarihli “Seizing the Agentic AI Advantage” raporunda “gen AI paradox” olarak adlandırılıyor. 10 şirketin 8’i karlarında kayda bir artışın olmadığını belirtilmiş. Raporda gen AI paradoksunun merkezinde, yatay ve dikey kullanım örnekleri arasındaki dengesizliğin yattığı vurgulanmış. Yatay kullanımdan kasıt şirket personelinin kurumsal çapta co-pilotlar ve chatbot kullanmasıdır. Raporda belirtildiği üzere Fortune 500 şirketlerinin yaklaşık yüzde 70’i Microsoft 365 Copilot kullanmaktadır. Bu araçlar, çalışanların rutin işlerinde zaman kazanmalarına ve bilgilere daha verimli bir şekilde erişip bunları sentezlemelerine yardımcı olarak bireysel üretkenliği artırmak için birer kaldıraç olarak görülmektedir. Fakat bu iyileştirmeler çalışanlar arasında yaygın olarak görülmemektedir. Sonuç olarak da bunlar üst düzey veya alt düzey sonuçlar açısından kolayca fark edilememektedir.

Dikey kullanım ise belirli iş fonksiyonlarına ve süreçlerine entegre edilen gen AI örnekleri olarak açıklanmaktadır ve dikey kullanımın doğrudan ekonomik etki potansiyeli daha yüksek olmasına rağmen çoğu şirkette sınırlı ölçeklendirme görmüştür (Şekil 1). McKinsey araştırmasına göre, uygulanan kullanım örneklerinin yüzde 10’undan azı pilot aşamayı geçebilmektedir. Tamamen uygulandıklarında bile, bu kullanım örnekleri genellikle iş sürecinin yalnızca izole adımlarını desteklemiş ve proaktif veya otonom bir şekilde çalışmak yerine, insan tarafından uyarıldığında reaktif bir modda çalışmıştır. Sonuç olarak, iş performansı üzerindeki etkileri de sınırlı kalmıştır.

Şekil 1: İş fonksiyonları genelinde, yatay ve dikey gen AI kullanımı

Bu dengesizliğin nedeni Microsoft Copilot veya Google AI Workspace gibi yatay olarak dağıtılan co-pilotlar, uygulaması nispeten kolay, hazır çözümler sunmaktadır.  (Çoğu durumda, Microsoft Copilot’u etkinleştirmek, mevcut Office 365 sözleşmesine bir uzantı eklemek kadar basittir ve iş akışlarının yeniden tasarlanmasını veya büyük çaplı değişiklik yönetimi çabalarını gerektirmemektedir). Kurumsal sohbet robotlarının hızlı bir şekilde kullanıma sunulması, risk azaltma endişeleri tarafından da teşvik edilmiştir. Çalışanlar ChatGPT gibi harici büyük dil modellerini (LLM) denemeye başladıkça, birçok kuruluş veri sızıntısını sınırlamak ve kurumsal güvenlik politikalarına uyumu sağlamak için dahili, güvenli alternatifler uygulamaya koymuştur.

Sınırlı kullanım ve dikey kullanım örneklerinin dar kapsamı ise 6 temel faktöre dayandırılmıştır:

1. Parçalı girişimler: Birçok şirkette, dikey kullanım örnekleri, bireysel işlevler içinde aşağıdan yukarıya, son derece ayrıntılı bir yaklaşımla belirlenmiştir. Aslında, şirketlerin % 30’undan azı, CEO’larının AI gündemini doğrudan desteklediğini bildirmektedir. Bu durum, birbirinden kopuk mikro girişimlerin çoğalmasına ve AI yatırımlarının dağınık hale gelmesine yol açmış, kurumsal düzeyde koordinasyon sınırlı kalmıştır.
2. Olgun, paketlenmiş çözümlerin eksikliği: Copilot gibi hazır yatay uygulamaların aksine, dikey kullanım örnekleri genellikle özel geliştirme gerektirmektedir. Sonuç olarak, ekipler sıklıkla sınırlı deneyime sahip oldukları, yeni ortaya çıkan ve hızla gelişen teknolojileri kullanarak sıfırdan geliştirme yapmak zorunda kalmaktadır. Birçok şirket AI modelleri geliştirmek için veri bilimcilerine yatırım yapsa da, bu modelleri üretim ortamlarında endüstriyelleştirmek, dağıtmak ve sürdürmek için kritik öneme sahip MLOps mühendislerinden yoksundur.
3. LLM’lerin teknolojik sınırlamaları: Etkileyici yeteneklerine rağmen, ilk nesil LLM’ler, kurumsal ölçekte dağıtımlarını önemli ölçüde kısıtlayan sınırlamalarla karşı karşıya kalmıştır. İlk olarak, LLM’ler yanlış çıktılar üretebilir, bu da hassasiyet ve tekrarlanabilirliğin gerekli olduğu ortamlarda onlara güvenmeyi zorlaştırmaktadır. Dahası, güçlerine rağmen LLM’ler temelde pasiftir; komut verilmedikçe harekete geçmezler ve insan müdahalesi olmadan bağımsız olarak iş akışlarını yönlendiremez veya karar veremezler. LLM’ler ayrıca, birden fazla adım, karar noktası veya dallanma mantığı içeren karmaşık iş akışlarını yönetmekte zorluk çekmektedir. Son olarak, mevcut LLM’lerin çoğu sınırlı kalıcı belleğe sahiptir, bu da zaman içinde bağlamı takip etmeyi veya uzun etkileşimler boyunca tutarlı bir şekilde çalışmayı zorlaştırmaktadır.
4. Silolaşmış AI ekipleri: AI mükemmellik merkezleri, birçok kuruluşta farkındalığı ve denemeleri hızlandırmada önemli bir rol oynamıştır. Ancak, çoğu durumda, bu ekipler silolar halinde çalışmış ve AI modellerini temel BT, veri veya iş işlevlerinden bağımsız olarak geliştirmiştir. Bu özerklik, hızlı prototip oluşturma için yararlı olmakla birlikte, kurumsal sistemlerle zayıf entegrasyon, parçalı veri sağlama hatları veya operasyonel uyum eksikliği nedeniyle çözümlerin ölçeklendirilmesini zorlaştırmıştır.
5. Veri erişilebilirliği ve kalite eksiklikleri: Bu eksiklikler hem yapılandırılmış hem de yapılandırılmamış verilerde görülme eğilimindedir ve yapılandırılmamış materyaller çoğu kuruluşta büyük ölçüde yönetimsiz kalmaktadır.
6. Kültürel endişe ve kurumsal atalet: Birçok kuruluşta, AI uygulamaları, iş ekiplerinin ve orta kademe yöneticilerin, kesintiye uğrama korkusu, iş üzerindeki etkisine ilişkin belirsizlik ve teknolojiye aşina olmamaları nedeniyle örtülü bir dirençle karşılaşmıştır.

Şimdiye kadar kârlılık üzerindeki etkisi sınırlı olsa da, ilk nesil AI dalgası boşa gitmemiştir. Çalışanların yeteneklerini zenginleştirmiş, geniş çaplı denemeler yapılmasını sağlamış, işlevler arasında AI ile aşinalığı hızlandırmış ve kuruluşların hızlı mühendislik, model değerlendirme ve yönetişim alanlarında temel yetenekler geliştirmesine yardımcı olmuştur. Tüm bunlar, daha entegre ve dönüştürücü 2. aşama olan AI “agent”ları ortaya çıktığı yeni çağın temellerini atmıştır ki büyük kazanımlar sağlamıştır. Karmaşık iş akışlarını otomatikleştirerek, agentlar dikey kullanım senaryolarının tam potansiyelini ortaya çıkarmaktadır. İleri görüşlü şirketler, temel süreçleri dönüştürmek için agentların gücünden şimdiden yararlanmaya başlamıştır. Hatırlayalım: AI ajanları, kullanıcılar adına akıl yürütebilen, plan yapabilen ve hareket edebilen otonom yazılım sistemleridir.

• Agentların potansiyelini gerçekleştirmek için şirketler, işlerin yapılma şeklini yeniden tanımlamalıdır — görev akışlarını değiştirmeli, insan rollerini yeniden tanımlamalı ve agent merkezli süreçleri sıfırdan oluşturmalıdır.

• Bunu başarmak için, hem özel olarak geliştirilmiş hem de hazır agentları entegre edebilen yeni bir AI mimarisi paradigması, yani agent tabanlı AI ağı gerekecektir. Ancak asıl zorluk teknik değil, insani olacaktır: benimsenmeyi teşvik etmek için güven kazanmak ve uygun yönetişim protokolleri oluşturmaktır.

Rapora göre, Agentlar verimlilikten daha fazlasını sunmaktadır. Operasyonel çevikliği artırmakta ve yeni gelir fırsatları yaratmaktadır. Operasyon tarafında, agentlar rutin, veri yoğun görevleri üstlenir, böylece insanlar daha yüksek değerli işlere odaklanabilir. Ancak bununla kalmazlar, süreçleri 5 şekilde dönüştürürler:

1. Agentlar, görevler arasındaki gecikmeleri ortadan kaldırarak ve paralel işlemeyi mümkün kılarak yürütmeyi hızlandırır: Sıralı aktarımlara dayanan geleneksel iş akışlarından farklı olarak, agentlar birden fazla adımı aynı anda koordine edebilir ve yürütebilir, böylece döngü süresini kısaltır ve yanıt verme hızını artırırlar.
2. Agentlar uyarlanabilirlik sağlar: Verileri sürekli olarak işleyerek, agentlar süreç akışlarını anında ayarlayabilir, görev dizilerini yeniden düzenleyebilir, öncelikleri yeniden atayabilir veya hatalara dönüşmeden önce anormallikleri işaretleyebilir. Bu, iş akışlarını sadece daha hızlı değil, aynı zamanda daha akıllı hale getirir.
3. Agentlar kişiselleştirme sağlar: Etkileşimleri ve kararları bireysel müşteri profillerine veya davranışlarına göre adapte ederek, agentlar süreci dinamik olarak uyarlayarak memnuniyeti ve sonuçları en üst düzeye çıkarabilir.
4. Agentlar operasyonlara esneklik kazandırır: Agentlar dijital oldukları için, iş yüküne, iş sezonuna veya beklenmedik artışlara bağlı olarak yürütme kapasiteleri gerçek zamanlı olarak genişleyebilir veya daralabilir; bu, sabit insan kaynakları modelleriyle elde edilmesi zor bir şeydir.
5. Agentlar ayrıca operasyonları daha dayanıklı hale getirir: Kesintileri izleyerek, operasyonları yeniden yönlendirerek ve yalnızca gerektiğinde eskalasyon yaparak, süreçlerin çalışmaya devam etmesini sağlarlar; ister liman gecikmelerini yöneten tedarik zincirleri ister sistem kesintilerine uyum sağlayan hizmet iş akışları olsun.

Agentlar, mevcut gelir akışlarını artırarak ve tamamen yeni gelir akışları yaratarak ciro büyümesini de teşvik edebilmektedir:

• Mevcut gelirleri artırmak: E-ticarette, çevrimiçi mağazalara veya uygulamalara entegre edilen agentlar, kullanıcı davranışlarını, sepet içeriğini ve bağlamı (örneğin mevsimsellik veya satın alma geçmişi) proaktif olarak analiz ederek gerçek zamanlı üst satış ve çapraz satış teklifleri sunabilir. Finans sektöründe, agentlar müşterilerin kredi, sigorta planları veya yatırım portföyleri gibi uygun finansal ürünleri keşfetmelerine yardımcı olabilir ve finansal profiller, yaşam olayları ve kullanıcı davranışlarına göre özelleştirilmiş rehberlik sağlayabilir.
• Yeni gelir akışları yaratmak: Endüstriyel şirketler için, bağlı ürünlere veya ekipmanlara yerleştirilen agentlar, kullanımı izleyebilir, performans eşiklerini tespit edebilir ve özellikleri otomatik olarak açabilir veya bakım işlemlerini tetikleyebilir; böylece kullanım başına ödeme, abonelik veya performansa dayalı gelir yaratma modelleri mümkün hale gelir. Benzer şekilde, hizmet kuruluşları, iç uzmanlığı (hukuki muhakeme, vergi yorumlama ve tedarik en iyi uygulamaları) yazılım olarak hizmet araçları veya API’ler şeklinde müşterilere, ortaklara veya şirket içi uzmanlığı olmayan küçük işletmelere sunulan AI agentlarına dahil edebilir.

Agent çağında değeri koordine etmek için yeni bir AI mimarisi paradigması olan agent AI ağı gerektirmektedir.

Agentları ölçeklendirmek için şirketlerin üçlü bir zorluğun üstesinden gelmesi gerekecektir: AI agentlarının getirdiği yeni riskleri yönetmek, özel ve hazır agent sistemlerini harmanlamak ve hızla gelişen teknolojinin ortasında çevik kalmak (aynı zamanda kilitlenmeleri önlemek).

• Yeni bir risk dalgasını yönetmek. Agentlar, öncelikle izole LLM merkezli kullanım durumları için tasarlanmış geleneksel gen AI mimarilerinin asla ele almaya yönelik olarak geliştirilmediği yeni bir sistemik risk sınıfı ortaya çıkarır: kontrolsüz özerklik, parçalı sistem erişimi, gözlemlenebilirlik ve izlenebilirlik eksikliği, genişleyen saldırı yüzeyi ve agent yayılması ve çoğaltılması. Akıllı otomasyon olarak başlayan süreç, kontrol, ölçeklenebilirlik ve güveni önceliklendiren bir temele dayandırılmadıkça, hızla operasyonel kaosa dönüşebilir.
• Özel ve hazır agentları birleştirme. AI agentlarının dönüştürücü potansiyelini tam olarak yakalamak için, kuruluşlar yazılım paketlerine gömülü agentları etkinleştirmekten öteye geçmelidir. Bu hazır agentlar rutin iş akışlarını kolaylaştırabilir, ancak nadiren stratejik avantaj sağlar. Agent AI’nın tam potansiyelini gerçekleştirmek için, uçtan uca müşteri çözümleri, uyarlanabilir tedarik zinciri düzenlemesi veya karmaşık karar verme gibi yüksek etkili süreçler için özel olarak tasarlanmış agentların geliştirilmesi gerekecektir. Bu agentlar, şirketin mantığı, veri akışları ve değer yaratma kaldıraçlarıyla derinlemesine uyumlu olmalıdır; bu da onları kopyalamayı zor ve benzersiz bir şekilde güçlü kılar.
• Hızla gelişen teknolojide çevik kalmak. Agent AI yeni bir teknoloji alanıdır ve çözümler çok hızlı bir şekilde gelişmektedir. Agentlar, birden fazla sistemdeki iş akışlarını desteklemek zorunda olacak ve belirli bir platforma sabitlenmemelidir. Bu nedenle, evrimsel ve satıcıdan bağımsız bir mimari gereklidir.

• Cloudera’nın “The Future of Enterprise AI Agents: Unlocking Autonomous Transformation in 2025” Raporu:

Bir önceki bölümde konuyu agentlara bağlamıştık. O zaman devam edelim AI agentları ile ilgili araştırmayla. Cloudera, 2025 Şubat ayında 14 ülkede 1.484 kurumsal BT lideri ile gerçekleştirdiği araştırmasında AI agentlarının benimsenme modelleri, kullanım örnekleri ve bunlara ilişkin görüşleri derinlemesine incelemiş. Raporda finans, perakende, sağlık, üretim ve telekomünikasyon gibi sektörlere özgü içgörüler de yer alıyor. Bakalım 2025 yılında işletmeler, AI agentlarını kurumsal iş akışlarını iyileştirmek için nasıl kullanıyor:

• İşletmelerin %83’ü, sektörlerinde rekabet avantajı sağlamak için agentlara yatırım yapmanın önemli olduğuna inanıyor.
• 2025 yılı, birçok şirketin deneme aşamasından uygulama aşamasına geçmesiyle birlikte AI ajanlarının benimsenmesi için çok önemli bir yıl olacak.
• İşletmelerin %81’i mevcut GenAI modellerini geliştirmek için agent AI’dan yararlanıyor. AI agentları en çok şu alanlarda kullanılıyor:
  • %78 Müşteri Desteği
  • %71 Süreç Otomasyonu
  • %57 Tahmine Dayalı Analitik
• AI agentlarını benimsemede karşılaşılan başlıca zorluklar:
  • %53 Veri Gizliliği Endişeleri
  • %34 Uzmanlık Eksikliği
  • %40 Mevcut Sistemlerle Entegrasyon
  • %32 Etik veya Düzenleme Endişeleri
  • %39 Yüksek Maliyetler
  • %30 Yönetişim Endişeleri
• AI uygulamalarında veri kalitesi ve kullanılabilirliği sorunları, algoritma doğruluğu veya altyapı sınırlamalarından daha fazla önemli arz eden teknik zorluklardır.
• Finans ve sigorta sektörlerindeki firmalar, risk azaltma, uyumluluk ve müşteri hizmetleri otomasyonu için agent AI kullanmaya daha fazla odaklanmaktadır. Sırasıyla en fazla kullanılan uygulama alanları olarak dolandırıcılık tespiti (%56), risk değerlendirmesi (%44) ve yatırım danışmanlığı (%38) gelmektedir.
• İmalat sektörü, operasyonel verimliliği ve tedarik zinciri optimizasyonunu desteklemek için AI agentları benimsemektedir. İmalat kuruluşlarının yaklaşık yarısı tedarik zinciri optimizasyonu (%49), süreç otomasyonu (%48), kalite kontrolü (%47), bakım-arıza tahmini (%40) ve envanter yönetimi (%39) için AI agentları araştırmaktadır.
• Perakende ve e-ticarette, AI agentları öncelikle müşteri hizmetleri (%50), fiyat optimizasyonu (%49), talep tahmini (%48), tedarik zinciri izleme (%47), envanter yönetimi (%47) ve kişiselleştirme motorları (%44) için kullanılmaktadır.
• Sağlık sektöründe AI agentlarının en yaygın kullanım alanları randevu planlama (%51), teşhis yardımı (%50) ve tıbbi kayıtların işlenmesi (%47) olarak öne çıkmaktadır.
• Telekomünikasyon sektöründe ankete katılan yöneticilerin %49’u müşteri destek botlarını, %49’u ise güvenlik izleme botlarını ve %44’ü müşteri deneyimi temsilcilerini araştırıyor.

Rapor, sonuç bölümündeki şu önerilerle bitiyor:

• Veri altyapınızı ve entegrasyon yeteneklerinizi güçlendirin.
• Yüksek etkili projelerle başlayarak anında ROI elde edin ve buradan yola çıkarak büyüyün.
• İlk olarak hesap verebilirliği sağlayın, ardından yönetişim ve etik çerçeveleri oluşturun.
• Takımların becerilerini geliştirin ve insan-AI işbirliği kültürünü teşvik edin.

• SS&C Blue Prism’in 1The Global Enterprise AI Survey 2025” Raporu:

250’den fazla çalışanı olan büyük işletmelerde genel müdür düzeyinde veya üstünde üst düzey yöneticilerin katıldığı araştırma Amerika (300 görüşme), Avrupa (1.100 görüşme) ve APAC (250 görüşme) ile 11-30 Aralık 2024 tarihinde gerçekleştirilmiştir.

• Şirketinizin en son teknoloji agent AI benimseme planları nelerdir?
  • %29 – Bunu halihazırda uyguluyoruz
  • %44 – Şu anda bunu uyguluyoruz
  • %18 – Uygulamayı planlıyoruz
  • %5 – Seçenekleri değerlendiriyoruz
  • %3 – Uygulanabilirliğini araştırıyoruz
  • %1 – Bunu değerlendirmiyoruz
• Üst düzey yöneticilerin %94’ü, süreç düzenlemesini başarılı bir AI uygulamasının anahtarı olarak görüyor.
• Küresel şirketlerin %88’i yapay zeka kullanımından elde edilen değeri ölçüyor.
• İş dünyası liderlerinin %84’ü, yapay zekanın geleneksel çalışma yöntemlerini kökünden değiştirebileceğini kabul ediyor.
• %80’i, AI’nın bilgi çalışanlarını serbest bırakarak  yüksek faydalar sağlayacağına inanıyor.
• Şirketlerin %70’i her zaman agent AI’ya güvenmiyor.
• AI projelerinin %69’ u, operasyonel iş kullanımına geçemiyor.
• Şirketlerin %44’ü verileri etkili bir şekilde aktarmak için sağlam sistemlere sahip değildir ve %41’i yanlış veya tutarsız verilerle mücadele etmektedir.
• Şirketlerin %70’i, önümüzdeki üç yıl içinde AI tabanlı otomasyonun geleneksel RPA tabanlı otomasyonun yerini alacağından oldukça emin.
• Şu anda, en ileri teknolojiye sahip AI benimsemenin önündeki en büyük üç engel beceri ve uzmanlık eksikliği %35, teknoloji entegrasyonu ve geçiş zorlukları %35,  güvenlik ve uyumluluk endişeleri %37.
• İşletmelerin 19%’u iş açısından kritik süreçlerde AI kullanırken, %65’i şu anda görev açısından kritik süreçlerde AI uygulamakta veya uygulamayı planlamaktadır.
• Finansal hizmet kuruluşlarının %25’i AI uygulamalarında büyük ölçüde başarısız oldu.
• Sağlık sektöründeki katılımcıların %57’si, AI teknolojisinin benimsenmesi konusunda hasta gizliliği ve veri güvenliği konusunda endişe duyuyor.
• Araştırmaya katılan C-level yöneticilerin  %55’i son zamanlarda gen AI ve agentic AI ile yaptıkları AI uygulamalarının şu ana kadar son derece düşük somut değer yarattığını söylüyor.
• Finansal hizmet kuruluşlarının %53’ü önemli sorunları etkili bir şekilde çözdüğüne inanıyor, ancak sadece %40’ı güçlü bir ROI sağladığına inanıyor.
• Üst düzey yöneticilerin  %36’sı en son teknoloji AI’ya yapılan yatırımın iyi bir yatırım olduğunu, çünkü projelerin işletme için değer yarattığını belirtiyor.