AI-in-the-loop pilləkəni (AI-in-the-loop ladder), strateji qərarda süni intellektə nə qədər qərar səlahiyyəti verilə biləcəyini qərarın əhəmiyyəti, geri qaytarıla bilməsi, nəticə geribildiriminin müşahidə oluna bilməsi və məqsədin nə dərəcədə dəqiq müəyyənləşdirilə bilməsinə görə beş səviyyəyə ayıran normativ idarəetmə çərçivəsidir. Singh və Rao-nun konseptual tədqiqatı süni intellektin strateji qərarverməyə vahid formada təsir etmədiyini müdafiə edir. Məqalə bu təsiri dörd AI rolu, altı qərar mərhələsi və prosesdən qaynaqlanan səkkiz xəta formasına ayırır; sonra hər strateji seçimdə insan məsuliyyətini görünən saxlamaq üçün beşpilləli qərar-səlahiyyət pilləkəni və bir səhifəlik qərar charter-i təklif edir. Tədqiqat yeni eksperimental məlumat yaratmır; dərc edilmiş araşdırmalar, sektor sorğuları və xüsusilə Hindistan texnologiya xidmətləri, bankçılıq və global capability centre kontekstində müşahidə olunan tətbiqlər əsasında konseptual model inkişaf etdirir.
Məqalənin mərkəzi iddiası budur ki, süni intellektin strateji qərar prosesində təsirinin ən güclü olduğu yerlərlə institusional hesabatlılığın ən çox cəmləşdiyi yerlər eyni deyil. AI ətraf mühitin skan edilməsi, informasiyanın sıxlaşdırılması, proqnozlaşdırma və seçimlərin qiymətləndirilməsində güclü şəkildə işə düşərkən, problemin çərçivələnməsi ilə yekun seçim və öhdəlik mərhələlərində daha məhdud qalır. Buna qarşılıq qərarın institusional məsuliyyəti xüsusilə çərçivələmə və öhdəlik mərhələlərində cəmləşir. Buna görə modelin analitik töhfəsinin artması qərar hüququnun avtomatik olaraq modelə ötürülməsi demək olmamalıdır.
Tədqiqat AI dəstəkli strateji qərarların əsas risklərini də yalnız modelin dəqiqliyi ilə izah etmir. Avtomatlaşdırma qərəzi, alqoritmdən yayınma, qiymətləndirmə qeyri-sabitliyi, seçimlərin bir-birinə bənzəməsi, yanlış proksi məqsəd, özünü gerçəkləşdirən proqnoz, hesabatlılıq boşluğu və məxfi strateji məlumatın sızması kimi problemlər modeli əhatə edən qərar prosesindən yarana bilər. Buna görə müəlliflərin təklifi daha yaxşı model almaqdan çox, qərarın kim tərəfindən, hansı AI rolu ilə, hansı alternativlər və hansı etirazlar nəzərə alınmaqla verildiyini qeydə alan idarəetmə intizamı qurmaqdır.
Strateji qərarvermə adi əməliyyat qərarlarının daha böyük miqyaslı versiyası deyil. Tədqiqat strateji qərarların məzmun, proses və ya nəticə baxımından strateji ola biləcəyini bildirir. Bazara daxil olmaq, böyük sərmayə qoymaq, şirkət portfelini dəyişmək və ya mühüm müştəriyə hansı qiymətlə təklif veriləcəyini qərarlaşdırmaq kimi seçimlər strateji məzmuna malik ola bilər. Strateji proses isə rutin olmayan, qeyri-müəyyən, nəticələri ağır və məqsədi tam müəyyənləşdirilməmiş qərarları əhatə edir. Bəzi qərarlar isə böyük resurs bölgüsü, reputasiya riski və ya geri qaytarılması çətin öhdəliklər doğurduğu üçün nəticə baxımından stratejidir.
Bu fərq vacibdir; çünki süni intellektin bir proqnozu yaxşılaşdırması bütün qərar prosesini avtomatik olaraq yaxşılaşdırmır. Strateji qərarın keyfiyyəti yalnız nəticənin mənfəətli və ya zərərli çıxması ilə ölçülə bilməz. Yaxşı qurulmuş qərar prosesi uğursuz nəticə verə bilər; pis qurulmuş proses isə təsadüfən yaxşı nəticə yarada bilər. Buna görə tədqiqat strateji qərar keyfiyyətini seçimlərin necə yaradıldığı, fərziyyələrin necə sorğulandığı, etirazların qeydə alınıb-alınmadığı və yekun öhdəliyin kimin məsuliyyətində olduğu əsasında qiymətləndirməyi təklif edir.
Süni intellektin strateji qərara dörd daxilolma forması
| AI rolu | Əsas funksiya | Strateji qərardakı yeri | Əsas idarəetmə sualı |
|---|---|---|---|
| Analyst — Analitik | Bazar, rəqib, müştəri, tənzimləmə və şirkətdaxili məlumatları skan edir; siqnalları toplayır, ümumiləşdirir və proqnoz yaradır. | Xüsusilə ətraf mühitin skan edilməsi və qiymətləndirmə mərhələlərində güclüdür. | Modelin çıxışı informasiya girişi olaraq qalır, yoxsa müzakirə edilmədən qərarın başlanğıc nöqtəsinə çevrilir? |
| Generator — Generator | Ssenarilər, strateji seçimlər, bazara giriş yolları, qiymətləndirmə strukturları və biznes modeli alternativləri yaradır. | Seçim yaratma darboğazını azalda bilər. | Daha çox seçim həqiqətən daha müxtəlif seçimlər deməkdirmi? |
| Challenger — Etirazçı | Pre-mortem, red-team tənqidi, əks arqument, baza nisbəti və fərziyyə yoxlaması aparır. | Qərar prosesində təşkilatlanmış etirazı gücləndirməyi hədəfləyir. | Model yalnız üstün mövqeyi dəstəkləmək üçün istifadə olunur, yoxsa həqiqətən əks mövqe yaradır? |
| Agent — Agent | İnsanların əvvəlcədən müəyyən etdiyi sərhədlər daxilində qiymət, büdcə, hədəfləmə və ya oxşar hərəkətləri birbaşa həyata keçirir. | Tövsiyə ilə icra arasındakı məsafəni azaldır. | Model hərəkətə keçəndə səlahiyyətin və hüquqi məsuliyyətin sahibi kimdir? |
Bu dörd rol bir-birini istisna etmir. Eyni sistem əvvəlcə bazarı skan edə, sonra strateji seçimlər yarada, daha sonra seçimləri tənqid edə və sonrakı dövrdə seçilmiş strategiyanın məhdudlaşdırılmış hissəsini icra edə bilər. Tədqiqatın idarəetmə baxımından mühüm saydığı məqam budur ki, şirkətlər çox vaxt “AI istifadə etməyə başladıq” şəklində tək keçid yaşamır; fərqinə varmadan daha yüksək səlahiyyət səviyyələrinə irəliləyə bilirlər.
Generator rolunda ayrıca mühüm qiymətləndirmə problemi də var. Mənbənin istinad etdiyi generative-AI qiymətləndirmə tədqiqatında eyni seçimlərin sırasının dəyişdirilməsi ayrı-ayrı model mühakimələrində güclü qeyri-sabitlik yarada bilmişdir. Buna görə müəlliflər bir modelə tək prompt verərək əldə edilən qiymətləndirmənin strateji qərar sənədinə birbaşa köçürülməsinə qarşı çıxır; müxtəlif modellər, promptlar və rollar üzrə əvvəlcədən müəyyənləşdirilmiş aqreqasiya protokolunu daha etibarlı yanaşma hesab edirlər.
Süni intellekt strateji qərar prosesinin hansı mərhələlərində daha güclüdür?
Tədqiqata görə süni intellektin təsiri altı mərhələyə bərabər paylanmır: ətraf mühitin skan edilməsi ilə qiymətləndirmə və proqnozlaşdırma mərhələlərində yüksək, problemin çərçivələnməsi və yekun seçim-öhdəlik mərhələsində isə daha aşağıdır. Bu bölgü idarəetmə baxımından kritikdir; çünki AI təsiri əsasən qərarın yuxarı axınında cəmləşərkən hesabatlılıq yekun öhdəlik tərəfində cəmləşir.
| Mərhələ | Funksiya | AI təsirinin xarakteri | Başlıca risk |
|---|---|---|---|
| 1. Skan və siqnal aşkarlanması | Rəqiblər, bazarlar, texnologiya, tənzimləyici mühit və daxili performans haqqında məlumat toplamaq. | Tədqiqatın AI təsirini ən güclü gördüyü mərhələlərdən biridir. | Geniş məlumat əhatəsinin doğru çərçivəni seçdiyi yanılgısı. |
| 2. Problemin çərçivələnməsi və diaqnoz | Hansı problemin həll ediləcəyini, hansı maraqların vacib olduğunu və hadisələrin necə izah ediləcəyini müəyyənləşdirmək. | AI təsiri daha məhduddur. | Modelin verilmiş çərçivəni çox yaxşı təhlil edərək yanlış və ya dar çərçivənin sorğulanmasını çətinləşdirməsi. |
| 3. Seçimlərin yaradılması | Alternativ strategiyalar və fəaliyyət yolları yaratmaq. | Sürətlə artan, lakin ikitərəfli təsir. | Uzun seçim siyahısının real müxtəliflik yaratmaması; təlim paylanmasının oxşar ideyaları yenidən istehsal etməsi. |
| 4. Qiymətləndirmə və proqnoz | Tələb, rəqib reaksiyası, maliyyə nəticəsi və ya biznes planı kimi seçim nəticələrini qiymətləndirmək. | AI təsirinin ən güclü olduğu sahələrdən biridir. | Ayrı model qiymətləndirməsinin qeyri-sabitliyi və kontekstsiz ballandırmanın iclasdaxili güc münasibətlərini təmsil edə bilməməsi. |
| 5. Seçim və öhdəlik | Seçimi müəyyənləşdirmək, resursu sərbəst buraxmaq və qərarın institusional məsuliyyətini üzərinə götürmək. | AI təsirinin ən zəif olduğu mərhələlərdəndir. | Təhlil ilə qərarvermə arasındakı fərqin silinməsi və insan məsuliyyətinin görünməzləşməsi. |
| 6. İcra və nəzərdən keçirmə | Qərarın icrasını izləmək, şəraitə uyğun reaksiya vermək və nəticələrdən öyrənmək. | Agentic AI ilə yüksəlir. | Model tərəfindən hazırlanmış avtomatik xülasələrin həqiqi təşkilati öyrənməni əvəz etməsi. |
Bu altımərhələli struktur məqalənin ən mühüm struktur iddialarından birini ortaya qoyur: süni intellekt bir çox şirkətdə ən görünən olduğu yerlərdə idarəetmə baxımından ən kritik rola malik olmaya bilər. Skan və proqnoz mərhələsində güclü texniki performans diqqət çəkir; lakin strateji məsuliyyətin həlledici nöqtələri çox vaxt hansı problemin seçildiyi və hansı qərarın imzalandığıdır.
Səkkiz xəta rejimi: problem həmişə model dəqiqliyi deyil
Tədqiqatın “signal landscape” adlandırdığı bölmə AI dəstəkli strateji qərarların səkkiz müxtəlif formada pozula biləcəyini müdafiə edir. Bu problemlərin ortaq cəhəti, modelin proqnoz dəqiqliyindən asılı olmayaraq qərar prosesinin strukturundan yarana bilmələridir.
| Xəta rejimi | Nə baş verir? | Müşahidə olunan siqnal | Təklif olunan əks tədbir |
|---|---|---|---|
| Automation bias — Avtomatlaşdırma qərəzi | Qərar verənlər avtomatik tövsiyəyə lazım olduğundan artıq çəki verir və əks sübut axtarışını azaldır. | İclasın model tövsiyəsi ilə başlaması; fərziyyələr əvəzinə yalnız model çıxışının müzakirə olunması. | Hər AI tövsiyəsi ilə əsas fərziyyə və etibar səviyyəsini görünən etmək; alternativ mövqeni müdafiə etmə məsuliyyətini bir şəxsə vermək. |
| Algorithm aversion — Alqoritmdən yayınma | Model səhv etdikdən sonra insanlar, insan qərarvericilər də səhv etsə belə, modelə həddən artıq reaksiya verir. | Modelin rəsmi şəkildə istifadə edilməsi, lakin real qərarların ayrıca və qeydə alınmayan elektron cədvəllərlə verilməsi. | Proqnoz xətalarını mütəmadi nəzərdən keçirmək və model xətası ilə istifadəçinin yanlış şərhini ayırmaq. |
| Evaluation instability — Qiymətləndirmə qeyri-sabitliyi | Eyni seçimlər sıralama və ya prompt dəyişdikdə fərqli qiymətləndirilə bilər. | Eyni sualın seçim sırası dəyişdirilərək yenidən soruşulmasının fərqli nəticə yaratması. | Tək prompt əvəzinə çoxmodel/prompt/rol aqreqasiya protokolu və əvvəlcədən müəyyənləşdirilmiş birləşdirmə qaydası. |
| Option homogenisation — Seçimlərin homogenləşməsi | Eyni baza modellər və ictimai məlumatlar istifadə olunduqca müxtəlif şirkətlərin strateji seçimləri bir-birinə bənzəməyə başlayır. | Şirkətlərarası qısa siyahıların və biznes əsaslandırmalarının getdikcə şablonlaşması. | Hər seçim dəstində ən azı bir insan mənşəli, şirkətin öz məlumatına və sahə biliyinə əsaslanan alternativ saxlamaq. |
| Proxy mis-specification — Proksi məqsədin yanlış müəyyənləşdirilməsi | Həqiqi strateji məqsəd asan ölçülə bilən, lakin məqsədi tam təmsil etməyən metrikə endirilir. | Metrik yaxşılaşarkən həqiqi məqsəd gözlə görünən şəkildə pisləşir. | Model istifadə edilməzdən əvvəl məqsəd və məhdudiyyətləri sadə dildə yazmaq və məqsədi adversarial şəkildə sorğulamaq. |
| Self-fulfilling forecasts — Özünü gerçəkləşdirən proqnozlar | Şirkət model proqnozuna uyğun davranaraq proqnozlaşdırılan mühiti dəyişdirir. | Şərti proqnozların iclas sənədlərində dəqiq həqiqət kimi istifadə edilməyə başlanması. | “Proqnoz doğru/yanlış olsa nə edərik və səhv etdiyimizi hansı sübut göstərər?” qollarını əvvəlcədən yazmaq. |
| Accountability gap — Hesabatlılıq boşluğu | AI töhfəsi artdıqca qərara cavabdeh insan sahibinin kim olduğu qeyri-müəyyənləşir. | Qərar sənədlərində sahibin olmaması, etirazın qeydə alınmaması və ya eyni şəxsin həm hazırlayan, həm də yoxlayan olması. | Qərar charter-i ilə insan sahibini, model rolunu, alternativləri və etirazı qeydə almaq. |
| Confidential-strategy leakage — Məxfi strategiya sızması | İdarə heyəti layihələri, satınalma tezisləri və ya yenidənqurma ssenariləri nəzarətsiz istehlakçı AI alətlərinə daxil edilir. | Şəxsi hesablarla şirkət işinin görülməsi və korporativ gateway xaricində həssas prompt istifadəsi. | Məlumatların təsnifatı, korporativ AI gateway-i və real istifadənin dövri auditi. |
Müəlliflərin ortaq şərhi budur ki, bu xəta formalarının çoxu “model problemi” görünüşündə olan proses problemləridir. Daha yüksək dəqiqliyə malik model almaq qərar iclasında etirazın itirilməsini, yanlış məqsədin optimallaşdırılmasını və ya həssas məlumatın yanlış sistemə daxil edilməsini öz-özünə həll etmir.
AI-in-the-loop pilləkəni nədir və qərar səlahiyyətini necə bölüşdürür?
AI-in-the-loop pilləkəni süni intellektə veriləcək qərar səlahiyyətini beş səviyyəyə ayırır: AI məlumat verir, tövsiyə edir, insanlarla birlikdə seçim yaradır, əvvəlcədən müəyyən edilmiş sərhədlər daxilində hərəkət edir və ya aşağı riskli, asan geri qaytarılan qərarlarda tam qərar verir. Müəlliflərin əsas prinsipi budur ki, qərarın təsiri və geri qaytarılmazlığı artdıqca AI-ya verilə biləcək maksimum səlahiyyət səviyyəsi azalmalıdır.
| Pillə | AI-nın rolu | Uyğun qərar növü | İnsan rolu |
|---|---|---|---|
| 1 — AI informs | Skan edir, birləşdirir, xülasə edir və proqnoz təqdim edir; rəsmi tövsiyə vermir. | Çox yüksək riskli və geri qaytarılması çətin strateji qərarlar. | Maşın qavrayışından istifadə olunur, lakin qərar mühakiməsi insanda saxlanılır. |
| 2 — AI recommends | Fərziyyə, etibar səviyyəsi və ən azı bir əks mövqe ilə birlikdə aydın tövsiyə təqdim edir. | Böyük strateji seçimlər üçün standart səviyyə. | Adı müəyyən edilmiş insan qərar verir və məsuliyyəti daşıyır. |
| 3 — AI co-generates | İnsanla birlikdə seçimləri və qiymətləndirməni əvvəlcədən müəyyənləşdirilmiş protokolla yaradır. | Bazara giriş, portfelin yenidən formalaşdırılması və qiymətləndirmə arxitekturası kimi seçim müxtəlifliyinin kritik olduğu hallar. | Yekun öhdəlik yenə adı müəyyən edilmiş insan tərəfindən götürülür. |
| 4 — AI acts within bounds | Əvvəlcədən təsdiqlənmiş sərhədlər daxilində büdcə, qiymət və ya oxşar hərəkəti icra edir. | Geri qaytarıla bilən və geribildirimi sürətlə müşahidə olunan qərarlar. | İnsan veto pəncərəsini, sərhədləri və avtomatik dayandırma şərtlərini dizayn edir. |
| 5 — AI decides | Tam delegasiya ilə qərar verir; insan sonradan nəzərdən keçirir. | Yüksək tezlikli, aşağı təsirli, tez geri qaytarıla bilən və məqsədi aydın müəyyənləşdirilən qərarlar. | Strateji xarakter böyük ölçüdə aradan qalxmışdır; post-hoc nəzarət davam edir. |
Pilləkəndə mövqe seçmək üçün üç əsas ox istifadə olunur. Birincisi təsir və geri qaytarıla bilmədir: qərar nə qədər mühüm və geri alınması nə qədər çətindirsə, yuxarı pillələrə qalxmaq bir o qədər məhdudlaşdırılır. İkincisi geribildirimin müşahidə oluna bilməsidir: nəticəsi sürətli və aydın şəkildə ölçülən qərar, nəticəsi illər sonra və çoxsaylı amillərdən sonra görünən qərardan daha yüksək avtomatlaşdırmaya uyğundur. Üçüncüsü məqsədin müəyyənləşdirilə bilməsidir: məqsəd aydın, audit edilə bilən və ziddiyyətsiz şəkildə yazıla bilirsə delegasiya daha məntiqlidir; məqsəd dəyər mühakimələrinə, çoxsaylı məqsədlərə və ya mübahisəli institusional seçimlərə əsaslanırsa pilləkənin yuxarı mərhələləri uyğun deyil.
Tədqiqatın iki sərt qaydasından birincisi hesabatlılığın ötürülə bilməməsidir. Pillə 1–3 çərçivəsindəki strateji qərarlarda və pillə 4-də AI-nın hərəkət edəcəyi sərhədləri dizayn edən prosesdə insan sahibi müəyyənləşdirilməlidir. İkinci qayda müəyyənləşdirilə bilməyən məqsədlərin pilləkəni məhdudlaşdırmasıdır. Mədəniyyət, təşkilatın məqsədi, tərəfdaş seçimi, işçi qüvvəsinin quruluşu və ya reputasiya kimi çoxmənalı məqsədlər yalnız asan ölçülə bilən metriklərə endirilərək tam avtomatlaşdırmaya keçirilməməlidir.
Qərar charter-i: AI-nın rolunu qeydə almaq
Müəlliflər pillə 2 və daha yuxarıdakı hər mühüm qərar üçün bir səhifəlik qərar charter-i təklif edirlər. Charter qərarın nə olduğunu, məqsəd və məhdudiyyətləri, seçilmiş pilləni və əsaslandırmasını, istifadə olunan AI rolunu və model/prompt məlumatını, AI-nın etməsi qadağan olunan işləri, ən azı bir insan mənşəli alternativ daxil olmaqla seçimlər dəstini, qeydə alınmış etirazları, adı müəyyən edilmiş insan sahibini və nəzərdən keçirmə tarixini/tetikleyicisini saxlamalıdır.
Bu qeyd bürokratik sənəd yaratmaqdan daha çox institusional yaddaş formalaşdırmağı məqsəd qoyur. Qərar uğurlu və ya uğursuz olduqda şirkət yalnız nəticəni deyil, qərarın necə yaradıldığını da araşdıra bilməlidir. Yalnız nəticələri nəzərdən keçirmək təsadüfən uğurlu olmuş pis qərar proseslərinin təkrarlanmasına səbəb ola bilər.
Təklif olunan yeddi addımlı tətbiq intizamı
Tədqiqatın tətbiq məntiqi bu ardıcıllığa əsaslanır: əvvəlcə qərarın təsiri, geri qaytarıla bilməsi, geribildirim və məqsədin müəyyənləşdirilə bilməsi təsnif edilir; sonra istifadə olunan alətin qabiliyyətinə görə deyil, bu təsnifata görə pillə seçilir; qərar charter-i doldurulur; seçimlərin yaradılması əvvəlcədən müəyyən edilmiş protokolla aparılır; qərar qəsdən pre-mortem və baza-nisbət yoxlaması ilə sınağa çəkilir; yekun öhdəlik adı müəyyən edilmiş insan tərəfindən götürülür və etiraz qeydə alınır; sonda əvvəlcədən müəyyən edilmiş tarixdə həm nəticə, həm də qərar prosesi nəzərdən keçirilir.
Hindistan konteksti: istifadə sürəti ilə idarəetmə yetkinliyi eyni deyil
Məqalə Hindistanı çərçivənin empirik təsdiqi kimi deyil, AI-nın mənimsənilməsinin idarəetmədən daha sürətli irəlilədiyi izahlı kontekst kimi istifadə edir. Müəlliflərin təqdim etdiyi NASSCOM məlumatlarına görə 2026 ortalarında Hindistan texnologiya xidmətləri sektorunun AI xidmət gəlirinin təxminən 10–12 milyard ABŞ dolları səviyyəsində olduğu, texnologiya xidmətləri şirkətlərinin təxminən dörddə birinin AI təcrübələrini istehsala keçirdiyi, təminatçıların təxminən %85-inin agentic AI platformalarına malik olduğu və iki milyondan çox AI bacarığına sahib peşəkarın olduğu bildirilmişdir.
Buna qarşılıq idarəetmə göstəriciləri daha aşağı yetkinliyə işarə edir. NASSCOM-un 574 müəssisəni əhatə edən Responsible AI araşdırmasında təxminən hər on müəssisədən üçünün yetkin məsul-AI praktikalarına malik olduğu, təxminən %45-nin rəsmi addımlar başlatdığı və təxminən hər iyirmi müəssisədən birinin baza məlumatlılığından kənara çıxan tətbiqə malik olmadığı bildirilir. Grant Thornton-un 2026 AI Impact Survey tədqiqatında texnologiya sektorundakı iştirakçıların %55-i tənzimləyici və ya uyğunluq qeyri-müəyyənliyini AI-nın miqyaslanmasının əsas maneəsi kimi göstərmişdir; mənbə texnologiya alt qrupunun 100 nəfər olması səbəbilə bu dəyərin dəqiq ölçüdən çox istiqamət göstərən siqnal kimi qiymətləndirilməli olduğunu xüsusi vurğulayır.
Texnologiya xidmətlərində təklif/qiymətləndirmə qərarları AI dəstəkli strateji qərarın tipik nümunəsi kimi təqdim edilir. Rəqib təhlili, müştəri ehtimalı, səy modelləri və qiymət bazasının yaradılması qərar komitələrinə model çıxışı kimi daxil ola bilər. Buradakı əsas risk proqnozun iclasın standart başlanğıc nöqtəsinə çevrilməsi və komitənin təsdiqlədiyi təhlilin sonradan yenidən istehsal edilə bilməməsidir.
Bankçılıq və global capability centre kontekstində isə kredit, fırıldaqçılıq və yığım kimi bir çox alqoritmik qərar əməliyyat xarakterli olsa da, mühüm strateji nəticələr yarada bilər. Hansı müştəri seqmentlərinə daxil olunacağı, AI qabiliyyətinin daxildə inkişaf etdirilib-etdirilməyəcəyi və ya satın alınıb-alınmayacağı, portfelin AI-native rəqabət altında necə formalaşdırılacağı kimi həqiqi strateji seçimlər insan tərəfindən çərçivələnir və öhdəlik götürülür. Bu kontekstdə seçim homogenləşməsi və yanlış proksi məqsəd seçimi xüsusilə mühüm olur.
Etik, hüquqi və hesabatlılıq sərhədləri
Tədqiqat dörd sərhədi xüsusi vurğulayır. Birincisi, institusional hesabatlılığın modelə ötürülə bilməməsidir. İdarə heyəti və ya qərar komitəsi yalnız “model belə tövsiyə etdi” deyərək öz mühakimə məsuliyyətini aradan qaldıra bilməz. İşçinin və ya müştərinin gələcəyinə maddi şəkildə təsir edən qərarlarda aydın insan sahibinin olması legitim qərar səlahiyyətinin şərti kimi qəbul edilir.
İkinci sərhəd məxfilik və məlumatların qorunmasıdır. Strateji qərarın məlumat yolu təhlil başlamazdan əvvəl dizayn edilməlidir: hansı məlumat hansı modelə daxil edilə bilər, hansı mühit istifadə edilə bilər, kim giriş əldə edə bilər və çıxışlar nə qədər saxlanıla bilər? Hindistan kontekstində müəlliflər bu mövzunu Digital Personal Data Protection Act və tətbiq çərçivəsi ilə əlaqələndirirlər; lakin tədqiqat hüquqi məsləhət xarakteri daşımır və tənzimləyici tələblərin inkişaf etməkdə davam etdiyini açıq şəkildə bildirir.
Üçüncü sərhəd ədalətdir. Strateji qərarlar müəssisələrə və sərmayələrə resurs ayırmaqla yanaşı, hansı məkanların böyüyəcəyini və hansı iş rollarının aradan qalxa biləcəyini də müəyyən edə bilər. Buna görə işçilərə və ya müştərilərə təsir edən AI dəstəkli strateji qərarlarda qorunan xüsusiyyətlərin cəzalandırıcı şəkildə istifadə edilməməsi, proksi dəyişənlərin yoxlanması, müxtəlif qruplara təsirin nəzərdən keçirilməsi və təsirlənən şəxslər üçün yetərli şəffaflığın təmin edilməsi lazımdır.
Dördüncü sərhəd məqsəd məhdudlaşdırmasıdır. Müəyyən bazara girişi qiymətləndirmək üçün hazırlanmış təhlil sonradan başqa məqsəd üçün, məsələn işçi qüvvəsini azaltmaq üçün əsaslandırma yaratmaq məqsədilə səssizcə yenidən istifadə edildikdə qərarın məlumat və səlahiyyət sərhədi dəyişmiş olur. Müəlliflər məqsəd məhdudlaşdırmasının yalnız siyasət sənədində deyil, texniki məlumat axınında da tətbiq edilməli olduğunu müdafiə edirlər.
Tədqiqatın Metodu və Nəticələri
Bu tədqiqat eksperimental və ya kəmiyyət araşdırması deyil. Müəlliflərin metodu strateji qərarvermə ədəbiyyatının, insan–AI mühakiməsinə dair inkişaf edən empirik tədqiqatların, sektor sorğularının, şirkət açıqlamalarının, hüquqi/tənzimləyici sənədlərin və praktik mənbələrin konseptual sintezinə əsaslanır. Hindistan texnologiya xidmətləri, bankçılıq və global capability centre kontekstləri hazırlanmış çərçivəni konkretləşdirmək üçün istifadə olunur; bunlar nümunə əsaslı case study-lər deyil.
Tədqiqatın orijinal töhfəsi yeni AI modeli və ya məlumat toplusu deyil, qərar prosesini idarə etmək üçün üçqat ayrımdır: mövqe — AI qərarın hansı mərhələsində işə düşür; xəta rejimi — həmin istifadə qərar prosesini hansı formada poza bilər; səlahiyyət — tövsiyə mübahisəli olduqda qərar hüququ və məsuliyyət kimdə qalır. Bu üçlü ayrım dörd AI rolunu, altı qərar mərhələsini, səkkiz xəta rejimini və beş qərar-səlahiyyət səviyyəsini eyni idarəetmə dili daxilində birləşdirir.
Məqalənin dörd tədqiqat müddəası
| Müddəa | İddia | Status |
|---|---|---|
| 1. Prosesin formallaşdırılması | AI istifadəsinin qərar keyfiyyətinə müsbət təsiri qərar prosesi sənədləşdirilə və nəzərdən keçirilə bildikdə daha güclü olmalıdır; qeyri-formal prosesdə AI yalnız sürəti artıra bilər. | Sınaqdan keçirilməli hipotez; bu tədqiqatda empirik olaraq təsdiqlənməyib. |
| 2. Foundation-model asılılığı | Eyni ictimai məlumatlara və oxşar foundation modellərinə əsaslanan şirkətlər orijinal məlumat və sahə biliyindən məhrumdursa strateji baxımdan bir-birinə yaxınlaşa bilər. | Sınaqdan keçirilə bilən konseptual müddəa. |
| 3. Adı müəyyən edilmiş sahib + qeydə alınmış etiraz | İnsan sahibinin və məcburi alternativ mövqenin qeydə alınması avtomatlaşdırma qərəzini azalda bilər. | Davranış eksperimenti və ya müqayisəli sahə tədqiqatı tələb edir. |
| 4. Tərs-U əlaqəsi | AI istifadəsinin idarəetmə yetkinliyindən daha sürətlə artdığı şirkətlərdə müəyyən nöqtədən sonra əlavə AI təsiri qərar keyfiyyətini azalda bilər. | Normativ çərçivədən çıxarılan, hələ sınaqdan keçirilməmiş müddəa. |
Açıq tədqiqat sualları
Tədqiqat üç mühüm sualı gələcək araşdırmalara saxlayır. Birincisi, strateji qərar keyfiyyətinin qərar verilməzdən əvvəl necə ölçüləcəyidir; çünki yalnız reallaşmış nəticədən istifadə etmək bacarıqla şansı bir-birinə qarışdırır. Proses auditləri, proqnoz kalibrlənməsi və seçim müxtəlifliyi namizəd ölçülərdir, lakin qəbul edilmiş vahid standart yoxdur.
İkinci sual təhlil prosesinin ilkin layihəsinin davamlı olaraq maşın tərəfindən hazırlanmasının insan bacarıqlarının inkişafına necə təsir edəcəyidir. Strategiya komandalarında gənc analitiklərin araşdırma, təqdimat və alternativ yaratma yolu ilə qazandığı şagirdlik təcrübəsinin avtomatlaşdırılması gələcəkdə yüksək səviyyəli strateji mühakimə inkişaf etdirəcək insan resursuna təsir göstərə bilər.
Üçüncü sual pillə 4 və 5 səlahiyyətləri yayıldıqca şirkətlərin idarə heyətlərinə, investorlarına və tənzimləyicilərə hansı AI qərar səlahiyyətlərini açıqlamalı olduğudur. Müəlliflərin təklif etdiyi idarəetmə dili bu açıqlamada modelin rolunu, pilləkən pilləsini, insan sahibini və nəzərdən keçirmə rejimini görünən edə bilər.
Tədqiqatın dəstəklədiyi və dəstəkləmədiyi şərhlər
| Tədqiqatın dəstəklədiyi | Tədqiqatın dəstəkləmədiyi |
|---|---|
| AI-nın strateji qərarvermədə təsirinin qərar mərhələsinə və AI roluna görə ayrılması faydalı idarəetmə çərçivəsi yaradır. | AI-in-the-loop ladder-in şirkət performansını artırdığı bu məqalədə empirik olaraq sübut edilməyib. |
| Model dəqiqliyindən asılı olmayan proses xətaları strateji qərar keyfiyyətinə təsir edə bilər. | Səkkiz xəta rejiminin hər sektorda eyni tezlikdə və ya eyni miqyasda ortaya çıxdığı göstərilməyib. |
| Strateji AI istifadəsində aydın qərar səlahiyyəti və adı müəyyən edilmiş insan sahibliyi hesabatlılığı gücləndirə biləcək idarəetmə vasitəsidir. | İnsan qərarvericilərin AI-dan asılı olmayaraq səhvsiz və ya üstün olduğu iddia edilmir. |
| Hindistan kontekstindəki sektor məlumatları sürətli AI mənimsənilməsi ilə daha yavaş idarəetmə yetkinliyi arasında mənalı idarəetmə problemi olduğuna işarə edir. | Hindistandakı bütün sektorların və ya şirkətlərin eyni yetkinlik səviyyəsində olduğu nəticəsinə gəlmək olmaz. |
| Qərar prosesinin sənədləşdirilməsi, etirazın qeydə alınması və qərar sahibinin müəyyənləşdirilməsi araşdırılmağa dəyər, tətbiq oluna bilən idarəetmə vasitələridir. | Bu vasitələrin səbəb-nəticə təsiri bu tədqiqat tərəfindən ölçülməyib. |
Əsas məhdudiyyətlər
Birinci məhdudiyyət tədqiqatın yeni empirik məlumat toplamamasıdır. İstifadə olunan kəmiyyət göstəriciləri fərqli metod və təşviq strukturlarına malik akademik və ya sektor mənbələrindən gəlir. Buna görə sektor göstəricilərinin eyni keyfiyyət səviyyəsində ölçüldüyü fərz edilməməlidir.
İkinci məhdudiyyət səkkiz xəta rejimini dəstəkləyən generative-AI ədəbiyyatının hələ gənc olmasıdır. Bugünkü model davranışının sonrakı model nəsillərində eyni qalacağına zəmanət yoxdur.
Üçüncü məhdudiyyət Hindistan nümunələrinin stilizə olunmasıdır. Texnologiya xidmətləri şirkətləri, məhsul şirkətləri, captive mərkəzlər, global capability centre-lər və BFSI qurumları bir-birindən fərqli qərar strukturlarından istifadə edir; tədqiqatdakı nümunələr bütün bu qurumların eyni şəkildə işlədiyi demək deyil.
Dördüncü məhdudiyyət AI-in-the-loop ladder-in normativ vasitə olmasıdır. Müəlliflər hansı qərarın hansı pilləyə yerləşdirilməli olduğunu əsaslandırıblar, lakin pilləkənin tətbiqinin qərar performansını nə dərəcədə dəyişdirdiyini ölçməyiblər.
Beşinci məhdudiyyət hüquqi şərhdir. Tədqiqat hüquqi məsləhət deyil; Hindistanda məlumatların qorunması və AI idarəetməsi öhdəlikləri inkişaf etməkdə davam edir.
Ümumi nəticə
Tədqiqatın əsas mesajı budur ki, strateji qərarvermədə AI təsiri yalnız “AI istifadə olunurmu?” sualı ilə idarə edilə bilməz. Qurumlar eyni anda üç şeyi müəyyənləşdirməlidir: model qərar prosesinə harada daxil olur, bu istifadə hansı proses xətalarını yarada bilər və yekun qərar səlahiyyəti kimdədir.
AI-nın analitik qabiliyyəti artdıqca insanın rolunun avtomatik olaraq aradan qalxmalı olduğu nəticəsi çıxmır. Əksinə, proqnoz və təhlil ucuzlaşdıqca problemin çərçivələnməsi, məqsəd seçimi, alternativ mövqenin qorunması, geri qaytarılmaz öhdəliklərin götürülməsi və hesabatlı qərar sahibi olmaq kimi insan mühakiməsinə əsaslanan elementlər daha görünən olur.
Buna görə tədqiqatın praktik töhfəsi yeni AI texnologiyası deyil, qərar idarəetməsi intizamıdır: AI rolunu açıq müəyyənləşdirmək, qərar səviyyəsini əvvəlcədən seçmək, alternativi və etirazı qeydə almaq, modelin hərəkət sahəsini məhdudlaşdırmaq, insan sahibini adlandırmaq və sonradan yalnız nəticəni deyil, qərar prosesini də qiymətləndirmək.
Mənbə və Metod Qeydi
Orijinal başlıq: The Influence of AI in Strategic Decision Making: Stages, Signals, and Decision Rights
Müəlliflər: Abhishek Kumar Singh; Chetan Rao.
Qurum: School of Management, Anurag University, Hyderabad, India.
Müəllif identifikatorları: PDF, Abhishek Kumar Singh üçün ORCID 0009-0002-4713-5706; Chetan Rao üçün ORCID 0009-0007-7163-1212 məlumatını verir.
Mənbə növü: Konseptual və arqumentativ working paper; praktik yönümlü idarəetmə və süni intellekt idarəetməsi tədqiqatı.
Platforma: SSRN.
Yazılma tarixi: 27 sentyabr 2026.
SSRN-ə göndərilmə tarixi: 29 sentyabr 2026.
Səhifə sayı: 17.
DOI: 10.2139/ssrn.7535159
Resenziya statusu: Mənbə SSRN working paper sənədidir; resenziyalı jurnal məqaləsi kimi təqdim edilməməlidir.
Lisenziya: Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0).
Maliyyələşdirmə: Müəlliflər xarici maliyyələşdirmə mənbəyinin olmadığını bəyan edirlər.
Maraqların toqquşması: Müəlliflər rəqabət aparan maraqların olmadığını və məqalədə istinad edilən AI platformaları, analitika təminatçıları, konsaltinq şirkətləri və ya sektor təşkilatları ilə kommersiya əlaqəsinin olmadığını bildirirlər.
Etik təsdiq: Tədqiqat xəstə, insan iştirakçısı, şəxsi məlumat, sorğu, müsahibə, fokus qrupu, eksperiment və ya heyvan tədqiqatı aparmayıb. İstifadə olunan sübutlar ictimaiyyətə açıq akademik tədqiqatlardan, sektor hesabatlarından, şirkət açıqlamalarından, tənzimləyici/hüquqi sənədlərdən və praktik şərhlərdən götürülüb; buna görə institusional etik komitə və ya IRB təsdiqi tələb olunmayıb.
Məlumatların əlçatanlığı: Tədqiqat yeni özəl və ya məxfi məlumat toplusu barədə məlumat vermir. Təhlil dərc edilmiş və ictimaiyyətə açıq mənbələrə əsaslanan konseptual sintez xarakteri daşıyır.
Metodoloji sərhəd: AI-in-the-loop ladder, qərar charter-i və dörd tədqiqat müddəası empirik performans nəticələri deyil, gələcəkdə sınaqdan keçirilmək üçün təqdim olunan konseptual və normativ vasitələrdir. Sektor statistikaları müxtəlif xarici mənbələrə əsaslanır və eyni seçmə/metod standartından gəlmir.
Müəllif hüquqları və Verianla metodu: Mənbə CC BY-NC 4.0 olsa da, bu Verianla mətni orijinal tədqiqatın birbaşa tərcüməsi və ya paraqraf-paraqraf yenidən yazılması deyil. Tədqiqatın elmi anlayışları, təsnifatları, xarici mənbələrdən ötürülən kəmiyyət məlumatları, məhdudiyyətləri və idarəetmə təklifləri elmi inventara ayrılaraq müstəqil türkcə tədris strukturu daxilində yenidən təşkil edilib.
Şərh yazın
E-poçt ünvanınız yayımlanmayacaq. Məcburi sahələr * ilə işarələnib