Risk matrisi, insan gözetimi ve uyum dosyası
Bir yapay zekâ özelliğinin riskini olasılık tahmini yerine geri alınabilirlik ve etki genişliği eksenlerinde sınıflandırmayı, her sınıfa uygun insan gözetimi biçimini seçmeyi ve sürüm kararını kanıtlanabilir bir uyum dosyasına bağlamayı öğretir.
Önkoşul: Evaluation, Artificial Intelligence
BU DERSİN SONUNDA
- Hata sınıflarını geri alınabilirlik ve etki genişliğine göre sınıflandırmak
- Her risk sınıfına uygun insan gözetimi biçimini seçmek
- Gözetimin haftalık insan yükünü hesaplayıp kapasiteyle karşılaştırmak
- Sürüm kararını ve kabul edilen kalan riski izlenebilir biçimde yazmak
- 1
Teori
Kavramın çalışma mantığı
- 2
Örnek
Gerçek bir senaryo üzerinde gösterim
- 3
Lab
Uygulamalı alıştırma
- 4
Test
Kısa ölçüm
- 5
Proje
Rotadaki projeye katkı
Kısa cevap
Yapay zekâ özelliğinde risk yönetimi bir belge işi değil, bir tasarım kararıdır. Çıktı olasılıksal olduğu için yönetilebilir soru "hata olacak mı" değil, "hata olduğunda ne olur" sorusudur. Bu soruyu iki eksen cevaplar: hatanın geri alınabilirliği ve etkilediği kişi genişliği. Gözetim biçimi, kabul eşiği ve hatta özelliğin kapsamı bu iki eksendeki konumdan türetilir.
Teori: riskin iki ekseni#
Klasik olasılık × etki matrisi burada zayıf kalır, çünkü olasılık tarafı ölçülmeden bilinmez ve ölçüldükten sonra da sabit kalmaz: girdi dağılımı kullanıcı tabanı büyüdükçe kayar, model veya istem güncellenince hata profili değişir. Tahmini sürekli kayan bir sayıyı tasarımın dayanağı yapmak, kararı her ölçümde yeniden açar.
Buna karşılık iki eksen ölçüm yapılmadan bilinir ve ürün kararıyla değiştirilebilir. Geri alınabilirlik, hatanın düzeltilme maliyetidir: kullanıcı bir tıkla düzeltiyor mu, yoksa çıktı bir kayda, bir dış mesaja ya da bir para hareketine mi dönüşmüş? Etki genişliği, hatanın kaç kişiye ulaştığıdır: tek kullanıcının ekranında mı kaldı, tüm kullanıcılara giden bir şablona mı işlendi, üçüncü bir tarafa mı gitti? Ürün yöneticisinin kontrol ettiği şey hata oranı değil, özelliğin bu iki eksendeki yeridir; taslak üretmek ile göndermek arasındaki fark bir tasarım kararıdır.
Uygulamada: hata sınıfı ve gözetim eşlemesi#
| Hata sınıfı | Geri alınabilirlik | Gözetim biçimi | Toplanacak kanıt |
|---|---|---|---|
| Yanlış bilgi verme | Kolay ama koşullu: yalnızca kullanıcı fark ederse düzeltilir | Kaynak gösterme ve tek adımda düzeltme yolu | Kaynağa tıklama ve kullanıcı düzeltmesi kayıtları |
| Kalıcı kayıt oluşturma | Zor: kayıt aşağı akıştaki sistemlere yayılır | Yayımlanmadan önce insan onayı | Onay/ret kararı ve ret gerekçesi alanı |
| Dış tarafa mesaj veya bildirim gönderme | Geri alınamaz | Taslak üretme, gönderme anını insana bırakma | Taslak ile gönderilen metin arasındaki fark |
| Yetkisiz belgeyi cevaba karıştırma | Geri alınamaz | Sorgu anında yetki filtresi, cevap sonrası kontrol değil | Kullanıcı ve getirilen belge eşleşmesinin günlüğü |
| Kullanıcı grubuna göre farklılaşan kalite | Görünmez: yavaş birikir, tek olayda fark edilmez | Segmentlere ayrılmış düzenli ölçüm | Segment bazlı değerlendirme raporu ve tarihi |
İnsan gözetimi üç biçimde kurulur#
- Döngüde insan: her çıktı yayına girmeden önce onaylanır. Geri alınamaz eylemler için tek makul biçim; kapasite maliyeti çıktı hacmiyle doğrusal artar.
- Döngü üstünde insan: çıktılar otomatik akar, yalnızca güven eşiğinin altındakiler ve rastgele bir örneklem insana düşer. Ölçeklenir, ama eşik ve örneklem oranı ölçüme dayanmalıdır.
- Döngü dışında insan: karar otomatik verilir, sonradan denetlenir ve itiraz kanalı açıktır. Yalnızca geri alınabilir ve tek kullanıcıyı etkileyen kararlar için savunulabilir.
- Gözetimin reddi: özellik o senaryoda sunulmaz. Bu da geçerli bir tasarım kararıdır; kapsamı daraltmak, sürdürülemeyecek bir gözetim kurmaktan çoğu zaman ucuzdur.
Karar: hata sınıfından sürüm kararına#
- 1Gerçek hata sınıflarını çıkar
Olay kayıtları ve değerlendirme setindeki başarısız örnekler üzerinden etiketle; sınıfları varsayımla değil gözlemle tanımla.
- 2Her sınıfı iki eksene yerleştir
Geri alınabilirlik ve etki genişliği. En kötü köşeye düşen sınıflar özelliğin kapsamını belirler, tersi değil.
- 3Gözetim biçimini seç ve yükünü hesapla
Beklenen çıktı hacmi × gözetim oranı × inceleme süresi. Yükü yazılmayan gözetim uygulamada uygulanmaz.
- 4Kabul eşiğini gözetimle birlikte belirle
Eşik tek başına anlamsızdır; eşiğin altında kalan vakaların nereye gittiği tanımlıysa eşik daha düşük tutulabilir.
- 5Kararı ve kalan riski yaz
Hangi sürüm, hangi ölçüm, hangi tarih, hangi kalan risk kabul edildi ve bu kabulü hangi rol verdi.
Uyum dosyası ne taşır?#
- Amaç ve kapsam: özelliğin ne yaptığı ve açıkça ne yapmadığı.
- Değerlendirme yöntemi: görev seti nasıl kuruldu, kabul eşiği nedir, son ölçüm hangi tarihte yapıldı.
- Bilinen sınırlar: hangi girdi tiplerinde başarısız oluyor, elinizdeki gerçek başarısızlık örnekleriyle.
- Gözetim tasarımı: hangi sınıfta hangi biçim, devreye girme eşiği ve gözetimi yapan rol.
- Kalan risk ve kabul: hangi risk kabul edildi, kim kabul etti, ne zaman yeniden değerlendirilecek.
- Geri bildirim ve itiraz kanalı: kullanıcı nereye başvurur, başvuru hangi sürede kapanır.
Sık yapılan hata#
En yaygın hata, riski yayın öncesi bir kez geçilen kapı saymaktır. Model ve istem hiç değişmese bile girdi dağılımı, kullanım biçimi ve bağlı sistemler değişir; bu yüzden risk kararı bir tarih taşır ve tazelenir. İkinci yaygın hata, dosyayı tamamen hukuk veya uyum biriminin işi saymaktır. Hangi hata sınıflarının gerçekten oluştuğunu yalnızca ürün ekibi görür; uyum birimi bu girdiyi alıp yükümlülüğe çevirir, üretmez.
LAB · UYGULAMALI ALIŞTIRMA
Kendi özelliğiniz için risk–gözetim tablosu çıkarın
- 1Elinizdeki hata bildirimlerinden veya değerlendirme setinizin başarısız örneklerinden en az on iki gerçek başarısızlık seçin; kayıt tutmuyorsanız özelliği kendi verinizle bir oturum boyunca kullanıp gördüğünüz başarısızlıkları tek tek not ederek bu listeyi kendiniz oluşturun.
- 2Her başarısızlığı tek bir hata sınıfına etiketleyin; iki sınıfa birden giren örnek çıkarsa sınıf tanımlarını düzeltip baştan etiketleyin.
- 3Her sınıf için iki soruyu yazılı yanıtlayın: bu hata kaç dakikada geri alınır ve tipik olarak kaç kişiyi etkiler.
- 4Sınıfları geri alınabilirlik ve etki genişliği eksenlerine yerleştirip her birine döngüde, döngü üstünde veya döngü dışında gözetimden birini atayın.
- 5Seçtiğiniz gözetimin haftalık insan yükünü hesaplayın: beklenen çıktı hacmi × gözetim oranı × çıktı başına inceleme süresi.
- 6Yükün kapasitenizi aştığı sınıflar için kapsam daraltma önerisi yazın: girdi türünü kısıtlamak, çıktıyı taslağa çevirmek veya özelliği o senaryoda kapatmak.
Beklenen çıktı
Hata sınıflarını gözetim biçimine ve haftalık insan yüküne bağlayan tek sayfalık risk tablosu ile kapasiteye sığmayan sınıflar için kapsam daraltma önerileri.
Sık sorulan sorular
Riski olasılık ve etkiyle ölçmek neden yetersiz kalıyor?
Olasılık tarafı girdi dağılımına bağlıdır ve dağılım ürün büyüdükçe kayar; ayrıca bir hatanın olasılığı düşük olsa bile geri alınamıyorsa tasarım kararı değişmez. Geri alınabilirlik ve etki genişliği ise ölçüm yapılmadan bilinir ve ürün kararıyla değiştirilebilir; bu yüzden tasarımın dayanağı olmaya daha uygundur.
Değerlendirme skorumuz kabul eşiğini geçtiyse gözetime gerek var mı?
Eşik yalnızca ölçtüğünüz görev seti üzerinde geçerlidir. Üretimdeki girdilerin bir bölümü her zaman o setin dışında kalır ve gözetim tam olarak bu kuyruğu yakalamak için vardır. Eşik gözetimin yerine geçmez; gözetimin yoğunluğunu, yani örneklem oranını ve devreye girme noktasını belirler.
Geri alınamaz eylemlerde otomasyon hiç mümkün değil mi?
Mümkün, ama eylemi ikiye bölerek: modelin ürettiği şey eylemin kendisi değil, eyleme çevrilebilir bir taslaktır; taahhüt anını insan verir. Ayrıca ürüne bir geri alma mekanizması eklenebiliyorsa (iptal penceresi, gecikmeli gönderim, bekletme kuyruğu) hata sınıfı eksende yer değiştirir ve daha hafif bir gözetim biçimi savunulabilir hâle gelir.
LEARN
AI Product Manager rotasına devam et
Dersler tek başına da okunabilir, ama sıralı ilerlemek önkoşul boşluklarını kapatır.
