Comparatıve evaluatıon of aı-as-a-servıce vendor selectıon usıng fuzzy ahp and fuzzy topsıs
Yapay zekâ hizmet sağlayicilarinin karşilaştirmali değerlendi̇rmesi̇: bulanik ahp ve bulanik topsis uygulamasi
- Tez No: 955659
- Danışmanlar: DOÇ. DR. GÜLŞAH HANÇERLİOĞULLARI KÖKSALMIŞ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
Bu tez çalışması, mevcut bir yazılım ürününe entegre edilecek yeni bir yapay zekâ tabanlı özelliğin geliştirilmesi ve uygulanması amacıyla, en uygun Yapay Zekâ Hizmeti Olarak Sunulan Servis (Artificial Intelligence-as-a-Service, AIaaS) sağlayıcısının seçimi için yapılandırılmış ve çok kriterli bir karar verme modeli sunmaktadır. Son yıllarda işletmelerin ürünlerine yenilik katmak, kullanıcı deneyimini artırmak ve rekabette öne geçmek amacıyla yapay zekâ (YZ) teknolojilerine olan ilgisi önemli ölçüde artmıştır. Bu durum, YZ özelliklerinin ürünlere entegrasyonunu stratejik bir öncelik hâline getirmiştir. Ancak, YZ çözümlerinin kurum içinde (in-house) geliştirilmesi yüksek düzeyde uzmanlık, zaman ve kaynak gerektirdiğinden, özellikle küçük ve orta ölçekli işletmeler için bu yöntem uygulanabilirliğini yitirmektedir. Bu bağlamda, üçüncü taraf AIaaS sağlayıcılarının sunduğu hazır çözümler, teknik kapasitesi sınırlı olan işletmeler için daha erişilebilir bir alternatif hâline gelmiştir. Ancak, uygun bir AIaaS sağlayıcısının seçilmesi süreci çok sayıda çelişkili kriteri aynı anda dikkate almayı gerektirir ve bu sürecin doğasında belirsizlik ve öznel değerlendirmeler yer alır. Bu nedenle, söz konusu karar problemini çözmek üzere çok kriterli karar verme (ÇKKV) yöntemlerinin, özellikle de bulanık mantıkla bütünleştirilmiş modellerin kullanılması gerekli görülmektedir. Bu çalışmada, karar vericilerin belirsizlik altındaki değerlendirmelerini dikkate alan çok yöntemli (multi-method) bulanık bir ÇKKV yaklaşımı benimsenmiştir. Yöntem, Bulanık Analitik Hiyerarşi Süreci (Bulanık AHP) ve Bulanık İdeal Çözüme Benzerliğe Göre Tercih Tekniği (Bulanık TOPSIS) yöntemlerinin birleşimiyle oluşturulmuştur. Çalışmanın ilk aşamasında, karar probleminin hiyerarşik yapısı oluşturulmuştur. Model, beş ana kriter ve on altı alt kriterden oluşmaktadır. Kriterlerin belirlenmesinde üç temel kaynak referans alınmıştır: (i) AIaaS hizmetlerinin bulut hizmetleri ile olan yapısal benzerliği nedeniyle, bulut hizmet sağlayıcılarının seçimi üzerine yapılan ÇKKV temelli literatür taraması, (ii) AI hizmetlerinin iç kaynaklarla mı geliştirileceği yoksa dış kaynaklardan mı temin edileceğine dair“Make-or-Buy”karar sürecini inceleyen akademik çalışmalar, (iii) yazılım mühendisleri, teknik liderler, güvenlik uzmanları ve teknoloji danışmanlarından oluşan dört alan uzmanıyla gerçekleştirilen nitel görüşmeler. Belirlenen kriterler doğrultusunda, Saaty'nin 1–9 ölçeğini temel alan ikili karşılaştırma anketleri hazırlanmış ve uzmanlardan elde edilen yanıtlar Üçgen Bulanık Sayılar (TFN) ile modellenmiştir. Her uzman için ayrı ayrı oluşturulan bulanık ikili karşılaştırma matrisleri üzerinden önce yerel öncelik ağırlıkları hesaplanmış, ardından uzmanların görüşleri geometrik ortalama yöntemiyle birleştirilmiştir. Bu sayede, grup karar verme prensiplerine uygun şekilde tüm hiyerarşi düzeylerinde kriter, alt kriter ve alternatifler için küresel (global) ağırlıklar elde edilmiştir. Bulanık AHP modeliyle elde edilen bu ağırlıklar daha sonra alternatiflerin değerlendirilmesi için Bulanık TOPSIS modeline aktarılmıştır. Bulanık karar matrisi, Fuzzy AHP'den elde edilen alternatif ağırlıkları ile oluşturulmuş; ardından her alternatifin ideal ve negatif ideal çözüme olan uzaklığı bulanık vektör mesafeleri ile hesaplanmıştır. Bu mesafelere göre Yakınlık Katsayısı (Closeness Coefficient, CC) elde edilmiş ve alternatifler sıralanmıştır. Böylece, iki farklı yöntemle elde edilen sonuçlar karşılaştırmalı olarak analiz edilmiştir. Ek olarak, elde edilen bulanık ağırlıklar çözümlenmiş (defuzzified) ve klasik TOPSIS yöntemi ile bir duyarlılık analizi yapılmıştır. Bu analizde, en yüksek öneme sahip ana kriter olan“Çözüm Uygunluğu ve Teknik Olgunluk”kriterinin ağırlığı %10 oranında artırılarak ve azaltılarak modelin karar çıktısının değişip değişmediği test edilmiştir. Sonuçlar, sıralamanın değişmediğini göstermiş ve önerilen modelin istikrarını doğrulamıştır. Modelde kullanılan beş ana kriter şunlardır: (1) Çözüm Uygunluğu ve Teknik Olgunluk, (2) Maliyet, (3) Güven ve Veri Koruma, (4) Benimseme Kolaylığı, (5) Ölçeklenebilirlik ve Uzun Vadeli Değer. Her bir ana kriter, ilgili alt kriterler üzerinden değerlendirilmiştir. Örneğin,“Maliyet”kriteri altında; işletim maliyeti, entegrasyon maliyeti, bakım maliyeti ve maliyet öngörülebilirliği gibi alt başlıklar yer almıştır. Literatür ve uzman görüşleri doğrultusunda tanımlanan bu alt kriterler, karar verme sürecine somut ölçüm noktaları kazandırmıştır. Alternatif olarak iki temel AIaaS sağlayıcı tipi değerlendirilmiştir: (i) ücretli ticari sağlayıcılar (örneğin ChatGPT, Gemini), (ii) açık kaynak temelli çözümler (örneğin DeepSeek, açık kaynak LLM'ler). Hem Bulanık AHP hem de Bulanık TOPSIS analizleri sonucunda ücretli ticari sağlayıcıların açık kaynak çözümlere göre daha yüksek performans gösterdiği belirlenmiştir. Bu bulgu, ticari hizmetlerin daha yüksek teknik olgunluk, destek altyapısı, entegrasyon kolaylığı ve ölçeklenebilirlik sunduğu yönündeki uzman görüşleriyle de örtüşmektedir. Alt kriter düzeyinde,“Uzun Vadeli Rekabet Avantajı”,“Üretime Hazırlık”, ve“Güvenilirlik ve Performans”faktörlerinin diğerlerine kıyasla daha yüksek küresel ağırlıklara sahip olduğu görülmüştür. Bu da, uzun vadeli teknoloji stratejileri ve ürün yaşam döngüsündeki sürdürülebilirlik açısından bu faktörlerin belirleyici rol oynadığını göstermektedir. Bu çalışmanın temel katkısı, belirsizlik altında çok kriterli karar verme gerektiren AIaaS sağlayıcı seçimi için hem yapılandırılmış hem de karşılaştırmalı bir karar modeli önermesidir. Literatürde çoğunlukla bulut hizmet sağlayıcı seçimine odaklanan çalışmalar, AIaaS'ın kendine özgü zorluklarını ele almaktan uzaktır. Bu tez, AIaaS'ın makine öğrenimi modelleri, veri hassasiyeti, performans dalgalanmaları ve entegrasyon karmaşıklığı gibi kendine özgü gerekliliklerini dikkate alan kapsamlı bir değerlendirme çerçevesi ortaya koymaktadır. Ayrıca, uzman görüşlerinin modelin her aşamasına entegre edilmesi, uygulamanın pratik geçerliliğini artırmakta ve literatür ile uygulama arasındaki boşluğu kapatmaktadır. Görüşmeler sırasında elde edilen geri bildirimler sayesinde,“Üretime Hazırlık”ve“Kullanıcı ve İş Uyumu”gibi daha önce nadiren değerlendirilen kriterlerin karar sürecindeki önemi açığa çıkmıştır. Sonuç olarak, bu tez çalışması AIaaS bağlamında özgün ve pratik bir ÇKKV modeli sunmakta, literatürdeki boşluğu doldurmakta ve özellikle sınırlı teknik kaynaklara sahip işletmeler için stratejik rehberlik sağlamaktadır. Gelecekteki çalışmalar için daha fazla alternatifin dahil edilmesi, uzman sayısının artırılması ve yapay zekâ destekli değerlendirme araçlarının entegrasyonu önerilmektedir.
Özet (Çeviri)
This thesis presents a structured evaluation model for comparing and selecting the most suitable Artificial Intelligence-as-a-Service (AIaaS) vendor to integrate and develop a new AI-based feature into an existing software product. The increasing reliance on AI technologies is motivating businesses to start integrating AI into their products to enhance the user experience. Moreover, the complexities associated with in-house AI development, in addition to knowledge requirements and technical demands of AI, have made third-party AI providers a more viable option, especially for small and medium-sized businesses. Consequently, selecting the right AI vendor is considered a strategic priority, and such decisions are inherently multi-criteria and subject to uncertainty. To address this challenge, a multi-method fuzzy Multi-Criteria Decision-Making (MCDM) approach was adopted, combining the Fuzzy Analytic Hierarchy Process (Fuzzy AHP) and the Fuzzy Technique for Order Preference by Similarity to Ideal Solution (Fuzzy TOPSIS). First, a hierarchical model consisting of five main criteria and sixteen sub-criteria was developed. As the MCDM applications on this topic were not sufficient, the criteria were derived from a literature review on cloud computing vendor selection, assuming AIaaS is a sub-category of cloud computing services, the Make-or-Buy decision for AI-based services, and expert interviews with software engineers, technical leads, business consultants, and security researchers. In the next step, a structured pairwise comparison questionnaire based on Saaty's 1-9 scale was used to collect expert inputs for the study. The responses were then converted to Triangular Fuzzy Numbers (TFNs), and Fuzzy AHP was applied to compute local and global weights for criteria, sub-criteria, and alternatives. The global weights were then used as input for a Fuzzy TOPSIS model to evaluate two AIaaS vendor types: paid commercial providers and open-source solutions. Moreover, the global weights were also defuzzified to conduct a crisp TOPSIS model for sensitivity analysis. The results show that the paid commercial providers outperform open-source vendors in both Fuzzy AHP and Fuzzy TOPSIS rankings. Among the five main criteria, Solution Fit & Technical Maturity and Cost were the most influential factors in the decision-making process. Additionally, Long-Term Competitive Advantage, Production Readiness, and Reliability & Performance had the highest global weights among the 16 sub-criteria. A ±10% sensitivity analysis on the most influential main criterion also confirmed the robustness of the model. This thesis contributes a comparative and structured vendor selection framework tailored for the AIaaS context, addressing the unique challenges of AI-based services and offers practical guidelines for small and medium-sized organizations evaluating AI integration strategies while accounting for their technical and resource limitations.
Benzer Tezler
- Coğrafi bilgi sistemi tabanlı banka şubesi ve ATM lokasyon optimizasyonu: İstanbul örneği
Geographical information system based bank branch and ATM location optimization:Istanbul example
ERKAN ATABEY
Yüksek Lisans
Türkçe
2025
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ERGİN TARI
- Gümrük Birliği sürecinin Türk sermaye piyasasına etkileri
The Effects of Customer Union course on Turkish capital market
ÖNDER HALİSDEMİR
Yüksek Lisans
Türkçe
1997
EkonomiMarmara ÜniversitesiSermaye Piyasası ve Borsa Ana Bilim Dalı
PROF. DR. İLHAN ULUDAĞ
- Sağlık verileri üzerinde büyük dil modellerinin ince ayar performansı
Fine tuning performance of large language models on health data
MUHAMMED KAYRA BULUT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BANU DİRİ
- Genel hastanelerde yenileme ve büyümeye bağlı değişmelerin bina programına etkileri
The Effects of growth and changes on the formulation of programme of requirements in general hospital
NİLÜFER (TEZEL) AKINCITÜRK
Doktora
Türkçe
1985
Hastanelerİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF.DR. NECATİ İNCEOĞLU
- Identification of object manipulation anomalies for service robots
Servis robotları için nesne etkileşim anomalilerinin tanısı
DOĞAN ALTAN
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SANEM SARIEL UZER