Bu yazı Dr. Eng. Samir Lotfi Ali tərəfindən hazırlanmış “Decision-Making Driven Design (DMDD): Foundational Architecture for Enterprise Decision Intelligence” başlıqlı working paper əsasında hazırlanıb. Mətn müəssisə arxitekturası, qərar intellekti, süni intellekt idarəçiliyi, ERP sistemləri, korporativ yaddaş və insan–süni intellekt əməkdaşlığı sahələrini bir araya gətirir.

Tədqiqat klassik mənada eksperimental nəticələr təqdim edən məqalə deyil. Daha çox “design science”, yəni dizayn elmi yanaşması ilə təklif edilmiş arxitektura çərçivəsidir. Buna görə yazı konkret proqram məhsulu, ERP həlli və ya süni intellekt sistemi üçün tətbiq tövsiyəsi kimi oxunmamalıdır. Məqsəd akademik mətnin əsas fikrini Verianla oxucusu üçün sadə, orijinal və tərəfsiz Azərbaycan dilli redaksiya məzmununa çevirməkdir.

Məqalənin əsas iddiası budur: qurumlar daha çox verilən, daha çox hesabat və daha güclü süni intellekt modeli istifadə etməsinə baxmayaraq daha yaxşı qərarlar verməkdə çətinlik çəkirsə, problem yalnız texnologiya çatışmazlığı deyil. Əsas problem mövcud korporativ sistemlərin qərarları idarə etmək üçün deyil, əməliyyatları qeydə almaq və icra etmək üçün dizayn edilməsidir.

Şirkətlər bu gün əvvəlkindən daha çox verilən yaradır. ERP sistemləri əməliyyatları qeydə alır, hesabat alətləri performansı göstərir, süni intellekt modelləri proqnoz və tövsiyələr yaradır. Buna baxmayaraq bir çox qurum hələ də bu əsas suallara aydın cavab verə bilmir: Bu qərar niyə verildi? Hansı alternativlər qiymətləndirildi? Hansı fərziyyələrdən istifadə olundu? Qərar yanlış çıxdısa, qurum bundan nə öyrəndi?

DMDD, yəni Decision-Making Driven Design, bu problemə qərar mərkəzli müəssisə arxitekturası ilə cavab verməyi təklif edir. Çərçivəyə görə qurumların əsas hədəfi yalnız əməliyyat sürətini artırmaq deyil, qərar keyfiyyətini, qərarın izlənə bilməsini və korporativ öyrənməni gücləndirmək olmalıdır.

Tədqiqat dörd əsas struktur təklif edir. Enterprise Decision Twin, qurumun qərar mühitinin canlı koqnitiv surətidir. SDOF Cycle, Scan, Dig, Optimise və Foresee mərhələlərindən ibarət davamlı qərar intellekti dövrəsidir. NIUA, bu qərar intellektini yeddiqatlı arxitekturada işlədər. Decision Black Box isə qərarların yalnız nəticəsini deyil; əsaslandırmasını, alternativlərini, proqnozlarını, insan müdaxilələrini və nəticələrini saxlayan korporativ yaddaş qatıdır.

Məqalənin əsas mesajı güclüdür: daha güclü süni intellekt modelləri yanlış arxitektura üzərində qurulduqda korporativ səhvləri daha sürətlə böyüdə bilər. Əsl ehtiyac süni intellektə daha çox səlahiyyət vermək deyil; qərarların necə formalaşdığını, necə doğrulandığını, kim tərəfindən təsdiqləndiyini və qurumun bu qərarlardan necə öyrəndiyini idarə edən arxitektura qurmaqdır.

Problem Nədir?

Müasir qurumların çoxu ERP, CRM, mühasibat, təchizat zənciri, istehsal, insan resursları və hesabat sistemləri üzərində qurulub. Bu sistemlər əməliyyatları qeydə almaqda çox uğurludur. Sifariş daxil edilir, hesab-faktura hazırlanır, anbar hərəkəti yaranır, ödəniş edilir, istehsal əmri açılır, hesabat alınır. Bu dünya əməliyyat mərkəzli arxitekturanın dünyasıdır.

Lakin qərar vermək əməliyyatı qeydə almaqdan fərqlidir. Qərar qeyri-müəyyənlik, natamam məlumat, ziddiyyətli siqnallar, maraqlı tərəflərin mənafeləri, risklər, alternativlər və gələcək proqnozlarını əhatə edir. Şirkət təchizatçısını dəyişəcəksə, yeni bazara daxil olacaqsa, qiymət siyasətini yeniləyəcəksə, istehsalı dayandıracaqsa və ya süni intellekt tövsiyəsinə etibar edəcəksə, yalnız keçmiş əməliyyat qeydləri kifayət deyil.

Məqalə mövcud sistemlərin bu nöqtədə yetərsiz qaldığını müdafiə edir. Çünki ERP sistemləri çox vaxt “nə baş verdi?” sualına cavab verir. Halbuki qərar intellekti “nə baş verir, nə ola bilər, hansı alternativlər var, nə seçilməlidir və qurum bu seçimdən nə öyrənməlidir?” suallarına ehtiyac duyur.

Tədqiqat bu boşluğu “enterprise intelligence gap”, yəni korporativ intellekt boşluğu kimi müəyyənləşdirir. Bu boşluq qurumun malik olduğu verilənlərin miqdarı ilə bu verilənlərdən yarada bildiyi qərar keyfiyyəti arasındakı məsafədir. Qurum çoxlu verilən toplaya bilər; lakin qərarın əsaslandırmasını, kontekstini, alternativlərini və nəticəsini sistemli şəkildə saxlamırsa, eyni səhvlər təkrarlanır.

Bu problem xüsusilə süni intellekt dövründə daha kritikdir. Çünki süni intellekt zəif idarəçilik arxitekturasının üzərinə əlavə edildikdə yalnız daha çox tövsiyə yaratmır; yanlış, natamam və ya kontekstdən kənar girişlərlə daha böyük qərar səhvləri də yarada bilər.

Metod Nə Təklif Edir?

Məqalə design science research yanaşmasından istifadə edir. Yəni tədqiqat problemi müəyyənləşdirir, bu problemə qarşı arxitektura həlli artefaktı təklif edir və bu həllin hansı dizayn prinsiplərinə söykənməli olduğunu izah edir.

DMDD-nin təklif etdiyi əsas yanaşma müəssisə sistemlərini əməliyyat mərkəzli olmaqdan çıxarıb qərar mərkəzli hala gətirməkdir. Bu, ERP sistemlərini tamamilə dəyişdirmək demək deyil. Tədqiqat ERP-nin icra və qeyd funksiyasını saxlayır; lakin ERP-nin üzərində və ya yanında qərar intellektini idarə edən ayrıca koqnitiv qat təklif edir.

Bu yanaşma beş dizayn prinsipinə əsaslanır:

1. Qərar mərkəzlilik: Sistemin birincil hədəfi əməliyyat sürəti deyil, qərar keyfiyyəti olmalıdır.

2. Əməliyyatdan əvvəl intellekt: İntellekt və idarəçilik əməliyyat tamamlandıqdan sonra deyil, qərar formalaşmazdan əvvəl işə düşməlidir.

3. Birləşən öyrənmə: Hər qərar dövrəsi sonrakı qərarlar üçün korporativ yaddaşı gücləndirməlidir.

4. Ötürülməz insan üstünlüyü: Kritik qərarlarda insan səlahiyyəti sistem tərəfindən ləğv edilə bilməyən struktur qayda olmalıdır.

5. Epistemik etibarlılıq: Verilənin doğru olması təkbaşına kifayət deyil. Verilən müvafiq qərar konteksti üçün mənalı, əhatəli və məntiq yürütməyə uyğun olmalıdır.

Bu prinsiplər qurumun qərarvermə sistemini yalnız verilən toplayan və ya tövsiyə yaradan alət olmaqdan çıxarıb qərarları idarə edən, qeydə alan və öyrənən arxitekturaya çevirməyi hədəfləyir.

Formullar Nəyi İzah Edir?

PDF-də klassik riyazi reqressiya formulu və ya statistik model yoxdur. Lakin tədqiqat qərar keyfiyyəti və insan–süni intellekt əməkdaşlığı üçün bəzi ölçülə bilən ölçülər və hədd məntiqi təqdim edir. Aşağıdakı MathJax blokları məqalədəki konseptual quruluşu CMS daxilində oxunaqlı etmək üçün hazırlanıb.

Bu göstərim tədqiqatın qərar keyfiyyətini ölçmək üçün təklif etdiyi dörd ölçünü sadələşdirir. Qərar keyfiyyəti qərarın izlənə bilməsi, girişlərin epistemik etibarlılığı, yanlış fərziyyənin nə qədər tez aşkar edilməsi və keçmiş qərar yaddaşının nə dərəcədə yenidən istifadə olunması ilə əlaqəlidir.

Bu ifadə DMDD-nin davamlı qərar intellekti dövrəsini ümumiləşdirir. Scan mərhələsi ətraf mühit siqnallarını skan edir. Dig mərhələsi korporativ yaddaşdan oxşar qərarları və keçmiş nümunələri çıxarır. Optimise mərhələsi alternativləri və kompromisləri qiymətləndirir. Foresee mərhələsi isə gələcək mümkün vəziyyətləri və erkən xəbərdarlıq sorğularını yaradır.

Bu hədd quruluşu məqalədəki insan–süni intellekt əməkdaşlığı rejimlərini izah edir. Güvən skoru aşağıdırsa, bütün qərarı insan verir, süni intellekt yalnız təhlil dəstəyi göstərir. Orta səviyyəli güvən skorunda insan və süni intellekt birlikdə işləyir. Yüksək güvən skorunda isə süni intellekt müəyyən edilmiş sərhədlər daxilində daha çox avtomatlaşdırmadan istifadə edə bilər; lakin kritik və yüksək riskli sahələrdə bu rejim tamamilə istisna edilə bilər.

VIVO “Valid In, Valid Out” deməkdir. Yəni sistemə daxil olan siqnal qərar konteksti üçün etibarlı deyilsə, sistemin yaradacağı qərar çıxışı da etibarlı ola bilməz. Bu yanaşma klassik “garbage in, garbage out” fikrini qərar intellekti arxitekturası üçün daha güclü prinsipə çevirir.

Bu konseptual göstərim Decision Black Box məntiqini ümumiləşdirir. Hər qərarın konteksti, əsaslandırması, proqnozu, nəticəsi və insan müdaxiləsi korporativ yaddaşa əlavə olunarsa, növbəti qərar daha zəngin informasiya bazası ilə başlayar. Beləliklə, öyrənmə şəxslərdən asılı mədəniyyət gözləntisi olmaqdan çıxıb arxitekturanın struktur xüsusiyyətinə çevrilir.

Qrafik, Cədvəl və Sxemin Əsas Mesajı

PDF-in 2-ci və 3-cü səhifələrindəki Cədvəl 1 müəssisələrdə görülən qərar uğursuzluqlarını sadalayır. Burada “rigidity paradox”, “organisational amnesia”, “epistemic rupture”, “shadow system proliferation”, “deterministic error propagation” və “compound AI risk” kimi nasazlıq rejimləri önə çıxır. Əsas mesaj budur: bu səhvlər tək-tək istifadəçi xətası deyil, əməliyyat mərkəzli arxitekturanın struktur nəticələridir.

PDF-in 5-ci səhifəsindəki Cədvəl 2 DMDD-nin beş dizayn prinsipini və onların arxitektura nəticələrini göstərir. Bu cədvəl tədqiqatın “daha çox süni intellekt” deyil, “daha düzgün qərar arxitekturası” təklif etdiyini aydın göstərir.

PDF-in 6-cı və 7-ci səhifələrindəki Cədvəl 3 səkkiz addımlı rasional qərar prosesini təqdim edir. Pattern Detection, Feasibility Assessment, Objective Function Definition, Multi-Scenario Generation, Knowledge Retrieval, Human Synthesis & Validation, Implementation Tracking və Mass-Scale Learning addımları qərarın xam siqnaldan korporativ öyrənməyə necə çevrildiyini göstərir.

PDF-in 8-ci səhifəsindəki Cədvəl 4 Enterprise Decision Twin-in üçqatlı arxitekturasını izah edir. Birinci qat epistemic rationality, yəni korporativ bilik bazasıdır. İkinci qat computational rationality, yəni təhlil və məntiq yürütmə qatıdır. Üçüncü qat collaborative rationality, yəni insanla qarşılıqlı əlaqə və qərar idarəçiliyi qatıdır.

PDF-in 10-cu və 11-ci səhifələrindəki SDOF cədvəli qərar intellektinin xətti iş axını olmadığını; Scan, Dig, Optimise və Foresee mərhələlərinin davamlı dövr edən koqnitiv sistem yaratdığını izah edir. Bu dövrə hər tamamlanan qərarın növbəti qərarın başlanğıc məlumatını zənginləşdirməsi ilə dəyər yaradır.

PDF-in 12-ci və 13-cü səhifələrindəki NIUA cədvəli yeddiqatlı quruluşu göstərir: Data Source Neurons, Unified Data Lake, Feature Engineering, Neuro-Decision Core, Human-in-the-Loop Integration, Action Execution və Outcome Learning. Bu struktur qərar intellektini verilən girişindən insan təsdiqinə, icradan nəticə üzrə öyrənməyə qədər bütöv şəkildə təşkil edir.

PDF-in 15-ci səhifəsindəki Decision Black Box cədvəli qərar yaddaşının hansı elementləri saxlamalı olduğunu izah edir: qərar konteksti, alternativlər, rədd edilmiş seçimlərin əsaslandırmaları, proqnozlar, reallaşmış nəticələr, informal kontekst və insan müdaxilələri. Bu cədvəl məqalənin ən vacib praktik mesajlarından birini daşıyır: qurumlar yalnız nə qərar verdiklərini deyil, niyə qərar verdiklərini də saxlamalıdır.

Təcrübələr Necə Aparılıb?

Bu tədqiqat eksperimental sahə araşdırması deyil. Müəllif dizayn elmi yanaşması ilə korporativ qərar intellekti üçün arxitektura artefaktı təklif edir. Məqalədə göstərilən çərçivə istehsal, maliyyə, logistika və səhiyyə kimi sahələrdə müşahidə olunan tətbiq problemlərindən, qərar nəzəriyyəsi və təşkilati yaddaş ədəbiyyatından bəhrələnir.

Tədqiqat hazırkı mərhələdə “bu arxitektura filan qurumda bu qədər performans artımı yaratdı” formasında empirik sübut təqdim etmir. Bunun əvəzinə korporativ sistemlərin hansı struktur çatışmazlıqları səbəbindən qərar keyfiyyəti yaratmaqda çətinlik çəkdiyini və DMDD-nin bu çatışmazlıqları hansı arxitektura komponentləri ilə həll etməyi hədəflədiyini izah edir.

Məqalənin tədqiqat gündəliyi də bu məhdudiyyəti qəbul edir. DMDD seriyasının sonrakı işlərində arxitekturanın müxtəlif tərəflərinin təfərrüatlandırılması, tətbiq yollarının müəyyənləşdirilməsi və empirik doğrulamanın aparılması hədəflənir.

Nəticələr Nəyi Göstərir?

Tədqiqatın ilk konseptual nəticəsi korporativ qərar probleminin verilənlərin miqdarı ilə həll edilə bilməyəcəyidir. Qurum daha çox verilən toplasa belə, qərar kontekstini, fərziyyələri, alternativləri və nəticələri qeydə almırsa, eyni səhvlər təkrarlana bilər.

İkinci nəticə ERP sistemlərinin qərar intellekti üçün kifayət etməməsidir. ERP əməliyyatları qeydə almaq və icra etmək üçün güclüdür; lakin qərarların niyə verildiyini, hansı alternativlərin kənarlaşdırıldığını və hansı öyrənmənin yarandığını təbii olaraq idarə etmir.

Üçüncü nəticə süni intellektin təkbaşına həll olmamasıdır. Süni intellekt modelləri düzgün arxitekturaya daxil edilmədikdə yanlış veriləni daha sürətlə emal edə, zəif fərziyyələri daha inandırıcı göstərə və qurum daxilindəki səhvləri daha geniş miqyasda yaya bilər.

Dördüncü nəticə insan–süni intellekt əməkdaşlığının siyasət bəyanatı kimi deyil, arxitektura qaydası kimi qurulmalı olmasıdır. Məqalə insanı kritik qərarlardan çıxaran sərhədsiz avtomatlaşdırma ideyasına məsafəli yanaşır. İnsan səlahiyyəti xüsusilə yüksək riskli və mürəkkəb qərarlarda ötürülməz sərhəd olmalıdır.

Beşinci nəticə korporativ yaddaşın texniki arxitekturaya çevrilməli olmasıdır. Qurumlar çox vaxt təcrübəli rəhbərlər ayrıldıqda onların qərar əsaslandırmalarını da itirir. Decision Black Box bu məlumatı şəxslərin yaddaşından çıxarıb qurumun qərar infrastrukturuna yerləşdirməyi hədəfləyir.

Bu Niyə Vacibdir?

Süni intellekt dövründə şirkətlərin ən böyük riski yalnız texnologiyanı gec mənimsəmək deyil. Daha böyük risk güclü süni intellekti zəif qərar arxitekturası üzərində qurmaqdır. Belə halda qurum daha sürətli hesabat yarada, daha çox proqnoz ala və daha çox avtomatlaşdırmadan istifadə edə bilər; lakin qərar keyfiyyəti yenə də artmaya bilər.

DMDD-nin əhəmiyyəti süni intellekt müzakirəsini model performansından qərar idarəçiliyinə daşımasıdır. Modelin doğru cavab yaratması kifayət deyil. O cavabın hansı kontekstdə yarandığı, hansı verilənə əsaslandığı, hansı fərziyyələri ehtiva etdiyi, hansı insan tərəfindən necə qiymətləndirildiyi və sonra qurumun bu qərardan nə öyrəndiyi də vacibdir.

Bu yanaşma xüsusilə böyük və mürəkkəb qurumlar üçün dəyərlidir. İstehsal, logistika, maliyyə, səhiyyə, dövlət, sığorta, enerji və pərakəndə kimi sahələrdə qərarlar yalnız bir departamentin işi deyil. Bir qərar ehtiyatlara, maliyyəyə, müştəri təcrübəsinə, tənzimləyici uyğunluğa, işçilərə və təchizat zəncirinə eyni anda təsir göstərə bilər. Belə hallarda qərarın izlənə və öyrənilə bilməsi kritik hala gəlir.

Verianla baxımından bu tədqiqat süni intellekt və korporativ transformasiya müzakirələrində vacib fərqi görünən edir: ağıllı qurum yalnız çox verilən toplayan və ya süni intellekt istifadə edən qurum deyil. Ağıllı qurum qərarlarının səbəbini bilən, nəticələrindən öyrənən və bu öyrənməni arxitektura səviyyəsində toplayan qurumdur.

Diqqət Edilməli Məqamlar

Bu tədqiqatın bəzi vacib məhdudiyyətləri var.

Birincisi, məqalə empirik doğrulama təqdim etmir. DMDD arxitekturası nəzəri və dizayn elmi əsaslı təklifdir. Real müəssisə mühitlərində performansa təsirin ölçülməsi sonrakı tədqiqatlara buraxılıb.

İkincisi, tədqiqat texniki tətbiq detallarını tam vermir. Alqoritm seçimi, ERP inteqrasiyası, verilən arxitekturası, proqram infrastrukturu və quraşdırma üsulu kimi təfərrüatlar bu working paper-in əhatə dairəsindən kənardadır.

Üçüncüsü, DMDD hər qurum üçün zəruri olmaya bilər. Qeyri-müəyyənliyin aşağı olduğu mühitdə çalışan, qərar mürəkkəbliyi az olan və ya çox erkən mərhələdəki kiçik müəssisələr üçün tam NIUA arxitekturası ağır və gərəksiz ola bilər.

Dördüncüsü, güclü verilən idarəçiliyi olmayan qurumlarda DMDD birbaşa işləməyə bilər. Əgər verilən keyfiyyəti, master data idarəçiliyi, qərar məsuliyyəti və əsas idarəçilik mədəniyyəti zəifdirsə, qərar intellekti arxitekturası əvvəlcə hazırlıq mərhələsi tələb edir.

Beşincisi, millisaniyəlik sürət tələb edən bəzi sahələrdə insan təsdiqli qərar sintezi uyğun olmaya bilər. Məsələn, yüksək tezlikli ticarət, real vaxt proses nəzarəti və ya təcili müdaxilə sistemlərində gecikmə dözümlülüyü çox aşağıdır. Belə sahələrdə DMDD-nin insan mərkəzli idarəçilik sərhədi diqqətlə qiymətləndirilməlidir.

Nəticə

Decision-Making Driven Design tədqiqatı müəssisə sistemləri və süni intellekt müzakirələrinə güclü arxitektura sualı əlavə edir: qurumlar əməliyyatları çox yaxşı qeydə ala bilər, süni intellekt modelləri güclü çıxışlar yarada bilər; bəs qərarların formalaşmasını, əsaslandırmasını, insan müdaxiləsini və öyrənmə dövrəsini kim idarə edir?

DMDD-nin cavabı qərar mərkəzli arxitekturadır. Enterprise Decision Twin qurumun qərar mühitini modelləşdirən koqnitiv qat kimi işləyir. SDOF dövrəsi davamlı skan, dərindən təhlil, optimallaşdırma və öncəgörmə yaradır. NIUA bu işləmə mexanizmini yeddiqatlı arxitekturaya daşıyır. Decision Black Box isə qərar əsaslandırmalarını davamlı korporativ yaddaşa çevirir.

Məqalənin ən vacib töhfəsi süni intellekt dövründə qərar keyfiyyətinin yalnız model gücü ilə deyil, arxitektura idarəçiliyi ilə əlaqəli olduğunu göstərməsidir. Güclü model zəif arxitektura daxilində korporativ səhvləri böyüdə bilər. Güclü arxitektura isə insan və süni intellekt əməkdaşlığını izlənə bilən, izah edilə bilən və öyrənən hala gətirə bilər.

Verianla oxucusu üçün əsas mesaj budur: gələcəyin korporativ intellekti yalnız daha çox verilən və ya daha böyük süni intellekt modeli ilə qurulmayacaq. Əsas fərqi qərarları idarə edən, səhvlərdən öyrənən və korporativ yaddaşı canlı saxlayan arxitekturalar yaradacaq.

Mənbə və Metod Qeydi

Bu yazı Dr. Eng. Samir Lotfi Ali-nin “Decision-Making Driven Design (DMDD): Foundational Architecture for Enterprise Decision Intelligence” başlıqlı, 2026-cı ilin may tarixli working paper mətninə əsaslanaraq hazırlanıb. Məzmun sözbəsöz tərcümə deyil; tədqiqatın əsas problemi, arxitektura təklifi, cədvəlləri, konseptual strukturları və məhdudiyyətləri Verianla-nın nəşr xəttinə uyğun şəkildə sadələşdirilib və orijinal Azərbaycan dilli redaksiya məqaləsinə çevrilib.

Mətndə ERP, süni intellekt, qərar intellekti, korporativ yaddaş, insan–süni intellekt əməkdaşlığı və müəssisə arxitekturası mövzuları nəzərdən keçirilir. Bu məzmun proqram arxitekturası, ERP seçimi, süni intellekt məhsulu və ya korporativ transformasiya üzrə məsləhət deyil. Konkret tətbiqlər üçün qurumun verilən yetkinliyi, iş prosesləri, tənzimləmə şərtləri, texniki infrastrukturu və müstəqil ekspert qiymətləndirilməsi nəzərə alınmalıdır.