ANALYSIS OF ARTIFICIAL INTELLIGENCE READINESS PERFORMANCE OF EUROPEAN UNION COUNTRIES: AN APPLICATION USING THE LOPCOW-BASED GRA METHOD

Yıl 2025, Cilt: 33 Sayı: 1, 23 - 51, 30.06.2025

Furkan Fahri Altıntaş

https://doi.org/10.29228/mjes.465

Öz

The activities and strategies of the European Union (EU), one of the world's most significant economic actors, in the field of ArtificiaI Intelligence (AI) have the potential to influence the global economy and the AI policies of other countries. Therefore, analyzing the AI readiness performance of EU countries is considered crucial. In this study, the AI readiness performance of EU countries for the most recent year, 2023, was measured using the LOPCOW-based Grey Relational Analysis (GRA) Multi-Criteria Decision Making (MCDM) method, based on the Government AI Readiness Index (GAIRI) criteria values. According to the findings, the most critical GAIRI criterion for countries was identified as the government. Secondly, the top three countries with the highest AI readiness performance were found to be Finland, France, and Germany, while the bottom three were Croatia, Romania, and Greece, respectively. Additionally, the average AI readiness performance value for countries was measured, and it was assessed that EU countries with below-average performance need to improve their AI readiness to contribute to the global economy. Finally, sensitivity, comparison, and simulation analyses indicated that the AI readiness performance of EU countries under the GAIRI framework can be measured using the LOPCOW-based GRA method.

Anahtar Kelimeler

Artificial Intelligence (AI) , AI readiness performance , European Union (EU) countries , LOPCOW , LOPCOW-based GRA

AVRUPA BIRLIĞI ÜLKELERININ YAPAY ZEKÂ HAZIRLIK PERFORMANSLARININ ANALIZI: LOPCOW TABANLI GRA YÖNTEMI İLE BIR UYGULAMA

Öz

Dünyanın en önemli ekonomik aktölerinen olan Avrupa Birliği (AB)’nin yapay zekâ (YZ) konusundaki faaliyetleri ve stratejileri küresel akonomiyi ve diğer ülkelerin YZ konusundaki politikalarını etkileyebilemktedir. Dolayısıyla AB ülkelerinin YZ hazırlık performanslarının analizinin önemli olduğu düşünülebilir. Bu kapsamda araştırmada, en son ve güncel olan 2023 yılı için AB ülkelerinin Hükümet Yapay Zeka Hazırlık Performansı (HYZHP) kriter değerleri üzerinden ülkelerin yapay zeka hazırlık performansları LOPCOW tabanlı Gri İlişkisel Analiz (GİA) Çok Kriterli Karar Verme (ÇKKV) yöntemi ile ölçülmüştür. Bulgular kapsaminda ilk olarak ülkelere göre en önemli HYZHP kriterinin Hükümet olduğu tespit edilmişit. İkinci olarak en fazla YZ hazırlık perforsına sahip ilk üç ülkenin Finlandiya, Fransa ve Almanya, buna karşın en az performansa sahip olan ilk üç ülkenin ise sırasıyla Hırvatistan, Romanya ve Yunanistan olduğu belirlenmiştir. Ayrıca ülkelere göre ortalama YZ hazırlık performans değeri ölçülmüş ve ortalama değerden az performansa sahip olan AB ülkelerinin küresel ekonomiye katkılarının olması için YZ hazırlık performanslarını artırmaları gerektiği değerlendirilmiştir. Son olarak duyarlılık, karşılaştırma ve simülasyon analizlerine göre AB ülkelerinin HYZHP kapsamında YZ hazırlık performanslarının LOPCOW tabanlı GİA yöntemi ile ölçülebileceği sonucuna ulaşılmıştır.

Anahtar Kelimeler

Yapay zekâ (YZ) , yapay zekâ hazırlık performansı , Avrupa Birliği (AB) ülkeleri , LOPCOW , LOPCOW tabanlı GRA.

Kaynakça

• Atan, M., and Şenol A. (2020) Örnek Uygulamalarla Çok Kriterli Karar Verme Yöntemleri, (Ankara: Gazi Kitapevi).
• Bansla, A., and Neetu B. (2012) ''AI'', International Journal of Applied Engineering Research, 7(11): 1-5.
• Basılgan, M. (2012). ''Avrupa Birliği'nin Bölgesel Ekonomik Kalkınma Politikası'', Global Journal of Economics and Business Studies, 1(1): 47-66.
• Bektaş, S. (2022). ''Türk Sigorta Sektörünün 2002-2021 Dönemi için MEREC, LOPCOW, COCOSO, EDAS ÇKKV Yöntemleri ile Performansının Değerlendirilmesi'', BDDK Bankacılık ve Finansal Piyasalar Dergisi, 22 Eylül 2022, DOI: 10.46520/bddkdergisi.1178359.
• Bhanutej, J V, and Kesava R. (2024) ''Article Evaluating Healthcare Efficacy: An Exploration of Grey Relational Analysis and COCOSO in MCDM Framework'', Educational Administration: Theory and Practice, 30(4): 7261-7276.