Üretimde ilk yapay zekâ projesi, bir teknolojiden değil, sık tekrarlanan tek bir iş kararından başlayarak seçilmelidir. İstanbul merkezli uygulamalı makine öğrenmesi danışmanlığı Data Department, Türk üreticilerine şunu öneriyor: sahibi belli, en az iki yıllık verisi olan, ERP (kurumsal kaynak planlama) sistemine geri yazılabilen ve ilk gün üzerinde anlaşılan tek bir iş metriğiyle ölçülebilen bir karar seçin.
Türk üreticileri yapay zekâda nerede duruyor?
Türkiye'de yapay zekâ kullanımı hızla artıyor; ancak yapay zekâ kullanan şirketler hâlâ azınlıkta. TÜİK (Türkiye İstatistik Kurumu) verilerine göre 10 ve daha fazla çalışanı olan girişimlerde yapay zekâ kullananların oranı 2025'teki %7,5'ten 2026'da %14'e çıktı. Yapay zekâ kullanmayı düşünüp kullanmayan girişimlerin en sık belirttiği engel ise %72,3 ile uzmanlık eksikliği oldu (TÜİK verilerini aktaran Bloomberg HT, 2026).
Bu tablo üreticiler açısından iki sonuca işaret ediyor. Birincisi, rakiplerinizin çoğu da henüz ilk veya ikinci projesini yürütüyor. İkincisi, asıl eksik bütçe ya da teknoloji değil, doğru projeyi seçecek ve canlıya alacak deneyimdir. Bu nedenle ilk projenin seçimi kritik önem taşır.
İlk proje neden bu kadar önemli?
İlk proje, şirketin yapay zekâ hakkındaki fikrini yıllarca belirler. Proje kimsenin kullanmadığı bir demoyla sonuçlanırsa sonraki bütçe talebinin onaylanması güçleşir. Proje gerçek bir kararı değiştirir ve sonucu mali işlerin hâlihazırda takip ettiği bir rakama yansırsa, ikinci ve üçüncü projelerin önü kendiliğinden açılır.
Fabrikada bunun anlamı somuttur: planlama müdürünün haftalık stok kararı, satın almanın sipariş miktarı, kalite ekibinin numune sıklığı. Yapay zekâ ancak bu kararlardan birinin daha iyi verilmesini sağladığında değer üretir.
İyi bir ilk proje hangi özellikleri taşır?
İyi bir ilk projenin altı özelliği vardır:
- Tekrarlanan bir karar: Ne kadar stok tutulacağı, hangi fiyatın verileceği, hangi makinenin bakıma alınacağı gibi.
- Bir sahip: Çıktıya göre çalışma şeklini değiştirecek, adı belli bir yönetici.
- Mevcut veri: ERP, MES (üretim yürütme sistemi) veya CRM (müşteri ilişkileri yönetimi) sistemlerinde biriken geçmiş.
- Ölçülebilir değer: Para, süre veya hizmet seviyesi cinsinden.
- Entegrasyon yolu: Sonucun ayrı bir panoda değil, mevcut sistemde kullanılması.
- Yönetilebilir risk: Hatalı bir çıktının ya bir kişi tarafından kontrol edilmesi ya da maliyetinin düşük olması.
Aday projeleri nasıl puanlarsınız?
Beş ila on aday proje listeleyin ve her birini aşağıdaki ölçütlere göre 1 (zayıf) ile 3 (güçlü) arasında puanlayın. Bu tablo, 2 haftalık keşif çalışmamızda kullandığımız kontrol listesinin aynısıdır.
| Ölçüt | Sorulacak soru | Güçlü (3) | Zayıf (1) |
|---|---|---|---|
| Karar | Model çalışırsa hangi karar değişir? | Adı konmuş, tekrarlanan karar | "Daha iyi içgörü" |
| Sıklık | Karar ne sıklıkla veriliyor? | Günlük veya haftalık, çok sayıda kalem | Yılda bir |
| Sahiplik | Çıktıya göre kim hareket edecek? | Tek bir sorumlu yönetici | Belirsiz veya bir komite |
| Veri | Doğru ayrıntıda geçmiş var mı? | 2 yıl ve üzeri, ürün veya müşteri bazında | Dağınık Excel dosyaları |
| Metrik | Projenin başarılı olduğunu nasıl anlayacağız? | Mevcut bir KPI (temel performans göstergesi) | Yalnızca proje için tanımlanmış metrik |
| Entegrasyon | Sonuç nereye gidiyor? | ERP, planlama veya MES | Ayrı bir pano |
| Risk | Yanlış olursa ne olur? | Kontrol ediliyor veya maliyeti düşük | İş güvenliği veya hukuki risk |
Toplam 21 üzerinden 17'nin üzerindeki adaylar pilot için güçlüdür. 13 ile 17 arasındakilerde eksik genellikle keşif sırasında giderilebilir. 13'ün altındakileri şimdilik bekletin.
Üretimde hangi projeler genellikle yüksek puan alır?
İlk proje olarak en yüksek puanı alanlar, mali etkisi doğrudan ölçülebilen ve büyük ölçekte tekrarlanan kararlardır:
- Talep tahmini ve stok optimizasyonu: Binlerce kalem, haftalık karar, stok taşıma maliyeti ve hizmet seviyesiyle ölçülür. Bir otomotiv distribütörüyle yürüttüğümüz projede olasılıksal tahmin, eski yönteme göre yaklaşık %30 daha iyi tahmin doğruluğu ve yaklaşık %10 daha düşük stok taşıma maliyeti sağladı (proje detayı).
- Belge işleme: Analiz sertifikaları, irsaliyeler ve teklifler gibi tekrarlayan belgelerin üretken yapay zekâ ile okunması; kazanılan saat ve yakalanan hatayla ölçülür.
- Rota ve sevkiyat planlama: Optimizasyon modelleriyle araç ve rota kararları; kilometre ve araç sayısıyla ölçülür.
- Dinamik fiyatlandırma: Çok sayıda ürün ve sık fiyat değişikliği olan işlerde marj ile ölçülür.
Görüntü işleme ile kalite kontrol değerlidir, ancak önce yeni kamera ve kurulum gerektiriyorsa ilk proje için genellikle fazla kapsamlıdır.
En sık yapılan hatalar nelerdir?
Araçla başlamak. "Büyük dil modeli kullanalım" bir proje değildir. Önce kararı belirleyin, yöntemi sonra seçin.
En görünür sorunu seçmek. Yönetim kurulunun gündemindeki konu için veri olmayabilir. Daha küçük ancak iyi ölçülmüş bir kazanım güveni daha hızlı kurar.
Mevcut durumu ölçmemek. Kararın bugün nasıl verildiğini ölçmezseniz iyileşmeyi gösteremezsiniz. Pilot başlamadan önce mevcut hata, maliyet veya süreyi kaydedin.
Model doğruluğunu iş sonucu sanmak. Doğruluk ara bir rakamdır. Bu konuyu talep tahmini doğruluğu neden tek başına yeterli değildir yazısında ele aldık.
Pilottan sonrasını planlamamak. Modeli canlıda kimin işleteceğini, nerede barındırılacağını ve nasıl izleneceğini en baştan kararlaştırın.
İlk proje ne kadar sürmeli?
Gerçekçi bir takvim şu adımlardan oluşur:
- Keşif, 2 hafta. Projeleri sıralayın, veriyi kontrol edin, iş metriğini belirleyin ve devam ya da dur kararı verin.
- Pilot, 6 ila 10 hafta. Tek bir kullanım alanı, üzerinde anlaşılan metrikle ölçülür; mümkünse mevcut süreçle yan yana çalışır.
- Canlıya alma ve devir. ERP veya planlama sistemleriyle entegrasyon, izleme ve sistemi sahiplenecek ekibin eğitimi.
Bir aday 6 ila 10 haftalık pilotta ölçülebilir sonuç gösteremiyorsa, ilk proje için fazla büyüktür ve daha küçük parçalara bölünmelidir.
Yapay zekâ ne zaman yanlış araçtır?
Bazen dürüst cevap, ilk projenin hiç makine öğrenmesi kullanmaması gerektiğidir. Karar net kurallara bağlıysa bir kural motoru daha ucuz ve denetlenmesi daha kolaydır. Veri kaydedilmiyorsa önce veri toplama düzeltilmelidir. Hacim küçükse iyi tasarlanmış bir tablo yeterli olabilir. Ücretsiz 30 dakikalık yapay zekâ fırsat değerlendirmesinde bu durumu açıkça söylüyoruz. Yapay zekâ gerektirmeyen bir işin ilk yapay zekâ projesi olarak yürütülmesi, sonraki projelere zarar verir.
Danışman seçimi aşamasındaysanız yapay zekâ danışmanı seçerken sorulacak 10 soru yazımız da faydalı olabilir.
Sık sorulan sorular
İlk yapay zekâ projesi için ne kadar veri gerekir?
Çoğu tahmin ve müşteri modeli için kararın verildiği ayrıntıda (ürün, şube, müşteri) en az iki yıllık geçmiş iyi bir başlangıçtır. Sinyal güçlüyse daha kısa bir geçmiş de yeterli olabilir; keşif aşaması bunu geliştirmeye başlamadan önce kontrol eder.
İlk proje üretken yapay zekâ mı, klasik makine öğrenmesi mi olmalı?
Yöntemi karardan sonra seçin. Stok veya fiyat gibi sayısal kararlar için klasik makine öğrenmesi, belge okuma ve iç arama gibi işler için üretken yapay zekâ uygundur.
İlk projenin sahibi kim olmalı?
Kararın sahibi olan yönetici, BT (bilgi teknolojileri) desteğiyle. Yalnızca BT'nin veya yalnızca veri ekibinin sahiplendiği projeler genellikle kullanım aşamasında ilerleyemez.
Verimiz birden fazla sistemde dağınıksa ne olur?
Bu yaygın bir durumdur. Keşif aşamasında gerekli alanların hangi sistemlerde tutulduğu ve ne sıklıkla güncellendiği çıkarılır; çoğu ilk proje iki veya üç kaynaktan veri kullanır.