Yapay Zekâyı Mevcut İş Akışlarınıza Entegre Etmek: Pilottan Üretime Giden Yol

Organize sanayi bölgesindeki bir yedek parça üreticisini düşünün. Siparişler SAP’ta, üretim planı Excel’de, sevkiyat bilgisi üç ayrı WhatsApp grubunda dolaşıyor; Almanya’daki müşteriye giden her ihracat dosyası — sertifikalar, çeki listeleri, test raporları — her seferinde elle derleniyor. Ay kapanışı geldiğinde muhasebe ekibi e-fatura mutabakatı için iki gece fazladan mesaide. Derken genel müdür bir akşam etkileyici bir yapay zekâ demosu izliyor ve pazartesi sabahı toplantıda cümle hazır: “Biz de yapay zekâya geçiyoruz.”

Sahadan söyleyebiliriz: “yapay zekâya geçmek” diye bir şey yok. Yapay zekâ, ERP’nizin yerine kurulan yeni bir sistem değil; zaten yürüttüğünüz süreçlerin — sipariş, destek, tahsilat, raporlama — üzerine eklenen bir katman. Bu katmanın tutunup tutunmayacağını da modelin zekâsı değil, altındaki sürecin ve verinin sağlığı belirliyor.

Rakamlar bu ayrımı doğruluyor. McKinsey’nin 2025 tarihli State of AI araştırmasına göre kurumların yüzde 88’i en az bir fonksiyonda yapay zekâ kullanıyor; ama yaklaşık üçte ikisi bunu henüz şirket genelinde ölçekleyebilmiş değil. MIT’nin 2025’te yayımlanan “GenAI Divide” raporu daha da sert: kurumsal üretken yapay zekâ pilotlarının yüzde 95’i kâr-zarar tablosunda ölçülebilir bir etki yaratamıyor. Sorun teknolojide değil, entegrasyonda.

Yapay zekâ günlük operasyonda nerede tutunuyor?

Deneyimimizde en hızlı sonuç, hacmi yüksek ve kuralları yarı belirli işlerden geliyor. Bir distribütörün destek kutusunu düşünün: gelen yüzlerce e-postayı sınıflandıran, sipariş durumunu ERP’den çekip yanıt taslağı hazırlayan, yalnızca istisnaları insana devreden bir asistan ekibin bütün gününü değiştirir. Satış tarafında toplantı notlarını CRM kaydına dönüştüren, teklif takibini unutturmayan akışlar var. Finansta e-fatura ve e-arşiv mutabakatı, banka hareketlerinin eşleştirilmesi ve ay kapanışındaki tekrar işler öne çıkıyor — Türkiye’de e-belge altyapısının bu kadar yaygın olması, aslında az kullanılan yapılandırılmış bir veri hazinesi demek. Doküman tarafında ise ihracat evrakından, kalite sertifikalarından ve sözleşmelerden alan bazlı veri çıkarma artık olgunlaşmış bir kullanım.

ERP üreticileri de bu katmanı doğrudan ürünün içine gömüyor: SAP, Joule ajanlarını finanstan tedarik zincirine kadar modüllerine yerleştiriyor; Türk sanayisinde yaygın Logo ve Netsis ekosistemlerinde de ERP verisiyle doğal dilde konuşan, fiş girişini otomatikleştiren çözümler çoğalıyor. Yani soru artık “yapay zekâ alalım mı” değil; “zaten gelmekte olan bu yetenekleri hangi sürecimize, hangi sırayla bağlayacağız”.

Türkiye’deki tablo ilginç bir açı sunuyor. TÜİK’in 2025 verilerine göre girişimlerin yalnızca yüzde 7,5’i herhangi bir yapay zekâ teknolojisi kullanıyor; 250 ve üzeri çalışanı olan şirketlerde bu oran yüzde 24,1’e çıkarken, 10-49 çalışanlı işletmelerde yüzde 6,6’da kalıyor. Aradaki makas, erken davranan KOBİ’ler için ciddi bir rekabet alanı demek.

Araçtan değil, süreçten başlayın

Başarısız projelerin çoğu aynı cümleyle başlıyor: “Bir yapay zekâ aracı aldık, nerede kullansak?” Doğru sıra tam tersi. Önce canınızı en çok yakan, ölçülebilir bir süreci seçin: teklif dönüş süresi, destek taleplerinde ilk yanıt süresi, ay kapanışının kaç gün sürdüğü. Mevcut durumu rakamla kayda geçirin, sürece bir sahip atayın; aracı ondan sonra arayın.

Ters yönde gidildiğinde ortaya araç enflasyonu çıkıyor: pazarlama kendi sohbet botunu, satış kendi not asistanını, IT kendi otomasyon platformunu deniyor; üç ay sonra elde birbirine bağlanmayan beş abonelik ve sahipsiz bir bütçe kalemi kalıyor. Gartner’ın Haziran 2025’teki öngörüsü tam bu tabloya denk düşüyor: otonom ajan projelerinin yüzde 40’ından fazlası, artan maliyetler ve belirsiz iş değeri nedeniyle 2027 sonuna kadar iptal edilecek.

Veri hazırlığı sıkıcıdır ama sonucu o belirler

Bir yapay zekâ asistanının kalitesi, eriştiği verinin kalitesini asla aşamaz. Cari kartlar mükerrer, ürün kodları iki sistemde farklı, kritik bilgi WhatsApp yazışmalarında gömülüyse asistan da aynı karmaşayı üretir — üstelik daha hızlı ve daha özgüvenli biçimde. Bu yüzden ilk haftaların görünmez işi veri temizliğidir: ana verilerin tekilleştirilmesi, dağınık belgelerin ortak ve erişim kuralları belli bir depoya taşınması, kimin neyi görebileceğinin netleştirilmesi. Cazip bir iş değil; ama pilotla üretim arasındaki farkı çoğunlukla burası yaratıyor.

Pilottan üretime giden köprü dardır

“Pilot arafı” diye bir yer var: demo herkesi etkiledi, üç kişi iki hafta kullandı, sonra ilgi söndü ve proje bir sunum sayfasında yaşamaya devam ediyor. Buradan çıkmanın bilinen yolları var. Pilotu gerçek veriyle ve süreci fiilen yürüten ekiple çalıştırın, kurgu senaryolarla değil. Baştan bir eşik belirleyin: hangi metrik ne kadar iyileşirse yaygınlaştıracak, iyileşmezse kapatacaksınız. Ve süreç sahibini pilotun ortağı yapın; sahibi yalnızca IT olan projeyi iş birimleri hiçbir zaman sahiplenmez.

MIT’nin aynı raporundaki bir bulgu, “kendimiz mi geliştirelim, hazır mı alalım” sorusunu da kolaylaştırıyor: hazır çözümü alıp bir iş ortağıyla entegre eden kurumlar, her şeyi içeride sıfırdan geliştirenlere göre çok daha yüksek oranda başarıya ulaşıyor. Fark yaratan şey modeli yazmak değil; onu sizin ERP’nize, sizin onay akışınıza, sizin yetki matrisinize bağlamak.

Güvenlik, KVKK ve Brüksel takvimi

Ortada resmî bir proje olmasa bile ekibiniz muhtemelen çoktan başladı: MIT’nin araştırması, incelenen şirketlerin yüzde 90’ında çalışanların kişisel yapay zekâ araçlarını işte kullandığını gösteriyor. Yasaklamak bu gölge kullanımı yalnızca görünmez kılar; işe yarayan hamle, kurumsal ve denetlenebilir bir alternatif sunmaktır.

Regülasyon tarafı da artık soyut değil. KVKK, Kasım 2025’te “Üretken Yapay Zekâ ve Kişisel Verilerin Korunması Rehberi”ni yayımladı; rehber veri koruma etki değerlendirmesi yapılmasını, istem enjeksiyonu gibi zafiyetlere karşı teknik önlemler alınmasını ve kişisel verinin bu sistemlere ölçüsüzce aktarılmamasını öneriyor. AB’ye ihracat yapan üreticiler içinse AB Yapay Zekâ Yasası kademeli olarak devrede: genel amaçlı modellere ilişkin kurallar Ağustos 2025’ten beri yürürlükte, yüksek riskli sistemlerin takvimi ise Brüksel’in sadeleştirme paketiyle 2027 sonuna doğru kaydırılıyor. Bugünden yapılacak en pratik iş, hangi süreçte hangi aracın hangi veriyle çalıştığını gösteren basit bir envanter tutmak.

90 günlük makul bir yol

Deneyimimizden süzülen takvim şöyle işliyor. İlk iki hafta: tek bir süreç seçin, mevcut metrikleri kaydedin, veri kaynaklarını ve erişim kurallarını netleştirin. Üçüncü haftadan altıncıya: süreci gerçekten yürüten üç-beş kişiyle, gerçek veri üzerinde bir pilot çalıştırın; her çıktının insan onayından geçtiği bir akış kurun. Yedinci haftadan onuncuya: aracı ERP, CRM veya destek sisteminize bağlayın; istisnaların insana nasıl devredileceğini tanımlayın. Son haftalarda rakamlara bakın: eşik tuttuysa yaygınlaştırın, tutmadıysa kapatın ve öğrendiklerinizle ikinci sürece geçin. Kural her durumda aynı: aynı anda tek süreç, her adımda ölçüm.

Yapay zekâyı işe entegre etmek bir teknoloji sıçraması değil, sabırlı bir mühendislik işi: sistemleri birbirine bağlamak, veriyi düzeltmek, insanı akışın içinde tutmak. İlk süreci doğru kuran şirket, ikinci ve üçüncüde gözle görülür biçimde hızlanıyor. Kendi operasyonunuzda nereden başlamak gerektiğini birlikte netleştirmek isterseniz bize yazın — süreçlerinize birlikte bakalım.