3 Haziran 2026
Yapay Zekâ Dönüşümü Neden Sadece Teknoloji Projesi Değildir?
Yapay zekâ dönüşümü çoğu kurumda araç, model, otomasyon veya POC başlığıyla konuşuluyor. Oysa sahada asıl mesele teknoloji değil; verinin sahibi, sürecin sorumlusu, kararın etkisi, kullanıcının güveni ve çıktının nasıl yönetileceğidir.
Yazar: Fatih Görgülü
Yapay zekâ dönüşümü ve kurumsal disiplin teması için soyut editoryal kapak görseli
soyut; veri, karar, süreç ve sahiplik katmanları; teknoloji değil organizasyon odağı
Yapay zekâ dönüşümü çoğu kurumda araç, model, otomasyon veya POC başlığıyla konuşuluyor. Sunumlarda güzel görünüyor, demoda etkileyici duruyor, ilk kullanımda da heyecan yaratıyor.
Ama sahada iş başka.
Bir çözümün demo ortamında çalışması, kurumun o çözümü gerçekten kullanabileceği anlamına gelmez. Yapay zekâ çıktısının bir iş kararını etkilemesi için verinin güvenilir olması, sürecin sahibi olması, kullanıcının neye güveneceğini bilmesi ve hatalı çıktının nasıl yönetileceğinin netleşmesi gerekir.
Bu yüzden yapay zekâ dönüşümü sadece teknoloji projesi değildir.
Bu, kurumun veriyle, süreçle, kararla ve sahiplikle kurduğu ilişkinin yeni bir testidir.
Yapay zekâ dönüşümü ne demek?
Yapay zekâ dönüşümü, kurumun yapay zekâ araçlarını yalnızca deneme veya otomasyon düzeyinde kullanması değildir. Asıl dönüşüm; yapay zekânın iş süreçlerine, karar mekanizmalarına, veri yönetimine, kullanıcı davranışına ve operasyonel çalışma düzenine kontrollü şekilde yerleşmesidir.
Başka bir ifadeyle yapay zekâ dönüşümü şu soruların cevabıdır:
- Hangi iş problemini çözüyoruz?
- Bu problem gerçekten yapay zekâ gerektiriyor mu?
- Hangi veriyle çalışıyoruz?
- Verinin sahibi kim?
- Çıktı hangi kararı etkiliyor?
- Hatalı çıktı oluşursa kim müdahale edecek?
- Kullanıcı bu çıktıya nasıl güvenecek?
- Bu çalışma POC olarak mı kalacak, yoksa sürece mi girecek?
Bu sorulara cevap yoksa ortada dönüşüm değil, teknoloji denemesi vardır.
Yapay zekâ kötü kurulmuş süreci düzeltmez. Veri sahipliği, karar düzeni ve süreç sorumluluğu yoksa sadece dağınıklığı daha hızlı görünür hale getirir.
Yapay zekâ dönüşümü ne değildir?
Yapay zekâ dönüşümü ne değildir?
| Yanlış algı | Sahadaki doğru karşılık |
|---|---|
| Yapay zekâ dönüşümü araç satın almaktır | Araç sadece başlangıçtır; değer süreç, veri ve kullanım disiplininde oluşur |
| POC başarılıysa dönüşüm başlamıştır | POC yalnızca fikrin çalışabileceğini gösterir; dönüşüm operasyonel kullanımda başlar |
| Veri varsa yapay zekâ çalışır | Veri sahipli, temiz, güncel ve anlamlı değilse çıktı güvenilir olmaz |
| Yapay zekâ insan kararının yerine geçer | Çoğu kurumsal süreçte insan onayı ve sorumluluk noktası tanımlanmalıdır |
| AI projesi IT'nin işidir | İş birimi, süreç sahibi, veri sahibi, IT, hukuk/güvenlik ve sponsor birlikte çalışmalıdır |
| Başarı modelin teknik performansıdır | Başarı iş sonucuna, kullanım oranına, karar kalitesine ve sürdürülebilirliğe bakılarak ölçülür |
| Yapay zekâ herkesi hızlandırır | Yanlış süreçte hız sadece hatanın daha hızlı yayılması anlamına gelir |
Sahada en tehlikeli yanılgı şudur: "Araç iyi, o zaman iş çözülür." Hayır. Araç iyi olabilir; ama süreç karışık, veri sahipsiz, kullanıcı güvensiz ve karar mekanizması belirsizse sonuç kalıcı olmaz.
Yapay zekâ projeleri neden POC'ta kalır?
Birçok kurum yapay zekâ konusunda deneme yapar. Küçük bir ekip bir senaryo seçer, araç denenir, demo hazırlanır, ilk sonuçlar etkileyici görünür. Sonra proje bir noktada yavaşlar.
Neden?
Çünkü POC aşamasında görünmeyen bazı gerçekler operasyonel kullanımda ortaya çıkar.
AI projeleri neden POC'ta kalır?
| Sebep | Sahadaki sonuç |
|---|---|
| İş problemi net değildir | Çözüm etkileyici görünür ama işte karşılığı zayıf kalır |
| Veri sahibi yoktur | Veri kalitesi tartışması kimsenin üstünde kalmaz |
| Süreç sahibi karar vermez | Çıktının hangi akışta kullanılacağı belirsiz kalır |
| Kullanıcı güveni oluşmaz | Kullanıcı öneriyi görür ama kararında kullanmaz |
| Risk ve hata yönetimi tanımlı değildir | Hatalı çıktı olduğunda kim ne yapacak belli olmaz |
| POC sonrası operasyon modeli kurulmaz | Demo biter, iş günlük düzene giremez |
| Başarı metriği iş sonucuna bağlanmaz | Teknik başarı olur ama yönetim değeri göremez |
POC'ta kalan yapay zekâ projesi genelde teknoloji yüzünden kalmaz. Karar sahibi, veri sahibi, süreç sahibi ve kullanım sahibi net olmadığı için kalır.
Yapay zekâ projesinde ilk sorulacak soru: Hangi iş kararını etkiliyor?
Yapay zekâ projesine "hangi araçla yapacağız?" diye başlamak çoğu zaman yanlıştır.
İlk soru şu olmalıdır:
Bu çalışma hangi iş kararını iyileştirecek?
Örnekler:
- Satınalma kararını mı hızlandıracak?
- Stok riskini mi azaltacak?
- Üretim planlamasında uyarı mı üretecek?
- Müşteri talebini mi önceliklendirecek?
- Proje risklerini daha erken mi gösterecek?
- Kullanıcı destek kayıtlarını daha doğru mu sınıflandıracak?
- ERP verisinden yöneticiye karar sinyali mi çıkaracak?
Bu karar netleşmeden yapılacak yapay zekâ çalışması, teknolojik olarak ilginç olabilir ama kurumsal olarak zayıf kalır.
Yapay zekâ projesinde çıktı üretmek yetmez. O çıktının hangi kararı, hangi süreçte, kimin sorumluluğunda etkilediği net olmalıdır.
Veri sahipliği yoksa yapay zekâ güven üretmez
Yapay zekâ projelerinde en çok küçümsenen konu veridir. Kurumlar çoğu zaman "verimiz var" der. Ama sahada soru şu değildir: Veri var mı?
Asıl soru şudur:
- Veri güncel mi?
- Veri doğru mu?
- Veri hangi sistemden geliyor?
- Verinin sahibi kim?
- Hatalı veri fark edilirse kim düzeltecek?
- Veri değişirse model veya çıktı nasıl etkilenecek?
- Kullanıcı bu veriye güveniyor mu?
ERP projelerinde de aynı şeyi görürüz. Malzeme kartı dağınıksa, cari mükerrerse, stok güvenilir değilse, ürün ağacı ve rota zayıfsa, sistem canlıya çıksa da iş sıkıntı yaşar.
Yapay zekâ da bundan bağımsız değildir. Sahipsiz veriyle güçlü yapay zekâ projesi olmaz.
Yapay zekâ için veri hazırlığı soruları
| Soru | Neden önemli? |
|---|---|
| Verinin sahibi kim? | Hatalı veri çıktıyı etkilediğinde sorumluluk net olmalıdır |
| Veri hangi sistemden geliyor? | Kaynak sistem güvenilirliği bilinmelidir |
| Veri güncel mi? | Eski veri yanlış öneri üretebilir |
| Veri temiz mi? | Mükerrer, eksik veya çelişkili veri karar kalitesini düşürür |
| Veri bağlamı biliniyor mu? | Sayıların süreç anlamı anlaşılmadan doğru yorum yapılamaz |
| Veri erişimi kontrollü mü? | Güvenlik ve yetki riski yönetilmelidir |
| Veri değiştikçe çıktı izleniyor mu? | Model veya kural davranışı zamanla bozulabilir |
ERP'de kirli veri nasıl canlı geçişte patlıyorsa, yapay zekâda da kirli veri güveni patlatır. Fark şu: Yapay zekâ yanlış çıktıyı daha ikna edici gösterebilir.
İnsan onayı ve sorumluluk noktası net olmalı
Yapay zekâ bazı işleri hızlandırabilir. Bazı sınıflandırmaları yapabilir. Bazı riskleri erken gösterebilir. Bazı metinleri özetleyebilir. Bazı karar seçeneklerini görünür kılabilir.
Ama kurumsal süreçlerde her çıktı otomatik karara dönüşmemelidir.
Özellikle ERP, finans, insan kaynakları, satınalma, üretim, kalite, hukuk, müşteri ilişkileri ve proje yönetimi gibi alanlarda şu sorular net olmalıdır:
- Yapay zekâ öneri mi üretiyor, karar mı veriyor?
- İnsan onayı nerede devreye giriyor?
- Hatalı öneri fark edilirse kim düzeltecek?
- Kullanıcı çıktıyı kabul etmek zorunda mı?
- Çıktı kayıt altına alınacak mı?
- Bu çıktı denetime konu olabilir mi?
AI çıktısı için sorumluluk modeli
| Alan | Netleşmesi gereken soru |
|---|---|
| Öneri | Yapay zekâ sadece öneri mi üretiyor? |
| Karar | Nihai kararı kim veriyor? |
| Onay | İnsan onayı hangi noktada gerekli? |
| Kayıt | Çıktı ve karar izlenebilir mi? |
| Hata | Hatalı çıktı nasıl yakalanacak? |
| Sorumluluk | Sonuçtan hangi rol sorumlu? |
| Denetim | Gerekirse karar geçmişi açıklanabilir mi? |
Yapay zekâ çıktısı iş kararını etkiliyorsa sorumluluk boşlukta kalamaz. Kurum "AI söyledi" diyerek karar sorumluluğunu ortadan kaldıramaz.
PMO yapay zekâ dönüşümünde neden önemli?
Yapay zekâ projeleri tek tek ekiplerin deneme alanı olarak bırakılırsa bir süre sonra kurumda dağınık bir AI envanteri oluşur. Her ekip farklı araç dener, bazıları iyi sonuç verir, bazıları unutulur, bazıları risk üretir, bazıları da aynı problemi farklı yerlerde tekrar çözer.
PMO burada klasik rapor ofisi gibi değil, dönüşüm kontrol noktası gibi çalışmalıdır.
Yapay zekâ dönüşümünde PMO'nun rolü
| Alan | PMO katkısı |
|---|---|
| Kullanım senaryosu | Hangi AI çalışmasının hangi iş problemine bağlandığını görünür kılar |
| Önceliklendirme | Her fikri değil, iş değeri ve uygulanabilirliği yüksek senaryoları öne çıkarır |
| Veri sahipliği | Veri sahibi, kaynak sistem ve kalite sorumluluğunu takip eder |
| Risk yönetimi | Güvenlik, etik, hata, kullanıcı kabulü ve operasyon etkisini görünür yapar |
| POC yönetimi | Denemeden operasyona geçiş kriterlerini netleştirir |
| Fayda takibi | Teknik başarı yerine iş sonucu ve kullanım değerini izler |
| İç link / bağımlılık | ERP, süreç, IT ve iş birimleri arasındaki bağımlılıkları gösterir |
PMO burada "AI projelerini raporlayan ekip" olmamalı. Hangi denemenin işe yarayacağını, hangisinin risk taşıdığını ve hangisinin gerçekten operasyona girebileceğini görünür kılmalı.
ERP verisi yapay zekâya hazır mı?
ERP sistemleri yapay zekâ için güçlü bir kaynak olabilir. Satınalma, stok, üretim, satış, finans, servis, bakım, proje ve insan kaynakları verisi doğru yönetilirse ciddi karar sinyalleri üretilebilir.
Ama ERP verisinin var olması yeterli değildir.
Yapay zekâ için ERP verisi kullanılacaksa şu başlıklar netleşmelidir:
- Ana veri kalitesi
- Mükerrer kayıtlar
- Eksik alanlar
- Tarihsel veri tutarlılığı
- Süreçlerin sistemde gerçekten işletilip işletilmediği
- Kullanıcıların veriyi zamanında girip girmediği
- Raporların güvenilirliği
- Yetki ve erişim modeli
- Veri sahibinin kim olduğu
- Hangi verinin hangi kararı etkileyeceği
ERP'de doğru işletilmeyen süreç, yapay zekâ tarafında doğru içgörüye dönüşmez. Önce işin ve verinin düzeni gerekir.
Yapay zekâ dönüşümü için pratik karar matrisi
Her yapay zekâ fikri projeye dönüşmemelidir. Bazı fikirler etkileyici ama düşük değerli olabilir. Bazıları değerli ama veri olarak hazır değildir. Bazıları teknik olarak mümkündür ama güvenlik veya sorumluluk riski taşır.
Yapay zekâ kullanım senaryosu karar matrisi
| Kriter | Sorulacak soru |
|---|---|
| İş değeri | Bu senaryo hangi maliyeti, riski, süreyi veya kalite problemini iyileştiriyor? |
| Veri hazırlığı | Gerekli veri güvenilir, erişilebilir ve sahipli mi? |
| Süreç uyumu | Çıktı hangi iş akışında kullanılacak? |
| Kullanıcı kabulü | Kullanıcı bu çıktıyı kararında kullanır mı? |
| Risk | Hatalı çıktı neye zarar verir? |
| İnsan onayı | Nerede insan kontrolü gerekir? |
| Ölçüm | Başarı hangi iş metriğiyle takip edilecek? |
| Operasyonel sahiplik | POC sonrası kim sürdürecek? |
Bu sorulara cevap veremeyen AI fikri kötü fikir olmayabilir; ama henüz proje olmaya hazır değildir.
Yapay zekâ dönüşümünde 30-60-90 gün bakışı
Bu dönüşümü tek sunumla, tek araçla veya tek eğitimle yönetmek doğru değildir. İlk 90 gün, kurumun yapay zekâyı ne kadar gerçekçi ele aldığını görmek için iyi bir başlangıç penceresidir.
Yapay zekâ dönüşümü için 30-60-90 gün yaklaşımı
| Dönem | Ana odak | Beklenen çıktı |
|---|---|---|
| İlk 30 gün | Kullanım alanlarını ve veri gerçekliğini görmek | AI fırsat envanteri, veri/süreç uygunluk değerlendirmesi |
| 31-60 gün | Öncelikli senaryoları seçmek ve POC kriterlerini kurmak | Karar matrisi, POC planı, risk ve sahiplik listesi |
| 61-90 gün | Operasyonel kullanım ve ölçekleme kararını vermek | POC değerlendirme, operasyon modeli, fayda takibi, sonraki faz kararı |
İlk 30 gün heyecan değil gerçeklik toplama dönemidir. İkinci 30 gün seçim ve disiplin dönemidir. Üçüncü 30 gün ise POC'un gerçekten işe dönüşüp dönüşmeyeceğinin anlaşıldığı dönemdir.
Sonuç: Yapay zekâ dönüşümü iş bitirme disiplinine ihtiyaç duyar
Yapay zekâ dönüşümü teknolojiyle başlar gibi görünür ama teknolojiyle bitmez.
Gerçek değer; doğru problemi seçince, verinin sahibini belirleyince, süreci netleştirince, insan onayını tanımlayınca, riski görünür kılınca ve sonucu iş metriğine bağlayınca ortaya çıkar.
Sahada gördüğüm gerçek şu: Kurum ERP'de verisini toparlamamışsa, süreç sahibini netleştirmemişse, karar düzenini kurmamışsa ve proje disiplinini oturtmamışsa yapay zekâdan mucize beklememeli.
Yapay zekâ hız kazandırabilir. Ama neyi hızlandırdığını bilmek gerekir.
Düzenli bir süreci hızlandırırsa değer üretir. Dağınık bir süreci hızlandırırsa karmaşayı büyütür.
Bu yüzden yapay zekâ dönüşümünü araç seçimi olarak değil; veri, süreç, sahiplik, risk ve karar düzeni olarak ele almak gerekir.
İyi yönetilen yapay zekâ çalışması daha fazla teknoloji konuşmaz. Daha doğru problem seçer. Daha güvenilir veri ister. Daha net sorumluluk tanımlar. Daha ölçülebilir sonuç üretir.
Benim için mesele budur: Yapay zekâ konuşmak değil, yapay zekânın kurumda gerçekten işe yarayacağı düzeni kurmak.
Sık Sorulan Sorular
Yapay zekâ dönüşümü nedir?
Yapay zekâ dönüşümü, yapay zekâ araçlarının kurumun iş süreçlerine, karar mekanizmalarına, veri yönetimine ve operasyonel çalışma düzenine kontrollü şekilde yerleştirilmesidir. Sadece araç kullanımı veya POC yapmak dönüşüm için yeterli değildir.
Yapay zekâ projeleri neden başarısız olur?
Çoğu yapay zekâ projesi teknoloji yüzünden değil; iş problemi net olmadığı, veri sahipliği kurulmadığı, kullanıcı kabulü sağlanmadığı, risk yönetimi yapılmadığı ve POC sonrası operasyon modeli kurulmadığı için başarısız olur.
AI projeleri neden POC'ta kalır?
POC başarılı görünse bile çıktının hangi iş sürecine gireceği, kim tarafından kullanılacağı, hangi veriye dayanacağı ve nasıl ölçüleceği net değilse proje operasyona geçemez.
Yapay zekâ dönüşümünde PMO'nun rolü nedir?
PMO; yapay zekâ kullanım senaryolarını iş hedefi, veri sahipliği, risk, operasyonel sahiplik, kullanıcı kabulü ve fayda takibi açısından görünür kılar. Böylece AI çalışmalarının dağınık denemeler olarak kalmasını engeller.
ERP verisi yapay zekâ için yeterli midir?
ERP verisi güçlü bir kaynak olabilir; ancak veri temiz, güncel, sahipli ve süreç bağlamı anlaşılmış olmalıdır. Kirli veya sahipsiz veri yapay zekâ çıktısına güveni zedeler.
Yapay zekâ insan kararının yerine geçmeli mi?
Her durumda hayır. Birçok kurumsal süreçte yapay zekâ öneri, sınıflandırma veya erken uyarı üretebilir; ancak nihai karar, insan onayı, sorumluluk ve denetim noktaları açıkça tanımlanmalıdır.
İlgili okumalar
ERP cluster içinde
Bu yazı ERP ve dönüşüm hattında bir bilgi parçası. Rehberler ve uzmanlık sayfalarıyla birlikte okunduğunda daha yapısal bir resim verir.
İlgili yazılar
AI Proje Yöneticisinin Yerine Geçer mi?
AI proje yönetiminde toplantı notu alabilir, rapor taslağı hazırlayabilir, riskleri sınıflandırabilir ve paydaş iletişimini hızlandırabilir. Ama bu, proje yöneticisinin ortadan kalkacağı anlamına gelmez.
Oku →PMO Nedir? Rapor Ofisi Değil, Karar Düzeni
PMO, Project Management Office yani Proje Yönetim Ofisi anlamına gelir. Kurumsal tanım doğru olsa da sahada tek başına yetmez: asıl sınav rapor üretmek değil; karar bekleyen konuları görünür kılmak, riskleri sahiplendirmek ve proje yönetimini kişisel gayretten kurumsal düzene taşımaktır.
Oku →Hypercare Exit Criteria Nedir? Canlı Geçiş Sonrası Kapanış Ölçütleri
Hypercare exit criteria, canlı geçiş sonrası yoğun destek döneminin ne zaman kontrollü şekilde kapatılabileceğini gösteren ölçütlerdir. Bu kriterler yoksa hypercare ya erken kapatılır ya da sürekli uzayan, kapsamı belirsiz bir destek dönemine dönüşür.
Oku →