2026'da yapay zeka, "denenecek bir teknoloji" olmaktan çıktı; bir kurumsal süreç otomasyonu için varsayılan başlangıç noktasına dönüştü. Yine de pek çok işletme, doğru yerden başlamadığı için ya hiç başlayamıyor ya da çok fazla projeye eş zamanlı dağılarak hiçbirini bitiremiyor. Bu yazıda; AI ile iş süreci otomasyonuna nereden başlanması gerektiğini, hangi süreçlerin gerçekten AI-uygun olduğunu ve ekibinizi nasıl hizalayacağınızı anlatıyoruz.

Hangi süreçler AI-uygun, hangileri değil?

AI'nin son 2 yıldaki en büyük yanlış kullanımı; AI-uygun olmayan süreçlere yapay zeka yapıştırıp, "yapay zeka ile başardık" demektir. Doğru kararı verebilmek için süreci 3 boyutta değerlendirin:

  • Tekrar sıklığı: Bu süreç ayda kaç kez tekrar ediyor? Az tekrar eden bir süreci otomatikleştirmek, geliştirme efforunu geri kazandırmaz.
  • Kural belirsizliği: Sürecin kuralları ne kadar net? Kelime kelime tanımlanabilen kurallar zaten klasik kod ile çözülür; AI, belirsizliğin yüksek ama örneklerden öğrenilebilir olduğu yerde parlar.
  • Hata maliyeti: Bir AI yanılırsa ne kaybedersiniz? Çağrı merkezi yönlendirmesi yanlışsa rahatsızlık olur; finansal işlem yanlışsa felaket olur. AI'yi düşük hata maliyetli süreçlerden başlayarak yaymak ölçeklenebilir bir stratejidir.

AI için ideal başlangıç senaryoları

  1. Müşteri destek talep sınıflandırması: Gelen e-postaları "fatura", "teknik destek", "satış" gibi kategorilere otomatik ayırmak — tekrarlanan, belirsiz dilli, düşük hata maliyetli.
  2. İçerik özetleme ve etiketleme: Uzun raporları yöneticinin 30 saniyede okuyabileceği bir özete dönüştürmek.
  3. İç doküman arama: "Geçen yıl X müşterisi için yazdığımız teklif neydi?" sorusunu intranet'te dakikalar yerine saniyede cevaplamak.
  4. Veri çıkarma: PDF faturalardan, sözleşmelerden, e-postalardan yapılandırılmış veri çekmek.

Nereden başlamalı? 30-60-90 günlük plan

İlk 30 gün: Süreç envanteri ve pilot seçimi

Birinci ay, kod yazma ayı değil. Bu ay; şirketin tüm tekrarlanan süreçlerini listeleyin, her birini "tekrar sıklığı × hata maliyeti × kural belirsizliği" matrisinde puanlayın. En yüksek skorlu 2-3 süreci pilot olarak seçin.

30-60 gün: Pilot uygulama

Seçilen pilot için en küçük çözümle başlayın. ChatGPT API, Claude API veya açık kaynak bir model — fark etmez. Hedef; "üretime kavuşmak" değil, "geri bildirim almak". Üretimde değil ama gerçek veri üzerinde test edin, kullanıcıların yaptığı düzeltmeleri ölçün.

60-90 gün: Üretim ve ölçekleme

Pilotta başarı oranı %85+ aşıldıysa, üretime al; insanı "her seferinde gören" değil, "şüpheli durumlarda gören" konumuna geçir. Üretim akışına insan denetim noktası (human-in-the-loop) ekle — AI'nin emin olmadığı kararları otomatik insan onayına yönlendir.

Sık yapılan 5 hata

  1. Hemen büyük süreçten başlamak: Finans tahmini, müşteri davranışı modelleme gibi büyük projelerle başlayan ekipler, ilk başarı görmeden moral kaybeder.
  2. İnsanı tamamen çıkarmak: AI %95 doğrulukla çalışsa bile, "denetimsiz çalıştır" stratejisi %5 hatanın itibar kaybını göze almak demek.
  3. Tek bir model/sağlayıcıya bağlanmak: OpenAI'ye %100 bağımlı bir mimari, fiyat artışına veya kullanım kısıtlamasına savunmasız.
  4. Eğitim verisini ihmal etmek: Şirketinizin kendi e-postaları, sözleşmeleri, dokümanları — bunlar olmadan AI'nin "sizin bağlamınızı" anlaması zorlaşır.
  5. Başarıyı ölçmemek: "AI kullanıyoruz" demek başarı değildir. "Bu süreç AI olmadan haftada X saat alıyordu; AI ile Y saat aldı" ölçümü olmadan yatırımı savunamazsınız.

Hangi teknoloji? OpenAI mi, açık kaynak mı?

Karar, sürecin veri hassasiyetina bağlı. Müşteri verisinin üçüncü tarafa gitmesinde sakınca yoksa, OpenAI / Claude / Google Gemini gibi yönetilen API'ler en hızlı yol. Hassas veriyle çalışan sektörler (sağlık, finans, hukuk) için kendi sunucunuzda çalışan açık kaynak modeller (Llama 3, Mistral, vb.) doğru tercih. Hibrit yaklaşım da geçerli: hassas olmayan veriyi bulutta, hassas veriyi yerel modelle işlemek.

RAG: AI'nin şirket bilgisini öğrenmesi

Retrieval-Augmented Generation (RAG); AI'ye "tüm bilgiyi öğret" yerine "soru anında doğru belgeleri ona ver" yaklaşımıdır. Şirket içi otomasyon projelerinin %80'i RAG mimarisi ile çözülebilir. Eğitim maliyeti düşük, doğruluk yüksek, kaynaklara geri izlenebilir.

Partnerfy olarak; ajansların ve büyük ölçekli işletmelerin AI otomasyon projelerini, "moda bir teknoloji denedik" değil "süreçlerimiz kalıcı olarak daha verimli" düzeyinde sonuç verecek şekilde kurguluyoruz. Doğru pilot seçimi, doğru mimari ve doğru ölçümleme — AI yatırımının başarısı için üç bileşen de gerekli.