Yapay Zekâyı İşinize Katmak: Sahadan Pratik Notlar

Geçen yıl bir tedarikçi toplantısında karşımdaki firma yetkilisi, ürünlerine "yapay zekâ destekli" ibaresini eklediklerini anlattı. Ne yaptığını sordum; biraz eşeleyince ortaya çıktı ki yaptıkları şey yıllardır var olan basit bir kural motoruydu, sadece adı değişmişti. O toplantıdan çıkarken şunu düşündüm: yapay zekâ etrafındaki gürültü o kadar büyüdü ki, gerçekten işe yarayan kısmı ayırt etmek başlı başına bir beceri hâline geldi. Ben bu ayrımı sunumlardan değil, kendi şirketimin günlük işleyişinden öğrendim. YEDİYİRMİDÖRT Bilişim olarak geçiş kontrol sistemleri kuruyoruz, kamu ihalelerine giriyoruz ve son bir yılda yapay zekâyı bu işin göbeğine yerleştirdim. Bu yazı, o sürecin — hatalarıyla birlikte — pratik notları.

Gürültü ile Gerçek Fayda Arasındaki Çizgi

Yapay zekâ konuşmalarının çoğu iki uçta geziyor: "her şeyi değiştirecek" diyen vaizler ve "balon, geçecek" diyen inkârcılar. Sahada çalışan biri olarak ikisine de mesafeliyim. Benim ölçütüm basit: bir araç, benim veya ekibimin haftada kaç saatini geri veriyor? Bu soruya net cevap veremeyen her yapay zekâ girişimi, tanımı gereği gürültüdür. Cevap verebilenler ise şaşırtıcı derecede sıradan işlerde ortaya çıkıyor: e-posta trafiği, doküman özetleme, teklif taslakları, tekrar eden yazışmalar. Kimsenin konferans sahnesinde anlatmayacağı kadar sıkıcı işler — ve tam da bu yüzden en büyük kazancın olduğu yer.

Şirketimizde ilk fark yarattığı alan buydu. Uzun teknik şartnameleri özetletmek, gelen e-postalardan aksiyon çıkartmak, standart teklif metinlerinin ilk taslağını ürettirmek. Hiçbiri devrim değil; ama toplandığında haftada saatler eden, üstelik kimsenin severek yapmadığı işler. Yapay zekânın bugünkü gerçek değeri, parlak demolarında değil, bu görünmez angaryayı emmesinde.

Vaka Çalışması: Kamu İhale Takibini Ajanlara Devretmek

Somut bir örnek anlatayım, çünkü soyut tavsiyeden sahada öğrenilmiş bir hikâye her zaman daha değerlidir. Kamu ihalelerine giren her firma bilir: EKAP'ta ve ilan kaynaklarında her gün yeni ihaleler yayınlanır ve bunların içinden size uygun olanları ayıklamak, düzenli ve dikkat isteyen bir iştir. Bizim işimizde bu, "geçiş kontrol", "turnike", "PDKS", "güvenlik sistemleri" gibi başlıklar altında açılan ihaleleri kaçırmamak demek. Eskiden bu tarama işini insan gözüyle yapıyorduk; günde belli bir vakit ayrılıyor, yoğun günlerde aksıyor, aksadığı gün de ilgili bir ihale gözden kaçabiliyordu. Kaçan bir ihalenin maliyeti, taramaya harcanan tüm zamanın toplamından büyüktür; bu yüzden burası otomasyon için mükemmel bir adaydı.

Bugün bu iş şöyle yürüyor: her sabah, ben daha güne başlamadan bir ajan sistemi ilan kaynaklarını tarıyor. Bizim iş alanımızı tarif eden anahtar kelimeler ve kriterlerle — işin konusu, bölgesi, yaklaşık ölçeği — eşleşen ihaleleri ayıklıyor. Eşleşen her ihale için kısa bir özet çıkarıyor: işin ne olduğu, son teklif tarihi, dikkat çeken şartlar. Sonra bu özetler görev listemize düşüyor; hangi ihaleye bakılacağı, kimin inceleyeceği, son tarihin ne olduğu görev olarak atanmış hâlde sabah kahvesiyle birlikte önümüzde oluyor. Haftalık tarafta ise ayrı bir raporlama adımı var: hangi ihalelere baktık, hangilerine girdik, hangilerini neden eledik — bu tablo elle tutulan bir hafıza defterinden, kendi kendine oluşan bir kayda dönüştü.

Rakamsal karşılığını da vereyim: eskiden bu tarama ve ön eleme işi, günde ortalama kırk beş dakika ile bir saat arasında bir mesai alıyordu; şimdi benim payıma düşen, sabah görev listesine düşmüş üç-beş özeti okuyup karar vermek — günde on dakikadan az. Haftada dört-beş saatlik bir geri kazanım bu ve daha önemlisi, o saatler günün en verimli dilimi olan sabah saatlerinden çalınıyordu.

Bu sistemin bana öğrettiği en önemli ders şu oldu: kazanç sadece zaman değil, süreklilik. İnsan yorulur, izne çıkar, yoğun günde atlar; ajan her sabah aynı disiplinle tarar. İkinci ders ise daha az konuşulan bir şey: sistemi kurmak işin yüzde otuzu, sistemi kalibre etmek yüzde yetmişi. İlk haftalarda ajan ya çok geniş tarayıp alakasız ihalelerle listeyi şişiriyordu ya da kriterleri fazla sıkı tutunca sınırda kalan işleri kaçırıyordu. Doğru dengeyi bulmak birkaç haftalık gözlem ve ayar istedi. Yapay zekâ projelerinde hayal kırıklığının ana sebebi genelde teknoloji değil, bu kalibrasyon sabrının gösterilmemesi.

Karar Destek Evet, Karar Verici Hayır

Burada altını kalınca çizmek istediğim bir ilke var: bizim sistemde yapay zekâ hiçbir ihaleye girme kararı vermiyor. Tarıyor, özetliyor, önceliklendiriyor, hatırlatıyor — ama "bu ihaleye teklif verelim" kararı her zaman insanda. Bu bir teknoloji sınırı değil, bilinçli bir tasarım tercihi. Çünkü ihaleye girme kararı sadece ilan metninden okunamayan şeylere bağlı: o dönemki iş yükümüz, sahadaki ekip durumu, ilgili kurumla geçmiş deneyim, nakit akışı. Model bunların hiçbirini benim kadar bilemez ve bilse bile sorumluluğu taşıyamaz.

Bu ayrımı "karar destek, karar verici değil" diye özetliyorum ve yapay zekâyı işine katmak isteyen herkese ilk söylediğim şey bu oluyor. Yapay zekâya karar yetkisi devrettiğiniz an, hata yaptığında hesabını veremeyeceğiniz bir sürece imza atmış olursunuz. Bilgi toplama ve ön işleme katmanını makineye, yargı katmanını insana bırakan kurgu, hem bugünkü teknolojinin gerçek gücüne uygun hem de işin hukuki ve ticari sorumluluğuyla barışık tek kurgu.

Sistem Kurgusu: Araç Değil, Akış Satın Alın

Sık yapılan bir hata, yapay zekâyı "bir araç alıp kullanmak" olarak düşünmek. Abonelik açılıyor, birkaç hafta heyecanla deneniyor, sonra kullanım sönümleniyor. Bizim deneyimimizde fark yaratan şey araç değil, akış oldu: yapay zekânın çıktısının, işin zaten aktığı kanala bağlanması. İhale özeti e-postayla gelseydi muhtemelen okunmayan bir bültene dönüşürdü; görev listemize görev olarak düştüğü için yaşıyor. Teklif taslağı ayrı bir platformda dursaydı unutulurdu; çalıştığımız doküman düzeninin içine doğduğu için kullanılıyor.

Kural şu: yapay zekâ mevcut iş akışınıza gelmeli, siz onun ayağına gitmemelisiniz. Ekibe "bir de şu ekranı kontrol edin" demek, otomasyonun kazandırdığı zamanı başka kapıdan geri vermektir. Bu yüzden herhangi bir kuruluma başlamadan önce cevaplanması gereken soru "hangi model daha iyi" değil, "çıktı nereye düşecek ve kim, hangi anda görecek" sorusudur.

Nereden Başlamalı: KOBİ İçin Gerçekçi Bir Yol Haritası

Bana en sık sorulan soru bu, o yüzden kendi yaşadığım sırayı bir yol haritası olarak yazayım. Birinci adım: bir hafta boyunca ekipçe nelere zaman harcadığınızı dürüstçe not edin. Amaç süreç mühendisliği değil; sadece tekrar eden, kural tabanlı, düşük yargı gerektiren işleri görünür kılmak. Bizde bu listenin tepesine ihale taraması ve şartname okuma oturdu; sizde e-posta triyajı, sipariş takibi veya müşteri yazışmaları çıkabilir.

İkinci adım: bu listeden tek bir iş seçin. Tek. En büyüğünü değil, en net olanını — girdisi belli, çıktısı belli, başarısı ölçülebilir olanı. Üçüncü adım: o işi birkaç hafta yapay zekâ destekli ama insan denetiminde çalıştırın; çıktıların ne kadarı elle düzeltme istedi, bunu kaydedin. Dördüncü adım: sonuç tatmin ediyorsa çıktıyı iş akışınıza kalıcı bağlayın ve ancak ondan sonra ikinci işe geçin. Bu sıralamanın sıkıcı görünmesi normal; ama ben "her şeyi birden dönüştürme" hevesiyle başlayıp üç ay sonra hiçbir şeyi dönüştürememiş firma örneğini yakın çevremde birden fazla kez gördüm. Küçük başlayıp işleyen bir şeyi büyütmek, büyük başlayıp hiçbir şeyi işletememekten her zaman hızlıdır.

İşe Yaramayan Denemelerim: Başarısızlık Raporu

Bu yazının inandırıcı olması için sadece işleyeni değil, işlemeyeni de anlatmam gerekiyor. İlk başarısız denemem, müşteri yazışmalarının tamamını yapay zekâya taslaklatmaktı. Teknik olarak çalıştı; ürettiği metinler dil bilgisi açısından kusursuzdu. Sorun şuydu: bizim işimizde müşteri iletişiminin değeri büyük ölçüde kişisellikten geliyor. Yıllardır çalıştığımız bir tesis müdürüne giden e-postanın "fazla pürüzsüz" olması, karşı tarafın fark ettiği ve tuhaf bulduğu bir şeydi. Şimdi yapay zekâ yalnızca bilgi ağırlıklı, şablona yatkın yazışmalarda ilk taslağı hazırlıyor; ilişki yönetimi içeren her metin insandan çıkıyor. Ders: otomasyonun sınırı teknik değil, ilişkiseldir.

İkinci başarısızlık, toplantı notlarını otomatik özetletip herkese dağıtma denemesiydi. Özetler fena değildi ama kimse okumuyordu; çünkü özet, karar ve sorumluluk atamadığı sürece sadece bir metindir. Sistemi, özet yerine "kararlar ve görevler" çıkaracak ve bunları doğrudan görev listesine yazacak şekilde değiştirince yaşamaya başladı. Ders: çıktının formatı, çıktının kalitesinden daha belirleyici olabilir. Üçüncüsü ise fazla iddialı bir başlangıçtı: ilk aylarda teklif hazırlığının tamamını uçtan uca otomatikleştirmeye kalktım. Keşif notu, maliyet tablosu, metin — hepsi tek akışta. Sistem kırılgandı, her istisnada elle müdahale gerekiyordu ve ekip güvenini kaybetti. Geri çekilip sadece "standart metin bloklarının taslağı" gibi dar bir parçaya indirgediğimizde çalışmaya başladı, sonra adım adım genişledi. Bu üç deneme bana yol haritasındaki "tek ve net iş seç" kuralını pahalı yoldan öğretti; siz aynı dersi ucuza alın diye yazıyorum.

Maliyet ve Beklenti Yönetimi

Para konusunu açık konuşalım. KOBİ ölçeğinde yapay zekânın doğrudan maliyeti — abonelikler, API kullanımı — çoğu firmanın korktuğundan düşük; aylık toplamı, kazanılan iş saatiyle kıyaslandığında tartışma götürmeyecek seviyede. Asıl maliyet görünmeyen kalemde: kurulum ve kalibrasyon için ayrılacak insan zamanı. Bizim ihale sistemimizin araç maliyeti önemsizdi; benim akşamlarımı alan kısım, kriterleri ayarlamak, hatalı eşleşmeleri inceleyip sistemi düzeltmek oldu. Bütçe yaparken parayı değil, bu zamanı planlayın.

Beklenti tarafında da net olayım: ilk ay büyülü sonuç beklemeyin. İlk ay sistemin yanlışlarını göreceğiniz aydır ve bu, sürecin arızası değil, ta kendisidir. Verimlilik kazancı ikinci-üçüncü aydan itibaren, sistem kalibre olup ekip güvenmeye başladığında bileşik faiz gibi birikmeye başlıyor. Yapay zekâdan bir çeyrekte mucize bekleyen yönetici, hayal kırıklığını teknolojiye fatura eder; oysa fatura genellikle sabırsızlığa kesilmelidir.

Riskler: Halüsinasyon ve Hassas Veri

İki riski sahada bizzat yaşadığım için özellikle yazıyorum. Birincisi halüsinasyon: modeller emin bir dille yanlış bilgi üretebiliyor. Bizim bağlamda bunun anlamı somut — bir şartname özetinde yanlış aktarılmış tek bir tarih ya da tutar, bir ihalenin kaybedilmesi demek olabilir. Çözümümüz basit ve teknoloji dışı: kritik alanlar (tarihler, tutarlar, teminat şartları) her zaman kaynak belgeden insan gözüyle teyit edilir. Özet yön göstermek içindir; imza atılacak her bilgi aslından doğrulandır. Bu kuralı bir kez esnetirseniz, sistemin size kazandırdığı güveni tek hatayla geri ödersiniz.

İkincisi hassas veri. Müşteri bilgilerini, ticari sırları, personel verilerini hangi araca, hangi şartlarla verdiğinizi bilmek zorundasınız. Bizim işimiz güvenlik sistemleri olduğu için bu konuda paranoyak sayılırım: hangi verinin hangi sistemde işlendiğine dair yazılı bir sınırımız var ve kişisel veri içeren hiçbir içerik, veri işleme şartlarını incelemediğimiz bir servise girmez. KVKK tarafında sorumluluk aracı üretenin değil, veriyi işleyenin — yani sizin. "Herkes kullanıyor" cümlesi, bir veri ihlali durumunda savunma değildir.

Kapanış

Bir yılın sonunda geldiğim nokta şu: yapay zekâ bizim şirkette ne bir devrim yaptı ne de bir hayal kırıklığı oldu. Sessizce, her sabah ihaleleri taradı, özetleri düşürdü, taslakları hazırladı ve bize işin insan isteyen kısmı için — sahada sistem kurmak, müşteriyle konuşmak, doğru kararı vermek için — zaman kazandırdı. Bence doğru beklenti tam olarak bu: gösterişsiz, ölçülebilir, birikimli fayda. Siz de kendi işinizde bu yola çıkacaksanız, büyük stratejiyle değil, önümüzdeki hafta tek bir angaryayı devrederek başlayın. Takıldığınız yer olursa yazın; ben de bu yolu deneye deneye yürüyorum ve öğrendiklerimi paylaşmaya devam edeceğim.