Demet Orakcı - M.Sc. Proje Yöneticisi | AI Destekli Çevik Lider

Herkesin gündeminde aynı soru var: "Yapay zekayı işimize nasıl entegre edeceğiz?" Bu ilgi çok meşru; yapay zeka konusu artık ertelenebilir bir mesele değil. Herkes bir şekilde "AI dönüşümü" başlatmanın yollarını arıyor.

Ama operasyonun içine girince başka bir tablo görüyoruz.

Ciddi bir ERP entegrasyonu olmayan kurumlarda bile yapay zeka yatırımları gündeme geliyor. Operasyon ile muhasebe hâlâ farklı dillerde konuşurken, doğrudan bir "AI ajanı" kurmak hedefleniyor. Veri tabanı temiz değil, veri akışı kopuk, her karar hâlâ bir kişinin masasında bekliyor — ama gündem "büyük dil modeli entegrasyonu."

Bu yaklaşımın sorunu basit: Temel olmadan kurulan yapay zeka, karmaşıklığı azaltmaz — katlar.

Neden Sıra Önemli?

Yapay zekanın işe yaraması için veri gerekir. Temiz, tutarlı, erişilebilir veri. Bu veri nereden gelir? Düzgün çalışan operasyonel sistemlerden. ERP'den, CRM'den, süreç kayıtlarından, operasyonel veri akışlarından.

Ama bu sistem kopuklukları aşılamıyorsa — ya da veri akışı hiç yoksa — yapay zeka neyi öğrenecek? Neyi optimize edecek? Hangi veriden karar üretecek?

McKinsey'in Kasım 2025 *State of AI* raporu çarpıcı bir tablo ortaya koyuyor: Kuruluşların yaklaşık üçte ikisi yapay zekayı kurum genelinde ölçeklendirememiş durumda. Yapay zekadan operasyonel kârının %5'inden fazlasını yaratabilen "lider" organizasyonların oranı ise yalnızca %6.¹ Aradaki farkın nedeni model seçimi ya da bütçe büyüklüğü değil — teknolojik yatırımı izole bir bölüme değil, karar akışının bütününe entegre eden temiz bir veri altyapısı. Karar akışı bütünü olmayan bir yerde yapay zeka entegrasyonu, temeli olmayan bir yapının üzerine inşaat yapmaktır.

Burada sıkça kullandığımız bir kavramı netleştirelim: Karar Maliyeti. Bir verinin ortaya çıkmasıyla, o veriye göre alınması gereken kararın uygulanması arasında geçen sürede şirketin sessizce kaybettiği değerdir. Stoğun azaldığını gören bir tedarikçi bunu sipariş emrine 3 saatte değil 3 günde dönüştürüyorsa, aradaki gecikme her gün operasyonun bilançosuna yazılır — ama hiçbir yerde "kayıp" olarak görünmez. Karar Maliyeti, bilançoda sessizce eriyen bu değerdir; ve yapay zekanın çözmeye çalıştığı asıl problem de tam olarak budur.

Türkiye'de tablo daha çarpıcı. TÜİK'in 2025 verilerine göre Türkiye'de girişimlerin yalnızca %7,5'i herhangi bir yapay zeka teknolojisini kullanıyor. 10-49 çalışanlı işletmelerde bu oran %6,6, 250+ çalışanlı büyük ölçeklilerde %24,1.² AI kullanmayan girişimlere "neden" diye sorulduğunda öne çıkan üç engel: uzmanlık eksikliği (%74,2), yüksek maliyet (%67,4), hukuki belirsizlik (%62,4). Yani Türk sanayicisi AI'a uzak değil — ona "AI" demeden önce uzmanlık altyapısı, maliyet öngörüsü ve hukuki çerçeve istiyor. Sonuç değişmiyor: temel olmadan AI olmaz.

Dijital Olgunluk: Nerede Duruyorsunuz?

Bursa gibi köklü sanayi ekosistemlerinden İstanbul'un hizmet sektörüne kadar benzer bir tablo görüyoruz: Operasyonel deneyim derin, süreç bilgisi güçlü — ama dijital olgunluk bu birikimle orantılı değil. Şirketlerin önemli bir kısmında:

ERP ya yok ya da sadece muhasebe modülü aktif
Operasyonel veri Excel veya sözlü iletişimle taşınıyor
Tedarikçi mutabakatı manuel, gecikmeli ve hatalara açık
Yazılım ekibi varsa CI/CD altyapısı neredeyse hiç yok

Bu tablo sektöre göre farklı yüzler taşıyor:

Otomotiv ve yan sanayide sıkıntı genellikle tedarikçi mutabakatı ve JIT (just-in-time) gecikmelerinde görünür. Binlerce kalem parçayı manuel olarak ERP'ye eşleştiren bir mutabakat ekibi varsa, AI değil önce bu eşleştirme sürecinin otomasyonu gerekir.

Tekstilde tablo boyahanede kendini gösterir: kontrolsüz enerji tüketimi, kimyasal dozajlamadaki karar gecikmeleri, ısı geri kazanımı yapılmadan deşarj edilen su. Buradaki AI gündemi "büyük dil modeli" değil; sensör verisinin operasyonel karara dönmesini sağlayacak bir veri akışıdır.

Gıda işletmelerinde sürekli çalışan fırınlardaki ısı kayıpları, soğutma zincirindeki dalgalanmalar ve AB Yeşil Mutabakatı'nın getirdiği izlenebilirlik yükümlülükleri öne çıkar. Bu yükümlülüklerin altından kalkmak için önce verinin tarladan pakete kadar dijital olarak izlenebilir olması gerekir — AI ondan sonra gelir.

Üç sektör, üç farklı yüz — ama altta yatan mesele aynı: karar veren sistem ile veri üreten sistem arasındaki mesafe.

Bu tabloda yapay zeka konuşmak yanlış değil — ama olgunluk aşamalarını atlamamak şart.

Doğru Sıra Nasıl Görünür?

Aşama 0 — Operasyonel Altyapı. ERP, CRM, web, mobil altyapı, entegrasyonlar. (Yapay zeka gerekmez.)
Aşama 1 — Mimari Ön-Analiz. Nerede durduğunuzu görmek. (Yapay zeka gerekmez.)
Aşama 2 — Blueprint. Adım adım yol haritası. (Yapay zeka gerekmez.)
Aşama 3 — Zekâ Katmanı Mimarisi. Hazır olunca, evet — bulut, hibrit ya da kapalı devre, kurumun ihtiyacına göre.

Çoğu kurum için Aşama 3, deneyimimize göre genellikle 12-18 ay sonrasının gündemine giriyor. Bu bir hayal kırıklığı değil — aksine, o süreyi doğru kullanmak rekabet avantajı yaratıyor.

Hızlı Self-Test: Hangi Aşamadasınız?

Aşağıdaki yedi soruya cevap verin. "Evet" sayısı bulunduğunuz aşamayı gösterir:

1. ☐ ERP'niz var ve operasyon, muhasebe, satış aynı sistem üzerinden veri paylaşıyor mu?

2. ☐ Tedarikçi mutabakatı, sevkiyat ve fatura eşleştirme süreçleriniz dijital ve otomatik mi?

3. ☐ Üretim veya operasyon verisi yönetici panellerinde anlık olarak görünüyor mu?

4. ☐ Bir karar (örn. üretim revizyonu, satın alma onayı) dakikalar içinde alınıp uygulanabiliyor mu?

5. ☐ Web sitesi, mobil uygulama, müşteri portalı gibi sistemleriniz API üzerinden birbiriyle konuşuyor mu?

6. ☐ Yazılım ekibiniz varsa CI/CD pipeline ile dağıtım yapıyor mu?

7. ☐ Veri sahipliği ve veri güvenliği konusunda yazılı bir politikanız var mı?

Skorunuz:

6-7 Evet → Aşama 2-3'tesiniz. AI gündeminin gerçekten gerçekçi olduğu nadir kuruluşlardansınız.
3-5 Evet → Aşama 1'desiniz. AI öncesi bir Mimari Ön-Analiz büyük yatırımları doğru sıraya sokar.
0-2 Evet → Aşama 0'dasınız. Önce operasyonel altyapı — bu bir eksiklik değil, doğru başlangıç noktası.

Bu test bir hüküm değil, bir ayna. Çoğu kuruluş 3-5 arasında çıkıyor — yani Türkiye sanayisinin büyük bölümü Aşama 1'de duruyor. İyi haber: AI yatırımına büyük çek yazmadan önce doğru sıralamayı kurabilirsiniz.

"Ama Rakiplerim AI Kullanıyor"

Kullanıyor olabilirler. Ama hangi veriyle? Hangi altyapı üzerinde?

Türkiye için somut tablo şu: TÜİK 2025 verisine göre büyük ölçekli (250+ çalışan) işletmelerde bile AI kullanım oranı %24,1.² Bu oranın içinde ne olduğunu ayırmak gerekiyor — bir kısım yalnızca ChatGPT'ye e-posta yazdırıyor, bir kısım gerçekten süreçlerini dönüştürüyor. Yazının başında alıntıladığımız McKinsey verisini hatırlayın: ölçeklendirebilen sadece %6.

Yani "rakibim AI kullanıyor" cümlesinin gerçek karşılığı çoğu zaman "rakibim AI'ı denemekte" olabilir. Asıl soru şu: Ben temelimi kurarken rakibim de aynısını mı yapıyor, yoksa benimle aynı yüzeysel deneme aşamasında mı?

Temelsiz yapay zeka hız kazandırmaz — hatalı kararları hızlandırır. Geç kalmak da bir karardır; ama yanlış başlamak iki kat pahalıdır.

Yönetici Özeti

Yapay zeka dönüşümü kaçınılmaz bir evrim. Ama bu yolculuğun bir rotası var ve o rotayı bilmek — nerede durduğunuzu dürüstçe görmek — büyük bir yatırım yapmaktan çok daha değerli.

Bunun en rasyonel yolu, büyük yatırımlara girişmeden önce mevcut dijital olgunluk seviyenizi ve sisteminizdeki Karar Maliyetini net bir şekilde görmektir. Kapsamlı bir Mimari Ön-Analiz, bu dürüst başlangıcın ilk adımıdır.

Referanslar:

¹ McKinsey & Company, "The State of AI in 2025: Agents, Innovation, and Transformation", McKinsey Global Survey, Kasım 2025.