Yapay Zeka Entegrasyonu Maliyeti: Toplam Hesap

Yapay zeka entegrasyonunun maliyeti yalnızca ilk kurulum ücreti ve aylık API faturasından ibaret değildir. Asıl maliyet, sistemin hangi verilere eriştiğine, hangi işlemleri yapabildiğine, hata durumunda ne olacağına ve canlıda nasıl yönetileceğine bağlıdır.

Yapay zeka için aldığınız en ucuz teklif, çoğu zaman toplamda en düşük maliyetli seçenek olmaz. Teklif, bir model API’si ve chat arayüzünü içerebilir. Hatalı yanıtları sınırlayacak kurallar, CRM’de erişilebilecek kayıtlar, kullanıcı izinleri, hata kayıtları ve bakım kapsamı ise dışarıda bırakılmış olabilir.

Bu içerik, yapay zeka entegrasyonu maliyetini tek bir fiyat etiketi olarak değil, hesaplanabilir kalemler üzerinden ele alır. İlk yatırım ile aylık operasyon giderini ayıracak, tekliflerde eksik kalan kalemleri görecek ve ilk pilotunuzun kapsamını daha doğru belirleyeceksiniz.

Öne Çıkanlar

• Yapay zeka entegrasyonunda API faturası, basit projelerde toplam maliyetin küçük kısmı olabilir; veri, entegrasyon ve test daha büyük kalemlerdir.
• Bilgi veren bir asistan ile CRM, sipariş veya fiyat verisine işlem yapan bir sistem aynı bütçe mantığıyla değerlendirilmez.
• KVKK kapsamındaki kişisel veri, erişim yetkisi, saklama ve silme süreçlerini proje maliyetinin parçası yapar.
• İlk doğru yatırım çoğu KOBİ için özel model eğitmek değil; dar kapsamlı, ölçülebilir ve insan devralmalı bir pilot kurmaktır.
• Sağlıklı bir teklif; veri kaynağı, kullanıcı yetkileri, hata senaryoları, aylık kullanım limiti ve bakım kapsamını yazılı olarak içerir.

Yapay Zeka Entegrasyonunda Gerçek Maliyet Nedir?

Yapay zekaya bir API anahtarı eklemek teknik olarak kısa sürer. İşletme içinde güvenle kullanılacak bir özellik kurmak ise daha kapsamlı bir iştir.

Bir destek asistanı yalnızca kargo politikasını açıklıyorsa risk düşüktür. Ancak aynı asistan sipariş bilgilerini görüyor, müşteri adına iade başlatıyor veya stok durumu paylaşıyorsa maliyet yapısı değişir. Çünkü burada yalnızca yanıt üretmek söz konusu değildir. Veri erişimi, kullanıcı doğrulaması, işlem limitleri ve kayıt tutma gerekir.

Toplam sahip olma maliyetini şu formülle değerlendirin:

Toplam maliyet = keşif ve kapsam + veri hazırlığı + geliştirme + entegrasyon + güvenlik ve test + canlıya geçiş + aylık model/altyapı + bakım ve iyileştirme

Bu formüldeki “model”, bileşenlerden yalnızca biridir. Maliyeti asıl belirleyen, modelin şirket verilerine ne kadar eriştiği ve iş süreçlerinde ne kadar işlem yaptığıdır.

Maliyet kalemi	İlk kurulum	Aylık gider	Maliyeti artıran unsur
Keşif ve kapsam	İş akışının çıkarılması	Yeni senaryo talebi	Belirsiz hedefler
Veri hazırlığı	Doküman, CRM ve bilgi tabanı düzenleme	Bilgi güncellemesi	Dağınık veya eski veri
Geliştirme	Arayüz, kurallar, API bağlantıları	Küçük geliştirmeler	Çok kanallı kullanım
Sistem entegrasyonu	CRM, ERP, e-ticaret, e-posta bağlantıları	API ve araç ücretleri	İşlem yazma yetkisi
Güvenlik ve test	Yetki, log, hata senaryosu	Denetim ve izleme	Kişisel veya hassas veri
Model kullanımı	Başlangıç yapılandırması	Token, dosya, görsel veya ses kullanımı	Yüksek hacim
Bakım	Canlıya geçiş hazırlığı	Prompt, model ve entegrasyon güncellemeleri	Sürekli değişen süreçler

Chatbot fiyatı ile otomasyon maliyetini karıştırmayın

“Yapay zeka chatbot maliyeti” diye arama yapan bir işletme, çoğu zaman aynı ifadeyle iki farklı ihtiyacı anlatır.

İlki, web sitesindeki sık sorulan soruları yanıtlayan sınırlı bir asistandır. Diğeri, WhatsApp’tan gelen talebi okuyup CRM kaydı açan, satış ekibine aktaran ve toplantı takviminde işlem yapan bir otomasyondur.

İkisi de chatbot olarak görülebilir. Ancak ikinci örnekteki bir hata doğrudan operasyonel maliyete dönüşür. Bu nedenle teklifi değerlendirirken ekrana değil, sistemin arka planda yaptığı işlemlere bakmak gerekir.

Maliyeti Belirleyen 7 Kalem

1. Sorunun tanımı ve kapsam

“AI eklemek istiyoruz” ifadesi maliyet hesabı için yeterli değildir. Önce çözülecek tek bir iş sürecini tanımlamak gerekir.

Örneğin, “müşteri desteğini yapay zekayla iyileştirmek” geniş bir hedeftir. “Kargo, iade ve ürün ölçüsü sorularında temsilciye gelen talepleri azaltmak” ise ölçülebilir bir kapsam verir.

İlk aşamada şu soruların yanıtı yazılı olarak netleşmelidir:

• Sistem hangi sorunu çözecek?
• Hangi kanalda çalışacak?
• Sadece bilgi mi verecek, işlem de yapacak mı?
• Hangi yanıtlar insan onayı gerektirecek?
• Başarı hangi metrikle ölçülecek?

Bir e-ticaret markasında operasyon sorumlusu olduğunuzu düşünün. Hedefiniz “müşteri hizmetlerine AI koymak”. İlk toplantıda asıl sorunun, temsilcilerin her gün aynı kargo ve iade sorularını yanıtlaması olduğu ortaya çıkıyor. Sipariş iptali, ödeme ve adres değişikliği akışlarını ilk pilotun dışında bırakırsanız pilot daha sınırlı başlar. Yanlış işlem riski taşımadığı için test süresi ve maliyet de kontrol altında kalır.

Dar kapsam belirlemek küçük düşünmek değildir. İlk yatırımın neyi kanıtlaması gerektiğini bilmek demektir.

2. Veri hazırlığı ve bilgi kaynağı

Yapay zeka, kendisine verilen bilginin doğru ve güncel olduğunu varsayar. Şirketinizdeki PDF’ler, eski Excel dosyaları, e-posta zincirleri ve CRM notları birbiriyle çelişiyorsa model bunları kendi başına düzeltemez.

Bu yüzden veri hazırlığı, birçok projede görünmeyen ama gerçek bir maliyet kalemidir. Bilgi kaynakları belirlenir, güncellikleri kontrol edilir, tekrar eden içerikler ayıklanır ve sistemin kullanabileceği bilginin sınırları çizilir.

Bazı projelerde basit bir bilgi tabanı yeterlidir. Bazılarında ise sistemin şirket dokümanları içinden gerekli bilgiyi bulması gerekir. Bu yöntem genellikle RAG olarak adlandırılır. RAG, tüm dokümanları modele ezberletmek değildir. Uygun dokümanı bulup yanıt sırasında denetimli biçimde kullanmaktır.

RAG şu koşullarda daha anlamlı hale gelir:

• Ürün, prosedür veya politika bilgisi sık güncelleniyorsa
• Çok sayıda belge arasında arama gerekiyorsa
• Yanıtın kaynak dokümana dayandırılması isteniyorsa
• Modelin genel bilgisinden değil, şirket içi bilgiden yanıt vermesi gerekiyorsa

3. Mevcut sistemlerle entegrasyon

Web sitesi, CRM, ERP, e-ticaret altyapısı, e-posta, takvim ve WhatsApp entegrasyonları projeyi karmaşıklaştırır. Ancak bağlantı sayısından daha önemli bir ayrım vardır: Sistem yalnızca veri mi okuyor, yoksa veri de yazıyor mu?

Yalnızca okuma yetkisi olan bir CRM bağlantısı, satış temsilcisine müşteri geçmişinin özetini sunabilir. Veri yazabilen bir bağlantı ise yeni kayıt açabilir, teklif taslağı oluşturabilir veya müşteri statüsünü değiştirebilir. İkinci senaryoda yetki denetimi, hatayı geri alma ve işlem kaydı zorunludur.

Örneğin bir WooCommerce e-ticaret mağazasında asistanın ürün özelliklerini açıklamasıyla sipariş iade durumunu değiştirmesi aynı iş değildir. İlkinde ürün verisinin doğruluğu önemlidir. İkincisinde müşteri doğrulaması, sipariş yetkisi ve insan onayı gerekir.

API’si olmayan eski bir sistem de maliyeti yükseltebilir. Çünkü yapay zeka özelliğinden önce güvenli bir veri aktarım katmanı kurmak gerekebilir.

4. Model ve API kullanımı

Model maliyeti; girdi ve çıktı tokenlarına, dosya işlemlerine, görsel veya ses kullanımına ve araç çağrılarına göre değişir. Ancak varsayılan tercih her zaman “en güçlü model” olmamalıdır.

Basit sınıflandırma, özet çıkarma veya SSS yanıtları daha düşük maliyetli bir modelle güvenilir biçimde çalışabilir. Karmaşık doküman incelemeleri, çok adımlı muhakeme veya yüksek doğruluk gerektiren işler ise daha güçlü bir model isteyebilir.

Model maliyeti; girdi ve çıktı token hacmine ve seçilen model katmanına göre değişir. Token fiyatları sağlayıcıdan sağlayıcıya ve zaman içinde değiştiği için canlı projede hesap, sağlayıcının güncel fiyat sayfasına göre yapılmalıdır.

Örnek bir hesap yapalım:

• Ayda 10.000 konuşma
• Konuşma başına ortalama 1.500 girdi tokenı
• Konuşma başına ortalama 500 çıktı tokenı

Bu kullanım, ayda yaklaşık 15 milyon girdi ve 5 milyon çıktı tokenı üretir. Aylık model faturası, bu hacmin seçilen modelin güncel token fiyatlarıyla çarpılmasıyla bulunur.

Bu hesaba geliştirme, bilgi tabanı, dosya arama, altyapı, kullanıcı doğrulaması, destek, test ve bakım dahil değildir. API ucuz olabilir. Bu, projenin kendiliğinden ucuz olduğu anlamına gelmez.

5. Güvenlik, KVKK ve yetkilendirme

Kişisel veri içeren bir yapay zeka özelliğinde güvenlik, sonradan eklenecek bir ayrıntı değildir. Modele hangi verilerin gönderileceği, kimlerin hangi kayıtlara erişebileceği ve kayıtların ne kadar tutulacağı en baştan belirlenmelidir.

KVKK’nın üretken yapay zekâ rehberi, sistemin yaşam döngüsü boyunca kişisel veri işleme faaliyetlerinin değerlendirilmesine dikkat çeker. Bu nedenle “veriyi gönderiyoruz ama model eğitmiyor” ifadesi tek başına yeterli bir güvenlik yaklaşımı değildir. KVKK’nın üretken yapay zekâ rehberi, veri minimizasyonu ve risk değerlendirmesini proje tasarımının parçası olarak ele alır.

Temel maliyet kalemleri şunlardır:

• Gereksiz kişisel verinin modelden uzak tutulması
• Rol bazlı kullanıcı yetkileri
• Konuşma ve işlem kayıtlarının saklama politikası
• Silme, anonimleştirme ve erişim talepleri için süreç
• Hassas işlem öncesinde insan onayı
• API anahtarı, erişim anahtarı ve bağlantı güvenliği

Bir satış ekibinin CRM özetleme aracı kurmak istediğini düşünün. Araç, tüm temsilcilerin bütün müşteri notlarını görebileceği şekilde tasarlanmış olsun. Testte bir temsilcinin kendi portföyünde olmayan hassas notlara erişebildiği görülür. Çözüm modeli değiştirmek değildir. Müşteri sahipliği, rol bazlı erişim ve veri filtreleme kurallarının yeniden tasarlanması gerekir. Asıl maliyet yapay zeka yanıtında değil, doğru erişim sınırını kurmaktadır.

6. Test, insan devralma ve hata yönetimi

Başarılı bir AI sistemi her soruya yanıt üretmez. Bilmediği durumlarda bunu söyler, riskli hallerde insan ekibe yönlendirir ve işlem yapmadan önce onay ister.

Bu davranışların tasarlanması ve test edilmesi maliyet yaratır. Ancak bunlar olmadan canlıya alınan bir otomasyon, daha pahalı sonuçlara yol açabilecek hatalar yapabilir.

Test planı en az şu senaryoları içermelidir:

• Yanlış veya güncel olmayan bilgiyle gelen soru
• Yanlış fiyat veya stok bilgisi riski
• Yetkisiz kullanıcının veri talebi
• Belirsiz müşteri isteği
• Modelin yanıt uydurma ihtimali
• API veya üçüncü taraf sistem kesintisi
• İnsan temsilciye devir ihtiyacı

Bir otelde form taleplerini sınıflandıran sistem, “balayı paketi” isteğini standart oda talebi olarak etiketlerse satış ekibi yanlış teklif gönderebilir. Bu nedenle sistemin yalnızca sınıflandırma yapması yetmez. Düşük güvenli talepleri doğru kişiye de yönlendirmelidir. İnsan devralma akışı, pahalı bir eklenti değil, güvenli işleyişin şartıdır.

Proje Türüne Göre Bütçe Mantığı

Her yapay zeka projesi için aynı fiyat aralığını vermek yanıltıcıdır. Aşağıdaki tablo, bütçenin hangi koşullarda arttığını gösterir.

Seviye	Tipik kapsam	İlk yatırımın ana kalemi	Aylık giderin ana kalemi
Basit asistan	SSS, sınırlı bilgi tabanı, tek kanal	Arayüz, bilgi düzenleme, temel test	Model kullanımı, izleme
İş akışı otomasyonu	Form, e-posta, CRM veya takvim yönlendirme	Entegrasyon, kural seti, hata yönetimi	API, otomasyon aracı, bakım
Operasyon asistanı	CRM veya ERP verisi, belge işleme, rol bazlı erişim	Veri akışı, yetki, güvenlik, test	Model, altyapı, denetim
Kritik işlem sistemi	Fiyat, sipariş, finans veya hassas karar desteği	İnsan onayı, kapsamlı test, denetim	İzleme, güvenlik, sürekli geliştirme

Her bütçe tahmini; kullanıcı sayısı, veri kalitesi, entegrasyon adedi ve işlem yetkisi gibi kapsam varsayımlarına dayanır.

Bu nedenle “yapay zeka entegrasyonu fiyatları” için tek bir rakam istemek yerine, teklifin hangi varsayımlarla hazırlandığını sorun.

Teklifte Mutlaka Sorulması Gerekenler

Düşük fiyatlı bir teklif mutlaka kötü değildir. Ancak düşük tutarın hangi işleri kapsam dışında bıraktığını anlamak gerekir.

Aşağıdaki maddeler tekliflerde sıkça belirsiz kalır:

• Veri kaynağının temizlenmesi ve güncellik sorumluluğu
• Kullanıcı, rol ve erişim yetkileri
• İnsan temsilciye devretme kuralı
• Konuşma kayıtları ve hata izleme
• Kullanım limiti, bütçe alarmı ve kötüye kullanım kontrolü
• Güvenlik testleri
• Canlıya geçiş sonrası bakım
• API hesabı, kaynak kod ve dokümantasyon sahipliği
• Model veya üçüncü taraf API değiştiğinde yapılacak güncellemeler

Asıl soru “AI var mı?” değil. İşletmeniz içinde kontrol edebileceğiniz bir özelliğe mi sahip oluyorsunuz, yoksa yalnızca bir deneme sürümü mü?

Web sitesine asistan, form sınıflandırma veya belge arama özelliği ekleniyorsa özel WordPress geliştirme sürecinde olduğu gibi altyapı ve sahiplik en baştan düşünülmelidir. Kod, üçüncü taraf hesapları ve veri akışı yalnızca hizmet sağlayıcının erişiminde kalmamalıdır.

Yapay zeka özelliğini maliyetli bir deneye çevirmeyin. Kapsam, veri erişimi ve ölçüm kriterleri netleşmeden model seçmek doğru başlangıç değildir. Yapay zeka entegrasyonu yaklaşımımız, bu sınırları geliştirme başlamadan yazılı hale getirmek için tasarlanır.

Teklif Almadan Önce Hazırlanacak Liste

İyi bir teklif almak için teknik şartname hazırlamanız gerekmez. Ancak aşağıdaki on soruyu yanıtlamak hem proje riskini hem de maliyeti azaltır.

1. Hangi tek iş süreci iyileşecek?
2. Sistem hangi veriye erişecek?
3. Sadece bilgi mi verecek, işlem de yapacak mı?
4. Yanlış cevap veya yanlış işlem olduğunda ne olacak?
5. Hangi kullanıcılar sistemi kullanacak?
6. İnsan hangi noktada devralacak?
7. Başarı hangi metrikle ölçülecek?
8. Aylık kullanım için üst sınır nedir?
9. Bakım kapsamında hangi işler bulunacak?
10. Kod, veri akışı ve üçüncü taraf hesapları kimin sahipliğinde olacak?

Bu liste, ajansın size daha nitelikli sorular sormasına yardımcı olur. Ayrıca “chatbot kurulumu” gibi belirsiz bir talebi ölçülebilir bir iş sorununa çevirir.

Kendi Modelinizi Eğitmeniz Gerekmeyebilir

Çoğu KOBİ için ilk doğru adım kendi modelini eğitmek değildir. Hazır bir model, denetimli bir bilgi kaynağı ve sınırlı bir kullanım senaryosu genellikle daha hızlı sonuç verir.

Özel model veya fine-tuning; tekrar eden çıktı biçimi, çok yüksek kullanım hacmi, özel veri gereksinimi ya da standart modellerin karşılayamadığı kalite şartı varsa değerlendirilmelidir. Pilot tamamlanmadan bu yatırımı yapmak, kapsamı belirlenmemiş bir web sitesi için özel altyapı kurmaya benzer.

Özellikle Shopify mağazalarında ürün bulma, destek talebi sınıflandırma veya müşteri davranışı analizi düşünülüyorsa, önce mevcut mağaza verisinin ne kadar düzenli olduğu görülmelidir. Shopify büyüme desteği kapsamında yapılacak dönüşüm ve operasyon analizi, hangi AI senaryosunun gerçekten değer üreteceğini daha net gösterebilir.

Sık Sorulan Sorular

Yapay zeka entegrasyonu ne kadar tutar?

Maliyet; kullanım senaryosuna, veri kalitesine, entegrasyon sayısına, kullanıcı sayısına ve sistemin işlem yetkisine göre değişir. Basit bir bilgi asistanı ile CRM’ye veri yazan operasyon sistemi aynı bütçeyi gerektirmez.

Yapay zeka API maliyeti nasıl hesaplanır?

Aylık konuşma veya işlem sayısını, işlem başına ortalama girdi ve çıktı tokenını model fiyatıyla çarparsınız. Dosya işleme, araç çağrıları, altyapı ve üçüncü taraf ücretleri buna ayrıca eklenebilir.

Yapay zeka chatbotu için aylık maliyet ne kadardır?

Aylık gider yalnızca model kullanım bedeli değildir. Model tokenları, hosting, izleme, bilgi tabanı güncellemeleri, hata incelemesi ve bakım kapsamı birlikte değerlendirilmelidir.

Yapay zeka entegrasyonunda bakım neden gereklidir?

Model sürümleri, API’ler, şirket bilgileri ve kullanıcı davranışları değişir. Bakım; prompt güncellemelerini, bilgi tabanı yönetimini, hata kayıtlarının incelenmesini, maliyet takibini ve yeni senaryo isteklerini kapsar.

Şirket verisini yapay zekâya vermek KVKK açısından riskli mi?

Kişisel veri işleniyorsa risk değerlendirmesi yapılmalıdır. Veri minimizasyonu, erişim denetimi, saklama süresi, silme süreçleri ve kullanılan hizmetin veri işleme koşulları proje tasarımında ele alınmalıdır.

Hazır API kullanmak mı, özel model geliştirmek mi daha mantıklı?

Çoğu işletme için hazır API ile sınırlı kapsamlı bir pilot yürütmek daha mantıklıdır. Özel model, ancak yüksek hacim veya özel kalite ihtiyacı bu yatırımı gerekçelendirdiğinde değerlendirilmelidir.

Yapay zeka entegrasyonu teklifinde neler olmalı?

Teklifte kapsam, veri kaynakları, entegrasyonlar, kullanıcı izinleri, hata ve insan devralma akışları, aylık değişken giderler, bakım kapsamı ve sahiplik açıkça yer almalıdır.

Önce Sınırı, Sonra Bütçeyi Belirleyin

Yapay zekâ için bütçe ayırmadan önce ne yaptırmak istediğinizi değil, neyi kesinlikle yaptırmayacağınızı yazın. Bu sınır, maliyeti, güvenlik ihtiyacını ve ilk pilotun başarısını doğrudan etkiler.

Doğru başlangıç büyük bir otomasyon vaadi değildir. Tek bir iş akışı seçmek, uygun veriyi tanımlamak, insan devralma noktasını kurmak ve sonucu ölçmek gerekir. Sonraki yatırım, yalnızca pilotun ortaya çıkardığı ihtiyaca göre genişletilmelidir.