Yapay Zekâ Kullanım Alanı Önceliklendirme Rehberi

Yapay zekâ kullanım alanlarını önceliklendirmek, en heyecan verici fikri seçmek değildir. Sık tekrarlanan, ölçülebilen, verisine erişilebilen ve insan denetimiyle güvenle yürütülebilen işi seçmektir. İlk AI projenizin chatbot, sesli agent veya özel model olması gerekmez.

Yapay zekâ projeleri çoğu zaman fikir azlığından değil, fikir fazlalığından tıkanır. Satış ekibi teklif hazırlığını hızlandırmak ister. Operasyon otomasyon talep eder. Pazarlama içerik üretimini gündeme getirir. Akla ilk gelen öneri de çoğu zaman “chatbot yapalım” olur. Bunların hepsini aynı anda başlatmak plan değil, öncelik eksikliğidir.

Türkiye’de 10 ve üzeri çalışanı olan işletmelerin yaklaşık %7,4’ü 2025’te en az bir yapay zekâ teknolojisi kullandı. AB ortalaması ise %20 idi. Eurostat verisi “herkes yapıyor” fikrini desteklemiyor. Doğru süreci seçen işletmeler için hâlâ erken hareket avantajı olduğunu gösteriyor.

Bu rehber, AI kullanım senaryolarını beş ölçüte göre puanlamanıza, riskli fikirleri baştan elemenize ve ilk pilotu 30 gün içinde sonucu ölçülebilen bir iş üzerine kurmanıza yardım eder.

Öne Çıkanlar

• İlk AI projesi, en gösterişli fikir değil; yüksek tekrar, net veri ve ölçülebilir sonuç taşıyan süreç olmalıdır.
• İş etkisi, iş hacmi, veri hazırlığı, uygulanabilirlik ve efor; her kullanım alanını 1–5 arasında puanlamak için yeterli bir başlangıç çerçevesidir.
• Kişisel veri, doğrudan müşteri etkisi veya belirsiz sorumluluk taşıyan süreçler ilk pilotun dışında kalmalıdır.
• Teklif özeti, talep sınıflandırma, doküman arama ve rapor özeti; KOBİ’ler için düşük riskli ilk pilot adaylarıdır.
• Pilotun başarısı “AI kullandık” demekle değil; harcanan süre, hata oranı, kullanım oranı ve iş sonucuyla ölçülür.

Yapay Zekâ Kullanım Alanı Önceliklendirme Neden Gerekir?

Her iş sürecine yapay zekâ eklemek değer yaratmaz. Bazı işler zaten seyrek tekrarlanır. Bazılarında gerekli veri yoktur. Bazılarında ise hatanın maliyeti, kazanılan süreden daha yüksektir.

Bir araç satın almak kolaydır. İş akışını tarif etmek, veri erişimini sınırlamak ve çıktıyı ölçmek daha zordur. Bu yüzden birçok işletme birkaç abonelik açar, ekipler denemeler yapar ve üç ay sonra hangi işin gerçekten iyileştiğini söyleyemez.

Stanford AI Index’in 2025 raporu, kuruluşlarda AI kullanımının hızla yayıldığını gösteriyor: Katılımcıların %78’i kurumlarında yapay zekâ kullandığını, %71’i ise üretken yapay zekâyı en az bir iş fonksiyonunda kullandığını bildirdi. Buna rağmen finansal etki görenlerde maliyet tasarrufu çoğunlukla %10’un, gelir artışı ise çoğunlukla %5’in altında kalıyor. Kullanım artışı ile değer üretimi aynı şey değil.

Doğru seçilen ilk kullanım alanı üç şeyi değiştirir:

• Ekip, yapay zekâyı soyut bir tehdit ya da oyuncak yerine iş aracı olarak görür.
• İşletme, hangi verinin işe yaradığını ve hangi kontrol noktalarının gerektiğini öğrenir.
• Sonraki yatırım, varsayımla değil pilot verisiyle kararlaştırılır.

Fikir fazlası işin sahibini belirsizleştirir

Orta ölçekli bir B2B şirketinde satış, destek ve operasyon ekiplerinin ayrı AI fikirleri sunduğunu düşünün. Satış ekibi toplantı özeti ister. Destek ekibi chatbot talep eder. Operasyon ise fatura kontrolünü gündeme getirir. Bu üç proje birlikte başlarsa veri erişimi, onay sorumluluğu ve başarı ölçümü dağılır.

Daha doğru başlangıç çok daha sıradan olabilir: satış görüşmesi notlarını standartlaştırmak. Süreç sahibinin kim olduğu açıktır, çıktı denetlenebilir ve harcanan zaman ölçülebilir. İlk pilotun amacı teknolojiyi sergilemek değil, sonraki yatırımın gerekçeli olup olmadığını göstermektir.

Yapay zekâ, belirsiz bir süreci düzeltmez. Belirsizliği daha hızlı üretir.

İlk Önce Hangi İş Süreçlerine Bakılmalı?

Yapay zekâ kullanım alanlarını departman adına göre değil, iş akışına göre değerlendirin. “Pazarlamada AI kullanalım” geniş bir niyettir. “Onaylanmış kampanya brief’ini üç kanal için taslağa dönüştürelim” ise test edilebilir bir süreç tanımıdır.

İlk listeyi oluştururken ekiplerinize şu soruları sorun:

1. Her hafta tekrar eden, çalışanların elle yaptığı işler neler?
2. Hangi görevler bilgi arama, özetleme, sınıflandırma veya ilk taslak üretme içeriyor?
3. Hangi işlerde gecikme, müşteri deneyimini veya geliri doğrudan etkiliyor?
4. Gerekli bilgi nerede tutuluyor ve güncel mi?
5. Çıktıyı kim kontrol edecek?

Tekrarlayan ve düşük değerli işler

İlk fırsatlar çoğu zaman kopyala-yapıştır, özet çıkarma, etiketleme ve bilgi bulma işlerinde ortaya çıkar. Bu işler tek başına küçük görünebilir. Ancak haftada onlarca kez tekrarlandıklarında ekip zamanını fark edilmeden tüketir.

Uygun örnekler şunlardır:

• E-posta ve form taleplerini konuya göre sınıflandırmak
• Toplantı notlarını standart şablona dönüştürmek
• Haftalık raporlardaki değişimleri özetlemek
• Onaylı ürün bilgisinden kanal bazlı taslak üretmek
• Teklif dosyalarındaki ortak bölümleri hazırlamak

Bu işlerin ortak noktası, son kararın AI tarafından verilmemesidir. AI ilk taslağı veya ilk sınıflandırmayı üretir. Sonucu insan onaylar.

Yetkinlik darboğazı yaratan işler

Bazı iş akışları tamamen tekrar etmez, ancak belli kişilerin bilgisi olmadan da ilerlemez. Satış müdürü teklif dilini düzenler. Teknik ekip ürün bilgisini açıklar. Pazarlama sorumlusu her kanal için farklı metin hazırlar.

Amaç bu kişilerin karar yetkisini almak değil, ilk hazırlık yükünü azaltmaktır. Yapay zekâ araştırma notlarını düzenleyebilir, toplantıdan aksiyon listesi çıkarabilir veya mevcut bilgiye göre taslak hazırlayabilir. Nihai karar yine iş sahibinindir.

On iki kişilik bir hizmet işletmesinin reklam raporlarını düşünün. Ekip her pazartesi Google Ads, form ve satış verisini Excel’de birleştiriyor. Rapor iki saat sürüyor, fakat asıl sorun süre değil. Hangi değişikliğin takip edilmesi gerektiği çoğu kez gözden kaçıyor.

Bu akışta AI, verideki haftalık farkları ve dikkat gerektiren noktaları taslak olarak özetleyebilir. Bütçeyi artırma veya kampanyayı durdurma kararını insan verir. Burada otomatikleşen şey karar değil, karar hazırlığıdır.

Bilgi dağınıklığı yaratan işler

İç prosedürler, ürün katalogları, teknik dokümanlar ve eski teklifler ayrı klasörlerde tutuluyorsa çalışanlar bilgiye ulaşmak için birbirine danışır. Aynı sorular tekrar tekrar yanıtlanır. Yanlış dosya kullanıldığında destek, satış veya operasyon hataları oluşur.

Bu durumda kontrollü bir bilgi asistanı anlamlı olabilir. Ancak “dokümanları yükleyelim, bot cevaplasın” yaklaşımı tek başına yeterli değildir. Bilgi kaynağı güncel, onaylı ve erişim yetkilerine uygun olmalıdır.

AB işletmelerinde en yaygın AI kullanım biçiminin %11,8 ile yazılı dili analiz etmek olması tesadüf değil. Eurostat verileri, ilk pratik değer alanlarının çoğu zaman metin, doküman ve bilgi işlerinden çıktığını gösteriyor.

Yapay Zekâ Kullanım Alanı Puanlama Matrisi

Yapay zekâ projelerini önceliklendirmenin yolu, tüm fikirleri aynı masada değerlendirmektir. Her öneriyi aşağıdaki beş ölçüte göre 1 ile 5 arasında puanlayın.

Risk, bu puanlamanın altıncı kalemi değildir. Ayrı bir eleme kriteridir. Kişisel veri riski yüksek olan veya sorumlusu belirsiz bir fikir, puanı yüksek olsa bile doğrudan pilota alınmaz.

Kriter	Sorulacak soru	Ağırlık
İş etkisi	Gelir, maliyet, hız veya müşteri deneyiminde anlamlı fark yaratır mı?	%30
İş hacmi	Bu iş haftada kaç kez veya kaç saat tekrarlanıyor?	%20
Veri hazırlığı	Gerekli bilgi erişilebilir, güncel ve düzenli mi?	%20
Uygulanabilirlik	Çıktı insan kontrolüyle güvenle kullanılabilir mi?	%15
Uygulama eforu	Entegrasyon, eğitim ve bakım yükü ne kadar?	%15

Puanlama formülü şöyledir:

Toplam puan = (İş etkisi × 0,30) + (İş hacmi × 0,20) + (Veri hazırlığı × 0,20) + (Uygulanabilirlik × 0,15) + (Ters efor puanı × 0,15)

Ters efor puanlamasında düşük efor 5, yüksek efor ise 1 puan alır. Böylece yüksek fayda vadeden ama altı aylık entegrasyon gerektiren bir proje, hızlı ve kontrollü bir pilotla doğru biçimde kıyaslanabilir.

Puanlamadan önce geçilmesi gereken üç kontrol

Puanlamaya başlamadan önce her kullanım alanı için şu üç soruyu açıkça yanıtlayın:

• Kişisel veri, ticari sır veya finansal bilgi işlenecek mi?
• Hatalı sonuç müşteriye, çalışana veya finansal karara doğrudan zarar verir mi?
• Çıktıyı onaylayacak sorumlu kişi belli mi?

Bu sorulardan biri yanıtsızsa konu henüz pilot değildir. Önce süreç, veri erişimi ve sorumluluk yapısı kurulmalıdır.

KVKK, üretken yapay zekâ sistemlerinde kişisel veri risklerinin sistemin tüm yaşam döngüsü boyunca değerlendirilmesi gerektiğini vurguluyor. KVKK’nın rehberi, “önce deneyelim” yaklaşımının müşteri veya çalışan verisi için yeterli olmayacağını düşündürür.

Avrupa’ya hizmet veren işletmeler için AI Act takvimi de önemlidir. Avrupa Komisyonu’nun AI Act takvimine göre şeffaflık kuralları 2 Ağustos 2026 itibarıyla uygulanmaya başladı; piyasada zaten bulunan sistemler için bazı işaretleme yükümlülüklerinde geçiş süresi var. Bu metin hukuki tavsiye değildir. Ancak veri riski ve insan denetimi, kullanım alanı seçiminin ilk kontrol noktası olmalıdır.

KOBİ’ler İçin İlk Pilot Olabilecek Beş Kullanım Alanı

İyi tasarlanmış ilk pilotun kapsamı sınırlı olmalı, insan onayına bağlı kalmalı ve sonucu ölçülebilmelidir. Aşağıdaki yapay zekâ kullanım alanları genellikle bu üç koşulu karşılar.

Teklif ve satış görüşmesi özetleri

Girdi, görüşme kaydı veya temsilcinin kısa notlarıdır. Çıktı olarak müşteri ihtiyacı, açık sorular, sonraki adımlar ve teklif taslağı üretilebilir.

İzlenecek KPI’lar:

• Teklif hazırlama süresi
• Görüşme sonrası takip gecikmesi
• Eksik bilgi nedeniyle geri dönen teklif sayısı
• Dönüşen teklif oranı

Burada AI müşteriye fiyat taahhüdü vermez. Satış temsilcisinin dağınık notlarını kullanılabilir bir taslağa dönüştürür.

Sık gelen müşteri sorularını sınıflandırma

E-ticaret işletmelerine her gün kargo, iade, stok ve ürün uygunluğu soruları gelir. Hizmet işletmeleri ise randevu, fiyat aralığı ve süreç sorularıyla ilgilenir. İlk aşamada bu talepleri tamamen otomatik yanıtlamak gerekmez.

Daha düşük riskli başlangıç, talepleri konuya, aciliyet seviyesine ve doğru ekibe göre sınıflandırmaktır. Böylece ekip en sık gelen soruları da görür.

Günde yaklaşık 70 destek mesajı alan bir e-ticaret operasyonunu düşünün. Mesajların yarısı kargo takibi, iade veya ürün uygunluğuyla ilgilidir. AI bu mesajları kategorize edip ilgili kuyruğa yönlendirirse destek ekibi gelen kutusunu elle temizlemek yerine istisnalara odaklanır. Müşteriye son yanıtı yine ekip verir.

Onaylı şirket dokümanlarında arama

Güncel prosedüre, teknik kılavuza veya ürün bilgisine ulaşmak uzun sürüyorsa kaynak gösteren bir iç bilgi asistanı düşünülebilir. Ancak sistem yalnızca onaylanmış dokümanlar içinde arama yapmalı ve yanıtın hangi kaynağa dayandığını göstermelidir.

Başarıyı şu verilerle ölçün:

• Bilgi bulma süresi
• Yanlış bilgi nedeniyle açılan kayıt sayısı
• Aktif kullanıcı oranı
• İnsanların cevabı kaynak üzerinden doğrulama oranı

Süreç özel bir çalışan arayüzü veya müşteri portalı gerektiriyorsa, yalnızca araç kurulumu yetmez. Bu noktada Astro web geliştirme yaklaşımı, gereksiz platform yükü olmadan özel bir arayüz ihtiyacını karşılayabilir.

Haftalık performans raporu özeti

Reklam, satış veya operasyon verileri her hafta farklı dosyalarda toplanıyorsa AI değişimleri, anomalileri ve takip edilmesi gereken noktaları özetleyebilir. Bu, analistin yerine karar vermek değildir.

Örneğin yalnızca “form sayısı düştü” demek yerine, “form sayısı önceki haftaya göre %18 düştü; düşüş iki kampanyada yoğunlaştı” şeklinde ilk incelemeyi oluşturur. İnsan nedeni kontrol eder ve aksiyona karar verir.

İçerik üretimini yeniden kullanım işine çevirmek

İçerik üretimi, ilk pilot için uygun olabilir. Ancak iş yalnızca onaylanmış bir kaynaktan içerik türetmek olarak tanımlanmalıdır. Uzun bir rehberi sosyal medya metnine, ürün bilgisini e-posta taslağına veya kampanya brief’ini kanal uyarlamalarına dönüştürmek ölçülebilir bir süreçtir.

KPI’lar şunlar olabilir:

• Taslak hazırlama süresi
• Onay sonrası revizyon oranı
• Yayınlanan içerik sayısı
• İçerik sorumlusunun haftalık kapasitesi

Mevcut sitenizde kontrollü form akışları, içerik operasyonları veya bilgi toplama süreçleri kurulacaksa özel WordPress geliştirme ile bu akışlar kapalı bir page builder yapısına mahkûm edilmeden planlanabilir.

Kullanım alanı matrisi hazırlamak için önce süreç sahibini ve ölçülecek sonucu tanımlayın. Araç seçimi bu iki karardan sonra gelmelidir.

İlk Aşamada Ertelenmesi Gereken Kullanım Alanları

Bazı projeler teknik olarak uygulanabilir olabilir. Ancak bu, onların ilk proje olması gerektiği anlamına gelmez. Özellikle aşağıdaki alanlar, veri ve sorumluluk yapısı netleşmeden ertelenmelidir:

• Tam otomatik müşteri yanıtı ve fiyat taahhüdü
• İnsan onayı olmadan işe alım elemesi
• Hukuki, sağlık veya finansal karar önerileri
• Dağınık ve güncel olmayan veriye dayalı bilgi asistanları
• Hangi sistemin hangi veriye erişeceği belirlenmeden kurulan AI agent’lar
• Müşteri verisinin kişisel hesaplar üzerinden genel amaçlı araçlara yüklenmesi

Chatbot, birçok işletme için ilk proje değildir. Önce şu sorular yanıtlanmalıdır: En sık gelen talepler hangileridir? Yanıt kaynağı güncel mi? Bot hangi aşamada insana devredecek? Hatalı bir yanıtın maliyeti nedir?

Bu soruların yanıtı yoksa chatbot, destek yükünü azaltmak yerine yeni bir şikâyet kanalı yaratabilir.

McKinsey’nin 2025 araştırmasında AI’dan anlamlı EBIT etkisi gördüğünü bildiren yüksek performanslı işletmeler katılımcıların yaklaşık %6’sını oluşturdu. Araştırmanın temel ayrımı, araç erişimi değil; iş akışlarını yeniden tasarlama becerisiydi.

30 Günlük Yapay Zekâ Pilot Planı

İlk pilotu aylar süren bir “dönüşüm programına” çevirmeyin. Dört haftalık sınırlı bir çalışma, projenin devam edip etmeyeceğini anlamak için yeterli veri sağlayabilir.

1. hafta: Süreci ölçün

Mevcut iş akışını yazılı hale getirin. Süreci kim başlatıyor, kim denetliyor, hangi noktada bekliyor ve ne kadar sürüyor?

Başlangıçta en azından şu verileri kaydedin:

• İşlem başına geçen süre
• Haftalık işlem hacmi
• Hata veya geri dönüş oranı
• Süreç sahibinin harcadığı zaman
• Müşteri etkisi varsa ilk yanıt süresi

2. hafta: Kısıtlı veriyle prototip kurun

Mümkünse gerçek müşteri verisi yerine örnek veya anonimleştirilmiş veri kullanın. Çıktı biçimini baştan belirleyin: özet, sınıflandırma, taslak veya kaynaklı cevap.

Bu aşamada “AI ne yapabiliyor?” yerine “hangi çıktıyı kabul ediyoruz?” sorusuna odaklanın. Kabul ölçütü olmayan bir sistem değerlendirilemez.

3. hafta: Kontrollü kullanıcı testi yapın

Pilotu küçük bir ekiple test edin. Her çıktıyı kaydetmeniz gerekmez. Ancak hangi hata türlerinin tekrarlandığını, kullanıcıların nerede müdahale ettiğini ve hangi çıktıları tamamen reddettiğini gözlemleyin.

Doğruluk tek önemli işaret değildir. Kullanıcı sistemi gerçekten iş akışına dahil ediyor mu? Kullanım ek iş mi çıkarıyor, yoksa zaman mı kazandırıyor?

4. hafta: Sonucu karar tablosuna bağlayın

Dördüncü haftada devam etme, revize etme veya durdurma kararı verin. Kararı heyecana göre değil, başlangıçta belirlediğiniz ölçümlere göre alın.

Şunları karşılaştırın:

• Harcanan süre azaldı mı?
• Hata ve düzeltme oranı kabul edilebilir mi?
• Ekip sistemi düzenli kullanıyor mu?
• Teknik bakım ve veri erişimi maliyeti makul mü?
• İşletme sonucu üzerinde görünür bir etkisi var mı?

Yapay Zekâ Projesinin Başarısını Hangi KPI’lar Gösterir?

Yapay zekâ yatırım getirisi yalnızca “kaç saat tasarruf ettik?” sorusuyla değerlendirilemez. Süre önemli bir başlangıç metriğidir, ancak kalite ve kullanım yoksa tek başına yeterli değildir.

Pilot için uygun KPI’lar şunlardır:

• İşlem başına geçen süre
• Haftalık tamamlanan iş sayısı
• İnsan tarafından düzeltilen çıktı oranı
• İlk yanıt veya teklif hazırlama süresi
• Kullanıcı başına aktif kullanım
• Tekrar eden destek talebi sayısı
• Müşteri memnuniyeti sinyalleri
• Gelir etkisi veya maliyet tasarrufu

Örneğin teklif özeti pilotunda hedef, “AI günde 50 çıktı üretti” olmamalıdır. Daha doğru hedef; görüşme sonrası teklif hazırlama süresinin kısalması, takiplerin gecikmemesi ve satış temsilcisinin daha az bilgiyi yeniden yazmasıdır.

Araç Değil, İş Akışı Seçin

Araçlar zamanla değişir. Bugün kullandığınız model, abonelik veya entegrasyon altı ay sonra farklı olabilir. Buna karşılık işletmenizde her hafta tekrarlanan ve ölçülmeyen darboğaz yerinde kalır.

Bu nedenle yapay zekâ kullanım alanı seçimi teknik bir alışveriş listesi değildir. Süreç, veri, insan onayı ve KPI kararıdır. Bu dört başlık konuşulmadan başlayan bir AI projesi, net bir iş sonucu yerine belirsizlikle ilerler.

İlk pilotun kapsamı yazılı olarak tanımlanmalıdır:

• Hangi veri kullanılacak?
• Hangi veriye erişilmeyecek?
• Çıktıyı kim onaylayacak?
• Hangi KPI takip edilecek?
• Başarı ve durdurma kriteri ne olacak?

Bu açıklık hem teknik uygulamayı hem işletme kararını korur.

Sık Sorulan Sorular

Yapay zekâ kullanım alanı seçerken ilk kriter ne olmalı?

İlk ölçüt iş etkisidir, ancak tek başına yeterli değildir. Etkisi yüksek görünen bir fikir, veri hazır değilse veya insan denetimi kurulamıyorsa ilk pilot için uygun olmayabilir. İş etkisini iş hacmi, veri hazırlığı ve uygulama eforuyla birlikte değerlendirin.

Küçük işletmeler yapay zekâya nereden başlamalı?

Küçük işletmeler, sık tekrarlanan ve sonucu kolay ölçülen bir işle başlamalıdır. Teklif özeti, müşteri talebi sınıflandırma, rapor özeti veya onaylanmış içerikten kanal uyarlama, çoğu KOBİ için daha güvenli başlangıç seçenekleridir.

Chatbot ilk yapay zekâ projesi olmalı mı?

Çoğu durumda yanıt hayırdır. Chatbot için güncel bir bilgi kaynağı, açık aktarım kuralı, destek süreci ve hata yönetimi gerekir. Önce gelen talepleri sınıflandırmak veya destek bilgisini düzenlemek daha düşük riskli bir başlangıç olabilir.

Yapay zekâ projesinin yatırım getirisi nasıl ölçülür?

Başlangıçtaki süreyi, hata oranını, işlem hacmini ve müşteri etkisini kaydedin. Pilot sonunda aynı metrikleri karşılaştırın. Tasarruf edilen zamanın yanında insan düzeltme oranını ve ekipteki aktif kullanımı da ölçün.

Yapay zekâ kullanırken KVKK açısından nelere dikkat edilmeli?

Kişisel veri, müşteri konuşmaları, çalışan bilgileri ve finansal kayıtlar işlenmeden önce risk değerlendirmesinden geçirilmelidir. Hangi verinin hangi sisteme gönderildiği, erişim yetkileri, saklama şartları ve insan denetimi en başta belirlenmelidir. Gerektiğinde hukuk ve veri koruma uzmanından görüş alınmalıdır.

Yapay zekâ hangi işlerde insanın yerini almamalı?

Hukuki, sağlık, finansal ve işe alım gibi yüksek etkili kararlar, insan denetimi olmadan AI’a bırakılmamalıdır. Müşteriye bağlayıcı fiyat, teslimat veya sözleşme taahhüdü veren süreçlerde de insan kontrolü zorunludur.

Sonuç

En yüksek puanı alan kullanım alanı, en gösterişli fikir olmak zorunda değildir. En iyi ilk proje; ölçülebilir bir darboğazı azaltan, ekibin kontrolünü koruyan ve sonraki yatırım için gerçek veri üreten projedir.