Şirketinize Yapay Zekayı Nasıl Entegre Edersiniz? Karar Vericinin Tam Yol Haritası

Bu seri kimin için yazıldı ve size ne kazandıracak

Bu seri iki grup karar verici için hazırlandı.

Birinci grup, yapay zeka konusunda henüz kapsamlı bir yatırım kararı vermemiş yöneticilerden oluşuyor. Bu grupta şirket sahipleri, kurucular, genel müdürler ve yönetim kurulu üyeleri yer alıyor. Ortak noktaları şu. Teknolojiyi yakından izliyorlar, rekabetin baskısını her geçen gün daha fazla hissediyorlar, ancak nereden başlayacaklarına dair güvenilir ve tarafsız bir çerçeve bulamıyorlar.

İkinci grup ise yatırımı çoktan yapmış ancak beklediği sonucu alamamış yöneticilerden oluşuyor. Araçlar satın alındı, ekipler denemeler yaptı, etkileyici gösterimler izlendi. Buna rağmen bilançoda görünür bir iz yok. Aşağıda göreceğiniz üzere, dünya genelinde yöneticilerin büyük çoğunluğu bugün tam olarak bu durumda.

Bu seriyi yazma nedenim her iki grubun da aynı eksiklikle karşı karşıya olması. Piyasada teknik anlatım bol, ürün tanıtımı bol, abartılı vaat bol. Eksik olan şey yargı. Hangi işe güvenilir, hangi yatırım ne zaman yapılır, hangi iddia hangi soruyla sınanır. Bu serideki her sayısal iddia tarihli ve birincil kaynağa bağlıdır, hiçbir bölümün arkasında satılacak bir yazılım ya da danışmanlık paketi yoktur. Değerlendirme bağımsızdır ve tek bir amaca hizmet eder. Karar vericinin doğru karar vermesine.

Serinin tamamı dört faz üzerine kuruludur ve bu giriş yazısıyla birlikte toplam on üç parçadan oluşur. Harita şu.

Faz A. Okuryazarlık ve zihin

1. Yöneticinin yapay zeka okuryazarlığı. Bir karar vericinin bilmesi gereken temeller.

2. Yapay zekaya ne zaman girmeli. Erken davranan mı kazanır, bekleyen mi.

Faz B. Karar

3. Karar öncesi hazırlık. Veri, altyapı, yetenek ve kültür değerlendirmesi.

4. Süreç analizi. Yapay zekanın şirket içinde hangi işlere uygulanacağının belirlenmesi.

5. Geliştirmeli mi, satın mı almalı. Teknoloji ve altyapı seçimi.

6. Maliyet ve yatırımın geri dönüş süresi. Abartısız bir finansal çerçeve.

Faz C. Uygulama

7. Yapay zeka ajanları ve onları kuracak ekip.

8. Pilot uygulamadan üretime geçiş. Denemelerin gerçek iş sonucuna dönüştürülmesi.

9. Kurum içi yapay zeka kültürü. Eğitim, adaptasyon ve değişim yönetimi.

Faz D. Sürdürülebilirlik

10. Ölçümleme, izleme ve sürekli iyileştirme.

11. Yönetişim, risk ve uyum. KVKK ve Avrupa Birliği düzenlemeleri.

12. Dünyadan vakalar. Nerede kazanıldı, nerede kaybedildi.

Seriyi tamamlayan bir yönetici, çözüm sağlayıcıların sunumlarını bağımsız değerlendirebilen, yatırım zamanlamasını veriyle gerekçelendirebilen, bütçeyi gerçekçi kurabilen ve kurduğu sistemi ölçebilen bir konuma gelir. Bu giriş yazısının görevi ise yolculuğun tamamını tek bakışta göstermek. Her fazın kilit sorusunu, güncel kanıtlarını ve en sık yapılan hataları burada özetleyeceğim; derinlik ilgili yazılarda.

Yaygınlık başka şey, değer başka şey

Kurumsal yapay zekanın bugünkü durumu tek cümleyle özetlenebilir. Yapay zekayı kullanan şirket sayısı hızla artıyor, ancak bu kullanımı ölçülebilir bir kazanca dönüştürebilen şirket sayısı hâlâ çok küçük.

Yönetim danışmanlığı şirketi McKinsey'nin Kasım 2025'te yayımladığı küresel Yapay Zeka Durumu araştırması, 105 ülkeden 1.993 yöneticinin katılımıyla yapıldı ve sonuçlar ülkelerin dünya ekonomisindeki ağırlığına göre tartıldı. Araştırmaya göre kurumların yüzde 88'i yapay zekayı en az bir iş fonksiyonunda düzenli olarak kullanıyor. Bu oran ilk bakışta pazarın doyduğu, anlatılacak bir şey kalmadığı izlenimini verebilir.

Aynı araştırmanın diğer bulguları bu izlenimi ortadan kaldırıyor.

1. Kurumların yaklaşık üçte ikisi yapay zekayı henüz şirket genelinde yaygınlaştırma aşamasına taşıyamamış, deneme düzeyinde kalmış durumda.
2. Yapay zekanın kârlılığa ölçülebilir katkı sağladığını raporlayan kurumların oranı yüzde 39 ve bu grubun büyük bölümünde katkı yüzde 5'in altında.
3. Hem yüzde 5'in üzerinde kâr katkısı ölçen hem de yatırımından belirgin değer elde ettiğini raporlayan kurumlar, örneklemin yalnızca yüzde 6'sı.

Denetim ve danışmanlık şirketi PwC'nin Ocak 2026'da yayımlanan 29. Küresel CEO Araştırması aynı gerçeği yöneticilerin kendi beyanıyla doğruluyor. Araştırmaya katılan CEO'ların yüzde 56'sı yapay zeka yatırımlarından henüz ne gelir artışı ne de maliyet düşüşü elde edebildiğini söylüyor. Teknolojiden çift yönlü fayda sağlayan, yani aynı anda hem gelirini artıran hem maliyetini düşüren grup yüzde 12'de kalıyor.

Bu iki araştırma yan yana konduğunda tablo netleşir. Bir aracı kullanmak ile onu şirketin işleyişine entegre etmek aynı şey değildir. Bir pazarlama ekibinin metin taslağı için sohbet robotu kullanması, istatistikte kullanım olarak sayılır. Ancak müşteri operasyonunun baştan tasarlanması, maliyet yapısının değişmesi ve bu değişimin bilançoda ölçülmesi bambaşka bir iştir. Yüzde 88 birincisini yapıyor. Yüzde 6 ile 12 arası bir azınlık ikincisini başarabiliyor.

Bu serinin konusu birincisi değil, ikincisidir. Soru artık yapay zekaya girilip girilmeyeceği değil. Soru, aradaki uçurumun nasıl geçileceği.

Bu işi yapanlar ne görüyor

Bir yatırım kararından önce, teknolojiyi bizzat inşa edenlerin öngörülerine bakmak gerekir. Modelleri eğitenler, on milyarlarca dolarlık altyapıyı kuranlar ve bu dönüşüme en yakından tanıklık edenler, gelişmeleri herkesten önce görüyor. Ne var ki 2026'nın en dikkat çekici gerçeği, bu isimlerin birbirleriyle derin biçimde ayrışması.

Ocak 2026'da Davos'taki Dünya Ekonomik Forumu buna sahne oldu. Sohbet robotu Claude'u geliştiren Anthropic'in kurucusu ve CEO'su Dario Amodei, modellerin altı ay ile bir yıl içinde yazılım mühendislerinin yaptığı işin çoğunu, belki tamamını uçtan uca yapabileceğini söyledi. Bilim alanında Nobel düzeyinde araştırma ve giriş seviyesi beyaz yaka işlerin yarısının ortadan kalkması yönündeki daha önceki tahminlerinden de çok uzağa düşmediği kanısında olduğunu belirtti. Aynı forumda Google'ın yapay zeka laboratuvarı DeepMind'ın Nobel ödüllü CEO'su Demis Hassabis ise bugünkü sistemlerin insan düzeyindeki zekânın yakınından bile geçmediğini, gerçek eşiğin beş ila on yıl uzakta olduğunu söyledi. Yapay sinir ağları alanındaki öncü çalışmalarıyla Turing Ödülü almış Yann LeCun daha da ileri gitti. Bugünkü büyük dil modellerinin insan benzeri zekâya hiçbir zaman ulaşamayacağını savundu ve bu görüşü nedeniyle Meta'dan ayrılıp kendi araştırma laboratuvarını kurdu.

Tabloyu tamamlayan bir gelişme daha var. ChatGPT'yi geliştiren OpenAI'ın CEO'su Sam Altman, Mayıs 2026'da kendi öngörüsünü kamuoyu önünde düzeltti. Giriş seviyesi ofis işlerinin hızla yok olacağı yönündeki tahmininde yanıldığını, beklediği etkinin gerçekleşmediğini açıkça kabul etti. Amodei de aynı dönemde iddialarını yumuşattı ve otomasyonu iş yok eden bir güç yerine çıktıyı çoğaltan bir çarpan olarak yeniden tanımladı.

Bir karar verici bu tablodan üç sonuç çıkarmalıdır.

1. Teknolojiyi en yakından bilen isimler bile zaman çizelgesinde yıllarla ölçülen farklarla ayrışıyor. Tek bir öngörü üzerine kurulan strateji, kumar niteliği taşır.
2. En iddialı isimler dahi öngörülerini bir yıl içinde revize edebiliyor. Bugün duyulan en kesin iddia, yarın sahibinin düzelttiği iddia olabilir.
3. Bu isimlerin tamamının pazarda satılan bir ürünü var. Öngörü ile ticari çıkar iç içe geçmiş durumda. Vizyonları dinlemek, verilerinden yararlanmak gerekir; stratejiyi onların takvimine teslim etmek gerekmez.

Üçüncü madde, bu serinin tamamında geçerli olacak bir okuma anahtarı olduğu için biraz daha açılmayı hak ediyor. Bu açıklamaları yapan isimler aynı zamanda birer şirket yönetiyor. Ürünlerinin yaygınlaşmasına, süreklilik gerektiren yatırım turlarına ve bazıları için yaklaşan halka arzlara ihtiyaçları var. Kamuya yaptıkları her açıklama yalnızca bir gelecek öngörüsü değil, aynı zamanda şirketlerini pazarda, yatırımcı zihninde ve kamuoyu algısında konumlandıran stratejik bir hamledir. Gerçek öngörü ile ticari temenni bu açıklamaların içinde iç içe geçer ve dışarıdan bakan birinin ikisini ayırt etmesi çoğu zaman mümkün olmaz. Bu nedenle serinin ilerleyen yazılarında bu isimlerden alıntı yaptığım her yerde aynı hatırlatmayı yapacağım. Açıklamanın değerini teknik içeriği belirler; takvimini ve tonunu ise çoğu zaman ticari ajanda.

Benim bu seride tutarlı biçimde önereceğim yaklaşım şudur. Kehanete yatırım yapılmaz, kabiliyete yatırım yapılır. Hangi senaryonun gerçekleşeceğini kimse bilmiyor. Ancak her senaryoda değerli kalacak kurumsal kabiliyetler belli. Veri altyapısı, süreç disiplini, yetkin ekip ve ölçüm kültürü.

Başarısızlık istatistiklerini doğru okumak

Yapay zeka yatırımı değerlendiren her yöneticinin karşısına, sunumlarda ve basında dolaşan korkutucu rakamlar çıkar. Bu rakamların önemli bölümü ya yanlış aktarılıyor ya da bağlamından koparılıyor. Kaynağına inildiğinde tablo değişir.

En yaygın örnek, Massachusetts Teknoloji Enstitüsü'ne (MIT) bağlı bir araştırma grubunun 2025 tarihli çalışmasından türetilen yüzde 95 rakamı. Basında bu çalışma çoğunlukla yapay zeka projelerinin yüzde 95'i başarısız oluyor biçiminde sunuldu. Araştırmanın gerçekte söylediği daha dar ve daha öğreticidir. Rapora göre kuruluşların yaklaşık yüzde 95'i üretken yapay zeka yatırımından kâr zarar tablosunda ölçülebilir bir karşılık alamıyor; değer üreten yüzde 5'lik dilim ise pilot uygulamasını gerçek iş sonucuna bağlamayı başaranlardan oluşuyor. Buradaki pilot uygulama kavramı, bir teknolojinin tüm şirkete yayılmadan önce sınırlı kapsamda denendiği çalışmayı ifade eder. Yani bulgu, projelerin çöktüğünü değil, denemelerin ölçülebilir iş sonucuna bağlanamadığını gösteriyor. Fark önemlidir, çünkü teşhis farklı olunca tedavi de farklılaşır.

Sağlam zemine basan öngörüler ise şunlar. Teknoloji araştırma şirketi Gartner, üretken yapay zeka projelerinin en az yüzde 30'unun kavram kanıtlama aşamasından, yani fikrin küçük ölçekte çalıştığının gösterildiği ilk denemeden sonra terk edileceğini öngördü. Aynı kurum, otonom görev yürüten yapay zeka ajanı projelerinin yüzde 40'tan fazlasının 2027 sonuna kadar iptal edileceğini tahmin ediyor. Finansal veri kuruluşu S&P Global'in araştırmasına göre şirketlerin yüzde 42'si yapay zeka girişimlerinin çoğunu rafa kaldırmış durumda ve bu oran bir önceki yıl yüzde 17 idi.

Bu araştırmaların kök neden analizi ortak bir sonuca işaret ediyor ve bu sonuç teknolojiyle ilgili değil. Başarısız girişimlerin arkasında tanımlanmamış hedefler, iş süreçlerine zayıf entegrasyon, hazırlıksız veri ve sahipsiz yürütme var. Başka bir deyişle sorun mühendislik sorunu değil, yönetim sorunu. Bu tespit, konunun neden bilgi işlem departmanına devredilemeyeceğinin ve neden doğrudan genel müdürlük gündemine ait olduğunun da cevabıdır.

Faz A. Okuryazarlık. Karar vermeden önce kurulması gereken zihin

Yolculuk teknoloji seçimiyle değil, yönetim ekibinin zihinsel modeliyle başlar. Bu fazın iki kilit sorusu var.

1. Bu teknoloji gerçekte ne yapar, ne yapamaz?

Yapay zeka bir bilgi makinesi değil, olasılık makinesidir. Yanlış cevap verdiğinde yalan söylemez; doğruluk garantisi olmadan istatistiksel olarak en olası cevabı üretir. Bu tek cümlelik ayrım, teknolojinin hangi işlere emanet edilebileceğini belirleyen en kritik bilgidir. Model, eğitim, çıkarım, ajan gibi temel kavramların yönetici dilindeki karşılıkları da aynı kapsamda öğrenilmelidir. Bu bilginin en somut getirisi müzakere masasında ortaya çıkar. Yapay zeka ürünü ve hizmeti satan çözüm sağlayıcılar, yani model geliştiricileri, onların üzerine ürün kuran yazılım firmaları ve entegrasyon danışmanlıkları, çoğu zaman teknik terimlerin ardına yerleşen bir dille sunum yapar. Temel kavramlara hâkim bir karar verici bu dilin ardındaki gerçek yetenekleri görebilir, iddiayı ölçülebilir taahhüde çevirtebilir ve sözleşme koşullarını buna göre kurabilir.

2. Yatırımın doğru zamanı ne?

Erken davranan mı kazanır, bekleyip olgunlaşmış ve ucuzlamış araçları alan mı? Kanıtlar iki yönde de birikiyor. Boston Consulting Group'un (BCG) araştırmaları, yapay zekadan değer üreten öncü şirketlerle geride kalanlar arasındaki performans farkının her yıl açıldığını gösteriyor. Stanford Üniversitesi'nin yıllık Yapay Zeka Endeksi ise belirli bir performans düzeyine ulaşmanın çıkarım fiyatının on sekiz ayda 280 kattan fazla düştüğünü, yani beklemenin araç maliyeti açısından ucuzladığını ortaya koyuyor. İki bulgu çelişmez; farklı şeyleri ölçer. Serinin zamanlama yazısında bu ikilemi tek bir karar çerçevesine bağlayacağım. Kısa cevap şudur. Kurumsal kabiliyet birikimi için erken davranmak, sıradanlaşan araçlar için beklemek gerekir. Kabiliyet satın alınamaz, araç her geçen gün ucuzlar.

Bu fazın ilk sorusu, serinin yayındaki yöneticinin yapay zeka okuryazarlığı yazısında, ikinci sorusu ise yapay zekaya ne zaman girmeli yazısında derinlemesine ele alınıyor.

Faz B. Karar. Hazırlık, önceliklendirme, seçim ve maliyet

Zihinsel model kurulduktan sonra sıra dört somut yönetim kararına gelir.

1. Kurum hazır mı?

Ağ teknolojileri şirketi Cisco'nun 30 ülkede 8.000 üst düzey yöneticiyle yürüttüğü Yapay Zeka Hazırlık Endeksi'ne göre kurumların yalnızca yüzde 13'ü tam hazır kategorisine giriyor ve bu oran üç yıldır değişmiyor. Hazırlık dört eksende ölçülür. Veri, altyapı, yetenek ve kültür. Aynı araştırmanın kritik bulgusu şu. Tam hazır kurumlar, deneme aşamasındaki uygulamaları gerçek üretim ortamına taşımayı diğerlerine kıyasla dört kat daha fazla başarıyor.

2. Yapay zeka hangi iş süreçlerine uygulanmalı?

Cevap teknoloji kataloglarından değil, şirketin kendi süreç haritasından çıkar. Önce mevcut iş akışları belgelenir, ardından yüksek tekrar sıklığına sahip, hata riski düşük ve sonucu ölçülebilir süreçler belirlenir. Adaylar iş değeri ve uygulanabilirlik eksenlerinde önceliklendirilir.

3. Geliştirmeli mi, satın mı almalı?

Pazar bu soruya büyük ölçüde cevap verdi. MIT araştırmasının verisine göre hazır çözüm satın alan ya da uzman iş ortağıyla ilerleyen kurumlar yüzde 67 oranında dağıtıma ulaşırken, çözümü içeride sıfırdan geliştirenlerde bu oran yüzde 33'te kalıyor. Raporun kendi ifadesiyle kurum içi inşa iki kat sık başarısız oluyor. Risk sermayesi şirketi Menlo Ventures'ın kurumsal yapay zeka araştırması da aynı yönü gösteriyor. Kurumsal kullanım alanlarının yüzde 76'sı artık geliştirme yerine satın almayla karşılanıyor. İçeride geliştirme, yalnızca şirketin rekabet avantajının çekirdeğini oluşturan alanlar için düşünülmesi gereken bir yoldur.

4. Gerçek maliyet nedir ve yatırımın geri dönüş süresi ne kadardır?

Görünen maliyet, yazılım lisansı ya da kullanım ücretidir. Gerçek maliyetin büyük bölümü ise veri hazırlığında, sistem entegrasyonunda, yetenek ediniminde ve değişim yönetiminde gizlidir. Danışmanlık şirketi Deloitte'un küresel araştırması, beklenti ile gerçek arasındaki uçurumu sayıya döküyor. Katılımcıların çoğu tipik bir yapay zeka kullanım alanında tatmin edici getiriye 2 ila 4 yılda ulaştığını söylüyor. Bu süre, teknoloji yatırımları için beklenen tipik 7 ila 12 aylık geri ödemenin belirgin biçimde üstünde. Yatırımını bir yılın altında geri kazandığını söyleyenlerin oranı yüzde 6.

Bu dört karar, serinin üçüncü, dördüncü, beşinci ve altıncı yazılarında ayrı ayrı derinleşiyor. Üçüncüsü, yani karar öncesi hazırlık yazısı, dördüncüsü, yani süreç analizi yazısı, beşincisi, yani geliştir ya da satın al yazısı, ve altıncısı, yani maliyet ve geri dönüş yazısı, dördü de şimdiden yayında.

Faz C. Uygulama. Denemeyi gerçek iş sonucuna dönüştürmek

Kurumsal yapay zekanın en kalabalık mezarlığı bu fazdadır. Deneme başarılı olur, gösterim etkileyicidir, ardından hiçbir şey değişmez. Sektör bu duruma pilot arafı adını verdi. Deneme ile üretim arasında sıkışıp kalan, ne büyüyen ne kapanan projeler.

Bu araftan çıkışın üç şartı var.

1. Denemeyi baştan üretim hedefiyle kurmak

Hangi metriğin, ne kadar sürede, hangi eşiğe ulaşırsa yaygınlaşacağı önceden yazılmamış bir pilot uygulama, öğrenme değeri dışında sonuç üretmez. MIT'nin yüzde 95 bulgusunun asıl dersi budur. Ölçüm hedefi olmayan deneme, en iyi ihtimalle pahalı bir eğitimdir.

2. Yapay zeka ajanı dalgasını gerçekçi okumak

Yapay zeka ajanı, yalnızca soru cevaplamakla kalmayıp bir görevi adım adım planlayıp sistemler arasında eylem alabilen yazılımları ifade eder. Yapay zeka çiplerinin dünyadaki ana üreticisi NVIDIA'nın CEO'su Jensen Huang, Haziran 2026'daki açılış konuşmasında ajan çağının ve işe yarayan yapay zekanın artık geldiğini ilan etti. Huang'a göre şirketlerin önündeki asıl iş hazır modelleri kullanmak değil, sistemleri ve iş akışlarını süreçleri uçtan uca üstlenebilen ajanlar etrafında yeniden tasarlamak. Aynı dönemde Gartner ise piyasadaki binlerce ajan çözümü sağlayıcısından yalnızca 130 kadarının gerçek ajan teknolojisi sattığını, geri kalanların mevcut otomasyon ürünlerini yeni etiketle pazarladığını tahmin ediyor. Sektör bu uygulamaya ajan makyajı diyor. İki tespit birlikte doğru olabilir ve muhtemelen öyle. Teknoloji gerçek, pazarlaması şişkin. Hangi göreve ne kadar özerklik tanınacağı ise çözüm sağlayıcının değil, yönetimin kararıdır.

3. İnsan tarafını eğitmek, adapte etmek ve yönetmek

Üç şartın en belirleyicisi budur. Araç satın alındı, kimse kullanmıyor. Bu cümle, kurumsal yapay zekanın en sık rastlanan başarısızlık kalıbıdır ve çözümü üç aşamalı bir insan yatırımı gerektirir. Önce eğitim gelir; çalışanlar teknolojinin ne yaptığını, ne yapamadığını ve kendi işlerinde nasıl kullanılacağını öğrenir. Ardından adaptasyon gelir; yeni araçla değişen iş akışına geçiş planlı biçimde yönetilir, direnç muhatap alınır ve erken kazanımlar görünür kılınır. Son aşama sürekli yönetimdir; kullanım izlenir, iyi örnekler yaygınlaştırılır, sistem canlı tutulur. Üstelik sorunun bir de görünmeyen yüzü var. MIT'nin aynı araştırması bunu somutlaştırıyor. Şirketlerin yalnızca yüzde 40'ı resmî bir büyük dil modeli aboneliği satın aldığını söylerken, ankete katılan şirketlerin yüzde 90'ından fazlasında çalışanlar iş görevleri için kişisel yapay zeka araçlarını düzenli kullandığını bildirdi. Kurumun görevi bu kendiliğinden kullanımı yasaklamak değil, güvenli ve resmî bir kanala dönüştürmek. Benimseme bir teknoloji sorunu değil, kültür ve değişim yönetimi sorunudur.

Bu üç konu, serinin yedinci, sekizinci ve dokuzuncu yazılarının konusu.

Faz D. Sürdürülebilirlik. Ölçmek, izlemek, yönetmek

Sistemi kurmak işin yarısıdır. Kalıcı değer, ölçüm ve yönetişim disipliniyle üretilir. Bu fazın üç ekseni var.

1. Ölçüm disiplini

Kural nettir. Ölçülmeyen uygulamanın değeri yönetim kuruluna ispat edilemez ve bütçe müzakeresinde kaybeder. Tanımlı performans göstergeleri, düzenli değerlendirme döngüsü ve sistem çıktısının hangi durumlarda insan onayından geçeceğini belirleyen yazılı bir süreç gerekir. McKinsey'nin araştırması bu son maddenin ayırt edici gücünü ortaya koyuyor. İnsan doğrulamasının nerede devreye gireceğini baştan tanımlamış olmak, en yüksek değeri üreten kurumları diğerlerinden ayıran üst düzey faktörlerden biri.

2. Hukuki sorumluluk

Risk artık teorik değil. Somut bir vaka üzerinden anlatayım. Kanada'nın en büyük havayolu şirketi Air Canada'nın web sitesindeki sohbet robotu, bir yolcuya yakın kaybı indirimi hakkında gerçekte var olmayan bir prosedür anlattı. Yolcu bu bilgiye güvenerek bilet aldı, şirket indirimi reddetti ve dosya bir uyuşmazlık çözüm kuruluna taşındı. Şubat 2024'te British Columbia Sivil Uyuşmazlık Çözüm Kurulu şirketi tazminat ödemekle yükümlü buldu ve savunmada öne sürülen sohbet robotu ayrı bir tüzel varlıktır argümanını açıkça reddetti. Karar, kurumsal yapay zeka çağının temel hukuk ilkesini kurdu. Sistemin müşteriye söylediği her söz, şirketin sözüdür.

3. Düzenleyici çerçeve

Türkiye'deki karar vericiler için kurallar hızla şekilleniyor. Kişisel Verileri Koruma Kurumu, Kasım 2025'te üretken yapay zeka kullanımına ilişkin kapsamlı rehberini yayımladı. Avrupa Birliği'nin Yapay Zeka Yasası ise yalnızca Avrupa'daki şirketleri değil, çıktısı Avrupa Birliği içinde kullanılan Türk şirketlerini de kapsıyor. Avrupa'ya hizmet ya da içerik sunan her kurum, bu düzenlemenin muhatabıdır. Yönetişim bu nedenle teknik bir ayrıntı değil, yönetim kurulu gündemidir.

Çerçevenin bir de teşvik yüzü var. Türkiye, Haziran 2026'da açıklanan 2026-2030 Yapay Zekâ Eylem Planı ile iki yılda beş milyon vatandaşa yapay zeka okuryazarlığı kazandırmayı ve kamu ile özel sektörde yaygın kullanımı hedefliyor. Bugün yapay zekaya yatırım yapan bir kurum yalnızca rekabetin gereğini yerine getirmiş olmuyor, ulusal gündemin yönüyle de aynı hizaya geçiyor.

Bu fazın konuları, serinin onuncu, on birinci ve on ikinci yazılarında ele alınacak.

Kazananları ayıran davranış

Buraya kadar aktarılan araştırmalardan tek bir cümle damıtmak gerekirse şu olur. Yapay zekadan değer üreten şirketler araç satın almakla yetinmedi, işi yeniden tasarladı.

McKinsey, incelediği yönetim pratikleri arasında kârlılık etkisini en güçlü ayrıştıran davranışın iş akışlarını kökten yeniden tasarlamak olduğunu buldu. En yüksek değeri üreten kurumlar bunu diğerlerinden yaklaşık üç kat daha fazla yapıyor. PwC aynı gerçeği bir oranla ifade ediyor. Bir yapay zeka girişiminin ürettiği değerin yaklaşık yüzde 20'si teknolojinin kendisinden, yüzde 80'i işin yeniden tasarlanmasından gelir.

Bu bulgunun akademik açıklaması da mevcut. Stanford Üniversitesi Dijital Ekonomi Laboratuvarı'nın direktörü, teknolojinin verimlilik etkileri üzerine dünyanın en çok atıf alan iktisatçılarından Erik Brynjolfsson, bu kalıba verimlilik J eğrisi adını veriyor. Köklü bir teknoloji yatırımında verimlilik önce düşer, çünkü asıl inşa edilen şey görünmez varlıklardır. Yeni süreçler, yeni beceriler, yeni çalışma kültürü. Kazanç, bu görünmez inşaat tamamlandığında gelir. Sabırsız yönetim tam eğrinin dibinde vazgeçer ve faturayı teknolojiye keser.

Bu dersin iki yüzünü birden gösteren bir vaka var. İsveç merkezli ödeme ve alışveriş şirketi Klarna, müşteri hizmetlerine yapay zekayı agresif biçimde entegre eden ilk büyük şirketlerden biri oldu. Şirketin asistanı ilk ayında müşteri yazışmalarının üçte ikisini karşıladı ve ortalama çözüm süresini 11 dakikadan 2 dakikaya indirdi. Ardından madalyonun öteki yüzü göründü. 2025'te şirketin CEO'su, maliyet odağının fazla baskın geldiğini ve hizmet kalitesinin düştüğünü kamuoyu önünde kabul ederek müşterilere her koşulda insana ulaşma garantisini geri getirdi. Dikkate değer olan şu. Klarna yapay zeka öncelikli stratejisinden vazgeçmedi; ölçüyü kaçırdığı noktayı tespit edip düzeltti. Kurumsal yapay zekada olgunluk tam olarak böyle görünür. Yönü korumak, dozu yönetmek.

Teknoloji ne kadar yetenekli olursa olsun, bu serinin her yazısında geçerli olacak ilke değişmez. Sistem öneri üretir, sorumluluğu taşıyamaz. Nihai kararın sahibi her zaman karar veren insandır.

Karar vericinin yol haritası

Yolculuğun özeti ve her fazda yönetimin kendisine sorması gereken denetim sorusu aşağıda.

Bu dört sorudan herhangi birine net cevap verilemiyorsa, serinin ilgili fazı tam da o boşluk için yazıldı. Okuma sırası tercihinize kalmış; harita baştan sona okunabileceği gibi, en çok sıkışılan fazdan da başlanabilir. Seri yayımlandıkça bu sayfadaki harita her yeni yazıya bağlanıyor. Yayındaki yazılar. Yöneticinin yapay zeka okuryazarlığı, yapay zekaya ne zaman girmeli, karar öncesi hazırlık, süreç analizi, geliştir ya da satın al, yapay zekanın gerçek maliyeti ve geri dönüşü, ajanları kim kurar, pilottan üretime, kurum kültürü, ölçüm, yönetişim ve dünyadan vakalar.

Kaynaklar ve yöntem notu

Bu yazıda kullandığım üçüncü taraf rakamlarının künyesi ve yöntem sınırları. Bir rakamı nasıl ölçtüklerini bilmeden o rakama güvenmek, yönetici masasında alınabilecek en pahalı kısayoldur.

MIT NANDA, Temmuz 2025. The GenAI Divide: State of AI in Business 2025. Kamuya açık 300'den fazla girişimin taranması, 52 kuruluşla yapılandırılmış görüşme ve dört sektör konferansında toplanan 153 üst düzey yönetici anketi. Saha dönemi Ocak ile Haziran 2025 arası. Rapor hakem değerlendirmesinden geçmedi, kapağında ön bulgular yazıyor, başarı oranları katılımcıların kendi beyanına dayanıyor ve raporun çözüm olarak işaret ettiği altyapı yazarların kendi projesidir. Raporun kendi kısıt notu, altı aylık gözlem penceresinin karmaşık kurumsal sistemler için yetersiz kalabileceğini söylüyor.

McKinsey, Kasım 2025. The State of AI. 105 ülkeden 1.993 katılımcı, saha 25 Haziran ile 29 Temmuz 2025 arası. Rakamlar katılımcı beyanıdır, denetlenmiş mali veri değildir.

Deloitte, Eylül 2025. AI ROI: The Paradox of Rising Investment and Elusive Returns. 1.854 yönetici, Avrupa ve Ortadoğu. 2 ila 4 yıllık süre tipik bir kullanım alanı içindir; 7 ila 12 ay ise genel teknoloji yatırımları için beklenen tipik geri ödeme süresidir.

Stanford Yapay Zeka Endeksi, 2025 raporu. 280 kat düşüş, MMLU testinde GPT-3.5 düzeyinde puan alan bir modeli sorgulamanın fiyatının Kasım 2022 ile Ekim 2024 arasında milyon jeton başına 20 dolardan 7 sente inmesini anlatır. Çıkarım fiyatıdır; donanım ya da işlem gücü maliyeti değildir ve birim fiyatın düşmesi toplam faturanın düşmesi anlamına gelmez.

Gartner, BCG ve PwC oranları. Gartner rakamları öngörüdür, ölçüm değildir. BCG'nin değer dağılımı ve PwC'nin yüzde 20 ile yüzde 80 oranı yaygın olarak alıntılanan yönetim çerçeveleridir, anket bulgusu değildir.

Şirket vakaları. Klarna ve benzeri vaka rakamları şirketlerin kendi açıklamalarıdır, bağımsız denetimden geçmemiştir.

Air Canada kararı. Moffatt v. Air Canada, 2024 BCCRT 149, 14 Şubat 2024. Kararı veren merci bir mahkeme değil, British Columbia Sivil Uyuşmazlık Çözüm Kurulu'dur.

Kaynaklar 26 Temmuz 2026'da birincil kaynaklardan yeniden doğrulandı.

Yazar

Cem Ünsal

Dijital Girişimci · Yazar · Antrenör

Yapay zekâ ve kişisel güvenlik üzerine yazıyor. Şirketlerin yapay zekâ dönüşümünde karar vericilere yön veriyor.

Hakkımda