Blog Yazısı Özeti

Birçok kurum yapay zekâya "hangi aracı alalım?" sorusuyla başlıyor. Oysa başarılı dönüşümlerde ilk iki adım genellikle teknoloji değil: çalışanların yapay zekâyı doğru kullanmayı öğrenmesi ve iş süreçlerinin hangi noktada yapay zekâdan gerçekten fayda göreceğinin analiz edilmesi. Bu yazı bu iki adımı ve ilk pilot projenin nasıl seçileceğini anlatıyor.

Kısa cevap: Kurumsal yapay zekâ dönüşümüne (1) yöneticiler ve çalışanlar için yapay zekâ okuryazarlığı eğitimi, (2) tekrar eden ve ölçülebilir süreçlerin çıkarıldığı bir süreç analizi ve (3) dar kapsamlı, ölçülebilir bir pilotla başlamak, büyük bir platform yatırımıyla başlamaktan daha güvenlidir.

Neden eğitimle başlamalı?

Çalışanlar yapay zekâ araçlarını çoğu zaman kurum karar vermeden önce, kendi hesaplarıyla kullanmaya başlıyor. MIT NANDA'nın 2025 tarihli "The GenAI Divide" raporu da çalışanların kişisel yapay zekâ araçlarını kurumsal araçlardan çok daha yaygın kullandığını ("gölge yapay zekâ") öne sürdü. Bu iki risk doğurur: gizli verinin kontrolsüz araçlara girmesi ve hatalı çıktının kontrol edilmeden kullanılması.

Eğitimin etkisi ölçülebilir. Brookings'te yayımlanan ve Danimarka'da binlerce işyerini kapsayan bir araştırma, işverenin kurumsal araç ve eğitim sağladığı işyerlerinde çalışanların %93'ünün sohbet tabanlı yapay zekâ araçlarını kullandığını, işverenin hiçbir adım atmadığı işyerlerinde bu oranın %41 civarında kaldığını gösterdi. Aynı çalışmaya göre yapay zekânın yarattığı yeni görevlerin önemli bir kısmı, yapay zekâ çıktısını denetlemek ve sistemleri işe entegre etmekten oluşuyor.

Türkiye'de de konu gündemin üst sırasında: Ağustos 2026'da yayımlanan Türkiye Yapay Zekâ Eylem Planı (2026-2030), kamu personeli için yapay zekâ okuryazarlığı eğitimlerini ve iş süreçlerine yapay zekâ entegre edebilecek uygulama profesyonellerinin yetiştirilmesini hedefliyor.

Kişisel verilerle çalışan kurumlar için KVKK'nın üretken yapay zekâ rehberi, bu araçlarla çalışırken dikkat edilmesi gerekenleri anlatıyor. Avrupa Birliği'ne ürün ya da hizmet sunan firmalar için ise AB Yapay Zekâ Yasası'nın 4. maddesi, yapay zekâ sistemi sağlayan ve kullanan kuruluşlardan personelinin yapay zekâ okuryazarlığının gelişimini destekleyecek önlemler almasını istiyor (madde, 2026'daki "Digital Omnibus" değişikliğiyle bu haliyle güncellendi; kişi başına belirli bir okuryazarlık seviyesi garanti etme zorunluluğu yok).

İyi bir eğitim programı genellikle şunları kapsar:

  • Yapay zekâ ne yapar, ne yapamaz; "halüsinasyon" ve doğrulama alışkanlığı
  • Hangi verinin hangi araca girebileceği (veri sınıflandırması ve gizlilik)
  • Kendi işinde verimli kullanım: belge özetleme, taslak, analiz, kod
  • Yöneticiler için: risk, yatırım ve ölçüm

Süreç analizi: yapay zekâ nereye konmalı?

Analizin birimi meslek ya da departman değil, görev olmalı. Brookings'in üretken yapay zekâ ve iş gücü analizi de, Uluslararası Çalışma Örgütü'nün (ILO) 2025 tarihli küresel endeksi de etkiyi görev düzeyinde ölçüyor ve aynı sonuca varıyor: Yapay zekâ çoğu işi ortadan kaldırmaktan çok, işin içindeki bazı görevleri dönüştürüyor. Bu yüzden "muhasebeye yapay zekâ" gibi geniş hedefler yerine "gelen faturaların ERP'ye girilmesi" gibi tek tek görevlere bakmak gerekir.

Her süreç yapay zekâ için uygun değildir. Analizde süreçler genellikle şu sorularla elenir:

  1. Tekrar ediyor mu? Günde/haftada çok kez yapılan işler önceliklidir.
  2. Girdi dijital mi ya da dijitalleştirilebilir mi? Belge, form, fotoğraf, ses kaydı, makine verisi.
  3. Sonuç ölçülebilir mi? Süre, hata oranı, bekleme, maliyet.
  4. Hata maliyeti ne? Yanlış bir çıktının sonucu yüksekse insan onayı şarttır.
  5. Veri var mı? Model eğitmek ya da doğrulamak için örnekler mevcut mu?

Bu sorulardan geçen 2–3 süreç, ilk pilot için aday listesini oluşturur.

İlk pilotu seçmek

İyi bir ilk pilot:

  • Dar kapsamlıdır: Tek bir ekip, tek bir iş akışı.
  • Ölçülebilir başarı tanımı vardır: "Teklif hazırlama süresini yarıya indirmek" gibi.
  • Mevcut sisteme bağlanır: Çalışanı ikinci bir ekrana mahkûm etmez.
  • Kullanıcı geri bildirimini toplar: Düzeltmeler sisteme geri döner.

Pilotun gerçekten kullanıma geçmesi için sahada çalışan bir mühendisin süreci yerinde öğrenmesi büyük fark yaratır. Bu modeli Forward Deployed Engineer (FDE) nedir? yazımızda ayrıca anlattık.

Yönetişim: kurallar baştan

  • Hangi araçların onaylı olduğu ve hangi verinin girilemeyeceği
  • Yapay zekâ çıktısının kimin onayından geçeceği
  • Model ve sonuçların nasıl izleneceği

NIST'in Yapay Zekâ Risk Yönetimi Çerçevesi (AI RMF), bu kuralları kurumun ölçeğine göre kurmak için iyi bir başlangıç noktası sunuyor.

Busana nasıl yardımcı olur?

Kurumlar için yapay zekâ eğitimi ve süreç analizi hizmetimiz kapsamında yapay zekâ okuryazarlığı eğitimleri, iş süreçleri analizi atölyeleri ve ardından seçilen pilotun geliştirilmesini aynı ekipten sunuyoruz. Eğitimi veren ekip, sistemi kuran ekip olduğu için öneriler teoride kalmıyor.

Kaynaklar

Bilgiler 06.11.2026 tarihinde kontrol edilmiştir.