İşletmeler İçin Yapay Zeka: Gerçekten İşe Yarayan 10 Kullanım Alanı

İşletmeler için yapay zeka en çok tekrarlanan, metin ağırlıklı ve sonucu bir insanın kolayca kontrol edebildiği işlerde fayda sağlar: taslak hazırlamak, özetlemek, sınıflandırmak, belgeden bilgi çıkarmak gibi. Yanlış bir cevabın pahalıya mal olduğu, verinin dağınık olduğu ya da kimsenin sonucu kontrol etmediği yerlerde ise yarardan çok sorun üretir. Bu yazıda 10 kullanım alanını; her biri için ne zaman işe yaradığını, ne zaman yaramadığını, maliyetini ve riskini anlatıyoruz.

İşletmeler için yapay zeka ne demek?

Bu yazıda "yapay zeka" derken çoğunlukla üretken yapay zekayı (generative AI) kastediyoruz: metin, görsel ya da kod üreten, büyük dil modelleri (LLM, large language model) üzerine kurulu araçlar. Bunlar bir sohbet arayüzüyle (ör. ChatGPT, Claude, Gemini, Copilot gibi genel amaçlı asistanlar) ya da bir yazılıma API üzerinden bağlanarak kullanılır. API'nin ne olduğunu API entegrasyonu yazımızda anlatmıştık.

Bilmeniz gereken en önemli sınır şudur: bu modeller olası cevabı üretir, doğru cevabı garanti etmez. Kişisel Verileri Koruma Kurumu'nun Kasım 2025'te yayımladığı üretken yapay zeka rehberi de bu duruma dikkat çeker. Rehber, gerçek görünümlü ama yanlış çıktılar için kullanılan "halüsinasyon" (hallucination) kavramını tanımlar ve çıktıların düzenli izlenmesini, gerektiğinde insan gözetimiyle desteklenmesini önerir.

Bu yüzden aşağıdaki her kullanım alanını aynı soruyla değerlendirdik: Yapay zeka yanılırsa bunu kim, ne kadar sürede fark eder ve bedeli ne olur?

10 kullanım alanı: ne zaman işe yarar, ne zaman yaramaz?

1. Müşteri hizmetlerinde ilk karşılama ve yönlendirme

Web sitenizdeki ya da mesajlaşma kanalınızdaki bir asistan; sık sorulan soruları cevaplayabilir, talebi doğru birime yönlendirebilir, mesai dışında ön bilgi toplayabilir.

• İşe yarar: Cevapları sizin onayladığınız kaynaklara (fiyat listesi değil, genel bilgi, çalışma saatleri, süreç adımları) dayanıyorsa ve emin olmadığı noktada konuşmayı bir insana devredebiliyorsa.
• İşe yaramaz: Fiyat, iade koşulu, garanti gibi bağlayıcı konularda serbestçe cevap üretmesine izin verildiğinde.
• Risk: Kanada'da 2024'te sonuçlanan Moffatt v. Air Canada uyuşmazlığında, havayolunun sohbet botu bir müşteriye indirimli bilet iadesi hakkında yanlış bilgi verdi. Uyuşmazlık çözüm kurulu, botun sitenin bir parçası olduğuna ve verdiği bilgiden şirketin sorumlu olduğuna karar verdi. Şirketin "bot ayrı bir varlık" savunması kabul edilmedi. Bu karar Türkiye'de bağlayıcı değil, ama ilke açık: müşteriye ne söylendiyse onu siz söylemiş sayılırsınız.
• Maliyet: Araç ücretinden çok, bilgi kaynaklarını hazırlama ve güncel tutma emeği.

2. Teklif, sözleşme taslağı ve yazışma hazırlama

Standart teklif metinleri, müşteri e-postaları, toplantı sonrası özet yazıları ve iç yazışmalar için yapay zeka iyi bir ilk taslak üretir.

• İşe yarar: Elinizde şablon ve doğru bilgi varsa, yapay zeka bunları düzgün bir metne dönüştürür. Yazma süresi kısalır, kontrol süresi kalır.
• İşe yaramaz: Rakamları, tarihleri ve teknik özellikleri yapay zekanın "tamamlamasına" bırakırsanız. Model, eksik bilgiyi makul görünen ama yanlış bir değerle doldurabilir.
• Risk: Hukuki bağlayıcılığı olan metinlerde (sözleşme, şartname) taslak mutlaka uzman gözünden geçmeli.
• Maliyet: Düşük. Çoğu zaman genel amaçlı bir asistan yeter.

3. Toplantı, belge ve yazışma özetleme

Uzun e-posta zincirleri, toplantı kayıtları, ihale dokümanları ya da müşteri şikâyetleri hızlıca özetlenebilir.

• İşe yarar: Özeti okuyan kişi orijinal metne erişebiliyorsa ve kritik kararlar özetten değil kaynaktan veriliyorsa.
• İşe yaramaz: Özet tek bilgi kaynağına dönüştüğünde. KVKK rehberinde de buna benzer bir örnek var: müşteri şikâyetlerini özetleyen bir modelin bazı metinleri bağlamından kopuk özetlediği ve kişisel verileri eksik ya da hatalı yansıttığı durum, doğruluk ilkesi açısından sorun olarak değerlendiriliyor.
• Risk: Toplantı kayıtlarında katılımcıların kişisel verileri bulunur. Kayıt ve özetleme için aydınlatma yapılmış olmalıdır.
• Maliyet: Düşük ile orta arası. Ses kaydı ve yazıya dökme eklenince maliyet artar.

4. Belgeden veri çıkarma (fatura, irsaliye, form)

Taranmış belgelerden, PDF'lerden ya da e-posta eklerinden belirli alanları (firma adı, tutar, tarih, ürün kodu) okuyup bir tabloya ya da sisteme aktarmak.

• İşe yarar: Belge türleri az sayıda ve düzenliyse, çıkarılan veri bir doğrulama adımından geçiyorsa (ör. toplam tutar satırların toplamına eşit mi?).
• İşe yaramaz: El yazısı, düşük kaliteli tarama ya da her seferinde farklı biçimde gelen belgelerde hata oranı yükselir.
• Risk: Muhasebe ve stok gibi alanlarda küçük bir hata zincirleme sorun çıkarır. Otomatik kayıt yerine "öneri + onay" düzeni daha güvenlidir.
• Maliyet: Orta. Asıl iş, yazılımınızla entegrasyonda ve doğrulama kurallarındadır.

5. Gelen talepleri sınıflandırma ve iş akışı otomasyonu

Gelen e-postaları, form başvurularını ya da destek taleplerini konusuna ve aciliyetine göre etiketlemek, doğru kişiye atamak, bir sonraki adımı tetiklemek.

• İşe yarar: Kategoriler net, hacim yüksek ve yanlış sınıflandırmanın bedeli düşükse (bir talebin yanlış kuyruğa düşüp birkaç dakika gecikmesi gibi).
• İşe yaramaz: Süreç zaten basit kurallarla çözülebiliyorsa. "Konu satırında 'fatura' geçiyorsa muhasebeye gönder" gibi bir kural için yapay zekaya gerek yoktur. Kural tabanlı otomasyon daha ucuz, daha hızlı ve daha öngörülebilirdir.
• Risk: Sınıflandırma hatası sessizce birikir. Düzenli örnek kontrolü yapılmalıdır.
• Maliyet: Kullanıma göre (API çağrısı başına) artar. Hacim büyüdükçe maliyeti izlemek gerekir.

6. İçerik desteği: ürün açıklaması, sosyal medya, blog taslağı

Ürün açıklamalarının ilk taslakları, sosyal medya metinleri için fikir listeleri, farklı uzunlukta varyasyonlar.

• İşe yarar: Marka sesinizi tarif eden bir rehberiniz varsa ve metni bir editör son haline getiriyorsa. Fikir üretme ve varyasyon çıkarma aşamasında hız kazandırır. Ürün tanıtımının temel ilkelerini sosyal medyada ürün tanıtımı yazımızda ele almıştık. Bu ilkeler yapay zekayla da geçerli.
• İşe yaramaz: Kontrolsüz toplu üretimde. Birbirine benzeyen, kaynağı belirsiz, iddiaları doğrulanmamış metinler markaya zarar verir.
• Risk: Yanlış ürün özelliği, doğrulanmamış sağlık ya da performans iddiası, başkasının metnine fazla benzeyen içerik. Görsel üretimde telif ve kullanım koşulları ayrıca değerlendirilmelidir.
• Maliyet: Düşük. Ama editör zamanı mutlaka bütçeye girmelidir.

7. Çeviri ve yerelleştirme

İki dilli web siteleri, ürün katalogları, yurt dışı müşteri yazışmaları.

• İşe yarar: Genel metinlerde ilk çeviri için hızlı ve çoğu zaman akıcıdır. Bir terim listesi (glossary) verildiğinde tutarlılık artar.
• İşe yaramaz: Teknik şartname, hukuki metin ve sloganlarda çeviri kelime kelime doğru olsa da anlam ya da ton kayabilir.
• Risk: Hedef dili bilen biri kontrol etmezse hata yayında fark edilir.
• Maliyet: Düşük. Kontrol için dil bilen birinin zamanı gerekir.

8. Raporlama ve veri analizi

Satış, servis ya da stok verilerinizi özetlemek, tablo hazırlamak, "geçen çeyreğe göre ne değişti?" gibi sorulara hızlı bir ilk cevap almak.

• İşe yarar: Veri temiz, tek bir yerde ve yapılandırılmışsa. Yapay zeka formül yazmayı, sorgu taslağı hazırlamayı ve bulguları düz metne dökmeyi hızlandırır.
• İşe yaramaz: Veri dağınık Excel dosyalarında, farklı biçimlerde ve tekrarlı kayıtlarla duruyorsa. Bu durumda sorun yapay zekayla değil, veri düzeniyle çözülür.
• Risk: Model bir sayıyı yanlış okuyup emin bir dille raporlayabilir. Rakamlar her zaman kaynak tabloyla karşılaştırılmalıdır.
• Maliyet: Asıl yatırım veri altyapısındadır. Verisi düzenli bir işletme bu alandan daha çabuk fayda görür.

9. Kurum içi bilgiye erişim

Prosedürler, ürün kılavuzları, sık sorulan teknik sorular ve eski projeler üzerinden çalışanların soru sorabildiği bir iç asistan.

• İşe yarar: Belgeler güncel ve tek bir yerde toplanmışsa, asistan cevabını hangi belgeye dayandırdığını gösterebiliyorsa.
• İşe yaramaz: Belgeler çelişkili ya da eskiyse. Asistan eski prosedürü güvenle önerebilir.
• Risk: Erişim yetkisi. Muhasebe belgelerini görmemesi gereken bir çalışan, asistan üzerinden bu bilgiye ulaşmamalıdır.
• Maliyet: Orta ile yüksek arası. Belgeleri toplama, düzenleme ve yetkilendirme işi araçtan daha fazla emek ister.

10. Yazılım ve teknik işlerde destek

Basit betikler, formül ve sorgu yazma, hata mesajlarını yorumlama, mevcut kodu açıklama.

• İşe yarar: Sonucu kontrol edebilen biri kullanıyorsa ve iş üretim ortamına girmeden test ediliyorsa.
• İşe yaramaz: Güvenlik, ödeme, kişisel veri gibi kritik alanlarda kontrolsüz kullanıldığında. "Çalışıyor" görünen kod güvenli ya da bakımı kolay olmayabilir.
• Risk: Güvenlik açığı, lisans belirsizliği, teknik borç.
• Maliyet: Araç maliyeti düşük. Kod incelemesi ve test maliyeti ise değişmez.

Hangi işi yapay zekaya vermeli? Hızlı karar tablosu

Maliyet nereden çıkar?

Yapay zeka projelerinde maliyeti genelde dört kalem belirler. Tutar vermiyoruz, çünkü kullanım hacmine, seçilen modele ve entegrasyon kapsamına göre çok değişir.

1. Kullanım ücreti: Genel amaçlı asistanlar kullanıcı başına abonelikle çalışır. API üzerinden kullanımda ise ücret çoğunlukla işlenen metin miktarına (token) göre hesaplanır ve modelin ürettiği çıktı, gönderilen girdiden daha pahalı fiyatlanır. Hacim arttıkça fatura da artar.
2. Entegrasyon: Yapay zekanın CRM'inize, e-postanıza ya da muhasebe yazılımınıza bağlanması bir yazılım işidir. Hazır bir SaaS ürünü işinizi görmüyorsa özel yazılım gerekebilir.
3. Veri hazırlığı: Belgeleri toplamak, temizlemek, güncel tutmak. Çoğu projede en çok zaman alan kalem budur.
4. Kontrol ve bakım: Çıktıları örnekleyerek kontrol eden bir insanın zamanı, model ya da araç değiştiğinde yapılan testler, değişen kullanım koşullarının takibi.

Gizli bir maliyet daha var: kontrol süresi. Taslağı 2 dakikada üretip 20 dakikada düzelttiğiniz bir iş, elle yazmaktan daha uzun sürebilir. Bir pilot dönemde gerçek süreleri ölçmeden genele yaymamanızı öneririz.

Riskler: veri, doğruluk ve sorumluluk

Kişisel veriler ve KVKK

Bir yapay zeka aracına müşteri adı, telefon numarası, adres ya da şikâyet metni yapıştırdığınızda bu bir kişisel veri işleme faaliyetidir. KVKK'nın üretken yapay zeka rehberi şu noktaların altını çizer:

• Bu araçlarla yapılan kişisel veri işleme 6698 sayılı Kanun kapsamında değerlendirilir. Kanun'daki genel ilkeler (hukuka uygunluk, doğruluk, amaçla sınırlılık, ölçülülük gibi) burada da geçerlidir.
• Yurt dışında yerleşik bir hizmet sağlayıcının aracını kullanırken kişisel veriler yurt dışına aktarılıyorsa bu aktarımın Kanun'un 9. maddesine ve 2024'te yayımlanan yurt dışına aktarım yönetmeliğine uygun yapılması gerekir.
• Bireyler için öneri: Ad-soyad, adres, telefon ve kimlik bilgisi gibi verileri paylaşmaktan kaçının. Üçüncü kişilere ait bilgileri girmeyin. Mümkün olduğunca anonimleştirilmiş, genel ifadeler kullanın.

Pratikte bu şu demek: Çalışanlarınızın hangi araca hangi veriyi girebileceğini yazılı bir kuralla belirleyin. Kurumsal sürümlerde verinin model eğitiminde kullanılıp kullanılmadığını ve nerede saklandığını sözleşmeden kontrol edin. Yazılım tarafında dikkat edilecek ilkeleri KVKK uyumlu yazılım geliştirme yazımızda toplamıştık.

Doğruluk ve sorumluluk

Yapay zekanın ürettiği bir bilgiden, onu müşterisine sunan işletme sorumludur. Air Canada örneği bunu açıkça gösterdi. Kendinize sorun: Bu çıktıyı yayımlamadan, göndermeden ya da sisteme kaydetmeden önce kim kontrol ediyor?

Bağımlılık ve süreklilik

Bir araca tüm süreci bağladığınızda fiyat, kullanım koşulu ya da model değişikliği işinizi doğrudan etkiler. Kritik süreçlerde verinin sizde kalmasına ve aracın değiştirilebilir olmasına dikkat edin.

Nereden başlamalı?

1. Tek bir iş seçin. Sık tekrarlanan, metin ağırlıklı ve hatası kolay fark edilen bir iş olsun. Örneğin gelen talepleri özetlemek.
2. Mevcut durumu ölçün. Bu iş bugün kaç dakika sürüyor, ne sıklıkla hata çıkıyor?
3. "Taslak + onay" düzeniyle başlayın. Yapay zeka önersin, insan onaylasın.
4. Veri kuralını yazın. Hangi bilgiler araca girilebilir, hangileri girilemez?
5. Birkaç hafta sonra karşılaştırın. Süre gerçekten kısaldı mı, kalite korundu mu? Sonuca göre yaygınlaştırın ya da vazgeçin.

Bizim deneyimimiz

Kendi ürünlerimizi geliştirirken öğrendiğimiz bir şey var: Birçok işletmenin "yapay zeka" diye tarif ettiği ihtiyaç aslında düzenli veri ve iyi kurulmuş bir iş akışıdır.

Örneğin su arıtma servis firmaları için geliştirdiğimiz AquaCRM, periyodik bakım ve filtre değişim hatırlatmalarını, WhatsApp/SMS şablonlarını ve otomatik bildirimleri müşteri ve cihaz kayıtlarına dayanarak gönderir. Rulo etiket üreticileri için geliştirdiğimiz Etiket İş Takip Asistanı da tekliften baskı onayına, üretim kuyruğundan sevkiyata kadar işi kayıt altında tutar. Bu tür işlerin önemli bir kısmı doğru tasarlanmış kurallar ve entegrasyonlarla çözülür. Yapay zeka, bu düzen kurulduktan sonra eklendiğinde daha güvenli ve ölçülebilir bir katkı sağlar.

Yapay zeka projelerine bu sırayla bakıyoruz: önce süreç ve veri, sonra kural tabanlı otomasyon, en son yapay zeka. Ve her adımda sonucu kontrol eden bir insan.

Sık sorulan sorular

Sonuç

İşletmeler için yapay zeka bir sihirli değnek değil, doğru yerde kullanıldığında gerçekten zaman kazandıran bir araçtır. En iyi sonuçları; tekrarlı, metin ağırlıklı ve kontrolü kolay işlerde, "taslak + insan onayı" düzeniyle alırsınız. Müşteriye doğrudan dokunan, kişisel veri içeren ya da mali sonucu olan işlerde ise kapsamı dar tutmak ve onay adımını korumak gerekir.

Süreçlerinizde yapay zekanın nerede gerçekten işe yarayacağını, nerede kural tabanlı bir otomasyonun ya da özel bir yazılımın daha doğru olacağını birlikte değerlendirmek isterseniz bizimle iletişime geçebilirsiniz.