Yapay Zekâ KOBİ’nin Kapısına Dayandı

2022 sonunda üretken yapay zekâ araçlarının geniş kitlelerin eline geçmesiyle yeni bir dönem başladı. Fakat yapay zekânın şirketlere girişi aslında daha eski: bankalarda risk skorlama, perakendede talep tahmini, üretimde görüntü işleme, lojistikte rota optimizasyonu ve çağrı merkezlerinde konuşma analitiği yıllardır kullanılıyordu. Değişen şey, teknolojinin maliyeti, erişim biçimi ve kullanım arayüzü oldu. Eskiden veri bilimci ekibi isteyen işlerin bir bölümü artık doğal dille tarif edilebiliyor.

Bu, küçük işletme için büyük kırılma.

Ama küçük bir not düşmek gerekir: Yapay zekâ sihirli değnek değil. Kötü veriyle, dağınık süreçle ve sahipsiz projeyle birleşirse sadece daha hızlı hata yapar. Hatta bazen hatayı daha havalı gösterir.

Değişim nerede başladı?

Yapay zekânın iş dünyasına yayılımı önce ofis işlerinde başladı. Çünkü en düşük sürtünme oradaydı. E-posta yazımı, toplantı özeti, teklif metni, ürün açıklaması, müşteri yanıtı, sözleşme taslağı, rapor özetleme, tercüme, sunum hazırlığı. Bu alanlarda özel donanım, büyük entegrasyon ve karmaşık üretim verisi gerekmediği için KOBİ’ler hızlı deneme yapabildi.

OECD’nin KOBİ’lerde yapay zekâ benimsenmesine ilişkin 2025 değerlendirmesi de bunu doğruluyor: üretken yapay zekâ, düşük giriş maliyeti ve doğal dil kullanımı nedeniyle küçük işletmelerde en kolay benimsenen AI türlerinden biri hâline geldi. KOBİ’ler genellikle önce tekil kullanım alanlarıyla başlıyor; bir ekip müşteri hizmetinde chatbot deniyor, başka bir ekip pazarlama metni üretiyor, finans tarafı tahsilat hatırlatması yazdırıyor. Bu aşama faydalı ama sınırlı. İşletmenin kâr-zararına dokunması için yapay zekânın kişisel verimlilik aracından süreç aracına dönüşmesi gerekiyor.

İkinci dalga satış, pazarlama ve müşteri ilişkilerinde göründü. CRM kayıtlarından müşteri segmenti çıkarma, geçmiş tekliflere göre yeni teklif önerme, satış görüşmesi özetleme, çapraz satış fırsatı bulma, fiyat hassasiyeti tahmin etme. E-ticarette ürün açıklaması, görsel varyasyonu, SEO, kampanya metni, iade sebebi analizi gibi işler hızlandı.

Üçüncü dalga arka ofise geldi: satın alma, muhasebe, insan kaynakları, kalite dokümantasyonu, ihracat evrakı, sözleşme kontrolü, raporlama, stok ve nakit akışı tahmini. Burası daha az gösterişli ama çoğu şirkette daha değerlidir. Çünkü para, çoğu zaman vitrinde değil, arka ofiste sızar.

Dördüncü dalga ise sanayi tarafında başlıyor: görüntü işleme ile kalite kontrol, bakım tahmini, enerji tüketimi optimizasyonu, üretim planlama, fire analizi, duruş nedeni sınıflandırma, tedarik gecikmesi tahmini, iş güvenliği gözlemi, teknik çizim ve bakım talimatı üretimi. Burada AI artık metin yazarı değil; üretim disiplininin parçası.

Bir makinenin arıza yapmasını beklemek ile arızaya giden titreşim, sıcaklık, ses veya akım desenini önceden yakalamak arasında ciddi fark var. Birincisi tamirciliğe benzer. İkincisi işletme zekâsıdır.

Gerçek geri dönüş başladı mı?

Evet, başladı. Ama her yerde değil.

Stanford AI Index 2025’e göre kurumların yapay zekâ kullanımı hızla arttı; 2024’te kuruluşların yüzde 78’i AI kullandığını bildirdi. McKinsey’in 2025 küresel araştırmasında bu oran daha da yükselerek şirketlerin yaklaşık yüzde 88’inin en az bir iş fonksiyonunda düzenli AI kullandığını gösteriyor. Yani “deneyen var mı?” sorusunun cevabı artık net: var. Hem de çok var. [2][3]

Asıl soru başka: “Kâr-zarar tablosuna geçti mi?”

McKinsey verisi burada frene basıyor. Katılımcıların çoğu AI kullanımından kullanım senaryosu bazında maliyet veya gelir faydası bildirse de, şirket geneline yayılan EBIT etkisini raporlayanların oranı yüzde 39’da kalıyor. Yani yapay zekâ departman içinde fayda yaratıyor; ama birçok şirkette henüz işletmenin genel performansına tam yansımıyor.

Google Cloud’un 2025 araştırması daha iyimser bir tablo çiziyor: üretken yapay zekâ kullanan yöneticilerin yüzde 74’ü ilk yıl içinde ROI elde ettiğini, yüzde 56’sı iş büyümesine katkı gördüğünü söylüyor. IDC’nin Microsoft sponsorlu çalışmasında ise üretken AI yatırımlarında ortalama 3,7 kat getiri, en iyi performans gösterenlerde 10,3 kata kadar ROI raporlanıyor. Bunlar dikkate değer bulgular. Fakat sponsorlu ve anket temelli çalışmalar olduğu için tek başına “her şirkette böyle olur” diye okunamaz.

Diğer tarafta sert uyarılar var. Gartner, üretken AI projelerinin en az yüzde 30’unun 2025 sonuna kadar proof-of-concept aşamasından sonra terk edileceğini öngördü; nedenler arasında kötü veri kalitesi, yetersiz risk kontrolleri, artan maliyetler ve belirsiz iş değeri var. MIT NANDA’nın 2025 ön bulguları ise daha da soğuk: yaygın pilotlara rağmen şirketlerin büyük çoğunluğunda ölçülebilir P&L etkisi oluşmadığını, üretken AI projelerinde başarının entegrasyon kalitesiyle belirlendiğini savunuyor.

Bu tablo çelişki gibi görünür. Aslında değil.

Yapay zekâ değer üretiyor. Ama teknoloji satın alan değil, süreci yeniden tasarlayan şirketlerde.

BCG’nin 2025 araştırması bu ayrımı sert biçimde koyuyor: dünya genelinde şirketlerin yalnızca yüzde 5’i “AI-future built” denilen olgunluk seviyesinde; yüzde 35’i ise ölçekleme aşamasında değer üretmeye başlıyor. Bu üst gruptaki şirketler, diğerlerine kıyasla beş kat daha fazla gelir artışı ve üç kat daha fazla maliyet azaltımı sağlıyor.

Buradaki ders açık: Yapay zekâyı “abonelik aldık, herkes kullansın” düzeyinde bırakan şirket kişisel verimlilik kazanır. Yapay zekâyı satın alma, üretim, satış, finans ve kalite süreçlerine gömen şirket işletme performansı kazanır.

İkisi aynı şey değil.

KOBİ ve sanayici için en somut entegrasyon alanları

Bir KOBİ’nin yapay zekâ yatırımı, büyük teknoloji şirketi gibi başlamamalı. Model eğitmeye kalkmak çoğu işletme için erken ve pahalıdır. Doğru başlangıç, gelir artıran veya maliyet azaltan birkaç kritik süreci seçmektir.

İlk alan satış ve teklif yönetimidir. Türkiye’de birçok sanayi işletmesinde teklif hâlâ eski Excel dosyaları, ustalık hafızası ve patron sezgisiyle hazırlanıyor. Yapay zekâ burada geçmiş teklifleri, hammadde fiyatlarını, termin sürelerini, müşteri kârlılığını ve stok durumunu birlikte okuyarak daha hızlı ve tutarlı teklif hazırlamaya yardımcı olabilir. Bu doğrudan nakde dokunur. Çünkü geç verilen teklif, çoğu zaman verilmemiş teklif demektir.

İkinci alan müşteri hizmetleri ve satış sonrası destektir. Teknik ürün satan KOBİ’lerde müşteri soruları tekrar eder: kurulum, arıza, garanti, parça uyumu, bakım periyodu, kullanım hatası. İyi kurulmuş bir AI destek sistemi, teknik dokümanları okuyarak müşteriye veya servis ekibine ilk yanıtı verir. Burada amaç insanı devreden çıkarmak değil; insanın her gün aynı cümleyi yüz kez yazmasını engellemektir.

Üçüncü alan stok ve talep tahminidir. KOBİ’de fazla stok nakdi boğar, eksik stok müşteriyi kaçırır. Yapay zekâ geçmiş satış, mevsimsellik, kampanya, kur hareketi, tedarik süresi ve müşteri davranışından talep tahmini çıkarabilir. Bu, özellikle ithal girdi kullanan ve kur riskine açık şirketlerde ciddi avantaj sağlar.

Dördüncü alan üretim kalite kontrolüdür. Kamera destekli görüntü işleme sistemleri çizik, renk farkı, ölçü sapması, montaj hatası veya paketleme kusurunu insandan daha tutarlı yakalayabilir. Burada değer yalnızca fire düşürmek değildir; müşteri iadesini, garanti maliyetini ve marka yıpranmasını azaltmaktır.

Beşinci alan bakım ve duruş yönetimidir. Üretim tesisinde asıl maliyet çoğu zaman tamir faturası değil, duruşun kendisidir. Bir hat iki saat durduğunda kaybedilen kapasite, geciken teslimat ve bozulan vardiya planı zincirleme zarar üretir. Sensör, bakım kayıtları ve operatör notları doğru tutuluyorsa AI arızaya giden deseni yakalayabilir.

Altıncı alan finans ve tahsilattır. Nakit akışı tahmini, geciken ödeme riski, müşteri kârlılığı, fatura eşleştirme, mutabakat, belge kontrolü ve bütçe sapması analizi küçük işletmelerde büyük fark yaratır. KOBİ’nin en sessiz krizi çoğu zaman kârsızlık değil, nakit sıkışmasıdır.

Yedinci alan insan kaynakları ve eğitimdir. İşe alım metni, aday ön elemesi, vardiya eğitimi, iş güvenliği dokümanı, görev tanımı ve performans notlarının düzenlenmesi AI ile hızlanabilir. Fakat bu alanda dikkat şarttır. İşe alım, performans ve terfi gibi insan hayatını doğrudan etkileyen kararlar otomasyona bırakılmamalı; AI yalnızca destekleyici sistem olarak kullanılmalıdır.

Sekizinci alan kurumsal bilgi yönetimidir. Her işletmede kimsenin açmadığı klasörler, güncellenmeyen prosedürler, eski fiyat listeleri, bakım formları, ürün katalogları ve teknik notlar vardır. Yapay zekâ bu bilgi dağınıklığını aranabilir, özetlenebilir ve iş akışına bağlanabilir hâle getirir. İyi kurulduğunda şirketin hafızası kişilere bağımlı olmaktan çıkar.

Kötü kurulduğunda ise şirketin dağınıklığını daha hızlı arayan bir oyuncak olur.

Türkiye’de tablo: Fırsat büyük, hazırlık zayıf

Türkiye özelinde mesele daha çarpıcı. Google ve İTÜ iş birliğiyle yayımlanan Türkiye’ye ilişkin ekonomik fırsat çalışmasında KOBİ’lerin toplam istihdamın yaklaşık yüzde 71’ini oluşturduğu, ancak 2023’te büyük işletmelerde AI benimseme oranı yüzde 19 iken KOBİ’lerde bu oranın yüzde 5 düzeyinde kaldığı belirtiliyor.

Bu fark basit bir teknoloji farkı değil. Rekabet farkı.

Büyük şirketler AI ile satış tahmini, tedarik zinciri, müşteri analitiği, otomasyon ve raporlama kabiliyeti kazanırken KOBİ eski yöntemle devam ederse aradaki verimlilik farkı açılır. Üstelik Türkiye’de KOBİ zaten yüksek finansman maliyeti, kur oynaklığı, nitelikli personel bulma zorluğu, ihracat standartları ve tahsilat riskiyle boğuşuyor. AI bu sorunların hiçbirini tek başına çözmez. Ama doğru kullanıldığında hepsinde küçük ama biriken avantajlar üretir.

Burada en büyük hata, yapay zekâyı yazılım satın alma konusu sanmaktır. Oysa KOBİ için AI yatırımı üç parçalıdır: veri disiplini, süreç disiplini ve insan disiplini.

Veri disiplini yoksa modelin bakacağı zemin yoktur. Satış kayıtları eksik, stok kodları tutarsız, müşteri adları farklı yazılmış, üretim duruş nedenleri rastgele girilmişse AI sadece karmaşayı özetler.

Süreç disiplini yoksa entegrasyon olmaz. Bir işin nasıl başladığı, kimden onay aldığı, hangi sistemde bittiği belli değilse AI araya girince verimlilik değil kaos üretir.

İnsan disiplini yoksa sahiplenme olmaz. Çalışanlar AI’ı işlerini tehdit eden gizli kamera gibi görürse veriyi saklar, sistemi beslemez, çıktılarına güvenmez. O noktada en pahalı model bile ofis maskotu olur.

Yapay zekâyı şirket süreçlerine doğru entegre etmek, yalnızca yazılım seçimi değil; veri, operasyon, insan ve ROI disiplininin birlikte tasarlanmasını gerektirir. Türkiye’de bu konuda danışmanlık ve teknoloji çözümleri sunan WiseAxon A.Ş. (wiseaxon.com), şirketlere uygulanabilir yol haritası ve yatırım geri dönüşü perspektifiyle destek sağlayabilir.

Sanayici nasıl bütçe hazırlamalı?

Yapay zekâ bütçesi “kaç lisans alacağız?” sorusuyla hazırlanmaz. “Hangi süreci kaç puan iyileştirirsek yatırım kendini öder?” sorusuyla hazırlanır.

Büyük şirketlerde AI harcamalarının 2026’da gelirlerin yaklaşık yüzde 0,8’inden yüzde 1,7’sine çıkmasının beklendiği görülüyor. Bu oran KOBİ’ye birebir kopyalanmamalı; çünkü KOBİ’nin veri altyapısı, insan kaynağı ve nakit toleransı farklıdır. Yine de iyi bir referans verir: AI artık yan bütçe değil, dijital yatırım bütçesinin ana kalemlerinden biri oluyor.

KOBİ ve sanayici için daha gerçekçi çerçeve şöyle kurulabilir:

Başlangıç seviyesi işletmeler, yıllık cironun yaklaşık yüzde 0,3 ile yüzde 0,7’si arasında bir AI ve veri hazırlık bütçesi ayırarak başlamalıdır. Bu seviye; çalışan eğitimleri, güvenli üretken AI kullanımı, basit otomasyonlar, satış-pazarlama içerikleri, teklif destek sistemi, doküman arama ve temel raporlama için yeterli olabilir.

Orta seviye dijital olgunluğa sahip işletmeler, cironun yüzde 0,8 ile yüzde 1,7’si aralığında daha ciddi bir program kurabilir. Bu bütçe ERP, CRM, e-ticaret, muhasebe, depo ve üretim verisinin birbirine bağlanmasını; satış tahmini, stok optimizasyonu, tahsilat analitiği, müşteri segmentasyonu ve iç bilgi asistanı gibi uygulamaları kapsar.

Üretim hattı, makine verisi, kamera, sensör, MES entegrasyonu ve bakım tahmini isteyen sanayi işletmelerinde bütçe bazı yıllarda cironun yüzde 1,5 ile yüzde 3’üne çıkabilir. Çünkü burada yalnızca yazılım değil; veri toplama cihazı, endüstriyel kamera, sensör, ağ altyapısı, entegrasyon, siber güvenlik ve saha eğitimi de gerekir.

Fakat asıl bütçe dağılımı daha önemlidir.

Bir AI programında paranın tamamı lisansa gitmemeli. Kabaca yüzde 20-25’i hızlı kazanım sağlayacak kullanım senaryolarına, yüzde 30-40’ı veri ve entegrasyon altyapısına, yüzde 15-20’si çalışan eğitimi ve değişim yönetimine, yüzde 10-15’i güvenlik ve yönetişime, kalan kısmı da ölçüm, iyileştirme ve bakım rezervine ayrılmalıdır.

Bu oranlar muhasebe kuralı değil; işletme aklıdır.

Çünkü en yaygın ölüm şekli şudur: şirket pahalı lisans alır, kimse doğru kullanmaz, veri bağlanmaz, çıktı ölçülmez, altı ay sonra “biz denedik olmadı” denir. Denenen yapay zekâ değildir. Denenen, plansızlıktır.

Ölçüm nasıl yapılmalı?

KOBİ için AI projesinin başarısı “kaç kişi kullandı?” ile ölçülmez. Gerçek ölçüler daha çıplaktır:

Teklif hazırlama süresi yüzde kaç azaldı?

Stok devir hızı iyileşti mi?

Fire oranı düştü mü?

Makine duruş süresi azaldı mı?

Tahsilat gecikmesi kısaldı mı?

Müşteri dönüş süresi hızlandı mı?

Satış ekibi aynı kişi sayısıyla daha fazla teklif kapatıyor mu?

İade ve garanti maliyetleri azaldı mı?

Yeni çalışan daha kısa sürede üretken hâle geliyor mu?

Bu göstergeler yoksa AI projesi değil, teknoloji hevesi vardır.

Bir işletme ilk altı ayda üç kullanım alanı seçmeli: biri gelir artırmalı, biri maliyet azaltmalı, biri de zaman kazandırmalı. Örneğin satış teklif destek sistemi, stok-talep tahmini ve iç doküman asistanı. Her biri için başlangıç değeri ölçülmeli, sonra 60-90 günlük deneme yapılmalı. Sonuç görülmeden yeni proje açılmamalı.

AI yatırımında hız iyidir; dağınık hız kötüdür.

Nereye evrilecek?

2026 sonrası şirketlerde yapay zekâ üç yönde evrilecek.

İlk yön, asistanlardan ajanlara geçiştir. Bugünkü birçok araç kullanıcıya öneri verir. Ajan yapısı ise belirli yetkiler içinde iş akışı tamamlar: müşteri e-postasını okur, CRM kaydını günceller, stok durumunu kontrol eder, teklif taslağı hazırlar, yöneticiden onay ister ve gönderim sonrası takip görevi açar. Bu hâlâ tam otonomi değildir; ama “yazı yazan araç”tan “iş takip eden sistem”e geçiştir.

İkinci yön, AI’ın yazılımdan operasyon katmanına inmesidir. ERP, CRM, muhasebe, üretim planlama, depo ve servis sistemleri AI özellikleriyle gelecek. KOBİ ayrıca model kurmasa bile kullandığı yazılımın içine gömülü AI ile karşılaşacak. Bu kolaylık sağlayacak; fakat veri güvenliği ve yetki yönetimini daha önemli hâle getirecek.

Üçüncü yön, regülasyon ve güvenilirliktir. Avrupa Birliği AI Act ile risk temelli bir çerçeve kurdu; NIST AI Risk Management Framework ve ISO/IEC 42001 gibi standartlar da şirketlerin AI sistemlerini nasıl yöneteceğine dair daha somut yollar sunuyor. İhracat yapan, Avrupa ile çalışan veya kurumsal müşteriye satış yapan işletmeler için “AI kullandım” demek yetmeyecek; nasıl kullandığını, veriyi nasıl koruduğunu, insan denetimini nasıl sağladığını göstermek gerekecek.

Bu noktada KOBİ için mesele korkulacak kadar büyük, kaçılacak kadar küçük değil.

En doğru yaklaşım şu: AI şirketin her yerine bir anda sokulmaz. Önce en çok para sızdıran süreç bulunur. Sonra veri temizlenir. Sonra küçük bir çözüm kurulur. Sonra ölçülür. Sonra büyütülür.

Yapay zekâ çağında en büyük avantaj, en pahalı modeli kullanmak olmayacak. En doğru soruyu, en temiz veriyle, en kritik sürece bağlayan işletme kazanacak.

Bir süre sonra şirketler ikiye ayrılacak: yapay zekâyı kullananlar ve yapay zekâ kullanan rakipleri tarafından yeniden fiyatlananlar.

İkinci grupta olmak pahalıya mal olacak.