Yapay zekâ projelerinin çoğu modelin yetersizliğinden değil, verinin hazır olmamasından dolayı pilot aşamasında kalıyor. Gartner’a göre yapay zekâya hazır veriyle desteklenmeyen projelerin %60’ı 2026 sonuna kadar terk edilecek. Bu yazıda işletmenizin bu %60’ın içinde olmaması için nereden başlaması gerektiğini anlatıyoruz.
Herkes yapay zekâ istiyor, çok azı sonuç alıyor
Son iki yılda neredeyse her yönetim toplantısında aynı soru soruldu: “Biz yapay zekâyı nasıl kullanırız?” Bir sohbet asistanı denendi, bir tahmin modeli kuruldu, etkileyici bir demo izlendi. Sonra proje sessizce rafa kalktı.
Rakamlar bu tabloyu doğruluyor:
- %60: Gartner, yapay zekâya hazır veriyle desteklenmeyen yapay zekâ projelerinin %60’ının 2026 boyunca terk edileceğini öngörüyor.
- %63: Aynı araştırmada kurumların %63’ü, yapay zekâ için doğru veri yönetimi uygulamalarına sahip olmadığını ya da emin olmadığını söylüyor.
- %43: Informatica’nın 600 veri lideriyle yaptığı araştırmada, üretime geçişin önündeki en büyük engel olarak en sık veri kalitesi ve hazırlığı gösteriliyor.
Yani sorun çoğu zaman “doğru yapay zekâ aracını seçmemek” değil. Sorun, aracın besleneceği verinin dağınık, eksik ve güvenilmez olması.
Asıl sorun model değil, veri
Bir yapay zekâ modeli, ancak beslendiği veri kadar iyidir. Satış tahmini yapacak bir model, iade edilen satışları gerçek satış sayıyorsa yanlış tahmin üretir. Müşteri sorularını yanıtlayan bir asistan, güncel olmayan fiyat listesini okuyorsa müşteriye yanlış bilgi verir.
“Yapay zekâya hazır veri” üç şeyi birlikte ifade eder:
- Kullanım alanına uygunluk: Veri, modelin çözeceği problemi gerçekten temsil etmeli. Kampanya dönemleri, hatalı kayıtlar ve uç değerler dahil.
- Anlaşılabilirlik: Her alanın ne anlama geldiği, nereden geldiği ve ne zaman güncellendiği biliniyor olmalı. Buna üst veri (metadata) denir.
- Yönetişim: Kimin hangi veriye eriştiği, kişisel verinin nasıl korunduğu ve verinin hangi amaçla kullanıldığı tanımlı olmalı.
Gartner bunun bir kerelik bir proje değil, sürekli bir uygulama olduğunun altını çiziyor. Veri her gün değişir; hazır olma durumu da her gün korunmalıdır.
Veriniz hazır mı? Kendinize sormanız gereken 6 soru
Yapay zekâ bütçesi ayırmadan önce bu sorulara dürüstçe cevap verin. Üç veya daha fazlasına “hayır” diyorsanız, önce veri altyapısına yatırım yapmanız daha kârlı olacaktır.
- Temel rakamlarda tek bir doğru var mı? Ciro, kâr veya stok için farklı departmanlar aynı rakamı mı söylüyor?
- Veri otomatik akıyor mu? Raporlar elle kopyala-yapıştırla mı, yoksa zamanlanmış güncellemelerle mi hazırlanıyor?
- Geçmiş veri yeterli ve temiz mi? En az 2–3 yıllık, tutarlı kodlanmış işlem verisi var mı?
- Tanımlar yazılı mı? “Aktif müşteri” ya da “net satış” gibi kavramların herkesin kabul ettiği bir tanımı var mı?
- Veri sahipleri belli mi? Her veri kaynağının doğruluğundan sorumlu biri var mı?
- Kişisel veri ayrıştırılmış mı? Hangi tablolarda kişisel veri olduğunu ve kimin erişebildiğini biliyor musunuz?
Bu soruların hiçbiri yapay zekâyla ilgili değil. Ama hepsi, bir yapay zekâ projesinin başarılı olup olmayacağını belirliyor.
Doğru sıralama: raporlamadan yapay zekâya
Başarılı işletmeler yapay zekâya doğrudan atlamaz; basamakları sırayla çıkar. Her basamak, bir sonrakinin temelini oluşturur.
| Aşama | Cevapladığı soru | Tipik çıktı |
|---|---|---|
| 1. Veri temeli | Verimiz nerede, ne kadar güvenilir? | Merkezi veri modeli, ortak tanımlar, otomatik veri akışı |
| 2. Raporlama | Ne oldu? | Power BI panoları, günlük KPI takibi |
| 3. Analitik | Neden oldu? | Segmentasyon, sepet ve kârlılık analizleri |
| 4. Tahmin | Ne olacak? | Talep tahmini, müşteri kaybı riski modelleri |
| 5. Yapay zekâ | Ne yapmalıyız, bunu otomatik yapabilir miyiz? | Kendi verinizle konuşan asistanlar, otomatik öneriler |
İyi haber şu: 1. ve 2. aşamalara yapılan yatırım kendi başına geri dönüş sağlar. Raporlama süresi kısalır, kararlar hızlanır. Yapay zekâ aşamasına geldiğinizde ise veriniz zaten hazırdır ve proje pilottan üretime çok daha hızlı geçer.
Gerçekçi ilk adımlar: nerede başlamalı?
İlk yapay zekâ projesi için en iyi aday, verisi zaten olan, sonucu ölçülebilen ve hatası telafi edilebilen bir iştir. KOBİ’ler ve perakende işletmeleri için öne çıkan alanlar:
- Talep ve sipariş tahmini: Geçmiş satış, mevsimsellik ve kampanya verisiyle hangi üründen ne kadar sipariş verileceğini önermek. Stok fazlası ve stoksuz kalma aynı anda azalır.
- Verinizle konuşan asistan: Yöneticilerin “geçen ay en çok düşen 10 ürün hangisi?” gibi soruları doğrudan Power BI modeline sorması. Doğru cevabın şartı, sağlam bir veri modelidir.
- Fiyat ve rakip izleme: Rakip fiyatlarını düzenli toplayıp fiyat konumunuzu ürün bazında takip etmek ve sapmalarda uyarı üretmek.
- Anomali tespiti: Beklenmedik iade artışlarını, kasa farklarını veya stok hareketlerini otomatik işaretlemek.
- Doküman ve fatura işleme: Tedarikçi faturalarını ve irsaliyeleri okuyup sisteme otomatik aktarmak.
Hepsinin ortak noktası aynı: Başarıları, arkalarındaki verinin kalitesine bağlı.
KVKK ve veri yönetişimi: göz ardı edilen risk
Yapay zekâ araçları çoğu zaman verinizi işlemek için dış bir hizmete gönderir. Bu durumda Kişisel Verilerin Korunması Kanunu (KVKK) kapsamındaki yükümlülükleriniz ortadan kalkmaz. Müşteri adları, telefon numaraları veya satın alma geçmişi gibi bilgiler, yanlış kurgulanmış bir pilot projede kolayca çıkmaması gereken bir yere çıkabilir.
Bir yapay zekâ projesine başlamadan önce şu soruların cevabı net olmalı:
- Modele hangi veri gidecek ve bu veride kişisel veri var mı?
- Kişisel veri maskelenebilir, anonimleştirilebilir veya hiç gönderilmeyebilir mi?
- Veri hangi ülkede, hangi hizmet sağlayıcıda işlenecek?
- Modelin ürettiği sonuçları kim kontrol edecek ve hatalı bir sonuçta sorumluluk kimde olacak?
Veri yönetişimi kulağa bürokratik gelebilir. Ama iyi kurgulanmış bir yönetişim, yapay zekâ projesini yavaşlatmaz; tam tersine hukuki ve itibar riskini azaltarak projenin üretime geçmesini mümkün kılar.
Sonuç: Önce veri, sonra yapay zekâ
Yapay zekâ yarışını en hızlı araç alanı değil, verisini en iyi hazırlayan kazanacak. Veri temelini bugün kuran işletmeler, raporlamada hız kazanırken yarın yapay zekâyı da pilot aşamasında bırakmadan üretime taşıyabilecek.
Future Quantum Data olarak bu yolculuğu uçtan uca planlıyoruz: veri danışmanlığıyla mevcut durumunuzu değerlendiriyor, veri analitiği ve Power BI ile sağlam bir veri temeli kuruyor, veri bilimi çözümleriyle verinizi tahmin ve yapay zekâ projelerine hazırlıyoruz.
Verinizin yapay zekâya ne kadar hazır olduğunu birlikte değerlendirmek için bize [email protected] adresinden ulaşabilirsiniz.
Bu ve benzeri içeriklerden haberdar olmak için bültenimize abone olun.