İşletmede Yapay Zekâ Nerede İşe Yarar, Nerede Yaramaz? Gerçekçi Örnekler ve Sınırlar

Yapay zekâ derken neyi kastediyoruz?

Bu rehberde yapay zekâ, yazılımın görüntüden, belgeden veya serbest metinden anlam çıkarması demektir: fotoğraftaki rakamı okumak, kamera karesinde insanı bulmak, bir müşteri mesajının ne hakkında olduğunu anlamak. Sabit bir kurala göre hesap yapmak ise klasik yazılımdır; bir formülü uygulamak ya da iki listeyi karşılaştırmak yapay zekâ gerektirmez.

Bu ayrım önemlidir. Kurala dayalı yazılım aynı veriyle her seferinde aynı sonucu verir ve neden öyle çıktığı açıklanabilir. Yapay zekâ ise olasılıkla çalışır: çoğu zaman doğru sonuç verir ama yanılabilir. Bu yüzden ikisinin işletmedeki yeri farklıdır.

Nerede gerçekten işe yarıyor?

• Z raporu fotoğrafından okuma

  Yapay zekâ ne yapar?

  Kasa numarası, Z numarası, tarih, toplam satış ve ödeme tiplerini metne çevirir

  Sonuç nasıl kontrol edilir?

  Kümülatif satış zinciri ve ödeme toplamıyla sınanır; tutmayan hane onaya düşer

• Fatura, irsaliye, form fotoğrafı

  Yapay zekâ ne yapar?

  Belgedeki alanları okur, ilgili kayda yerleştirir

  Sonuç nasıl kontrol edilir?

  Satır toplamı belge toplamıyla, tedarikçi bilgisi kayıtlı cariyle karşılaştırılır

• Kamera görüntüsünden sayım

  Yapay zekâ ne yapar?

  Çizilen çalışma alanında kaç kişi bulunduğunu sayar; yoğun saatleri ve boş kalan istasyonları gösterir

  Sonuç nasıl kontrol edilir?

  Tek tek anlara değil saatlik ortalamalara bakılır; ilk haftalarda sahadaki durumla karşılaştırılır

• Serbest metin (müşteri mesajı, talep notu)

  Yapay zekâ ne yapar?

  Konusuna göre ayırır, uzun metinden özet çıkarır

  Sonuç nasıl kontrol edilir?

  Belirli aralıklarla örnekler okunur; yanlış ayrılan mesaj bir kişi tarafından düzeltilir

Bunların ortak noktası şudur: iş tekrar eder, elle yapıldığında çok zaman alır ve sonuç başka bir veriyle doğrulanabilir. Bir restoran zincirinde kurduğumuz sistemde şubeler Z raporunun fotoğrafını yükler; yazılım fotoğrafı okur, kümülatif zinciri ve ödeme toplamını kontrol eder, şüpheli haneyi işaretler ve yalnızca onaylanan değeri kasa kaydına aktarır. Muhasebe fişleri tek tek yazmak yerine okunan değerleri onaylar; dikkat gerektiren hane işaretli gelir.

Kamera analizinde de aynı mantık geçerlidir: mevcut kayıt cihazındaki görüntüden belirli aralıklarla bir kare alınır, çizilen alandaki kişi sayısı çıkarılır ve yalnızca süre ve sayı tutulur; görüntü kaydedilmez. Sonuç “öğle yoğunluğunda hazırlık istasyonu yeterince dolu mu?” gibi süreç sorularına cevap verir.

Nerede yapay zekâya gerek yok?

Kuralı yazılabilen her iş için önce klasik otomasyon düşünülmelidir. Örnekler:

• Fire hesabı: kullanılan − satılan × reçete. Formül bellidir; sorun hesapta değil, verinin her gün eksiksiz gelmesindedir.
• Paket platformu raporu ile kasa mutabakatı: iki listenin gün ve tutar bazında karşılaştırılmasıdır.
• Kurye verimi: paket sayısının çalışılan saate bölünmesidir.
• Emlakta talep–portföy eşleştirme: büyük ölçüde bölge, fiyat aralığı, mülk tipi, oda sayısı gibi ölçütlerin karşılaştırılmasıdır.

Bu işlere yapay zekâ eklemek sonucu daha iyi değil, daha belirsiz yapar: aynı veriyle farklı sonuç çıkabilir ve bir farkın neden çıktığını açıklamak zorlaşır. Ayrıca veri dağınıksa yapay zekâ bunu düzeltmez. Programlar birbirine bağlı değilse ilk adım entegrasyondur; yapay zekâ ancak düzenli gelen veri üzerinde güvenilir sonuç verir.

Sınırlar: veri kalitesi, hata payı, insan kontrolü

• Veri kalitesi: bulanık ya da kesik bir fotoğraf, ölçülecek alanı tam görmeyen bir kamera açısı veya kötü ışık sonucu doğrudan bozar. Kurulumda ilk kontrol edilen şey budur.
• Hata payı: fotoğraftan okuma benzer rakamları karıştırabilir (3 ile 8, 0 ile 6 gibi); kalabalıkta üst üste binen iki kişi tek kişi sayılabilir. Hata payı sıfır değildir, sıfırmış gibi kurgulanmamalıdır.
• İkinci veriyle sınama: her çıktı, mümkünse bağımsız bir veriyle karşılaştırılmalıdır. Z raporunda bu kümülatif zincirdir; kamerada sahadaki gözlemdir.
• Onay adımı: emin olunmayan sonuç kayda kendiliğinden yazılmamalı, bir kişinin önüne işaretli olarak gelmelidir.
• Karar insanda kalır: yapay zekâ çıktısı bir karar destek aracıdır; tek başına bir çalışan ya da müşteri hakkında karar vermenin dayanağı yapılmamalıdır.

KVKK: kişisel veri varsa baştan düşünün

Kamera görüntüsü, ses kaydı ve adı geçen müşteri mesajları kişisel veridir. Yapay zekâ kurmadan önce şu soruları cevaplayın: Hangi veri işleniyor? Amaç ne ve bu amaç için gerekenden fazla veri işleniyor mu? Veri nerede işleniyor, işletmenin dışına ya da yurt dışındaki bir servise gidiyor mu? Ne kadar süre saklanıyor ve kim erişebiliyor?

Kamera analizinde savunulabilir yol, kişiyi değil süreci ölçen kurgudur: kimse tanınmaz, görüntü saklanmaz, yalnızca alan, saat ve kişi sayısı tutulur. Kurduğumuz kamera analizi görüntüyü buluta göndermez, işletmedeki bilgisayarda işler. KVKK'nın 2026'daki kamera duyurusu ve ilke kararı açısından nelerin riskli olduğunu ayrı rehberimizde anlattık: “Kamerayla Personel Verimliliği Ölçülebilir mi? KVKK Açısından Sınırlar”. Kurulumdan önce bir hukukçudan görüş almanızı öneririz.

Başlamadan önce 5 soru

1. Bugün elle yapılan iş hangisi ve haftada kaç saat sürüyor?
2. Bu işin kuralı yazılabiliyor mu? Yazılabiliyorsa önce klasik otomasyonla başlayın.
3. Yapay zekânın okuyacağı ya da göreceği veri nereden gelecek, ne kadar düzenli?
4. Yapay zekâ yanılırsa ne olur, bunu kim ve nasıl fark eder?
5. Kişisel veri işleniyor mu, nerede işlenecek ve ne kadar saklanacak?

En iyi başlangıç tek ve dar bir iştir: sonucu hemen ölçülebilen, hatası bir kontrolle yakalanabilen bir iş. Z raporu okuma bunun tipik örneğidir: kaç fişin elle yazılmadan aktarıldığı ve kaç hanenin işaretlendiği ilk günden görülür.

Sık sorulan sorular