Yapay zeka pilotlarının çoğu neden sonuç vermiyor?

Son bir yılda yapay zekaya harcanan bütçe rekor kırdı, ama aynı dönemde yayımlanan araştırmalar tuhaf bir tabloyu gösteriyor: şirketlerin neredeyse tamamı yapay zekayı deniyor, çok azı ölçülebilir bir kazanç gösterebiliyor. İlginç olan, sebebin modelin zekası olmaması.

Araştırmalar ne diyor?

MIT Media Lab bünyesindeki NANDA girişiminin "The GenAI Divide: State of AI in Business" raporu, incelediği kurumsal projelerin yaklaşık yüzde 95'inin kar-zarar tablosunda ölçülebilir bir etki üretmediğini bildirdi. Rapor sorunu açıkça teknoloji dışında bir yere koyuyor: şirketler modeli kendi iş akışlarına, yapılarına ve alışkanlıklarına yerleştiremiyor.

Aynı tabloyu farklı açılardan gösteren başka veriler de var:

Bu rakamlar tam olarak neyi ölçüyor?

Üç rakam sık alıntılanır ama her birinin dayanağı farklıdır. MIT NANDA'nın Temmuz 2025'te yayımladığı rapor 300'den fazla girişim incelemesine, 52 görüşmeye ve 153 anket yanıtına dayanıyor.

Gartner'ın 25 Haziran 2025 tarihli basın bülteni, ajanik yapay zeka projelerinin yüzde 40'tan fazlasının 2027 sonuna kadar iptal edileceğini öngörüyor; bu bir tahmin, gerçekleşmiş bir oran değil. Aynı bültende Gartner, Ocak 2025'te 3.412 web semineri katılımcısına yaptığı ankette yüzde 19'un ajanik yapay zekaya önemli, yüzde 42'nin ihtiyatlı yatırım yaptığını bildiriyor.

McKinsey'nin Kasım 2025'te yayımlanan yapay zeka araştırmasında yaklaşık 2.000 katılımcının yüzde 88'i, kuruluşunun yapay zekayı en az bir iş işlevinde düzenli kullandığını söylüyor. Aynı araştırmada katılımcıların yaklaşık üçte ikisi yapay zekayı kurum genelinde ölçeklemeye henüz başlamadığını, yüzde 39'u ise kurumsal düzeyde FAVÖK etkisi gördüğünü bildiriyor.

Bu rakamlar yapay zekanın işe yaramadığını söylemiyor; çıktı bir iş akışına bağlanmadığında getirinin ölçülemediğini gösteriyor. Sınırları da açık: bu çalışmalar anket, görüşme ve analist değerlendirmesine dayanıyor, ölçülmüş süre ve maliyet kaydına değil. Beş kişilik bir ekibin oranı bunlardan farklı çıkabilir, bu yüzden kendi işinde ölçmek şart.

Pilot ile üretim arasındaki fark: sistem

Pilot bir gösteridir: birisi bir istem yazar, güzel bir çıktı alır, toplantıda gösterir. Üretim ise tekrardır: aynı iş her hafta, aynı kalitede, kişiden bağımsız olarak yapılır. Aradaki farkı kapatan şey daha iyi bir model değil, iş akışına yerleşmiş bir döngüdür.

Yapay zeka bir işi bir kez yapabiliyorsa demo, her hafta aynı kalitede yapabiliyorsa sistemdir.

Pilotla sistem arasındaki fark nasıl görünür?

İkisi arasındaki fark bir özellik farkı değil, alışkanlık farkıdır. Pilotta işi yapan kişi, sistemde işi yürüten yazılı bir düzen vardır.

Tek bir istem pilotun kendisidir. Hazır şablonlarla istemi nasıl güçlendireceğini prompt örnekleri yazısı anlatıyor; istem yetmediğinde sıra döngü kurmaya geliyor.

Sistem kurulmadığında ortaya çıkan 5 belirti

1. Sonuç kişiye bağlı. Aynı işi başka biri yaptığında çıktı bambaşka oluyor.
2. Hata sessiz. Bir adım atlandığında kimse fark etmiyor; hata müşteride görünüyor.
3. Kazanç ölçülemiyor. "Zaman kazandık" deniyor ama önce ve sonra süresi kayıtlı değil.
4. İş devredilemiyor. Süreç kafada olduğu için ekibe ya da müşteriye aktarılamıyor.
5. Öğrenme birikmiyor. Geçen ay çözülen sorun bu ay yeniden yaşanıyor.

Getiri neden ölçülemiyor?

Çünkü çoğu proje ölçüyü sonradan aramaya başlıyor. Oysa ROI tanımı, işin en başında üç satırla yazılabilir:

Küçük ekiplerin avantajı

Bu tablonun iyi haberi şu: raporların çoğu büyük kurumları ölçüyor ve orada asıl engel teknoloji değil, karar zinciri. Beş kişilik bir ekipte ya da tek kişilik bir işletmede o zincir neredeyse yok. Aynı teknolojiyi kurumsal bir şirketin onay turlarında kuramadığı yerde, küçük bir ekip kısa sürede kurup kullanmaya başlayabiliyor. Şart, kapsamı dar tutmak.

Nereden başlanır?

1. Tek bir iş seç Haftada en az üç kez tekrarlanan, çıktısı belli olan bir iş: teklif hazırlama, kurgu, rapor derleme, ilk temas maili.
2. Bitiş tanımını yaz Çıktının kabul edilmesi için sağlaması gereken 3-6 ölçülebilir koşul.
3. Adımları ve kapıları koy Her adım tek iş yapsın; kritik noktalarda kapı geçilmeden devam edilmesin.
4. Bir kez uçtan uca çalıştır Duman testi geçilmeden sistem kurulmuş sayılmaz.
5. Ölç ve büyüt İlk ay yalnız bu döngü. İkinci sistem, birincisi elle müdahale gerektirmeden çalıştığında gelir.

Sistem hangi yolla kurulur?

Sistemi iki yoldan biriyle kurarsın. Var olan uygulamalar arasında veri taşıyan işlerde görsel bir akış aracı yeterli olabilir; bunun ne zaman doğru, ne zaman yanlış seçim olduğunu n8n yazısı ayırıyor. Rapor, video, sunum ya da yazı gibi dosya üreten işlerde ise kapılı bir döngüyü kodlama ajanının içine kurarsın; girdiyi, adımları ve bitiş koşullarını bir kez yazıp yeniden kullanmak için skill dosyaları bu işi görür.

Sistem her işe uymaz. İş her seferinde bambaşka çıkıyorsa ya da ayda bir yapılıyorsa kurulum saati geri dönmez; bir işin buna değip değmediğini eşik hesabı üç sayıyla gösteriyor.

Özet

Araştırmaların ortak mesajı net: yapay zeka projelerini bitiren şey modelin sınırları değil, işin akışına yerleşememek. Bu yüzden asıl beceri istem yazmak değil, döngü kurmak. Üretimdeki ajanların bugünkü tablosunu bu yazıda, üç aylık uygulama planını ise 90 günlük yol haritasında bulabilirsin.

Ekipte kimin neyi hangi veriyle yapabileceğini yazılı hâle getirmek için tek sayfalık politika şablonuna bakabilirsin.