Yapay Zekâ Pilotundan Üretime: Altı Uzman Ne Diyor

🇬🇧 English: Read this in English →

Geçen ay bir yönetim kurulu bana pazarlama ekibinin yürüttüğü yapay zekâ pilotu için başarının neye benzediğini sordu, elimde rahatlatıcı bir cevap yoktu. Dürüst cevap şu: bu tür pilotların çoğu sessizce sona erer, bulguları “öğrendiklerimiz” olarak raporlanır, bütçe de bir sonraki yılın sunumuna devredilir. Bu bir tahmin değil. Taban oran.

Elimdekinden daha iyi verilere sahip altı isim bu yıl aynı şeyi aleni olarak söyledi ve rakamlar şüpheli bir biçimde örtüşüyor. Bu işi sipariş veren biri için soru artık yapay zekâya yatırım yapılıp yapılmayacağı değil. Soru şu: hangi pilotun ölçeklenen yüzde 5’lik azınlıkta, hangisinin tıkanan yüzde 95’in içinde olduğunu erken fark edebilir misin.

Ben de altı ismin kayda geçmiş sözlerini okumaya oturdum. Dördü, yapay zekâ danışmanlığını iş olarak satan isimler, aynı rahatsız edici şeyi söylüyor. Beşinci, herkesin bıraktığı parçayı ekliyor. Altıncı, bütün bu pazarın yanlış büyüklükte boyutlandığını düşünen bir Nobel sahibi. Projenin iş emrini imzalayan sensen, hepsi işine yarar.

Konuşan isimler

• Rita Sallam, Distinguished VP Analyst, Gartner
• Aditya Challapally, baş araştırmacı, Project NANDA, MIT
• Alex Singla, Senior Partner, QuantumBlack / McKinsey & Company
• Jim Rowan, Applied AI lideri, Deloitte Consulting
• Nick South, Managing Director & Senior Partner, Boston Consulting Group
• Daron Acemoglu, Institute Professor, MIT ve 2024 Nobel Ekonomi ödülünü paylaşan isim

Kimsenin pilot sunumuna koymadığı rakam

Odadaki en net rakam Gartner’dan geliyor. Temmuz 2024’te Gartner, yapay zekâ projelerinin en az yüzde 30’unun 2025 sonuna kadar kavram kanıtından sonra terk edileceğini öngördü: zayıf veri kalitesi, yetersiz risk kontrolleri, tırmanan maliyetler ve net olmayan ticari değer. Distinguished VP Analyst Rita Sallam ruh halini açık koydu: “Geçen yılki abartının ardından yöneticiler yapay zekâ yatırımlarının getirisini görmek için sabırsız; oysa kuruluşlar bu değeri kanıtlamakta ve gerçekleştirmekte zorlanıyor.”

Gartner, bir yapay zekâ projesinin tipik kurulum ve devreye alma maliyetini 5 milyon dolar ile 20 milyon dolar arasında koyuyor. Bu rakam önemli, çünkü sorunun şeklini değiştiriyor. Başarısız bir 50.000 dolarlık deney bir öğrenmedir. Başarısız bir 8 milyon dolarlık deney yönetim kurulu konusudur.

Bir yıl sonra sahadaki rakam öngörüden daha kötü çıktı. MIT’in Project NANDA ekibi, Temmuz 2025’te yayımlanan The GenAI Divide: State of AI in Business 2025 raporunda, 150 yönetici görüşmesi, 350 çalışanlık anket ve 300 kamuya açık dağıtımın analizi üzerinden, özel kurumsal yapay zekâ araçlarının yalnızca yüzde 5’inin üretime ulaştığını buldu. Araştırmayı yöneten Aditya Challapally farkı modellerin kalitesine değil, bir “öğrenme boşluğu”na bağlıyor: jenerik araçlar bir şirketin iş akışını öğrenip ona uyarlanmıyor, dolayısıyla kum havuzunda çalışan bir model üretim gerçeğiyle karşılaşınca ayakta kalmıyor.

Sektör verisi de araştırmayla aynı yöne bakıyor. S&P Global Market Intelligence’ın 2025 yılında Kuzey Amerika ve Avrupa’da bini aşkın işletmede yaptığı anket, şirketlerin yüzde 42’sinin bu yıl yapay zekâ girişimlerinin çoğunu rafa kaldırdığını gösteriyor; 2024’te bu oran yüzde 17’ydi. Ortalama kuruluş, kavram kanıtlarının yüzde 46’sını üretime geçmeden iptal etmiş. Asıl bakılması gereken yön. Pilotlar bir yıl öncesine göre hem daha erken hem daha büyük sayılarda kesiliyor.

Alıcı tarafında bu üç rakam birlikte, herhangi bir pilot görüşmesinin doğru başlangıç noktası. Beklenen sonuç iptal. Bunu hesaba katmayan bir teklif, ajans broşürüdür.

Sorun benimseme değil. Sorun ölçekleme.

En büyük iki danışmanlık şirketi aynı teşhise farklı yollardan ulaşıyor.

McKinsey’in yıllık The State of AI in 2025: Agents, Innovation, and Transformation, Kasım 2025’te yayımlandı, kuruluşların yüzde 88’inin artık en az bir iş fonksiyonunda yapay zekâ kullandığını söylüyor. Başlık zafer gibi görünüyor. İkinci rakam onu çürütüyor: yalnızca üçte biri yapay zekâyı kurum geneline ölçeklendirebilmiş, katılımcıların yüzde 62’si yapay zekâ ajanlarıyla deneme yapıyor, buna rağmen kayda değer kâr artışı bildiren oran sadece yüzde 39. McKinsey’de Senior Partner ve raporun yazarlarından biri olan Alex Singla, cümleyi aklında kalacak şekilde özetliyor: “Yapay zekâ artık neredeyse her yerde kullanılıyor, ama çok az kuruluş bundan gerçek değer çıkarabiliyor.”

Deloitte aynı cevaba öteki yönden varıyor. 21 Ocak 2025’te yayımlanan State of Generative AI in the Enterprise Q4 sayısı, 14 ülkede 2.773 üst düzey yönetici katılımcıyla yapılmış. Yöneticilerin üçte ikiden fazlası, mevcut denemelerinin yalnızca yüzde 30’unun ya da daha azının önümüzdeki üç ila altı ayda tam ölçekleneceğini söylüyor. Deloitte’un Applied AI lideri Jim Rowan şu cümleyi yazıyor: “Geleceğe bakan kuruluşlar yatırım getirisine giden köprüleri kurmakta her zamankinden daha hevesli; ama bu yeni yapay zekâ dalgasını kucaklarken nüansa ve sabra ihtiyaç olduğunu da biliyorlar.” Rowan’ın “sabır” sözü diplomatik olan. Deloitte, müşterilerine ölçeklemenin bu bütçe döneminde olmayacağını söylüyor.

Singla ile Rowan, Gartner ve MIT rakamlarının ima ettiği şeyi beraberce adlandırıyor. Sektörün benimseme sorunu yok. Değer yakalama sorunu var ve değer yakalama bir model sorunu değil, bir operasyon sorunu.

“Yapay zekâ artık neredeyse her yerde kullanılıyor, ama çok az kuruluş bundan gerçek değer çıkarabiliyor.”

Alex Singla, Senior Partner, QuantumBlack / McKinsey & Company

İğneyi hareket ettiren şeyin modelle alakası yok

Satıcı analistlerin örtük bıraktığı parçayı BCG net koyuyor. Haziran 2025’teki AI at Work raporu, 11 ülkede 10.635 çalışanla yapıldı; yöneticilerin, orta kademenin ve saha çalışanlarının yüzde 72’si artık düzenli yapay zekâ kullanıcısı. Oysa saha kullanımı yüzde 51’de takılı kalmış; 2023’e göre bir puan düşmüş. İki kez okunması gereken bulgu burada: regresyon.

BCG’nin Managing Director ve Senior Partner’ı Nick South, kolun nerede olduğunu açık söylüyor: liderler yapay zekâya güçlü destek verdiğinde, çalışanların olumlu bakma oranı yüzde 15’ten yüzde 55’e çıkıyor. Saha çalışanlarının yalnızca dörtte biri şu an bu düzeyde destek görüyor. Raporun kendi sonucu şu: var olan iş biçimine yapay zekâ aracını eklemek yetmiyor. Gerçek değer, iş akışı uçtan uca yeniden tasarlandığında ve liderlik bunun arkasında görünür biçimde durduğunda doğuyor.

Bunu alıcı gözünden okuyalım. Ölçeklenen yüzde 5 ile tıkanan yüzde 95 arasındaki fark öncelikle teknik değil. Bir liderlik ve operasyon farkı; satıcıların bu cümleyi kurmaması, karşılığında satabilecekleri bir lisans olmadığı için.

Dikkate alınması gereken ölçülü bir şüpheci

Her katılımcı analistin bir tabanı fiyatladığı bir pazarın tam incelemesi, yalnızca o analistlerin sözüyle yapılamaz. Faydalı dengeyi, teknoloji, eşitsizlik ve verimlilik üzerine çalışmaları 2024 Nobel Ekonomi ödülünün yarısını kazandıran MIT Institute Professor Daron Acemoglu veriyor.

Acemoglu, Mayıs 2024’te yayımlanan The Simple Macroeconomics of AI çalışmasında görev tabanlı bir model kurdu ve yapay zekânın önümüzdeki on yılda verimliliğe makul olarak ne yapacağını hesapladı. Başlık rakamı şu: on yıl boyunca toplam faktör verimliliğinde en fazla yüzde 0,66 artış, büyük olasılıkla yüzde 0,53’ün altında. Yapay zekânın görevlerin yaklaşık yüzde 5’ine, yüzde 50’sine değil, uzanacağını öngörüyor. Çıkış yolunu da söylüyor: sektör, “insanla konuşan araçlar” yerine, belirli çalışanların marjinal verimliliğini artıran güvenilir bilgi üreten araçlara yönelmeli.

Acemoglu alıcıya “yapma” demiyor. Hırsı doğru boyutlandır, çalışan başına verimlilik kazancı okunabilir kullanım senaryolarına yatır, rakamın büyük olmasına ihtiyacı olan tarafların tahminlerini biraz iskontola diyor. 2026’da bir yapay zekâ pilotu sipariş eden herkesin iş tanımının en üstüne koyacağı cümle bu.

Bir WordPress ya da WooCommerce estate’inde pilotu gerçekten yayına almak için gerekenler

Strateji yeter. Bunu okuyan kuruluşların çoğunun zaten çalıştırdığı sistemlerin içinde iş şöyle duruyor. Dört efor kovası, pilotun kendi operasyonunla temas ettiğinde ayakta kalıp kalmayacağına karar veriyor.

Veri katmanı. Pilotların sessizce öldüğü yer. WordPress tarafında model, içeriğinin ve WooCommerce kataloğunun temiz, makine okuyabileceği bir görüntüsüne ihtiyaç duyar: her varyantta yapılandırılmış ürün verisi, tutarlı sınıflandırmalar, yayımlanmış şema ve dünkü dışa aktarmayı değil anlık stoğu gösteren bir besleme. 2.000 ile 10.000 SKU arası bir mağazada, herhangi bir modelin kullanılabilir cevap vermeye başlamasından önce iki ila üç haftalık katalog temizliği beklemek gerekir. İş tanımı bunu bütçelemiyorsa, pilotun çıktısı girdisi kötü olduğu için kötü olacaktır.

Erişim katmanı. Gerçek bir pilotun kullanım senaryosu başına ayrı, kimlik doğrulamalı, hız sınırlı ve denetlenebilir bir uç noktaya ihtiyacı vardır; genellikle bir WordPress REST rotası ya da özel bir WooCommerce Store API uzantısı. Kimlik doğrulamalı bir servise bağlı çalışır hâle getirmek yaklaşık bir mühendislik sprintidir. Hukuk ekibinin imzalayacağı kimlik doğrulamalı bir servise bağlı çalıştırmak iki sprinttir.

Ölçüm katmanı. Her satıcının üzerinden hızla geçtiği katman. Pilotun başlamadan kilitlenmiş bir KPI’ya, öncesinde alınmış bir başlangıç çizgisine ve yapay zekâ çıktısının GA4’e görünmez olmasına rağmen ayakta kalan bir atıf hattına ihtiyacın var. Tarayıcılar ve asistanlar JavaScript çalıştırmıyor, dolayısıyla panoların çoğu onları hiç görmüyor. WordPress estate’inde bu, sunucu tarafı bir günlük artı siparişlere karşı çalışan bir uzlaştırma işi demektir. Enstrümantasyon için bir hafta, gözlem için asgari dört haftalık pencere planla. Daha kısası sonuç sayılmaz.

Yönetişim katmanı. Modelin sitenden okuduğu içeriğin sahibi biri olmalı, komutların sahibi biri olmalı, model hakkında yanlış bir şey söylediğinde devreye girecek yükseltme hattının sahibi biri olmalı, maliyet kalemi finansı şaşırttığında devreyi kesecek olanın da sahibi biri olmalı. WordPress VIP’te bunu doğal olarak yayın ekibi artı platform mühendisliği taşır. Yönetilen bir WordPress yığınında bu rol icat edilmek zorundadır. İlk haftada isim bulmazsan, üçüncü ayda kimsenin işi değildir.

Orta ölçekli bir estate için kaba toplam: yukarıdaki dört katmanı düzgün yaparak tek bir operasyonel soruya cevap veren disiplinli bir pilot, altı ay değil, altı ila sekiz haftalık ortak platform ve pazarlama eforu. En küçük faydalı deneyin dürüst büyüklüğü budur. Daha küçüğü tiyatrodur. Daha büyüğü yüzde 95’in içine girer.

Hâlâ çözülmemiş olan soru

Altı ses, pilotların çoğunun ölçeklenmeyeceği konusunda hemfikir. Nedeni konusunda değiller. Deloitte ve McKinsey, bunu zaman ve değişim yönetimi sorunu olarak koyuyor. MIT NANDA, modelin iş akışına oturup oturmaması sorunu diyor. BCG, liderlik sorunu diyor. Acemoglu, teknolojinin reklam edildiğinden daha küçük olduğunu söylüyor. Hangisinin baskın neden olduğunu bilmiyoruz ve bu çalışmaların her birinin örneklemi kendi eğilimine sahip. 2026’da yapay zekâ işi sipariş eden alıcı, dördünü de kendi pilotu üzerinde canlı hipotezler olarak tutmalı ve ölçümü, sonucun kendisine hangisi olduğunu söyleyecek şekilde kurgulamalı.

Şu anda bir WordPress ya da WooCommerce estate’i üstünde bir yapay zekâ pilotunu tartıyorsan, pazarlama ve dijital liderleriyle en sık yaptığımız konuşma budur. Bizim tarafımız bu yazının ortasındaki uygulama planı, satıcının demosuna değil o dört katmana karşılık yapılmış hali. Faydalı geldiyse, WordPress VIP ajansı sayfası giriş için en kolay yol, ilgili tartışmayı wp-vip arşivi taşıyor.