Yapay Zeka Hazırlık Değerlendirmesi: İşletmeniz Yapay Zekaya Ne Kadar Hazır?

İnceleme notu, yayına girmeden kaldırılacak. Bu içerik bir blog yazısı değil, çeyreğin ana indirilebilir varlığı. Nihai hâli ayrı bir açılış sayfası, puanlı etkileşimli form ve Spechy CRM üzerinde bir lead formu olacak. Buraya yalnızca Metin bey okuyabilsin diye taslak olarak kondu.

Türkiye'deki işletmelerin yalnızca %7,5'i yapay zekayı herhangi bir biçimde kullanıyor, dört yıl önce bu oran %2,7'ydi. Sayı üç kat büyümüş olsa da hâlâ küçük. Ve kullanan şirketlerin çoğu, aslında henüz hazır değil; sadece bir pilot başlatmış, bir sohbet botu denemiş veya pazarlama ekibine bir araç satın almış durumda. Hazırlık ile kullanım aynı şey değil, bu makalenin kalkış noktası tam olarak bu ayrım.

Genel müdürün ya da CFO'nun masasına genellikle şu soru düşer: yapay zekaya ne zaman geçelim, hangi bütçeyle, hangi tedarikçiyle? Bu soruyu burada Kerem diye adlandıracağımız bir yönetici örneği üzerinden ele alalım: şirketinde WhatsApp'tan günde yüzlerce mesaj geliyor, çağrı merkezi ayrı bir sistemde kayıt tutuyor, CRM'e kimse düzenli veri girmiyor. Kerem'in asıl sorunu bütçe değil. Asıl sorunu, bu üç kanaldan topladığı verinin birbiriyle konuşmaması ve dolayısıyla hangi yapay zeka yatırımının işe yarayacağını kestirecek bir temelin olmaması.

Bu yazı size soyut bir strateji anlatısı sunmuyor. Beş boyutta kendi şirketinizi puanlayabileceğiniz bir öz-değerlendirme çerçevesi veriyor, sonunda bir olgunluk seviyesi ve o seviyeye özel somut bir 90 günlük yol haritası çıkarıyor.

Türkiye'de yapay zeka hazırlığının gerçek tablosu

Rakamlar iki ayrı araştırmadan geliyor ve ikisi de birbirini doğruluyor.

> [!STAT] İki bağımsız veri, aynı sonucu gösteriyor > TÜİK'in Girişimlerde Bilişim Teknolojileri Kullanım Araştırması ↗ girişimlerin %7,5'inin yapay zeka kullandığını, bunların %46,5'inin bunu pazarlama veya satış amacıyla yaptığını gösteriyor. Aynı araştırmaya göre kullanmayan firmaların %74'ü gerekli teknik uzmanlığa sahip olmadığını, %67'si maliyetten çekindiğini, %62'si ise mevzuat belirsizliğinden kaçındığını belirtiyor. Bağımsız bir ölçekte, AI-MOI Türkiye 2025 araştırması ↗ 490 firma ve 1.414 katılımcıyla yürütülmüş ve Türk KOBİ'lerinin ortalama yapay zeka olgunluk skorunu 100 üzerinden yalnızca 14,03 olarak bulmuş. Farklı metodolojiler olsa da yön aynı: kullanım artıyor, olgunluk değil.

Bütçe üçüncü sırada geliyor, birinci engel uzmanlık eksikliği. Bu, satın alınacak bir yazılım değil, kurulması gereken bir yetkinlik sorunu. Ve dünya ölçeğinde de tablo benzer. McKinsey'in 2025 küresel yapay zeka araştırmasına göre şirketlerin %88'i en az bir fonksiyonda yapay zeka kullanıyor ama bunların büyük çoğunluğu hâlâ pilot aşamasında sıkışmış durumda, EBIT'e ölçülebilir katkı sağlayabilenlerin oranı %6 civarında kalıyor. Kullanmak kolay, ölçeklemek zor; aradaki fark genellikle veri ve süreç temelinin sağlamlığında saklı.

Yapay zeka hazırlığı gerçekte neyi ölçer

"Hazır mıyız" sorusu tek bir evet-hayır cevabı almaz. Beş ayrı boyutta ayrı ayrı sorulması gereken bir soru.

Veri temelleri. Müşteri verisi nerede duruyor, ne kadar güncel, ne kadar erişilebilir? Dağınık, parçalı, kişisel cihazlarda duran veri, en gelişmiş yapay zeka modelini bile köreltir.

Kanal ve entegrasyon. WhatsApp, telefon, e-posta, sosyal medya; bu kanallar birbirinden habersiz mi çalışıyor, yoksa tek bir müşteri görüntüsünde mi birleşiyor?

Süreç ve otomasyon olgunluğu. Tekrarlayan işler zaten tanımlanmış ve ölçülüyor mu, yoksa her şey kişilerin hafızasında mı yaşıyor?

Ekip ve liderlik hazırlığı. Üst yönetim bu dönüşümü destekliyor mu, ekip yeni araçları öğrenmeye açık mı, yoksa yapay zeka bir tehdit olarak mı algılanıyor?

Güvenlik ve uyumluluk. KVKK kapsamında veri saklama, işleme ve erişim kontrolleri net tanımlanmış mı?

Bu beş boyut birbirinden bağımsız değil. Veriniz dağınıksa süreç otomasyonu anlamsızlaşır, ekibiniz hazır değilse en iyi entegrasyon bile kullanılmaz kalır.

20 soruluk puanlı öz-değerlendirme

Her boyut için dört soru var. Her soruyu 1 ile 5 arasında puanlayın (1: hiç yok veya çok zayıf, 3: kısmen var, 5: tam gelişmiş ve kurumsallaşmış). Toplamda 20 sorudan en düşük 20, en yüksek 100 puan alınabilir.

Veri Temelleri

Müşteri verisi tek bir yerde mi tutuluyor, yoksa farklı sistemlere mi dağılmış?
Veri ne sıklıkla güncelleniyor ve ne kadar doğru?
Geçmiş görüşme kayıtlarına (çağrı, mesaj, e-posta) geriye dönük erişim mümkün mü?
Veri, raporlama dışında operasyonel kararlarda fiilen kullanılıyor mu?

Kanal ve Entegrasyon

WhatsApp, telefon ve e-posta tek bir ekranda mı yönetiliyor?
Bir müşteri kanal değiştirdiğinde geçmiş konuşma bağlamı korunuyor mu?
Sosyal medya ve canlı destek kanalları da bu yapının içinde mi?
Kanal verisi CRM'e otomatik mi akıyor, yoksa manuel mi giriliyor?

Süreç ve Otomasyon Olgunluğu

Tekrarlayan müşteri talepleri (durum sorgusu, randevu, basit şikayet) tanımlanmış ve belgelenmiş mi?
Bugüne kadar en az bir süreçte otomasyon veya yapay zeka destekli yanıt denendi mi?
Bu pilotun sonuçları ölçüldü mü (yanıt süresi, çözüm oranı, memnuniyet)?
Pilot, departman dışına çıkıp şirket geneline yayılabildi mi?

Ekip ve Liderlik Hazırlığı

Üst yönetim yapay zeka girişimlerine bütçe ve zaman ayırıyor mu?
Ekip, yeni araçları öğrenmeye zaman ayırabiliyor mu, yoksa gündelik iş yükü buna izin vermiyor mu?
Şirket içinde bu konudan sorumlu, belirlenmiş en az bir kişi var mı?
Çalışanlar yapay zekayı işlerini kolaylaştıran bir araç olarak mı, yoksa tehdit olarak mı görüyor?

Güvenlik ve Uyumluluk

Müşteri verisinin nerede saklandığı ve kimlerin eriştiği net biçimde tanımlı mı?
KVKK kapsamında açık rıza ve iletişim izinleri sistematik olarak takip ediliyor mu?
Üçüncü taraf yapay zeka araçlarına veri aktarımı için yazılı bir politika var mı?
Bir veri ihlali durumunda izlenecek adımlar belgelenmiş mi?

> [!TIP] Dürüst puanlayın, iyimser değil > En büyük hata, "aslında yapmamız gerekeni" puanlamak. Soruyu şu an fiilen ne yapıldığına göre cevaplayın. Bu değerlendirmenin değeri, gerçekçiliğinde.

Puanınızı yorumlayın: dört olgunluk seviyesi

20-35 puan: Başlangıç. Veri hâlâ dağınık, kanal entegrasyonu yok denecek kadar az, hiçbir pilot henüz başlamamış olabilir. Bu, utanılacak bir yer değil; Türkiye'deki işletmelerin büyük çoğunluğu burada duruyor.

36-55 puan: Deneme. En az bir pilot denenmiş, bazı veriler birleştirilmiş ama her şey hâlâ kişilere ve tekil araçlara bağımlı. Çoğu şirket bu seviyede takılı kalıyor çünkü pilotu ölçeklemek için gereken süreç disiplini kurulmamış.

56-75 puan: Ölçekleme. Kanal entegrasyonu büyük ölçüde tamamlanmış, en az bir otomasyon departman sınırlarını aşmış, ekip yeni araçlara alışmaya başlamış. Burada asıl risk, güvenlik ve uyumluluk boyutunun geride kalması.

76-100 puan: Entegre. Veri, kanal, süreç, ekip ve güvenlik birlikte işliyor; yapay zeka artık bir proje değil, operasyonun parçası. Bu seviyeye Türkiye'deki şirketlerin çok azı ulaşmış durumda; AI-MOI'nin ortalama 14,03 skoru bunu açıkça gösteriyor.

"Sahte hazırlık" işaretleri

Bazı şirketler kendini olduğundan hazır sanıyor. En yaygın üç işaret şöyle: bir pilot projeniz var ama altı aydır aynı departmandan dışarı çıkamamış. Veri hâlâ farklı sistemlerde ve kimse bunu birleştirmeyi önceliklendirmemiş. Üst yönetim toplantılarda yapay zekadan bahsediyor ama bütçe veya sorumlu kişi tahsis edilmemiş. Bu üçü bir arada görülüyorsa, şirket muhtemelen kendi puanladığından daha düşük bir seviyede.

Bu tabloyu başka bir açıdan kurumsal CRM neden kullanılmıyor yazısında ele almıştık. Ölçmeye nereden başlanacağı konusunda ise çağrı merkezi metrikleri rehberimiz işinizi kolaylaştırır.

Türkiye'ye özgü kör nokta: WhatsApp'ta yoğunluk, CRM'de boşluk

Burada asıl ilginç paradoks yatıyor. TÜİK'in 2025 Hanehalkı Bilişim Teknolojileri Kullanım Araştırması ↗ bireylerin %88,6'sının WhatsApp kullandığını gösteriyor, bu da ülkedeki en yaygın mesajlaşma uygulaması. Telefonunu eline alan hemen hemen her müşteri zaten bu uygulamanın içinde ve markalarla da aynı yerden konuşmayı bekliyor. Buna karşılık, bu yazının başında gördüğümüz %7,5'lik kurumsal yapay zeka kullanım oranı ve 14,03'lük olgunluk skoru, CRM ve veri altyapısının aynı hızla gelişmediğini ortaya koyuyor. Yani müşteri zaten orada, konuşma zaten gerçekleşiyor, ama bu konuşma hiçbir yapılandırılmış sisteme aktarılmıyor.

Selin gibi çok kanallı CX yöneticileri için bu durum tanıdık: WhatsApp'tan gelen bir talep, çağrı merkezinde yeniden anlatılmak zorunda kalıyor çünkü iki sistem birbirini görmüyor. Deniz gibi talep yaratma sorumluları için sonuç daha acı: pazarlama kampanyasının ürettiği potansiyel müşteri, WhatsApp'a düştüğü andan itibaren izlenemez hale geliyor. Kampanya kaynağı kayboluyor, ilk yanıt süresi ölçülemiyor.

Bu kör nokta, yapay zeka yatırımından önce çözülmesi gereken bir önceliktir. Önce CRM satın almak değil, önce mevcut kanalları tek bir müşteri görüntüsünde birleştirmek gerekiyor. Bu noktada Spechy Omni, WhatsApp, çağrı merkezi, sosyal medya ve e-postayı tek ekranda toplayarak tam olarak bu boşluğu kapatıyor; yapay zeka katmanını eklemeden önce atılması gereken temel adım bu.

Seviyenize göre ilk 90 günlük yol haritası

Başlangıç seviyesindeyseniz: Önce tek bir kanalda (genellikle WhatsApp) tüm konuşmaları tek bir yerde toplayın. Ardından en çok tekrar eden üç müşteri talebini yazılı olarak tanımlayın. Son olarak şirket içinde bu konudan sorumlu bir kişi belirleyin, bu kişi tam zamanlı olmak zorunda değil ama net bir sahip olmalı.

Deneme seviyesindeyseniz: Mevcut pilotunuzu ölçün: yanıt süresi, çözüm oranı, müşteri memnuniyeti gibi somut rakamlar çıkarın. Pilotu bir departmandan ikinci bir departmana genişletin. Ekibe, yeni araçları kullanmaları için haftada en az bir saat ayrılmış eğitim zamanı tanımlayın.

Ölçekleme seviyesindeyseniz: Güvenlik ve uyumluluk boyutunu gözden geçirin; büyük ihtimalle bu alan geride kalmış durumda. Kanallar arası veri akışını otomatikleştirin, manuel veri girişini azaltın. Yapay zeka destekli raporlama ile yönetim kuruluna sunulabilecek, kanal bazlı tutarlı maliyet rakamları üretin.

Entegre seviyesindeyseniz: Bu değerlendirmeyi düzenli bir ritme oturtun ve yeni kanalları (sesli asistanlar, yeni sosyal platformlar) aynı çerçeveyle değerlendirin. Burada risk, durağanlaşmak; pazar hızlı değişiyor ve bugünün entegre yapısı altı ay içinde yetersiz kalabilir.

> [!WARNING] En sık yapılan hata > Şirketler genellikle doğrudan dördüncü seviyeden bir araç satın alıp birinci seviye bir altyapıya kuruyor. Sonuç, pahalı bir yazılımın kullanılmadan köşede durması oluyor. Yol haritasını atlamak, yatırımı değil zamanı kaybettirir.

Düşük riskli başlangıç noktaları

Büyük bir dönüşüm projesine girmeden önce üç küçük adım, hazırlığı gözle görülür biçimde artırır: tek bir kanalda basit bir otomasyon pilotu (örneğin WhatsApp'ta sık sorulan sorulara otomatik ilk yanıt), mevcut verinin tek bir panelde birleştirilmesi ve ekibe iki haftalık, uygulamalı bir yapay zeka okuryazarlığı eğitimi. Bu üçü, büyük bütçe gerektirmeden ölçülebilir bir ilerleme sağlar.

> [!QUOTE] Uzmanlık açığı, bütçe açığından önce gelir > TÜİK'in bulgusu net: yapay zeka kullanmayan şirketlerin %74'ü teknik uzmanlık eksikliğini, yalnızca %67'si maliyeti engel olarak gösteriyor. Önce insanı, sonra bütçeyi konuşmak gerekiyor.

Hazırlığı kurumsallaştırın: değerlendirmeyi tekrarlayın

Bu öz-değerlendirme tek seferlik bir egzersiz değil. Alan hızlı değişiyor, bugün "Ölçekleme" seviyesinde olan bir şirket, altı ay sonra yeni bir kanal veya yeni bir düzenleme nedeniyle geriye düşebilir. Değerlendirmeyi iki ile üç ayda bir tekrarlamak, ilerlemeyi anekdot yerine rakamla izlemenizi sağlar. Burak gibi BT yöneticileri için bu ritim aynı zamanda, hangi entegrasyonun gerçekten bakım yüküne dönüştüğünü erken görmenin de bir yolu.

> [!LEADMAGNET] AI Readiness Assessment > Bu yazıdaki 20 soruyu kağıt üzerinde değil, interaktif ve otomatik puanlanan bir araçla yirmi dakikada tamamlayın, sonunda size özel bir sonraki-adım listesi çıksın. > → AI hazırlık skorunuzu interaktif ölçün

Sonuç

"Yapay zekaya hazır mıyız" sorusunun doğru cevabı bir sayı, bir his değil. Veri, kanal, süreç, ekip ve güvenlik boyutlarında dürüstçe puanladığınızda, nerede durduğunuzu ve bir sonraki adımın ne olduğunu net görürsünüz. Türkiye'nin ortalaması düşük olabilir, ama bu aynı zamanda fırsat anlamına geliyor: temel adımları şimdi atan şirketler, rakiplerinin çoğu hâlâ pilot aşamasında sıkışmışken gerçek bir mesafe kat edecek. Kendi puanınızı çıkarmakla başlayın, gerisi ona göre şekillenir.

Sıkça Sorulan Sorular

Yapay zeka hazırlık değerlendirmesi nedir?

İşletmenin veri, süreç, kanal entegrasyonu, ekip ve güvenlik boyutlarında yapay zekayı etkin kullanmaya ne kadar hazır olduğunu ölçen, puanlanabilir bir öz-değerlendirme çerçevesidir.

Türkiye'de işletmelerin kaçta kaçı yapay zeka kullanıyor?

TÜİK'in 2025 araştırmasına göre girişimlerin %7,5'i yapay zeka teknolojisi kullanıyor; bu oran 2021'de %2,7 idi.

Yapay zekaya hazır olmak için önce CRM mi kurmalıyım?

Hayır. Önce mevcut müşteri verinizin, WhatsApp, telefon ve e-posta dahil, tek bir yerde birleşip birleşmediğine bakmak, CRM kurulumundan önce gelen daha temel bir adımdır.

Küçük bir işletme için yapay zeka hazırlığı nereden başlar?

Genellikle tek bir kanalda, örneğin WhatsApp'ta, basit bir otomasyon pilotuyla başlanır; büyük bir sistem değişikliği şart değildir.

Yapay zeka pilot projeleri neden sıklıkla başarısız oluyor?

McKinsey'in 2025 küresel araştırması, şirketlerin büyük çoğunluğunun pilot aşamasında kaldığını ve ölçülebilir bir finansal etki sağlayamadığını gösteriyor; bunun en yaygın nedeni dağınık veri ve entegre olmayan kanallardır.

Yapay zeka hazırlık skorumu ne sıklıkla güncellemeliyim?

İki ile üç ayda bir tekrarlamak, ilerlemeyi somut biçimde izlemenizi sağlar.

Yapay zeka hazırlığında en büyük engel bütçe mi?

Hayır. Hem Türkiye hem küresel veriler, en büyük engelin bütçe değil uzmanlık ve bilgi eksikliği olduğunu gösteriyor.

Yapay zeka hazırlığı ile dijital olgunluk aynı şey mi?

Hayır. Dijital olgunluk daha genel bir teknoloji benimseme seviyesini ifade eder; yapay zeka hazırlığı ise özellikle veri kalitesini, kanal entegrasyonunu ve AI'ya özgü süreç ile ekip yetkinliğini ölçer.

Noted.

Originality check: tested at %32 AI-likelihood across 1 independent detectors (HUMAN-PASS).