Sektör Sektör Yapay Zeka: Hangi İşe Ne Uyar? (2026 Haritası)

Bir restoran sahibiyle bir mali müşavirin yapay zeka ihtiyacı aynı değil. Biri masadaki sipariş verisinden yarının menüsünü çıkarmaya çalışıyor, diğeri her ay yüzlerce faturayı elle kontrol ediyor. İkisi de bize "yapay zeka kullanmalı mıyım?" diye soruyor ama açık konuşalım: bu soru yanlış soru. Doğru soru şu: "İşimin hangi tekrarlayan parçası bugün bana en pahalıya mal oluyor, ve o parça yapay zekaya devredilebilir mi?"

Cevap sektöre göre kökten değişiyor. Bir restoranda cevap israf ve stoktaysa, bir hukuk bürosunda cevap sözleşme taramasında, bir emlak ofisinde ilan metninde olabilir. Bu yazı, YZ Uzman'ın Sektörel Rehberler kümesinin çatı yazısı: Türkiye'de hangi sektörlerin yapay zekayı ne kadar kullandığını TÜİK'in ilk resmi verileriyle gösteriyoruz, sonra 13 sektörü tek tek masaya yatırıp hangi işe hangi AI uygulamasının gerçekten uyduğunu somutlaştırıyoruz.

Kendi sektörünüzü bulup doğrudan oraya atlayabilir, ya da genel resmi görmek için baştan sona okuyabilirsiniz. Küme tamamlandıkça bu sayfa güncellenecek ve her sektörün kendi derin rehberine buradan link verilecek. Amacımız elinizde tek bir "yapay zeka nedir" yazısı değil, sektörünüze özel somut bir yol haritası bırakmak.

Türkiye'de Hangi Sektörler Yapay Zekayı Daha Çok Kullanıyor?

TÜİK'in 2025'te ilk kez açıkladığı resmi verilere göre işletmelerde yapay zeka kullanım oranı 2021'deki %2,7'den %7,5'e çıktı — üç kata yakın bir artış. Ama bu ortalama aldatıcı: bilgi ve iletişim sektörü %47,1 ile açık ara önde, finans ve sigorta %21,1 ile ikinci sırada. İmalat, perakende, sağlık, inşaat, turizm gibi Türkiye ekonomisinin omurgasını oluşturan sektörler bu ortalamanın çok gerisinde kalıyor.

İşletme büyüklüğü de belirleyici. 10-49 çalışanlı işletmelerde kullanım oranı %6,6, 50-249 çalışanlıda %9,6, 250 ve üzeri çalışanlıda ise %24,1. Yani büyük şirket küçük şirkete göre AI'ı yaklaşık 4 kat daha fazla kullanıyor — bu bir yetenek farkı değil, çoğunlukla bir bilgi ve zaman farkı. TÜİK'in aynı araştırmasında kullanmayan işletmelere "neden kullanmıyorsunuz" diye sorulduğunda çıkan tablo da bunu doğruluyor: %74,2'si teknik uzmanlık eksikliğini, %67,4'ü yüksek maliyeti, %62,4'ü ise mevzuat belirsizliğini engel gösteriyor. Üçü de, doğru rehber ve doğru ölçekte bir pilotla aşılabilecek engeller — bütçe milyonlarca TL gerektirmiyor, bilgi eksikliği gerektiriyor.

Küresel tabloya bakınca tablo daha da netleşiyor. McKinsey'in 2025 State of AI araştırmasına göre şirketlerin %88'i en az bir iş fonksiyonunda düzenli olarak yapay zeka kullanıyor, ama bunların sadece üçte biri bunu kurumsal ölçekte gerçek bir sisteme dönüştürebilmiş durumda. Öncü sektörler teknoloji, medya-telekom, sigorta ve sağlık; en yüksek yatırım getirisini finansal hizmetler, fintek ve yazılım şirketleri bekliyor. Türkiye'nin tablosu bu küresel eğilimle örtüşüyor: dijital doğası gereği veri bol olan sektörler önde, fiziksel operasyonu ağır basan sektörler geride. Microsoft'un 2026 Global Yapay Zeka Yayılım Raporu da bu ivmeyi doğruluyor: Türkiye, yapay zeka kullanımını bir yılda %30 artırarak dünyada en hızlı artıran ülkeler arasına girdi. Yani tablo statik değil — bugün geride görünen sektörler, önümüzdeki bir-iki yıl içinde hızla yakınlaşabilir; erken hareket eden işletmeler için bu, hâlâ bir fırsat penceresi.

• En yoğun kullanım alanı pazarlama ve satış (%46,5) — ürün açıklaması, kampanya metni, müşteri segmentasyonu.
• İkinci sırada üretim ve hizmet süreçleri (%41,1) — kalite kontrol, planlama, kaynak optimizasyonu.
• Muhasebe ve finans %33,7 ile ortada; lojistik %13,6 ile en geride — yani lojistik ve dağıtımda henüz doymamış büyük bir fırsat var.

Türkiye'de işletmelerin yapay zeka kullanmama sebeplerinin başında teknik uzmanlık eksikliği (%74,2) geliyor — bütçe değil, bilgi. Bu da doğru rehberle kapatılabilecek bir açık.

"Bize Uymaz" Demeden Önce Sorulacak Soru

"Bizim sektörde yapay zeka işe yaramaz" cümlesini en çok, işlerinin en tekrarlayan kısmını hâlâ elle yapan işletmelerden duyuyoruz. Oysa doğru soru sektör değil süreç sorusudur: haftada kaç saat, hangi tek bir işe harcanıyor ve o iş kural bazlı mı, yoksa gerçek insan yargısı mı gerektiriyor?

Örneğin bir muhasebeci için fatura kalemlerini sisteme girmek kural bazlıdır — AI bunu dakikalar içinde yapar. Ama bir müşteriye "bu yıl hangi teşvikten yararlanmalısınız" demek yargı gerektirir — AI burada asistan olur, karar verici olmaz. Aynı ayrım restoranda da geçerli: yarının sipariş tahminini AI çıkarabilir, ama mutfaktaki tarif kararını hâlâ şef verir. Sektörünüzü değerlendirirken kendinize şunu sorun: işimizin hangi adımı "aynı girdiye hep aynı çıktı" mantığıyla çalışıyor? O adım, sektörünüz ne olursa olsun, yapay zekaya en uygun adaydır.

Bunun somut bir örneği dershane sektörü. İlk bakışta "biz insan işiyiz, yapay zeka bize uymaz" denebilecek bir alan gibi görünüyor — sonuçta öğretmenlik gerçek bir insan yeteneği. Ama kayıt döneminde gelen yüzlerce veli telefonunu takip etmek, deneme sınavı sonuçlarından öğrencinin zayıf konusunu çıkarmak tamamen kural bazlı işler. Yani "sektör AI'a uymuyor" değil, "sektörün şu anki tanımı yanlış" — asıl soru her zaman süreç seviyesinde sorulmalı.

13 Sektörün Özet Haritası: Hangi İşe Ne Uyar?

Aşağıda Türkiye'de en sık karşılaştığımız 12 sektörü, her birinde yapay zekanın en somut karşılığıyla özetledik. Her başlık, o sektöre özel derin rehberimizin de temelini oluşturuyor; yayınlandıkça buraya link vereceğiz.

Restoran ve Kafeler

Ekim 2025'te yürürlüğe giren QR Menü Yasası'yla her yiyecek-içecek işletmesi zaten dijital bir veri kaynağına sahip oldu. Asıl fırsat bu verinin sipariş tahmini, gıda israfı azaltma ve menü mühendisliğinde kullanılması. Deloitte'un 2025 anketine göre restoran yöneticilerinin %55'i stok yönetiminde artık günlük olarak AI kullanıyor; talep tahminiyle israf küresel örneklerde %30'a varan oranda azaltılabiliyor. Bu konuyu ayrıntılı olarak Restoran ve Kafelerde Yapay Zeka rehberimizde işledik.

Bu sektörde beş ayrı derin rehberimiz daha var: talep tahminiyle gıda israfını azaltmak, kafeler için AI destekli sadakat programı kurmak, Google ve Yemeksepeti puanınızı belirleyen yorum yönetimi ve paket serviste kendi kuryeniz mi platform mu sorusunun aritmetiği ve POS verinizden hangi ürünün gerçekten kâr getirdiğini çıkaran menü mühendisliği. Fırın ve pastane tarafında yarınki üretimi veriyle planlamanın yolunu fırın üretim planlama rehberimizde anlattık. Zincirleşen işletmeler için ayrıca şube performansını tek panelden izleyen franchise ve zincir yönetimi rehberimiz var. Personel tarafında vardiya çizelgesini talep tahminine ve İş Kanunu kurallarına bağlamanın yolunu ise vardiya planlama programı rehberimizde ele aldık.

E-Ticaret ve Pazaryeri Satıcıları

Trendyol veya Hepsiburada'da satış yapan bir işletme için AI'ın en hızlı karşılığı ürün açıklaması üretimi, rakip fiyat takibi ve iade oranını düşüren görsel/beden önerileridir. TÜİK verisinde pazarlama-satış kullanım oranının en yüksek dilim (%46,5) olması tesadüf değil; e-ticaret bu alanda öncü sektörlerden. Sepet terkini azaltan otomatik hatırlatmalar ve müşteri sorularına anında yanıt veren asistanlar da küçük yatırımla büyük fark yaratan alanlar arasında. E-ihracat yapan işletmeler için çeviri ve yerelleştirme otomasyonu da hızla büyüyen bir başka kullanım alanı; çeviriden pazaryeri entegrasyonuna uzanan bu tabloyu e-ihracat ve yapay zeka rehberimizde topladık. Yedi somut kullanım alanını ve KVKK sınırlarını E-Ticarette Yapay Zeka rehberimizde ayrıntılı ele aldık.

Ürün içeriği tarafını ayrıca ele aldık: yapay zekayla ürün açıklaması yazmanın nerede gerçekten işe yaradığını, nerede ceza riski ürettiğini anlattığımız rehbere bakabilirsiniz. Sepet terkini ise ayrı bir yazıda ele aldık: terk edilen sepetlerin hangisinin gerçekten kurtarılabilir olduğunu ayıran 7 otomasyon senaryosu. Fiyat tarafında da rakip fiyat takibinin hukuki sınırlarını ve dinamik fiyatlandırma kurulumunu ayrı bir rehberde topladık. Madalyonun öbür yüzü olan iadeleri de ayrı inceledik: iade oranını bedenden görsele yapay zekayla düşürme rehberi. Teslimat sonrasında destek kutusunu dolduran "kargom nerede" trafiğini otomatik yanıtlamayı da kargo takip otomasyonu rehberimizde anlattık. Vitrini Instagram ve TikTok olan satıcılar içinse yorumdan DM'e otomasyonun kurulumunu, maliyetini ve vergi boyutunu sosyal medyadan satış rehberimizde ele aldık. Ürün görselini yapay zekaya ürettirmenin sınırlarını, pazaryeri kurallarını ve maliyet hesabını da ürün fotoğrafı ve yapay zeka rehberimizde tarttık.

Site içi arama ise e-ticarette en çok kullanılan ama en az bakım gören alanlardan biri. Semantik aramanın neyi çözüp neyi çözmediğini, Türkçe'nin arama motorlarına çıkardığı zorlukları ve yatırımın kendi trafiğinizle nasıl hesaplanacağını site içi arama rehberimizde ele aldık.

Pazaryeri tarafında Amazon ayrı bir dünya kuruyor: platformun kendi üretken yapay zeka araçları listing üretimini kolaylaştırırken, asıl karar hâlâ hangi araca ne kadar ödendiğinde toplanıyor. Listing'den PPC yönetimine uzanan bu tabloyu Amazon satıcı araçları rehberimizde ele aldık.

Muhasebe ve Mali Müşavirlik

Fatura okuma, banka mutabakatı ve mevzuat takibi gibi kural bazlı işler AI'a en kolay devredilen alanlardan. Üstelik Ekim 2025'te devreye giren KURGAN vergi denetim sistemiyle birlikte, kayıtların düzenli ve tutarlı tutulması artık bir tercih değil, risk yönetimi meselesi oldu. Sistem e-fatura, e-defter, banka hareketleri ve gümrük verilerini gerçek zamanlı çapraz kontrol ederek riskli mükellefleri işaretliyor — bu konuyu KURGAN Geldi yazımızda ayrıntılı ele aldık. Fatura okuma ve mutabakat otomasyonunu KURGAN'a hazırlık açısından Muhasebeciler için Yapay Zeka rehberimizde işledik. Büronun kendi operasyonuna, yani evrak takibi, mükellef iletişimi ve sorumluluk sınırlarına ise mali müşavirler için AI araç seti yazımızda baktık. E-fatura kapsamına yeni giren işletmeler için de 2026 e-fatura zorunluluğu ve yapay zeka destekli geçiş rehberimiz hazır. Kasadaki yarını merak edenler için de yapay zekayla nakit akışı tahmininin gerçekte ne kadar isabetli olduğunu ayrı bir yazıda ele aldık. O tahminlerin hammaddesi olan banka verisini düzene sokmak içinse banka mutabakatı otomasyonu rehberimiz var. İhracatçıların en emek yoğun dosyası olan KDV iadesindeki evrak yükünü KDV iade sürecinde yapay zeka yazısında, çalışan harcamalarının fiş fotoğrafından otomatik kayda uzanan yolculuğunu ise masraf yönetimi programı rehberimizde inceledik. Tabloların kendisini AI'a okutmak isteyenler için bilançonuzu yapay zekaya okutmanın nerede işe yaradığını, nerede sessizce yanlış sayı ürettiğini ayrı bir yazıda ele aldık.

Klinikler ve Sağlık Hizmetleri

Randevu hatırlatma, no-show azaltma ve hasta iletişimi AI'ın en düşük riskli kullanım alanı; ama sağlık verisi KVKK'da "özel nitelikli veri" sayıldığı için teşhis veya tedavi önerisi gibi klinik kararlara AI'ı doğrudan sokmak yerine idari süreçlerde tutmak en güvenli başlangıç. Diş, estetik ve veteriner klinikleri için randevu dolulukları ve hatırlatma otomasyonu, ilk üç ayda görülebilecek en somut kazanım. No-show oranlarını ve KVKK sınırlarını Klinikler için AI rehberimizde detaylandırdık. Diş klinikleri özelinde randevudan tedavi planı sunumuna uzanan tabloya ise diş kliniği yazılımı ve AI rehberinde ayrıca baktık.

Estetik ve güzellik klinikleri tarafında danışan takibi, no-show hesabı ve tanıtım mevzuatının chatbot'a çizdiği sınırları estetik klinik yazılımı rehberimizde topladık. Veteriner klinikleri için aşı hatırlatma otomasyonundan sahip iletişimine uzanan tabloyu ise veteriner kliniği programı rehberinde ele aldık. Eczanelerde stok, miat ve danışmanlık dengesini eczane otomasyonu rehberimiz anlatıyor; psikolog ve danışmanlık merkezlerinde seans yönetimi ile gizlilik dengesine ise psikolog randevu sistemi ve AI yazımızda baktık. Hasta yorumları ve itibar yönetiminde ise sınırları mevzuat çiziyor: kliniklerin yorum yönetiminde neyi yapamayacağını ve AI'ın nerede durması gerektiğini ayrıca yazdık.

Spor salonları ve wellness işletmelerinde ise asıl mesele randevu değil devamlılık: üyenin gitmeye karar verdiğini turnike verisi aylar önce söylüyor. Bu sinyalin nasıl okunacağını ve Kurul kararlarının biyometrik geçişe çizdiği sınırı spor salonu üye takibi yazımızda anlattık.

Emlak Ofisleri

Tapu ve Kadastro Genel Müdürlüğü'nün geliştirdiği AI destekli Gayrimenkul Değer Bilgi Merkezi 2026'da İstanbul'da pilot olarak başlıyor ve 2027'de tüm Türkiye'ye yayılacak. Bu, emlak değerlemesinin artık sadece emlakçının tecrübesine değil, veriye dayalı bir sisteme de tabi olacağı anlamına geliyor. İlan metni üretimi, lead takibi ve WhatsApp üzerinden ilk temas otomasyonu ise bugünden başlanabilecek pratik alanlar. MEVA vergi denetim sistemini, Değer Bilgi Merkezi'ni ve pratik kullanımları Emlak Ofisleri için Yapay Zeka rehberimizde ayrıntılı işledik.

İlan metni tarafında ise yapay zeka gerçekten hız kazandırıyor, ama metnin doğruluğu sorumluluğu ilan verenin üstünde kalıyor. Üretilen metnin nerede satış dilinden çıkıp yanıltıcı beyana dönüştüğünü emlak ilanı yazarken yapay zekanın yasal sınırları yazımızda ayrıntılandırdık. Portföy yöneten ofisler için kira tarafını da ayırdık: TÜFE endeksli artış hesabından kiracı taramada yapay zekanın sınırına, kira takip programı ve kiracı tarama rehberimizde işledik. Sitelerin ve apartmanların yönetim tarafını da ayrı bir rehbere taşıdık: aidat hatırlatma otomasyonu, talep biletleme ve KVKK'nın borç listesi yasağı için site yönetim programı ve AI rehberimize bakabilirsiniz.

İnşaat ve Müteahhitlik

Müteahhitlik ve taşeronluk firmalarında yapay zekanın ilk işi tasarım ya da hesap değil, kayıt. Şantiyeden gelen fotoğrafın ve sesli notun tarihli bir imalat kaydına dönüşmesi, ay sonundaki hakediş hazırlığını bir toplama işi olmaktan çıkarıyor. Metraj tarafında otomatik tespit temiz vektör projelerde iş görüyor, taranmış paftada belirgin şekilde bozuluyor; doğrulama adımı her koşulda mühendiste kalıyor. Hakediş zincirinin hangi halkasının gerçekten otomatikleştiğini ve şantiye verisinin nasıl kurulması gerektiğini inşaat firmaları için hazırladığımız rehberde ayrıntılı anlattık. Masabaşından sahaya inince işin güvenlik boyutu öne çıkıyor: kamera görüntüsünden baret tespitine uzanan görüntü işleme kurulumunu şantiye güvenliği rehberimizde ele aldık.

Zincirin tasarım ucundaki mimarlık ofislerinde tablo farklı işliyor: yapay zeka konsept görselde belirgin hız kazandırıyor, uygulama projesinde ise hiçbir şey üretmiyor. Bu sınırın tam olarak nereye düştüğünü, araç seçimini ve telif tarafındaki riski mimarlıkta yapay zeka rehberimizde konuştuk.

İmalatçı KOBİ'ler

Kestirimci bakım ve kalite kontrol, imalatta en olgun AI uygulamaları arasında; makine arızasını önceden görmek bakım maliyetini belirgin ölçüde düşürebiliyor. TÜBİTAK 1711 çağrısı bu alandaki pilot projelere destek sağlıyor, bu da ilk yatırımın tamamının işletmenin sırtında kalmadığı anlamına geliyor. Düşük bütçeyle başlama adımlarını İmalatçı KOBİ'ler için AI rehberimizde somut maliyet rakamlarıyla anlattık. Bakım defterinden sensörlü tahmine uzanan üç duraklı geçiş planını ve örnek duruş maliyeti hesabını ise kestirimci bakım yolculuğu rehberinde ayrıca anlattık. Tekstil ve konfeksiyon tarafında kesimden sevkiyata parça bazlı izlemeyi ve AI destekli kumaş hatası tespitini tekstil üretim takibi rehberinde ayrıca işledik.

Kalite kontrolün bir adım öncesine, yani fireyi ölçmeye ve nedenini bulmaya bakıyorsanız, üretim kaydınızdan başlayan yolu fire oranı azaltma rehberimizde adım adım kurduk.

Üretim maliyetinin bir diğer sessiz kalemi olan elektrik faturası için de aynı veri yaklaşımı geçerli: tüketimi makine bazında ölçüp gece kaçaklarını yakalamayı ve yüzde 50'ye varan VAP hibesini üretimde enerji tüketim analizi rehberimizde anlattık.

Kalıp ve talaşlı imalat yapan atölyelerde ise en pahalı tekrar üretim hattında değil teklif masasında duruyor: kazanılmayacak işler için harcanan hesap emeği. Tezgâh saat maliyetini kendi rakamlarınızla kurmayı ve otomatik fiyatlamanın nerede tutup nerede saptığını CNC teklif hesaplama rehberimizde ele aldık.

Gıda üreten işletmelerde ise en kritik başlık izlenebilirlik: bir parti sorunu çıktığında hangi hammaddeden hangi sevkiyata gidildiğinin dakikalar içinde çıkarılabilmesi. Parti takibinin nasıl kurulacağını ve geri çağırma provasının neden en dürüst test olduğunu gıda izlenebilirlik rehberimizde anlattık.

Mobilya tarafında ise para iki masada kaybediliyor: özel sipariş teklifi ve plaka kesimi. Konfigüratörle dakikalar içinde tutarlı teklif çıkarmayı, kesim optimizasyonunun (nesting) fire hesabını ve örnek bir mutfak dolabı maliyet dökümünü mobilya üretim programı rehberimizde işledik.

Otel ve Pansiyonlar

Sezonluk talep dalgalanması yaşayan Türkiye turizm sektöründe dinamik fiyatlandırma ve çok dilli 7/24 misafir iletişimi, doluluk oranını doğrudan etkileyen iki alan. Booking ve Google yorumlarının AI ile analiz edilmesi de gizli şikayet noktalarını erken görmeyi sağlıyor — bir misafirin "her şey harikaydı ama..." yorumundaki o "ama"yı yakalamak, tekrar rezervasyonun anahtarı olabiliyor. RevPAR mantığını ve somut maliyetleri Otel ve Pansiyonlar için AI rehberimizde anlattık.

Yorum tarafını ayrıca derinleştirdik: 8 puan veren misafirin ara cümlesine gizlenmiş şikayeti bulmak, çok dilli yorumlarda modelin nerede zayıfladığı ve platformların yapay zeka ile cevap yazmaya dair kuralları için otel yorum analizi yazımıza bakabilirsiniz. Gelecek ayın rezervasyonunu bugünden görmek, yani talep tarafını önden okumak için otel doluluk tahmini rehberimiz ayrı bir yol haritası sunuyor. Konaklamanın kısa dönem tarafını da unutmadık: tek daire işleten ev sahibinin bile kurabileceği otomasyon yığınını günlük kiralık yönetimi rehberimizde mesaj, temizlik ve fiyat katmanlarıyla anlattık. Konaklamanın iki ucunda da yeni rehberler var: tesis içindeki restoran, spa ve oda verisini tek profilde toplayıp yapay zekayla öneri ve erken şikayet uyarısı üretmeyi misafir deneyimi yönetimi yazımızda, kokartlı rehberlerin ve tur operatörlerinin tur senaryosunu beş dile uyarlayıp seslendirmesini ise tur rehberi içerik üretimi rehberimizde anlattık.

Konaklamanın bir adım yanındaki seyahat acenteleri için de benzer bir dönüşüm başladı: WhatsApp'tan gelen talebi yapılandırıp dakikalar içinde teklif taslağına çevirmeyi, çok dilli yazışmayı ve kaçan talebin sezonluk maliyet hesabını seyahat acenteleri için AI yazımızda ele aldık.

Hukuk Büroları

Sözleşme taraması ve içtihat araştırması hız kazandırıyor, ama dikkat: genel amaçlı sohbet botları var olmayan Yargıtay kararları "uydurabiliyor" (halüsinasyon riski). Hukuk bürosu için AI kullanımı, kaynak gösteren ve doğrulanabilir araçlarla sınırlı tutulmalı; sır saklama yükümlülüğü nedeniyle müvekkil verisinin hangi araca, hangi şartlarla gittiği ayrıca kontrol edilmeli. Yerli hukuk teknolojisi araçlarının büyük kısmı bu doğrulanabilirlik sorununu, yanıtı doğrudan içtihat veritabanına bağlayarak çözmeye çalışıyor.

Uydurma içtihat riskine karşı güvenli kullanım kurallarını avukatlar için hazırladığımız rehberde ayrıntılandırdık.

Masanın işletme tarafı için de ayrı bir rehberimiz var: avukatı olmayan KOBİ'lerin sözleşmeleri imza öncesi yapay zekayla ön taramadan geçirmesini sözleşme analizi rehberinde adım adım gösterdik.

İcra takibi yoğun çalışan bürolarda ise asıl yük dilekçe değil tekrar: aynı dosyanın aylarca yeniden sorgulanması. Otomasyonun bu tarafını, UYAP'ın hız sınırı ve sır saklama yükümlülüğü dahil, icra takibinde otomasyon rehberimizde ele aldık.

Dava şartı arabuluculuk kapsamındaki uyuşmazlıklarda yük başka yerde toplanıyor: bordro, hesap tablosu ve tutanaklardan oluşan dosya hazırlığında. Yapay zekanın bu evrakın neresine dokunabileceğini, hesap hatası riskini ve gizlilik yükümlülüğünün nerede sınır çizdiğini arabuluculuk süreci rehberimizde anlattık.

Danışmanlık şirketlerinde teslim edilen ürün raporun kendisi olduğu için risk de orada yoğunlaşıyor. Rapor üretiminin hangi katmanının yapay zekaya devredilebileceğini, uydurma kaynak riskini ve otomasyonun fiyatlama modeline etkisini danışmanlık raporu hazırlama rehberimizde ele aldık.

İnsan Kaynakları

CV ön eleme ve mülakat planlama zaman kazandırıyor; bir ilana gelen yüzlerce başvuruyu elle taramak yerine AI ön filtre olarak kullanılabiliyor. Ama aday verisi KVKK kapsamında olduğu için hangi kriterlerin otomatik elendiğinin şeffaf ve açıklanabilir olması gerekiyor — kara kutu bir eleme sistemi hem hukuki hem itibar riski taşır.

CV tarama sistemlerinin nasıl çalıştığını ve nerede yanıldığını İK tarafına yazdığımız rehberde inceledik.

Perakende Mağazaları

Talep tahmini ile stok maliyetini düşürmek, enflasyonist ortamda özellikle değerli. Migros ve A101 gibi büyük zincirlerin kullandığı yöntemlerin küçük ölçekli versiyonları artık KOBİ bütçesiyle de erişilebilir; sezon sonu stok eritme ve son kullanma tarihi takibi gibi dar ama somut kullanım alanlarından başlamak en hızlı sonucu veriyor.

Talep tahmininin perakendedeki karşılığını stok yönetimi rehberimizde adım adım anlattık.

Perakendenin kendine özgü bir kolu olan kuyumculukta ise tablo farklı işliyor: gram fiyatın gün içinde oynaması, işçilik modellerinin çeşitliliği ve yapay zekayla fiyat tahmini iddialarının gerçekliği ayrı bir değerlendirme gerektiriyor. Bunu kuyumcu programı ve yapay zeka yazımızda ele aldık.

Sezon sonunda rafta kalan malı beden-renk düzeyinde satış hızıyla eritmenin hesabını, örnek TL tablosuyla, butikler için mağaza stok eritme rehberimizde yazdık.

Lojistik ve Dağıtım

TÜİK verisinde en düşük kullanım oranına (%13,6) sahip alan — yani rakiplerinizin çoğu henüz bu konuda hareket etmedi. Rota optimizasyonu, yakıt maliyetinde doğrudan ve ölçülebilir tasarruf sağladığı için en net ROI'li uygulamalardan biri; teslimat penceresi tahmini de müşteri memnuniyetini artıran ikinci bir katman olarak eklenebiliyor. Depo yerleşimini optimize eden basit algoritmalar bile toplama süresini belirgin ölçüde kısaltabiliyor.

Rota optimizasyonunun maliyet ve kurulum tarafını dağıtım filosu rehberimizde ele aldık.

Müşteriye saat aralığı vermenin arkasındaki teslimat tahmini modellerini ve 12 araçlık bir kurye firması için pilot hesabını teslimat tahmini yazımızda ayrıca inceledik.

Dershane ve Kurs Merkezleri

Kayıt dönemi lead takibi, veli iletişimi ve deneme sınavı analiziyle öğrencinin zayıf konusunu otomatik tespit etmek, hem operasyonel yükü hem de eğitim kalitesini iyileştiren nadir alanlardan biri. Yoğun kayıt döneminde telefon başında kaybolan lead'leri otomatik takip sistemine bağlamak, tek başına ciroyu etkileyebilecek bir adım.

Kayıt dönemi lead takibi ve veli iletişimi otomasyonunu dershane ve kurs merkezleri için yazdığımız rehberde detaylandırdık.

Bireysel özel ders ve koçluk tarafında ise beklenti yönetimi kritik: yapay zeka birebir öğretmenin yerine geçmiyor, asıl kazancı randevu, tahsilat ve rapor yükünü hafifletmekte. Çocuk verisi tutmanın sınırlarıyla birlikte bu tabloyu öğrenci koçluğu programı yazımızda inceledik. Deneme sonuçlarını konu bazlı eksik tespitine çeviren analiz katmanını ise deneme sınavı analizi rehberinde ayrıca anlattık. Okul öncesi tarafında ise dosya veli iletişimi: WhatsApp gruplarının KVKK riskinden yapay zeka destekli gün raporlarına uzanan tabloyu kreş ve anaokulları için veli iletişimi rehberimizde ele aldık.

Sürücü kurslarında ise dosya eğitmen-araç-kursiyer çizelgesi ve 15-45 günlük sınav penceresi; hangi sürücü kursu programının neyi devraldığını sürücü kursu otomasyonu rehberimizde anlattık.

Sektörler Arasında Tekrarlayan 3 Hata

Hangi sektörden olursa olsun, sahada gördüğümüz başarısız AI pilotlarının çoğu aynı üç hatayı paylaşıyor — sektöre özel değil, yaklaşıma özel hatalar bunlar.

• Baştan çok büyük başlamak: Tek bir sürecin küçük bir parçasını otomatize etmek yerine, tüm departmanı kapsayan özel bir sistem tasarlamaya kalkışmak. Sonuç genelde altı ay süren, hiçbir zaman canlıya çıkmayan bir proje oluyor.
• Veri kalitesini önce düzeltmemek: Dağınık Excel'ler, tutarsız kategori isimleri ve eksik kayıtlar üzerine AI kurmaya çalışmak; AI'ın çıktısı, beslendiği verinin kalitesinden iyi olamıyor.
• Ölçmeden büyütmek: "Sanki daha hızlı oluyor" hissiyle pilotu tüm şirkete yaymak, ama başta hangi metriğin iyileşmesinin hedeflendiğini hiç yazılı olarak tanımlamamak.

Bu üç hata da sektörden bağımsız; bir restoranın israf projesinde de, bir hukuk bürosunun sözleşme tarama projesinde de aynı şekilde karşımıza çıkıyor. İyi haber şu: hepsi önlenebilir hatalar. Küçük kapsam, temiz veri ve net bir ölçüm hedefiyle başlayan pilotların başarı oranı belirgin şekilde daha yüksek.

Sektöre Göre Yatırım Büyüklüğü Nasıl Değişir?

Sektörünüzün hangi "tipte" olduğu, ilk AI yatırımınızın büyüklüğünü de belirliyor. Metin ve iletişim ağırlıklı sektörlerde (emlak, hukuk, danışmanlık, eğitim) başlangıç maliyeti düşük olabiliyor; çünkü hazır bir AI asistanının aylık aboneliği çoğu zaman yeterli, özel bir sistem kurmaya gerek kalmıyor.

Veri ve operasyon ağırlıklı sektörlerde (perakende, lojistik, imalat, otelcilik) ise talep tahmini veya kestirimci bakım gibi uygulamalar geçmiş veriyi düzenli olarak toplayan bir altyapı gerektirdiği için başlangıç yatırımı biraz daha yüksek olabiliyor — ama bu yatırımın geri dönüşü de genelde daha net ölçülebiliyor, çünkü stok, yakıt veya bakım maliyeti gibi somut TL rakamlarına doğrudan bağlanıyor. Hangi kategoride olduğunuzu bilmek, bütçe beklentinizi baştan gerçekçi kurmanıza yardımcı olur; "yapay zeka pahalıdır" genellemesi genelde yanlış sektörle kıyaslama yapmaktan kaynaklanıyor.

Sektörünüzde AI Nereden Başlar? (Ortak Desen)

Sektör ne olursa olsun, başarılı AI pilotlarının neredeyse hepsinde aynı desen tekrar ediyor: en çok zaman yiyen tek bir tekrarlayan işi seçmek, hazır bir araçla küçük başlamak ve üç ay içinde ölçülebilir bir sonuç görmek. Bu konuyu genel çerçevesiyle KOBİ'nizde Yapay Zekaya Nereden Başlamalı rehberimizde daha ayrıntılı işledik.

Sahada gördüğümüz ortak hata, tersini yapmak: baştan büyük ve özel bir sistem kurmaya kalkışıp, altı ay sonra hiçbir şey canlıya çıkmadan projeyi rafa kaldırmak. Sektörünüz ne olursa olsun küçük başlayın, gerçek veriyle test edin, sonra büyütün. Bir pilotun başarılı sayılması için milyonlarca TL'lik bir sistem gerekmiyor; haftada 5 saat kazandıran, ölçülebilir ve tekrarlanabilir tek bir otomasyon bile doğru bir başlangıç.

Sık Sorulan Sorular

Küçük bir işletme için hangi sektörde yapay zeka en ucuza başlar?

Genel olarak metin üretimi gerektiren işler (ürün açıklaması, ilan metni, e-posta yanıtı) en düşük maliyetle başlanabilecek alanlar; çünkü hazır AI asistanlarının aylık aboneliği çoğu zaman birkaç yüz TL'yi geçmiyor. Fiziksel operasyon içeren alanlar (kestirimci bakım, rota optimizasyonu) daha fazla veri altyapısı gerektirdiği için başlangıç maliyeti biraz daha yüksek olabiliyor.

Sektörümde henüz kimse yapay zeka kullanmıyor, bu kötü bir işaret mi?

Tam tersi olabilir. TÜİK verisine göre lojistik (%13,6) gibi düşük kullanım oranına sahip sektörler, aslında rakiplerin henüz hareket etmediği, erken avantaj sağlanabilecek alanlar. "Kimse kullanmıyor" cümlesi çoğu zaman "işe yaramaz" değil, "henüz bilgi eksikliği var" anlamına geliyor.

Sektörümde AI kullanan somut bir örnek yok, nereden ilham alabilirim?

Kendi sektörünüzde örnek azsa, bir üst kategoriye bakın: aynı süreç tipini (randevu yönetimi, stok tahmini, belge işleme) farklı bir sektörde kullanan bir örneği inceleyip kendi işinize uyarlamak genelde işe yarıyor. Bu yüzden bu yazıda 13 sektörü yan yana koyduk — çoğu zaman ilham, kendi sektörünüzden değil, benzer bir sürece sahip komşu bir sektörden geliyor.

Sektöre özel bir AI çözümü mü, yoksa genel amaçlı bir araç mı tercih etmeliyim?

Kural bazlı, tekrarlayan ve düşük riskli işler için genel amaçlı hazır araçlar (ChatGPT, Gemini gibi) hızlı ve ucuz bir başlangıç sağlar. Müşteri verisi, mevzuat uyumu veya sektöre özel karmaşık iş akışı içeren süreçlerde ise özel geliştirilmiş bir çözüm, uzun vadede hem daha güvenli hem daha ölçeklenebilir oluyor.

Bu haritada sektörüm yoksa ne yapmalıyım?

Yukarıdaki 13 sektör, Türkiye'de en sık karşılaştığımız iş kollarını kapsıyor ama tam liste değil. Aynı mantık — tekrarlayan, kural bazlı bir süreci bulup küçük başlamak — hemen hemen her sektöre uyarlanabilir. Kümeyi genişlettikçe yeni sektör rehberleri eklenecek; nitekim en yenilerden biri sigorta acenteleri için poliçe yenileme ve çapraz satış otomasyonu rehberi oldu. Siz de hangi sektörü öncelikli görmemizi istediğinizi bize iletebilirsiniz.

Peki Siz Ne Yapmalısınız?

• Yukarıdaki 13 sektörden kendinize en yakın olanı bulun ve o bölümdeki tek bir kullanım alanını not edin.
• Haftada en çok zaman harcadığınız tekrarlayan işi yazılı olarak tanımlayın — "verimliliği artırmak" değil, "faturaları Excel'e elle girmek" gibi somut bir cümleyle.
• O işin kural bazlı mı yoksa yargı gerektiren mi olduğunu ayırt edin; kural bazlı olan kısmı AI'a devretmeye önce oradan başlayın.
• Küçük bir pilotla üç aylık bir ölçüm hedefi belirleyin (saat, TL veya hata oranı cinsinden) ve bu hedefi başlamadan önce yazıya dökün — sonradan tanımlanan başarı ölçütü, çoğu zaman hiç ölçülmeyen ölçüttür.
• Sektörünüze özel derin rehberimiz henüz yayınlanmadıysa, bize yazın — hangi konuları önceliklendirdiğimizi bu geri bildirimlere göre şekillendiriyoruz.

Bu sayfa, kümenin tamamlanmasıyla birlikte güncellenecek bir çatı yazı; yeni sektör rehberleri yayınlandıkça buraya eklenecek. Yapay zeka konusunda en çok yorulan yer genelde teknoloji değil, "nereden başlayacağım" belirsizliği oluyor — sektörünüzdeki ilk adımı birlikte konuşmak isterseniz kapımız açık. Doğru soruyla başlayan her sektör, er ya da geç doğru cevaba ulaşıyor.