Yöneticiler için Yapay Zeka: 10 Dakikada Toplantı Hazırlığı

Bursa'da 60 kişilik bir mobilya üreticisinin sahibi, geçen ay bir toplantıdan çıkarken şunu söyledi: "Kırk beş dakika boyunca kafa salladım. Adam RAG dedi, ajan dedi, token dedi; ben de 'tabii, tabii' dedim. Sonra teklifi masama bıraktı, 380 bin lira. Neye evet dediğimi bilmiyorum." Bu cümleyi farklı şehirlerde, farklı sektörlerde, neredeyse aynı kelimelerle defalarca duyduk.

Sorun teknik bilgi eksikliği değil. Fabrikayı kuran, 20 yıl kredi çevirmiş, üç kriz atlatmış bir yöneticinin yapay zeka toplantısında sessiz kalmasının tek sebebi, konuşulan dilin ona hiç çevrilmemiş olması. Yöneticiler için yapay zeka bilgisi, bir mühendisin bildiğinin küçültülmüş hali değil; bambaşka bir şey. Satıcının cümlesindeki hangi kelimenin para, hangisinin risk, hangisinin boş laf olduğunu ayırt edebilmek.

Bu yazı o çeviriyi yapıyor: toplantıda geçecek terimlerin tek cümlelik karşılıkları, bir sunumda sormanız gereken sorular, sizi zor duruma sokacak cümleler ve Bursa'daki o toplantının bir daha nasıl geçmesi gerektiği. Konuyu bütün olarak görmek isterseniz işletmeler için yapay zeka rehberimiz daha geniş bir harita sunuyor; burada işin toplantı odasında geçen kısmına odaklanacağız.

Yöneticiler için yapay zeka bilgisi neden ertelenemez?

Çünkü karar sizde ve karşı taraf bunu biliyor. TÜİK'in 2025 araştırmasına göre Türkiye'de 10 ve üzeri çalışanı olan girişimlerin yüzde 7,5'i yapay zeka kullanıyor; 2021'de bu oran yüzde 2,7'ydi. Yani her yıl daha fazla yönetici bu toplantıya giriyor ve çoğu ilk kez giriyor. Satıcılar ise aynı sunumu yüzüncü kez yapıyor. Aradaki tecrübe farkı, bilgi farkından daha tehlikeli.

Rakamlar şirket büyüklüğüne göre net bir tablo çiziyor: 10-49 çalışanlı şirketlerde kullanım yüzde 6,6, 50-249 çalışanlı şirketlerde yüzde 9,6, 250 ve üzerinde yüzde 24,1. Küçük şirketlerde on beş işletmeden biri; büyüklerde dörtte biri. Bu aralık kapanırken kararı verecek olan kişi, ilk toplantıda kafa sallayan yönetici.

Üstelik "anladığını sanmak" belgelenmiş bir tuzak. BCG'nin 2026'da CEO ve yönetim kurulu üyeleriyle yaptığı ankette kurul üyelerinin dörtte üçü yapay zekayı anladığını söylüyor; aynı ankette CEO'ların yüzde 35'i kurulların yapay zekanın insanın yerini alma kapasitesini abarttığını düşünüyor. CEO'ların yüzde 61'i de kurulların dönüşümü aceleye getirdiğinden yakınıyor. Tercüme edelim: karar masasındakiler kendini bilgili hissediyor, uygulayanlar öyle görmüyor. Sahada gördüğümüz tablo da bu; en riskli toplantı, herkesin her şeyi anladığını düşündüğü toplantı.

Toplantıda geçecek 12 terim ve tek cümlelik karşılıkları

Aşağıdaki liste, bir yapay zeka toplantısında duyacağınız terimlerin yüzde 90'ını kapsar. Her birini ezberlemenize gerek yok; hangisinin para, hangisinin risk, hangisinin sadece isim olduğunu bilmeniz yeterli. Terimlerin çoğu aslında birbirinin üzerine oturan üç dört fikirden ibaret.

• Yapay zeka: Şemsiye terim. Bilgisayarın örneklerden öğrenip tahmin, karar ya da içerik üretmesi. Tek bir ürün değil, bir aile.
• Makine öğrenmesi: Kuralları elle yazmak yerine veriden öğrenen yöntem. "Geçen yılın satışlarından bu yılı tahmin et" bu sınıfa girer. Yıllardır var, yeni değil.
• Üretken yapay zeka: Metin, görsel, kod üreten tür. ChatGPT, Gemini, Claude bu kategoride. Son üç yılın gürültüsü buradan geliyor.
• Büyük dil modeli (LLM): Üretken yapay zekanın motoru. Devasa metin yığınından "sıradaki kelimeyi tahmin etmeyi" öğrenmiş bir sistem. Her şeyi bilmez ama çok ikna edici yazar; ikisini karıştırmayın.
• Prompt: Modele verdiğiniz talimat. Bir stajyere verdiğiniz brief neyse, bu da o. Brief kötüyse iş kötü.
• Token: Modelin metni saydığı birim, kabaca kelime parçası. Faturalama token üzerinden gider; Türkçede bir kelime iki üç token eder. Satıcı "token" dediğinde "maliyet" duyun.
• Halüsinasyon: Modelin kendinden emin biçimde yanlış bilgi vermesi. Arıza değil, doğası. İnsan kontrolü şart olduğu için bu kelime sözleşmeye de girmeli.
• RAG: Modelin cevap vermeden önce sizin belgelerinize bakması. "Sözleşmelerimizi bilen chatbot" istiyorsanız aradığınız kelime bu. Belgeleriniz dağınıksa RAG de dağınık cevap verir.
• Fine-tuning (ince ayar): Hazır modeli kendi verinizle yeniden eğitmek. Pahalı ve KOBİ senaryolarının çoğunda gereksiz. Satıcı ilk toplantıda bunu öneriyorsa "neden RAG değil?" diye sorun.
• Ajan (agent): Tek soru-cevap yerine çok adımlı iş yapan yapay zeka: e-postayı okur, sisteme girer, teklif hazırlar. Yetki verdiğiniz için risk de büyür. Chatbot, ajan ve klasik otomasyon arasındaki fark için ayrı bir karar ağacımız var.
• Model, API, uygulama: Model motor, API o motoru kiralama musluğu, uygulama üzerine giydirilen ürün. Piyasadaki "yapay zeka ürünlerinin" büyük kısmı aynı üç dört motoru kiralıyor. Satıcının motoru kendi yapmadığını bilmek fiyat pazarlığında işinize yarar.
• İnsan denetimi (human-in-the-loop): Kritik kararda yapay zeka önerir, insan onaylar. KVKK'nın da beklediği yapı bu; "tam otomatik" vaadi duyduğunuzda ilk soracağınız şey.

Otomasyon mu, yapay zeka mı? Satıcının en çok karıştırdığı ayrım

Otomasyon, önceden yazılmış bir kuralın kendi kendine çalışmasıdır; yapay zeka ise kuralda yazmayan durumu da tanıyabilmektir. "Fatura gelince muhasebeye ilet" otomasyondur. "Bu fatura tedarikçinin normal fiyatlandırmasına uymuyor, kontrol edin" yapay zekadır. Toplantıda duyduğunuz ürünlerin önemli bir kısmı ilk türde olup ikinci türün adını taşır.

Buna sektörde "AI washing" deniyor: kural tabanlı bir yazılıma yapay zeka etiketi yapıştırmak. Bunu anlamanın en kestirme yolu iki soru. Birincisi: "Sistem hangi veriden öğreniyor ve zamanla nasıl iyileşiyor?" Cevap yoksa öğrenen bir şey yok demektir. İkincisi: "Bir kuralla yapılamayacak ne yapıyor?" Dürüst cevap "önceden tanımlanmamış örüntüleri ya da serbest dili tanıma" olmalı. Bu iki soruyu geçemeyen ürün kötü ürün değil, sadece pazarlandığı şey değil.

Şunu da ekleyelim: bazen ihtiyacınız olan şey gerçekten otomasyondur ve daha ucuzdur. Bursa'daki mobilya üreticisinin sipariş onay sürecinde "yapay zeka" aranmıyordu; üç kural ve bir e-posta şablonu işi çözüyordu. Yöneticinin bu ayrımı bilmesi, 380 bin liralık teklifi 40 bin liralık bir otomasyona çevirebiliyor.

Bir yapay zeka sunumunda sorulacak 7 soru

Aşağıdaki yedi soru, hiçbir teknik bilgi gerektirmeden bir teklifin ciddiyetini ölçer. Hepsini sormanıza gerek yok; ilk üçüne net cevap alamıyorsanız toplantıyı kibarca bitirebilirsiniz. Sorular sırayla zorlaşır ve her biri satıcının bir kaçış kapısını kapatır.

• "Hangi tür yapay zeka? Tahmin mi, dil modeli mi, kural tabanlı mı?" Netleştiremeyen satıcı ya bilmiyor ya söylemek istemiyor.
• "Canlı gösterin, bizim verimizle, şimdi." Kayıtlı demo değil. Kendi sipariş listenizden on satır alın, o an denetin. Gerçek ürün gerçek veriyle çalışır.
• "Nerede yanılır?" Sınır söylemeyen satıcı, ürünü sizin kadar tanımıyor demektir. "Şu tür sorularda hata payı yüzde 15 civarında" diyen satıcıya güvenin.
• "Verimiz hangi ülkede işleniyor, modeli eğitmek için kullanılıyor mu?" Bu soru teknik değil hukuki; aşağıda KVKK bölümünde neden önemli olduğunu göreceksiniz.
• "Toplam maliyet ne? Lisans, kullanım, entegrasyon, veri hazırlığı, insan denetimi." Teklifteki rakam genelde ilk kalemi kapsar. Diğer dördü ilk yılda çoğu zaman ilk kalemi geçer.
• "90 gün sonra hangi somut sayı değişmiş olacak?" Teklif hazırlama süresi, iade oranı, çağrı süresi; herhangi biri. Ölçülemeyen fayda slayttır.
• "Hata yaptığında kim sorumlu, kayıt tutuluyor mu, geri alınabiliyor mu?" Özellikle ajan ürünlerinde bu soru sözleşmenin en önemli maddesine dönüşür.

Bu soruların fiyat tarafını derinleştirmek isterseniz, yapay zeka danışmanı seçerken sorulacak 12 soru yazımız retainer ve proje fiyat aralıklarını da açıyor.

Toplantıda sizi zor duruma sokacak 5 cümle

Bazı cümleler, söylendiği anda masadaki teknik kişilere "bu yönetici hazırlıksız" mesajı verir. Aşağıdakiler en sık duyduklarımız. Her birinin altında neyin yanlış olduğu ve yerine ne söylenebileceği var. Bunları bilmek, terimleri bilmekten daha çok saygı kazandırır.

• "Verimiz biraz dağınık ama sistem halleder." Halletmez. Yapay zeka ne yediyse onu üretir. Dağınık Excel'lerle başlayan projenin ilk üç ayı veri temizliğidir ve bu, teklifte genelde yazmaz. Yerine: "Verimizin hazırlığı için ne kadar süre ve bütçe ayırmalıyız?"
• "ChatGPT'ye sorduk, o da böyle dedi." Genel model şirketinizi bilmez; eğitim tarihine kadar olan genel bilgiyi bilir. Yerine: "Model bizim belgelerimize nasıl erişecek?"
• "Hemen bütün şirkete yayalım." BCG anketinde CEO'ların yüzde 61'inin şikayet ettiği şey tam olarak bu. Yerine: "Hangi tek süreçle başlayıp 90 günde ölçeriz?"
• "Halüsinasyon sonraki sürümde düzelir herhalde." Azalıyor ama sıfırlanmıyor. Kritik çıktıda insan denetimi kalıcı bir maliyet kalemi. Yerine: "Hangi çıktılar insan onayından geçecek?"
• "Kendi modelimizi eğitelim, daha akıllı olur." Çoğu KOBİ ihtiyacında pahalı ve gereksiz; önce iyi prompt ve RAG denenir. Yerine: "Fine-tuning'e neden ihtiyacımız olsun?"

KVKK: İki dakikada bilmeniz gereken kısım

Kişisel Verileri Koruma Kurumu, Kasım 2025'te üretken yapay zeka için 64 sayfalık bir rehber yayımladı. Yöneticinin bilmesi gereken özü şu: yapay zeka aracını kullanan şirket veri sorumlusudur, platform sağlayıcı veri işleyendir ve sorumluluk şirkette kalır. "Aracın hatasıydı" savunması yoktur. Bulut tabanlı modellerin çoğu veriyi yurt dışında işlediği için yurt dışına aktarım kuralları da devreye girer.

Toplantıda bunun karşılığı, yukarıdaki dördüncü sorudur: verimiz nerede işleniyor, eğitimde kullanılıyor mu? Bir de veri minimizasyonu ilkesi var: müşteri listesini olduğu gibi bir sohbet kutusuna yapıştırmak ihlal riski taşır. Kurumun "15 Soruda Üretken Yapay Zeka" özeti bir yöneticinin okuyabileceği kadar kısa. Daha ayrıntılı dökümü KVKK rehberinin şirketler için 10 somut kuralı yazısında topladık.

Somut senaryo: Bursa'daki toplantının ikinci hali

Aynı mobilya üreticisi, üç hafta sonra aynı satıcıyla ikinci kez oturdu. Bu kez masada tek sayfalık bir not vardı: 12 terim, 7 soru. Toplantı yine 45 dakika sürdü ama farklı bitti. İlk on dakikada satıcı "yapay zeka destekli sipariş yönetimi" sundu. Yönetici sordu: "Sistem hangi veriden öğreniyor?" Cevap dolandı. İkinci soru: "Bir kuralla yapılamayacak ne yapıyor?" Satıcı, ürünün aslında sipariş durumlarına göre e-posta atan bir kural motoru olduğunu kabul etti.

Teklifin ikinci kalemi daha ilginçti: bayilerin serbest metinle yazdığı taleplerden ölçü, renk ve teslim tarihini çıkarıp sisteme giren bir dil modeli. Bu gerçekten yapay zeka işiydi; bayiler WhatsApp'tan "geçen seferki gibi ama ceviz kaplama, ay sonuna" yazıyordu ve bir kişi her gün iki saat bunları ERP'ye giriyordu. Yönetici canlı deneme istedi. Satıcı o günkü on mesajdan sekizini doğru çıkardı, ikisinde ölçüyü karıştırdı. "Nerede yanılır?" sorusunun cevabı masada göründü: yüzde 20 hata. Bu, insan onaylı bir akışla kabul edilebilir bir orandı.

Sonuç: 380 bin liralık paket, 55 bin liralık tek süreçlik pilota indi. Kural motoru kısmı, şirketin mevcut ERP'sindeki bir ayarla ücretsiz çözüldü. Dil modeli kısmı için 90 günlük ölçüt belirlendi: günde iki saatlik manuel giriş 30 dakikanın altına inecek. Sözleşmeye "veri Türkiye'de ya da AB'de işlenir, eğitimde kullanılmaz" maddesi girdi. Yönetici hâlâ RAG'in nasıl çalıştığını anlatamıyor; ama neye para verdiğini biliyor ve mesele zaten buydu.

Sık sorulan sorular

Yönetici olarak yapay zekayı ne kadar bilmem gerekir?

Teknolojiyi değil, kararı bilmeniz gerekir. Yukarıdaki 12 terimi tanımak ve 7 soruyu sorabilmek, bir yöneticinin ihtiyaç duyduğu bilginin neredeyse tamamıdır. Kodun nasıl yazıldığı sizin değil ekibinizin ya da tedarikçinizin sorunu. Sizin sorununuz, harcanan paranın hangi ölçülebilir sonuca bağlandığı.

Şirketimde kimse teknik değilse toplantıya kimi alayım?

Süreci en iyi bilen kişiyi. Sipariş girişi konuşuluyorsa o girişi yapan çalışanı toplantıya alın; satıcının "canlı demo" anında en doğru soruyu o sorar. Bağımsız bir danışman ikinci toplantıda değerli olabilir ama ilk toplantıda süreç sahibi daha kritiktir.

Satıcı "bizim modelimiz" diyorsa gerçekten kendi modeli midir?

Nadiren. Piyasadaki ürünlerin büyük çoğunluğu OpenAI, Google, Anthropic gibi birkaç sağlayıcının motorunu kiralayıp üzerine arayüz ve iş akışı ekler. Bu kötü bir şey değil; ancak "hangi motor, hangi ülkede, hangi sözleşmeyle" sorusunun cevabı sizin KVKK yükümlülüğünüzü belirler.

Yapay zeka projesine kaç lira ayırmalıyım?

Tek süreçlik bir pilot için sahada gördüğümüz aralık 50-150 bin lira; kapsamlı entegrasyonlar bunun birkaç katına çıkıyor. Rakamdan önce "hangi tek sayı değişecek" sorusunu netleştirin; bütçe o sayıya göre şekillenir. Kalem kalem döküm için maliyet yazılarımız ayrıntılı tablolar içeriyor.

Ekibim zaten ChatGPT kullanıyor, bu bir sorun mu?

Kural yoksa evet. KVKK rehberinin veri minimizasyonu ilkesi tam olarak bu senaryoyu hedefliyor. Yasaklamak yerine bir sayfalık bir kullanım politikası yazmak, hem riski hem verimi yönetir.

Peki siz ne yapmalısınız?

• Bir sayfalık not hazırlayın: Bu yazıdaki 12 terim ve 7 soru. Toplantıya o kağıtla girin; ilk on dakikada masaya koyun.
• Canlı demo şartını önceden bildirin: Toplantı davetine "kendi verimizden 10 örnekle canlı deneme yapacağız" yazın. Hazırlıksız gelen satıcı zaten cevabınızı vermiş olur.
• Tek süreçle başlayın, tek sayıyla ölçün: Kapsam ne kadar genişse başarısızlık o kadar görünmez olur. 90 günlük tek bir ölçüt belirleyin.
• Veri sorusunu sözleşmeye taşıyın: Nerede işleniyor, eğitimde kullanılıyor mu, silme süresi ne? Sözlü cevap yetmez; sözleşmede kontrol edilecek 8 madde listesi bu soruların yazılı hâlini veriyor.
• Süreç sahibini masaya oturtun: İşi yapan kişi, demoyu en iyi değerlendiren kişidir.

Bursa'daki yöneticinin ikinci toplantıdan sonra söylediği cümle, bu yazının en iyi özeti: "Anlamadığım şeye hayır demeyi öğrendim, anladığım şeye de evet demeyi." Sizin elinizde de yaklaşan bir teklif varsa, o tek sayfalık notu birlikte hazırlayabiliriz; toplantıdan önce yarım saat çoğu zaman yeterli oluyor.