Yapay Zeka Nedir? Nasıl Çalışır ve İşletmelerde Nerelerde Kullanılır

Yapay zeka nedir sorusunun kısa cevabı şu: bilgisayarların, normalde insan aklı gerektiren işleri yapabilmesi. Bir metni anlamak, fotoğraftaki nesneyi tanımak, geçmiş satışlara bakıp gelecek ayı tahmin etmek, bir müşterinin sorusuna anlamlı cevap vermek. Bunların hepsi bu başlığın altına giriyor. Bu yazıda kavramı sade biçimde açıklayacak, nasıl çalıştığını anlatacak ve günlük hayatta ya da bir işletmede nerelerde kullanıldığını somut örneklerle göstereceğiz.

Yapay zeka nedir, en sade tanımıyla

Klasik bir yazılımda her adımı programcı yazar. "Fatura tutarı 10.000 TL'yi geçerse müdüre gönder" gibi. Kural açıktır, sonuç her seferinde aynıdır. Yapay zekada ise programa kuralları tek tek yazmak yerine örnekler gösterirsiniz. Binlerce fatura görseli ve her birinin doğru tutarını verirsiniz; sistem, tutarın belgede nerede durduğunu ve nasıl göründüğünü kendi başına öğrenir. Sonra hiç görmediği bir faturayı da okuyabilir.

Aradaki fark bu kadar. Kuralı sistem örneklerden çıkarıyor. Bu yüzden yapay zeka, kurallarını yazmanın imkansız ya da çok pahalı olduğu işlerde işe yarıyor. Bir e-postanın öfkeli mi yoksa nazik mi olduğunu kurallarla tarif etmeye çalışın, sonu gelmez. Yeterince örnek gösterirseniz model bunu makul bir doğrulukla ayırt eder.

Bugün "yapay zeka" dendiğinde çoğunlukla makine öğrenmesi kastediliyor. Kavram bundan geniş; ama iş dünyasında karşılaşacağınız uygulamaların neredeyse tamamı bu yöntemle çalışıyor.

Yapay zeka nasıl çalışır?

Üç parçayı bilmek yeterli: veri, model ve çıktı.

Veri

Her şey örneklerle başlıyor. Geçmiş siparişler, müşteri yazışmaları, ürün fotoğrafları, sensör kayıtları. Veri ne kadar temiz ve konuyla ne kadar ilgiliyse sonuç o kadar iyi. Kötü veriyle eğitilmiş bir model, kötü kararları hızlı biçimde tekrarlar. Projelerin çoğu bu noktada tıkanıyor; buna ileride döneceğiz.

Model

Model, verideki örüntüleri temsil eden matematiksel bir yapı. Eğitim sırasında model bir tahmin yapar, gerçek cevapla karşılaştırılır, hatası ölçülür ve iç parametreleri bu hatayı azaltacak yönde ayarlanır. Bu döngü milyonlarca kez tekrarlanır. "Derin öğrenme" ve "sinir ağı" dediğimiz şeyler, bu modellerin katmanlı ve büyük ölçekli halleri.

Çıktı

Eğitilen model artık yeni girdilere cevap üretebilir. Bir sınıf ("bu e-posta şikayet"), bir sayı ("gelecek hafta 340 adet satılır"), bir metin ya da görsel. Buradaki önemli nokta şu: çıktı bir olasılık. Model yüzde 92 eminim der; yüzde 8 ihtimalle yanılıyordur. İyi bir yapay zeka uygulaması bu hata payını baştan kabul eder ve buna göre tasarlanır.

Büyük dil modelleri

ChatGPT, Claude, Gemini gibi araçların arkasındaki teknoloji büyük dil modelleri (LLM). Bunlar devasa miktarda metinle eğitilmiş ve bir cümlenin devamında hangi kelimenin geleceğini tahmin etmeyi öğrenmiş modeller. Kulağa basit geliyor; ama bu yetenek özetleme, soru cevaplama, çeviri, kod yazma ve sınıflandırma gibi pek çok işi tek modelle yapabilmeyi sağladı. İşletmeler için yapay zeka konusundaki son yıllardaki hareketliliğin sebebi büyük ölçüde bu.

Dar yapay zeka ve genel yapay zeka

Bugün kullanılan her sistem "dar" yapay zeka: belirli bir işi yapmak üzere eğitilmiş. Fatura okuyan model şiir yazamaz, sohbet modeli de deponuzdaki stoku saymaz. İnsan gibi her alanda düşünebilen "genel yapay zeka" henüz yok. Bir tedarikçi size "her şeyi yapan" bir sistem anlatıyorsa, hangi işi hangi veriyle yaptığını sorun.

Yapay zeka nerelerde kullanılır? Günlük hayattan örnekler

Yapay zeka nerelerde kullanılır diye bakınca, çoğu insanın günde onlarca kez temas ettiği görülüyor:

• Telefonunuzun fotoğraf uygulaması yüzleri tanıyıp albüm oluşturuyor.
• Navigasyon uygulaması trafiği tahmin edip rota değiştiriyor.
• E-posta servisiniz spam'i ayıklıyor, cümlenizi tamamlamayı öneriyor.
• Müzik ve video platformları izleme geçmişinize göre öneri yapıyor.
• Bankanız, alışılmadık bir harcamayı saniyeler içinde şüpheli olarak işaretliyor.
• E-ticaret sitesi aradığınız ürünü yazım hatasına rağmen buluyor.

Bunların hiçbirinde "yapay zeka" etiketi görmezsiniz. İyi entegre edilmiş yapay zeka çoğunlukla görünmez; ürün daha akıllı hissettirir, o kadar.

İşletmeler için yapay zeka: gerçek kullanım alanları

İşletmeler için yapay zeka konuşulurken en sık yapılan hata, teknolojiden başlamak. Doğru sıra tersi: önce zaman yiyen ya da sürekli hata üreten işi bulun, sonra oraya uygun modeli seçin. Aşağıdaki alanlar, farklı sektörlerde kendini kanıtlamış başlangıç noktaları.

Müşteri hizmetleri

Gelen soruların büyük kısmı tekrar eder: kargom nerede, iade nasıl yapılır, faturam neden yüksek geldi, şifremi unuttum. Kendi bilgi tabanınızla eğitilmiş bir sohbet asistanı bu soruları günün her saatinde cevaplar ve karmaşık olanları doğru kişiye yönlendirir. Gelen e-postaları konuya ve aciliyete göre sınıflandırmak da aynı teknolojiyle yapılıyor.

Satış ve pazarlama

Müşteri verisinden segment çıkarmak, hangi müşterinin kaybedilme riski taşıdığını tahmin etmek, ürün açıklamaları ve kampanya metinleri için ilk taslağı üretmek, reklam bütçesini hangi kanala kaydıracağınıza dair sinyal almak. Burada modelin görevi ekibe hızlı bir başlangıç noktası vermek; son kararı yine ekip veriyor.

Operasyon ve belge işleri

Fatura, sözleşme, sipariş formu, CV. Belgelerden bilgi çıkarmak, yapay zekanın en somut geri dönüş sağladığı alanlardan biri. Bir muhasebe ekibinin her gün elle girdiği verileri model okuyup sisteme aktarır; insan yalnızca şüpheli olanları kontrol eder. Talep tahmini de bu gruba giriyor: geçmiş satış ve kampanya verisiyle stok planlaması daha isabetli hale geliyor.

Ürünün içindeki özellikler

Kendi web siteniz ya da mobil uygulamanız varsa yapay zeka doğrudan ürüne de girebilir. Doğal dille arama ("kışlık, su geçirmez, 2.000 TL altı"), kişiye özel öneriler, uzun içeriklerin özeti, kullanıcı yorumlarının otomatik analizi. Kullanıcının gördüğü şey, daha iyi çalışan bir uygulama.

İç verimlilik

Toplantı kayıtlarından not çıkarma, uzun raporları özetleme, veri tabanına sade Türkçe soru sorup cevap alma, sık yazılan yazışmalar için taslak hazırlama. Bunlar büyük yatırım gerektirmeden başlanabilecek, ekibin günlük saatlerini geri kazandıran uygulamalar.

Yapay zeka uygulamaları geliştirirken nelere dikkat etmeli

Yapay zeka projelerinin çoğu teknik yetersizlikten tıkanmıyor. Sorun genelde şu noktalarda çıkıyor.

Doğru problemi seçmek

"Yapay zeka kullanalım" bir hedef sayılmaz. "Destek taleplerinin büyük kısmı insana ulaşmadan çözülsün ve ortalama cevap süresi düşsün" ölçülebilir bir hedef. Hedefi böyle koyduğunuzda hem teknoloji seçimi netleşir hem de sonucu ölçmek mümkün olur.

Veri kalitesi

Verinizin nerede olduğunu ve ne kadar eksik olduğunu proje başlamadan öğrenin. Elde yeterli örnek yoksa hazır bir modeli kendi verinizle uyarlamak, çoğu zaman sıfırdan model eğitmekten daha akıllıca.

Hata payı ve insan denetimi

Model yanılacak. Soru şu: yanıldığında ne olacak? Bir ürün önerisinin yanlış olması önemsiz; bir kredi başvurusunun yanlış reddedilmesi ciddi. Riskli kararlarda modelin önerdiği, insanın onayladığı bir akış kurun.

Kişisel veriler ve KVKK

Müşteri verisini bir modele göndermeden önce hangi verinin nereye gittiğini bilin. Türkiye'de KVKK, Avrupa'da GDPR bu konuda yükümlülük getiriyor. Veriyi anonimleştirmek ve tedarikçinin veri saklama politikasını okumak proje planının parçası olmalı.

Maliyet

Hazır modeller genellikle kullanım başına ücretlendiriliyor. Bin sorgu ucuz görünür; günde yüz bin sorgu bambaşka bir fatura çıkarır. Erken aşamada bir kullanım tahmini yapın ve buna göre model seçin. Her iş için en büyük model gerekmiyor; çoğu sınıflandırma işi küçük ve ucuz bir modelle aynı sonucu veriyor.

Ölçüm

Lansmandan önce "iyi çalışıyor" ne demek, buna karar verin. Doğruluk oranı, cevap süresi, insana devredilen görüşme sayısı, kazanılan saat. Ölçmediğiniz bir projenin ne kazandırdığını da bilemezsiniz.

Hazır araç mı, özel geliştirme mi?

İkisinin de yeri var. Pazardaki hazır araçlar genel ihtiyaçlar için iyi: metin yazma, görsel üretme, toplantı özeti çıkarma, çeviri. Kendi verinize ve iş akışınıza özel bir şey gerekiyorsa, hazır aracı zorlamak yerine entegrasyon ya da özel geliştirme gerekiyor. Tipik örnekler:

• Kendi bilgi tabanınızla çalışan, sitenize ya da uygulamanıza gömülü bir asistan
• ERP, CRM ya da e-ticaret altyapınızla konuşan otomasyonlar
• Mevcut mobil uygulamaya eklenen arama, öneri ya da özetleme özellikleri
• Kendi belgelerinizi işleyen, sonucu doğrudan sisteminize yazan akışlar

Bu tür işlerde teknik tarafın yanında ürün tarafı da önemli: kullanıcı bu özelliği nerede görecek, hata yaptığında ne olacak, arayüz bunu nasıl gösterecek, kullanıcı sonucu düzeltebilecek mi. Yapay zeka entegrasyonu çoğu zaman bir yazılım projesi; model bunun bir parçası.

Sık sorulan sorular

Yapay zeka ile makine öğrenmesi aynı şey mi?

Makine öğrenmesi, yapay zekanın örneklerden öğrenen alt dalı. Bugün pratikte kullanılan yapay zeka uygulamalarının neredeyse tamamı makine öğrenmesine dayandığı için iki terim günlük dilde birbirinin yerine kullanılıyor.

Küçük bir işletme yapay zeka kullanabilir mi?

Evet. Hazır modeller kullanım başına ücretlendirildiği için başlangıç maliyeti düşük. Küçük bir işletme için en mantıklı başlangıç, günde en çok zaman alan tek bir tekrar eden işi seçip yalnızca onu otomatikleştirmek.

Yapay zeka hata yapar mı?

Yapar. Çıktı olasılığa dayandığı için yanlış cevap her zaman mümkün. Bu yüzden iyi tasarlanmış sistemlerde kritik kararları insan onaylar ve hatalar düzenli olarak ölçülür.

Yapay zeka projesi ne kadar sürer?

Kapsama bağlı. Hazır bir modelin mevcut bir uygulamaya bağlanması haftalar sürebilirken, kendi verinizle özelleştirilmiş ve iş akışınıza tam oturan bir sistem daha uzun bir proje. Süreyi belirleyen şey çoğunlukla verinin hazırlığı ve entegrasyon sayısı.

Kısa özet

Yapay zeka, kurallarını yazmak yerine örneklerden öğrenen yazılım. Günlük hayatta zaten her yerde; işletmelerde ise müşteri hizmetlerinden belge işlemeye, ürün içi özelliklerden talep tahminine kadar somut geri dönüş sağlayan uygulamaları var. Başarılı projeler iyi tanımlanmış bir problemle başlıyor; teknoloji seçimi bundan sonra geliyor.

OZGN STUDIO'da yapay zeka entegrasyonu ve geliştirme işlerini web ve mobil ürünlerle aynı ekip yürütüyor: tasarlayan kişiler kodu da yazıyor, ilk taslaktan lansmana kadar tek muhatabınız oluyor. İşinizde yapay zekanın nereye oturacağını konuşmak isterseniz hello@ozgnstudio.com adresine kısa bir mesaj yeterli.