İşletmeler yapay zekayı hangi işlerde kullanıyor
İşletmeler yapay zekayı tekrar eden, kuralı tam yazılamayan ve hacmi yüksek işlerde kullanıyor. Bir işin yapay zekaya uygun olup olmadığını departmanından çok işin türü belirler. Hemen her örnek şu dört kalıptan birine girer:
| İş türü | Ne yapar | Örnek |
|---|---|---|
| Metin okuma, yazma | Özetler, sınıflandırır, taslak yazar, çevirir | E-posta yönlendirme, toplantı özeti, teklif taslağı |
| Belgeden veri çıkarma | Fatura, sözleşme, form gibi belgelerdeki alanları okur | Fatura girişi, sözleşme maddesi kontrolü |
| Tahmin, sınıflandırma | Geçmiş veriden gelecek ya da risk tahmini üretir | Talep tahmini, müşteri kaybı riski, dolandırıcılık tespiti |
| Müşteriyle ilk temas | Sık soruları cevaplar, talebi doğru kişiye yönlendirir | Web ve WhatsApp asistanı, çağrı merkezi ön karşılama |
Aşağıdaki örneklerin hepsi varsayımsal senaryolardır. Belirli bir şirketin sonucunu değil, bu tür projelerin tipik kurulumunu anlatır. Yapay zekanın temel kavramlarına yabancıysanız önce yapay zekanın ne olduğunu ve nasıl çalıştığını anlatan yazımıza göz atabilirsiniz. Her iş türü için hangi modelin uygun olduğunu yapay zeka model karşılaştırma yazısında ele aldık.
Müşteri hizmetlerinde yapay zeka örnekleri
Müşteri hizmetlerinde yapay zeka, sık sorulan soruları cevaplayarak ve gelen talepleri sınıflandırarak temsilcinin zamanını karmaşık vakalara ayırır. En yaygın örnekler şunlardır:
- Web ve WhatsApp asistanı. Kargo durumu, iade koşulu, çalışma saatleri gibi soruları gece gündüz cevaplar. Cevap veremediği konuşmayı canlı temsilciye devreder.
- Talep sınıflandırma. Gelen e-posta ile formları konuya, aciliyete göre etiketler ve doğru ekibe yönlendirir.
- Temsilci yardımcısı. Temsilci konuşurken ilgili prosedürü ve önceki yazışmaları önüne getirir, cevap taslağı önerir.
- Görüşme analizi. Çağrı kayıtlarını metne çevirip en sık şikayet konularını haftalık rapora döker.
Örneğin bir e-ticaret şirketinde asistan kargo sorgularını kendi cevaplar, hasarlı ürün bildirimini fotoğrafıyla birlikte temsilciye aktarır. Bu tür asistanları WhatsApp ve web chatbot geliştirme hizmetimizde anlatıyoruz.
Satış ve pazarlamada yapay zeka örnekleri
Satış ve pazarlamada yapay zeka, en olası müşteriyi öne çıkarmak ile içerik üretimini hızlandırmak için kullanılıyor. Başlıca örnekler şöyle:
- Lead puanlama. Gelen adayları satışa dönme olasılığına göre sıralar. Temsilci güne en sıcak adaylarla başlar.
- Müşteri kaybı tahmini. Kullanımı düşen ya da şikayeti artan müşteriyi sözleşme bitmeden işaretler.
- Görüşme özeti. Satış toplantısının kaydını özetleyip bütçe, karar verici ve sonraki adım alanlarını müşteri ilişkileri yönetimi (CRM) sistemine yazar.
- Ürün açıklaması ve kampanya metni. Marka sesi kılavuzuna göre ilk taslağı üretir, editör son halini verir.
- Kişiselleştirilmiş teklif. Benzer müşterilerin satın alma geçmişinden bir sonraki uygun ürünü önerir.
CRM tarafındaki örnekleri HubSpot ve Salesforce ile yapay zeka CRM entegrasyonu sayfasında, içerik tarafını markaya özel içerik üretim hattı sayfasında ayrıntılı anlatıyoruz. Ajans tarafında bu işlerin hizmet modeline nasıl dönüştüğünü ajanslar için yapay zeka sayfası gösteriyor.
Finans ve muhasebede yapay zeka örnekleri
Finans ve muhasebede yapay zeka en çok belge girişini azaltmak, olağan dışı kayıtları yakalamak için kullanılıyor. Hata maliyeti yüksek olduğu için bu departmanda insan onayı neredeyse her adımda korunur.
- Fatura ve fiş okuma. Gelen PDF ya da kağıt faturadan tedarikçi, tutar, KDV ve kalem bilgisini okuyup muhasebe sistemine taslak kayıt olarak aktarır.
- Banka mutabakatı. Banka hareketleriyle cari kayıtları eşleştirir, eşleşmeyenleri listeler.
- Gider anomalisi. Mükerrer fatura, olağan dışı tutar ya da hafta sonu kaydı gibi sapmaları iç denetime bildirir.
- Tahsilat önceliği. Hangi müşterinin ödemesinin gecikme riski taşıdığını tahmin eder.
- Rapor yorumu. Aylık tabloları okuyup yönetime dönük ilk yorum taslağını yazar.
Belgeden veri çıkarma işleri OCR ile dil modelini birleştiren belge işleme ile, olağan dışı kayıt tespiti dolandırıcılık ve anomali tespiti ile kurulur.
İnsan kaynaklarında yapay zeka örnekleri
İnsan kaynaklarında yapay zeka en çok iç iletişim ve bilgiye erişim işlerinde güvenle kullanılabiliyor. Aday eleme gibi kişiler hakkında karar üreten kullanımlar ise daha dikkatli tasarım gerektiriyor.
- Çalışan soru asistanı. İzin, yan haklar, masraf politikası gibi soruları şirket yönetmeliklerinden kaynak göstererek cevaplar.
- İş ilanı ve görev tanımı taslağı. Pozisyon bilgisinden ilk taslağı yazar.
- Eğitim içeriği. Uzun prosedürlerden kısa eğitim modülleri ve sınav soruları hazırlar.
- Başvuru ön inceleme. Başvuruları belirlenen ölçütlere göre özetler. Eleme kararını insan verir.
Başvuru eleme ve çalışan performans değerlendirmesi, AB Yapay Zeka Yasası'nda yüksek riskli kullanım olarak sayılıyor. AB'de faaliyetiniz varsa bu alanı AB Yapay Zeka Yasası rehberimizi okuyarak planlayın. Türkiye'de de kişisel veri boyutu KVKK (Kişisel Verilerin Korunması Kanunu) kapsamındadır ve önyargı riski her yerde aynıdır.
Operasyon, üretim ve tedarikte yapay zeka örnekleri
Operasyon ve tedarik zincirinde yapay zeka üretim miktarı, stok düzeyi, rota seçimi gibi kararlara tahmin desteği verir. Bu alandaki projelerin çoğu dil modeli değil, klasik makine öğrenmesi ve optimizasyon kullanır.
- Talep tahmini. Ürün ve mağaza bazında haftalık satışı tahmin eder, sipariş önerisi üretir.
- Kestirimci bakım. Makine sensör verisindeki sapmadan arıza riskini önceden işaretler.
- Görüntüyle kalite kontrol. Üretim hattındaki kamera görüntüsünden kusurlu ürünü ayırır.
- Rota planlama. Teslimat noktalarını araç kapasitesi ve saat aralıklarına göre rotalara böler.
- Tedarikçi riski. Teslim gecikmesi ve finansal göstergelerden tedarikçi sorununu erken bildirir.
Tahmin ve stok örneklerinin nasıl kurulduğunu talep tahmini ile stok optimizasyonu sayfasında anlatıyoruz. Ekranlar arasında veri taşıyan kural tabanlı tekrar işleri için yazılım robotlarıyla süreç otomasyonu (RPA) genelde daha uygun bir başlangıçtır. Kamera görüntüsüyle kusur ayıklama gibi işler için görüntü işleme yazılımı ayrı bir mühendislik çalışmasıdır.
Bilgi yönetimi ve iç destekte yapay zeka
Şirket içi bilgiye erişim, yapay zekanın departman fark etmeksizin en hızlı değer ürettiği alanlardan biridir. Prosedür, ürün dokümanı, teknik şartname ve geçmiş proje dosyaları çoğu şirkette dağınık durur. Çalışan aradığını bulamayınca bir meslektaşına sorar.
Şirket dokümanlarından cevap veren bir asistan bu soruları kaynak göstererek cevaplar. Örneğin bir üretim şirketinde saha teknisyeni, makinenin bakım talimatını telefonundan sorar. Asistan ilgili kılavuz sayfasını gösterir. Bilgi işlem ekibi de şifre sıfırlama ve erişim talebi gibi tekrar eden soruları aynı yolla karşılar.
Bu asistanların doğru çalışması, belgelerin güncel tutulmasına ve kullanıcının yalnız yetkili olduğu belgeleri görmesine bağlıdır. Bu yapıyı şirket dokümanlarıyla çalışan kurumsal bilgi asistanı sayfasında anlatıyoruz.
Sektörlere göre yapay zeka kullanım örnekleri
Sektöre göre değişen şey yapay zekanın türü değil, hangi işin öne çıktığıdır. Aşağıdaki tablo Türkiye'deki yaygın sektörler için tipik başlangıç noktalarını özetliyor:
| Sektör | Tipik ilk kullanım | Dikkat edilecek nokta |
|---|---|---|
| E-ticaret ve perakende | Müşteri asistanı, ürün açıklaması, talep tahmini | Kampanya dönemlerinde yük ve doğruluk testi |
| Üretim | Kalite kontrol, kestirimci bakım, teknik doküman asistanı | Sensör ve üretim verisinin düzenli toplanması |
| Lojistik | Rota planlama, irsaliye okuma, teslimat tahmini | Saha ekibinin mobil kullanımı |
| Finans ve sigorta | Belge işleme, dolandırıcılık tespiti, müşteri asistanı | Sektörel düzenleme, açıklanabilirlik |
| Sağlık | Randevu asistanı, belge ve rapor özetleme | Özel nitelikli kişisel veri, klinik karar yerine destek |
| Hukuk ve danışmanlık | Sözleşme inceleme, emsal ve mevzuat araması | Kaynak gösterme, gizlilik |
| Turizm ve otelcilik | Çok dilli rezervasyon asistanı, yorum analizi | Dil kalitesi, canlı personele devir |
| Eğitim | İçerik hazırlama, öğrenci soru asistanı | Sınav değerlendirmesinde yüksek risk |
Sağlıkta tanı ve tedavi kararları, finansta kredi kararı, eğitimde sınav puanlaması gibi işler kişiler üzerinde doğrudan sonuç doğurur. Bu alanlarda yapay zeka karar veren değil, uzmana öneri sunan araç olarak tasarlanmalıdır.
Hangi işler yapay zekaya uygun değil
Hatanın kabul edilemediği, verinin olmadığı ya da kuralın zaten net olduğu işler yapay zekaya uygun değildir. Bu ayrımı baştan yapmak boşa giden bütçeyi önler.
- Kuralı net işler. "Tutar 10.000 TL üstündeyse müdür onayına gönder" gibi bir kural için yapay zeka gerekmez. Klasik otomasyon daha ucuz ve daha güvenilirdir.
- Verisi olmayan işler. Geçmiş kaydı tutulmamış bir süreçte tahmin modeli kurulamaz. Önce veri toplamak gerekir.
- Hatanın geri alınamadığı tek adımlı kararlar. Yapay zeka hata yapar. Onay adımı konamayan kritik işlemlerde tek başına kullanılmamalıdır.
- Hacmi düşük işler. Ayda birkaç kez yapılan bir işi otomatikleştirmenin kurulum ve bakım maliyeti kazancını geçebilir.
Yapay zekaya hangi işten başlamalı
İlk yapay zeka projesi, hacmi yüksek, hatası geri alınabilir ve başarısı ölçülebilir bir işten seçilmelidir. Basit bir puanlama yöntemi önerebiliriz. Aday işleri listeleyin ve her birine şu dört soruda 1 ile 3 arasında puan verin:
- Bu iş haftada kaç saat alıyor?
- Gereken veri ya da belge erişilebilir durumda mı?
- Yapay zeka hata yaparsa bir insan kolayca fark edip düzeltebilir mi?
- Başarıyı tek bir sayıyla ölçebilir misiniz? Örneğin cevap süresi ya da elle girilen kayıt sayısı.
En yüksek puanı alan işle küçük bir pilot yapın. Pilotun süresini ve başarı ölçütünü baştan yazın. Sonuç iyiyse yaygınlaştırın, değilse nedenini not edip listedeki bir sonraki işe geçin.
Hangi işin önce ele alınacağına karar vermekte zorlanıyorsanız kullanım senaryosu keşfi ve yol haritası için yapay zeka danışmanlığı ile adayları birlikte puanlayabiliriz. Ekibinizin araçları güvenle kullanması için şirket içi yapay zeka eğitimi de iyi bir ilk adım olabilir.
Sık sorulan sorular
Küçük bir işletme yapay zekayı nerede kullanabilir?
Küçük bir işletme yapay zekayı en kolay müşteri mesajlarını cevaplamada, teklif ile e-posta taslağı yazmada ve fatura gibi belgelerden veri girmede kullanabilir. Bu işler için büyük bir yazılım projesi gerekmez. Hazır asistanlar ve iş akışı araçlarıyla başlanabilir. Kişisel veri içeren bilgileri herkese açık araçlara girmemeye dikkat etmek gerekir.
İşletmede yapay zeka projesinin maliyeti neye bağlıdır?
İşletmede yapay zeka projesinin maliyeti en çok verinin durumuna, bağlanacak sistem sayısına ve kullanım hacmine bağlıdır. Hazır bir asistanı ekibe açmak düşük maliyetlidir. Şirket sistemlerine bağlı, yetki ve kayıt gerektiren bir çözüm geliştirme emeği ister. Dil modeli kullanımında işlenen metin miktarı aylık servis maliyetini belirler. Teklif istemeden önce kapsamı tek bir işle sınırlamak maliyeti netleştirir.
İşletmede yapay zeka kullanmak için veri bilimci işe almak gerekir mi?
Hayır. İşletmede yapay zeka kullanmak için her durumda veri bilimci işe almak gerekmez. Hazır dil modelleriyle kurulan asistan ve belge işleme projeleri yazılım geliştirme ile süreç bilgisiyle yürür. Talep tahmini ya da risk modeli gibi şirkete özel modellerde veri bilimi bilgisi gerekir. Bu bilgi dışarıdan bir ekipten de alınabilir.
Yapay zeka projesinin işe yarayıp yaramadığı nasıl ölçülür?
Yapay zeka projesinin işe yarayıp yaramadığı, başlamadan önce belirlenen tek bir iş ölçütünün önceki ve sonraki değeri karşılaştırılarak ölçülür. Cevap süresi, elle girilen kayıt sayısı, hata oranı ya da tahmin isabeti bu ölçütlere örnektir. Ölçüt pilot başlamadan yazılmazsa sonuç yoruma kalır. Kullanıcı memnuniyeti de ayrıca sorulmalıdır.