Yapay zeka entegrasyonu proje kapsamı, “bir chatbot yapalım” cümlesinden çok daha fazlasını ifade eder. Hangi sürecin otomatikleşeceği, yapay zekanın hangi veriye erişeceği, hangi sistemlerle konuşacağı, kullanıcıya nasıl cevap vereceği, hatalı cevap riskinin nasıl azaltılacağı ve projenin hangi noktada başarılı sayılacağı en başta netleşmelidir.
Bir işletme için yapay zeka entegrasyonu planlanırken kapsam belirsiz kalırsa, proje iki farklı yöne savrulabilir: Gereksiz özelliklerle büyüyen maliyetli bir sistem ya da iş ihtiyacını karşılamayan yüzeysel bir otomasyon. İki senaryoda da zaman, bütçe ve ekip motivasyonu kaybedilir.
Atalay Tech’in mobil uygulama, web platformu, API entegrasyonu, yönetim paneli ve AI otomasyon projelerinde gördüğü en kritik nokta şudur: Yapay zeka projesinde başarı, kullanılan modelin popülerliğinden önce kapsamın doğru tanımlanmasına bağlıdır. Model, veri ve arayüz sonradan değişebilir; fakat yanlış tanımlanmış iş hedefi projenin temelini zayıflatır.
McKinsey’nin 2025 State of AI araştırmasına göre şirketlerin önemli bir kısmı artık AI ajanlarını en azından deneme aşamasında kullanıyor; raporda katılımcıların %62’si organizasyonlarının AI ajanlarıyla deney yaptığını belirtiyor. Bu ilgi, projelerin daha hızlı başlamasına yol açıyor; ancak hızlı başlamak ile doğru kapsamla başlamak aynı şey değildir. McKinsey State of AI 2025
Yapay zeka entegrasyonu proje kapsamı; projenin neyi çözeceğini, hangi sınırlar içinde çalışacağını, hangi sistemlerle bağlantı kuracağını ve hangi çıktıları üreteceğini belirleyen teknik ve operasyonel çerçevedir.
Bu kapsam sadece özellik listesi değildir. Örneğin “müşteri sorularını cevaplayan AI bot” bir özellik tanımıdır; kapsam değildir. Kapsam şu sorulara cevap verir:
Örneğin B2B satış yapan bir şirket için AI entegrasyonu, yalnızca “ürün öneren bot” olmayabilir. Aynı sistem; stok sorgulama, bayi fiyatı gösterme, teklif talebi oluşturma, ERP’ye kayıt açma ve satış ekibine sıcak lead iletme görevlerini de üstlenebilir. Bu durumda proje kapsamı, chatbot kapsamından çıkar ve ERP, CRM, bayi portalı, teklif sistemi ve yetki yönetimi içeren çok katmanlı bir yazılım projesine dönüşür.
AI projesinin ilk sorusu “hangi modeli kullanalım?” değildir. İlk soru şudur: “Bu entegrasyon hangi iş sonucunu iyileştirecek?”
Bir proje aşağıdaki hedeflerden birine odaklanabilir:
| İş Hedefi | AI Kullanım Senaryosu | Ölçülebilir Başarı Kriteri |
|---|---|---|
| Destek yükünü azaltmak | Sık soruları cevaplayan web/WhatsApp bot | Destek taleplerinde %20-40 azalma |
| Lead toplamak | Kullanıcıyı nitelendirip CRM’e aktaran AI akışı | Form/WhatsApp lead dönüşümünde %10-25 artış |
| Teklif süresini kısaltmak | İhtiyaç analizi yapıp ön teklif taslağı oluşturan sistem | Teklif hazırlama süresinde %30-60 azalma |
| Operasyon hatalarını azaltmak | Panel içinde işlem kontrolü yapan AI asistan | Manuel kontrol hatalarında düşüş |
| Satış ekibini desteklemek | Ürün, paket veya hizmet önerisi yapan AI ajan | Satış görüşmesine dönüşen lead oranı |
Bu tablo tahmini aralıklar içerir; gerçek oranlar sektör, trafik kalitesi, veri düzeni ve satış sürecine göre değişir. Yine de kapsam belirleme toplantısında bu tip metriklerin konuşulması gerekir. “Daha modern görünmek için AI ekleyelim” hedefi kapsam üretmez; “müşteri temsilcisinin günlük tekrar eden 80 sorusunun %35’ini otomatik cevaplayalım” hedefi kapsam üretir.
Örneğin Ayşe, 32 yaşında bir e-ticaret operasyon yöneticisi olsun. Ekibi her gün “kargom nerede?”, “iade süreci kaç gün?”, “ürün stokta var mı?” gibi tekrar eden sorularla vakit kaybediyor. Bu projede kapsam; genel sohbet eden bir bot değil, sipariş durumu, iade politikası, kargo entegrasyonu ve müşteri temsilcisine devretme senaryosu olan sınırlı ama ölçülebilir bir AI destek sistemi olmalıdır.
Yapay zeka entegrasyonu proje kapsamı belirlenirken kullanım senaryosu doğru seçilmelidir. Her AI projesi chatbot değildir. Bazı projelerde kullanıcıya görünen bir bot yerine, yönetim paneli içinde çalışan karar destek sistemi daha değerli olabilir.
Atalay Tech perspektifinde AI entegrasyonları genellikle şu kategorilere ayrılır:
| Kullanım Tipi | Nerede Çalışır? | Kapsam Örneği | Risk Seviyesi |
|---|---|---|---|
| AI Chatbot | Web sitesi, WhatsApp, mobil uygulama | SSS, randevu, lead toplama | Orta |
| AI Ajan | CRM, ERP, panel, WhatsApp | Veri çekme, işlem başlatma, görev tamamlama | Yüksek |
| Panel Asistanı | Admin paneli | İçerik önerisi, kayıt analizi, rapor özeti | Orta |
| Belge Analizi | PDF, form, sözleşme, rapor | Dokümandan bilgi çıkarma | Orta-yüksek |
| Satış Otomasyonu | Teklif sistemi, CRM | Lead skorlama, teklif taslağı | Yüksek |
| İç Operasyon AI | Ekip paneli, görev sistemi | İş akışı önerisi, kontrol listesi | Orta |
Bir yapay zeka ajanı, klasik chatbottan farklı olarak sadece cevap üretmez; belirli kurallar içinde işlem de yapabilir. Örneğin bir bayi portalında stok sorgulayabilir, cari risk limitini kontrol edebilir, teklif talebi oluşturabilir veya müşteriyi uygun satış temsilcisine yönlendirebilir. Bu nedenle AI ajan projelerinde kapsam daha dikkatli yazılmalıdır.
Kapsam belirlerken şu ayrım yapılmalıdır:
İşlem yapan AI sistemlerinde güvenlik, yetkilendirme, loglama ve geri alma mekanizması kapsamın zorunlu parçası olmalıdır.
Yapay zeka entegrasyonlarında en sık yapılan hata, verinin hazır olduğunu varsaymaktır. Oysa çoğu işletmede bilgi; PDF dosyalarında, web sayfalarında, WhatsApp mesajlarında, Excel tablolarında, ERP içinde, eski tekliflerde ve ekip hafızasında dağınık durur.
Proje kapsamı belirlenirken veri kaynakları net yazılmalıdır:
| Veri Kaynağı | Kullanım Amacı | Kapsama Etkisi |
|---|---|---|
| Web sitesi içerikleri | SSS ve hizmet cevapları | Düşük-orta karmaşıklık |
| Ürün/kategori verisi | Ürün önerisi ve stok cevabı | API veya veritabanı bağlantısı gerekir |
| CRM kayıtları | Lead geçmişi, müşteri segmenti | Yetki ve KVKK kontrolleri gerekir |
| ERP verisi | Stok, cari, fiyat, sipariş | Güçlü API entegrasyonu gerekir |
| PDF/doküman arşivi | Teknik şartname, sözleşme, rapor analizi | Belge işleme katmanı gerekir |
| Kullanıcı davranışı | Kişiselleştirme, öneri sistemi | Analitik ve izin yönetimi gerekir |
IBM’in Global AI Adoption Index raporunda büyük ölçekli şirketlerin %42’sinin AI’ı aktif olarak kullandığı, %40’ının ise AI kullanımını araştırdığı veya denediği belirtiliyor. Bu oranlar AI ilgisinin yüksek olduğunu gösterse de, kurumsal ölçekte asıl darboğaz genellikle model seçimi değil veri hazırlığı, entegrasyon ve yönetişim tarafında oluşur. IBM Global AI Adoption Index
Veri kapsamı belirlenirken şu kararlar alınmalıdır:
Örneğin bir klinik yazılımında AI asistanın doktor notlarına, randevu bilgilerine veya hasta geçmişine erişmesi çok farklı güvenlik seviyesi gerektirir. Buna karşılık yalnızca klinik hizmetleri ve randevu saatleri hakkında bilgi veren bir botun kapsamı daha sınırlıdır.
AI entegrasyon projeleri çoğu zaman tek başına çalışan bir yazılım değildir. Mevcut web sitesi, mobil uygulama, CRM, ERP, ödeme sistemi, WhatsApp Cloud API, e-posta servisi, yönetim paneli veya raporlama altyapısıyla birlikte düşünülmelidir.
Bu noktada API entegrasyonu kapsamın merkezine girer. AI sistemi doğru veriyi doğru anda çekemiyorsa, kullanıcıya değerli cevap veremez. Aynı şekilde AI bir işlem başlatacaksa, bu işlemin hangi API üzerinden, hangi yetkiyle ve hangi log kaydıyla yapılacağı net olmalıdır.
Entegrasyon kapsamı şu başlıklarla yazılabilir:
| Entegrasyon Alanı | Örnek İşlem | Kapsamda Netleşmesi Gerekenler |
|---|---|---|
| CRM | Lead oluşturma, müşteri notu ekleme | Alan eşleşmeleri, tekrar kayıt kontrolü |
| ERP | Stok, fiyat, cari bakiye sorgulama | API limiti, kullanıcı yetkisi, hata senaryosu |
| Otomatik mesaj, insan devri | Şablonlar, opt-in, konuşma akışı | |
| Web sitesi | Chat widget, form analizi | Sayfa bazlı tetikleme, KVKK metni |
| Mobil uygulama | Uygulama içi asistan | Kullanıcı oturumu, bildirim, dil desteği |
| Yönetim paneli | AI cevap yönetimi, raporlama | Rol bazlı erişim, log ekranı |
Atalay Tech’in web platformu ve mobil uygulama projelerinde en çok gördüğü ihtiyaçlardan biri, AI’ın sadece kullanıcı tarafında değil, admin tarafında da yönetilebilir olmasıdır. Bu yüzden birçok projede yönetim paneli geliştirme kapsamı AI projesinin ayrılmaz parçası haline gelir.
Panel tarafında şu ekranlar gerekebilir:
Bu ekranlar ilk MVP’de sınırlı tutulabilir; fakat kurumsal projelerde görünürlük olmadan AI sistemi yönetilemez hale gelir.
Yapay zeka projesi ilk günden tüm departmanları kapsamak zorunda değildir. Hatta çoğu işletme için doğru başlangıç, tek bir iş akışını seçip MVP ile test etmektir.
MVP; hızlıca canlıya alınabilecek, ölçülebilir ve genişletilebilir ilk versiyondur. Kurumsal kapsam ise daha fazla entegrasyon, rol yönetimi, güvenlik, raporlama, performans ve bakım gerektirir.
| Kapsam Seviyesi | Tipik İçerik | Süre | Tahmini Bütçe |
|---|---|---|---|
| MVP AI Entegrasyonu | Web/WhatsApp bot, sınırlı bilgi kaynağı, temel panel | 3-6 hafta | 180.000 - 450.000 TL + KDV |
| Orta Ölçekli AI Sistemi | CRM/API bağlantısı, lead akışı, raporlama, panel yönetimi | 6-10 hafta | 450.000 - 900.000 TL + KDV |
| Kurumsal AI Entegrasyonu | ERP/CRM entegrasyonu, rol bazlı yetki, loglama, özel iş akışları | 10-20 hafta | 900.000 - 2.500.000 TL + KDV |
| Çok Kanallı AI Operasyonu | Web, mobil, WhatsApp, panel, veri ambarı, gelişmiş analitik | 4-8 ay | 2.500.000 TL+ + KDV |
Bu maliyetler tahmini aralıklardır; veri kalitesi, entegrasyon sayısı, güvenlik gereksinimi, kullanıcı trafiği ve kurum içi onay süreçlerine göre değişir. En sağlıklı yaklaşım, önce kapsam dokümanı çıkarıp ardından fazlara bölünmüş teklif oluşturmaktır.
MVP ile kurumsal kapsam arasındaki fark sadece fiyat değildir. MVP’de “çalışan ilk akış” hedeflenir; kurumsal kapsamda “ölçeklenebilir, izlenebilir, güvenli ve sürdürülebilir sistem” hedeflenir.
AI projesi kapsamı belirlenirken persona çalışması yapılmadan akış yazmak risklidir. Çünkü aynı AI sistemi farklı kullanıcı grupları için farklı davranmalıdır.
Örneğin bir yazılım hizmeti almak isteyen potansiyel müşteri ile mevcut müşterinin ihtiyacı aynı değildir:
| Persona | İhtiyaç | AI Akışı | Başarı Ölçütü |
|---|---|---|---|
| Yeni lead | Hizmet ve fiyat aralığı öğrenmek | İhtiyaç analizi + görüşme yönlendirme | Görüşme talebi |
| Mevcut müşteri | Proje durumu sormak | Panel verisinden durum özeti | Destek talebi azalması |
| Satış ekibi | Lead kalitesini anlamak | Lead skoru + özet not | Daha hızlı önceliklendirme |
| Operasyon ekibi | Eksik bilgileri görmek | Form kontrolü + uyarı | Hata oranı düşüşü |
| Yönetici | Performansı takip etmek | Haftalık AI raporu | Karar alma hızında artış |
Bir lead toplama sistemi içinde AI kullanılıyorsa kapsam sadece “form doldurtma” olmamalıdır. AI, kullanıcının sektörünü, ihtiyacını, bütçe aralığını, zaman planını, karar verici olup olmadığını ve görüşme isteğini kontrollü şekilde almalıdır.
Örneğin Mehmet, 41 yaşında bir B2B üretim firması sahibidir. Web sitesine girer ve “bayilerim için sipariş sistemi istiyorum” yazar. AI sisteminin bu mesajı sadece “size yardımcı olabiliriz” diye cevaplaması zayıf bir deneyimdir. Daha iyi kapsamta sistem; bayi sayısını, ERP kullanımını, ürün adedini, ödeme/tahsilat ihtiyacını ve hedef canlıya çıkış tarihini sorar. Ardından satış ekibine yapılandırılmış lead kaydı oluşturur.
AI entegrasyonlarında güvenlik “sonradan bakarız” denilecek bir alan değildir. Özellikle müşteri verisi, sağlık verisi, finansal veri, sözleşme bilgisi, fiyat listesi veya kurum içi operasyon bilgisi kullanılıyorsa kapsam dokümanında güvenlik kararları açık olmalıdır.
NIST’in AI Risk Management Framework dokümanı, AI sistemlerinde güvenilirlik, risk yönetimi, ölçme ve izleme süreçlerinin tasarım aşamasından itibaren ele alınmasını önerir. Bu yaklaşım, özellikle kurumsal AI entegrasyonlarında teknik kapsam kadar yönetişim kapsamının da önemli olduğunu gösterir. NIST AI Risk Management Framework
Kapsamda yer alması gereken güvenlik maddeleri:
Örneğin AI ajanının “müşteri adına sipariş oluşturma” yetkisi varsa, bu işlem mutlaka kullanıcı onayı, sipariş özeti, geri alma akışı ve log kaydı ile tasarlanmalıdır. Buna karşılık sadece ürün önerisi veren bir AI için risk seviyesi daha düşüktür.
OECD AI Principles da güvenilir, insan haklarına saygılı ve hesap verebilir AI sistemlerinin önemini vurgular. Bu nedenle kapsam belirleme sürecinde sadece teknik başarı değil, yanlış kullanım ve denetlenebilirlik de konuşulmalıdır. OECD AI Principles
Yapay zeka entegrasyonu proje kapsamı belirlendikten sonra süreç fazlara ayrılmalıdır. Bu sayede hem müşteri hem yazılım ekibi hangi aşamada ne üretileceğini bilir.
| Faz | Amaç | Çıktı |
|---|---|---|
| Keşif | İş hedefi, persona, veri ve entegrasyonları anlamak | Kapsam dokümanı |
| Akış Tasarımı | Kullanıcı senaryolarını ve AI davranışlarını çizmek | Akış şeması, ekran taslakları |
| Teknik Planlama | API, veri, model, güvenlik ve panel kararlarını almak | Teknik mimari |
| MVP Geliştirme | İlk çalışan versiyonu üretmek | Test edilebilir AI akışı |
| Entegrasyon Testi | API, veri, yanıt ve hata senaryolarını denemek | Test raporu |
| Yayın | Canlı ortamda sınırlı veya tam açılış yapmak | Yayınlanan sistem |
| Bakım ve Geliştirme | Yanıt kalitesi, maliyet, dönüşüm ve riskleri izlemek | İyileştirme listesi |
Atalay Tech gibi özel yazılım geliştirme yapan ekipler için kapsam dokümanı, sadece teklif eki değildir; geliştirme boyunca referans alınan ana kaynaktır. Kapsam ne kadar netse, tasarım, backend, frontend, AI entegrasyonu ve test ekipleri o kadar uyumlu çalışır.
Bu süreçte Kaan Atalay’ın proje yönetimi perspektifinde sık vurguladığı noktalardan biri, AI projelerinde “ilk canlı versiyon” ile “nihai sistem” arasındaki farkın müşteriye en başta anlatılmasıdır. Çünkü AI sistemleri canlı veri ve gerçek kullanıcı davranışı gördükçe daha sağlıklı iyileştirilir.
İyi hazırlanmış bir yapay zeka entegrasyonu kapsam dokümanı, hem iş tarafının hem teknik ekibin anlayacağı netlikte olmalıdır. Çok teknik yazılırsa iş birimi takip edemez; çok genel yazılırsa yazılım ekibi tahminlerle ilerlemek zorunda kalır.
Kapsam dokümanında şu bölümler yer almalıdır:
| Başlık | Açıklama | Örnek |
|---|---|---|
| Proje amacı | AI’ın hangi iş sonucunu iyileştireceği | Destek yükünü azaltmak |
| Kullanıcı rolleri | Sistemi kimlerin kullanacağı | Ziyaretçi, müşteri, admin, satış ekibi |
| Kanallar | AI’ın nerede çalışacağı | Web, WhatsApp, mobil uygulama |
| Veri kaynakları | AI’ın besleneceği bilgiler | SSS, CRM, ERP, PDF |
| Entegrasyonlar | Bağlanacak sistemler | CRM, ödeme, kargo, ERP |
| Yetkiler | Kim neyi görebilir/yapabilir? | Admin tüm konuşmaları görür |
| İnsan devri | AI’ın nerede duracağı | Fiyat itirazında satışa aktar |
| Başarı metrikleri | Proje nasıl ölçülecek? | Lead dönüşümü, yanıt süresi |
| Güvenlik kuralları | Veri ve işlem güvenliği | Log, maskeleme, onay |
| Bakım planı | Yayın sonrası izleme | Haftalık yanıt analizi |
Bu başlıklar, kapsam kaymasını önler. Örneğin proje başında “sadece web sitesi chatbotu” denilip geliştirme ortasında “ERP’den stok da çeksin, WhatsApp’a da bağlansın, teklif de hazırlasın” talebi gelirse, bu artık yeni faz veya kapsam değişikliği olarak değerlendirilmelidir.
AI projelerinde hata genellikle kod yazılırken değil, kapsam konuşulurken yapılır. En yaygın hatalar şunlardır:
| Hata | Sonuç | Doğru Yaklaşım |
|---|---|---|
| “Her şeyi cevaplasın” demek | Kontrolsüz ve riskli cevaplar | Konu sınırı ve cevap politikası yazmak |
| Veriyi hazır sanmak | Eksik veya hatalı cevaplar | Veri envanteri çıkarmak |
| Entegrasyonları küçümsemek | Süre ve bütçe sapması | API durumunu başta incelemek |
| Paneli kapsam dışı bırakmak | AI yönetilemez hale gelir | Minimum yönetim ekranı eklemek |
| Başarı metriği koymamak | Proje değeri ölçülemez | KPI’ları başta belirlemek |
| İnsan devri tasarlamamak | Kullanıcı deneyimi bozulur | Kritik senaryolarda temsilciye aktarmak |
| Bakımı unutmak | Yanıt kalitesi zamanla düşer | Yayın sonrası iyileştirme planı yapmak |
Bu hataların çoğu, “AI entegrasyonu” ifadesinin fazla genel kullanılmasından kaynaklanır. Kapsam netleştirildiğinde proje daha küçük başlayabilir; fakat doğru küçük başlangıç, yanlış büyük başlangıçtan daha değerlidir.
Küçük ve tek kanallı bir AI entegrasyonunda kapsam 2-5 iş günü içinde netleşebilir. Örneğin yalnızca web sitesindeki hizmet sayfalarından beslenen, sık soruları cevaplayan bir chatbot için keşif, veri inceleme ve akış tasarımı kısa sürebilir. Ancak CRM, ERP, WhatsApp, mobil uygulama ve yönetim paneli içeren bir projede kapsam belirleme 1-3 haftaya yayılabilir. Burada süreyi belirleyen ana faktör, entegrasyon sayısı ve veri kaynaklarının düzenidir. API dokümantasyonu eksikse, mevcut sistem eskiyse veya yetki kuralları karmaşıksa kapsam çalışması daha detaylı yapılmalıdır.
MVP kapsamı, en hızlı değer üretecek ve en düşük riskle test edilebilecek iş akışından seçilmelidir. Örneğin bir işletmenin hem destek, hem satış, hem teklif, hem ERP otomasyonu ihtiyacı varsa hepsini aynı anda yapmak yerine önce en ölçülebilir alan seçilmelidir. Günlük 100 destek sorusunun 40’ı tekrar eden sorulardan oluşuyorsa, ilk MVP destek botu olabilir. Satış ekibi çok fazla niteliksiz lead ile zaman kaybediyorsa, ilk MVP AI destekli lead toplama akışı olabilir. MVP’nin amacı, tüm sistemi bitirmek değil; doğru varsayımı gerçek kullanıcıyla test etmektir.
Evet, veri hazırlığı çoğu AI entegrasyonu için şarttır. AI sistemi yanlış, eski veya dağınık bilgiyle beslendiğinde kullanıcıya güvenilir cevap veremez. Veri hazırlığı; SSS içeriklerinin düzenlenmesi, ürün bilgilerinin temizlenmesi, dokümanların sınıflandırılması, API alanlarının eşleştirilmesi ve hassas verilerin ayrıştırılması gibi adımları içerebilir. Basit bir chatbotta bu çalışma birkaç dokümanla sınırlı olabilir. Kurumsal projelerde ise CRM, ERP, teklif, sipariş, stok ve kullanıcı verisi birlikte ele alınır. Bu nedenle kapsam dokümanında veri kaynakları mutlaka ayrı bir başlık olarak yazılmalıdır.
Hayır, AI ajan ve AI chatbot kapsamı aynı değildir. Chatbot çoğunlukla kullanıcıya cevap verir, yönlendirme yapar veya bilgi sunar. AI ajan ise belirli kurallar içinde işlem başlatabilir; örneğin CRM’e lead kaydı açabilir, ERP’den stok sorgulayabilir, teklif taslağı oluşturabilir veya panelde görev tetikleyebilir. Bu yüzden AI ajan projelerinde yetkilendirme, işlem onayı, loglama, hata yönetimi ve güvenlik kapsamı daha detaylı olmalıdır. Chatbot projesinde bilgi doğruluğu öne çıkarken, AI ajan projesinde işlem güvenliği ve sistem entegrasyonu daha kritik hale gelir.
Maliyet; kanal sayısı, veri kaynağı, entegrasyon seviyesi, güvenlik gereksinimi, panel ihtiyacı, kullanıcı trafiği ve bakım beklentisine göre değişir. Sadece web sitesinde çalışan, sabit bilgi kaynaklarından cevap veren bir AI bot ile ERP, CRM, WhatsApp ve mobil uygulamaya bağlı bir AI ajan aynı kapsamda değildir. Ayrıca bazı projelerde mevcut sistemlerin API kalitesi maliyeti ciddi şekilde etkiler. API dokümantasyonu iyiyse geliştirme daha hızlı ilerler; eski veya kapalı sistemlerde ek ara katman yazılımları gerekebilir. Bu nedenle sağlıklı fiyatlandırma için önce kapsam dokümanı oluşturulmalıdır.
Evet, AI entegrasyonu yayınlandıktan sonra bakım ve geliştirme kapsamı mutlaka düşünülmelidir. Çünkü AI sistemleri canlı kullanıcı sorularıyla, yeni ürün bilgileriyle, değişen kampanyalarla ve güncellenen şirket süreçleriyle karşılaşır. Yayın sonrası konuşma kayıtları incelenmeli, hatalı cevaplar düzeltilmeli, bilgi kaynakları güncellenmeli ve dönüşüm metrikleri takip edilmelidir. Özellikle lead toplama, satış otomasyonu veya destek botu gibi projelerde ilk canlı sürümden sonra yapılacak iyileştirmeler dönüşüm oranını doğrudan etkileyebilir. Bakım kapsamı olmayan AI projeleri kısa sürede güncelliğini kaybedebilir.
Kapsam belirleme sürecine yalnızca yazılım ekibi değil, iş birimi temsilcileri de dahil olmalıdır. Satış, destek, operasyon, IT, hukuk/KVKK ve yönetim tarafı projeye göre sürece katılabilir. Örneğin lead toplama odaklı bir AI projesinde satış ekibinin, destek botu projesinde müşteri hizmetlerinin, ERP bağlantılı bir projede operasyon ve IT ekiplerinin görüşü alınmalıdır. Karar vericiler hedefi netleştirirken, sahadaki ekipler gerçek kullanıcı sorularını ve istisnaları ortaya çıkarır. Bu birleşim olmadan yazılan kapsam genellikle eksik kalır.
Kapsam değişikliği normaldir; önemli olan bu değişikliğin görünür ve kontrollü yönetilmesidir. Proje başında yazılan kapsam dokümanı, değişikliklerin ne olduğunu anlamak için referans kabul edilmelidir. Örneğin ilk kapsamda web chatbot varken sonradan WhatsApp entegrasyonu, CRM kaydı veya ERP stok sorgusu istenirse bu yeni faz olarak ele alınmalıdır. Değişikliğin süre, maliyet, test ve güvenlik etkisi ayrıca değerlendirilmelidir. Aksi halde proje içinde görünmeyen ek işler birikir ve teslim tarihi, bütçe ve kalite riske girer.
Yapay zeka entegrasyonu başlatma kontrol listesi; hedef belirleme, veri hazırlığı, süreç seçimi, güvenlik, maliyet, teknik mimari, MVP planı ve bakım adımlarını tek çerçevede ele alır. Kurumsal ekipler için uygulanabilir, ölçülebilir ve riskleri azaltan bir başlangıç rehberi sunar.
Kurumsal şirketler için AI otomasyon, yalnızca chatbot kurmak değil; süreç analizi, veri güvenliği, API entegrasyonu, insan onayı, ölçümleme ve bakım disiplinidir. Bu rehber 2026'da AI otomasyon projesi planlayan şirketler için kapsam, maliyet, risk ve uygulama adımlarını pratik şekilde açıklar.
Yapay zeka entegrasyonu veri güvenliği; müşteri verisi, çalışan bilgisi, teklif kayıtları, çağrı geçmişi ve iş süreçleri gibi hassas verilerin güvenli şekilde AI sistemlerine bağlanmasını kapsar. Bu rehber, kurumlar için riskleri, mimari kararları, maliyetleri ve uygulama adımlarını pratik örneklerle açıklar.
