Yapay Zeka Entegrasyonu Proje Kapsamı Nasıl Belirlenir?

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 Nedir?

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:

• Bot hangi kanalda çalışacak: web sitesi, WhatsApp, mobil uygulama, panel içi asistan?
• Hangi soruları cevaplayacak, hangi konularda cevap vermeyecek?
• Cevaplar sabit bilgi dokümanlarından mı, CRM verilerinden mi, sipariş geçmişinden mi üretilecek?
• İnsan temsilciye devretme kuralı ne olacak?
• Hatalı, eksik veya riskli cevaplar nasıl yakalanacak?
• Başarı metriği kaç saniye yanıt süresi, kaç lead, kaç destek talebi azalması veya kaç teklif dönüşümü olacak?

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.

Kapsam Belirlemeden Önce İş Hedefi Netleşmeli

AI projesinin ilk sorusu “hangi modeli kullanalım?” değildir. İlk soru şudur: “Bu entegrasyon hangi iş sonucunu iyileştirecek?”

Bir proje aşağıdaki hedeflerden birine odaklanabilir:

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.

Kullanım Senaryosu Seçimi: Bot mu, Ajan mı, Panel Asistanı mı?

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:

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:

• Bilgi veren AI: Kullanıcıya cevap üretir, işlem yapmaz.
• Öneri veren AI: Kullanıcıya seçenek sunar, karar kullanıcıdadır.
• İşlem yapan AI: Sistemlerde kayıt oluşturur, güncelleme yapar veya tetikleyici çalıştırır.
• Denetleyen AI: İnsan kararını kontrol eder, uyarı verir veya risk skoru üretir.

İşlem yapan AI sistemlerinde güvenlik, yetkilendirme, loglama ve geri alma mekanizması kapsamın zorunlu parçası olmalıdır.

Veri Kapsamı: AI Hangi Bilgiyle Çalışacak?

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:

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:

• AI hangi veri kaynaklarına erişecek?
• Erişeceği veriler güncel mi?
• Bilgi tek merkezden mi yönetilecek?
• Hassas veriler maskeleme veya yetki kontrolünden geçecek mi?
• Kullanıcıya verilen cevapta kaynak gösterilecek mi?
• AI cevapları panelden düzenlenebilir olacak mı?

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.

Entegrasyon Kapsamı: Hangi Sistemler Birbirine Bağlanacak?

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:

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:

• AI konuşma kayıtları
• Başarısız cevaplar
• İnsan temsilciye devredilen görüşmeler
• Kullanıcı memnuniyet puanı
• Bilgi kaynağı yönetimi
• Prompt/kural güncelleme alanı
• API hata logları
• Lead ve dönüşüm raporları

Bu ekranlar ilk MVP’de sınırlı tutulabilir; fakat kurumsal projelerde görünürlük olmadan AI sistemi yönetilemez hale gelir.

MVP Kapsamı ile Kurumsal Kapsam Ayrılmalı

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.

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.

Kullanıcı Akışı ve Persona Kapsamı Netleştirilmeli

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:

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.

Güvenlik, KVKK ve Risk Kapsamı Başta Yazılmalı

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:

• Rol bazlı erişim kontrolü
• Kullanıcı oturumu ve kimlik doğrulama
• Hassas veri maskeleme
• API rate limit ve kötüye kullanım koruması
• Konuşma ve işlem logları
• İnsan onayı gerektiren işlem listesi
• Prompt injection risklerine karşı filtreleme
• Hatalı cevap bildirimi
• Veri saklama süresi
• KVKK aydınlatma ve açık rıza süreçleri

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

Geliştirme Süreci: Kapsam Dokümanından Canlıya

Yapay zeka entegrasyonu proje kapsamı belirlendikten sonra süreç fazlara ayrılmalıdır. Bu sayede hem müşteri hem yazılım ekibi hangi aşamada ne üretileceğini bilir.

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.

Kapsam Dokümanında Bulunması Gereken Başlıklar

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:

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.

Kapsam Belirlerken En Sık Yapılan Hatalar

AI projelerinde hata genellikle kod yazılırken değil, kapsam konuşulurken yapılır. En yaygın hatalar şunlardır:

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.