Yapay Zeka ile Teklif Hazırlama Sistemi Nasıl Kurulur?

Bir satış ekibinin en kritik darboğazlarından biri teklif hazırlama süresidir. Lead gelir, ihtiyaçlar WhatsApp’ta konuşulur, satış temsilcisi not alır, teknik ekip kapsamı yorumlar, fiyat çıkarılır, PDF hazırlanır, sözleşme koşulları eklenir ve müşteri tekrar aranır. Bu süreç hızlı yönetilmediğinde müşteri soğur; fazla hızlı yönetildiğinde ise teklif eksik veya hatalı hazırlanır.

Yapay zeka teklif sistemi, bu iki problemi aynı anda çözmek için kurulur: hız ve doğruluk. Sistem; lead formundan, WhatsApp görüşmesinden, CRM kaydından veya satış toplantısı notundan aldığı bilgileri analiz eder, müşterinin ihtiyacını sınıflandırır, kapsam maddelerini çıkarır, fiyatlandırma mantığına göre teklif taslağı üretir ve ekibe kontrol edilebilir bir onay akışı sunar.

Bu yapı tek başına “bir PDF oluşturan bot” değildir. Doğru kurulduğunda yapay zeka entegrasyonu, CRM, WhatsApp, e-posta, ödeme planı, sözleşme, müşteri segmentasyonu ve satış takip sistemi birlikte çalışır. Atalay Tech’in mobil uygulama, web platformu ve AI entegrasyonu projelerinde gördüğü en net kazanım şudur: teklif süreci otomatikleştiğinde satış ekibi daha az manuel metin yazar, daha fazla doğru müşteriye odaklanır.

Yapay Zeka Teklif Sistemi Nedir?

Yapay zeka teklif sistemi; müşteriden gelen talebi anlayan, bu talebi önceden tanımlanmış ürün/hizmet kapsamlarıyla eşleştiren, riskleri belirleyen ve satış ekibi için teklif taslağı oluşturan yazılım altyapısıdır.

Bu sistem genelde şu kaynaklardan veri alır:

• Web sitesi teklif formu
• WhatsApp görüşmesi
• CRM lead kaydı
• Satış temsilcisi toplantı notu
• E-posta talebi
• Çağrı merkezi görüşme özeti
• Ürün/hizmet seçim formu
• Önceden hazırlanmış fiyat matrisi

Basit bir örnek üzerinden düşünelim. Bir işletme web sitenizdeki formdan “e-ticaret mobil uygulaması istiyorum” diye başvuru yaptı. Klasik süreçte satış ekibi müşteriyi arar, kapsamı anlamaya çalışır, teknik ekibe sorar, fiyat aralığı çıkarır ve teklif hazırlar.

Yapay zeka teklif sisteminde ise süreç şöyle ilerler:

1. Sistem lead formunu okur.
2. Müşterinin sektörünü, bütçesini, aciliyetini ve proje tipini çıkarır.
3. Eksik bilgi varsa WhatsApp botu üzerinden tamamlayıcı sorular sorar.
4. Projeyi “MVP”, “orta ölçek” veya “kurumsal” olarak sınıflandırır.
5. Fiyatlandırma tablosuna göre tahmini aralık üretir.
6. Satış ekibine düzenlenebilir teklif taslağı sunar.
7. Onaylanan teklifi PDF, e-posta veya özel teklif sayfası olarak müşteriye iletir.

McKinsey’nin 2025 “State of AI” araştırmasında şirketlerin üretken yapay zekayı en sık kullandığı alanlar arasında pazarlama ve satış süreçleri de yer alıyor. Bu veri, teklif hazırlama gibi satış operasyonlarının AI destekli otomasyon için doğal bir kullanım alanı olduğunu gösteriyor: McKinsey State of AI 2025.

Teklif Hazırlama Sürecinde AI Nerede Değer Üretir?

Yapay zeka burada yalnızca metin yazmaz. Asıl değer, veriyi yorumlama ve satış sürecindeki tekrar eden kararları standartlaştırma tarafındadır.

Bir teklifin kalitesi çoğu zaman üç şeye bağlıdır:

• Müşteri ihtiyacı doğru anlaşıldı mı?
• Kapsam eksik veya fazla yazıldı mı?
• Fiyat ve teslim süresi gerçekçi mi?

AI destekli sistem bu üç alanı satış ekibinin kontrolünden çıkarmadan hızlandırır. Özellikle B2B yazılım, danışmanlık, ajans, üretim, eğitim, sağlık, emlak, lojistik ve e-ticaret gibi teklifli satış yapan şirketlerde etkisi daha belirgin olur.

Bu tablo teklif sisteminin satış ekibini devre dışı bırakmadığını gösterir. İyi kurulan yapı satış temsilcisini “metin hazırlayan kişi” olmaktan çıkarır, “fırsatı yöneten kişi” haline getirir.

Yapay Zeka Teklif Sistemi Hangi İşletmeler İçin Uygundur?

Bu sistem her işletme için gerekli değildir. Ürününüz sabit fiyatlıysa, stoktan satılıyorsa ve müşteriye özel kapsam çıkmıyorsa klasik e-ticaret altyapısı yeterli olabilir. Yapay zeka teklif sistemi özellikle proje bazlı, değişken kapsamlı ve müşteri verisine göre fiyatlanan işlerde anlamlıdır.

Örneğin Atalay Tech gibi yazılım hizmeti veren bir şirket için her başvuru aynı değildir. Bir müşteri yalnızca tanıtım sitesi isterken, başka bir müşteri mobil uygulama, yönetim paneli, ödeme entegrasyonu, bildirim sistemi, çoklu dil, AI destekli raporlama ve bakım hizmeti isteyebilir. Aynı “mobil uygulama” talebi, kapsamına göre çok farklı bütçelere dönüşür.

Aşağıdaki persona bu farkı somutlaştırır:

Mert, 36 yaşında, B2B satış yapan bir şirketin kurucu ortağı. Web sitesinden ayda 120 form alıyor. Satış ekibi her lead için ortalama 25 dakika ön görüşme, 40 dakika teklif hazırlama ve 15 dakika takip harcıyor. Ancak tekliflerin bir bölümü yanlış segmentteki müşterilere gönderiliyor. Mert’in ihtiyacı yalnızca daha hızlı teklif üretmek değil; düşük kaliteli lead’leri ayırmak, yüksek potansiyelli lead’lere daha kapsamlı teklif sunmak ve satış ekibinin zamanını korumak.

Bu tür işletmeler için lead toplama sistemi ile teklif hazırlama sistemi birlikte tasarlanmalıdır. Çünkü teklif kalitesi, lead verisinin kalitesinden bağımsız düşünülemez.

Sistem Mimarisi: Hangi Bileşenler Gerekir?

Yapay zeka teklif sistemi kurarken önce tek bir “AI yazsın” beklentisinden çıkmak gerekir. Sağlam yapı; veri toplama, karar motoru, AI ajan, teklif şablonu, onay paneli ve takip otomasyonundan oluşur.

Temel bileşenler şunlardır:

Burada yapay zeka ajanı, sistemin karar destek katmanı gibi çalışır. Fakat fiyatı tamamen serbest şekilde üretmemelidir. Fiyatlandırma mutlaka şirketin belirlediği kurallar, minimum proje bedeli, hizmet paketleri ve risk katsayıları ile sınırlandırılmalıdır.

Adım Adım Yapay Zeka ile Teklif Hazırlama Sistemi Kurulumu

Yapay zeka teklif sistemi kurulumunda en büyük hata, doğrudan model entegrasyonuyla başlamaktır. Önce satış sürecinin haritası çıkarılmalı, sonra AI hangi noktada devreye girecek belirlenmelidir.

1. Keşif: Mevcut Teklif Sürecini Haritalayın

İlk adım, bugün tekliflerin nasıl hazırlandığını netleştirmektir. Şu sorulara cevap verilmeden AI sistemi sağlıklı kurulamaz:

• Lead hangi kanallardan geliyor?
• Teklif hazırlamak kaç dakika veya saat sürüyor?
• Teklifte hangi bilgiler zorunlu?
• Hangi bilgiler eksik gelince satış ekibi zorlanıyor?
• Fiyat nasıl belirleniyor?
• Hangi projelere teklif verilmemeli?
• Hangi müşteri segmentleri daha kârlı?
• Teklif sonrası takip kaç gün içinde yapılıyor?

Bu aşamada amaç “AI ne yapsın?” sorusunu değil, “insan bugün neyi tekrar tekrar yapıyor?” sorusunu yanıtlamaktır.

2. Veri Modeli: Lead Bilgilerini Standartlaştırın

Yapay zeka sistemleri dağınık metni yorumlayabilir; ancak teklif üretmek için standart alanlara ihtiyaç duyar. Bu nedenle lead verisi yapılandırılmalıdır.

Örnek alanlar:

• Ad soyad
• Şirket adı
• Sektör
• Talep edilen hizmet
• Bütçe aralığı
• Proje aciliyeti
• Mevcut sistem var mı?
• Entegrasyon ihtiyacı
• Kullanıcı tipi
• Karar verici kişi
• Teknik karmaşıklık
• Satış temsilcisi notu

Bu alanlar doğru tasarlanırsa sistem yalnızca güzel teklif metni yazmaz, aynı zamanda lead skorlama da yapabilir. Örneğin bütçesi düşük, kapsamı belirsiz ve karar verici olmayan bir başvuru “düşük öncelik” olarak işaretlenebilir.

3. AI Ajan Kurgusu: Rol, Sınır ve Çıktıları Tanımlayın

AI ajanına açık bir görev verilmelidir. “Teklif hazırla” çok geniş bir komuttur. Daha doğru görev tanımı şuna benzer:

Gelen lead verisini analiz et, proje tipini sınıflandır, eksik bilgileri listele, kapsam maddelerini çıkar, riskleri belirt, fiyatlandırma matrisine göre önerilen paket aralığını seç ve satış ekibi için revize edilebilir teklif taslağı üret.

AI ajan çıktısı şu bölümleri içerebilir:

• Lead özeti
• Müşteri ihtiyacı
• Eksik sorular
• Önerilen kapsam
• Hariç tutulan işler
• Tahmini teslim süresi
• Riskler
• Önerilen fiyat aralığı
• Teklif metni
• Takip mesajı önerisi

Bu yapı, Atalay AI gibi AI destekli satış ve operasyon akışlarında da temel mantığı oluşturur: karar otomasyonu tek başına değil, insan onayıyla birlikte çalışmalıdır.

4. Fiyatlandırma Mantığı: Serbest AI Yerine Kural Motoru Kullanın

Teklif sistemlerinde en riskli alan fiyatlandırmadır. AI modelinin tamamen serbest fiyat üretmesi doğru değildir. Model, fiyatı “tahmin eden” değil, mevcut fiyatlandırma mantığını “uygulayan” katman olmalıdır.

Örnek fiyatlandırma değişkenleri:

• Proje tipi
• MVP mi kurumsal mı?
• Entegrasyon sayısı
• Kullanıcı rolü sayısı
• Yönetim paneli ihtiyacı
• Mobil uygulama var mı?
• Web platformu var mı?
• AI modülü var mı?
• Bakım ve destek kapsamı
• Teslim süresi baskısı

Bu rakamlar proje kapsamına, entegrasyon sayısına, veri kalitesine ve güvenlik gereksinimlerine göre değişir. Özellikle CRM, ERP, ödeme, sözleşme ve WhatsApp Cloud API gibi entegrasyonlar maliyeti doğrudan etkiler.

5. Teklif Şablonu: Standart Ama Kişiselleştirilebilir Olmalı

Yapay zeka teklif sisteminin çıktısı her müşteriye aynı görünen bir metin olmamalıdır. Fakat tamamen serbest ve kontrolsüz de olmamalıdır. En iyi yapı, sabit bölümler ile kişiselleştirilebilir alanları ayırır.

Teklif şablonunda şu bölümler bulunabilir:

• Müşteri ihtiyacının özeti
• Önerilen çözüm
• Kapsam maddeleri
• Kapsam dışı maddeler
• Teslim süreci
• Ödeme planı
• Bakım ve destek
• Sözleşme koşulları
• Onay adımı
• İletişim bilgileri

Örneğin yazılım hizmeti veren bir firma, her teklifinde “keşif, arayüz tasarımı, geliştirme, test, yayın ve bakım” adımlarını standart tutabilir. AI yalnızca müşterinin ihtiyacına göre modül isimlerini, kapsam açıklamalarını ve öncelikleri uyarlamalıdır.

6. İnsan Onayı: Otomasyonun Güvenlik Kilidi

Teklif hazırlama satış sürecinin hukuki ve ticari etkisi olan bir parçasıdır. Bu nedenle sistemin müşteriyle paylaşılacak son teklifi doğrudan göndermesi çoğu işletme için risklidir.

Daha sağlıklı akış:

1. AI teklif taslağını üretir.
2. Satış temsilcisi taslağı inceler.
3. Teknik ekip gerekiyorsa kapsamı kontrol eder.
4. Yönetici fiyat ve ödeme planını onaylar.
5. Sistem teklifi müşteriye gönderir.
6. Müşteri teklif sayfasında onay, ret veya görüşme talebi bırakır.

Bu yaklaşım, Gartner’ın agentic AI projelerinde vurguladığı temel riske de uygundur: otonom sistemler iş değeri netleşmeden fazla serbest bırakıldığında maliyet ve beklenti yönetimi zorlaşabilir. Gartner’ın 2025 değerlendirmelerine göre birçok agentic AI projesi net değer ve maliyet kontrolü olmadığı için iptal riski taşıyor: Reuters - Gartner agentic AI değerlendirmesi.

No-Code, Hazır CRM ve Özel Yazılım Karşılaştırması

Yapay zeka teklif sistemi kurarken üç ana seçenek vardır: no-code araçlarla hızlı prototip, hazır CRM eklentileri veya tamamen özel geliştirme. Doğru seçim; lead hacmi, veri güvenliği, entegrasyon ihtiyacı ve teklif karmaşıklığına bağlıdır.

Atalay Tech perspektifinden bakıldığında, no-code araçlar fikir doğrulama için kullanılabilir. Ancak teklif mantığı şirketin kârlılığını, sözleşme riskini ve operasyon yükünü etkiliyorsa özel yazılım geliştirme yaklaşımı daha sürdürülebilir olur.

Örnek Senaryo: WhatsApp’tan Gelen Lead’in Teklife Dönüşmesi

Bir işletme Meta reklamlarından WhatsApp’a lead alıyor olsun. Kullanıcı “Merhaba, mobil uygulama yaptırmak istiyorum” diye yazıyor. Satış temsilcisi yoğun olduğu için 2 saat sonra dönüş yapabiliyor. Bu sürede müşteri başka firmalara da yazmış oluyor.

AI destekli akışta süreç şöyle ilerleyebilir:

1. WhatsApp botu müşteriyi karşılar.
2. Proje tipi, sektör, hedef platform, kullanıcı sayısı ve bütçe aralığını sorar.
3. Cevapları CRM’e kaydeder.
4. AI ajan talebi özetler.
5. Sistem lead skorunu hesaplar.
6. Uygun değilse bilgilendirici yanıt verir.
7. Uygunsa teklif taslağı oluşturur.
8. Satış ekibi panelde teklifi onaylar.
9. Müşteriye özel teklif linki gönderilir.
10. Müşteri teklif sayfasından görüşme planlar veya onay verir.

Bu modelde AI, satış temsilcisinin yerine geçmez. Temsilciye daha temiz veri, daha hızlı taslak ve daha iyi takip disiplini sağlar.

Teklif Sisteminde Ölçülmesi Gereken KPI’lar

Yapay zeka teklif sisteminin başarılı olup olmadığı yalnızca “kaç teklif üretildi?” sorusuyla ölçülmez. Satış performansına etkisini görmek için hız, kalite ve dönüşüm metrikleri birlikte izlenmelidir.

Ölçülebilecek KPI’lar:

Salesforce’un satış ekipleriyle ilgili yayınlarında AI destekli CRM yaklaşımı; satış, veri ve müşteri etkileşimini aynı platformda birleştirmeye odaklanır. Bu da teklif sistemlerinde sadece metin üretmenin değil, CRM verisiyle çalışan uçtan uca akış kurmanın daha değerli olduğunu gösterir: Salesforce AI CRM.

Güvenlik, KVKK ve Veri Kalitesi

Teklif sistemi müşteri verisiyle çalıştığı için güvenlik ihmal edilmemelidir. Özellikle B2B satışta müşterinin bütçesi, proje fikri, şirket içi ihtiyacı, teknik altyapısı ve iletişim bilgileri hassas veridir.

Dikkat edilmesi gereken başlıklar:

• KVKK aydınlatma metni ve açık rıza süreçleri
• Veri saklama süresi
• Yetki bazlı panel erişimi
• Teklif geçmişi logları
• AI modeline gönderilen veri kapsamı
• Müşteri bilgilerinin anonimleştirilmesi
• E-posta ve WhatsApp mesaj kayıtları
• PDF veya teklif linki erişim güvenliği
• Sözleşme ve ödeme planı değişiklik logları

AI sistemine gereğinden fazla veri göndermek doğru değildir. Modelin görevi için gerekli olmayan kişisel veya ticari veriler ayrıştırılmalıdır. Özellikle kurumsal yapılarda bu akış hukuk, satış ve teknik ekiplerle birlikte tasarlanmalıdır.

Atalay Tech Perspektifi: Sistem Nasıl Konumlandırılmalı?

Atalay Tech’in yazılım ajansı deneyiminde teklif hazırlama süreci, yalnızca satış departmanının işi değildir. Mobil uygulama, web platformu, yönetim paneli, API entegrasyonu ve AI modülü içeren projelerde teklif; teknik kapsam, teslim planı, bakım modeli ve ticari stratejinin birleşimidir.

Kaan Atalay’ın proje süreçlerinde sık vurguladığı yaklaşım şudur: önce kapsam netleşmeli, sonra otomasyon kurulmalıdır. Çünkü kötü tasarlanmış bir satış sürecine AI eklemek, hatayı hızlandırır. İyi tasarlanmış bir sürece AI eklemek ise ekibin kapasitesini büyütür.

Bu yüzden yapay zeka teklif sistemi üç aşamalı düşünülmelidir:

1. Satış sürecini sadeleştir: Hangi lead’e teklif verileceği net olsun.
2. Veriyi standartlaştır: Form, WhatsApp ve CRM aynı dili konuşsun.
3. AI ile hızlandır: Özet, kapsam, teklif ve takip akışı otomatikleşsin.

Burada amaç agresif satış yapmak değil, müşteriye daha net, daha hızlı ve daha tutarlı bilgi sunmaktır.

Geliştirme Süreci ve Zaman Planı

Yapay zeka teklif sistemi genellikle aşamalı geliştirilmelidir. Her şeyi ilk versiyonda yapmak yerine MVP ile başlamak daha sağlıklıdır.

MVP aşamasında hedef, tüm satış organizasyonunu dönüştürmek değildir. Önce en sık gelen 2-3 teklif tipini otomatikleştirmek daha doğru olur. Örneğin “web sitesi”, “mobil uygulama” ve “AI chatbot” talepleri için ayrı teklif şablonları oluşturulabilir.

Sık Yapılan Hatalar

Yapay zeka teklif sistemi kurarken yapılan hatalar genellikle teknik değil, süreç kaynaklıdır.

En yaygın hatalar:

• AI’dan doğrudan fiyat belirlemesini beklemek
• Lead formunu çok kısa tutmak
• Eksik bilgi sorularını tasarlamamak
• Satış ekibi onayını kaldırmak
• Teklif şablonlarını standartlaştırmamak
• CRM ile entegrasyon kurmamak
• Takip otomasyonunu ihmal etmek
• Sözleşme ve ödeme koşullarını kontrolsüz üretmek
• KPI ölçmeden sistemi başarılı saymak

Bu hatalardan kaçınmak için önce küçük bir kapsam seçilmeli, gerçek lead verileriyle test yapılmalı ve satış ekibinin geri bildirimiyle sistem iyileştirilmelidir.