Yapay Zeka Pilot Proje Planı: 30-60-90 Gün Yol Haritası

Yapay zeka pilot proje planı, bir işletmenin tek bir somut problemi seçip sınırlı bütçe ve sürede (tipik olarak 90 gün) düşük riskle test etmesini sağlayan yapılandırılmış bir yol haritasıdır. Amaç, büyük bir yatırıma girmeden önce "bu iş bizde gerçekten çalışır mı, ne kadar getiri sağlar?" sorusuna ölçülebilir bir yanıt üretmektir.

Çoğu işletme yapay zekaya ya hiç başlamayarak ya da her şeyi aynı anda değiştirmeye çalışıp başarısız olarak yaklaşır. İkisinin de alternatifi, kontrollü bir pilottur. Bu rehber pilotu 30-60-90 gün fazlarına bölerek her aşamada ne yapılacağını, hangi kararın verileceğini ve başarının nasıl ölçüleceğini adım adım anlatıyor. Yapay zekaya ilk kez adım atıyorsanız, önce KOBİ'ler için 5 adımda başlangıç rehberimizi okumanız bu planı daha anlaşılır kılar.

Yapay zeka pilot proje planı nedir?

Yapay zeka pilot proje planı, dar kapsamlı bir kullanım senaryosunu gerçek verilerle, gerçek kullanıcılarla ve önceden tanımlanmış başarı ölçütleriyle sınayan kısa süreli bir programdır. Tüm işletmeyi değil, tek bir süreci hedefler. Pilotun çıktısı bir "devam et, durdur ya da değiştir" kararı ve yatırımın geri dönüşüne dair somut kanıttır.

Pilotu üç faza bölmenin nedeni riski parçalara ayırmaktır. Her 30 günün sonunda bir karar kapısı (go/no-go) vardır: ilk kapı hazırlığın tamamlanıp tamamlanmadığını, ikincisi pilotun teknik olarak çalışıp çalışmadığını, üçüncüsü ise gerçek değer üretip üretmediğini sorgular. Böylece işe yaramayan bir fikir, üç ay içinde tüm bütçeyi tüketmeden durdurulabilir.

İlk 30 günde ne yapılmalı?

İlk 30 gün hazırlık fazıdır; bu fazda kod yazılmaz, temel atılır. Doğru problem seçilir, mevcut durum ölçülerek başarı ölçütü ve temel (baseline) rakamlar netleştirilir, ekip rolleri belirlenir. Uluslararası uygulamalarda önerilen "altın üçgen" kuralı işe yarar: yüksek acı veren, teknik olarak basit ve getirisi kolay ölçülebilir tek bir süreç seçin.

Bu fazda tamamlanması gereken üç somut çıktı vardır:

• Problem tanımı: "Faturaları elle girmek ayda 60 saat alıyor" gibi tek cümlelik, ölçülebilir bir sorun. Genel "yapay zeka kullanalım" ifadesi pilot için yeterli değildir.
• Temel (baseline): Bugünkü durumu sayıyla yazın. Mevcut hata oranı, işlem süresi veya maliyet kaydedilmeden iyileşmeyi kanıtlamak imkânsızdır.
• Veri ve ekip envanteri: Hangi veri var, nerede duruyor, kim sorumlu? Ham üretim ve süreç verisini karara çevirmenin yolunu üretim verisini yapay zeka ile karara çevirmenin 5 adımı yazımızda ayrıntılı ele aldık.

31-60 günde pilot nasıl çalıştırılır?

İkinci 30 gün, pilotun canlıya alındığı çalıştırma fazıdır. Seçilen tek süreç için veri temizlenir, araç veya model devreye girer ve sınırlı sayıda gerçek kullanıcıyla test başlar. Hedef mükemmellik değil, "çalışan bir taslak"tır: küçük bir veri kümesiyle bile sonuç üretebilen, gerçek iş akışına bağlanmış bir kurulum.

Bu fazın kritik kuralı kapsamı dar tutmaktır. Pilot sırasında ortaya çıkan yeni fikirler bir "ikinci faz" listesine yazılır, mevcut pilota eklenmez. Kapsam genişlemesi (scope creep), pilotların en sık batma nedenidir. Ayrıca çıktılar mutlaka bir insan tarafından doğrulanmalı; yapay zekanın önerileri henüz körlemesine uygulamaya alınmaz.

Somut bir örnekle düşünün: bir fatura giriş pilotunda, yapay zeka faturadaki verileri okur ancak muhasebeci onaylamadan sistem kaydı oluşmaz. İlk haftalarda doğruluk düşük olabilir; önemli olan hatalı örnekleri toplayıp aracı düzelterek doğruluğu gözle görülür biçimde artırmaktır. Bu fazın sonunda pilot teknik olarak çalışıyor, gerçek kullanıcılar onu deniyor ve ilk geri bildirimler toplanmış olmalıdır.

61-90 günde karar ve ölçekleme nasıl olur?

Üçüncü 30 gün ölçme ve karar fazıdır. Pilotun ürettiği sonuçlar, ilk fazda kaydedilen temel rakamlarla karşılaştırılır; süre, maliyet veya hata oranındaki değişim sayıya dökülür. Bu verinin üzerine yatırımın geri dönüşü hesaplanır ve net bir karar verilir: ölçekle, durdur ya da bir sonraki turda düzelt.

Kararı verirken yalnızca doğrudan tasarrufa değil, dolaylı kazanımlara da bakın: çalışanların sıkıcı işten kurtulup daha değerli görevlere yönelmesi, hata azalması ve müşteri memnuniyeti gibi etkiler ilk aylarda tabloya tam yansımayabilir. Geri dönüşü doğru hesaplamak pilotun en değerli çıktısıdır; gizli maliyetleri ve gerçekçi beklentileri yapay zeka ROI hesaplama rehberimizde adım adım gösteriyoruz. Karar "ölçekle" ise, ikinci kullanım senaryosu belirlenir, süreç dokümante edilir ve bir iç "şampiyon" atanır. Karar "durdur" ise bu bir başarısızlık değildir: 90 günde ve küçük bütçeyle öğrenilmiş, işletmeyi büyük bir yanlış yatırımdan korumuş değerli bir derstir.

Pilotun başarısı hangi KPI'larla ölçülür?

Pilotun başarısı, işe başlamadan seçilen 3-4 somut göstergeyle ölçülür. İyi bir gösterge seti bir birincil metrik (asıl iş sonucu), bir-iki ikincil metrik (destekleyici davranış) ve bir koruyucu metrikten (yan etkileri denetleyen) oluşur. Aşağıdaki tablo KOBİ pilotlarında en sık kullanılan göstergeleri, örnek hedefleri ve ölçüm yöntemlerini özetliyor.

Önemli olan az sayıda göstergeye odaklanmaktır. On metrik takip etmeye çalışan bir pilot, hiçbirini net kanıtlayamaz. Her göstergenin bir temel değeri ve bir hedefi olmalı; "iyileşti" demek yetmez, "38 dakikadan 12 dakikaya indi" demek gerekir.

Yapay zeka pilotları neden başarısız olur?

Çoğu pilot teknoloji yüzünden değil, hazırlık ve odak eksikliği yüzünden başarısız olur. Gartner'ın öngörüsüne göre üretken yapay zeka projelerinin en az %30'u; zayıf veri kalitesi, yetersiz risk kontrolü, artan maliyetler veya belirsiz iş değeri nedeniyle kavram kanıtı aşamasından sonra terk ediliyor. Sorun neredeyse hiçbir zaman modelin kendisi değildir.

MIT bağlantılı NANDA girişiminin 2025 tarihli "State of AI in Business" raporu daha da çarpıcı: üretken yapay zeka dağıtan kuruluşların yaklaşık %95'i ölçülebilir bir kâr-zarar etkisi göremiyor; yalnızca %5'lik kesim anlamlı değer çıkarıyor. Bu iki bulgunun ortak dersi nettir: pilotu batıran şey, baştan tanımlanmamış bir başarı ölçütü ve karara bağlanmamış veridir. Yaygın tuzaklar şunlardır:

• Belirsiz hedef: Ölçülebilir bir problem yerine "yapay zeka deneyelim" demek.
• Temel yok: Öncesi ölçülmediği için sonrası kanıtlanamıyor.
• Kapsam kayması: Pilot büyüdükçe hiç bitmiyor.
• Kirli veri: Eksik ve dağınık veriyle güvenilir sonuç çıkmıyor.

Veri ve ekip pilota nasıl hazırlanır?

Bir pilotun kaderi, çoğunlukla ilk 30 gündeki veri ve ekip hazırlığında belirlenir. Veri tarafında amaç mükemmellik değil, seçilen tek senaryoya yetecek kadar temiz ve erişilebilir veridir. Ekip tarafında ise sorumluluklar açıkça atanmalı; pilot, birinin işine ek olarak "boş vaktinde" yürüteceği bir uğraş olarak bırakılmamalıdır.

Pratik bir hazırlık için şu üç noktayı netleştirin: veriyi kim toplayacak ve temizleyecek, kararı kim verecek, sonucu kim kullanacak. Somut bir örnek isterseniz, tek bir tezgâha takılan titreşim sensörüyle başlayan kestirimci bakım pilotu iyi bir model sunar; maliyet kalemlerini ve geri dönüşün tam olarak nereden geldiğini kestirimci bakım pahalı mı yazımızda dürüstçe ele aldık. Küçük ve tek makinelik bir pilot, hem riski hem de hazırlık yükünü yönetilebilir tutar.

Konya'daki bir KOBİ için pilot neye benzer?

Konya sanayisindeki bir KOBİ için ideal ilk pilot; döküm, metal işleme veya makine imalatındaki tek bir acı noktasını hedefler. Örneğin bir döküm atölyesi, kamerayla yüzey kusuru tespitini tek bir hatta 90 gün deneyebilir; bir makine imalatçısı, kritik bir tezgâhta kestirimci bakımı pilotlayabilir. Ölçek küçük, hedef tek, ölçüm nettir.

Maliyet endişesi için pilotu bir teşvikle eşleştirmek mantıklıdır. KOSGEB KOBİ Dijital Dönüşüm Destek Programı gibi programlar, dijital dönüşüm ve yapay zeka yatırımlarını hibe ve faizsiz kredi modeliyle destekleyerek pilotun finansal riskini düşürür. Doğru problemi seçmekte, veriyi hazırlamakta veya pilotu kurgulamakta yol arkadaşı isterseniz, bütüncül bakış için KOBİ'ler için yapay zeka rehberimize göz atabilir; kurumsal destek için yapay zeka çözümleri sayfamızdan bize ulaşabilirsiniz. Konya için doğru ilk adım, büyük vaatler değil; 90 günde kanıtlanabilir tek bir pilottur.