Yapay Zeka Çağında Atılması Gereken 5 Adım

# Yapay Zeka Çağında Atılması Gereken 5 Adım

Yapay Zeka, Pazarlama ve Büyüme Uzmanı Yüce Zerey, Webrazzi'deki sunumunda hem yapay zekânın tarihsel köklerine değindi hem de önümüzdeki 12 ay için işletmelerin ve profesyonellerin atması gereken kritik adımları paylaştı. Bu yazıda, Zerey’in öne çıkardığı içgörüleri genişleterek, özellikle Türkiye’deki işletmeler için ne anlama geldiğini, hangi stratejik kararların alınması gerektiğini ve yapay zeka ajanlarıyla nasıl somut değer üretilebileceğini detaylandırıyoruz.

---

1. Tarihsel Bakış: Al-Cezeri'den Yapay Zeka Ajanlarına

Yüce Zerey, sunumuna izleyicileri 1206 yılı Diyarbakır’ına, Artuklu sarayına götürerek başlıyor. Mühendis Al-Cezeri’nin tasarladığı otomatik müzisyenler, su gücüyle çalışan karmaşık mekanik sistemlerdi. Bu makineler, belirli girdilere karşılık belirli çıktılar üreten, yani bugünkü anlamda deterministik otomasyon örnekleriydi.

Zerey, bu makineleri günümüz yapay zeka ajanlarının atası olarak konumlandırıyor. Çünkü:

• Belirli bir girdi alıyorlar (zaman, su seviyesi, mekanizmanın tetiklenmesi),
• Tanımlı bir kurala göre hareket ediyorlar,
• Öngörülebilir bir çıktı üretiyorlar (müzik, hareket, görsel performans).

Bugün geldiğimiz noktada, bu otomasyon mantığı, öğrenen sistemler ve özerk yapay zeka ajanları ile birleşerek bambaşka bir seviyeye taşındı. Artık:

• Girdiler yalnızca fiziksel değil; metin, görsel, ses, kullanıcı davranışları gibi dijital veriler,
• Kurallar yalnızca önceden yazılmış kodlar değil; modelin öğrendiği olasılıksal kalıplar,
• Çıktılar yalnızca mekanik hareketler değil; karar önerileri, otomatik kampanya yönetimi, müşteri hizmeti otomasyonu gibi iş değeri üreten sonuçlar.

Bu tarihsel perspektif, yapay zekayı bir "sihir" olarak değil, insanlığın yüzyıllardır süren otomasyon arayışının doğal devamı olarak görmemize yardımcı oluyor. Aynı zamanda, bugünkü dönüşümün ne kadar köklü olduğunu da hatırlatıyor.

---

2. Yapay Zeka Kullanımının Güncel Durumu: Rakamlar Ne Diyor?

Yüce Zerey’in paylaştığı veriler, küresel ölçekte AI benimsemesi ile gerçek üretim kullanımı arasındaki farkı net biçimde ortaya koyuyor:

• Şirketlerin %88'i yapay zeka kullandığını söylüyor,
• Ancak yalnızca %33'ü bu teknolojiyi etkin bir şekilde üretime geçirebilmiş durumda.

Bu fark, dünyada olduğu gibi Türkiye’de de sık gördüğümüz bir duruma işaret ediyor:

Sunumlarda, raporlarda ve strateji dökümanlarında AI çok güçlü; ama gerçek hayatta, üretim ortamında o kadar da değil.

Türkiye’deki rakamlar daha da çarpıcı:

• KOBİ’lerde yapay zeka kullanım oranı: %7,5
• Büyük şirketlerde yapay zeka kullanım oranı: %22

Bu tablo, iki önemli gerçeği gösteriyor:

1. Algı – Gerçeklik Uçurumu: Şirketler, AI’ı gündemlerine almış durumda; fakat çoğu henüz pilot projeler, deneme ortamları ve POC (proof of concept) aşamasını geçemiyor.
2. Ölçeklenebilirlik Sorunu: Yapay zeka projeleri başlatılıyor, ama işin en zor kısmı olan süreklilik ve ölçekli kullanım aşamasında takılıyor.

Bu durum yalnızca Türkiye’ye özgü değil. Örneğin global danışmanlık şirketlerinin raporlarına göre, dünya genelinde başlatılan AI projelerinin %60-80’i üretim ortamına tam anlamıyla geçemeden ya askıya alınıyor ya da kapsamı daraltılıyor. "Dijital Reklam ROI Ölçümü: Pratik Rehber" yazısında da gördüğümüz gibi, teknoloji yatırımlarının çoğu, ölçüm ve uygulama tarafındaki zorluklar nedeniyle beklenen geri dönüşü sağlayamıyor.

---

3. Solo Girişimciler ve Yapay Zeka: Base44 Örneği

Zerey’in sunumunda öne çıkan hikayelerden biri, Maor Shlomo’nun kurduğu Base44 platformu. Hikayenin kritik noktaları:

• Tek kurucu, tek kişi,
• 15 bin dolar gibi görece küçük bir başlangıç sermayesi,
• Sadece 6 ay içinde,
• Wix tarafından 80 milyon dolara satın alınma.

Bu örnek, yapay zekanın yalnızca büyük kurumsal şirketler için değil, solo girişimciler ve küçük ekipler için de muazzam bir kaldıraç olduğunu gösteriyor. Zerey, bu hikayeyi Dario Amodei’nin şu öngörüsüyle ilişkilendiriyor:

2026’da tek bir kişinin milyar dolarlık bir şirket kurabileceği bir dönem göreceğiz.

Bu iddialı öngörü, aslında günümüzde gördüğümüz birkaç trendin doğal sonucu:

• Üretim araçlarının demokratikleşmesi: Kod yazmadan ürün geliştirme, no-code/low-code platformlar, hazır AI API’leri,
• Altyapı maliyetlerinin düşmesi: Bulut bilişim, pay-as-you-go fiyatlandırma,
• AI ajanlarının iş gücünü tamamlaması: İçerik üretimi, müşteri desteği, pazarlama otomasyonu gibi alanlarda otomasyon.

Türkiye’de de benzer bir potansiyel var. Özellikle yazılım ve ürün geliştirme alanında çalışan bireysel geliştiriciler, doğru yapay zeka araçlarını kullanarak küresel pazara açılabilecek ürünler çıkarabilir. Nitekim, "Bulbi, 500 Bin Dolar Yatırım ile Büyüyor" ve "Aidea, Yeni Yatırımlarla Büyüme Hedefinde" gibi haberler, yerel girişimlerin AI destekli çözümlerle hızlı büyüme yakalayabildiğini gösteriyor.

---

4. AI Projelerinde Başarı İçin Stratejiler: Prompt Değil, Context Kazanır

Yüce Zerey’in altını çizdiği en kritik noktalardan biri şu:

"Context engineering, prompt engineering'den daha önde gelir."

Son dönemde herkesin dilinde prompt engineering var. Yani modele ne yazarsak daha iyi cevap alırız, hangi kalıp daha etkili, hangi komut daha doğru? Oysa Zerey’e göre asıl oyun, bağlamı (context) doğru kurmakta.

4.1. Context Engineering Nedir?

Context engineering, modele yalnızca bir soru sormak değil, o sorunun etrafındaki iş kurallarını, veri setini, persona bilgilerini, hedefleri ve kısıtları da sistematik biçimde tanımlamaktır.

Örneğin bir e-ticaret şirketi için:

• Marka tonu: resmi mi, samimi mi, mizahi mi?
• Hedef kitle: 18-24 gençler mi, B2B karar vericiler mi?
• Fiyatlama stratejisi: premium mu, fiyat odaklı mı?
• Öncelikli KPI: satış mı, kayıt mı, sepet ortalaması mı?

Bu bilgileri modele sistem mesajı, persona tanımı veya uzun süreli bellek olarak vermeden, yalnızca "bana kampanya fikri üret" derseniz, çıkan sonuçlar yüzeysel kalır. Oysa güçlü bir context ile modeller, işe gerçekten yarayan çıktılar üretir.

4.2. Neden 3 Basit Agent, 1 Karmaşık Agent’tan Daha İyi?

Zerey’in bir diğer önemli vurgusu:

"3 basit agent, 1 karmaşık agent'tan daha etkilidir."

Bunun nedeni, karmaşıklığın çoğu zaman:

• Yönetimi zorlaştırması,
• Hata ayıklamayı imkansız hale getirmesi,
• Performans sorunlarına yol açması,
• Kullanıcı deneyimini zorlaştırmasıdır.

Buna karşılık, görevleri net tanımlanmış, sade ajanlar ile çalışmak çok daha verimlidir. Örneğin bir dijital pazarlama ekibi için:

• Agent 1: Anahtar kelime ve rakip analizi yapan analist agent,
• Agent 2: Reklam metni ve kreatif önerileri üreten kreatif agent,
• Agent 3: Performans sonuçlarını raporlayan ve optimizasyon öneren analitik agent.

Bu ajanlar, birbirinden bağımsız ama koordineli şekilde çalıştığında, tek bir "her şeyi yapan" süper karmaşık agent’tan daha az hatayla, daha yüksek hızda ve daha şeffaf şekilde sonuç üretir. Bu yaklaşım, "Chatbot ile Satış Otomasyonu Rehberi" yazısında bahsedilen çok adımlı otomasyon kurgularıyla da uyumlu.

---

5. Yapay Zeka Ajanları ile Önümüzdeki 12 Ayda Atılması Gereken 5 Adım

Zerey’in sunumunun odak noktası, önümüzdeki 12 ayda atılması gereken beş kritik adım. Bu adımlar, özellikle yapay zeka ajanlarıyla çalışmak isteyen şirketler ve profesyoneller için bir yol haritası niteliğinde.

5.1. Adım 1: Agent’lara Net Bir Kimlik ve Persona Tanımla

Zerey’e göre, agent’ların kimlik sahibi olması gerekiyor. Yani her agent’ın:

• Rolü,
• Uzmanlık alanı,
• Konuşma tonu,
• Hedefi,
• Yetki sınırları,

net bir şekilde tanımlanmalı.

Araştırmalar ve saha deneyimleri, net tanımlanmış personaların çıktı kalitesini %20-30 oranında artırdığını gösteriyor. Örneğin:

"Sen Türkiye’de faaliyet gösteren orta ölçekli bir B2B SaaS şirketinin performans pazarlama müdürüsün. Hedefin, 3 ay içinde MQL sayısını %25 artırmak. Bütçen sınırlı ve önceliğin ROI. Konuşma tonun analitik ve net."

Bu tür bir persona tanımı, modele yalnızca "bana kampanya öner" demekten çok daha iyi sonuç verir.

5.2. Adım 2: Karşıt Rollerde Agent’ları Birlikte Çalıştır

Zerey’in bir diğer önemli önerisi: karşıt rollerdeki agent’ların iş birliği yapması.

• Bir agent, öneri üreten rolünde olsun,
• Diğeri, eleştiren / hata bulan rolünde,
• Gerekirse üçüncü bir agent, hakem / moderatör rolünde.

Bu sayede sistem kendi içinde bir çeşit iç denetim mekanizması kurmuş olur. Örneğin:

• Agent A: "Yeni ürün lansmanı için kampanya stratejisi" üretir.
• Agent B: Bu stratejiyi; bütçe, risk, marka uyumu açısından eleştirir.
• Agent C: İki çıktıyı birleştirip optimize eder.

Bu yaklaşım, özellikle strateji, risk analizi ve finansal kararlar gibi kritik alanlarda hataları azaltır ve daha dengeli kararlar üretilmesini sağlar.

5.3. Adım 3: Negatif Örnekleri Sistematik Şekilde Kullanın

Zerey’in altını çizdiği bir diğer nokta, negatif örneklerin pozitiflerden daha etkili olduğu.

Yani modele sadece "şöyle yap" demek yerine, "böyle yapma" örnekleri vermek çoğu zaman daha net sonuçlar doğurur:

• "Bu tarz clickbait başlıklar kullanma" diyerek kötü örnek göstermek,
• "Aşağıdaki gibi hatalı analizlerden kaçın" diyerek yanlış rapor örnekleri sunmak,
• "Bu tondaki müşteri yanıtları marka imajımıza zarar verir" diyerek istenmeyen iletişim tarzlarını belirtmek.

Negatif örnekler, özellikle müşteri hizmetleri, reklam metinleri ve kurumsal iletişim alanlarında büyük fark yaratır. Müşteri iletişimini yapay zeka ile otomatikleştirmeyi düşünen işletmeler, yapay zeka musteri hizmetleri çözümlerinde bu yaklaşımı temel prensip olarak benimsemelidir.

5.4. Adım 4: Agent’lara Bilinçli Şekilde “Başarısızlık İzni” Ver

Zerey’e göre, agent’lara başarısızlık izni vermek, performansı artıran kritik bir tasarım kararı.

Bu ne anlama geliyor?

• Agent, kendini yeterince emin hissetmediğinde bunu söyleyebilmeli,
• "Bu konuda güven seviyem düşük" diyebilmeli,
• Gerekirse insana devretme (handoff) mekanizması çalıştırabilmeli.

Bu sayede sistem:

• Düşük güvenli çıktıları filtreleyebilir,
• Yüksek güvenli çıktıları öne çıkarabilir,
• Kullanıcıya daha şeffaf bir deneyim sunar.

Özellikle finans, hukuk, sağlık gibi kritik alanlarda bu yaklaşım, hem risk yönetimi hem de regülasyon uyumu açısından zorunlu hale geliyor. Nitekim "Anthropic Davasında Mahkeme Kararı" ve "Adobe, Zorlayıcı Abonelik İptalleri İçin 75 Milyon Dolar Ödeyecek" gibi davalar, yanlış tasarlanmış otomasyon ve kullanıcıya şeffaf olmayan süreçlerin nasıl ciddi yaptırımlara yol açabildiğini gösteriyor.

5.5. Adım 5: 12 Aylık Net Bir AI Yol Haritası Oluştur

Son adım, tüm bu prensipleri 12 aylık somut bir yol haritasına dönüştürmek.

Bu yol haritasında en azından şu başlıklar olmalı:

1. Use case seçimi: Nereden başlayacaksınız? Müşteri hizmetleri, pazarlama, iç süreç otomasyonu, raporlama?
2. Veri hazırlığı: Hangi verileriniz var, hangi formatta, ne kadar temiz?
3. Agent mimarisi: Kaç agent olacak, rolleri ne, aralarındaki iş akışı nasıl işleyecek?
4. Pilot proje: 3-6 ay içinde ölçülebilir bir pilot senaryo.
5. Ölçekleme planı: Başarılı olursa hangi departmanlara, hangi ülkelere, hangi ürünlere genişleyecek?
6. Risk ve uyum (compliance): KVKK, telif hakları, veri güvenliği, şeffaflık politikaları.

Bu plan, özellikle 2025 ve sonrasında hızlanması beklenen AI yatırımları için kritik. Zira "2025'in İlk Yarısında Türkiye'de Yatırım Hareketliliği" yazısında da gördüğümüz gibi, sermaye artık verimlilik ve otomasyon sağlayan iş modellerini daha fazla tercih ediyor.

---

6. Türkiye’deki İşletmeler İçin Ne Anlama Geliyor?

Yukarıdaki tüm başlıklar, Türkiye’deki işletmeler için bazı somut sonuçlar doğuruyor:

1. Erken hareket eden kazanacak: KOBİ’lerde AI kullanım oranı %7,5 seviyesindeyken, erken adapte olan şirketler sektörde ciddi fark yaratabilir.
2. Yalnızca "AI kullanıyoruz" demek yetmez: Önemli olan, AI’ın gerçekten ciro, maliyet, hız veya müşteri memnuniyeti üzerinde ölçülebilir etkiler yaratması.
3. Solo girişimciler için tarihi fırsat: Base44 örneğinde olduğu gibi, doğru niş alanı bulan tek bir kişi, AI destekli ürünlerle küresel ölçekte değer yaratabilir.
4. İç yetkinlik şart: Dış ajans ve danışmanlarla çalışmak değerli, ama şirket içinde en azından temel düzeyde AI okuryazarlığı ve agent tasarımı bilgisi olan bir çekirdek ekip kurulmalı.
5. Regülasyon ve etik boyutu göz ardı edilemez: Özellikle müşteri verisi işleyen sektörlerde, şeffaflık ve izin süreçleri titizlikle tasarlanmalı.

---

7. Gelecek Tahminleri: Yapay Zeka Ajanlarının Yükselişi

Yüce Zerey’in işaret ettiği eğilimler, önümüzdeki birkaç yıl içinde şu gelişmeleri işaret ediyor:

• Agent tabanlı sistemler standart olacak: Bugün tekil chatbot’lar konuşuyorsak, 2-3 yıl içinde çoklu agent ekosistemleri konuşuyor olacağız.
• İş tanımları yeniden şekillenecek: Analist, pazarlama uzmanı, müşteri temsilcisi gibi roller, yanında 2-3 farklı AI agent ile birlikte çalışan "orkestratör" rollere dönüşecek.
• Yatırımcı ilgisi artacak: AI altyapısı, agent platformları ve dikey odaklı (sektör spesifik) AI çözümleri, yatırımcıların radarında kalmaya devam edecek. Nitekim "Depthfirst, 80 Milyon Dolarlık Yatırım Aldı" ve "Cognichip, Yapay Zeka Destekli Çip Tasarımında 60 Milyon Dolar Yatırım Aldı" haberleri, altyapı tarafındaki iştahı açıkça gösteriyor.
• Tek kişilik dev şirketler mümkün hale gelecek: Dario Amodei’nin 2026 öngörüsü, yalnızca teorik bir iddia değil; Base44 ve benzeri örnekler bunun zeminini hazırlıyor.

---

8. Sonuç ve Değerlendirme: Yapay Zeka Çağında 5 Adımı Uygulayan Kazanır

Yüce Zerey’in analizleri, yapay zekanın sadece bir trend değil, iş yapma biçimimizi kökten değiştiren bir dalga olduğunu net biçimde ortaya koyuyor. Bu dalgada ayakta kalmak ve öne geçmek için:

1. Tarihi perspektifi anlayın: Al-Cezeri’den bugüne uzanan otomasyon hikayesinin neresinde olduğunuzu görün.
2. Gerçek kullanım ile vitrin arasındaki farkı kapatın: AI’ı sunumlardan çıkarıp, üretim ortamına taşıyın.
3. Solo girişim fırsatlarını ciddiye alın: Küçük sermayelerle, doğru niş ve doğru AI kurgusuyla çok büyük değerler yaratılabilir.
4. Context engineering’e odaklanın: Prompt’lara değil, bağlama yatırım yapın.
5. Önümüzdeki 12 ay için net bir agent stratejisi oluşturun: Kimlikli agent’lar, karşıt rollerde çalışan sistemler, negatif örnekler ve başarısızlık izni gibi prensipleri hayata geçirin.

Bu 5 adımı bugün planlayıp uygulamaya başlayan işletmeler, yalnızca maliyetlerini düşürmekle kalmayacak; yeni iş modelleri, yeni gelir kaynakları ve sürdürülebilir rekabet avantajı da elde edecek. Yapay zeka çağında, kazananlar teknolojiyi en çok konuşanlar değil, en iyi uygulayanlar olacak.