İşletmeler için yapay zeka çözümleri ve entegrasyonu

Bu alanda konuşurken kendi ürünümüzden konuşuyoruz: DexterGPT, yapay zekâ ile teknik SEO ve içerik üretimi yapan SaaS ürünümüz ve İTÜ Çekirdek'te 7.000 girişim arasından ilk 5 yapay zekâ girişimi arasına seçildi. Müşterilerimiz için de beslenme analizi, karakter sohbeti, quiz ve görsel üretim yapan yapay zekâ uygulamaları geliştirdik.

İşletmelerde yapay zekâ gerçekte nerede işe yarıyor?

Ortak nokta şu: yapay zekâ, girdisi dağınık işlerde güçlü. Müşteri aynı soruyu yüz farklı cümleyle soruyorsa, belge yüz sayfaysa, fotoğraftaki bilgiyi bir forma çevirmek gerekiyorsa. Girdi zaten düzenliyse yapay zekâ çoğu zaman gereksiz bir katman.

Otomasyon tarafında en çok karşılık veren işler küçük ama sık tekrar edenler: gelen e-postadaki sipariş bilgisini forma çevirmek, müşteri yorumlarını konuya göre ayırıp haftalık özet çıkarmak, görüşme notundan takip görevi oluşturmak. Bunlar tek başına büyük proje değil; mevcut CRM'inize ya da panelinize eklenen küçük adımlar olarak kurulduğunda ekibin her gün harcadığı dakikaları geri verir.

WhatsApp chatbot ve müşteri hizmetleri botu

En sık gelen talep bu ve en sık yanlış kurulan da bu. İyi bir chatbot her şeyi bilmeye çalışmaz; neyi bildiğini bilir. Kurduğumuz botlarda üç kural var: yalnız sizin verdiğiniz bilgiden yanıt verir, bilmediğinde uydurmak yerine "bunu ekibimize iletiyorum" der ve konuşmayı insana devretmenin yolu her zaman açıktır.

WhatsApp botu Meta'nın resmî WhatsApp Business Platform'u üzerinden çalışır. 1 Temmuz 2025'ten beri bu platformda ücret mesaj başına alınıyor: müşteri size yazdıktan sonraki 24 saatlik pencerede verdiğiniz yanıtlar ücretsiz; pencere dışında gönderilen pazarlama ve doğrulama şablonları ücretli. Yani müşterinin başlattığı bir destek botunun Meta tarafı gideri düşük, sizin başlattığınız kampanya mesajlarınınki değil. Bunun üstüne, bot yapay zekâ kullanıyorsa her yanıt için ayrıca model ücreti eklenir.

Her WhatsApp botunun yapay zekâya ihtiyacı yok. Randevu onayı, hatırlatma ve "siparişiniz kargoda" bildirimi kurala bağlı akışlardır; kendi ürünümüz AtlasPlan'da da randevu onayı ve hatırlatma mesajları otomatik gidiyor. Serbest soruları yanıtlamak istediğiniz noktada yapay zekâ devreye girer.

Kendi belgelerinizde arama (RAG) ve içerik üretimi

Büyük dil modelleri sizin şirketinizi tanımaz. Fiyat listenizi, iade politikanızı ya da teknik kataloğunuzu bilmesi için iki yol var: modeli yeniden eğitmek (pahalı ve çoğu işletme için gereksiz) ya da RAG (retrieval-augmented generation). RAG'da soru geldiğinde önce belgelerinizden ilgili parçalar bulunur, model yalnız o parçalara bakarak yanıt yazar. İki faydası var: belgeyi güncellediğinizde cevap da güncellenir ve her yanıtın hangi belgeden geldiği gösterilebilir.

RAG'ın kalitesini modelden çok belgelerin durumu belirler. Aynı konuda birbiriyle çelişen iki belge varsa bot da çelişkili yanıt verir. Bu yüzden projeye belgeleri gözden geçirerek başlıyoruz: hangisi güncel, hangisi arşiv, hangi bilgi yalnız bir çalışanın aklında. Bu temizlik çoğu zaman botun kendisi kadar fayda sağlıyor.

İçerik üretiminde ise yapay zekâ bir taslak yazarıdır, editör değil. DexterGPT'yi geliştirirken öğrendiğimiz şey: taslağı hızlandırmak kolay, kaliteyi korumak için insan kontrolü şart. Ürün açıklaması, kategori metni ya da reklam varyasyonu gibi çok sayıda benzer metin gereken işlerde zaman kazancı büyük; tek seferlik, marka sesini taşıyan metinlerde küçük.

Yapay zekâ ne zaman gerekmez?

Bu bölümü yazmamızın sebebi, gelen taleplerin bir kısmının yapay zekâ olmadan daha iyi çözülmesi. Şu durumlarda klasik yazılım öneriyoruz:

• Kuralı belli hesaplamalar: fiyat, vergi, prim, stok. Cevap her seferinde aynı olmalı; yapay zekâ olasılıkla çalışır.
• Sabit seçenekli akışlar: menüden seçilen randevu, sipariş durumu sorgulama. Butonlu bir akış daha hızlı ve ücretsizdir.
• Hatanın bedeli yüksek kararlar: kredi onayı, tıbbi teşhis, hukuki görüş. Burada yapay zekâ ancak insana öneri sunan bir yardımcı olabilir.
• Veri yoksa: belgeleriniz dağınık ya da güncel değilse bot da dağınık ve eski yanıt verir. Önce bilgi düzenlenmeli.
• Az sayıda tekrar: ayda birkaç kez yapılan bir işin otomasyonu, geliştirme maliyetini geri kazandırmaz.

Maliyet: token nedir, aylık gider nasıl hesaplanır?

Yapay zekâ projesinin maliyeti iki kalemdir. Birincisi geliştirme: arayüz, entegrasyonlar, istem (prompt) tasarımı, belge işleme ve test. İkincisi kullanım ücreti: model sağlayıcısına her istek için ödenen bedel. İkinci kalem çoğu teklifte yazılmıyor; oysa ürün kullanıldıkça büyüyen tek gider o.

Model sağlayıcıları ücreti token üzerinden alır. Token, modelin metni böldüğü küçük parçalardır — kabaca bir kelime ya da kelime parçası. Fiyatlar milyon token başına verilir ve iki ayrı kalem vardır: modele gönderdiğiniz metin (girdi) ve modelin yazdığı yanıt (çıktı). Örneğin Anthropic'in Ekim 2026 fiyat listesinde çıktı tokenı girdinin 5 katı fiyatlı; listedeki en ucuz modelle en pahalı model arasında girdi fiyatında yaklaşık 100 kat fark var. Toplu (acil olmayan) işlemlerde %50 indirim, tekrar eden sabit metinlerde önbellekleme indirimi sunuluyor.

Pratikte aylık gideri tahmin etmek için üç rakam yeter: günde kaç istek gelecek, bir istekte ortalama kaç token girdi gidecek, kaç token yanıt dönecek. Geliştirmeye başlamadan bu hesabı sizinle birlikte yapıyor, kullanım panelinde de aylık gideri izlenebilir kılıyoruz. Bir mobil uygulamaya yapay zekâ özelliği ekliyorsanız, ücretsiz kullanıcıların bu gideri nasıl etkileyeceğini de baştan planlamak gerekir; mobil uygulama fiyatları araştırmamızda yapay zekâ destekli uygulamalar ayrı bir bütçe bandında.

Veri gizliliği ve KVKK

Bir yapay zekâ modeline müşteri verisi gönderdiğinizde, o veri çoğu zaman yurt dışındaki bir sunucuda işlenir. Bu üç soruyu baştan cevaplamak gerekir:

• Veri modelin eğitiminde kullanılıyor mu? Tüketici sohbet uygulamalarıyla API aynı değil. Örneğin OpenAI, API üzerinden gönderilen verinin açıkça izin verilmedikçe model eğitiminde kullanılmadığını belirtiyor; kötüye kullanım denetimi için kayıtlar varsayılan olarak 30 güne kadar tutuluyor. Kullandığınız sağlayıcının güncel şartlarını sözleşme öncesinde kontrol ediyoruz.
• Yurt dışına aktarım: kişisel veri içeren isteklerde KVKK'nın 9. maddesi geçerli. Standart sözleşmeyle aktarımda sözleşmenin imzadan itibaren 5 iş günü içinde Kurum'a bildirilmesi gerekiyor.
• Gerekmeyen veriyi göndermeyin: ad, telefon ya da TC kimlik numarası yanıt için gerekli değilse modele gitmeden önce maskelenir. En güvenli veri, hiç gönderilmeyen veridir.

Hukuki değerlendirme için bir avukatla çalışmanızı öneriyoruz; biz maskeleme, kayıt tutma ve sağlayıcı seçimini teknik tarafta bu değerlendirmeye uygun kuruyoruz.

Hatalı yanıt (halüsinasyon) riski nasıl kontrol edilir?

Dil modelleri bazen kendinden emin bir dille yanlış bilgi üretir; buna halüsinasyon deniyor. Bu riski sıfırlamak mümkün değil, ama yönetmek mümkün. Uyguladığımız kontroller:

1. Kaynakla sınırlama: model yalnız verilen belgelerden yanıt verir; belgede yoksa "bilmiyorum" demesi istenir.
2. Kaynak gösterme: yanıtın altında hangi belgeden geldiği görünür, kullanıcı doğrulayabilir.
3. Test seti: yayından önce gerçek müşteri sorularından bir liste hazırlanır, bot bu listeyle sınanır; her istem değişikliğinde aynı test tekrarlanır.
4. Kural katmanı: fiyat, stok ve tarih gibi bilgiler modelin "hatırladığından" değil, doğrudan sisteminizden okunur.
5. İnsana devir: belirli konular ya da düşük güvenli yanıtlar otomatik olarak ekibe yönlendirilir.
6. Kayıt ve gözden geçirme: konuşmalar (kişisel veri maskelenerek) saklanır, haftalık örneklem okunur.

Süreç: yapay zekâ projesi nasıl ilerliyor?

Prototip aşamasını ayrı tutmamızın sebebi basit: yapay zekânın sizin verinizde ne kadar iyi çalışacağı ancak denenince görülür. Prototip beklentiyi karşılamıyorsa büyük bütçeye girmeden durabilirsiniz.

Bu hizmette ne teslim edilir?

• Canlıda çalışan çözüm: chatbot, arama, otomasyon ya da uygulama içi özellik
• Model sağlayıcı hesabı sizin adınıza; API anahtarları sizde
• İstem (prompt) metinleri ve yapılandırma — kaynak kodla birlikte
• Test seti ve son test sonuçları
• Kullanım ve maliyet izleme paneli
• Kişisel veri maskeleme ve kayıt tutma kuralları
• İnsana devir akışı ve ekip kullanım kılavuzu

Teklif alırken sorun

1. Model kullanım ücreti teklife dahil mi, kime faturalanıyor?
2. Aylık kullanım gideri için hangi varsayımlarla tahmin yapıldı?
3. Hangi model kullanılıyor, gerektiğinde başka bir modele geçilebilir mi?
4. Verim modelin eğitiminde kullanılıyor mu, hangi ülkede işleniyor?
5. Bot bilmediği soruda ne yapıyor? Bunu bana test ettirebilir misiniz?
6. İstem metinleri ve kaynak kod bana mı ait?
7. Yayından sonra kalite nasıl ölçülüyor?

Neden AppFellas?

Yapay zekâ ürününü yalnız müşteri için değil kendimiz için de kurduk ve işletiyoruz (DexterGPT). Bu yüzden maliyet ve kalite kontrolünü teorik değil, pratik olarak konuşuyoruz. 2013'ten beri yazılım geliştiren 16 kişilik ekibimizle mobil uygulama, web ve özel yazılım tarafını da aynı çatı altında tutuyoruz; yapay zekâ özelliği ayrı bir yerde değil, ürünün içinde çalışıyor. Projenizi konuşmak için iletişim sayfasından yazabilirsiniz; uygulama yapmak istiyorsanız mobil uygulama geliştirme sayfamıza da bakın.