KOBİ’lerde Yapay Zekâ: Değer, Risk ve Kontrol

Yapay Zekâ Yönetişiminden Dijital Güvene
Filiz Eser | Ekim 2026

KOBİ’lerde yapay zekâ kullanımı; teklif hazırlama, müşteri taleplerini inceleme ve teknik dokümanları değerlendirme gibi işlerde zaman kazandırabilir. Bu kazancın işletme performansına yansıması ise doğru kullanım alanını seçmeye, riskleri değerlendirmeye ve gerekli kontrolleri günlük süreçlere yerleştirmeye bağlıdır.

Bir taslağın birkaç dakikada hazırlanması, işin tamamının daha verimli yürüdüğünü göstermez. Çıktıyı kontrol etmek, eksikleri tamamlamak ve hataları düzeltmek için harcanan emek de hesabın içindedir.

Bu nedenle temel sorumuz şu:

Yapay zekâyı hangi işte, hangi fayda için ve hangi kontrol altında kullanıyoruz?

Bu yazıda KOBİ sahipleri ve yöneticileri için yapay zekâ kullanımını değer, risk ve kontrol açısından ele alıyor; teklif hazırlama örneği ve yedi soruluk kontrol listesiyle somutlaştırıyorum.

KOBİ’lerde yapay zekâ hangi işlerde değer üretebilir?

Yapay zekâ kullanımına başlarken iyileştirmek istediğimiz işi tanımlamalıyız.

Teklifler geç mi hazırlanıyor? Müşteri talepleri eksik mi anlaşılıyor? Aynı bilgiler farklı dosyalara tekrar tekrar mı giriliyor? Teknik dokümanların incelenmesi fazla zaman mı alıyor?

Sorun netleştiğinde, yapay zekânın katkısını değerlendirmek de kolaylaşır.

Örneğin teklif hazırlama sürecinde ilk taslağın hazırlanma süresiyle birlikte şunlara da bakmalıyız:

• Kontrol ve düzeltme için harcanan süre,

• Eksik veya yanlış bilgi nedeniyle tekrarlanan işler,

• Müşteriye gönderilen teklifin doğruluğu ve zamanında tamamlanması.

Gerçek kazanç, doğru ve kullanılabilir sonuca daha az toplam emekle ulaşabilmektir.

OECD’nin 2025’te yayımladığı Generative AI and the SME Workforce araştırması, 2024 sonunda yedi ülkede 5.000’den fazla KOBİ ile yapılan anketlere dayanıyor. Araştırma, üretken yapay zekâ kullanımını verimlilik, çalışan becerileri ve işletmelerin hazırlık düzeyiyle birlikte inceliyor. Türkiye araştırmanın örnekleminde bulunmuyor; bulguları kendi işletmelerimiz açısından değerlendirirken bu kapsamı dikkate almalıyız.

KOBİ’ler için önerim, başlangıçta tek bir kullanım alanı seçmek ve mevcut durumu ölçmek. Öncesini bilmediğimiz bir işte, iyileşmenin ne kadarını yapay zekâya borçlu olduğumuzu anlamak zorlaşır.

Yapay zekâ kullanımında hangi riskler değerlendirilmelidir?

Her yapay zekâ kullanımının işletme üzerindeki etkisi aynı değildir.

İç kullanım için hazırlanan toplantı özetindeki bir eksiklik ile müşteriye gönderilen teknik teklifteki yanlış özellik farklı sonuçlar doğurabilir. Kontrol düzeyini belirlerken çıktının kullanım yerine ve hatanın etkisine bakmalıyız.

Başlangıç için üç soru yol göstericidir:

1. Veri: Hangi bilgileri paylaşıyoruz?

Araca müşteri, çalışan veya işletmeye ait hassas bilgiler aktarıyor muyuz? Kullanılan aracın veri işleme koşulları, işletmenin bilgi güvenliği kurallarıyla uyumlu mu?

2. Çıktı: Yanlış sonuç neye yol açabilir?

Yanlış ya da eksik bir bilgi; ek maliyet, gecikme, hatalı üretim veya müşteri güveninin kaybı gibi hangi sonuçları doğurabilir?

3. Yetki: Yapay zekâ hangi işlemleri yapabiliyor?

Yapay zekâ taslak mı hazırlıyor, yoksa kayıt değiştirebiliyor, işlem başlatabiliyor veya dışarıya bilgi gönderebiliyor mu?

Araçlara işlem yapma yetkisi verildiğinde kontrol ihtiyacı da genişler. Hangi işlemin hangi sınırda yapılabileceğini, ne zaman insan onayı gerektiğini ve kullanımın nasıl durdurulacağını önceden belirlemeliyiz.

NIST AI Risk Management Framework, yapay zekânın sınırlarının anlaşılmasını ve insan gözetimi süreçlerinin tanımlanmasını ele alır. KOBİ açısından bunun günlük işteki karşılığı şudur:

Hangi çıktıyı, hangi koşullarda kullanabiliriz; nerede uzman doğrulaması gerekir?

KOBİ’ler için yapay zekâ yönetişimi nasıl kurulabilir?

Yapay zekâ yönetişimi; kullanım amacı, sorumluluklar, yetki sınırları ve kontrollerle ilgili kararların belirlenmesini ve izlenmesini kapsar.

Kontrollerin çalışanların uygulayabileceği kadar açık ve işin riskine uygun olması gerekir. Her kullanım alanında şu kararlar net olmalıdır:

İşin ve sonucunun sorumlusu kim?

Hangi araçlar ve veri kaynakları kullanılabilir?

Hangi bilgiler paylaşılabilir?

Çıktıyı kim, neye göre doğrular?

Hangi durumda kullanım durdurulur ve konu kime iletilir?

ISO/IEC 42001, kuruluşlarda yapay zekâ yönetim sisteminin kurulması, uygulanması, sürdürülmesi ve sürekli iyileştirilmesi için gereklilikler ve rehberlik sunar.

Bu yaklaşımı KOBİ ölçeğinde uygulamaya dönüştürürken yapay zekâ kullanımını mevcut teklif, satış, üretim veya kalite sürecine bağlayabiliriz. Böylece amaç, sorumluluk ve sonuç aynı işleyiş içinde takip edilir.

Benim “KOBİ’ler için Uygulanabilir Yönetim Sistemi” — Minimum Viable Management System (MVMS) — yaklaşımımın temelinde de bu anlayış var:

Az sistem. Net kontrol. Yüksek verim.

Uygulama örneği: Yapay zekâ ile teklif hazırlama

Bir üretim işletmesinin müşteri taleplerinden teklif taslağı hazırlamak için yapay zekâ kullandığını düşünelim. Aşağıdaki senaryo, yaklaşımı somutlaştırmak amacıyla oluşturulmuştur.

Değer hedefi: Teklif hazırlama süresini azaltmak ve müşteri taleplerinin gözden kaçmasını önlemek.

Başlıca riskler: Talepte bulunmayan bir teknik özelliğin eklenmesi, güncel olmayan fiyatın kullanılması veya uygun olmayan teslim süresinin önerilmesi.

Kontroller: Taslak, güncel ve onaylı ürün bilgileriyle hazırlanır. Belirsiz veya eksik bilgiler tahmin edilmek yerine işaretlenir. Teknik uygunluk, fiyat ve teslim koşulları yetkili kişilerce doğrulanır. Müşteriye gönderim insan onayından sonra yapılır.

İzleme: Hazırlama ve kontrol süreleri birlikte ölçülür. Yanlış veya eksik bilgiler nedeniyle yapılan düzeltmeler kaydedilir.

Bu kayıtlar bir sonraki yönetim kararına dayanak olur: Kullanımı genişletmek mi gerekiyor, verileri güncellemek mi, kontrolü güçlendirmek mi?

Dijital güven için kontrollerin çalıştığını göstermek

Dijital güveni burada, teknolojinin sonuçlarına hangi koşullarda güvenebileceğimizi bilmek ve bu güvenin dayanağını gösterebilmek açısından ele alıyorum.

“Çıktıları kontrol ediyoruz” demek bir başlangıçtır. Kontrolün kim tarafından, hangi ölçütlerle yapıldığını ve bulunan hatalara nasıl müdahale edildiğini gösterebildiğimizde bu güven güçlenir.

Teklif örneğinde bunun dayanağı; kullanılan ürün bilgisinin sürümü, onay kaydı, düzeltme nedenleri ve süreç ölçümleri olabilir. Tutulacak kayıtların kapsamını ise işin riski ve bilgi güvenliği ihtiyaçları belirlemelidir.

Yapay zekâdan sürdürülebilir değer üretmek, faydayı ölçmek ve sorumluluğu görünür kılmakla mümkün olur.

İşletmeniz için yapay zekâ kontrol listesi: 7 soru

Yapay zekâyı kullandığınız tek bir işi seçin ve şu soruları birlikte değerlendirin:

1. Amaç: İyileştirmek istediğimiz iş ve beklediğimiz fayda açık mı?

2. Ölçüm: Kazancı, kontrol ve düzeltme emeğini de kapsayarak ölçüyor muyuz?

3. Veri: Kullanılabilecek araçlar ve paylaşılabilecek bilgiler belli mi?

4. Risk: Yanlış çıktının kimi, nasıl etkileyeceğini değerlendirdik mi?

5. Sorumluluk: Sonucu doğrulayacak kişi ve onay gerektiren işlemler belli mi?

6. Müdahale: Hata veya beklenmeyen işlem olduğunda ne yapacağımızı biliyor muyuz?

7. Kanıt: Kontrollerin işe yaradığını gösterecek ölçüm ve kayıtlarımız var mı?

Bu sorular ilk uygulama görüşmesini başlatmak için hazırlanmıştır; kapsamlı bir standart uygunluk değerlendirmesi değildir.

Başlangıç için her soruya bir puan vermek yerine, cevabınızı destekleyen somut bir örnek arayın. Örnek gösteremediğiniz nokta, iyileştirme için önceliğiniz olabilir.

Peki, işletmenizde yapay zekâyla hızlandırdığınız bir iş için şu üç sorunun cevabı net mi?

Hangi değeri üretiyoruz? Hangi riski alıyoruz? Hangi kontrolle güven sağlıyoruz?

İşletmenizde ilk adımı atın

Yapay zekâ kullanımınızı süreç, sorumluluk ve risk yönetimiyle birlikte değerlendirmek için ISO/IEC 42001 eğitimleri ve KOBİ’ler için Uygulanabilir Yönetim Sistemi danışmanlığı hakkında bilgi alabilirsiniz.

Eğitim ve danışmanlık hizmetlerini inceleyin 

Yapay zekâ yönetişimi, süreç iyileştirme ve dijital güven üzerine yeni yazılar için LinkedIn’de yayımladığım “IT Analist – Verimlilik için Dönüşüm!” bültenine abone olabilirsiniz.

LinkedIn bültenine abone olun 

Kaynaklar

• OECD — Generative AI and the SME Workforce: New Survey Evidence (2025)

• NIST — AI Risk Management Framework, Core

• ISO — ISO/IEC 42001:2023, Yapay Zekâ Yönetim Sistemi