Yapay Zekâ Çağında IT Yöneticisi Olmak: Sunucu Yönetmek Yetmiyor, Güven Yönetmek Gerekiyor

Bir sistem odasına girdiğinizde herkes aynı şeyi görmez.

Teknik ekip sunucuları, switch’leri, firewall’ları ve kabloları görür. Finans departmanı lisans ve yatırım maliyetini düşünür. Operasyon tarafı, sistemlerin işlerini kesintisiz sürdürebilmesini ister. Üst yönetim ise yapılan teknoloji yatırımının şirkete ne kazandıracağını bilmek ister.

IT yöneticisinin görevi, bütün bu farklı bakış açılarını aynı masada buluşturmaktır.

Yıllardır bilgi teknolojileri alanında çalışırken şunu net biçimde gördüm: Bir IT yöneticisini değerli yapan yalnızca teknik bilgisi değildir. Asıl fark; teknolojiyi iş hedefleriyle birleştirebilmek, riskleri yönetebilmek, doğru yatırımı savunabilmek ve ekibine güven verebilmektir.

Bugün yapay zekâ, bulut sistemleri, siber güvenlik, veri analitiği ve otomasyon konuşuyoruz. Ancak şirketlerde değişmeyen temel bir gerçek var:

Teknoloji, iş problemini çözmediği sürece yalnızca maliyettir.

Türkiye’de IT Yöneticiliğinin Gerçek Tablosu

Türkiye’de IT yönetmek çoğu zaman ideal şartlarda hazırlanmış teknoloji sunumlarına benzemez.

Bir tarafta yenilenmesi gereken eski sistemler, diğer tarafta sınırlı yatırım bütçeleri vardır. Lisans maliyetleri, tedarik süreleri, nitelikli personel ihtiyacı, kullanıcı alışkanlıkları ve kesintiye tahammülü olmayan operasyonlar aynı anda yönetilmek zorundadır.

Üstelik IT departmanından genellikle şu dört beklenti aynı anda gelir:

• Sistemler hiç durmasın.
• Güvenlik açığı oluşmasın.
• Yeni projeler hızlı devreye alınsın.
• Maliyetler düşürülsün.

Bu beklentilerin tamamı kendi içinde anlaşılabilir. Fakat hepsini aynı anda gerçekleştirebilmek yalnızca teknik uzmanlık değil; önceliklendirme, iletişim, risk yönetimi ve liderlik gerektirir.

Yapay zekâ tarafında da benzer bir tablo görüyoruz. TÜİK’in 2025 verilerine göre Türkiye’de yapay zekâ kullandığını belirten girişimlerin oranı yüzde 7,5 seviyesinde. Bu oran, 250 ve üzeri çalışanı bulunan şirketlerde yüzde 24,1’e çıkıyor. Yapay zekâ kullanmayı düşünen ancak henüz kullanmayan şirketlerin en fazla belirttiği sorun ise yüzde 74,2 ile kurum içindeki uzmanlık eksikliği.

Bu rakamların bana söylediği şey şu:

Türkiye’de şirketlerin asıl sorunu teknolojiye erişememek değil, teknolojiyi doğru iş problemine bağlayacak yetkinliği oluşturamamaktır.

1. Yeni Nesil IT Yöneticisinin En Önemli Sorusu: “Neden?”

IT departmanlarında yıllarca “Nasıl yaparız?” sorusuna odaklandık.

• Sunucuyu nasıl kurarız?
• Ağı nasıl böleriz?
• Yedeklemeyi nasıl yapılandırırız?
• Kullanıcı erişimini nasıl sınırlandırırız?

Bunların tamamı hâlâ önemli. Fakat yapay zekâ ve otomasyon çağında teknik bir yöneticinin öncelikle sorması gereken soru artık şudur:

Bunu neden yapıyoruz?

Bir departman yeni bir yapay zekâ uygulaması talep ettiğinde ilk sorumuz “Hangi ürünü satın alalım?” olmamalıdır.

Önce şunları anlamamız gerekir:

• Hangi iş problemi çözülmek isteniyor?
• Mevcut süreç neden yetersiz?
• Projenin ölçülebilir hedefi nedir?
• Başarılı olduğunu nasıl anlayacağız?
• Hangi veriler kullanılacak?
• Yanlış sonuç üretildiğinde sorumluluk kimde olacak?
• Aynı problem daha basit bir otomasyonla çözülebilir mi?

Doğru sorular sorulmadan alınan teknoloji, zaman içerisinde kullanılmayan başka bir lisansa dönüşür.

Meraklı olmak her yeni ürünü denemek değildir. Meraklı olmak; teknoloji ile iş sonucu arasındaki ilişkiyi araştırmaktır.

2. IT Yöneticisi İşin Nasıl Yürüdüğünü Bilmek Zorundadır

Teknoloji tek başına hiçbir departmanı dönüştüremez.

Bir IT yöneticisi finans süreçlerini, satın alma akışını, operasyonun nasıl ilerlediğini, müşterinin hangi noktada hizmet aldığını ve çalışanların hangi sistemlere bağımlı olduğunu bilmelidir.

Örneğin bir otelde yalnızca PMS sistemini teknik olarak bilmek yeterli değildir. Rezervasyonun nasıl açıldığını, misafir girişinin nasıl yapıldığını, oda durumlarının nasıl güncellendiğini, POS işlemlerinin nasıl aktarıldığını ve olası bir kesintinin operasyonu nasıl etkileyeceğini de anlamak gerekir.

Benzer şekilde üretim, sağlık, perakende veya lojistik sektöründe çalışan bir IT yöneticisi de sadece uygulamanın sunucusunu değil, uygulamanın bağlı olduğu iş sürecini öğrenmelidir.

Çünkü iş süreci bilinmeden yapılan teknik değişikliklerin önemli bir bölümü, beklenmeyen operasyonel sonuçlar doğurur.

Bu nedenle yeni nesil IT yöneticiliğini şu şekilde tanımlıyorum:

İşletmenin problemini anlayan, teknolojiyi bu probleme göre konumlandıran ve sonucu ölçülebilir hale getiren liderlik rolü.

IT departmanı şirketin destek birimi olmanın ötesine geçmelidir. Ancak bunu yapabilmesi için şirketin nasıl para kazandığını, nerede zaman kaybettiğini ve hangi risklerle karşı karşıya olduğunu bilmesi gerekir.

3. Yapay Zekâ Projesi Satın Almakla Değil, Veriyle Başlar

Bugün birçok şirket üretken yapay zekâ, yapay zekâ ajanları, Copilot çözümleri ve otomasyon platformlarını araştırıyor.

Ancak yapay zekâ projelerinin önünde çoğu zaman teknoloji değil, veri problemi bulunuyor.

Şirket içerisindeki bilgiler farklı Excel dosyalarında, e-postalarda, ERP sistemlerinde, paylaşımlı klasörlerde ve çalışanların kişisel arşivlerinde tutuluyorsa yapay zekâdan güvenilir sonuç beklemek gerçekçi değildir.

Yapay zekâ yalnızca erişebildiği veri kadar faydalıdır.

Bu nedenle bir AI projesinden önce şu çalışmalar yapılmalıdır:

Veri envanteri çıkarılmalı

Şirketin hangi veriye sahip olduğu, bu verinin nerede tutulduğu, kimin erişebildiği ve ne kadar süreyle saklandığı belirlenmelidir.

Veri sahipliği tanımlanmalı

Her veri IT departmanının verisi değildir. Finans verisinin sahibi finans, insan kaynakları verisinin sahibi insan kaynakları olmalıdır. IT ise verinin güvenli, erişilebilir ve izlenebilir şekilde yönetilmesini sağlamalıdır.

Veri kalitesi ölçülmeli

Eksik, güncel olmayan veya birbiriyle çelişen kayıtlarla çalışan yapay zekâ sistemi de hatalı sonuç üretecektir.

Yetkilendirme modeli kurulmalı

Bir çalışanın normal şartlarda erişemediği bilgiyi yapay zekâ üzerinden sorgulayabilmesi ciddi bir güvenlik açığıdır.

Başarı kriteri belirlenmeli

“Yapay zekâ kullanıyoruz” bir başarı kriteri değildir. İşlem süresinin yüzde kaç azaldığı, kaç saatlik iş gücü tasarrufu sağlandığı veya hata oranının ne kadar düştüğü ölçülmelidir.

Başka bir ifadeyle:

Yapay zekâ projesi, önce veri yönetimi projesidir.

4. Yapay Zekâ Kullanımında KVKK ve Veri Güvenliği Sonradan Düşünülemez

Çalışanların üretken yapay zekâ araçlarını kullanmasını tamamen yasaklamak çoğu şirkette uygulanabilir bir yöntem değildir.

Çalışan, işini hızlandıran aracı bir şekilde kullanacaktır. Burada IT yönetiminin görevi yalnızca engellemek değil; güvenli kullanım alanı oluşturmaktır.

Şirket içinde açık ve anlaşılır bir yapay zekâ kullanım politikası bulunmalıdır.

Bu politika en azından şu konuları kapsamalıdır:

• Hangi yapay zekâ araçlarının kullanılabileceği
• Hangi verilerin bu sistemlere girilemeyeceği
• Müşteri ve çalışan bilgilerinin nasıl korunacağı
• Ticari sırların ve şirket dokümanlarının kullanım sınırları
• Yapay zekâ çıktılarının kim tarafından kontrol edileceği
• Hatalı veya ayrımcı sonuçların nasıl raporlanacağı
• Kullanım kayıtlarının nasıl tutulacağı
• Tedarikçi ve yurt dışı veri aktarımı değerlendirmeleri

Özellikle müşteri bilgileri, çalışan kayıtları, kimlik verileri, sağlık bilgileri, finansal kayıtlar, sözleşmeler ve erişim bilgileri kontrolsüz biçimde genel kullanıma açık yapay zekâ araçlarına yüklenmemelidir.

Kişisel Verileri Koruma Kurumu da üretken yapay zekâ sistemlerinin insan merkezli, şeffaf, denetlenebilir ve hukuka uygun şekilde kullanılmasının önemini vurguluyor. Ayrıca veri işleme faaliyetlerinin yalnızca kullanım anında değil, sistemin bütün yaşam döngüsü boyunca değerlendirilmesi gerektiğini belirtiyor.

Bu nedenle güvenlik değerlendirmesi, proje tamamlandıktan sonra yapılacak son kontrol değildir.

Güvenlik ve KVKK uyumu, projenin tasarım aşamasında başlamalıdır.

Yapay Zekâ Kullanımında Onay ve Kontrol Matrisi

Bir şirketin “hangi yapay zekâ kullanımı kimin onayını gerektirir” sorusuna net cevabı yoksa, karar süreci proje proje yeniden icat edilir. Aşağıdaki matris bu kararı iki boyuta indirger: verinin hassasiyeti ve kararın geri alınabilirliği.

Boyut 1 — Veri Hassasiyeti

Seviye	Tanım	Örnek
Genel	Herkese açık veya şirket prosedürü niteliğinde	Bilgi bankası, genel prosedür metinleri
İç Kullanım	Şirket içi, gizli olmayan operasyonel veri	Talep kayıtları, envanter listeleri
Hassas (KVKK)	Kişisel veri içeren kayıtlar	Müşteri/çalışan iletişim bilgisi, özlük verisi
Kritik	Yüksek hassasiyetli veya yasal riski yüksek veri	Sağlık verisi, finansal kayıt, sözleşme, erişim/kimlik bilgisi

Boyut 2 — Kararın Etkisi

Seviye	Tanım	Örnek
Bilgilendirme	Yapay zekâ öneri/özet üretir, insan karar verir	Rapor özeti, ilk yanıt taslağı
Operasyonel	Düşük etkili, kolayca düzeltilebilir işlem	Talep sınıflandırma, yönlendirme
Finansal/Yasal	Sonucun maliyeti veya yasal etkisi var	Fatura kontrolü, sözleşme karşılaştırma
Geri Alınamaz	Doğrudan ve kalıcı etki yaratan işlem	Hesap kapatma, yetki değişikliği, ödeme onayı

Matris — Onay Mercii

	Bilgilendirme	Operasyonel	Finansal/Yasal	Geri Alınamaz
Genel	Serbest kullanım	Ekip lideri onayı	IT + ilgili departman	IT yönetimi + hukuk
İç Kullanım	Ekip lideri onayı	IT onayı	IT + ilgili departman + hukuk	Üst yönetim onayı
Hassas (KVKK)	IT + veri sahibi	IT + veri sahibi + hukuk	Üst yönetim + hukuk	Yasak / yalnızca insan kararı
Kritik	IT + hukuk + veri sahibi	Üst yönetim + hukuk	Üst yönetim + hukuk	Yasak / yalnızca insan kararı

Okuma kuralı: Matriste “yalnızca insan kararı” yazan alanlarda yapay zekâ, en fazla analiz, özet veya öneri üretebilir. Ancak sistem doğrudan işlem yapamaz; nihai karar ve uygulama yetkili bir kişi tarafından verilmelidir.

Matriste “yasak” yazan alanlarda ise ilgili veri veya işlem için yapay zekâ kullanılmamalıdır.

Bu matrisin amacı, projenin daha tasarım aşamasında hangi kullanımın serbest olduğunu, hangi kullanımın onay gerektirdiğini ve hangi kullanımın tamamen yasak olduğunu netleştirmektir. Böylece proje ilerlerken yetki ve sorumluluk tartışmaları en aza indirilir.

İsterseniz matristeki hücreleri de şu üç ifadeyle sadeleştirin:

• Serbest kullanım
• Onaylı kullanım
• Yalnızca insan kararı
• Tamamen yasak

5. Yetki İnsanları Çalıştırabilir, Güven İnsanları Harekete Geçirir

Eskiden organizasyonlar daha hiyerarşik çalışıyordu. Yönetici karar verir, ekip uygular ve sonuç raporlanırdı.

Bugün işler daha fazla departmanlar arası ilerliyor.

Bir yapay zekâ veya dijital dönüşüm projesinde IT, insan kaynakları, hukuk, finans, satın alma, operasyon ve üst yönetim aynı masada bulunabiliyor. Bu kişilerin çoğu doğrudan IT müdürüne bağlı değil. Dolayısıyla yalnızca unvan üzerinden proje yönetmek mümkün değil. Bir IT yöneticisinin çevresinde doğal bir güven oluşturması gerekir.

İnsanlar şu konularda size inanmalıdır:

• Bilmediğiniz şeyi biliyormuş gibi davranmayacağınıza
• Verdiğiniz sözü takip edeceğinize
• Sorun çıktığında saklamayacağınıza
• Teknik ekibi gereksiz baskı altında bırakmayacağınıza
• Başarıyı ekiple paylaşacağınıza
• Hata olduğunda sorumluluktan kaçmayacağınıza
• Bütçeyi şirketin parası olduğunu bilerek kullanacağınıza

Benim açımdan liderlik, insanlara “Ben yöneticiyim, bunu yapın” demek değildir.

Liderlik; neden yapılması gerektiğini anlatmak, doğru çalışma ortamını oluşturmak ve insanlar zorlandığında sorumluluğu paylaşmaktır.

6. Üst Yönetime Teknik Detay Değil, Karar Sunulmalıdır

IT yöneticilerinin yaptığı en yaygın iletişim hatalarından biri, yönetim toplantısını teknik toplantıya çevirmektir.

Üst yönetimin her zaman VLAN yapısını, replikasyon mimarisini, firewall kuralını veya yedekleme zincirini bilmesi gerekmez.

Fakat şu soruların cevabını bilmek ister:

• Problem nedir?
• Şirkete etkisi nedir?
• Önerilen çözüm nedir?
• Maliyeti ve riski nedir?
• Hangi kararı vermeleri gerekiyor?

Bir teknoloji yatırımını tek slaytta anlatamıyorsak konu üzerinde yeterince düşünmemiş olabiliriz.

Ben yönetim sunumlarında mümkün olduğunca şu yapıyı kullanmayı tercih ederim:

Mevcut durum

Bugün hangi sorun veya risk bulunuyor?

İş etkisi

Bu durum operasyonu, geliri, müşteri deneyimini veya şirket itibarını nasıl etkiliyor?

Öneri

Hangi çözümü uygulamak istiyoruz?

Maliyet ve risk

Ne kadar kaynak gerekiyor ve proje sırasında hangi risklerle karşılaşabiliriz?

Ölçüm

Yatırımın başarılı olduğunu hangi sonuçlarla göstereceğiz?

Teknik detaylar gerektiğinde ayrıca sunulabilir. Ancak karar verecek kişiye önce kararın kendisi verilmelidir.

7. Yapay Zekâ Ekipleri Küçültmekten Önce Yetkinlikleri Değiştirecek

Yapay zekâ bazı tekrarlayan görevleri ortadan kaldıracak veya ciddi ölçüde azaltacaktır.

Log analizi, dokümantasyon, temel kullanıcı yönlendirmeleri, kod taslakları, rapor hazırlama ve standart kontroller giderek daha fazla otomatikleşiyor.

Ancak burada başka bir risk ortaya çıkıyor.

Bugünün kıdemli uzmanları, geçmişte temel görevleri yaparak yetişti. Kullanıcı desteği verdiler, hata kayıtlarını incelediler, sistem kurdular, sorun çözdüler ve zaman içerisinde tecrübe kazandılar.

Başlangıç seviyesindeki bütün görevleri yapay zekâya devredersek geleceğin uzmanları bu tecrübeyi nerede kazanacak?

Bu nedenle IT yöneticilerinin yeni bir gelişim modeli oluşturması gerekiyor.

Genç çalışanlara yalnızca görevi yaptırmak yerine şunları öğretmeliyiz:

• Yapay zekâ çıktısını nasıl doğrulayacağını
• Doğru soruyu nasıl soracağını
• Bir sistemin neden o şekilde çalıştığını
• Hatanın kök nedenini nasıl araştıracağını
• Güvenlik ve iş sürekliliği etkisini nasıl değerlendireceğini
• Teknik sonucu iş dilinde nasıl anlatacağını

Yapay zekâyı çalışanların yerine konumlandırmak yerine, çalışanların kapasitesini artıran bir yardımcı olarak kullanmalıyız.

8. Dönüşüm Büyük Projelerle Değil, Kontrollü Pilotlarla Başlamalıdır

Türkiye’de şirketlerin önemli bir bölümü için milyonlarca liralık dönüşüm projelerine bir anda başlamak gerçekçi olmayabilir. Bu nedenle küçük fakat ölçülebilir pilotlar daha sağlıklı sonuç verir.

Örneğin yapay zekâ ilk aşamada şu alanlarda değerlendirilebilir:

• İç prosedürlerde arama yapılması
• IT destek taleplerinin sınıflandırılması
• Tekrarlayan olaylar için çözüm önerileri hazırlanması
• Log kayıtlarının ön değerlendirmesi
• Toplantı notlarının aksiyonlara dönüştürülmesi
• Sözleşme ve doküman karşılaştırması
• Operasyonel raporların özetlenmesi
• Bilgi bankası içeriklerinin hazırlanması

Gerçekçi Bir Pilot Senaryo: IT Destek Taleplerinin Ön Sınıflandırılması

Yaklaşık 250 çalışanı bulunan bir işletmede IT ekibine her ay yüzlerce destek talebi ulaştığını düşünelim. Bu taleplerin önemli bir bölümü parola sıfırlama, e-posta erişimi, yazıcı problemleri, kablosuz ağ bağlantısı, kullanıcı yetkilendirmesi ve sık karşılaşılan uygulama hatalarından oluşabilir.

Bu senaryoda amaç, yapay zekânın kullanıcı hesaplarında doğrudan işlem yapması veya teknik ekip yerine karar vermesi değildir. İlk pilotta yapay zekâ yalnızca gelen destek taleplerinin ön değerlendirmesinde kullanılır.

Sistem şu görevleri yerine getirebilir:

• Talebin hangi konuya ait olduğunu belirleyebilir.
• Talebi doğru destek kategorisine yönlendirebilir.
• Öncelik seviyesi için öneri oluşturabilir.
• Bilgi bankasındaki ilgili çözüm kaydını bulabilir.
• Teknik uzmanın kontrol etmesi için ilk yanıt taslağı hazırlayabilir.
• Güvenlik, yetkilendirme veya veri kaybı riski taşıyan talepleri doğrudan insana yönlendirebilir.

Pilotun tüm şirkette başlatılması yerine, ilk aşamada tek bir departman veya sınırlı bir kullanıcı grubu seçilebilir. Örneğin 30 kullanıcı ve iki kişilik bir IT destek ekibiyle dört haftalık bir pilot uygulanabilir.

Pilot başlamadan önce başarı kriterleri açıkça belirlenmelidir:

• İlk yanıt süresi ne kadar azalacak?
• Taleplerin doğru sınıflandırılma oranı ne olacak?
• Teknik ekibin tekrarlayan işlere ayırdığı süre ne kadar düşecek?
• Kullanıcı memnuniyetinde değişim olacak mı?
• Yapay zekâ tarafından hazırlanan yanıtların ne kadarı uzman düzeltmesi gerektirecek?
• Güvenlik veya yanlış yetkilendirme riski oluşacak mı?

Pilot süresince yapay zekâ tarafından hazırlanan yanıtların doğrudan kullanıcıya gönderilmemesi gerekir. Son kontrol ve onay teknik uzman tarafından verilmelidir. Hatalı öneriler de sistemin geliştirilmesi amacıyla kayıt altına alınmalıdır.

Dört haftalık sürenin sonunda yönetim için sade bir değerlendirme hazırlanabilir:

• Kaç talep işlendi?
• Kaçı doğru sınıflandırıldı?
• Ortalama ilk yanıt süresi nasıl değişti?
• Teknik ekip yaklaşık ne kadar zaman kazandı?
• Kullanıcı memnuniyetinde artış oldu mu?
• Hangi güvenlik veya veri kalitesi sorunları görüldü?
• Pilot yaygınlaştırılmalı mı, revize mi edilmeli, yoksa durdurulmalı mı?

Pilotun Sayısal Değerlendirmesi (İllüstratif Örnek)

Aşağıdaki rakamlar gerçek bir vaka değil, hesaplama mantığını göstermek için kurgulanmış örnek değerlerdir. Gerçek uygulamada bu tablo, pilot öncesi ölçülen mevcut durum verileriyle doldurulmalıdır.

Varsayımlar

Kalem	Değer
Aylık destek talebi sayısı	600
Talep başına ortalama işlem süresi (pilot öncesi)	12 dakika
Talep başına işlem süresi (pilot sonrası, kontrol dahil)	5 dakika
Talep başına kazanılan süre	7 dakika
Örnek hesaplamada kullanılan varsayımsal yüklü saatlik personel maliyeti (maaş+SGK+genel gider)	500 TL

Fayda Hesabı

• Aylık kazanılan toplam süre: 600 talep × 7 dk = 4.200 dk ≈ 70 saat/ay
• Aylık parasal fayda: 70 saat × 500 TL = 35.000 TL/ay
• Yıllık parasal fayda: 420.000 TL

Maliyet Hesabı

Kalem	Tutar
Platform/lisans (aylık)	15.000 TL
Kurulum ve entegrasyon (bir kerelik)	60.000 TL
Eğitim ve süreç tasarımı (bir kerelik)	20.000 TL
Yıl 1 toplam maliyet	15.000×12 + 80.000 = 260.000 TL

Sonuç

• Yıl 1 net fayda: 420.000 − 260.000 = 160.000 TL
• Geri ödeme süresi (payback): İlk yatırım (80.000 TL) ÷ aylık net fayda (35.000 − 15.000 = 20.000 TL) ≈ 4 ay

Bu tabloyu okurken dikkat edilmesi gereken nokta: Fayda tarafı yalnızca “kazanılan süre” üzerinden hesaplanmıştır. Doğrulama yükü (uzmanın AI çıktısını kontrol etme süresi) 5 dakikalık işlem süresinin içine dahil edilmiştir — ayrı bir maliyet kalemi olarak sayılmamıştır çünkü zaten mevcut iş akışının parçasıdır. Gerçek bir pilotta bu satırın ayrı ölçülmesi, “yapay zekâ çıktılarının ne kadarı düzeltme gerektirdi” sorusunun (makalenin kendi sorduğu soru) cevabını da verir.

Bu senaryonun en önemli noktası, yapay zekânın teknik ekibin yerini almamasıdır. Sistem yalnızca tekrar eden işleri hızlandırır ve uzmana karar desteği sağlar. Erişim, güvenlik, yetkilendirme ve nihai karar sorumluluğu yine insanda kalır.

Burada kullanılan rakamlar örnek bir pilot yapısını göstermek amacıyla verilmiştir. Gerçek hedefler, şirketin mevcut destek verileri ve iş yükü ölçülerek belirlenmelidir.

Başarılı bir pilotun amacı yapay zekâyı mümkün olan en geniş alana yaymak değil, doğru iş probleminde güvenli ve ölçülebilir bir fayda üretip üretmediğini görmektir.

Ancak pilot seçerken üç temel şart bulunmalıdır:

• Kullanılacak veri kontrol altında olmalı.
• Sonuç insan tarafından doğrulanmalı.
• Sağlanan fayda ölçülebilmeli.

Bir pilot başarısız olduğunda bunu saklamak yerine neden başarısız olduğunu anlamak gerekir. Başarısız fakat doğru ölçülmüş bir pilot, şirketi yanlış bir yatırımdan koruyabilir.

IT Yöneticileri İçin 90 Günlük Yapay Zekâ Hazırlık Planı

Şirketinde yapay zekâ dönüşümünü başlatmak isteyen IT yöneticileri için uygulanabilir bir yol haritası şöyle olabilir:

İlk 30 gün: Mevcut durumu anlayın

• Departmanların kullandığı yapay zekâ araçlarını belirleyin.
• Kritik veri ve sistem envanterini güncelleyin.
• Kullanıcıların zaman kaybettiği tekrarlayan işleri tespit edin.
• KVKK, güvenlik ve yurt dışı veri aktarımı risklerini değerlendirin.
• Yetkisiz veya kontrolsüz kullanımları görünür hale getirin.

İkinci 30 gün: Kuralları ve pilotu belirleyin

• Şirket içi yapay zekâ kullanım politikasını hazırlayın.
• Onaylı ve yasaklı kullanım alanlarını tanımlayın.
• Başarı kriteri ölçülebilen bir pilot süreç seçin.
• İş birimi, hukuk, insan kaynakları ve üst yönetim sorumluluklarını belirleyin.
• Kullanıcı eğitimi hazırlayın.

Son 30 gün: Uygulayın ve ölçün

• Pilotu sınırlı kullanıcı grubuyla başlatın.
• Kullanım ve hata kayıtlarını takip edin.
• Kullanıcı geri bildirimlerini toplayın.
• Zaman, maliyet, kalite ve güvenlik etkisini ölçün.
• Sonucu yönetime tek sayfalık raporla sunun.

Bu çalışma sonunda şirketin mutlaka büyük bir yapay zekâ yatırımı yapması gerekmeyebilir.

Bazen en doğru karar, henüz hazır olmadığımızı fark ederek önce veri kalitesi, süreç standardizasyonu veya güvenlik altyapısını iyileştirmektir.

Bu da başarısızlık değil, doğru IT yöneticiliğidir.

Sonuç: IT Yöneticiliği Artık Teknik Yönetimin Ötesinde

Bugünün IT yöneticisi yalnızca sunucu, ağ, lisans veya kullanıcı hesabı yönetmiyor.

Aynı anda şunları yönetiyor:

• İş sürekliliğini
• Siber güvenliği
• Veriyi
• Teknoloji yatırımlarını
• Tedarikçi ilişkilerini
• Operasyonel beklentileri
• Değişim direncini
• Ekip gelişimini
• Üst yönetimin güvenini

Teknik bilgi hâlâ bu mesleğin temelidir. Ancak tek başına yeterli değildir.

Yapay zekâ, IT yöneticiliğini yalnızca yeni araçların devreye alındığı bir teknoloji gündemi haline getirmiyor. Aynı zamanda veri yönetimini, güvenliği, iş süreçlerini, çalışan yetkinliklerini ve yönetim kararlarını yeniden şekillendiriyor.

Bu nedenle yapay zekâ çağında başarılı bir IT yöneticisi, yalnızca sistemlerin çalışmasını sağlayan kişi değildir.

Aynı zamanda:

• İş birimlerinin gerçek problemlerini anlayan,
• Teknoloji yatırımlarını ölçülebilir hedeflere bağlayan,
• Verinin güvenli ve doğru kullanılmasını sağlayan,
• Riskleri erken görünür hale getiren,
• Kullanıcıları sürece dahil eden,
• Üst yönetime teknik ayrıntı değil, karar seçeneği sunan,
• Ekibinin yetkinliklerini yeni döneme hazırlayan kişidir.

Buradaki en kritik nokta, yapay zekâyı bir prestij yatırımı olarak görmemektir.

Bir şirketin yapay zekâ kullanıyor olması, o şirketin dönüşümü başardığı anlamına gelmez. Gerçek dönüşüm; doğru problemi seçmek, doğru veriyi kullanmak, güvenliği tasarım aşamasında kurmak ve ortaya çıkan faydayı ölçebilmekle başlar.

Bu nedenle büyük ve gösterişli projelerden önce kontrollü pilotlar, yüksek bütçelerden önce net iş hedefleri, otomasyondan önce ise süreç bilgisi gereklidir.

Yeni dönemde güçlü IT yöneticisi; her şeyi bildiğini iddia eden kişi değil, doğru soruyu sorabilen kişidir. Sorunları saklayan değil, erken görünür hale getirendir. Teknolojiyi gösteriş amacıyla satın alan değil, iş sonucuna dönüştürendir.

Bana göre yapay zekâ çağında IT yöneticiliğinin özeti şu cümlede saklıdır:

Teknoloji sistemi çalıştırır; güven, veri ve doğru liderlik ise dönüşümü mümkün kılar.

Şirketlerin kendilerine sorması gereken asıl soru da şudur:

“Yapay zekâ kullanıyor muyuz?” değil, “Yapay zekâyı hangi iş problemini çözmek için, hangi veriyle ve hangi sorumluluk modeliyle kullanıyoruz?”

Bu soruya net cevap veremeyen bir kurum için en doğru adım yeni bir araç satın almak değil, önce hazırlık seviyesini dürüstçe değerlendirmektir.

Sık Sorulan Sorular

Yapay zekâ çağında IT yöneticisinin görevi nedir?

IT yöneticisinin görevi yalnızca yapay zekâ altyapısını kurmak değildir. Veri güvenliği, KVKK uyumu, kullanıcı eğitimi, iş hedefleri, tedarikçi seçimi, risk yönetimi ve yatırım geri dönüşünün ölçülmesi de bu rolün parçasıdır.

Başarılı bir IT yöneticisi, teknolojiyi şirketin gerçek ihtiyaçlarına göre konumlandırır ve uygulamanın güvenli, sürdürülebilir ve ölçülebilir olmasını sağlar.

Şirketler yapay zekâ dönüşümüne nereden başlamalı?

İlk adım bir ürün veya lisans satın almak olmamalıdır.

Önce şu sorular cevaplanmalıdır:

• Hangi iş problemi çözülmek isteniyor?
• Mevcut süreçte zaman veya maliyet kaybı nerede oluşuyor?
• Hangi veriler kullanılacak?
• Başarı hangi ölçütlerle değerlendirilecek?
• Sonuçtan kim sorumlu olacak?

Bu sorular netleştirildikten sonra, sınırlı kullanıcı grubuyla ve önceden tanımlanmış başarı kriterleriyle kontrollü bir pilot başlatılmalıdır.

Çalışanların yapay zekâ kullanması yasaklanmalı mı?

Tamamen yasaklamak çoğu kurumda kalıcı ve uygulanabilir bir çözüm değildir. Çalışanlar işlerini hızlandıran araçları farklı yollarla kullanmaya devam edebilir ve bu durum görünmeyen güvenlik riskleri oluşturabilir.

Daha doğru yaklaşım; onaylı araçları, kullanım sınırlarını, yasaklı veri türlerini ve kontrol mekanizmalarını belirleyen açık bir yapay zekâ kullanım politikası hazırlamaktır.

Özellikle kişisel veriler, müşteri bilgileri, çalışan kayıtları, sözleşmeler, ticari sırlar ve erişim bilgileri kontrolsüz biçimde genel kullanıma açık sistemlere yüklenmemelidir.

IT yöneticisinin iş bilgisine sahip olması neden önemlidir?

İş sürecini bilmeyen bir IT yöneticisi, teknolojinin şirket üzerindeki gerçek etkisini doğru değerlendiremez.

Bir uygulamanın teknik olarak çalışması yeterli değildir. O uygulamanın:

• Operasyonu nasıl etkilediği,
• Maliyeti azaltıp azaltmadığı,
• Kullanıcı deneyimini iyileştirip iyileştirmediği,
• Yeni bir risk oluşturup oluşturmadığı,
• Şirketin gelir modeline katkı sağlayıp sağlamadığı

da anlaşılmalıdır.

Teknoloji yatırımları ürün özelliklerine göre değil, iş süreçlerinin ihtiyaçlarına göre şekillendirilmelidir.

Yapay zekâ yatırımının geri dönüşü nasıl ölçülür?

Yatırım geri dönüşü yalnızca doğrudan maliyet tasarrufuyla ölçülmemelidir.

Aşağıdaki göstergeler birlikte değerlendirilmelidir:

• İşlem süresindeki azalma
• Hata oranındaki değişim
• Çalışan başına kazanılan zaman
• Kullanıcı memnuniyeti
• Hizmet kalitesi
• Güvenlik ve uyum etkisi
• Destek taleplerindeki azalma
• Operasyonel gecikmelerin önlenmesi

Pilot başlamadan önce mevcut durum ölçülmezse, sonucun başarılı olup olmadığı da sağlıklı biçimde değerlendirilemez.

Açık kaynak mı, ticari yapay zekâ çözümü mü tercih edilmelidir?

Bu karar yalnızca lisans bedeline göre verilmemelidir.

Değerlendirme sırasında şu başlıklar birlikte ele alınmalıdır:

• Veri gizliliği
• Şirket içinde çalıştırma ihtiyacı
• Entegrasyon kolaylığı
• Teknik destek
• Model performansı
• Bakım ve güncelleme yükü
• Ölçeklenebilirlik
• Toplam sahip olma maliyeti
• Tedarikçiye bağımlılık riski

Kritik verilerin işlendiği projelerde kontrol, kayıt tutma ve denetlenebilirlik, başlangıç maliyetinden daha önemli olabilir.

Yapay zekâ projeleri neden başarısız olur?

Başarısızlığın en yaygın nedenleri şunlardır:

• İş hedefinin belirsiz olması
• Düşük veri kalitesi
• Kullanıcıların sürece dahil edilmemesi
• Başarı kriterlerinin tanımlanmaması
• KVKK ve güvenlik değerlendirmesinin geç yapılması
• Sürecin gereğinden fazla geniş tutulması
• Pilot tamamlanmadan büyük yatırıma geçilmesi
• Üst yönetimin yalnızca teknolojiye, ekiplerin ise yalnızca operasyona odaklanması

Teknik olarak çalışan bir sistem, iş sürecinde benimsenmiyor veya ölçülebilir bir fayda üretmiyorsa başarılı kabul edilmemelidir.

Yapay zekâ çalışanların yerini alır mı?

Yapay zekâ bazı tekrarlayan görevleri azaltabilir veya dönüştürebilir. Ancak süreç bilgisi, istisna yönetimi, doğrulama, güvenlik, etik değerlendirme ve nihai sorumluluk insanda kalmaya devam eder.

Asıl değişim, çalışanların tamamen ortadan kalkması değil; görevlerin ve gerekli yetkinliklerin dönüşmesidir.

Bu nedenle kurumların yalnızca teknoloji yatırımı yapması yeterli değildir. Çalışanlara şu alanlarda gelişim fırsatı da sunulmalıdır:

• Yapay zekâ çıktısını doğrulama
• Doğru soru sorma
• Veri ve güvenlik farkındalığı
• Süreç analizi
• İş etkisini ölçme
• Teknik sonucu yönetim diline çevirme

Yapay zekâyı insanın yerine koymak yerine, insanın karar kalitesini ve üretkenliğini artıran bir yardımcı olarak konumlandırmak daha sürdürülebilir bir yaklaşımdır.