Yapay Zekâ Projelerinde Yatırım Getirisi Nasıl Ölçülür?

Bir yapay zekâ projesinin yatırım getirisini ölçmek için önce işin bugün ne kadar zaman, maliyet ve hatayla yapıldığını kaydeder, ardından aynı ölçütleri yapay zekâ devreye girdikten sonra yeniden ölçer ve elde edilen kazançtan tüm maliyetleri düşersiniz. Yatırım getirisi (ROI), net kazancın toplam maliyete oranıdır. Bu oranı güvenilir kılan şey formül değil, ölçümün baştan doğru kurulmasıdır.

Bu yazıda başlangıç çizgisinin nasıl çizileceğini, hangi ölçütlerin gerçek kazancı gösterdiğini, benimsenmenin neden hesabın merkezinde durduğunu ve en sık gözden kaçan maliyetleri ele alıyoruz. Yapay zekâ danışmanlığı çalışmalarımızda bu ölçüm planını pilot başlamadan önce birlikte yazıyoruz.

Yapay zekâ projelerinde yatırım getirisi neden zor ölçülür?

Klasik bir yazılım yatırımında maliyet ve fayda görece öngörülebilirdir. Yapay zekâ projelerinde ise birkaç etken hesabı bulanıklaştırır:

• Fayda dağınıktır: Kazanç tek bir kalemde toplanmaz; zamana, kaliteye, hıza ve müşteri deneyimine yayılır.
• Maliyet değişkendir: Model kullanımı çoğunlukla işlem hacmine göre ücretlendirilir; kullanım arttıkça maliyet de artar.
• Sonuç olasılıksaldır: Aynı girdi her seferinde aynı çıktıyı vermeyebilir, bu yüzden kalitenin sürekli izlenmesi gerekir.
• Pilot koşulları yanıltabilir: Özenle seçilmiş örneklerle yapılan bir demo, gerçek iş yükündeki performansı göstermez.
• Hissedilen verim, ölçülen verim değildir: "Çok zaman kazandırıyor" izlenimi, rakamla doğrulanana kadar yalnızca bir varsayımdır.

Getiri hangi işlerde daha hızlı görünür?

Yatırım getirisini kanıtlamanın en kolay yolu, ölçümü basit bir işle başlamaktır. Şu özellikleri taşıyan işler ilk pilot için iyi adaylardır:

• Yüksek hacim: İş sık tekrarlanır; küçük bir kazanç bile hacimle çarpıldığında görünür hâle gelir.
• Net bir kalite ölçütü: Çıktının doğru mu yanlış mı olduğu kolayca kontrol edilebilir.
• Dijital girdi: İşin verisi zaten e-posta, form, belge ya da sistem kaydı olarak mevcuttur.
• Düşük hata maliyeti: Yanlış bir çıktı insan kontrolünde kolayca yakalanır ve büyük bir zarar yaratmaz.

Gelen taleplerin sınıflandırılması, belgelerden veri çıkarılması, destek yanıtlarının ilk taslağı ve şirket içi bilgi araması bu tanıma sıkça uyar. Seyrek yapılan, yoruma dayalı ya da hata maliyeti yüksek işlerde ise getiri daha geç ve daha zor görünür; bu tür işleri ilk pilot yerine sonraki aşamalara bırakmak daha sağlıklıdır.

Başlangıç çizgisini nasıl belirlersiniz?

Başlangıç çizgisi (baseline), bir işin yapay zekâ olmadan bugün nasıl yapıldığının ölçülmüş hâlidir. Bu olmadan sonradan yapılan her karşılaştırma tahmine dayanır.

1. Tek bir işi seçin. "Müşteri hizmetleri" çok geniştir; "iade taleplerine ilk yanıtın hazırlanması" ise ölçülebilir.
2. Hacmi kaydedin. Bu iş haftada ya da ayda kaç kez yapılıyor?
3. Süreyi ölçün. Tek bir işin baştan sona ne kadar sürdüğünü, mümkünse sistem kayıtlarındaki zaman damgalarından alın.
4. Kaliteyi ölçün. Hata, düzeltme ve yeniden yapma oranı nedir? Müşteri şikâyetleri hangi sıklıkta geliyor?
5. Görev başı maliyeti hesaplayın. İşe harcanan personel zamanının ve kullanılan araçların maliyetini işlem sayısına bölün.
6. Varsayımları yazın. Hangi dönem ölçüldü, mevsimsellik var mı, hangi işler kapsam dışında kaldı?

Bunun için kusursuz bir veri altyapısı şart değildir; birkaç haftalık dikkatli bir örnekleme çoğu zaman yeterlidir. Ölçme alışkanlığını şirket geneline yaymak isterseniz veriye dayalı karar alma yazımıza göz atabilirsiniz.

Hangi ölçütler gerçek kazancı gösterir?

Doğru ölçüt seti işin türüne göre değişir, ama çoğu proje şu başlıkların birkaçıyla değerlendirilir:

• Kazanılan zaman: Görev başına süre farkı ile hacmin çarpımıdır. Ancak kazanılan zaman, başka bir işe aktarılmadıkça maliyet tasarrufuna dönüşmez.
• Kapasite: Aynı ekiple işlenebilen iş miktarındaki artış. Büyüyen şirketlerde en somut kazanç çoğu zaman budur.
• Kalite: Hata oranı, düzeltme ihtiyacı, mevzuata uyum ve müşteri memnuniyeti.
• Hız: Talebin geldiği andan sonuçlandığı ana kadar geçen süre ya da ilk yanıt süresi.
• Görev başı maliyet: Model kullanımı, insan kontrolü ve altyapı dahil, tek bir işin yeni toplam maliyeti.
• Gelir etkisi: Daha hızlı hazırlanan teklif, daha yüksek dönüşüm ya da kaybedilmeyen müşteri. Ölçülmesi zordur, ancak kontrollü bir karşılaştırmayla ortaya konabilir.

Aynı kazancı iki kez saymamaya dikkat edin. Örneğin hızlanan hizmetten doğan müşteri memnuniyetini hem "hız" hem de "kalite" altında yazmak, sonucu olduğundan iyi gösterir.

Benimsenme neden hesabın merkezindedir?

Kimsenin kullanmadığı bir yapay zekâ aracının yatırım getirisi sıfırdır. Bu yüzden teknik başarı kadar kullanımın kendisi de ölçülmelidir:

• Aktif kullanıcı oranı: Erişimi olanların ne kadarı aracı düzenli olarak kullanıyor?
• Kapsama: Hedeflenen işlerin ne kadarı gerçekten yapay zekâ üzerinden yürüyor?
• Düzeltme oranı: Kullanıcılar üretilen çıktıyı ne sıklıkla ve ne ölçüde değiştiriyor? Yüksek bir düzeltme oranı ya kalite sorununa ya da yanlış seçilmiş bir senaryoya işaret eder.
• Vazgeçme: Kullanıcılar aracı denedikten sonra eski yönteme geri dönüyor mu?

Benimsenme sorunları çoğu zaman teknolojiden değil, iş akışından kaynaklanır. Ayrı bir pencerede açılan bir araç yerine ekibin zaten çalıştığı sistemin içine yerleşen bir araç çok daha kolay benimsenir. Bu konuyu KOBİ'ler için yapay zekâ ile süreç otomasyonu yazımızda ayrıntılı ele aldık.

Gözden kaçan maliyetler nelerdir?

Yatırım getirisi hesapları sık sık maliyet tarafında yanılır. Lisans ya da model kullanım bedeli görünen kısımdır; asıl yükün önemli bir bölümü ise şu kalemlerdedir:

• Veri hazırlığı: Belgelerin ayıklanması, verinin temizlenmesi ve sistemlerin birbirine bağlanması.
• Entegrasyon: Aracın ERP, CRM ya da destek sistemine bağlanması ve bu bağlantıların bakımı.
• İnsan kontrolü: Çıktıların gözden geçirilmesine harcanan zaman. Bu süre, kazanılan zamandan düşülmelidir.
• İzleme ve değerlendirme: Kalitenin düzenli ölçülmesi ve hataların incelenmesi.
• Model değişiklikleri: Sağlayıcı yeni bir model sürümüne geçtiğinde istemlerin ve testlerin yeniden gözden geçirilmesi.
• Güvenlik ve uyum: KVKK değerlendirmeleri, erişim yetkileri ve kayıt tutma.
• Eğitim ve değişim yönetimi: Ekiplerin yeni çalışma biçimine geçişi.
• Hata maliyeti: Yanlış bir yanıtın müşteri, itibar ya da hukuk açısından yaratabileceği zarar.

Yatırım getirisini adım adım nasıl hesaplarsınız?

Ölçümü bir projeye dönüştürmek için şu sırayı izleyin:

1. İşi ve sahibini belirleyin. Sonuçtan sorumlu tek bir kişi olsun.
2. Başlangıç çizgisini ölçün. Hacim, süre, kalite ve görev başı maliyet.
3. Hedefi önceden yazın. Pilot başlamadan hangi sonucun başarı sayılacağını ve karar tarihini belirleyin.
4. Karşılaştırılabilir bir pilot kurun. Mümkünse aynı dönemde bir grup yapay zekâyla, diğeri eski yöntemle çalışsın.
5. Tüm maliyetleri toplayın. Kurulum, kullanım ve yukarıdaki gizli kalemler dahil.
6. Hesaplayın. Belirli bir dönem için yatırım getirisi = (toplam kazanç − toplam maliyet) ÷ toplam maliyet. Geri ödeme süresi ise ilk yatırımın aylık net kazanca bölünmesiyle bulunur.
7. Karar verin. Yaygınlaştırın, düzeltin ya da durdurun.

Somut bir örnekle düşünelim: İade taleplerine ilk yanıtın hazırlanmasında kazanç; aylık talep sayısı ile talep başına kısalan sürenin çarpımından, bu sürenin personel maliyetiyle değerlenmesinden ve hatalı yanıt yüzünden yeniden yapılan işlerdeki azalmadan oluşur. Maliyet tarafında ise model kullanımı, insan kontrolü, entegrasyon ve bakım yer alır. İki taraf aynı dönem için yazıldığında oran kendiliğinden ortaya çıkar.

Sonucu yönetime tek sayfada raporlayın: başlangıç ve güncel değerler, toplam maliyet, yatırım getirisi ve geri ödeme süresi, benimsenme oranı, yaşanan hatalar ve önerilen karar. Aynı biçimi her dönem kullanmak, projeleri birbiriyle karşılaştırmayı da mümkün kılar.

Ölçmediğiniz bir başlangıç çizgisi, kanıtlayamayacağınız bir getiri demektir.

Sık sorulan sorular

Bir yapay zekâ projesi kendini ne kadar sürede amorti eder?

Herkes için geçerli bir süre yoktur. Geri ödeme süresi işin hacmine, görev başına kazanca ve toplam maliyete bağlıdır. Doğru yaklaşım, kendi başlangıç çizginizle hesap yapmak ve karar tarihini pilottan önce belirlemektir.

Kazanılan zaman doğrudan tasarruf mudur?

Kendiliğinden değildir. Kazanılan saatler daha fazla iş, daha hızlı hizmet ya da ertelenebilen bir işe alım gibi somut bir sonuca dönüştüğünde değer üretir. Aksi hâlde yalnızca bir kapasite potansiyelidir.

Pilot başarılı olduysa ölçmeyi bırakabilir miyiz?

Hayır. Canlı kullanımda iş hacmi, veri ve model sürümleri değişir; kalite de bunlara bağlı olarak kayabilir. Temel ölçütleri bir panoda tutmak ve düzenli aralıklarla gözden geçirmek gerekir.

Ölçülmesi zor faydalar hesaba katılmalı mı?

Not edilmeli, ama kararın tek dayanağı olmamalıdır. Çalışan memnuniyeti ya da daha tutarlı bir müşteri deneyimi gibi faydaları anket ve geri bildirimle izleyin; yatırım kararını ise ölçülebilir kalemlere dayandırın.

Yatırım getirisi negatif çıkarsa ne yapmalıyız?

Önce nedenine bakın: Senaryo mu yanlış seçildi, benimsenme mi düşük kaldı, yoksa maliyet mi beklenenden yüksek çıktı? İlk iki durumda iş akışını ya da kapsamı değiştirmek sonucu düzeltebilir. Düzelmiyorsa projeyi durdurmak da geçerli bir karardır; elde ettiğiniz ölçümler bir sonraki senaryoyu daha doğru seçmenizi sağlar.

Nereden başlamalı?

Yapay zekâyla iyileştirmek istediğiniz tek bir işi seçin ve önümüzdeki iki hafta boyunca hacmini, süresini ve hata oranını kaydedin. Bu kısa ölçüm, hem doğru senaryoyu seçmenizi hem de pilotun sonunda net bir karar vermenizi sağlar.

Yapay zekâ projeniz için bir ölçüm planını birlikte kurmak isterseniz bizimle iletişime geçin.