Yapay Zeka Danışmanı Türleri: Strateji, Teknik, Eğitim ve Uyum Danışmanlığı

Yapay zeka danışmanı türleri, tek bir "danışman" etiketinin arkasında birbirinden çok farklı işler yapan rollerin gizlendiğini gösterir. Bir kurum "bize bir yapay zeka danışmanı lazım" dediğinde aslında çoğu zaman farklı bir ihtiyaçtan bahsediyordur: kimi zaman bir yol haritası, kimi zaman çalışan bir sistem, kimi zaman ekip eğitimi, kimi zaman da hukuki uyum. Bu yazıda yapay zeka danışmanı türleri konusunu bir sınıflandırma egzersizi olarak değil, kurumunuzun o anki darboğazına doğru uzmanı eşleştirmenizi sağlayacak pratik bir karar rehberi olarak ele alıyoruz.

Ayrımın önemi şuradan gelir: yanlış türde bir danışmanla çalışmak, kötü bir danışmanla çalışmaktan bazen daha maliyetlidir. Mükemmel bir teknik danışman, çözmeniz gereken sorun stratejik bir boşluksa size yardımcı olamaz; parlak bir strateji danışmanı, sorununuz üretime alınamayan bir pilotsa çıktı üretemez. Bu rehber, beş ana türü — strateji danışmanı, teknik (uygulama) danışmanı, eğitim danışmanı, uyum ve governance danışmanı ve fractional AI lideri — tek tek açar; her birinin ne yaptığını, ne zaman gerektiğini ve tipik çıktısını gösterir; sonra hangi ihtiyaca hangi türün uyduğunu ve bir danışmanın birden fazla rolü birleştirip birleştiremeyeceğini tartışır.

Tanım

Yapay Zeka Danışmanı Türleri

Bir kurumun yapay zeka yolculuğunun farklı aşamalarında devreye giren danışmanlık rollerinin işlevsel sınıflandırması. Beş ana tür öne çıkar: strateji danışmanı (yol haritası ve use-case önceliklendirmesi), teknik/uygulama danışmanı (mimari, veri, model, üretim), eğitim danışmanı (yetkinlik ve benimseme), uyum ve governance danışmanı (KVKK, EU AI Act, risk, etik) ve fractional AI lideri (dış kaynak yapay zeka direktörü olarak tüm programın yönetimi). Bu türler katı sınırlar değil, kurumun darboğazına göre seçilen ve çoğu zaman birbirini tamamlayan uzmanlık alanlarıdır.

Ayrıca: AI danışmanı türleri, yapay zeka danışmanlığı çeşitleri, strateji danışmanı, teknik danışman, eğitim danışmanı, uyum danışmanı, fractional AI lideri

Yapay zeka danışmanı türleri arasındaki farkı görmezden gelmek, kurumların en sık düştüğü ve en pahalı ödediği hatalardan biridir. "Danışman" kelimesi tek başına, tıpkı "doktor" kelimesi gibi, çok geniş bir alanı kapsar; bir cerrahtan beklediğinizi bir psikiyatrdan bekleyemezsiniz, ikisi de doktordur ama uzmanlıkları ve çıktıları tamamen farklıdır. Yapay zekada da durum aynıdır: türü ayrıştırmadan yola çıkmak, yanlış uzmanı yanlış soruna yerleştirmek demektir.

Ayrımın ilk faydası doğru beklenti kurmaktır. Bir strateji danışmanından çalışan bir üretim sistemi beklerseniz hayal kırıklığına uğrarsınız; onun işi sistemi kurmak değil, hangi sistemin neden kurulacağını belirlemektir. Aynı şekilde bir teknik danışmandan yönetim kuruluna sunulacak bir yatırım vizyonu beklemek, onu doğal alanının dışına itmektir. Türleri bilmek, her danışmandan hangi çıktıyı bekleyeceğinizi ve neyi beklememeniz gerektiğini baştan netleştirir.

İkinci fayda bütçenin doğru yere gitmesidir. Danışmanlık ücreti, türe ve kıdeme göre önemli ölçüde değişir; stratejik bir çalışma ile aylar süren bir uygulama projesi ya da yinelenen bir eğitim programı çok farklı maliyet yapılarına sahiptir. Doğru türü seçmek, hem gereksiz harcamayı hem de eksik kaynaklamayı önler. Danışmanlık maliyetinin nasıl yapılandığını yapay zeka danışmanlığı ücretleri 2026 ve genel fiyat mantığını yapay zeka danışmanlığı fiyatları yazılarında ele alıyoruz.

Üçüncü fayda, ihtiyacınızın gerçekte hangi tür olduğunu anlamaktır. Çoğu kurum "bir yapay zeka danışmanına ihtiyacımız var" der ama hangi türe ihtiyaç duyduğunu bilmez. Bu belirsizlik, yanlış türle sözleşme yapmaya ve ay sonunda "beklediğimiz bu değildi" demeye yol açar. Danışmanın genel olarak ne iş yaptığını yapay zeka danışmanlığı nedir yazısında, ne zaman ihtiyaç duyulacağını ise yapay zeka danışmanına ne zaman ihtiyaç duyulur yazısında derinleştiriyoruz. Şimdi türleri tek tek açalım.

Strateji danışmanı, yapay zeka danışmanı türleri içinde "nereye ve neden" sorusunu yanıtlayan roldür. İşi kod yazmak veya sistem kurmak değil, kurumun yapay zeka yatırımını doğru yere yöneltmektir. Çoğu başarısız yapay zeka projesi teknik nedenlerle değil, stratejik nedenlerle çöker: yanlış problem seçilir, öncelik dağınıktır, başarı tanımı yoktur ve pilotlar bir vizyona bağlanmaz. Strateji danışmanı tam bu boşluğu doldurur.

Bir strateji danışmanının ilk işi mevcut durumu tarafsızca okumaktır. Kurumun yapay zeka olgunluğunu, veri hazırlığını, ekip yetkinliğini ve iş önceliklerini değerlendirir; nerede gerçek fırsat, nerede yalnızca gürültü olduğunu ayırt eder. Ardından use-case önceliklendirmesi yapar: onlarca olası fikir arasından hangisinin en yüksek değeri en düşük riskle üreteceğini belirler. Bu önceliklendirmenin nasıl yapıldığını AI use-case önceliklendirme matrisi yazısında ele alıyoruz. Strateji danışmanının bu aşamadaki çıktısı, bir yapay zeka yol haritası ve iş vakasıdır.

Strateji danışmanının ikinci büyük katkısı, yapay zekayı iş diliyle konuşturmaktır. Yönetim kurulu ROI, risk ve rekabet avantajı ister; teknik ekip model ve mimari konuşur. Strateji danışmanı bu iki dünya arasında köprü kurar: teknik olasılıkları iş değerine, iş hedeflerini teknik gereksinimlere çevirir. Yatırımın getirisini savunmak için yapay zeka ROI nasıl hesaplanır ve kurumsal bir vizyon oluşturmak için kurumsal yapay zeka stratejisi nasıl oluşturulur yazıları bu rolün alanına girer.

Strateji danışmanına ne zaman ihtiyaç duyulur? Belirtiler nettir: "yapay zeka yapmalıyız ama nereden başlayacağımızı bilmiyoruz" cümlesi, dağınık ve birbirinden kopuk pilotlar, yatırım yapıldı ama ölçülebilir sonuç yok durumu ve rakiplerin ne yaptığına bakıp yön kaybetme hali. Bu belirtiler varsa, en pahalı teknik danışmanı bile alsanız çözemezsiniz; çünkü sorun "nasıl" değil, "ne ve neden" katmanındadır. Strateji danışmanı, bu üst katmandaki bulanıklığı temizleyerek geri kalan her türün üzerine oturacağı zemini kurar.

Teknik danışman, yapay zeka danışmanı türleri içinde "nasıl ve neyle" sorusunu yanıtlayan roldür. Strateji "ne yapılacağını" söyler; teknik danışman onu çalışan bir sisteme dönüştürür. Bu rol, mimari tasarımdan veri hazırlığına, model seçiminden entegrasyona ve en kritik aşama olan üretime almaya kadar uzanır. Yapay zeka projelerinin büyük kısmı pilot aşamasında güzel görünür ama üretime geçemez; teknik danışmanın gerçek değeri tam da bu "pilottan üretime" uçurumunu kapatmakta ortaya çıkar.

Bir teknik danışmanın ilk sorumluluğu doğru mimariyi kurmaktır. Kurumun ihtiyacına göre bir çözümün RAG mi, fine-tuning mi, ajan mimarisi mi yoksa daha basit bir yaklaşım mı gerektirdiğine karar verir; veri katmanını, model servisini, güvenliği ve izlemeyi tasarlar. Bir kurumsal mimarinin katmanlarını kurumsal yapay zeka mimarisi nasıl tasarlanır yazısında, bilgi erişiminin temel deseni olan RAG'i ise RAG nedir yazısında ele alıyoruz. Teknik danışmanın bu aşamadaki çıktısı, mimari tasarım ve çalışan bir prototiptir.

Teknik danışmanın ikinci ve çoğu zaman göz ardı edilen sorumluluğu, üretim gerçekleriyle başa çıkmaktır. Bir modeli laboratuvarda çalıştırmak ile onu ölçekte, hızlı, güvenli ve makul maliyetle üretimde ayakta tutmak iki ayrı iştir. Maliyet, gecikme, izleme, sürüm yönetimi ve bozulma tespiti gibi konular bu rolün alanına girer. Bu operasyon disiplinini LLMOps nedir ve pilottan üretime geçişin zorluklarını PoC'den üretime yapay zeka projeleri yazılarında derinleştiriyoruz.

Teknik danışman genellikle bir strateji netleştikten sonra devreye girer; ama her zaman değil. Bazen kurumun stratejisi zaten bellidir ve tek eksik, onu hayata geçirecek teknik derinliktir. Bu durumda teknik danışman doğrudan uygulamaya odaklanır. Buradaki kritik nokta, teknik danışmanın da iş bağlamını görmesidir: iş değerine bağlanmayan bir teknik mükemmellik, çözülen sorundan çok yaratılan sorun üretebilir. En iyi teknik danışmanlar, üretim deneyiminden gelen sağduyuyu taşır ve "yapılabilir" ile "yapılmalı" arasındaki farkı bilir.

Eğitim danışmanı, yapay zeka danışmanı türleri içinde "kim yapacak ve nasıl benimseyecek" sorusunu yanıtlayan roldür. En iyi strateji ve en sağlam teknik sistem bile, onu kullanacak insanlar yetkinleşmedikçe ve araçları günlük işlerine katmadıkça değer üretmez. Yapay zeka projelerinin sessiz katili, teknik başarısızlık değil, benimseme eksikliğidir: sistem kurulur ama kimse kullanmaz, ya da yanlış kullanır. Eğitim danışmanı bu benimseme boşluğunu kapatır.

Bir eğitim danışmanının ilk işi, kurumun gerçek yetkinlik ihtiyacını doğru okumaktır. Yönetim kadrosunun yapay zekayı stratejik olarak anlamaya ihtiyacı vardır; bu, teknik ekiplerin ihtiyacından farklıdır; onların ihtiyacı da iş birimlerinin günlük araç kullanım ihtiyacından farklıdır. İyi bir eğitim danışmanı tek tip bir kurs vermez; role ve olgunluğa göre farklılaşan bir müfredat kurar. Kurumsal eğitimin ne olduğunu kurumsal yapay zeka eğitimi nedir, doğru programı seçmeyi ise kurumsal yapay zeka eğitimi program seçimi yazısında ele alıyoruz.

Eğitim danışmanının ikinci katkısı, eğitimi kalıcı davranışa çevirmektir. Tek seferlik bir seminer, birkaç hafta sonra unutulan bir heyecandan öteye geçmez; gerçek benimseme, tekrar, uygulama ve kurum içi şampiyonlarla desteklenir. Olgun bir eğitim danışmanı, kurum içinde bir yapay zeka akademisi veya sürdürülebilir bir öğrenme yapısı kurmaya yardımcı olur. Bu yapıyı kurum içi AI akademisi kurma yazısında derinleştiriyoruz. Eğitim danışmanının çıktısı, yalnızca tamamlanan kurslar değil; ölçülebilir bir yetkinlik artışı ve araç benimsemesidir.

Eğitim danışmanı ile bir "eğitmen" arasındaki farkı görmek önemlidir: her eğitmen danışman değildir. İyi bir eğitim danışmanı, üretim deneyiminden gelir ve teoriyi kurumun gerçek bağlamına bağlar; sınıfta anlattığı örnekler slayttan değil, sahadan gelir. Doğru eğitmeni ayırt etmenin kriterlerini yapay zeka eğitmeni nasıl seçilir yazısında, sorulması gereken kritik soruları ise yapay zeka eğitmeni seçim soruları yazısında ele alıyoruz. Eğitim danışmanı, kurumun yapay zeka yeteneğini dışarıdan içeriye taşıyan köprüdür; onsuz, dışarıdan alınan her bilgi danışman gidince beraberinde gider.

Uyum danışmanı, yapay zeka danışmanı türleri içinde "bu yasal ve etik olarak güvenli mi" sorusunu yanıtlayan roldür. Yapay zeka güçlü olduğu kadar risklidir: kişisel veri işler, otomatik kararlar alır, önyargı taşıyabilir ve regülasyonun sıkılaştığı bir alandır. Uyum ve governance danışmanı, kurumun yapay zekayı hız kaybetmeden ama yasal ve etik sınırlar içinde kullanmasını sağlar. Bu rol giderek daha kritik hale geliyor, çünkü hem KVKK hem de EU AI Act gibi çerçeveler yapay zeka sistemlerine somut yükümlülükler getiriyor.

Bir uyum danışmanının ilk işi, kurumun yapay zeka kullanımını yasal çerçeveyle eşleştirmektir. Türkiye'de bu, öncelikle KVKK (Kişisel Verilerin Korunması Kanunu) demektir: hangi verinin işlendiği, hangi amaçla, ne kadar süre saklandığı ve nasıl korunduğu. KVKK'nın çerçevesini KVKK nedir ve KVKK uyumlu bir yapay zeka kurmayı KVKK uyumlu yapay zeka nedir yazısında ele alıyoruz. Avrupa'ya ürün veya hizmet sunan kurumlar için ek bir katman EU AI Act'tir; yasanın çerçevesini EU AI Act nedir yazısında bulabilirsiniz.

Uyum danışmanının ikinci katkısı, tek seferlik bir kontrol değil, sürdürülebilir bir yönetişim (governance) yapısı kurmaktır. Bu, yapay zeka kullanımını yöneten politikaları, rol ve sorumlulukları, risk sınıflandırmasını ve denetim mekanizmalarını içerir. Yapay zeka yönetişiminin ne olduğunu AI governance nedir ve kurumsal ölçekte nasıl kurulduğunu kurumsal AI yönetişimi yazısında derinleştiriyoruz. Uluslararası bir referans olarak ISO/IEC 42001 (yapay zeka yönetim sistemi standardı), bu yapıyı kurmak için yol gösterici olabilir; standardı ISO 42001 nedir yazısında ele alıyoruz.

Uyum danışmanının üçüncü boyutu etiktir. Yasal olarak izin verilen her şey, etik olarak doğru olmayabilir; önyargı, şeffaflık ve otomatik kararlara itiraz hakkı gibi konular sadece uyumun değil, kurum itibarının da meselesidir. Sorumlu yapay zeka ilkelerini sorumlu yapay zeka nedir yazısında ele alıyoruz. Önemli bir uyarı: uyum danışmanı hukuki tavsiye vermez ve avukatın yerini tutmaz; getirdiği değer, yapay zeka ile regülasyon arasındaki köprüyü kurmak ve kurumun hukuk birimiyle birlikte uygulanabilir bir çerçeve tasarlamaktır. Bu türü sonradan eklenen bir formalite değil, tasarımın en başına konması gereken bir katman olarak düşünmek gerekir.

Fractional AI lideri, yapay zeka danışmanı türleri içinde en yeni ve hızla yaygınlaşan roldür; kısaca, tam zamanlı olmadan kurumun yapay zeka liderliğini üstlenen bir yönetici gibi çalışır. "Fractional" (kısmi) kelimesi, bu kişinin haftanın birkaç günü veya belirli bir kapasiteyle çalıştığını anlatır. Bu tür, tam zamanlı bir Chief AI Officer (CAIO) istihdam etmeyi henüz haklı çıkaramayan ama yapay zekayı sahiplenecek kıdemli bir sese de ihtiyaç duyan kurumlar için doğmuştur.

Fractional AI liderine neden ihtiyaç duyulur? Çünkü orta ölçekli birçok kurum kritik bir boşlukta sıkışır: birden fazla dağınık pilot vardır ama bunları tek bir stratejiye bağlayan kimse yoktur; teknik, iş ve uyum ekipleri arasında koordinasyon kopuktur; ve yönetim yapay zeka konusunda güvenilir, tarafsız bir sese ihtiyaç duyar. Tam zamanlı bir CAIO pahalı ve erken olabilir; hiç liderlik olmaması ise programın dağılmasına yol açar. Fractional lider bu ikisi arasındaki köprüdür. Bu rolün kurumsal karşılığı olan CAIO pozisyonunu Chief AI Officer (CAIO) Türkiye playbook yazısında ele alıyoruz.

Fractional AI liderinin işi, diğer türlerin çoğunu içeren bir üst yönetim işidir. Programı bir bütün olarak yönetir: stratejik omurgayı kurar, doğru zamanda doğru danışman türünü (teknik, eğitim, uyum) devreye alır, yönetim kuruluyla iletişimi yürütür ve tüm bunları tek bir hesap verebilir çatı altında toplar. Bir yapay zeka mükemmeliyet merkezi (AI CoE) kurmayı yapay zeka mükemmeliyet merkezi kurulumu ve yapay zeka için organizasyon tasarımını AI organizasyon tasarımı yazısında derinleştiriyoruz.

Fractional AI liderinin en değerli özelliği, geçiciliğini bilmesidir. İyi bir fractional lider, kendini vazgeçilmez kılmaya değil, zamanla bu rolü içeride kalıcı bir kişiye devretmeye çalışır. Bilgi transferi ve içeride yetkinlik inşası, bu türün başarı ölçütüdür. Bu yönüyle fractional AI lideri, "danışman gidince her şey duruyor" tuzağına düşmeyen, tersine kurumu kendi ayakları üzerinde durmaya hazırlayan bir roldür. İç ekip mi dış uzman mı sorusunu genel olarak AI danışmanlığı mı iç ekip mi yazısında tartışıyoruz; fractional lider, çoğu zaman bu ikisi arasındaki en dengeli üçüncü yoldur.

Yapay zeka danışmanı türleri arasında seçim yaparken en pratik araç, her türü "ne zaman gerekir" ve "ne çıktı üretir" ekseninde yan yana görmektir. Aşağıdaki tablo, bir kurumun kendi darboğazını okuyarak doğru türe hızlıca ulaşmasını sağlamak için tasarlanmıştır; bir danışman aramaya başlamadan önce bu tabloyla kendi ihtiyacınızı adlandırmak, sürecin en verimli ilk adımıdır.

Yapay zeka danışmanı türleri: ne zaman gerekir ve tipik çıktı

Danışman türü	Ne zaman gerekir	Tipik çıktı
Strateji danışmanı	Nereden başlayacağını bilmiyorsun; pilotlar dağınık, öncelik yok	Yol haritası, use-case önceliklendirme matrisi, iş vakası
Teknik (uygulama) danışmanı	Çözümü kuramıyor veya üretime alamıyorsun	Mimari tasarım, çalışan pilot, üretim sistemi
Eğitim danışmanı	Ekip araçları kullanmıyor; benimseme ve yetkinlik düşük	Role özel müfredat, ölçülebilir yetkinlik artışı, akademi
Uyum ve governance danışmanı	KVKK, EU AI Act veya sektörel regülasyon riskin var	Politika seti, risk sınıflandırması, denetim mekanizması
Fractional AI lideri	Yapay zekayı sahiplenecek liderlik boşluğun var	Program yönetimi, yönetişim çatısı, bilgi transferi

Bu tabloyu okurken kritik bir nokta şudur: çıktı sütunu, o türden ne beklemeniz gerektiğini olduğu kadar, neyi beklememeniz gerektiğini de söyler. Strateji danışmanından çalışan bir sistem, teknik danışmandan yönetim kuruluna vizyon, eğitim danışmanından hukuki uyum beklemek, türü yanlış anlamaktır. Her tür kendi çıktısında güçlüdür; değeri, doğru sorunla eşleştirildiğinde ortaya çıkar.

İkinci bir nokta: "ne zaman gerekir" sütunundaki belirtiler çoğu kurumda aynı anda birden fazla satırda görülür. Bu normaldir ve bir sonraki bölümlerin konusudur; önemli olan, bu belirtileri adlandırıp hangisinin şu an en acil olduğunu belirlemektir. Danışmanın somut olarak ne iş yaptığını daha ayrıntılı görmek için yapay zeka danışmanı ne iş yapar yazısı bu tabloyu tamamlar.

Yapay zeka danışmanı türleri arasında doğru seçimi yapmanın anahtarı, kurumun o anki en büyük darboğazını dürüstçe adlandırmaktır. Danışman aramaya "hangi danışman iyi" diye değil, "bizim şu an çözemediğimiz şey nedir" diye başlanmalıdır. Bu soru, doğru türü neredeyse kendiliğinden ortaya çıkarır. Aşağıda tipik kurumsal durumları ve her birine uygun türü açıyoruz.

Durum bir: "Yapay zeka yapmalıyız ama nereden başlayacağımızı bilmiyoruz." Bu, klasik bir strateji boşluğudur. Ekip heyecanlıdır, belki birkaç deneme bile yapılmıştır, ama bunları bir vizyona bağlayan bir çerçeve yoktur. Burada ihtiyaç duyulan tür strateji danışmanıdır; teknik bir danışman getirmek, henüz hangi binayı yapacağınıza karar vermeden inşaat ustası tutmak gibidir. Kurumsal stratejinin nasıl kurulduğunu kurumsal AI stratejisi yazısında ele alıyoruz.

Durum iki: "Stratejimiz belli, bir pilotumuz var ama üretime alamıyoruz." Bu bir uygulama boşluğudur; sorun "ne" değil "nasıl" katmanındadır. Burada ihtiyaç teknik danışmandır. Pilotta kalan projelerin neden takıldığını pilotta kalan projeler saha notu yazısında paylaşıyoruz. Durum üç: "Araçları aldık ama kimse kullanmıyor." Bu bir benimseme boşluğudur ve eğitim danışmanının alanıdır; en iyi sistem bile eğitilmemiş bir ekibin elinde atıl kalır.

Durum dört: "Kişisel veri işliyoruz / regüle bir sektördeyiz ve risk taşıyoruz." Bu bir uyum boşluğudur ve uyum danışmanı gerektirir; özellikle finans, sağlık ve kamu gibi sektörlerde bu tür, projenin en başında devreye girmelidir. Durum beş: "Birden fazla girişim var ama hepsi sahipsiz ve dağınık." Bu bir liderlik boşluğudur ve fractional AI liderinin alanıdır. Doğru danışmanı seçme sürecinin genel kriterlerini yapay zeka danışmanı nasıl seçilir yazısında, iyi bir danışmanın özelliklerini ise iyi yapay zeka danışmanı özellikleri yazısında ele alıyoruz.

Yapay zeka danışmanı türleri konusundaki en pratik soru şudur: bütün bunlar için ayrı ayrı beş danışman mı tutmam gerekir, yoksa tek bir kişi birden fazlasını yapabilir mi? Cevap "kısmen evet, ama sınırlarını bilerek"dir. Gerçek hayatta türler katı bölmeler değildir; kıdemli danışmanlar komşu türleri sıklıkla birleştirir. Ama her birleşim eşit derecede sağlıklı değildir.

Doğal olarak birleşen türler vardır. Strateji ile fractional AI liderliği neredeyse aynı ailedendir; iyi bir fractional lider zaten güçlü bir strateji danışmanıdır. Strateji ile eğitim de sık birleşir; kurumun neye ihtiyacı olduğunu gören biri, o yetkinliği kazandırmayı da tasarlayabilir. Strateji ile uyum, özellikle regüle sektörlerde birlikte düşünülür. Bu komşu birleşimler, tek bir kıdemli danışmanın taşıyabileceği bütünlüklü bir bakış sunar ve kurum için hem daha tutarlı hem daha ekonomik olabilir.

Ancak her şeyi aynı derinlikte taşımak nadirdir. Bir kişinin hem üst düzey strateji, hem derin teknik mimari (üretim düzeyinde RAG, ajan sistemleri, MLOps), hem etkili sınıf içi eğitim, hem de hukuki uyumun inceliklerini aynı ustalıkla taşıması gerçekçi değildir. Bu dört alan farklı kaslar gerektirir. "Her şeyi tek başına, uçtan uca yaparım" diyen bir danışmana, spec'teki kırmızı bayrak mantığıyla ihtiyatla yaklaşmak gerekir; çünkü bu iddia çoğu zaman derinlik eksikliğini örter.

Sağlıklı model şudur: tek bir kıdemli danışman veya fractional lider programı yönetir ve stratejik omurgayı kurar; derin teknik uygulama, özel hukuki görüş veya büyük ölçekli eğitim gerektiğinde ya doğru uzmanı devreye alır ya da sizi doğru yöne yönlendirir. İyi bir danışmanın gücü, her şeyi bilmesinde değil, neyi bilmediğini bilmesinde ve doğru kaynağı getirmesindedir. Bu yaklaşım, bağımsız danışman, ajans ve iç ekip seçeneklerini karşılaştırdığımız bağımsız danışman vs ajans vs iç ekip yazısıyla da örtüşür: mesele bir kişinin her şeyi yapması değil, doğru yapının doğru anda kurulmasıdır.

Yapay zeka danışmanı türleri arasındaki farkları tek bir bakışta görmek, doğru seçim için güçlü bir kısayoldur. Aşağıdaki karşılaştırma, beş türü temel odak, tipik süre ve başarı ölçütü ekseninde yan yana koyar. Bu tablo, özellikle birden fazla ihtiyacı aynı anda taşıyan kurumlar için, hangi türün hangi zaman ölçeğinde ve hangi metrikle değerlendirileceğini netleştirir.

Beş yapay zeka danışmanı türünün odak, süre ve başarı ölçütü karşılaştırması

Tür	Temel odak	Tipik süre	Başarı ölçütü
Strateji danışmanı	Nereye ve neden	Kısa-orta (haftalar)	Net yol haritası ve öncelik
Teknik danışman	Nasıl ve neyle	Orta-uzun (aylar)	Üretimde çalışan sistem
Eğitim danışmanı	Kim ve nasıl benimseyecek	Tekrarlayan (program)	Yetkinlik ve araç benimsemesi
Uyum danışmanı	Yasal ve etik güvenlik	Orta + sürekli izleme	Uyumlu, denetlenebilir sistem
Fractional AI lideri	Tüm programın yönetimi	Uzun (aylar-yıllar)	Sürdürülebilir program ve devir

Tablodaki "tipik süre" sütunu önemli bir gerçeği ortaya koyar: türler yalnızca ne yaptıklarıyla değil, kurumla ne kadar süre çalıştıklarıyla da ayrışır. Strateji danışmanlığı yoğun ama görece kısa bir çalışmadır; teknik uygulama aylar sürer; eğitim tekrarlayan bir programdır; uyum sürekli izleme gerektirir; fractional liderlik ise en uzun soluklu ilişkidir. Bu süre farkı, sözleşme ve ücret yapısını da doğrudan etkiler; sözleşmede nelere dikkat edileceğini yapay zeka danışmanlığı sözleşmesi yazısında ele alıyoruz.

"Başarı ölçütü" sütunu ise her tür için farklı bir sorumluluk çerçevesi çizer. Bir strateji danışmanını üretime alınan sistemle, bir eğitim danışmanını hukuki uyumla değerlendirmek haksızlıktır ve yanlış beklentiye yol açar. Doğru ölçüt, türün doğal çıktısıyla eşleşmelidir. Bir danışmanlık ilişkisinin ilk 30 gününde bu ölçütlerin nasıl netleştirildiğini yapay zeka danışmanlığı süreci ilk 30 gün yazısında paylaşıyoruz.

Her yapay zeka danışmanı türünün somut, elle tutulur teslimatları vardır; ve bu teslimatları önceden bilmek, danışmanlık ilişkisinden ne bekleyeceğinizi netleştirir. Soyut "danışmanlık aldık" ifadesi yerine, "şu türden danışmanlık aldık ve karşılığında şu çıktıları elde ettik" diyebilmek, hem yatırımı savunmayı hem de sonucu ölçmeyi kolaylaştırır.

Strateji danışmanının teslimatları genellikle belgesel ve karar odaklıdır: mevcut durum değerlendirmesi, önceliklendirilmiş use-case listesi, yol haritası, iş vakası ve gerektiğinde yönetim kuruluna sunum. Bunlar kod değil, karar ve yön belgeleridir; değeri, doğru kararı doğru anda mümkün kılmalarındadır. Teknik danışmanın teslimatları çalışan sistemlerdir: mimari tasarım dokümanı, çalışan pilot, üretim sistemi, entegrasyonlar ve teknik dokümantasyon. Bunların değeri kullanımda ortaya çıkar; kâğıtta değil, çalışırken ölçülür.

Eğitim danışmanının teslimatları yetkinlik odaklıdır: role özel müfredat, eğitim materyalleri, uygulamalı atölyeler, ölçülebilir yetkinlik değerlendirmesi ve gerektiğinde bir iç akademi yapısı. Bunların değeri, danışman gittikten sonra da kurumda kalan bilgide görünür. Uyum danışmanının teslimatları güvenlik odaklıdır: politika setleri, risk sınıflandırması, veri koruma etki değerlendirmesi (DPIA) çerçevesi, denetim mekanizmaları ve gerektiğinde bir yönetişim çatısı. Fractional AI liderinin teslimatı ise bir belge değil, yönetilen bir programın kendisidir: hizalanmış bir yapay zeka portföyü, işleyen bir yönetişim yapısı ve zamanla içeriye devredilen bir sahiplik.

Çalışma biçimi de türe göre değişir. Strateji danışmanı yoğun ama süreli çalışır; genellikle bir dizi çalıştay ve analizle. Teknik danışman proje temposunda, ekiple iç içe çalışır. Eğitim danışmanı tekrarlayan bir ritimde devreye girer. Uyum danışmanı hem kurulum hem periyodik gözden geçirme yapar. Fractional lider ise kalıcı ama kısmi bir kapasiteyle, kurumun içinden biri gibi çalışır. Küçük ve orta ölçekli işletmelerin bu türlerle çalışma biçimini KOBİ yapay zeka danışmanlığı yazısında ayrıca ele alıyoruz.

Yapay zeka danışmanı türleri konusunda doğru bilgiye sahip olmak, yanlış seçimi tek başına engellemez; çünkü kurumlar tür seçiminde tekrar eden belirli hatalara düşer. Bu hataları önceden tanımak, hem zaman hem bütçe hem de itibar kaybını önler. Aşağıda sahada en sık gördüğüm hataları ve nasıl kaçınılacağını paylaşıyorum.

• Stratejik boşluğa teknik danışman getirmek: En yaygın ve en pahalı hata. Kurum "yapay zeka yapalım" der, doğrudan bir teknik ekip veya danışman tutar; ama hangi problemi neden çözdüğü belli değildir. Sonuç: teknik olarak güzel ama iş değeri olmayan çözümler. Önce "ne ve neden" netleşmeden "nasıl"a geçmeyin.
• Üretim sorununa yalnızca strateji danışmanı almak: Tersi hata. Strateji bellidir, ihtiyaç uygulamadır; ama kurum bir strateji çalışması daha yaptırır ve pilot yine üretime geçmez. Darboğaz uygulamadaysa teknik derinlik gerekir.
• Eğitimi sona bırakmak: Sistem kurulur, sonra "artık kullanırlar" varsayılır. Benimseme kendiliğinden olmaz; eğitim, projenin sonuna eklenen bir formalite değil, en baştan planlanan bir bileşendir.
• Uyumu sonradan düşünmek: En riskli hata. Sistem kurulduktan sonra KVKK veya EU AI Act uyumunu eklemeye çalışmak, hem pahalı hem de bazen imkânsızdır. Uyum danışmanı tasarımın başında olmalıdır. Yapay zeka projelerindeki başarısızlık nedenlerini yapay zeka yatırımlarında başarısızlık nedenleri yazısında topluca ele alıyoruz.
• Her şeyi tek kişiden beklemek: "Bize her şeyi yapan bir danışman lazım" beklentisi, ya derinliği düşük bir generalist ya da tükenmiş bir uzman getirir. Doğru model, bir liderin programı yönetip doğru uzmanları devreye almasıdır.

Yapay zeka danışmanı türleri evrensel bir mantığa dayansa da, Türkiye bağlamında bazı türlerin ağırlığı değişir. Türkiye, üretken yapay zeka araçlarının benimsenmesinde dünyanın en hızlı ülkelerinden biri; bu yüksek benimseme, hem büyük bir fırsat hem de kontrolsüz kullanım (gölge yapay zeka) riski anlamına gelir. Bu bağlam, özellikle eğitim ve uyum danışmanlığına olan ihtiyacı öne çıkarır.

Türkiye'de uyum danışmanının rolü, KVKK nedeniyle özellikle belirgindir. Çalışanların yaygın ve denetimsiz araç kullanımı, kişisel veri ve kurumsal gizli bilginin farkında olmadan dışarı sızması riskini büyütür; gölge yapay zeka olarak adlandırılan bu olgunun yönetimini gölge yapay zeka (shadow AI) yönetimi yazısında ele alıyoruz. Bu risk, uyum danışmanı ile eğitim danışmanını birlikte gerektirir: uyum kuralı koyar, eğitim onu yaşayan bir pratiğe çevirir.

Avrupa'ya iş yapan Türk kurumları için EU AI Act ayrı bir katman ekler; ihracatçı bir kurumun uyum danışmanı, hem KVKK hem de EU AI Act'i birlikte düşünmelidir. Öte yandan strateji danışmanının Türkiye'deki değeri, ekosistemin hızlı ama düzensiz büyümesinden gelir: bol fikir, az önceliklendirme. Türkiye kurumsal yapay zeka benimsemesinin genel resmini Türkiye kurumsal AI benimseme yazısında çiziyoruz. Kısacası Türkiye bağlamı, beş türün hepsine olan ihtiyacı ortadan kaldırmaz; ama eğitim ve uyum türlerinin ağırlığını, hızlı benimseme ve regülasyon nedeniyle özellikle artırır.

Yapay zeka danışmanı türleri arasındaki ilişkiyi en iyi, tek bir kurumsal yolculukta hepsinin nasıl sırayla ve birlikte devreye girdiğini görerek kavrarız. Varsayalım ki orta ölçekli bir kurum, müşteri destek süreçlerini yapay zeka ile güçlendirmek istiyor ama nereden başlayacağını bilmiyor. Bu tipik senaryo, türlerin koreografisini somut biçimde gösterir.

Yolculuk strateji danışmanıyla başlar. İlk adımda kurumun gerçek darboğazı, veri hazırlığı ve olgunluğu değerlendirilir; onlarca fikir arasından "destek ekibine iç bilgi asistanı" gibi tek bir yüksek değerli, düşük riskli use-case önceliklendirilir; bir yol haritası ve başarı ölçütü tanımlanır. Bu aşama olmadan, geri kalan her şey yanlış temele oturur. Ardından, seçilen use-case için uyum danışmanı erkenden devreye girer: destek verileri kişisel veri içerdiğinden, KVKK çerçevesi, erişim kontrolü ve saklama politikası daha ilk günden tasarıma konur.

Sonra teknik danışman sahneye çıkar. Seçilen use-case için doğru mimariyi kurar; bu örnekte muhtemelen bir RAG sistemi, doğru embedding ve erişim kontrolüyle. Pilotu kurar, ölçer, üretime alır. Bu aşamada strateji danışmanının koyduğu başarı ölçütü ve uyum danışmanının koyduğu sınırlar, teknik çalışmanın pusulası olur. Teknik mükemmellik burada tek başına yeterli değildir; iş değerine ve uyuma bağlı kaldığı sürece anlamlıdır.

Sistem çalışmaya başladığında eğitim danışmanı devreye girer: destek ekibine aracı doğru kullanmayı, sınırlarını bilmeyi ve çıktıları doğrulamayı öğretir; benimsemeyi ölçer ve artırır. Tüm bu yolculuk boyunca, eğer kurum bunu tek tek koordine edecek kapasiteye sahip değilse, bir fractional AI lideri hepsini bir arada tutar: doğru türü doğru anda devreye alır, yönetim kuruluyla iletişimi yürütür ve programı hesap verebilir bir çatı altında toplar. İşte türlerin gerçek gücü tam burada görünür: ayrı ayrı değil, doğru sırayla ve birlikte çalıştıklarında. Böyle bir uçtan uca programı tasarlamak için yapay zeka danışmanlığı hizmetiyle başlayabilir, ekiplerinizin yetkinliği için kurumsal eğitim seçeneklerini inceleyebilirsiniz.

Yapay zeka danışmanı türleri konusunu ciddiye almanın en somut nedeni, yanlış seçimin gerçek ve ölçülebilir bir maliyeti olmasıdır. Bu maliyet çoğu zaman fatura kaleminde görünmez; kaybedilen zamanda, boşa harcanan güvende ve ertelenen fırsatta birikir. Yanlış tür seçiminin üç tür maliyeti vardır ve üçü de sinsidir.

Birincisi doğrudan finansal maliyettir. Stratejik bir boşluğa aylar süren bir teknik uygulama projesi kaydırmak, hem danışmanlık ücretini hem de iç ekibin zamanını, sonunda kullanılmayacak bir çözüme harcamaktır. Tersine, basit bir uygulama sorununa pahalı bir strateji çalışması yaptırmak, ihtiyaç duyulmayan bir belgeye ödeme yapmaktır. Her iki durumda da para, yanlış türe gittiği için kaybedilir. Danışmanlık yatırımının değerini nasıl ölçeceğinizi yapay zeka danışmanlığı değeri yazısında ele alıyoruz.

İkincisi zaman ve momentum maliyetidir. Yapay zeka hızla değişen bir alandır; yanlış türle geçirilen aylar, yalnızca kaybedilen zaman değil, kaçırılan pencere demektir. Bir kurum yanlış danışman türüyle altı ay kaybettiğinde, rakip doğru türle aynı sürede üretime geçmiş olabilir. Momentum kaybı, finansal kayıptan daha zor telafi edilir; çünkü kurum içi heyecan ve yönetim desteği de bu süreçte erir.

Üçüncüsü ve en tehlikelisi güven maliyetidir. Yanlış türle başarısız olan bir yapay zeka girişimi, tüm yapay zeka konusuna karşı kurumsal bir güvensizlik yaratır: "denedik, olmadı" cümlesi, aslında "yanlış türle denedik" demek olsa bile, bir sonraki doğru girişimi de zorlaştırır. Bu yüzden ilk danışmanlık ilişkisinin türünü doğru seçmek, yalnızca o projeyi değil, kurumun yapay zekaya bakışını da korur. Doğru türü doğru anda seçmek, danışmanlığın en kritik ilk kararıdır; ve bu karar, danışmanı seçmeden önce, kurumun kendi darboğazını dürüstçe adlandırmasıyla başlar.

Yapay zeka danışmanı türleri yalnızca ne yaptıklarıyla değil, nasıl ücretlendirildikleri ve nasıl çalıştıklarıyla da birbirinden ayrılır. Doğru türü seçtikten sonra ikinci pratik soru şudur: bu tür genellikle hangi çalışma ve ücret modeliyle gelir? Bu modeli baştan bilmek, hem bütçeyi doğru kurmayı hem de danışmanla adil bir sözleşme yapmayı kolaylaştırır. Aşağıda beş türün tipik çalışma biçimlerini açıyorum; rakamlar değil, mantık verilmiştir.

Strateji danışmanlığı genellikle yoğun ama süreli bir çalışmadır; sıklıkla sabit kapsamlı bir proje ücretiyle fiyatlanır. Çünkü çıktısı bellidir (değerlendirme, yol haritası, iş vakası) ve süresi haftalarla sınırlıdır. Teknik danışmanlık ise aylara yayılan bir uygulama işidir; ya proje bazlı ya da gün/hafta bazlı bir modelle ilerler, çünkü kapsam ilerledikçe netleşir. Eğitim danışmanlığı çoğu zaman program ya da gün başına fiyatlanır; tekrarlayan yapısı gereği bir defalık değil, dönemsel bir bütçe kalemidir. Danışmanlık ücretlerinin genel yapısını yapay zeka danışmanlığı ücretleri 2026 ve fiyat mantığını yapay zeka danışmanlığı fiyatları yazısında ayrıntılandırıyoruz.

Uyum ve governance danışmanlığı çift katmanlı bir model taşır: bir kurulum aşaması (politika, risk sınıflandırması, denetim mekanizması) ve ardından periyodik gözden geçirme. Bu yüzden çoğu zaman bir kurulum ücreti artı düzenli bir gözden geçirme anlaşmasıyla gelir. Fractional AI liderliği ise en belirgin biçimde aylık sabit bir retainer (elde tutma ücreti) modeliyle çalışır; kısmi ama sürekli bir kapasite sattığı için, saatlik veya proje bazlı değil, aylık kapasite bazlı fiyatlanır. Bu model, kuruma tam zamanlı bir yöneticinin maliyetinden çok daha düşük bir bütçeyle kıdemli liderlik sağlar.

Çalışma modeli, sözleşmenin de şeklini belirler. Sabit kapsamlı bir strateji çalışmasının sözleşmesi ile açık uçlu bir fractional liderlik anlaşmasının sözleşmesi çok farklıdır; birinde teslimatlar, diğerinde kapasite ve sorumluluklar tanımlanır. Her iki durumda da kapsam, teslimat, süre ve fesih koşullarının net yazılması kritiktir; sözleşmede nelere dikkat edileceğini yapay zeka danışmanlığı sözleşmesi yazısında ele alıyoruz. Önemli bir ilke: ücret modeli, türün doğal ritmiyle uyumlu olmalıdır. Aylar süren bir uygulama işini tek seferlik sabit ücretle sıkıştırmak ya da haftalık bir strateji işini uzun bir retainer'a bağlamak, hem danışman hem kurum için sağlıksızdır.

Yapay zeka danışmanı türleri tartışmasının doğal bir uzantısı, her türün dışarıdan mı alınması yoksa içeride mi kurulması gerektiği sorusudur. "İç ekip mi, dış danışman mı" sorusu tek bir cevapla geçiştirilemez; çünkü doğru cevap türe göre değişir. Bazı türler doğaları gereği dışarıdan alınmaya daha uygundur, bazıları ise uzun vadede içeride kurulmalıdır. Bu ayrımı görmek, hem gereksiz dış bağımlılığı hem de erken iç yatırımı önler.

Strateji danışmanlığı, çoğu zaman dışarıdan alınmaktan fayda görür; çünkü değeri kısmen tarafsızlığından gelir. İçeriden biri, mevcut projelere ve iç politikaya duygusal olarak bağlıdır; dışarıdan bir strateji danışmanı ise "kral çıplak" diyebilecek konumdadır. Aynı şekilde uyum danışmanlığı, özellikle bir kurulum aşamasında, dışarıdan uzmanlıkla daha verimlidir; çünkü regülasyon bilgisi derin ama aralıklı ihtiyaç duyulan bir alandır. Bu tür soruları genel olarak AI danışmanlığı mı iç ekip mi yazısında tartışıyoruz.

Teknik danışmanlık ise farklı bir mantık taşır. Bir pilot kurup üretime almak için dışarıdan teknik danışman almak mantıklıdır; ama kurum yapay zekayı sürekli kullanacaksa, teknik yetkinliğin uzun vadede içeride kurulması gerekir. Burada doğru model çoğu zaman hibrittir: dışarıdan bir teknik danışman sistemi kurar ve aynı zamanda iç ekibi yetiştirir, böylece bilgi kurumda kalır. Eğitim danışmanlığı da benzer biçimde hibrittir: dış danışman müfredatı ve ilk dalgayı kurar, sonra kurum içi şampiyonlar bunu sürdürür. Bağımsız danışman, ajans ve iç ekip seçeneklerini bağımsız danışman vs ajans vs iç ekip yazısında karşılaştırıyoruz.

Fractional AI liderliği, bu sorunun en zarif cevabıdır: ne tam dış danışmanlık ne tam iç istihdam; ikisinin arasında bir üçüncü yol. Fractional lider dışarıdan gelir ama içeriden biri gibi çalışır ve nihai hedefi, rolü zamanla içeride kalıcı bir kişiye devretmektir. Böylece kurum, tam zamanlı bir yöneticiyi karşılamadan kıdemli liderliğe erişir ve aynı zamanda içeride yetkinlik inşa eder. Genel ilke şudur: bir kerelik veya tarafsızlık gerektiren türleri (strateji, uyum kurulumu) dışarıdan almak; sürekli ve operasyonel türleri (teknik işletim) zamanla içeride kurmak; ve ikisi arasındaki köprüyü fractional liderlikle sağlamak.

Yapay zeka danışmanı türleri her sektörde aynı ağırlıkta gerekmez; sektörün regülasyon yoğunluğu, veri hassasiyeti ve tipik use-case'leri, hangi türün öne çıkacağını belirler. Kendi sektörünüzün profilini bilmek, danışman aramaya başlamadan önce ihtiyacınızı daraltmanın hızlı bir yoludur. Aşağıda birkaç sektörün tipik ağırlıklarını paylaşıyorum; bu bir kural değil, bir eğilim haritasıdır.

Finans ve bankacılıkta uyum danışmanlığı neredeyse her zaman öne çıkar. KVKK'ya ek olarak BDDK düzenlemeleri, model risk yönetimi ve denetlenebilirlik, bu sektörde uyum ve governance danışmanını başlangıç noktası yapar; teknik danışman bile bu sınırlar içinde çalışmak zorundadır. Türkiye bankacılığında yapay zeka düzenlemelerini Türkiye bankacılığı yapay zeka ve BDDK yazısında ele alıyoruz. Sağlıkta da benzer bir tablo geçerlidir: uyum ve teknik danışmanlık birlikte yürür, çünkü hem hasta verisi hassastır hem de klinik doğruluk kritiktir.

İmalat ve üretimde ağırlık teknik danışmanlığa kayar. Kestirimci bakım, kalite kontrolde bilgisayarlı görü ve süreç optimizasyonu gibi use-case'ler derin teknik uzmanlık gerektirir; buradaki darboğaz çoğu zaman regülasyon değil, uygulanabilir mimari ve saha entegrasyonudur. İmalatta yapay zeka uygulamalarını imalatta yapay zeka 2026 yazısında derinleştiriyoruz. Perakende ve e-ticarette ise strateji ve teknik danışmanlık öne çıkar: kişiselleştirme, öneri sistemleri ve agentic ticaret gibi alanlarda hangi use-case'in önce geleceğini belirlemek stratejik, onu kurmak tekniktir. E-ticarette yapay zekayı e-ticarette yapay zeka 2026 Türkiye yazısında ele alıyoruz.

Ortak bir örüntü şudur: regülasyon yoğun sektörlerde (finans, sağlık, sigorta, kamu) uyum danışmanı öne çıkar ve erken devreye girmelidir; teknik yoğun sektörlerde (imalat, lojistik) teknik danışman ağırlık taşır; hızlı değişen tüketici sektörlerinde (perakende, e-ticaret) strateji danışmanı önceliklendirme değeri üretir. Sigortacılıkta yapay zekanın nasıl konumlandığını sigortacılıkta yapay zeka 2026 yazısında bulabilirsiniz. Yine de her sektörde eğitim danışmanlığı sabit bir ihtiyaçtır; çünkü hangi use-case olursa olsun, onu kullanacak insanların yetkinleşmesi gerekir. Sektör profili başlangıç noktasını verir; kesin ihtiyaç, kurumun kendi olgunluğuna göre şekillenir.

Yapay zeka danışmanı türleri ihtiyacı sabit değildir; kurum olgunlaştıkça hangi türe ihtiyaç duyulduğu da değişir. Aynı kurum, yolculuğun başında bir türe, ortasında başka bir türe ve olgunlukta bambaşka bir yapıya ihtiyaç duyar. Bu değişimi bilmek, hem şu anki doğru türü seçmeyi hem de bir sonraki adımı öngörmeyi sağlar. Olgunluk modelini genel olarak yapay zeka olgunluk modeli ve Türkiye bağlamında kurumsal AI olgunluk modeli Türkiye yazısında ele alıyoruz.

Başlangıç aşamasında, yani kurum henüz yönünü bulamamışken, baskın ihtiyaç strateji danışmanıdır. Bu aşamada teknik derinliğe yatırım yapmak erkendir; önce nereye gidileceği netleşmelidir. Bu, yolculuğun en kritik ama en çok atlanan aşamasıdır; çünkü heyecanlı ekipler doğrudan uygulamaya koşmak ister. Doğru strateji, sonraki tüm aşamaların temelini kurar.

Büyüme aşamasında, strateji netleştikten ve ilk use-case seçildikten sonra, ağırlık teknik ve eğitim danışmanlığına kayar. Artık bir şeyler kurulmalı ve insanlar bunu kullanmayı öğrenmelidir. Bu iki tür bu aşamada birlikte yürür; çünkü kurulan sistem, benimsenmezse değer üretmez. Ölçekleme aşamasında, birden fazla proje aynı anda ilerlerken, uyum ve governance danışmanlığı ile fractional liderlik öne çıkar. Artık mesele tek bir projeyi kurmak değil, dağınık girişimleri tutarlı, uyumlu ve yönetilebilir bir portföye dönüştürmektir. Bu geçişin nasıl planlanacağını kurumsal AI stratejisi yazısı tamamlar.

Olgunluk aşamasında ise ilginç bir dönüşüm olur: kurum, çoğu yetkinliği içeride kurmuş olur ve dış danışmanlık ihtiyacı sürekli değil, noktasal hale gelir. Bu aşamada danışman, "her şeyi yapan" değil, belirli bir zorlukta "ikinci görüş" veren bir uzmandır. Fractional lider rolünü içerideki kalıcı bir yapay zeka liderine devreder; dış danışman ise yalnızca yeni bir teknoloji, yeni bir regülasyon veya özel bir zorluk çıktığında devreye girer. Bu yolculuğu görmek önemli bir dersi verir: bir kurumun bugün ihtiyaç duyduğu tür, altı ay sonra ihtiyaç duyacağı türden farklı olabilir; bu yüzden danışmanlık ilişkisini statik değil, kurumun olgunluğuyla birlikte evrilen bir şey olarak kurgulamak gerekir.

Yapay zeka danışmanı türleri arasında doğru türü belirledikten sonra, o tür içinde doğru kişiyi seçmek gerekir; ve bunun en pratik yolu, her türe özgü doğru soruları sormaktır. Genel "referanslarınız neler" sorusu her türde geçerlidir, ama her türün kendine özgü, derinliği ortaya çıkaran soruları vardır. Aşağıda tür bazında sorulacak kritik soruları paylaşıyorum; bu sorular, iyi bir danışmanı yüzeysel birinden ayırır. Doğru danışmanı seçmenin genel kriterlerini yapay zeka danışmanı nasıl seçilir yazısında ele alıyoruz.

Strateji danışmanına sorulacak kritik soru şudur: "Bir use-case'i neden önceliklendirmemem gerektiğini bana ne zaman söylediniz?" İyi bir strateji danışmanı, her fikri desteklemez; kurumu yanlış yatırımdan da korur. Eğer bir danışman size hep "evet, bu harika olur" diyorsa, tarafsızlığından şüphe etmelisiniz. Teknik danışmana sorulacak soru daha somuttur: "Üretime aldığınız bir sistem ilk aylarda nasıl bozuldu ve bunu nasıl çözdünüz?" Bu soru, laboratuvar deneyimi ile gerçek üretim deneyimini ayırır; yalnızca pilot kuran biri bu soruya inandırıcı cevap veremez.

Eğitim danışmanına sorulacak kritik soru benimsemeye odaklanır: "Eğitiminizden sonra katılımcıların araçları gerçekten kullanmaya devam ettiğini nasıl ölçtünüz?" Tek seferlik bir seminer veren biri ile kalıcı yetkinlik kuran biri, bu soruda ayrışır. İyi bir eğitim danışmanının özelliklerini iyi yapay zeka danışmanı özellikleri yazısında derinleştiriyoruz. Uyum danışmanına sorulacak soru sınırları test eder: "Hangi durumda bir kuruma 'bunu hukuk biriminizle yapmalısınız, ben yapamam' dediniz?" Sınırlarını bilen bir uyum danışmanı, avukatın yerini almaya çalışmaz; köprü kurar.

Fractional AI liderine sorulacak en kritik soru devirle ilgilidir: "Önceki bir kurumda bu rolü içerideki birine nasıl devrettiniz?" Kendini vazgeçilmez kılmaya çalışan bir fractional lider, kurumu bağımlı bırakır; iyi olanı ise ilk günden çıkışını planlar. Tüm bu soruların ortak amacı aynıdır: danışmanın kendi türünde gerçek derinliğe sahip olup olmadığını, cilalı bir sunumun ardındaki gerçek deneyimi ortaya çıkarmak. Doğru türü doğru soruyla eşleştirmek, danışman seçiminin en güçlü aracıdır; ve bu sorular, danışmanın hangi türde olduğunu iddia ettiğini değil, o türü gerçekten taşıyıp taşımadığını gösterir.

Beş ana yapay zeka danışmanı türü, kaba bir haritadır; gerçek dünyada, özellikle teknik danışmanlığın altında, daha uzmanlaşmış alt türler belirir. Kurum olgunlaştıkça bu inceliklere ihtiyaç duyar; başlangıçta genel bir teknik danışman yeterken, ölçekte belirli bir katmanda derin uzmanlık aranır. Bu alt türleri tanımak, "teknik danışman" etiketinin altında aslında farklı uzmanlıkların olduğunu görmenizi sağlar.

En yaygın alt tür veri danışmanıdır. Yapay zeka projelerinin büyük kısmı model değil, veri sorunlarında takılır: dağınık kaynaklar, kötü kalite, eksik etiketleme, yönetişim boşlukları. Veri hazırlığı ve yönetişimi kendi başına bir uzmanlıktır; bir veri danışmanı, model kurulmadan çok önce veri katmanını sağlama alır. Veri yönetişiminin ne olduğunu veri yönetişimi nedir yazısında ele alıyoruz. Bir başka alt tür MLOps/LLMOps danışmanıdır: modeli üretimde ayakta tutmak, izlemek, sürümlemek ve bozulmayı yakalamak, uygulama danışmanlığından ayrı bir kas gerektirir. Bu disiplini MLOps nedir ve büyük dil modelleri için LLMOps nedir yazısında derinleştiriyoruz.

Üçüncü bir alt tür sektör danışmanıdır. Bazı danışmanlar yatay (her sektöre uygun) çalışırken, bazıları belirli bir dikeyde — bankacılık, sağlık, imalat — derinleşir. Sektör danışmanı, o alanın regülasyonunu, tipik use-case'lerini ve tuzaklarını içeriden bilir; bu bilgi, genel bir danışmanın aylarca öğreneceği şeyi ilk günden sağlar. Bu roller arasındaki farkları, örneğin veri bilimci ile yapay zeka mühendisi ayrımını, veri bilimci ile AI mühendisi farkı yazısında ele alıyoruz.

Alt türlerin varlığı önemli bir sonuç doğurur: "bir teknik danışman lazım" demek her zaman yeterince spesifik değildir. Sorununuz veri kalitesiyse veri danışmanı, üretim kararlılığıysa MLOps danışmanı, sektörel uyumsa sektör danışmanı gerekir. Bu ayrımı bilmeden alınan genel bir teknik danışman, sizin özel darboğazınızda yüzeysel kalabilir. Olgun bir yaklaşım, önce ana türü (bu örnekte teknik), sonra o türün içindeki doğru alt uzmanlığı belirlemektir. Fractional AI lideri veya kıdemli bir strateji danışmanı, çoğu zaman hangi alt türe ihtiyaç duyduğunuzu teşhis etmenize ve doğru uzmanı bulmanıza yardımcı olur; bu da neden bir üst düzey yönlendirici rolün değerli olduğunu gösterir.

Yapay zeka danışmanı türleri arasındaki ilişki dinamiktir; bir tür işini bitirdiğinde, başka bir türe geçme zamanı gelir. Bu geçiş sinyallerini okuyamamak, iki yönlü bir israfa yol açar: ya artık ihtiyaç kalmayan bir türle çalışmaya devam edersiniz ya da yeni ihtiyaç duyduğunuz türe geç geçersiniz. İyi bir danışmanlık ilişkisi, kendi bitişini ve bir sonraki türe devrini de öngörür.

Strateji danışmanından teknik danışmana geçiş sinyali, yol haritasının netleşmesi ve ilk use-case'in seçilmesidir. Strateji belgeleri hazır, öncelik belli ve başarı ölçütü tanımlıysa, artık strateji çalışmasını uzatmak değil, uygulamaya geçmek gerekir; darboğaz "ne" katmanından "nasıl" katmanına kaymıştır. Tersine, bir uygulama sırasında sürekli "ama neden bunu yapıyoruz" sorusu çıkıyorsa, bu strateji katmanına geri dönme sinyalidir; teknik çalışma stratejik bir boşluğun üzerine oturamaz.

Teknik danışmandan eğitim danışmanına geçiş sinyali, sistemin çalışır hale gelmesi ama benimsenmemesidir. Sistem üretimde, kararlı ve doğru; ama kullanım düşük ya da yanlış. Bu, teknik işin bittiğini ve benimseme işinin başladığını gösterir. Uyum danışmanına geçiş sinyali ise genellikle ölçekleme anında gelir: tek bir pilot düşük riskliyken, sistem gerçek kullanıcı verisiyle ve birden çok departmanla ölçeklendiğinde, regülasyon ve yönetişim aniden kritik hale gelir. Bu geçişlerin nasıl yönetildiğini, bir danışmanlık ilişkisinin ilk aşamalarını yapay zeka danışmanlığı süreci ilk 30 gün yazısında paylaşıyoruz.

En kritik geçiş, herhangi bir dış türden içeriye devirdir. Bir danışman türü, kurumda kalıcı bir yetkinlik bırakmışsa görevini tamamlamış demektir; artık o türe dış kaynaktan değil, içeriden erişilebilir. İyi bir danışman bu anı geciktirmez, tersine hızlandırır; çünkü başarısının ölçütü kurumun kendisine olan bağımlılığı değil, kendi ayakları üzerinde durabilmesidir. Türden türe geçişi bilinçli yönetmek, iç ekip ile dış danışman dengesini de doğru kurar; bu dengeyi AI danışmanlığı mı iç ekip mi yazısında tartışıyoruz.

Şimdiye kadar anlatılan yapay zeka danışmanı türleri, büyük bir kurumda ayrı ayrı uzmanlar olarak görünür; ama küçük ve orta ölçekli işletmelerde durum farklıdır. Bir KOBİ'nin beş ayrı danışman tutacak ne bütçesi ne de ihtiyacı vardır; onun için doğru soru, bu türleri nasıl akıllıca birleştireceğidir. Bu, türleri yok saymak değil, önceliklendirmek ve sıkıştırmak demektir. Küçük işletmelerin bu yaklaşımını KOBİ yapay zeka danışmanlığı yazısında ayrıntılandırıyoruz.

Küçük bir ekipte doğru yaklaşım, tek bir kıdemli danışmanı doğru sırayla farklı türlerde çalıştırmaktır. İyi bir danışman, önce kısa bir strateji çalışmasıyla önceliği netleştirir, sonra tek bir yüksek değerli use-case'i uygulamaya alır, aynı süreçte ekibi eğitir ve baştan temel uyum ilkelerini kurar. Bu, beş ayrı danışman değil, beş türü bilinçli sırayla taşıyan tek bir danışmandır. Kritik olan, bu danışmanın hangi türde derinliği olduğunu ve hangi noktada bir uzmana ihtiyaç duyacağını dürüstçe söylemesidir.

Sıkıştırmanın sınırı, riskin arttığı yerde başlar. Küçük bir e-ticaret sitesi için genel bir danışman çoğu türü birleştirebilir; ama kişisel sağlık verisi işleyen küçük bir klinik için uyum, sıkıştırılamayacak kadar kritiktir ve ayrı bir uzman gerektirir. Yani sıkıştırma, düşük riskli bağlamlarda ekonomik ve doğru; yüksek riskli bağlamlarda ise tehlikelidir. Ölçek küçüldükçe türler birleşir, ama risk arttıkça ayrışmak zorunda kalır. Bu dengeyi kurmak, küçük ekipler için danışman seçiminin özüdür.

Orta ölçekli kurumlar için en dengeli çözüm çoğu zaman fractional AI liderliğidir; çünkü bu tür, doğası gereği bir birleştirici roldür. Fractional lider, birçok türü bizzat taşır ve taşıyamadığında doğru uzmanı devreye alır; böylece kurum, beş ayrı tam zamanlı uzmanın maliyetine katlanmadan, gereken tüm türlere erişir. Küçük ve orta ekipler için ders şudur: türleri birleştirmek bir zayıflık değil, doğru koşullarda akıllı bir stratejidir; yeter ki hangi türün ne zaman ayrı bir uzmanlık gerektirdiğini bilerek yapılsın. Bağımsız danışman, ajans ve iç ekip seçenekleri arasındaki dengeyi bağımsız danışman vs ajans vs iç ekip yazısında ele alıyoruz.

Yapay zeka danışmanı türleri konusunda az konuşulan ama başarıyı belirleyen bir gerçek şudur: her dış danışman türünün, kurum içinde bir muhatabı, bir sahibi olmalıdır. Danışman ne kadar yetkin olursa olsun, içeriden onu sahiplenen, kararları alan ve çıktıyı hayata geçiren biri yoksa, en iyi danışmanlık bile havada kalır. Türe göre bu iç sahibin kim olduğu değişir; bunu baştan netleştirmek, danışmanlık ilişkisinin sessiz başarı koşuludur.

Strateji danışmanının iç muhatabı genellikle üst yönetim veya bir yönetici sponsordur; çünkü strateji, bütçe ve öncelik kararları gerektirir ve bu kararlar ancak yeterli yetkiye sahip biri tarafından alınabilir. Strateji çalışmasının yönetim kuruluna nasıl taşınacağını üst yönetime yapay zeka projesi sunumu yazısında ele alıyoruz. Teknik danışmanın iç muhatabı ise bir teknik lider veya proje sahibidir; birinin danışmanla iç sistemler, veri ve entegrasyon konusunda çalışması ve bilgiyi içeride tutması gerekir.

Eğitim danışmanının iç sahibi çoğu zaman İK veya bir öğrenme-gelişim birimidir; ama en etkili model, iş birimlerinden gönüllü yapay zeka şampiyonlarının bu role dahil olmasıdır. Teknik olmayan rollerdeki bu şampiyonların değerini teknik olmayan roller ve AI şampiyonu yazısında derinleştiriyoruz. Uyum danışmanının iç muhatabı hukuk, uyum veya veri koruma birimidir; çünkü dış uyum danışmanı köprü kurar, ama nihai sorumluluk ve karar içerideki bu birimdedir. Fractional AI liderinin ise özel bir iç muhataba değil, doğrudan üst yönetime ve zamanla kendisine devredeceği kalıcı bir yapay zeka liderine ihtiyacı vardır.

İç sahiplik olmadan danışmanlık, "danışman gidince duran" bir işe dönüşür. Bu yüzden bir danışman türüyle çalışmaya başlamadan önce sorulacak kritik soru şudur: "Bu danışmanın çıktısını içeride kim sahiplenecek ve sürdürecek?" Bu sorunun cevabı boşsa, önce o boşluğu doldurmak gerekir. En iyi danışmanlık ilişkileri, dış uzmanlık ile iç sahiplik arasında net bir eşleşme kurar; her tür için içeride bir muhatap tanımlar ve danışmanın nihai amacını bilgiyi o muhataba aktarmak olarak belirler. Böylece danışmanlık, kuruma dışarıdan eklenen geçici bir yama değil, içeride kalıcı yetkinliğe dönüşen bir yatırım olur.

Kaç tür yapay zeka danışmanı var?

Yapay zeka danışmanı türleri pratikte beş ana başlıkta toplanır: strateji danışmanı, teknik (uygulama) danışmanı, eğitim danışmanı, uyum ve governance danışmanı ve fractional AI lideri (dış kaynak yapay zeka direktörü). Bu ayrım katı bir sınıflandırma değil, işlevsel bir haritadır; gerçek hayatta bir danışman birden fazla rolü birleştirebilir veya bir kurum farklı aşamalarda farklı türlere ihtiyaç duyabilir. Önemli olan tür etiketini ezberlemek değil, kurumun o anki darboğazının hangi türle çözüldüğünü görmektir.

Bize hangi tür yapay zeka danışmanı uygun?

Doğru tür, kurumun o anki en büyük darboğazına göre belirlenir. Nereye yatırım yapacağını bilmiyorsanız ve pilotlar dağınıksa strateji danışmanı; bir çözümü kuramıyor veya üretime alamıyorsanız teknik danışman; ekip araçları kullanmıyor ve benimseme düşükse eğitim danışmanı; KVKK, EU AI Act veya sektörel regülasyon riskiniz varsa uyum danışmanı; ve yapay zekayı sahiplenecek bir liderlik boşluğunuz varsa fractional AI lideri uygundur. Çoğu kurum aynı anda birden fazla ihtiyaç taşır; bu durumda türlerin hangi sırayla devreye gireceğini planlamak, hepsini birden almaktan daha akıllıcadır.

Bir danışman bütün türleri birleştirebilir mi?

Kısmen. Kıdemli bir danışman, özellikle fractional AI lideri rolündeyse, strateji ile eğitim veya strateji ile uyum gibi komşu türleri güvenle birleştirebilir. Ancak strateji, derin teknik mimari, sınıf içi eğitim ve hukuki uyumun dördünü de aynı derinlikte taşıyan tek bir kişi nadirdir. Sağlıklı model, tek bir kıdemli danışmanın programı yönetip stratejik omurgayı kurması, derin teknik veya özel hukuki konularda ise doğru uzmanı devreye alması veya sizi yönlendirmesidir. Kendini "her şeyi tek başına yaparım" diye pazarlayan bir danışmana ihtiyatla yaklaşmak gerekir.

Strateji danışmanı ile teknik danışman arasındaki fark nedir?

Strateji danışmanı "nereye ve neden" sorusuyla ilgilenir: hangi iş problemine yapay zeka uygulanmalı, hangi use-case önce gelmeli ve başarı nasıl ölçülmeli. Çıktısı yol haritası ve iş vakasıdır. Teknik danışman ise "nasıl ve neyle" sorusuyla ilgilenir: mimari, veri, model seçimi ve üretime alma. Çıktısı çalışan bir sistemdir. İyi bir projede ikisi birbirini tamamlar; strateji yanlışsa mükemmel teknik boşa gider, teknik zayıfsa mükemmel strateji kâğıtta kalır.

Fractional AI lideri ne zaman gerekir?

Fractional AI lideri, yapay zekayı sahiplenecek kıdemli bir liderliğe ihtiyaç duyan ama henüz tam zamanlı bir Chief AI Officer istihdam etmeyi haklı çıkaramayan orta ölçekli kurumlar için uygundur. Belirtileri: dağınık pilotlar, teknik-iş-uyum ekipleri arasında koordinasyon eksikliği ve yönetimin güvenilir, tarafsız bir sese olan ihtiyacı. Fractional lider haftada birkaç gün gibi bir kapasiteyle programı yönetir, doğru danışman türlerini devreye alır ve zamanla rolü içeride kalıcı bir kişiye devretmeyi hedefler.

Uyum danışmanı ile eğitim danışmanına aynı anda ihtiyaç olur mu?

Evet. Uyum danışmanı KVKK, EU AI Act ve sektörel regülasyona uygun politikaları ve denetim mekanizmalarını kurar; ancak yazılı bir politika, çalışanlar onu anlamadıkça kâğıtta kalır. Eğitim danışmanı politikayı uygulanabilir davranışa çevirir, çalışanlara yapay zekayı sorumlu kullanmayı öğretir ve gölge yapay zeka kullanımını azaltır. Regüle sektörlerde bu iki tür çoğu zaman birlikte planlanır; uyum kuralı koyar, eğitim onu yaşayan pratiğe dönüştürür.

Kısaca, yapay zeka danışmanı türleri beş işlevsel rolde toplanır: strateji danışmanı "nereye ve neden" sorusunu, teknik (uygulama) danışmanı "nasıl ve neyle" sorusunu, eğitim danışmanı "kim yapacak ve nasıl benimseyecek" sorusunu, uyum ve governance danışmanı "yasal ve etik olarak güvenli mi" sorusunu, fractional AI lideri ise "bütün bunları kim yönetecek" sorusunu yanıtlar. Bu türler katı bölmeler değil, kurumun darboğazına göre seçilen ve çoğu zaman birbirini tamamlayan uzmanlık alanlarıdır.

En önemli mesaj şudur: doğru türü seçmek, danışmanın kişisel niteliğinden önce gelir. Yanlış türle çalışmak, en yetenekli danışmanla bile yanlış sonuca götürür; çünkü mesele "iyi danışman" değil, "doğru soruna doğru tür"dür. Danışman aramaya başlamadan önce kurumun kendi darboğazını dürüstçe adlandırması, sürecin en verimli ilk adımıdır. Bir kurum aynı anda birden fazla ihtiyaç taşıyorsa, akıllıca olan hepsini birden almak değil, türleri doğru sırayla devreye almaktır. Unutmayın: yapay zeka danışmanı türleri bir etiket koleksiyonu değil, kurumunuzun o anki darboğazını doğru uzmanla eşleştirmenizi sağlayan pratik bir karar aracıdır; doğru türü doğru zamanda seçmek, tüm danışmanlık yatırımının getirisini belirleyen ilk ve en kritik adımdır.

Temel kavramları derinleştirmek için yapay zeka danışmanlığı nedir, doğru danışmanı seçmek için yapay zeka danışmanı nasıl seçilir ve danışmanlık hizmetinin tam kapsamını görmek için kurumsal yapay zeka danışmanlığı hizmet kapsamı yazılarına bakabilirsiniz. Kurumunuza özel bir danışman türü eşleştirmesi ve yol haritası için yapay zeka danışmanlığı hizmetiyle başlayabilir, ekiplerinizin yetkinliği için kurumsal eğitim seçeneklerini değerlendirebilir ve tüm kavramları öğrenme merkezinde derinleştirebilirsiniz.