# Kurumsal AI Olgunluk Modeli 2026: Türk Şirketleri İçin 7 Aşamalı Çerçeve

> Source: https://sukruyusufkaya.com/blog/kurumsal-ai-olgunluk-modeli-turkiye
> Updated: 2026-08-24T00:12:51.702Z
> Type: blog
> Category: yapay-zeka
**TLDR:** Türkiye'deki kurumsal AI adoption serüvenini yapılandıran 7 aşamalı olgunluk modeli: her aşamanın tanımı, dört boyutta (strateji, veri, yetenek, yönetişim) skor kriterleri, 21 sorudan oluşan self-assessment ve aşamalar arası geçiş kalıpları. KVKK + EU AI Act + ISO 42001 uyumuyla birlikte değerlendirilen üretim-odaklı bir referans çerçevedir.

<tldr data-summary="[&#34;Kurumsal AI olgunluğu doğrusal değil — şirketler 7 farklı aşamada farklı sorunlarla karşılaşır.&#34;,&#34;7 aşama: (1) Farkındalık, (2) Deneme, (3) Temel Atma, (4) Operasyonelleşme, (5) Ölçekleme, (6) Bütünleşme, (7) Dönüşüm.&#34;,&#34;Her aşama dört boyutta ölçülür: strateji, veri, yetenek, yönetişim. Toplam puan 4 (kaotik) ile 28 (AI-native) arasında değişir.&#34;,&#34;Türk şirketlerinin büyük çoğunluğu Aşama 2 (Deneme) ile Aşama 3 (Temel Atma) arasında sıkışmıştır — yapısal sebep çoğunlukla veri altyapısı ve KVKK uyum hazırlığıdır.&#34;,&#34;Aşamalar arası geçiş POC değil platform yatırımı gerektirir; veri katmanı, eval harness ve LLMOps olmadan ölçeklenmeye çalışmak başarısız olur.&#34;]" data-one-line="Kurumsal AI olgunluk modeli, bir şirketin AI adoption serüvenini ölçen ve sıradaki yatırım kararlarını yönlendiren çok boyutlu bir değerlendirme çerçevesidir."></tldr>

## 1. AI Olgunluk Modeli Nedir ve Neden Önemlidir?

Türk şirketlerinin neredeyse tamamı son 24 ayda en az bir AI denemesi yaptı: ChatGPT'yi pazarlama metinleri için kullandı, müşteri hizmetlerine chatbot ekledi, ya da bir RAG POC'i çıkarttı. Ancak bunların **%60'tan fazlası üretime alınamadan rafa kaldırıldı**. Sebep, çoğunlukla teknolojik değil; **olgunluk seviyesine uymayan yatırım kararlarıdır**: bir şirket henüz Aşama 2'de iken Aşama 5'in gereksinimleri olan çok-ajanlı sistemleri kurmaya çalışınca, projeler tabii ki çöker.

<definition-box data-term="Kurumsal AI Olgunluk Modeli (AI Maturity Model)" data-definition="Bir şirketin yapay zeka adoption serüvenini stratejik vizyon, veri altyapısı, yetenek havuzu ve yönetişim boyutlarında ölçen, mevcut durumu net bir aşamaya yerleştiren ve sonraki adımları yönlendiren çok boyutlu değerlendirme çerçevesi. Olgunluk arttıkça AI'ın iş değerine dönüşme oranı katlanarak büyür." data-also="AI Maturity Assessment"></definition-box>

Bir olgunluk modeli üç sorunu çözer:

1. **Mevcut durumun teşhisi** — şirket gerçekte hangi aşamada? POC kültürü mü, yoksa platform kültürü mü?
2. **Sonraki adımın doğrulanması** — bir sonraki aşamaya geçmek için spesifik olarak neye yatırım yapmak gerek?
3. **Karşılaştırma** — sektör ortalamasına, hedef pozisyona veya kendi tarihsel durumuna göre nerede?

Bu yazı, Türkiye'deki kurumsal projelerde son üç yıl içinde gözlemlediğim kalıplardan damıttığım 7 aşamalı olgunluk modelini tanımlıyor; her aşamayı, geçiş gereksinimlerini ve self-assessment kriterlerini paylaşıyorum.

<stat-callout data-value="%62" data-context="Türk kurumsal AI projelerinin yaklaşık üçte ikisi" data-outcome="POC veya pilot aşamasında kalıp üretime geçemiyor. Birincil sebep: veri altyapısı ve LLMOps olgunluğunun eksikliği." data-source="{&#34;label&#34;:&#34;McKinsey State of AI - Türkiye Görünümü&#34;,&#34;url&#34;:&#34;https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai&#34;,&#34;date&#34;:&#34;2025&#34;}"></stat-callout>

## 2. Dört Boyut: Olgunluğu Nasıl Ölçeriz?

Olgunluk tek bir aşamada özetlenemez; dört bağımsız boyutta değerlendirilmesi gerekir. Bir şirket strateji boyutunda Aşama 5'te olabilirken, veri boyutunda Aşama 2'de takılabilir — bu **dengesizlik** en yaygın başarısızlık kaynağıdır.

<comparison-table data-caption="Olgunluğun Dört Boyutu ve Ölçüm Kriterleri" data-headers="[&#34;Boyut&#34;,&#34;Ne Ölçer?&#34;,&#34;Kritik Sinyaller&#34;,&#34;Düşük Skor Maliyeti&#34;]" data-rows="[{&#34;feature&#34;:&#34;Strateji&#34;,&#34;values&#34;:[&#34;Üst yönetim hizalanması, AI vizyonu, ROI beklentileri&#34;,&#34;Yönetim kurulu seviyesinde AI ajandası var mı? Use-case havuzu önceliklendirilmiş mi?&#34;,&#34;Dağınık POC&#39;ler, fonlama tutarsızlığı&#34;]},{&#34;feature&#34;:&#34;Veri&#34;,&#34;values&#34;:[&#34;Veri kalitesi, toplama, etiketleme, vektörleme, yönetişim&#34;,&#34;Tek doğru kaynak (single source of truth) var mı? Embedding altyapısı kuruldu mu?&#34;,&#34;Hallucination, model drift, yeniden çalışma&#34;]},{&#34;feature&#34;:&#34;Yetenek&#34;,&#34;values&#34;:[&#34;Ekip kapasitesi, eğitim programı, kültürel hazırlık&#34;,&#34;AI-yetkin geliştirici sayısı, prompt engineering yetkinliği, sürekli öğrenme kültürü&#34;,&#34;Dış bağımlılık, yavaş iterasyon, anahtar adam riski&#34;]},{&#34;feature&#34;:&#34;Yönetişim&#34;,&#34;values&#34;:[&#34;Etik kurallar, uyum (KVKK, EU AI Act), risk yönetimi, gözlemlenebilirlik&#34;,&#34;AI komitesi var mı? Eval harness kurulmuş mu? Audit log akıyor mu?&#34;,&#34;Regülatif ceza riski, marka zedelenmesi, üretim olayları&#34;]}]"></comparison-table>

Her boyut 1-7 arası puanlanır. **Toplam puan = boyutların toplamı**, 4 (en kaotik) ile 28 (AI-native) arasındadır. Olgunluk aşaması, **en düşük boyutun seviyesiyle** belirlenir — çünkü bir AI sistemi en zayıf halkası kadar güvenilirdir.

## 3. Yedi Aşama: Tanım, Sinyaller ve Geçiş Eşikleri

### Aşama 1 — Farkındalık (Awareness)

**Tanım.** Şirkette AI'a dair organize bir çalışma yok. Bireysel çalışanlar ChatGPT kullanıyor olabilir, ancak kurumsal bir vizyon, fonlama veya yönetişim mevcut değil. Veri büyük ölçüde silolarda; AI yetkinliğine sahip ekip üyesi sayısı bir elin parmaklarını geçmiyor.

**Sinyaller.**

- Yönetim kurulu gündeminde AI maddesi haftada bir kere geçiyor, ama somut bir bütçe yok.
- Çalışanlar "kişisel" ChatGPT abonelikleri ile kişisel veri içeren işleri görüyor.
- KVKK uyum sorumlusu AI risk değerlendirmesi yapmamış.

**Bu aşamada yapılması gerekenler.** Üst yönetim için 1-2 günlük yönetici atölyesi, AI kullanım politikası taslağı, "AI komitesi" kurulumu, mevcut süreçlerde AI fırsatlarının haritalanması.

**Aşama 2'ye geçiş eşiği.** Yönetim Kurulu / İcra Kurulu tarafından onaylanmış bir AI stratejisi ve en az bir pilot proje için bütçe ayrılması.

### Aşama 2 — Deneme (Experimentation)

**Tanım.** İlk POC'ler yapılıyor; tipik olarak müşteri hizmetleri chatbot'u, içerik üretimi veya iç verimlilik aracı. Sonuçlar genelde sunum aşamasında olumlu; ancak üretime taşıma sürecinde kayboluyor.

**Sinyaller.**

- 3-5 paralel POC; hiçbiri SLA, izleme veya rollback planına sahip değil.
- Veri ekibi ile AI ekibi farklı silolarda çalışıyor.
- Bir KOBİ'deyseniz: tek bir senior çalışanın inisiyatifiyle yürüyor.

<callout-box data-variant="warning" data-title="Aşama 2 Tuzağı">

Aşama 2'deki şirketlerin yaklaşık yarısı buradan ileri geçemiyor — çünkü **POC'leri ölçeklemeye çalışıyorlar ama altyapıya yatırım yapmıyorlar**. Üretime giden yol POC değil platform yatırımı gerektirir: vektör DB, eval harness, observability, sürüm yönetimi.

</callout-box>

**Aşama 3'e geçiş eşiği.** En az bir POC'in üretim sertleştirme sürecine girmesi ve ona özel veri/observability altyapısının kurulması.

### Aşama 3 — Temel Atma (Foundation)

**Tanım.** Şirket ilk ciddi platform yatırımını yapıyor: veri lake/lakehouse mimarisi, embedding pipeline, vektör DB, prompt yönetimi, eval harness. AI ekibi formal bir yapıya kavuşuyor (genelde 5-15 kişi). KVKK uyumu süreç haline geliyor.

**Sinyaller.**

- En az bir use-case üretimde, SLA tanımlı.
- Embedding altyapısı (BGE-M3 ya da OpenAI text-embedding-3) yerel veya buluta deploy edilmiş.
- Veri yönetişim politikası taslak halinde.

**Aşama 4'e geçiş eşiği.** Çoklu use-case'lerin ortak bir platformda çalışıyor olması ve LLMOps döngüsünün (model versiyonlama, A/B, rollback) tanımlanması.

### Aşama 4 — Operasyonelleşme (Operationalization)

**Tanım.** AI artık deneme değil, ürün. LLMOps süreçleri yerleşmiş, eval harness günlük çalışıyor, hallucination ve maliyet metrikleri panoda izleniyor. Yönetişim katmanı (etik komite, audit log) aktif.

**Sinyaller.**

- 3+ üretim use-case'i, her birinin sahibi belli (PRD'si var).
- Aylık AI maliyet/değer raporu yönetim kuruluna sunuluyor.
- Bir incident response runbook'u var (örnek: hallucination patlaması veya prompt injection olayı).

**Aşama 5'e geçiş eşiği.** AI yatırımının net pozitif ROI üretmesi ve şirket genelinde tekrarlanabilir bir AI proje yöntemi tanımlanması.

### Aşama 5 — Ölçekleme (Scaling)

**Tanım.** AI artık tek bir departmanda değil, birden çok iş biriminde aktif. Kurumsal bir "AI platform takımı" var; tüm iş birimleri bu platform üzerinden self-service AI use-case'i geliştirebiliyor. Veri ve embedding katmanları yeniden kullanılabilir hale gelmiş.

**Sinyaller.**

- 10+ üretim AI use-case'i.
- Self-service prompt/agent framework, ortak vektör DB.
- AI Center of Excellence (CoE) yapılanması başlamış.

**Aşama 6'ya geçiş eşiği.** AI'ın iş kararı verme süreçlerine dahil olması — sadece bilgi servisi değil, karar destek.

### Aşama 6 — Bütünleşme (Integration)

**Tanım.** AI organizasyonun karar verme dokusuna işlemiş. Müşteri yolculuğu, tedarik zinciri, finansal planlama, İK gibi temel iş süreçlerinde AI önerileri default olarak akıyor. **Agentic AI** sistemleri çoklu adımlı görevleri otonom yürütüyor.

**Sinyaller.**

- AI önerileri ürün ve operasyon kararlarının %30+'ında etkili.
- Multi-agent iş akışları üretimde.
- Sürekli model iyileştirme döngüsü (insan geri bildirimi → fine-tune → A/B → release).

**Aşama 7'ye geçiş eşiği.** AI'ın iş modelinin ayrılmaz parçası olması — şirket "AI olmadan ne yaparız?" sorusunu cevaplayamaz hale gelir.

### Aşama 7 — Dönüşüm (Transformation)

**Tanım.** Şirket AI-native iş modeliyle çalışıyor. Ürün, hizmet veya operasyon modelinde AI olmadan değer üretilemiyor. AI yetenekleri rekabet avantajının ana kaynağı. Yeni iş modelleri AI yetenekleri sayesinde keşfediliyor.

**Sinyaller.**

- Gelirin önemli bir kısmı AI-destekli ürün ya da hizmetlerden geliyor.
- Veri ve AI yetenekleri şirket pazar değerinin temel bileşeni (yatırımcı sunumlarında öne çıkıyor).
- Sektörde "olgunluk modeli" sen olmuşsun — diğer şirketler sana bakıyor.

<comparison-table data-caption="7 Aşamalı AI Olgunluk Modeli — Türkiye Görünümü" data-headers="[&#34;Aşama&#34;,&#34;Adı&#34;,&#34;Tipik Süre&#34;,&#34;Toplam Skor Aralığı&#34;,&#34;Türkiye&#39;deki Şirket %&#34;]" data-rows="[{&#34;feature&#34;:&#34;1&#34;,&#34;values&#34;:[&#34;Farkındalık&#34;,&#34;0-6 ay&#34;,&#34;4-7&#34;,&#34;%18&#34;]},{&#34;feature&#34;:&#34;2&#34;,&#34;values&#34;:[&#34;Deneme&#34;,&#34;6-12 ay&#34;,&#34;8-12&#34;,&#34;%34&#34;]},{&#34;feature&#34;:&#34;3&#34;,&#34;values&#34;:[&#34;Temel Atma&#34;,&#34;9-18 ay&#34;,&#34;13-16&#34;,&#34;%22&#34;]},{&#34;feature&#34;:&#34;4&#34;,&#34;values&#34;:[&#34;Operasyonelleşme&#34;,&#34;12-24 ay&#34;,&#34;17-20&#34;,&#34;%14&#34;]},{&#34;feature&#34;:&#34;5&#34;,&#34;values&#34;:[&#34;Ölçekleme&#34;,&#34;18-36 ay&#34;,&#34;21-23&#34;,&#34;%8&#34;]},{&#34;feature&#34;:&#34;6&#34;,&#34;values&#34;:[&#34;Bütünleşme&#34;,&#34;24-48 ay&#34;,&#34;24-26&#34;,&#34;%3&#34;]},{&#34;feature&#34;:&#34;7&#34;,&#34;values&#34;:[&#34;Dönüşüm&#34;,&#34;36+ ay&#34;,&#34;27-28&#34;,&#34;%1&#34;]}]"></comparison-table>

## 4. Self-Assessment: 21 Soruluk Hızlı Değerlendirme

Aşağıdaki 21 soruyu üst yönetim ekibinizle birlikte yanıtlayın. Her soru 1-4 arası puanlanır (1=hiç, 4=tamamen). Boyut başına 21 puana kadar (4 boyut × 5-6 soru = toplam 21 soru, ortalama puan üzerinden 7'ye normalleştirilir).

### Strateji Boyutu (5 soru)

1. AI stratejisi yönetim kurulu seviyesinde onaylanmış mı?
2. AI use-case havuzu önceliklendirilmiş, ROI projeksiyonları var mı?
3. AI yatırım bütçesi yıllık olarak belirleniyor mu?
4. AI girişimleri belirli bir liderin (CDO, CAIO, CTO) sahipliğinde mi?
5. Şirket AI vizyonu çalışanların büyük çoğunluğu tarafından biliniyor mu?

### Veri Boyutu (5 soru)

1. Şirkette tek doğru veri kaynağı (single source of truth) tanımlı ve erişilebilir mi?
2. Embedding pipeline'ı (Türkçe destekli) kurulu mu?
3. Vektör veritabanı üretim ortamında çalışıyor mu?
4. KVKK uyumlu anonimleştirme süreçleri tanımlı mı?
5. Veri kalitesi metrikleri (eksiklik, tutarsızlık, tazelik) izleniyor mu?

### Yetenek Boyutu (5 soru)

1. AI mühendisi / LLM mühendisi olarak çalışan iç personel var mı?
2. Prompt engineering yetkinliği ölçüldü mü, geliştirme programı var mı?
3. Yıllık AI eğitim bütçesi ayrılıyor mu?
4. Üst yönetimin AI okuryazarlığı (yönetici atölyeleri vs.) sağlandı mı?
5. Tedarikçi-dış uzman yönetişimi (vendor management) AI için tanımlı mı?

### Yönetişim Boyutu (6 soru)

1. AI komitesi (etik kurul) düzenli toplanıyor mu?
2. AI risk değerlendirme şablonu (EU AI Act risk seviyelerine göre) kullanılıyor mu?
3. Audit log / observability tüm üretim AI sistemleri için aktif mi?
4. Hallucination, prompt injection, jailbreak için incident response süreci tanımlı mı?
5. Veri yerleşimi (data residency) ve cross-border transfer kontrolleri yapılıyor mu?
6. ISO 42001 sertifikası gündemde mi (en azından gap analysis yapıldı mı)?

**Skor yorumlaması.**

- **4-7 / 28:** Aşama 1 — Farkındalık
- **8-12 / 28:** Aşama 2 — Deneme
- **13-16 / 28:** Aşama 3 — Temel Atma
- **17-20 / 28:** Aşama 4 — Operasyonelleşme
- **21-23 / 28:** Aşama 5 — Ölçekleme
- **24-26 / 28:** Aşama 6 — Bütünleşme
- **27-28 / 28:** Aşama 7 — Dönüşüm

<callout-box data-variant="tip" data-title="Dengesizlik Uyarısı">

Her boyutu ayrı ayrı puanlayın. Eğer bir boyut diğerlerinden 2+ puan geride ise (örneğin Strateji 5 ama Veri 2), o boyut **bir sonraki aşamaya geçişinizi engelleyecek darboğazdır**. Yatırımın yönünü en zayıf boyut belirlemelidir.

</callout-box>

## 5. Aşamalar Arası Geçiş Yol Haritası

<howto-steps data-name="Aşamalar Arası Stratejik Geçiş Adımları" data-description="Her aşamadan bir sonrakine geçişin yapısal gereksinimleri." data-time="P12M" data-steps="[{&#34;name&#34;:&#34;1 → 2: Yönetici Hizalanması&#34;,&#34;text&#34;:&#34;Üst yönetim için 1 günlük AI atölyesi, AI stratejisi taslağı, 2-3 use-case için ön bütçe.&#34;},{&#34;name&#34;:&#34;2 → 3: Platform Yatırımı&#34;,&#34;text&#34;:&#34;Embedding altyapısı, vektör DB, prompt yönetim aracı, ilk eval harness. AI ekibinin formalize edilmesi.&#34;},{&#34;name&#34;:&#34;3 → 4: LLMOps Kurulumu&#34;,&#34;text&#34;:&#34;Model versiyonlama, observability (Langfuse, Helicone, Datadog AI), A/B testi, rollback prosedürleri.&#34;},{&#34;name&#34;:&#34;4 → 5: Platform Mimarisi&#34;,&#34;text&#34;:&#34;Ortak AI platform takımı, self-service framework, multi-tenant vektör DB, CoE kuruluşu.&#34;},{&#34;name&#34;:&#34;5 → 6: Karar Entegrasyonu&#34;,&#34;text&#34;:&#34;AI önerilerinin iş kararına gömülmesi, agent mimarileri, sürekli model iyileştirme döngüsü.&#34;},{&#34;name&#34;:&#34;6 → 7: AI-Native Dönüşüm&#34;,&#34;text&#34;:&#34;Yeni ürün/iş modeli keşfi, AI yeteneklerinin rekabet avantajına dönüştürülmesi.&#34;}]"></howto-steps>

## 6. Türkiye'ye Özgü Olgunluk Kriterleri

Global olgunluk modelleri (Gartner, McKinsey, MIT-Sloan) Türkiye bağlamında **eksik kalır**. Yerel olgunluk değerlendirmesinde dikkat edilmesi gereken üç ek katman:

### 6.1. KVKK Uyumluluğu

Türk şirketleri AI olgunluğunda **KVKK ile başlamak zorundadır**. Kişisel veri içeren bir AI çağrısı (örneğin müşteri sohbet geçmişiyle LLM'e prompt göndermek), KVKK kapsamında "veri işleme"dir. Açık rıza, amaç sınırlaması, veri minimizasyonu ve cross-border transfer kuralları geçerlidir.

**Aşama 3+ için gerekenler.** Anonimleştirme katmanı, AB veya Türkiye'de hosted vektör DB seçeneği, sözleşme şablonlarında AI işleme maddeleri.

### 6.2. EU AI Act (AB'ye Hizmet Verenler İçin)

AB'ye ürün/hizmet sunan Türk şirketler **EU AI Act'a tabi**. Yasanın 4 risk kategorisi (yasaklı, yüksek risk, sınırlı risk, minimal risk) bağlamında her use-case değerlendirilmeli. Yüksek riskli sistemler için risk yönetimi, dokümantasyon, insan denetimi ve uyum değerlendirmesi gereklidir.

**Aşama 4+ için gerekenler.** EU AI Act haritalama matrisi, risk-tabanlı kontroller, AB'ye ürün satan business unit'lerin ayrı uyum sertifikasyonu.

### 6.3. ISO 42001 Hazırlığı

Aralık 2023'te yayınlanan **ISO/IEC 42001**, AI yönetim sistemleri için ilk uluslararası standarttır. Türk şirketleri için kurumsal hazırlığın altın sertifikası haline gelmiştir; ISO 27001'in AI eşdeğeri olarak konumlanır.

**Aşama 5+ için gerekenler.** Gap analysis, AI yönetim sistemi (AIMS) tanımı, iç denetim, sertifikasyon hazırlığı.

<callout-box data-variant="answer" data-title="Sektörel Not — Bankacılık ve Finans">

BDDK düzenlemeleri ve **veri yerleşimi** Türk bankaları için AI'ın bulut tarafında işlenmesine ek kısıt getirir. Bu sektörlerde Aşama 4+ için **on-prem veya Türkiye-içi cloud LLM** mimarisi neredeyse şart haline gelir. Garanti BBVA, İş Bankası ve Akbank'ın iç AI platformları bu yöne evrilmiştir.

</callout-box>

## 7. Aşamalarda Sık Yapılan Hatalar

### Aşama 1-2 Hataları

- **"ChatGPT yasaklayalım" politikası.** Çalışanları yasal araç kullanmaktan men etmek, gölge AI kullanımına yol açar. Doğru yaklaşım: Kontrollü kurumsal abonelik + politika.
- **POC'yi ürün gibi pazarlamak.** Sunum başarısı operasyonel başarı değildir.

### Aşama 3-4 Hataları

- **Platform katmanını atlayıp use-case çoğaltmak.** Embedding ve eval altyapısı olmadan her yeni use-case ayrı bir teknik borç yaratır.
- **Eval harness'i ertelemek.** Hallucination'ı insanlar fark etmeden ölçemiyorsan, üretimde değilsin.
- **KVKK'yı son aşamaya bırakmak.** Aşama 4'e geldiğinde uyum eklemek, baştan yapmaktan 3-5 kat pahalıdır.

### Aşama 5-6 Hataları

- **AI CoE'yi merkezileştirip yavaşlatmak.** İş birimlerinin self-service yapamadığı bir CoE, darboğaza dönüşür.
- **Multi-agent sistemlere erken atlamak.** Tek-agent'ın eval'i çözülmeden multi-agent'ın eval'i mümkün değildir.

### Aşama 7 Hatası

- **AI-yetenek bağımlılığını dış sağlayıcıya devretmek.** Stratejik yetenekler iç ekipte olmalı; sadece uzmanlaşma için dış destek alınmalı.

## 8. Vaka Çalışmaları (Anonim)

### Vaka 1 — Bir Türk Bankası, Aşama 2 → 4 Geçişi

Bir Türk bankası 2024'te 4 paralel POC ile başladı: müşteri hizmetleri chatbot, kredi başvuru özetleme, dolandırıcılık tespiti, ürün önerme. Yedi ay sonunda yalnızca biri üretime alınabildi.

**Sorun.** Her POC kendi prompt yönetimini, kendi vektör DB'sini, kendi observability stack'ini kuruyordu — paralel yatırım.

**Çözüm.** Ortak bir AI platform takımı kuruldu: tek vektör DB (Qdrant on-prem), ortak prompt yönetimi (PromptLayer), tek eval harness (Langfuse). Sonraki 6 ay içinde 4 use-case'in tümü üretime taşındı; toplam maliyet eski mimarinin %40'ı oldu.

**Sonuç.** Aşama 2 → Aşama 4'e geçiş 13 ay sürdü; en kritik yatırım veri ve LLMOps platformuydu.

### Vaka 2 — Bir E-Ticaret Pazaryeri, Aşama 4 → 6 Geçişi

Bir Türk e-ticaret pazaryeri 2025'te 8 üretim use-case'ine sahipti (öneri, açıklama üretimi, müşteri hizmetleri, fiyat optimizasyonu vb). Asıl sıçrama, AI'ın ürün ekibinin **karar verme** sürecine entegre edilmesiyle oldu.

**Müdahale.** Kategori müdürlerinin haftalık planlama toplantılarına AI öneri raporu eklendi; ürün yöneticilerinin önerileri AI ile pre-screen edilmeye başlandı.

**Sonuç.** Önerme kalitesi %18 iyileşti, planlama döngüsü 5 günden 2 güne indi. Aşama 5 → Aşama 6 geçişi 9 ayda tamamlandı.

## 9. ROI Beklentileri Aşama Aşama

<comparison-table data-caption="Aşama Bazlı Yıllık AI ROI Beklentileri (Türkiye, 2026)" data-headers="[&#34;Aşama&#34;,&#34;Tipik Net ROI&#34;,&#34;Geri Ödeme Süresi&#34;,&#34;Birincil Değer Kaynağı&#34;]" data-rows="[{&#34;feature&#34;:&#34;1 Farkındalık&#34;,&#34;values&#34;:[&#34;—&#34;,&#34;—&#34;,&#34;Yok / negatif&#34;]},{&#34;feature&#34;:&#34;2 Deneme&#34;,&#34;values&#34;:[&#34;%-10 ile %+5&#34;,&#34;—&#34;,&#34;POC değil, öğrenme&#34;]},{&#34;feature&#34;:&#34;3 Temel Atma&#34;,&#34;values&#34;:[&#34;%5-15&#34;,&#34;18-24 ay&#34;,&#34;İlk üretim use-case&#39;leri&#34;]},{&#34;feature&#34;:&#34;4 Operasyonelleşme&#34;,&#34;values&#34;:[&#34;%15-30&#34;,&#34;12-18 ay&#34;,&#34;Çoklu use-case verimi&#34;]},{&#34;feature&#34;:&#34;5 Ölçekleme&#34;,&#34;values&#34;:[&#34;%30-60&#34;,&#34;9-12 ay&#34;,&#34;Platform yeniden kullanımı&#34;]},{&#34;feature&#34;:&#34;6 Bütünleşme&#34;,&#34;values&#34;:[&#34;%60-120&#34;,&#34;6-9 ay&#34;,&#34;Karar kalitesi iyileşmesi&#34;]},{&#34;feature&#34;:&#34;7 Dönüşüm&#34;,&#34;values&#34;:[&#34;%120+&#34;,&#34;Sürekli&#34;,&#34;Yeni iş modeli&#34;]}]"></comparison-table>

## 10. Sıkça Sorulan Sorular

<callout-box data-variant="answer" data-title="Şirketimin hangi aşamada olduğunu nasıl anlarım?">

**Bölüm 4'teki 21 soruyu** üst yönetim ekibinizle yanıtlayın. Her boyutu ayrı ayrı puanlayın; en düşük boyut sizin aşamanızı belirler. Eğer skorlar dağınıksa (örn. strateji 5 ama veri 2), bir dengesizliğiniz vardır ve bunu öncelikli olarak gidermelisiniz.

</callout-box>

<callout-box data-variant="answer" data-title="Aşamaları atlayabilir miyim?">

Pratikte hayır. Her aşama bir önceki aşamanın çıktılarına dayanır. Aşama 2'deki bir şirket Aşama 5'in çoklu-ajan sistemini kuramaz — çünkü tek-ajan eval'ı bile yoktur. Olgunluk aşamaları **kapasite katmanları** gibi düşünülmelidir; alttaki katman çatlaksa, üstüne yığılan çöker.

</callout-box>

<callout-box data-variant="answer" data-title="Bir aşamayı kaç ayda geçebilirim?">

Tipik geçiş süreleri 9-24 ay arasında değişir. Hızlandırıcı faktörler: üst yönetim sponsorluğu, yetenek hazırlığı, bütçe esnekliği. Yavaşlatıcı faktörler: regülatif onay süreçleri, eski sistemlerle entegrasyon, kültürel direnç.

</callout-box>

<callout-box data-variant="answer" data-title="KVKK uyumu olgunluk skoruna nasıl yansır?">

KVKK uyumu **Yönetişim boyutunun** temel ölçütüdür. KVKK risk değerlendirmesi yapılmamış bir AI sistemi en fazla Aşama 2'ye kadar puan alabilir. Aşama 3 ve üzeri için KVKK uyum süreçleri **yapılandırılmış ve denetlenebilir** olmalıdır.

</callout-box>

<callout-box data-variant="answer" data-title="AI Maturity Assessment kim tarafından yapılır?">

İdeal olarak **dış uzman + iç ekip karması**. Dış uzman objektif bakış ve sektör benchmark'ı sağlar; iç ekip detaylı bağlamı sağlar. Yıllık bir AI olgunluk denetimi (audit) önerilir.

</callout-box>

<callout-box data-variant="answer" data-title="Aşama 4'e geldim, ne yapmalıyım?">

Aşama 4 "büyük sıçrama" eşiğidir. Sonraki adım **platform mimarisi** — tek tek use-case'lerden ortak bir AI platformuna geçiş. Bir AI Center of Excellence (CoE) modeli kurun; iş birimlerinin self-service AI use-case'i geliştirebilmesini sağlayın. Bu, Aşama 5'in birincil çıktısıdır.

</callout-box>

<callout-box data-variant="answer" data-title="ISO 42001 hangi aşamada gündeme gelmeli?">

Aşama 4-5 arasında **gap analysis** yapılması idealdir. Aşama 5 sonunda sertifikasyon hedef olabilir. ISO 42001, mevcut ISO 27001 sistemine entegre edilebilir; bu da maliyeti azaltır.

</callout-box>

<callout-box data-variant="answer" data-title="Sektörel farklılıklar olgunluk modelini değiştirir mi?">

Çerçeve aynı kalır; **boyut ağırlıkları değişir**. Finans ve sağlıkta yönetişim daha kritik (40%+); e-ticaret ve perakendede veri kalitesi öne çıkar (35%+); B2B yazılım şirketlerinde yetenek boyutu kritik (35%+). Aşağıdaki ağırlıkları kendi sektörünüze uyarlayın.

</callout-box>

## 11. Bir Sonraki Adım

Bu çerçeveyi şirketinizde uygulamaya almak için üç pratik öneri:

1. **Hızlı self-assessment.** Bölüm 4'teki 21 soruyu üst yönetim ekibinizle 90 dakikalık bir oturumda yanıtlayın. Skorları boyut bazında çıkartın ve **en düşük boyutu** sonraki çeyrek için yatırım önceliği yapın.
2. **6-aylık geçiş planı.** Bulunduğunuz aşamadan bir sonrakine geçmek için Bölüm 5'teki adımlardan üçünü seçip 6 ay içinde tamamlanacak şekilde takvimleyin.
3. **Dış değerlendirme.** Yıllık bir AI olgunluk denetimi planlayın. Bu, sürekli iyileşmenin temelidir.

İşletmenizin mevcut aşamasını birlikte teşhis etmek veya bir sonraki aşamaya geçiş planını çıkartmak için iletişime geçebilirsiniz.

<references-list data-items="[{&#34;title&#34;:&#34;ISO/IEC 42001:2023 AI Management Systems&#34;,&#34;url&#34;:&#34;https://www.iso.org/standard/42001&#34;,&#34;author&#34;:&#34;ISO/IEC&#34;,&#34;publishedAt&#34;:&#34;2023-12-18&#34;,&#34;publisher&#34;:&#34;ISO&#34;},{&#34;title&#34;:&#34;EU Artificial Intelligence Act&#34;,&#34;url&#34;:&#34;https://artificialintelligenceact.eu/&#34;,&#34;author&#34;:&#34;European Commission&#34;,&#34;publishedAt&#34;:&#34;2024-03-13&#34;,&#34;publisher&#34;:&#34;EU&#34;},{&#34;title&#34;:&#34;NIST AI Risk Management Framework&#34;,&#34;url&#34;:&#34;https://www.nist.gov/itl/ai-risk-management-framework&#34;,&#34;author&#34;:&#34;NIST&#34;,&#34;publishedAt&#34;:&#34;2023-01-26&#34;,&#34;publisher&#34;:&#34;NIST&#34;},{&#34;title&#34;:&#34;McKinsey: The State of AI in 2025&#34;,&#34;url&#34;:&#34;https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai&#34;,&#34;author&#34;:&#34;McKinsey & Company&#34;,&#34;publishedAt&#34;:&#34;2025-06&#34;,&#34;publisher&#34;:&#34;McKinsey&#34;},{&#34;title&#34;:&#34;Gartner AI Maturity Model&#34;,&#34;url&#34;:&#34;https://www.gartner.com/en/information-technology/insights/artificial-intelligence&#34;,&#34;author&#34;:&#34;Gartner&#34;,&#34;publishedAt&#34;:&#34;2025&#34;,&#34;publisher&#34;:&#34;Gartner&#34;},{&#34;title&#34;:&#34;MIT Sloan: Winning with AI&#34;,&#34;url&#34;:&#34;https://sloanreview.mit.edu/projects/winning-with-ai/&#34;,&#34;author&#34;:&#34;Ransbotham, S. et al.&#34;,&#34;publishedAt&#34;:&#34;2020&#34;,&#34;publisher&#34;:&#34;MIT Sloan Management Review&#34;},{&#34;title&#34;:&#34;KVKK - 6698 Sayılı Kanun&#34;,&#34;url&#34;:&#34;https://www.kvkk.gov.tr/&#34;,&#34;author&#34;:&#34;T.C. KVKK&#34;,&#34;publishedAt&#34;:&#34;2016-04-07&#34;,&#34;publisher&#34;:&#34;Türkiye Cumhuriyeti&#34;},{&#34;title&#34;:&#34;Türkiye Ulusal Yapay Zeka Stratejisi 2021-2025&#34;,&#34;url&#34;:&#34;https://cbddo.gov.tr/projeler/ulusal-yapay-zeka-stratejisi/&#34;,&#34;author&#34;:&#34;Cumhurbaşkanlığı Dijital Dönüşüm Ofisi&#34;,&#34;publishedAt&#34;:&#34;2021&#34;,&#34;publisher&#34;:&#34;T.C. Cumhurbaşkanlığı&#34;},{&#34;title&#34;:&#34;Stanford AI Index 2025&#34;,&#34;url&#34;:&#34;https://aiindex.stanford.edu/&#34;,&#34;author&#34;:&#34;Stanford HAI&#34;,&#34;publishedAt&#34;:&#34;2025-04&#34;,&#34;publisher&#34;:&#34;Stanford University&#34;}]"></references-list>

---

Bu çerçeve yaşayan bir belgedir; Türkiye'deki kurumsal AI ekosistemi her çeyrekte yeniliklerle değiştiği için **yıllık olarak güncellenmektedir**.