Skip to content

Loading...

Hero Background
İleri Seviye10 Gün

Yapay Zekâ Destekli İleri Seviye Otomasyon ve Verimlilik | Agentic Workflow, Human-in-the-Loop, RAG, Observability, SLO ve Üretim Operasyonları

Kurumlar için üretim seviyesinde AI otomasyonu: agentic workflow + RAG + tool-use + human-in-the-loop, güvenlik/uyum (KVKK/GDPR), test–evaluation, observability (SLO/incident/RCA) ve portföy yönetimiyle uçtan uca otomasyon ürünleri tasarlayın.

Hemen Kaydol

Eğitim Hakkında

Bu eğitim; kurumlarda verimlilik artışını yalnızca “otomasyon yapmak” seviyesinde değil, uçtan uca otomasyon ürünleri tasarlamak seviyesinde ele alır. Katılımcılar; süreç keşfi ve değer modellemesinden (ROI/TCO), LLM destekli akıllı iş akışlarına (agentic workflow), insan-onaylı güvenli otomasyondan (human-in-the-loop) gözlemlenebilirlik ve operasyonel mükemmelliğe (SLO, incident/RCA) kadar kurumsal ölçekte üretime alınabilir otomasyon sistemleri kurmayı öğrenir.

Eğitim Metodolojisi

Ürünleştirme yaklaşımı: otomasyon = bot değil; SLA/SLO, sahiplik, runbook, roadmap olan ürün

Risk-first tasarım: düşük/orta/yüksek risk sınıflandırması; policy gate + HITL zorunlulukları

Kanıt temelli AI: RAG ile kaynaklı cevap, schema doğrulama, self-repair döngüleri

Güvenli tool-use: allowlist, parametre kısıtları, write aksiyonlarında yetki kontrolü

Observability & operasyon: metrik-log-trace, SLO, incident, RCA, CAPA ile üretim olgunluğu

Portföy ve ölçekleme: intake/triage/backlog, wave rollout, canary/shadow/blue-green stratejileri

Capstone odaklı: mimari + KPI/ROI + uyum + operasyon planı ile somut deliverable

Kimler İçindir?

Operasyon / Süreç İyileştirme Liderleri: verimlilik programını ölçülebilir hedeflerle ölçeklemek isteyenler
RPA / Low-Code Uzmanları: klasik otomasyonu “AI ile akıllandırıp” daha yüksek etki üretmek isteyenler
Yazılım Geliştiriciler & Entegrasyon Mühendisleri: API-first otomasyon servisleri kurgulamak isteyenler
Veri / AI Ekipleri: LLM’leri kontrollü şekilde süreçlere entegre edip üretime almak isteyenler
Ürün & Proje Yöneticileri: otomasyonu ürünleştirme (SLA, metrik, roadmap) yaklaşımı arayanlar
Dikey süreç sahipleri (İK, Finans, Satınalma, Müşteri Operasyonları, ITSM): alan-özel verimlilik senaryolarını standardize etmek isteyenler

Neden Bu Eğitim?

1

Çıktı Kalitesi + Hız: LLM ile karar/özet katmanı eklendiğinde “hızlı ama hatalı otomasyon” riski düşer

2

Gizli iş yükünü yakalama: e-posta, doküman yorumlama, durum güncelleme gibi görünmeyen işler otomasyona taşınır

3

Maliyet optimizasyonu: cost-per-case düşürülür; LLM maliyetleri bütçelenir, izlenir, optimize edilir

4

Ölçeklenebilirlik: tekil bot yerine yeniden kullanılabilir bileşenlerle otomasyon portföyü yönetimi yapılır

5

Uyum ve denetlenebilirlik: KVKK/kurumsal politika uyumlu, audit trail üreten otomasyon standardı kurulur

6

Gelecek dayanıklılığı: süreçler değiştiğinde kırılgan kod yerine esnek orkestrasyon + güvenli kontrol katmanlarıyla uyum sağlanır

Kazanımlar

Süreçleri otomasyon adayı olarak değer–risk–uygulanabilirlik matrisiyle sınıflandırır
AI destekli otomasyon için referans mimari ve güvenlik modeli tasarlar
LLM’yi “metin üreten” değil, tool kullanan kontrollü karar katmanı olarak uygular
Human-in-the-loop ile kritik kararları güvenli hale getirir (threshold, approval UI, audit)
Otomasyonları test eder, ölçer, izler; maliyet + kalite metrikleri ile optimize eder
Üretimleşme için CI/CD, versiyonlama, observability, runbook kurar
En az 3 uçtan uca otomasyon senaryosu + 1 capstone çıktısıyla portföy oluşturur

Gereksinimler

Temel düzeyde süreç bilgisi (birim süreçleri, onay akışları, form/doküman kullanımı)
API / veri tabanı kavramlarına aşinalık (şart değil; avantaj)
Low-code araçlarını kullananlar için hızlanma; geliştirici profiller için ileri entegrasyon derinliği

Eğitim Müfredatı

1.1 Verimlilik Problemini Doğru Çerçeveleme (Problem Framing)

  • 1.1.1 Verimlilik türleri: hız / kalite / risk / maliyet / deneyim
  • 1.1.2 “Time saved” yanılgısı: kapasite kazanımı vs gerçek finansal etki
  • 1.1.3 Süreç türlerine göre otomasyon yaklaşımı: deterministik / yarı-belirsiz / belirsiz
  • 1.1.4 Yanlış problem tanımının etkisi: otomasyon borcu ve operasyonel karmaşa
  • 1.1.5 KPI–OKR eşlemesi: hedeflerin ölçülebilirliğe dönüştürülmesi

1.2 Otomasyon Olgunluk Modeli ve Yol Haritası

  • 1.2.1 Task automation → Workflow → RPA → AI-assisted → Agentic → Semi-autonomous
  • 1.2.2 “Bot” yaklaşımı vs “Platform” yaklaşımı
  • 1.2.3 Yeniden kullanılabilir bileşen tasarımı: konektör, doğrulayıcı, denetim, şablonlar
  • 1.2.4 Kurumsal ölçek etkileri: sahiplik (ownership), destek modeli, runbook zorunluluğu
  • 1.2.5 Dönüşüm stratejisi: pilot → genişleme → standartlaştırma → ürünleştirme

1.3 İş Gerekçesi (Business Case) ve Değer Modelleme

  • 1.3.1 ROI bileşenleri: işgücü, hata maliyeti, gecikme maliyeti, itibar maliyeti
  • 1.3.2 TCO bileşenleri: lisans, entegrasyon, bakım, izleme, güvenlik, değişiklik yönetimi
  • 1.3.3 “Cost per case” ve “cost-to-serve” metrikleri
  • 1.3.4 Senaryo bazlı değerleme: best/base/worst-case
  • 1.3.5 Değerin sürekliliği: kazanımın kalıcılaştırılması (SOP + metrik + sahiplik)

1.4 Otomasyon Portföy Yönetimi (Use-case Portfolio)

  • 1.4.1 Use-case sınıflandırma: quick win / ölçekli kazanım / stratejik platform
  • 1.4.2 Önceliklendirme matrisi: etki–karmaşıklık–risk–bağımlılık
  • 1.4.3 Bağımlılık haritalama: veri, sistem, ekip, yetki, onay zinciri
  • 1.4.4 Talep yönetimi: intake form, triage, backlog politikası
  • 1.4.5 Yayın (release) planı: dalga (wave) yaklaşımı, kademeli rollout

1.5 Otomasyon Risk Sınıflandırması ve Kontrol Seviyeleri

  • 1.5.1 Düşük risk: bilgi toplama/özetleme → otomatik aksiyon
  • 1.5.2 Orta risk: yönlendirme/öncelik → eşik bazlı onay
  • 1.5.3 Yüksek risk: finansal/İK/hukuki → zorunlu insan onayı
  • 1.5.4 “Hata türleri” taksonomisi: yanlış aksiyon, eksik aksiyon, yetkisiz aksiyon, PII sızıntısı
  • 1.5.5 Kontrol katmanları: policy check, schema validation, audit log, approval gate

1.6 Başarı Metrikleri ve Yönetim Panelleri

  • 1.6.1 Süreç metrikleri: cycle time, throughput, backlog, SLA uyumu
  • 1.6.2 Kalite metrikleri: first-pass yield, rework rate, escalation rate
  • 1.6.3 AI metrikleri: belirsizlik oranı, fallback oranı, doğrulama geçiş oranı
  • 1.6.4 Finansal metrikler: iş başı maliyet, token maliyeti, çağrı maliyeti, maliyet tavanı
  • 1.6.5 Yönetim dashboard tasarımı: operasyon + kalite + maliyet + risk birlikte

Eğitmen

Şükrü Yusuf Kaya

Şükrü Yusuf Kaya

AI Danışmanı & Eğitmen

Şükrü Yusuf KAYA, yapay zeka teknolojilerinin küresel iş ortamına entegrasyonuna liderlik eden, uluslararası deneyime sahip bir Yapay Zeka Danışmanı ve Teknoloji Stratejistidir. 6 farklı ülkeye yayılan operasyonlarıyla, teknolojinin teorik sınırları ile pratik iş ihtiyaçları arasındaki boşluğu dolduruyor; bankacılık, e-ticaret, perakende ve lojistik gibi veri açısından kritik sektörlerdeki uçtan uca yapay zeka projelerini yönetiyor. Teknik uzmanlığını özellikle Üretken Yapay Zeka ve Büyük Dil Modelleri (LLM) konusunda derinleştiren KAYA, kuruluşların kısa vadeli çözümlere güvenmek yerine geleceği şekillendiren mimariler inşa etmelerini sağlıyor. Karmaşık algoritmaları ve gelişmiş sistemleri, kurumsal büyüme hedefleri doğrultusunda somut iş değerine dönüştürme konusundaki vizyoner yaklaşımı, onu sektörde aranan bir çözüm ortağı olarak konumlandırmıştır. Danışmanlık ve proje yönetimi kariyerinin yanı sıra eğitmenlik rolüyle de öne çıkan Şükrü Yusuf KAYA, "Yapay zekayı herkes için erişilebilir ve uygulanabilir kılmak" mottosuyla hareket ediyor. Teknik ekiplerden C düzeyindeki yöneticilere kadar geniş bir profesyonel yelpazesi için tasarlanan kapsamlı eğitim programları aracılığıyla, kurumsal yapay zeka okuryazarlığını artırmaya ve sürdürülebilir bir teknolojik dönüşüm kültürü oluşturmaya öncelik veriyor.

Sıkça Sorulan Sorular