Birçok kurumda yapay zekâ gündemi aynı soruyla açılıyor: hangi yeni aracı almalıyız? Oysa yanıtın önemli bir kısmı çoğu zaman zaten kullanılan yazılımların içinde duruyor. ERP, CRM, insan kaynakları, ofis ve iş birliği uygulamaları gibi kurumsal yazılımlara yapay zekâ özellikleri giderek daha sık birer güncelleme olarak ekleniyor. Bu yazıda, mevcut yazılımlardaki gömülü yapay zekâ özelliklerinin neden öne çıktığını ve yeni bir yatırım kararından önce bu özelliklerin nasıl envantere alınacağını ele alıyoruz.
Harcama büyüyor, yön değişiyor
Gartner'ın 16 Eylül 2026'da yayımladığı tahmine göre dünya genelinde yapay zekâ harcaması 2026'da 2,7 trilyon dolara ulaşacak; bu, bir önceki yıla göre %49,5'lik artış anlamına geliyor. Aynı tabloda yapay zekâ yazılımı harcaması 2025'te yaklaşık 288 milyar dolardan 2026'da yaklaşık 462 milyar dolara çıkıyor.
Rakamın büyüklüğü kadar dikkat çeken bir başka nokta, bu harcamanın nereye aktığı. Gartner'a göre farklı türlerdeki yazılım satıcıları, pazardaki konumlarını korumak için ajan tabanlı yapay zekâyı mevcut ürünlerinin içine hızla yerleştiriyor. Kurumlar ise üretken yapay zekânın 2026'da beklentilerin gerilediği "hayal kırıklığı çukuru" evresinde olduğu bir dönemde, hâlihazırda çalıştıkları yazılım sağlayıcılarının sunduğu daha basit, gömülü özelliklere yöneliyor. Gartner bu özelliklerin kullanım amaçlarını operasyonel verimlilik ve iş akışı otomasyonu, müşteri etkileşimini iyileştirme ve karar alma süreçlerini güçlendirme olarak sıralıyor.
Gartner'ın tespitine göre kurumlar, dış hizmet sağlayıcılarından kapsamlı dönüşüm projelerinden çok, mevcut yazılımlarının yapay zekâ özelliklerinden yararlanmaya yönelik daha küçük, dolaylı projeler için destek alıyor.
Gömülü özellik sayısı hızla artıyor
Bu eğilim yeni değil. Gartner, Ağustos 2025'te yaptığı öngörüde kurumsal uygulamaların çoğunun 2025 sonuna kadar gömülü yapay zekâ asistanlarına sahip olacağını belirtmişti. Aynı öngörüye göre kurumsal uygulamaların %40'ı 2026 sonuna kadar göreve özel yapay zekâ ajanlarıyla bütünleşmiş olacak; bu oran o tarihte %5'in altındaydı.
Gartner burada önemli bir ayrıma da dikkat çekiyor: asistanlar görevleri kolaylaştırır ama insan girdisine bağlıdır ve bağımsız çalışmaz. Ajanlar ise belirli bir göreve uzmanlaşarak uçtan uca, karmaşık işleri yürütebilir. Asistanları "ajan" diye adlandırmak, Gartner'ın deyişiyle yaygın bir yanlış algıdır. Bu ayrım, envanter çıkarırken her özelliğin ne yaptığını doğru sınıflandırmak için de gerekli.
Pratikteki sonuç şu: Bir kurum yeni bir yapay zekâ aracı satın almayı tartışırken, aynı ihtiyacı karşılayabilecek bir özellik kullandığı yazılımda zaten açılmayı bekliyor ya da fark edilmeden açılmış olabilir.
Gömülü özelliklerin riskleri de var
Gömülü özellikler kurulum kolaylığı sağlasa da kendi soru işaretlerini taşıyor. Gartner, satıcıya bağımlılık, veri egemenliği ve kontrolsüz maliyet risklerinin alıcıları bu özel yetenekleri benimsemekten caydırmadığını belirtiyor. Riskin göz ardı edilmesi, riskin ortadan kalktığı anlamına gelmiyor. Gartner'a göre kurumlar sağlayıcılarından maliyetleri yönetmelerine ve başarıyı değerlendirmek için kullanım takibini iş akışlarına yerleştirmelerine yardımcı olmalarını bekliyor.
Envanter tam da bu noktada işe yarıyor: hangi özelliğin açık olduğunu, hangi veriye eriştiğini, kimin kullandığını ve ne kadar kullanıldığını bilmeyen bir kurumun bu riskleri yönetmesi zor.
Envanter neden bir yönetişim aracı?
ABD Ulusal Standartlar ve Teknoloji Enstitüsü (NIST), gönüllü kullanım için yayımladığı Yapay Zekâ Risk Yönetimi Çerçevesi'nde envanteri yönetişimin temel unsurlarından biri olarak tanımlıyor. Çerçevenin uygulama rehberine göre kurumlarda yapay zekâ sistemlerinin envanterini tutacak mekanizmalar bulunmalı ve bu mekanizmalara risk önceliklerine göre kaynak ayrılmalı.
Rehber envantere şu soruları hızla yanıtlama imkânı tanıyor: belirli bir model en son ne zaman güncellendi, kurumda şu anda kaç model kullanımda, bu modellerden kaç kullanıcı etkileniyor? Rehbere göre kısmi envanterler tam envanterin sağladığı değeri vermeyebilir; tercih edilen yaklaşım tüm sistemleri kayda almak, en azından ise yüksek riskli sistemlerden başlamak. Aynı çerçeve, yapay zekâ sistemlerinin güvenli biçimde kullanımdan kaldırılmasına yönelik süreçlerin de tanımlanmasını öneriyor.
Uygulanabilir bir envanter yöntemi
Aşağıdaki adımlar, yukarıdaki kaynaklardan türetilmiş genel bir çerçevedir; her kurumun kendi yazılım yapısına ve risk önceliklerine göre uyarlanması gerekir.
- Sorumluyu belirleyin. Envanterin sahibi olacak kişiyi ya da ekibi baştan atayın. Bilgi teknolojileri, iş birimleri, hukuk ve bilgi güvenliğinden temsilcilerin katılması, envanterin tek bir bakış açısına sıkışmasını önler.
- Yazılım listesinden başlayın. Lisans ve abonelik kayıtlarını esas alarak kurumda kullanılan tüm uygulamaları listeleyin. Her biri için sağlayıcının sürüm notlarını ve yönetim panelini inceleyerek yapay zekâ özelliklerini tek tek çıkarın.
- Her özelliği sınıflandırın. Özelliğin açık mı kapalı mı olduğunu, asistan mı yoksa görevi kendi başına yürüten bir ajan mı olduğunu, hangi iş sürecinde kullanıldığını ve kimlerin erişimi olduğunu kaydedin.
- Veri akışını yazın. Özelliğin hangi veriye eriştiğini, verinin kurum dışına çıkıp çıkmadığını ve kişisel veri işlenip işlenmediğini not edin. Bu bilgi, sözleşme ve mevzuat değerlendirmesi için zemin oluşturur; envanter tek başına hukuki değerlendirme yerine geçmez.
- Kullanımı ve maliyeti ölçün. Mümkünse kullanım sıklığını ve lisans ya da tüketim bazlı maliyet etkisini kayda alın. Kullanılmayan bir özellik için yeni bütçe ayırmak ya da kullanılan bir özelliğin maliyetini gözden kaçırmak bu adımla önlenir.
- İhtiyaçla eşleştirin. Yeni araç talebi geldiğinde önce envantere bakın: aynı işi görebilecek bir özellik zaten var mı? Varsa önce sınırlı bir pilotla deneyin; yoksa yeni araç değerlendirmesine geçin.
- Bağımlılığı değerlendirin. Kritik süreçlerde tek bir sağlayıcının özelliğine ne ölçüde bağlı olduğunuzu ve özelliğin kapatılması ya da değişmesi durumunda ne olacağını yazın. Kullanımdan kaldırma adımlarını da bu aşamada tanımlayın.
- Düzenli güncelleyin. Sağlayıcılar yeni özellikleri güncellemelerle ekledikçe envanter eskir. Gözden geçirme sıklığını belirleyin ve sürüm notlarının takibini bir sorumluya bağlayın.
Sonuç
Gartner verisi, kurumsal yapay zekâ kullanımının önemli bir bölümünün yeni platformlardan değil, mevcut yazılımlara eklenen özelliklerden geldiğini gösteriyor. Bu durum hem fırsat hem de görünürlük sorunu yaratıyor: özellikler hızla çoğalırken hangisinin nerede, hangi veriyle ve ne maliyetle çalıştığını bilmek zorlaşıyor. NIST'in önerdiği envanter yaklaşımı, bu görünürlüğü sağlamanın sade ve uygulanabilir bir yolu.
Orient Global olarak bakışımız şu: Yeni bir yapay zekâ aracı için bütçe talebi masaya gelmeden önce, kullandığınız yazılımlardaki özelliklerin kısa bir envanterini çıkarmak çoğu zaman en verimli ilk adımdır. Envanter hem gereksiz yatırımı önler hem de gerçekten yeni bir araca ihtiyaç duyulan alanları netleştirir.
#interimmanagement #forwarddeployedengineering