Yapay Zeka yatırımlarında kritik eksik

Gartner verileri, üretken yapay zeka projelerinin önemli bölümünün pilot uygulama aşamasından sonra terk edildiğine işaret ederken, Binovist & Robosme Kurucu Ortağı Engin Alan, satış ve pazarlamada müşterilerin satın alma kararına giden sürecinin yeterince kayıt altına alınmadığını vurguluyor.

Yapay zeka projelerinde veri eksikliği öne çıkıyor

Şirketler yapay zeka teknolojilerine milyarlarca dolarlık yatırım yaparken, bu yatırımlardan beklenen iş sonuçlarını elde etmek için gerekli kurumsal veri altyapısı aynı hızla gelişmiyor. Gartner’ın 2025 yılı için küresel üretken yapay zeka harcamalarına ilişkin 644 milyar dolarlık öngörüsüne karşın, kurumların projeleri sürdürülebilir iş sonuçlarına dönüştürmekte zorlandığı belirtiliyor.

Gartner’ın Ocak 2026 tarihli değerlendirmesine göre, üretken yapay zeka projelerinin en az yarısı kavram kanıtlama (PoC) aşamasından sonra terk ediliyor. Veri kalitesi, maliyet, risk yönetimi ve belirsiz iş değeri, projelerin devam ettirilememesindeki başlıca nedenler arasında gösteriliyor.

Bu tablo, şirketlerin yalnızca hangi yapay zeka modelini kullanacaklarına değil, bu sistemlerin öğrenmesini sağlayacak veriye de odaklanması gerektiğini ortaya koyuyor.

Satış verileri müşterinin satın alma hikayesini anlatmıyor

Binovist & Robosme Kurucu Ortağı Engin Alan, şirketlerin geçmiş satışlara ilişkin kapsamlı verilere sahip olduğunu ancak müşterinin satın alma kararına nasıl ulaştığını gösteren bilgilerin çoğu zaman eksik kaldığını belirtiyor.

Kurumsal kaynak planlama (ERP) sistemleri; hangi müşterinin hangi ürünü ne zaman ve ne miktarda satın aldığı gibi bilgileri kayıt altına alıyor. Ancak müşterinin şirketle nasıl tanıştığı, hangi ihtiyacının bulunduğu, hangi içeriklerle ilgilendiği, hangi teklifleri değerlendirdiği ve satın alma kararını neden verdiği gibi soruların yanıtları her zaman aynı kapsamda tutulmuyor.

Alan, bu eksikliğin yapay zekanın ticari süreçleri anlamasını zorlaştırdığını belirterek, müşterinin satın alma yolculuğuna ilişkin verilerin sistematik biçimde toplanmasının önemine dikkat çekiyor.

Yeni müşteri kazanımında farklı veri gerekiyor

Geçmiş satış verileri; müşteri segmentasyonu, çapraz satış fırsatlarının belirlenmesi, müşteri kaybı riskinin analiz edilmesi ve gelecekteki satın alma davranışlarının tahmin edilmesi gibi alanlarda kullanılabiliyor.

Ancak henüz müşteri olmayan şirket ve kişilerin satın alma olasılığını değerlendirmek için farklı veri kümelerine ihtiyaç duyuluyor. Potansiyel müşterilerin özellikleri, ilk temas noktaları, dijital davranışları, kampanya tepkileri, satış görüşmeleri, teklif geçmişleri ve kazanılan ya da kaybedilen fırsatların nedenleri bu kapsamda önem taşıyor.

Bu bilgilerin düzenli biçimde kaydedilmesi, yapay zekanın yalnızca geçmişte kimlerin satın aldığını analiz etmesini değil, gelecekte hangi potansiyel müşterilerin satın alma ihtimalinin yüksek olduğunu değerlendirmesini de sağlayabiliyor.

CRM sistemleri kurumsal hafızanın temelini oluşturuyor

Gartner’ın 2025 araştırmasına göre, kuruluşların yüzde 63’ü yapay zeka için gerekli veri yönetimi uygulamalarına sahip olmadığını ya da bu konuda yeterliliğinden emin olmadığını belirtiyor.

IBM’in 2 bin CEO ile gerçekleştirdiği 2025 araştırmasında ise katılımcıların yüzde 72’si kuruma özgü veriyi üretken yapay zekadan değer elde etmenin anahtarı olarak görüyor. Aynı araştırmada, yapay zeka girişimlerinin yüzde 25’inin beklenen yatırım getirisini sağladığı, yüzde 16’sının ise kurum genelinde ölçeklendirilebildiği aktarılıyor.

Engin Alan, müşteri ilişkileri yönetimi (CRM) sistemlerinin yalnızca satış ekiplerinin müşteri bilgilerini girdiği yazılımlar olarak değerlendirilmemesi gerektiğini belirtiyor. Alan'a göre doğru kurgulanan CRM altyapısı; fırsatların neden kazanıldığını veya kaybedildiğini, müşterilerin hangi ihtiyaçlarla geldiğini ve satın alma kararının nasıl şekillendiğini kayıt altına alarak şirketin ticari hafızasını oluşturuyor.

Bu hafızanın yıllar içinde birikmesi, yapay zeka uygulamalarının şirketin kendi deneyimlerinden yararlanmasını sağlayabilecek önemli bir kurumsal varlık olarak değerlendiriliyor.

Yapay zeka yatırımlarında önce iş hedefi belirlenmeli

Şirketlerin benzer yapay zeka modellerine ve araçlarına erişebilmesi, rekabet avantajının yalnızca kullanılan teknolojiyle sınırlı kalmayacağını gösteriyor. Müşteri görüşmeleri, teklif geçmişleri, satış fırsatları, kampanya sonuçları ve ticari ilişkilerden elde edilen veriler, şirketlere özgü bir bilgi birikimi oluşturuyor.

Binovist’in CRM danışmanlığı çalışmalarında ve Robosme CRM’in ürün yaklaşımında bu dönüşüme odaklanıldığını belirten Alan, şirketlerin teknoloji seçiminden önce ulaşmak istedikleri iş sonucunu tanımlamaları gerektiğini ifade ediyor.

Alan'a göre şirketler öncelikle daha fazla potansiyel müşteri kazanmak, satış ekiplerinin doğru müşterilere yönelmesini sağlamak, tekliflerin satışa dönüşme oranını artırmak veya müşteri kaybını azaltmak gibi hedeflerini netleştirmeli. Ardından bu hedeflere ulaşmak için yapay zekanın hangi verilere ihtiyaç duyduğu belirlenmeli.

Önümüzdeki dönemde yapay zeka yatırımlarının başarısında, kullanılan modeller kadar şirketlerin kendi geçmişlerini doğru, anlamlı ve yapay zeka tarafından kullanılabilir bir kurumsal hafızaya dönüştürme becerisinin de belirleyici olması bekleniyor.