Kurumsal Yapay Zeka Eğitimi: C-Level ve Teknik Ekip İçin Farklı Programlar

Kurumsal yapay zeka projelerini durduran şey çoğu zaman teknoloji değildir. Bütçe onaylanır, pilot başlar, demo toplantısı iyi geçer; sonra iş üretime geçemeden bekleme odasına girer. Sebep genellikle aynı yerde toplanır: kurumun iki ucu aynı dili konuşmaz. Üst yönetim yapay zekadan ne bekleyeceğini, hangi riski üstlendiğini ve neye bakarak "oldu" diyeceğini tanımlamamıştır. Teknik ekip modeli kurabilir ama o modelin hukuk, iç denetim ve satın alma masalarından nasıl geçeceğini bilmez. Bu iki boşluk aynı eğitimle kapanmaz.

Kısa cevap: Kurumsal yapay zeka eğitimi tek bir sunumu bütün şirkete izletmek değildir. Program unvana göre değil karar tipine göre ayrılır: yatırım kararını verenler (C-level), süreci işletenler (orta kademe) ve sistemi kuranlar (teknik ekip) için üç ayrı içerik, bunlara ek olarak yönetim sistemi tarafı için ISO/IEC 42001 eğitimi. Eğitimin başarısı memnuniyet anketiyle değil, sonrasında ölçülebilir hale gelen kabul kriterleriyle değerlendirilir.

Kurumsal yapay zeka eğitimi nedir?

Kurumsal yapay zeka eğitimi, bir şirkette yapay zeka projeleriyle ilgili farklı karar tiplerine göre ayrıştırılmış eğitim programları bütünüdür. Tek bir seminer değil, birbirini tamamlayan birkaç programdır. Ayrımın doğru ekseni unvan değil karar tipidir: yatırım kararını verenler bir grup, süreci her gün işletenler bir grup, sistemi kuran ve ayakta tutanlar bir gruptur.

Aynı şirkette bir genel müdür yardımcısı ile bir veri bilimci aynı toplantıda oturabilir; ama ikisinin "bu proje başarılı mı" sorusuna verdiği cevap farklı kanıtlara dayanır. Biri sözleşmeye yazılabilir bir eşik arar, diğeri tekrar edilebilir bir ölçüm sonucu arar.

Kurumsal yapay zeka eğitimi neden tek bir programla verilemez?

Çünkü grupların sorusu aynı değildir. Üst yönetimin sorusu şudur: "Bunu onaylarsam kurum ne kazanır, ne riske girer, sorumluluk kimde olur?" Teknik ekibin sorusu şudur: "Bunu üretimde nasıl ayakta tutarım, doğruluğunu nasıl ölçerim, bozulduğunda nasıl geri alırım?"

Aynı sunumu iki gruba birden göstermek ikisini de yarım bırakır. Yöneticiye fazla teknik gelir, mühendise fazla yüzeysel. Sonuç, herkesin salondan "ilginçti" diyerek çıktığı ve ertesi gün hiçbir kararın değişmediği bir gün olur.

C-level yapay zeka eğitiminde hangi başlıklar olmalı?

Üst yönetim programı bir teknoloji dersi değil, karar dersidir. Beş başlık taşıması gerekir:

• Yapay zeka ne yapar, ne yapmaz: Büyük dil modeli (LLM), bir metinde sıradaki parçayı (token) olasılık hesabıyla tahmin eden bir modeldir. Doğruyu bilmez; eğitildiği veriye göre en olası devamı üretir. Beklenti yönetimi bu tek cümleyle başlar.
• Risk ve sorumluluk haritası: Yanlış çıktının sonucunu kim taşır, hangi adımda insan onayı zorunludur, hata olduğunda geriye dönük inceleme neye bakarak yapılır.
• Veri ve uyum: 6698 sayılı Kişisel Verilerin Korunması Kanunu (KVKK) kapsamında hangi veri nereye gidebilir, veri kurum dışına çıkacak mı, çıkmayacaksa kurulum kurum içi (on-premise) sunucularda nasıl kurgulanmalı.
• Kabul kriteri: Projenin başarılı sayılması için hangi sayı hangi eşiğin üstünde olmalı. Bu, sözleşmeye yazılabilecek kadar net tek bir cümle olmalı.
• Bütçenin görünmeyen kalemleri: Donanım, model güncelleme, izleme, destek ve eğitimin tekrarlanması.

Bu program kısa tutulmalıdır. Üst yönetimin zamanı modelin iç yapısını öğrenmeye değil, doğru soruyu sormayı öğrenmeye harcanır.

Teknik ekip yapay zeka eğitimi neyi kapsamalı?

Teknik program ters yönde derinleşir. Buradaki amaç, ekibin bir demoyu değil çalışan bir sistemi teslim edebilmesidir. Kapsanması gereken başlıklar şunlardır:

• Veri hazırlığı ve etiketleme: Kurumsal projelerde en sık karşılaşılan tıkanma noktası model seçimi değil, veri kalitesidir. Etiket tanımı belirsizse model de belirsiz öğrenir.
• Model seçimi: Kurumun kendi sunucusunda çalışan açık kaynak modeller mi, dışarıdaki ticari API'ler mi, yoksa ikisinin birlikte kullanıldığı hibrit bir kurgu mu. Hibrit kurgu, hassas verinin kurum içinde kalması gerektiği ama ağır işlerin dışarıda çalıştırılabildiği durumlarda tercih edilir.
• RAG ile ince ayar farkı: RAG (Retrieval-Augmented Generation, getirimle desteklenen üretim), soruyu yanıtlamadan önce kurumun kendi belgelerinden ilgili parçaları arar ve bunları modele bağlam olarak verir; modelin ağırlıkları değişmez. İnce ayar (fine-tuning) ise önceden eğitilmiş bir modelin ağırlıklarını kurumun verisiyle günceller. RAG'de bilgiyi güncellemek belge eklemekle olur; ince ayarda yeni bir eğitim turu gerekir. İkisi farklı maliyet ve farklı bakım yükü demektir.
• Değerlendirme seti kurmak: Sabit bir test kümesi ve önceden yazılmış beklenen cevaplar olmadan "model iyileşti" demek ölçüm değil, izlenimdir.
• Dağıtım ve izleme: Docker gibi konteyner teknolojileriyle taşınabilir kurulum, model sürümleme, karar kaydı ve geri alma. Konteyner, uygulamayı bağımlılıklarıyla birlikte paketleyen ve ana makinenin işletim sistemi çekirdeğini paylaşarak çalışan bir dağıtım biçimidir; sanal makineden farkı, kendi içinde ayrı bir işletim sistemi taşımamasıdır.
• AI agent mimarisi: Yapay zeka ajanı (AI agent), verilen hedefe göre adım planlayan, araç ve API çağırabilen, sonuca bakarak planını güncelleyen bir yazılımdır. Yetki sınırı, geri alma yolu ve insan onayı adımı tanımlanmadan üretime alınmamalıdır.

Bu program tek bir seminerle bitmez. Ekip kendi verisiyle en az bir küçük problemi baştan sona kurmadan öğrenmiş sayılmaz.

Orta kademe yöneticiler bu iki programın neresinde durur?

Genelde atlanan grup budur ve projeyi asıl yavaşlatan yer burasıdır. Süreç sahibi, işin hangi adımının otomatikleşebileceğini bilen kişidir. Bu gruba verilecek eğitim üç şeye odaklanır: kendi sürecindeki hangi adımın yapay zekaya uygun olduğunu görmek, istisna durumlarını tanımlamak ve modelin çıktısını ne zaman reddetmesi gerektiğini bilmek.

Üst yönetim onay verir, teknik ekip kurar; ama sistemi her gün kullanacak olan bu ekiptir. Onların güvenmediği bir sistem üretimde kalmaz.

Üç program tek tabloda nasıl ayrışır?

Yapay zeka eğitiminin işe yaradığı nasıl ölçülür?

Eğitim, memnuniyet anketiyle değil, sonrasında değişen kararlarla ölçülür. Ölçüm üç adımda kurulur:

1. Ölç: İşin bugünkü başarımını sayıya çevirin. Taban çizgisi yoksa iyileşme iddiası da yoktur.
2. Aş: Sistemin bu taban çizgisini geçtiğini aynı ölçüm setiyle gösterin. Farklı veriyle alınmış iki sonuç karşılaştırılamaz.
3. Üretime al: Demoda kalan proje değer üretmez. Ölçüm, gerçek yük altında üretim ortamında tekrarlanmalıdır.

Bunun somut karşılığı şudur: insan başarımının %80 olduğu bir işte yapay zekayla %90'a çıkıldı. Sağlık alanındaki projelerimizde %85 üzeri doğrulukla, görüntü işleme projelerimizde %80 üzeri stabiliteyle çalışıyoruz. Gerçek zamanlı çalışması gereken bir görüntü işleme projesinde hedefimiz saniyede 50-150 kare işlemekti. İyi bir eğitim programının sonunda katılımcıların da kendi işleri için bu tür bir sayıyı yazabiliyor olması gerekir.

Yapay zeka yönetim sistemi (ISO/IEC 42001) eğitimi neden ayrı tutulmalı?

ISO/IEC 42001, yapay zeka yönetim sistemleri için yayımlanmış uluslararası standarttır. Modelin nasıl geliştirileceğini değil, kurumun bu işi nasıl yöneteceğini tarif eder: rol dağılımı, risk değerlendirmesi, kayıt tutma ve düzenli gözden geçirme.

Bu başlık teknik eğitimin içine sıkıştırıldığında kaybolur. Çünkü standardın muhatabı tek bir ekip değildir: politikayı üst yönetim onaylar, kaydı teknik ekip tutar, süreci saha uygular, kanıtı iç denetim ister. Teknik bir modül olarak anlatıldığında konu yalnızca teknik ekibin gündeminde kalır ve denetim gününde ortaya konacak kayıt üretilmemiş olur.

İşleyen sıra şudur: önce kurumun yapay zeka envanteri çıkarılır (hangi sistem, hangi veriyle, hangi kararı etkiliyor), sonra her sistem için risk sınıfı ve insan onayı kuralı yazılır, en sonda kayıt ve gözden geçirme takvimi kurulur. Eğitim bu sırayı takip ettiğinde belgelendirme süreci de kendiliğinden ilerler. AI Yapay Zeka Mühendislik A.Ş. hem ISO 42001 belgesine sahiptir hem de bu alanda danışmanlık verir.

Kurumsal yapay zeka eğitimi programı nereden başlar?

Program tasarımı içerikle değil, envanterle başlar. Sıra şudur:

1. Karar tiplerini çıkarın: Kimler yatırım kararı veriyor, kimler süreci işletiyor, kimler sistemi kuruyor. Katılımcı listesi bu üç kümeden oluşur.
2. Her grup için tek bir soru yazın: Eğitim sonunda bu grubun cevaplayabilmesi gereken soru nedir. Cevaplanamayacak soru varsa içerik yanlış kurgulanmıştır.
3. Taban çizgisini ölçün: Eğitimden önce, hedeflenen işin bugünkü başarımını sayıya çevirin.
4. Teknik ekibe kurumun kendi verisini verin: Örnek veri setiyle yapılan atölye, üretim koşullarını göstermez.
5. Tekrar takvimi kurun: Modeller ve araçlar değişir; bir defa verilen eğitim bir yıl sonra geçerliliğini kaybeder.

Bu yazıdaki terimler ne anlama geliyor?

Kurumsal yapay zeka eğitimi

Bir şirkette karar tipine göre ayrıştırılmış yapay zeka eğitim programları bütünü; tek bir seminer değil, birbirini tamamlayan programlar.

Büyük dil modeli (LLM)

Bir metinde sıradaki parçayı (token) olasılık hesabıyla tahmin eden model. Doğruyu bilmez, en olası devamı üretir.

RAG (Retrieval-Augmented Generation)

Modelin cevabı üretmeden önce kurumun belgelerinden ilgili parçaları arayıp bağlam olarak kullanması. Modelin ağırlıkları değişmez.

İnce ayar (fine-tuning)

Önceden eğitilmiş bir modelin ağırlıklarının kurumun verisiyle güncellenmesi. Bilgi güncellemek yeni bir eğitim turu gerektirir.

Yapay zeka ajanı (AI agent)

Verilen hedefe göre adım planlayan, araç ve API çağırabilen, sonuca bakarak planını güncelleyen yazılım.

Değerlendirme seti

Sabit test kümesi ve beklenen cevaplardan oluşan, model değişikliklerinin aynı ölçüyle karşılaştırılmasını sağlayan yapı.

Konteyner

Uygulamayı bağımlılıklarıyla paketleyen, ana makinenin işletim sistemi çekirdeğini paylaşarak çalışan dağıtım biçimi.

ISO/IEC 42001

Yapay zeka yönetim sistemleri için yayımlanmış uluslararası standart; modelin nasıl geliştirileceğini değil, kurumun bu işi nasıl yöneteceğini tarif eder.

Taban çizgisi

İyileştirme iddiasının karşılaştırılacağı, eğitimden veya sistemden önce ölçülmüş başlangıç değeri.

Sık sorulan sorular

Kurumsal yapay zeka eğitimi kaç ayrı programa bölünmelidir?

Üç ana programa: yatırım kararını veren üst yönetim (C-level), süreci her gün işleten orta kademe yöneticiler ve sistemi kurup ayakta tutan teknik ekip. Yönetim sistemi belgelendirmesi hedefleniyorsa bunlara dördüncü olarak ISO/IEC 42001 eğitimi eklenir. Ayrım unvana göre değil karar tipine göre yapılır.

C-level yapay zeka eğitimi ile teknik ekip eğitimi arasındaki fark nedir?

C-level programı bir karar dersidir: yapay zekanın sınırları, risk ve sorumluluk dağılımı, KVKK uyumu, kabul kriteri ve bütçenin görünmeyen kalemleri. Teknik program bir uygulama dersidir: veri hazırlığı, model seçimi, RAG ile ince ayar farkı, değerlendirme seti, konteyner tabanlı dağıtım ve izleme. Birincisi kısa tutulur, ikincisi ekibin kendi verisiyle çalışmasını gerektirir.

RAG ile ince ayar (fine-tuning) arasındaki fark nedir?

RAG, cevap üretilmeden önce kurumun belgelerinden ilgili parçaları arayıp modele bağlam olarak verir; modelin ağırlıkları değişmez ve bilgiyi güncellemek belge eklemekle olur. İnce ayar ise önceden eğitilmiş modelin ağırlıklarını kurumun verisiyle günceller; bilgiyi güncellemek yeni bir eğitim turu gerektirir. İkisi farklı maliyet ve farklı bakım yükü demektir.

Yapay zeka eğitiminin başarısı nasıl ölçülür?

Memnuniyet anketiyle değil, üç adımlı ölçümle: önce işin bugünkü başarımı sayıya çevrilir (taban çizgisi), sonra sistemin bu çizgiyi aynı ölçüm setiyle geçtiği gösterilir, en sonda ölçüm üretim ortamında tekrarlanır. Örnek olarak, insan başarımının %80 olduğu bir işte yapay zekayla %90'a çıkılmıştır.

Orta kademe yöneticiler bu eğitimlerin dışında bırakılabilir mi?

Bırakılmamalıdır. Sistemi her gün kullanacak olan gruptur ve projeyi asıl yavaşlatan yer burasıdır. Bu grubun eğitimi üç şeye odaklanır: kendi sürecindeki hangi adımın yapay zekaya uygun olduğunu görmek, istisna durumlarını tanımlamak ve modelin çıktısını ne zaman reddetmesi gerektiğini bilmek. Orta kademenin güvenmediği bir sistem üretimde kalmaz.

ISO/IEC 42001 eğitimi kimlere verilmelidir?

Tek bir ekibe değil, dört tarafa birden: politikayı onaylayan üst yönetime, kaydı tutan teknik ekibe, süreci uygulayan saha ekibine ve kanıt isteyen iç denetime. Teknik eğitimin içine bir modül olarak sıkıştırıldığında konu yalnızca teknik ekipte kalır ve denetim gününde ortaya konacak kayıt üretilmemiş olur.

Eğitim sırasında kurumun verisi dışarı çıkar mı?

Çıkması zorunlu değildir. Açık kaynak modeller kurumun kendi sunucusunda (on-premise) çalıştırılabilir; hassas veri kurum içinde tutulup yalnızca ağır işler dışarıdaki ticari API'lere verilecek şekilde hibrit bir kurgu da yapılabilir. Bu karar, 6698 sayılı KVKK kapsamında hangi verinin nereye gidebileceği belirlendikten sonra verilir ve C-level programının "veri ve uyum" başlığında ele alınır.

Yazar hakkında

Dr. Gökhan Tahıl, AI Yapay Zeka Mühendislik A.Ş.'nin kurucusudur. Bilgisayar mühendisliği temelli bir araştırmacı olarak Fransa'da yapay zeka alanında doktora yapmıştır. CNN Türk Özel Sektör programına "Bugünün Teknolojisiyle Yarına Yatırım" başlığıyla konuk olmuş; Galatasaray Üniversitesi'nde düzenlenen ilk Fransız-Türk yapay zeka günleri GSU AI Days 2026'da (18-19 Haziran 2026) konuşmacı ve jüri üyesi olarak yer almıştır. Yapay zeka ve gelecek vizyonu üzerine röportajını buradan izleyebilirsiniz.

AI Yapay Zeka Mühendislik A.Ş. ISO 42001 belgesine sahiptir ve holdingler ile büyük kurumsal yapılara AI agent geliştirme, görüntü işleme, LLM çözümleri ve kurumsal yapay zeka eğitimi hizmeti verir. Türkçe, İngilizce ve Fransızca çalışılır.

Kendi kurumunuzda bu üç programı nasıl ayıracağınızı konuşmak için: iletişim sayfası, 0540 509 19 05, gokhan@aiyapayzeka.io. Merkez ofis: Şehit Muhtar Mah., Mis Sk. No:24, 34435 Beyoğlu/İstanbul. Çalışma saatleri her gün 09.00-19.00.

Son güncelleme: 17 Ağustos 2026

Ücretsiz danışmanlık için bize ulaşın

← Tüm yazılar