Önceki yazımızı şu tespitle bitirmiştik: Otonom ajanların yaygınlaşamamasının bir numaralı sebebi model değil, veri. Bu yazı tam da onun üstüne kuruluyor. Çünkü 2026'da yapay zekada asıl fark, seçtiğiniz modelde değil, o modeli besleyen veride ortaya çıkıyor.
Rakam bunu doğruluyor: McKinsey'e göre kurumların onda sekizi, yapay zeka ajanlarını yaygınlaştırmanın önündeki en büyük engel olarak veriyi gösteriyor.1 Yani herkesin konuştuğu "hangi model" sorusu, çoğu kurum için asıl mesele bile değil. Asıl soru şu: Verimiz yapay zekaya hazır mı?
Çoğu kurumun kaçırdığı nokta burada. Yıllardır "iyi veri" denince akla temiz, düzenli, hatasız veri gelir. Ama Gartner'ın vurguladığı gibi, temiz veri her zaman yapay zekaya hazır veri değildir.2
Peki yapay zekaya hazır veri nedir? En yalın haliyle: yapay zekanın yapacağı işe gerçekten uygun olan veri. Üç şeyi karşılaması gerekir:
Kısacası bir verinin hazır olup olmadığı tek başına bir kalite ölçüsü değildir; hangi iş için kullanılacağına bağlıdır. Aynı veri bir iş için yeterli, başka bir iş için yetersiz olabilir. Bu yüzden bütün veriyi önceden ve topluca "hazır" hale getirmeye çalışmak yerine, önce hangi işi çözeceğinizi belirleyip o işe uygun veriyi hazırlamak gerekir.
Kurumsal tablo, bu ayrımın neden önemli olduğunu gösteriyor.
Gartner'ın 2024 sonundaki bir araştırmasına göre, kurumların %63'ü yapay zeka için doğru veri altyapısına sahip olmadığını ya da olup olmadığından emin olmadığını söylüyor.3 Aynı araştırmanın öngörüsü ise çarpıcı: Gartner, 2026 boyunca kurumların, verisi yapay zekaya hazır olmayan projelerin %60'ından vazgeçeceğini tahmin ediyor.3
McKinsey de bunu tamamlıyor: Kurumların neredeyse üçte ikisi ajanlarla deneme yapmış, ama %10'dan azı bunları gerçek değer üretecek ölçeğe taşıyabilmiş; en büyük engel yine veri.1 Serinin ilk yazısındaki "kullanan çok, kazanan az" tablosunun altından her seferinde veri çıkıyor. Kurumların %88'i bir biçimde yapay zeka kullanıyor,4 ama kazanan azınlığı ayıran şey daha akıllı bir model değil, daha sağlam bir veri temeli.
Sağlam bir veri temeli, "verileri bir yere toplamak" demek değildir. Yapay zekayı taşıyabilecek bir temel, birkaç parçanın birlikte çalışmasını gerektirir. En yalın haliyle:
Bu parçalar bir araya geldiğinde veri, bir ürün gibi yönetilmeye başlar: sahibi olan, kalitesi güvence altına alınan ve kullanıcısına açıkça sunulan bir varlık. Siloların içine dağılmış, kimsenin ne olduğunu tam bilmediği veriyle yapay zekaya hazır olunamaz.
Karar vericilerin sık yaptığı bir hata, veri altyapısını "sonra hallederiz" denilen bir maliyet kalemi gibi görmek. Rakamlar tersini söylüyor.
Gartner'ın 2025 sonundaki araştırmasına göre, yapay zekada başarılı olan kurumlar; veri kalitesi, yönetişim, yetkin ekip ve değişim yönetimi gibi temel alanlara, başarısız olanlara kıyasla dört kata varan oranda daha fazla yatırım yapıyor.5 Dahası, veri temeli en olgun olan kurumlar, gelir ve maliyet tarafında %65'e varan bir fark yaratıyor.5
Ama mesafe hala büyük: Teknoloji liderlerinin yalnızca %39'u, mevcut yapay zeka yatırımlarının finansal olarak geri döneceğinden emin.5 Gartner'ın özeti basit ve net: Veriye güven yoksa, yapay zekadan değer de yok. Başarı, daha iyi bir modelden değil; yapay zekaya doğru ve güvenilir veriyi doğru biçimde sunmaktan geliyor.5
Veri temeli aynı zamanda bir güven meselesidir. Yapay zekanın verdiği her karar, dayandığı verinin güvenilirliği kadar sağlamdır.
Burada da tablo uyarıcı: Gartner'ın 2025 ortasındaki araştırmasında, BT liderlerinin yalnızca %23'ü üretken yapay zeka araçlarını devreye alırken güvenlik ve yönetişimi yönetebileceğinden çok emin.5 Doğru yaklaşım, güvenlik ve uyum kontrollerini sonradan eklemek değil; en baştan verinin ve iş akışının içine yerleştirmektir. Yönetişim bir fren değil, değerin ön koşuludur.
Türkiye'de girişimler dijitalleşiyor, ama yapay zekayı taşıyacak veri temeli hala ince. TÜİK'in 2025 verileri bunu net gösteriyor.
Ücretli bulut bilişim kullanımı 2023'teki %16,4'ten 2025'te %20,4'e çıktı; ama 250 ve üzeri çalışanlı büyük girişimlerde bu oran %54,3 iken, 10-49 çalışanlı küçük girişimlerde %17,3'te kalıyor.6 Daha da dikkat çekici olan iş zekası tarafı: Veriden anlamlı içgörü çıkarmanın temel aracı olan iş zekası (BI) yazılımları, girişimlerin yalnızca %6,5'inde kullanılıyor; ERP %28,3, CRM ise %12 seviyesinde.6
Bu tablo önemli, çünkü sıra yapay zekaya geldiğinde temel zaten dar başlıyor. Girişimlerin %7,5'i en az bir yapay zeka teknolojisi kullanıyor,6 ama bulut ve iş zekası bu kadar düşükken bu kullanımın çoğu sağlam bir zemine oturmuyor olabilir. Türkiye'deki kurumlar için doğru sıra bellidir: Önce veri temeli, sonra model.
Deneyimimiz ve verilerin işaret ettiği yol, "önce tüm veriyi temizleyelim" ile "önce modeli seçelim" yaklaşımlarının ikisinden de farklı:
Bir teknoloji holdingi olarak hem kurumsal yazılım hem de mobil oyun tarafında ürün geliştirirken gördüğümüz şu: Veri, ürünün üstüne sonradan eklenen bir raporlama katmanı değil, ürünün nasıl tasarlandığını baştan belirleyen bir temeldir. Bu temel sağlam olduğunda model bir tercih meselesine dönüşür; olmadığında ise en iyi model bile pilotta kalır.
Yapay zeka veriyle başlar. Model seçimi önemlidir, ama kazananı çoğu zaman görünmeyen kısım belirler: verinin künyesi, kalitesi, izlenebilirliği, yönetişimi ve güveni. Serinin ilk yazısındaki tez burada da geçerli: Fark, aracı satın almakta değil, temeli kurmakta.
Bu temel yalnızca kurumsal yazılıma özgü de değil; mobil oyundan finansal yazılıma kadar her üründe aynı kural geçerli. Veri sağlam olduğunda ürün öğrenir ve değer üretir; olmadığında en gelişmiş yapay zeka bile yüzeyde kalır. Dolayısıyla bugün atılacak en doğru adım, bir sonraki modeli aramak değil; verinizin bugünkü halini dürüstçe değerlendirip temeli buradan sağlamlaştırmaya başlamaktır.
"Yapay zekaya hazır veri" tam olarak ne demek? Yapay zekanın yapacağı işe gerçekten uygun olan veridir: gerçek durumları kapsayan, ne anlama geldiği belli olan ve kaynağı güvenilir veri. "Temiz" veri her zaman yapay zekaya hazır değildir; hazırlık, verinin hangi iş için kullanılacağına göre değişir.2
Yapay zekaya başlamak için önce tüm veriyi mi düzenlemeliyim? Hayır. Bütün veriyi önceden hazırlamak hem gereksiz hem de neredeyse imkansızdır. Değeri net tek bir işi seçip yalnızca onun ihtiyaç duyduğu veriden başlamak çok daha sürdürülebilirdir.
Projeler neden veri yüzünden başarısız oluyor? Çünkü çoğu kurum, temiz veri ile yapay zekaya hazır veriyi karıştırıyor ve doğru veri altyapısına sahip olmadığını çok geç fark ediyor. Gartner, 2026 boyunca verisi hazır olmayan projelerin %60'ının terk edileceğini öngörüyor.3
Veri altyapısı yatırımı gerçekten geri döner mi? Veriler bunu destekliyor. Başarılı kurumlar temel alanlara dört kata varan oranda daha fazla yatırım yapıyor ve en olgun kurumlar iş sonuçlarında %65'e varan fark yaratıyor.5
Türkiye'deki bir kurum nereden başlamalı? Temelden. Bulut ve iş zekası kullanımının hala düşük olduğu bir ortamda önce güvenilir veri kaynakları, verinin künyesi ve yönetişim kurulmalı; model bu temelin üstüne gelmeli.6
McKinsey & Company, "Building the foundations for agentic AI at scale," 2 Nisan 2026. https://www.mckinsey.com/capabilities/mckinsey-technology/our-insights/building-the-foundations-for-agentic-ai-at-scale ↩ ↩2
Gartner, "What Is AI-Ready Data and Why Is It Important?" https://www.gartner.com/en/articles/ai-ready-data ↩ ↩2
Gartner, "Lack of AI-Ready Data Puts AI Projects at Risk," 26 Şubat 2025. https://www.gartner.com/en/newsroom/press-releases/2025-02-26-lack-of-ai-ready-data-puts-ai-projects-at-risk ↩ ↩2 ↩3
McKinsey & Company, "The state of AI in 2025: Agents, innovation, and transformation," 5 Kasım 2025. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai ↩
Gartner, "Gartner Says Organizations With Successful AI Initiatives Invest Up to Four Times More in Data and Analytics Foundations," 16 Nisan 2026. https://www.gartner.com/en/newsroom/press-releases/2026-04-16-gartner-says-organizations-with-successful-ai-initiatives-invest-up-to-four-times-more-in-data-and-analytics-foundations ↩ ↩2 ↩3 ↩4 ↩5 ↩6
TÜİK, Girişimlerde Bilişim Teknolojileri Kullanım Araştırması, 2025. https://veriportali.tuik.gov.tr/tr/press/54012 ↩ ↩2 ↩3 ↩4