1. İş problemini tanımlamadan teknoloji satın almak
Sahadaki karşılığı: Şirket bir AI platformu veya lisans paketi satın alır; ancak proje ekipleri sistemi hangi işte kullanacağını bilemez. Birkaç sunum ve denemeden sonra kullanım düşer.
Olası zararı:
- Kullanılmayan lisans maliyeti
- Yönetimde AI’a karşı güven kaybı
- Çalışanlarda “yeni bir geçici proje” algısı
- Gerçek problemlerin ertelenmesi
Doğru yaklaşım: Önce şu soru cevaplanmalıdır: “Hangi maliyeti, gecikmeyi, riski veya karar problemini iyileştirmek istiyoruz?” Teknoloji seçimi, iş problemi ve başarı göstergesi belirlendikten sonra yapılmalıdır.
2. AI dönüşümünü yalnızca bilgi teknolojileri bölümüne bırakmak
Sahadaki karşılığı: IT ekibi teknik çözümü hazırlar; fakat planlama, maliyet, sözleşme veya saha ekipleri çözümü sahiplenmez.
Olası zararı:
- Gerçek iş ihtiyacından kopuk uygulamalar
- Düşük kullanıcı kabulü
- Pilotların gösteri aşamasında kalması
- Teknik olarak çalışan ancak değer üretmeyen sistemler
Doğru yaklaşım: Her AI çalışmasının üç sahibi olmalıdır: üst yönetim sponsoru, iş birimi sahibi ve teknik uygulama ekibi. AI projesinin sahibi IT değil, problemi yaşayan iş birimi olmalıdır.
3. Kötü süreci otomatikleştirmek
Sahadaki karşılığı: Aynı veri üç kez girilir, gereksiz onaylar devam eder, belirsiz sorumluluklar korunur; yalnızca bazı adımlar hızlandırılır.
Olası zararı:
- Karmaşanın daha hızlı büyümesi
- Hataların sistematik hâle gelmesi
- Kullanıcıların teknolojiye direnç göstermesi
- Verimsiz sürecin kalıcılaşması
Doğru yaklaşım: Önce süreç sadeleştirilmeli: gereksiz adımlar kaldırılmalı, sorumluluklar netleştirilmeli, veri girişi tekilleştirilmeli, ardından AI’ın rolü belirlenmelidir. Kötü süreci otomatikleştirmek, eğri kalıba daha hızlı beton dökmektir.
4. Veri kalitesini olduğundan iyi varsaymak
Sahadaki karşılığı: İş programı güncel değildir, maliyet kodları projeler arasında farklıdır, günlük raporlar eksiktir; buna rağmen tahmin sistemi kurulmak istenir.
Olası zararı:
- Yanlış gecikme ve maliyet tahminleri
- Yönetimin hatalı yönlendirilmesi
- AI çıktısına güvenin kaybolması
- Veri temizleme maliyetinin sonradan büyümesi
Doğru yaklaşım: Pilot öncesinde veri hazırlık kontrolü yapılmalıdır: Veri mevcut mu? Güncel mi? Tutarlı mı? Sahibi belli mi? Karar için yeterli mi? Veri, AI’ın betonudur; kalitesiz veriyle sağlam karar sistemi kurulmaz.
5. Çok büyük kapsamla başlamak
Sahadaki karşılığı: Firma aynı anda planlama, maliyet, satın alma, İSG, sözleşme ve insan kaynaklarını kapsayan kurumsal AI platformu kurmaya çalışır.
Olası zararı:
- Uzayan proje süresi
- Belirsiz sorumluluklar
- Artan entegrasyon maliyeti
- Sonuç görülmeden yönetim desteğinin azalması
- Projenin tamamlanamaması
Doğru yaklaşım: İlk pilot; dar kapsamlı, tek iş problemine odaklı, tek kullanıcı grubuna sahip ve 6-12 haftada ölçülebilir sonuç üreten bir çalışma olmalıdır.
6. En etkileyici projeyi, en uygulanabilir pilot sanmak
Sahadaki karşılığı: Firma doğrudan gecikme tahmini veya proje sonu maliyet modeli kurmak ister; ancak geçmiş veri yetersizdir.
Olası zararı:
- Pilotun başarısız olması
- Gereksiz danışmanlık ve yazılım maliyeti
- AI’ın işe yaramadığı düşüncesi
- Daha kolay fırsatların kaçırılması
Doğru yaklaşım: İlk pilot seçiminde yalnızca iş değeri değil; veri hazırlığı, uygulama kolaylığı, kullanıcı kabulü, ölçülebilirlik ve yönetim görünürlüğü birlikte değerlendirilmelidir. İlk pilot için sözleşme asistanı, toplantı aksiyon takibi veya proje sağlık raporu gibi daha kontrollü alanlar seçilebilir.
7. Başarı ölçütünü baştan belirlememek
Sahadaki karşılığı: Pilot sonunda sistemin “iyi çalıştığı” söylenir; ancak ne kadar zaman, maliyet veya risk faydası sağladığı bilinmez.
Olası zararı:
- Yatırım geri dönüşünün gösterilememesi
- Ölçeklendirme kararının verilememesi
- Farklı tarafların farklı başarı tanımları kullanması
- Pilotun sürekli deneme aşamasında kalması
Doğru yaklaşım: Pilot başlamadan önce üç tür gösterge belirlenmelidir. Kullanım: Kaç kişi, ne sıklıkta kullandı? Operasyon: Ne kadar zaman veya işlem kazancı sağlandı? İş sonucu: Hangi risk, gecikme veya maliyet etkisi azaldı? Ölçülmeyen AI faydası, metrajsız hakedişe benzer.
8. Kullanıcıları tasarım sürecine dahil etmemek
Sahadaki karşılığı: Merkez ofiste tasarlanan sistem, şantiyedeki internet, zaman, cihaz ve iş akışı koşullarına uymaz.
Olası zararı:
- Düşük kullanım oranı
- Çift kayıt ve ek iş yükü
- Saha ekiplerinin sistemi aşması
- Gerçek dışı veya eksik veri üretilmesi
Doğru yaklaşım: Pilot ekibinde gerçek kullanıcı bulunmalıdır: proje müdürü, şantiye mühendisi, planlamacı, maliyet kontrol veya sözleşme uzmanı. Çözüm, masa başında değil gerçek çalışma akışı içinde test edilmelidir.
9. Eğitimi araç tanıtımıyla sınırlamak
Sahadaki karşılığı: Çalışanlara bir gün boyunca AI araçları gösterilir; birkaç prompt verilir, ancak iş yapma biçimi değişmez.
Olası zararı:
- Eğitimin kısa sürede unutulması
- Kontrolsüz ve standart dışı kullanım
- Eğitim yatırımının ölçülememesi
- Çalışanlarda gereksiz beklenti veya kaygı
Doğru yaklaşım: Eğitim görev bazlı olmalıdır: Proje müdürü hangi raporda kullanacak? Sözleşme yöneticisi hangi dokümanı inceleyecek? Satın alma ekibi hangi karşılaştırmayı yapacak? Çıktıyı kim doğrulayacak? Eğitim sonrası uygulama görevi ve takip oturumu yapılmalıdır.
10. AI çıktısını insan kontrolü olmadan kullanmak
Sahadaki karşılığı: AI’ın hazırladığı sözleşme yorumu, maliyet değerlendirmesi veya resmî yazışma doğrulanmadan kullanılır.
Olası zararı:
- Hak kaybı
- Yanlış yönetim kararı
- Hatalı ticari yazışma
- İSG ve kalite riski
- Hukuki ve itibari zarar
Doğru yaklaşım: Kritik süreçler için insan kontrol seviyeleri tanımlanmalıdır: AI hazırlayabilir, uzman kontrol eder, yetkili yönetici onaylar. Sözleşme, İSG, personel ve ödeme kararları hiçbir zaman yalnızca AI çıktısına bırakılmamalıdır.
11. Veri güvenliğini pilot başladıktan sonra düşünmek
Sahadaki karşılığı: Çalışanlar sözleşmeleri, fiyatları, personel bilgilerini veya proje yazışmalarını genel AI araçlarına yükler.
Olası zararı:
- Ticari sırların açığa çıkması
- Kişisel veri ihlalleri
- İşveren veya ortaklarla sözleşme ihlali
- Hukuki ve itibari risk
- Kontrolsüz gölge AI kullanımı
Doğru yaklaşım: Pilot öncesinde şu kurallar açıklanmalıdır: onaylı araçlar, yüklenebilecek ve yüklenemeyecek veriler, anonimleştirme kuralları, erişim yetkileri, saklama ve silme koşulları, çıktı doğrulama sorumluluğu. Veri güvenliği, pilotu durduran son kontrol değil, pilot tasarımının parçası olmalıdır.
12. AI’ı çalışan azaltma projesi gibi sunmak
Sahadaki karşılığı: Çalışanlar AI kullanımını kendi işlerini tehdit eden bir uygulama olarak görür ve bilgi paylaşmaktan kaçınır.
Olası zararı:
- Açık veya örtülü direnç
- Eksik veri girişi
- Pilotun sabote edilmesi
- Kurumsal güvenin zedelenmesi
- Deneyimli çalışanların uzaklaşması
Doğru yaklaşım: İlk mesaj şu olmalıdır: AI’ın amacı insan sayısını azaltmak değil, nitelikli insanın düşük değerli işlere ayırdığı zamanı azaltmaktır. Çalışanlara hangi görevlerin değişeceği, hangi sorumlulukların insanda kalacağı ve yeni yetkinliklerin ne olacağı açıkça anlatılmalıdır.
13. Yönetim sponsorluğunu yalnızca açılış konuşması sanmak
Sahadaki karşılığı: CEO projeyi desteklediğini söyler; ancak veri, ekip, zaman veya öncelik çatışmalarında müdahale etmez.
Olası zararı:
- Birimler arası anlaşmazlık
- Pilot ekibinin yalnız kalması
- Veri erişiminin gecikmesi
- Projenin günlük işlerin gerisine düşmesi
- Sonuç alınamaması
Doğru yaklaşım: Yönetim sponsoru pilotun amacını savunmalı, kaynak sağlamalı, engelleri kaldırmalı, sonuçları düzenli değerlendirmeli, devam veya durdurma kararı vermelidir. Sponsorun adı kadar, rolü ve karar yetkisi de tanımlanmalıdır.
14. Pilot başarısızlığını yalnızca teknolojiye bağlamak
Sahadaki karşılığı: Sistem beklenen sonucu üretmeyince “AI işe yaramadı” denir; veri, süreç ve kullanım sorunları incelenmez.
Olası zararı:
- Yanlış yatırım kararı
- Öğrenme fırsatının kaybedilmesi
- Gelecekteki projelere karşı direnç
- Gerçek nedenlerin devam etmesi
Doğru yaklaşım: Pilot sonunda sonuç beş başlıkta incelenmelidir: Problem doğru seçildi mi? Veri yeterli miydi? Süreç tanımlı mıydı? Kullanıcı sistemi benimsedi mi? Teknik çözüm uygun muydu? Başarısız pilot, doğru analiz edilirse ucuz bir öğrenme yatırımı olabilir.
15. Başarılı pilotu kurumsal sisteme dönüştürememek
Sahadaki karşılığı: Bir proje veya departmanda başarılı sonuç alınır; ancak başka projelere yaygınlaştırılmaz. Çalışma birkaç kişinin kişisel kullanımında kalır.
Olası zararı:
- Kurumsal faydanın sınırlı kalması
- Aynı çözümün farklı ekiplerce yeniden geliştirilmesi
- Standart dışı kullanım
- Kilit kişilere bağımlılık
- Pilot yatırımının ölçek ekonomisine dönüşmemesi
Doğru yaklaşım: Başarılı pilot sonrasında şu kararlar verilmelidir: Hangi projelere yayılacak? Süreç sahibi kim olacak? Standart prompt ve iş akışı ne olacak? Hangi sistemlerle entegre edilecek? Kullanıcılar nasıl eğitilecek? Performans nasıl izlenecek? Hangi koşullarda durdurulacak veya geliştirilecek? Pilotun başarısı yalnızca teknik çalışması değil, kurumsal süreç içinde kalıcı hâle gelmesidir.
Hataların dört ana kaynağı
Bu 15 hata genel olarak dört grupta toplanabilir:
1. Strateji hataları: problem tanımlamadan teknoloji almak, büyük kapsamla başlamak, yanlış pilot seçmek, başarıyı ölçmemek.
2. Veri ve süreç hataları: veri kalitesini varsaymak, kötü süreci otomatikleştirmek, veri güvenliğini geç ele almak.
3. İnsan ve yönetim hataları: AI’ı yalnızca IT’ye bırakmak, kullanıcıyı dışarıda bırakmak, eğitimi araç tanıtımına indirgemek, AI’ı çalışan azaltma projesi gibi sunmak, zayıf yönetim sponsorluğu.
4. Uygulama ve ölçekleme hataları: insan kontrolünü kaldırmak, başarısızlığı yanlış yorumlamak, başarılı pilotu kurumsallaştıramamak.
Üst yönetim için 10 maddelik kontrol listesi
Bir AI çalışmasına başlamadan önce yönetim şu sorulara cevap verebilmelidir:
- Hangi iş problemini çözüyoruz?
- Bu problem şirkete neye mal oluyor?
- Kullanılacak veri yeterli ve güvenilir mi?
- Süreç standart ve tanımlı mı?
- Pilotun iş birimi sahibi kim?
- Yönetim sponsoru kim?
- Günlük kullanıcı kim olacak?
- İnsan kontrolü nerede devreye girecek?
- Başarı hangi göstergelerle ölçülecek?
- Başarılı olursa nasıl ölçeklendirilecek?
Bu soruların önemli bir bölümü cevapsızsa, şirketin ihtiyacı henüz yazılım satın almak değil; olgunluk analizi, süreç çalışması ve pilot tasarımıdır.
Sonuç
İnşaat firmalarında AI dönüşümünün başarısız olmasının temel nedeni çoğu zaman teknolojinin yetersizliği değildir. Asıl nedenler: yanlış problemin seçilmesi, verinin hazır olmaması, süreçlerin belirsizliği, iş birimlerinin sahiplenmemesi, sonucun ölçülmemesi ve yönetimin uygulamayı bir teknoloji projesi olarak görmesidir.
Doğru yaklaşım şudur: Küçük başlayın, gerçek problemi çözün, sonucu ölçün, insan kontrolünü koruyun ve yalnızca değer üreten uygulamaları ölçeklendirin.