1. Planlama ve zaman yönetimi
Bugünkü problem. İş programları çoğu projede güncel durumu kaydetmek amacıyla kullanılıyor. Planlama ekibi gecikmeleri programa işliyor; fakat gecikmenin nerede başlayacağını, hangi faaliyetlere yayılacağını ve hangi müdahalenin en etkili olacağını önceden görmek zorlaşıyor. Sahadaki gerçek üretim hızları ile iş programındaki varsayımlar arasında da çoğu zaman kopukluk bulunuyor.
Somut AI kullanım senaryoları
- Gecikme erken uyarı sistemi. AI; güncel iş programı, gerçekleşen ilerlemeler, iş gücü ve ekipman miktarları, günlük saha raporları, malzeme teslimat tarihleri, alt yüklenici performansı, hava koşulları ve onay/tasarım beklemelerini birlikte analiz eder. Sistem, önümüzdeki iki, dört veya sekiz hafta içinde gecikme ihtimali yüksek aktiviteleri işaretler.
- Kritik yol değişim analizi. Kritik yol yalnızca planlama güncellemesi sırasında değil, sürekli izlenir. AI, kritik olmayan bir faaliyetin hangi koşullarda kritik hâle gelebileceğini gösterebilir.
- Alternatif senaryo üretimi. Sistem “Betonarme ekibine 20 kişi daha eklersek, proje bitiş tarihine etkisi ne olur?” sorusuna cevap verebilir. İkinci vardiya açılması, ek ekipman kullanılması, iş sırasının değiştirilmesi veya bazı işlerin paralel yürütülmesi gibi alternatifler karşılaştırılabilir.
- Geçmiş projelerden süre tahmini. Yeni bir aktivitenin süresi yalnızca planlamacının tahminine değil, şirketin geçmiş projelerindeki gerçek üretim hızlarına göre hesaplanabilir.
Yönetim etkisi. Planlama, geçmişi güncelleyen bir raporlama faaliyeti olmaktan çıkar; yönetime müdahale zamanı ve müdahale alternatifi sunan bir karar mekanizmasına dönüşür.
2. Maliyet kontrolü
Bugünkü problem. Maliyet raporları çoğu zaman geriden gelir. Gerçekleşen maliyetler görülebilir; ancak projenin tamamlandığında hangi maliyete ulaşacağı yeterince erken ve güvenilir biçimde tahmin edilemeyebilir. Bütçe, sipariş, tahakkuk, hakediş, stok ve gerçekleşen maliyet verileri farklı sistemlerde yer alabilir.
Somut AI kullanım senaryoları
- Proje sonu maliyet tahmini. AI; bütçe, gerçekleşen maliyet, açık satın alma siparişleri, alt yüklenici sözleşmeleri, fiziksel ilerleme, birim maliyet değişimleri, iş gücü verimliliği ve kalan iş miktarını birleştirerek sürekli güncellenen bir proje sonu maliyet tahmini üretir. Sistem yalnızca mevcut sapmayı değil, proje sonundaki muhtemel sapmayı gösterir.
- Olağandışı maliyet hareketlerinin tespiti. Aynı malzemenin farklı projelerde çok farklı fiyatlardan alınması, iş miktarına göre yüksek işçilik maliyeti, beklenmedik ekipman kiralama artışı, tekrarlanan küçük ama toplamda büyük harcamalar ve aynı maliyetin farklı kodlara girilmesi belirlenebilir.
- Birim maliyet karşılaştırması. Metreküp beton başına işçilik, ton demir başına üretim süresi, metrekare kalıp maliyeti, metre tünel başına ekipman maliyeti ve iş paketi bazında alt yüklenici verimliliği projeler arasında karşılaştırılabilir.
- Maliyet senaryoları. AI; kur, enflasyon, üretim hızı, fiyat artışı veya gecikme senaryolarının proje maliyetine etkisini hesaplayabilir.
Yönetim etkisi. Maliyet kontrolü, “Ne kadar harcadık?” sorusundan “Bu proje nereye gidiyor ve bugün hangi önlemi almalıyız?” sorusuna geçer.
3. Hakediş yönetimi
Bugünkü problem. Hakediş hazırlığı; metraj, ilerleme, onay, sözleşme fiyatları ve saha kayıtlarının bir araya getirilmesini gerektirir. Süreç yoğun emek ister ve yorum farklılıklarına açıktır. İşveren hakedişleri ile alt yüklenici hakedişleri arasındaki uyumsuzluklar da nakit ve kârlılık sorunları yaratabilir.
Somut AI kullanım senaryoları
- İlerleme-hakediş kontrolü. AI, hakedişe girilen miktarları BIM modeli, günlük saha raporları, onaylı imalat formları, fotoğraflar, metraj tabloları ve iş programı ilerlemeleriyle karşılaştırabilir; tutarsızlıkları işaretler.
- Eksik hakediş kalemlerinin belirlenmesi. Yapılmış fakat hakedişe yansıtılmamış işler tespit edilebilir. Özellikle küçük iş kalemleri ve ilave işler zaman içinde önemli tutarlara ulaşabilir.
- Alt yüklenici hakediş kontrolü. AI, alt yüklenici tarafından sunulan miktarları sözleşme, saha gerçekleşmesi ve önceki hakedişlerle karşılaştırabilir.
- Hakediş nakit tahmini. Onay süreleri ve geçmiş ödeme davranışları analiz edilerek hakedişin ne zaman nakde dönüşeceği tahmin edilebilir.
Yönetim etkisi. Hakediş süreci yalnızca ölçüm ve kontrol faaliyeti olmaktan çıkar; şirketin nakit akışı ve hak kaybı yönetiminin merkezi araçlarından biri hâline gelir.
4. Sözleşme ve claim yönetimi
Bugünkü problem. Sözleşmeler, ekler, teknik şartnameler, yazışmalar, saha talimatları ve revizyonlar arasında bağlantı kurmak zordur. Hak doğuran bir olay yaşansa bile bildirim süresi kaçırılabilir veya kanıtlar dağınık kalabilir.
Somut AI kullanım senaryoları
- Sözleşme soru-cevap asistanı. Proje ekibi doğal dille soru sorabilir: “Bu olay için bildirim süresi kaç gün? İşverenin tasarım gecikmesindeki sorumluluğu nedir? Fiyat farkı talep edebilir miyiz? Hangi durumlarda süre uzatımı hakkımız doğar? Bu talimat değişiklik emri sayılır mı?” Sistem ilgili maddeyi ve bağlantılı dokümanları getirir.
- Bildirim süresi takip sistemi. AI, yazışmalardaki ve toplantı tutanaklarındaki olayları analiz ederek potansiyel claim konularını belirleyebilir ve bildirim sürelerini hatırlatabilir.
- Claim kanıt dosyası oluşturma. Belirli bir gecikmeyle ilgili e-postalar, talimatlar, program güncellemeleri, fotoğraflar, günlük raporlar ve toplantı tutanakları otomatik olarak bir araya getirilebilir.
- Sözleşme risk analizi. Teklif aşamasında AI; sınırsız sorumluluk, ağır gecikme cezaları, dengesiz risk aktarımı, belirsiz kapsam, zayıf ödeme hükümleri ve uyuşmazlık çözüm riskleri gibi riskli hükümleri belirleyebilir.
Yönetim etkisi. Sözleşme yönetimi yalnızca hukuk veya claim ekibinin işi olmaktan çıkar; günlük proje kararlarının ayrılmaz bir parçası hâline gelir.
5. Satın alma ve tedarik zinciri
Bugünkü problem. Satın alma kararları fiyat, teslim süresi, teknik uygunluk, nakit koşulları ve tedarikçi performansının birlikte değerlendirilmesini gerektirir. Ancak bilgiler çoğu zaman farklı dokümanlarda ve kişilerin deneyiminde kalır.
Somut AI kullanım senaryoları
- Teklif karşılaştırma asistanı. AI, tedarikçi tekliflerinden fiyat, para birimi, teslim süresi, ödeme koşulu, garanti, teknik istisnalar, nakliye, vergi ve kapsam dışı kalemleri otomatik çıkarabilir. Böylece yalnızca en düşük fiyat değil, toplam ticari değer karşılaştırılır.
- Gecikme riski tahmini. Geçmiş performans, ülke riski, lojistik durumu, üretim kapasitesi ve mevcut sipariş yükü analiz edilerek tedarikçinin gecikme ihtimali tahmin edilebilir.
- Satın alma programı erken uyarısı. İş programı ile satın alma planı eşleştirilir; sipariş verilmesi veya onaylanması gereken kritik malzemeler önceden belirlenir.
- Tedarikçi performans karnesi. Tedarikçiler teslimat performansı, kalite, fiyat tutarlılığı, dokümantasyon, iş birliği, claim eğilimi ve satış sonrası hizmet kriterleriyle puanlanabilir.
- Fiyat tahmini. Temel malzemelerde geçmiş fiyatlar, kur ve piyasa eğilimleri kullanılarak satın alma zamanlaması için karar desteği üretilebilir.
Yönetim etkisi. Satın alma, yalnızca fiyat düşürmeye çalışan bir işlev olmaktan çıkar; zaman, maliyet, kalite ve nakit riskini birlikte yöneten stratejik bir fonksiyona dönüşür.
6. Kalite yönetimi
Bugünkü problem. Kalite uygunsuzlukları çoğunlukla tek tek kapatılır. Ancak benzer hataların farklı projelerde neden tekrarlandığı yeterince analiz edilmez.
Somut AI kullanım senaryoları
- Uygunsuzlukların otomatik sınıflandırılması. AI, NCR ve kalite kayıtlarını iş kalemi, alt yüklenici, lokasyon, hata türü, kök neden, düzeltme maliyeti ve tekrar sıklığına göre sınıflandırabilir.
- Tekrarlayan hata analizi. Sistem, aynı hata türünün hangi ekiplerde, hangi işlerde ve hangi proje aşamalarında tekrar ettiğini belirleyebilir.
- Fotoğraftan kalite kontrolü. Uygun koşullarda saha fotoğrafları kullanılarak çatlaklar, yüzey bozuklukları, eksik kişisel koruyucu donanım, hatalı malzeme depolama, eksik imalat ve düzen/temizlik sorunları işaretlenebilir.
- Kontrol önceliklendirmesi. AI, geçmiş hata kayıtlarına göre kalite ekibine hangi alanların daha yüksek risk taşıdığını gösterebilir.
- Öğrenilen derslerin aktarılması. Yeni bir iş paketi başlamadan önce sistem, önceki projelerde aynı iş kaleminde yaşanan sorunları ve alınan önlemleri proje ekibine sunabilir.
Yönetim etkisi. Kalite yönetimi, hataları tespit eden bir kontrol mekanizmasından hataların tekrarını önleyen kurumsal öğrenme sistemine dönüşür.
7. İş sağlığı ve güvenliği
Bugünkü problem. İSG yönetimi çoğu zaman gerçekleşen olaylara, saha denetimlerine ve gözlemlere dayanır. Ramak kala kayıtları toplansa bile bu verilerden yeterli örüntü çıkarılamayabilir.
Somut AI kullanım senaryoları
- İSG risk haritası. AI; ramak kala kayıtları, saha gözlemleri, kaza ve olay kayıtları, çalışma izinleri, hava koşulları, vardiya bilgileri, alt yüklenici performansı ve o gün yapılacak işleri birlikte değerlendirerek yüksek riskli bölge, faaliyet ve zamanları belirler.
- Günlük güvenlik brifingi. Günün faaliyetleri ve koşullarına göre şantiye ekiplerine özel kısa güvenlik uyarıları hazırlanabilir.
- Olay kök neden analizi. Benzer kazalar ve ramak kala olayları gruplanarak eğitim eksikliği, yorgunluk, koordinasyon sorunu, ekipman problemi, uygun olmayan çalışma yöntemi ve yetersiz denetim gibi ortak nedenler bulunabilir.
- Görüntü destekli saha kontrolü. Kamera veya fotoğraflar üzerinden belirli güvenlik ihlalleri tespit edilebilir. Ancak bu tür sistemlerde çalışan hakları, mahremiyet, yanlış alarm ve insan denetimi mutlaka yönetilmelidir.
Yönetim etkisi. İSG, olay sonrası incelemeden olay öncesi tahmin ve önleme sistemine doğru ilerler.
8. Risk yönetimi
Bugünkü problem. Risk kayıtları çoğu projede belirli aralıklarla güncellenen statik listeler hâlindedir. Risklerin zaman, maliyet, nakit ve sözleşme etkileri birbirinden kopuk biçimde ele alınabilir.
Somut AI kullanım senaryoları
- Dinamik risk kaydı. AI; proje yazışmaları, raporlar, program ve maliyet verilerinden yeni risk sinyalleri çıkarabilir. Sürekli geciken tasarım onayları, artan NCR sayısı, düşen üretim hızı, tedarikçi yanıtlarındaki gecikmeler, fazla mesai artışı ve nakit tahsilatındaki yavaşlama potansiyel risk göstergesi olarak değerlendirilebilir.
- Risklerin birbirini tetiklemesi. AI yalnızca tekil riskleri değil, risk zincirlerini analiz edebilir. Örneğin: tasarım gecikmesi, satın alma gecikmesi, saha beklemesi, verim kaybı, maliyet artışı ve süre uzatımı talebi.
- Senaryo ve hassasiyet analizi. Yönetim “Kur yüzde 10 artarsa etkisi ne olur? Kritik tedarikçi iki ay gecikirse proje ne kadar sarkar? İşveren ödemeleri 45 gün gecikirse nakit açığı ne olur? İkinci vardiya açılırsa risk ne kadar azalır?” gibi sorular sorabilir.
- Risk önceliklendirmesi. Riskler yalnızca olasılık ve etki puanına göre değil; gerçekleşme eğilimi, etkileşimleri ve yönetilebilirlik derecesine göre sıralanabilir.
Yönetim etkisi. Risk yönetimi, dönemsel bir tablo olmaktan çıkar; projenin günlük kararlarını besleyen canlı bir erken uyarı mekanizmasına dönüşür.
9. Dokümantasyon ve kurumsal hafıza
Bugünkü problem. İnşaat projeleri çok büyük miktarda doküman üretir: yazışmalar, revizyonlar, çizimler, RFI’lar, tutanaklar, talimatlar, kalite kayıtları, günlük raporlar, sözleşme belgeleri. Fakat bilgi çoğunlukla depolanır; kolay bulunamaz ve yeniden kullanılamaz.
Somut AI kullanım senaryoları
- Akıllı doküman arama. Kullanıcı yalnızca dosya adıyla değil, doğal dille arama yapabilir: “Temel kazısı sırasında karşılaşılan yeraltı suyu ile ilgili işveren talimatlarını bul.”
- Dokümanlar arası bağlantı kurma. AI bir RFI’yı, buna verilen cevabı, ilgili çizim revizyonunu, saha talimatını ve maliyet etkisini birbirine bağlayabilir.
- Otomatik sınıflandırma. Gelen belgeler proje, disiplin, lokasyon, sözleşme konusu ve önem derecesine göre otomatik sınıflandırılabilir.
- Revizyon karşılaştırması. İki çizim, şartname veya sözleşme versiyonu arasındaki farklar özetlenebilir.
- Proje kapanış hafızası. Proje sonunda yüzlerce dokümandan en önemli sorunlar, başarılı çözümler, kritik sözleşme dersleri, tedarikçi performansları, maliyet sapmalarının nedenleri ve gelecek projelere öneriler çıkarılabilir.
Yönetim etkisi. Doküman yönetimi arşivleme faaliyeti olmaktan çıkar; şirketin geçmiş projelerinden öğrenmesini sağlayan kurumsal hafıza altyapısına dönüşür.
10. Raporlama ve yönetim karar desteği
Bugünkü problem. Proje ekipleri çok sayıda rapor hazırlar. Aynı bilgiler farklı biçimlerde tekrar tekrar üretilir. Üst yönetim ise uzun raporlar içinde neyin kritik olduğunu ayırmakta zorlanabilir.
Somut AI kullanım senaryoları
- Haftalık proje sağlık raporu. AI; zaman, maliyet, nakit, satın alma, kalite, İSG, sözleşme, risk ve yönetim kararı gerektiren konulardan tek sayfalık bir yönetim özeti hazırlayabilir.
- Yönetim toplantısı hazırlığı. Toplantı öncesinde geçen toplantıdan kalan aksiyonlar, geciken kararlar, yeni riskler, kritik sapmalar, karar verilmesi gereken konular ve proje yöneticisine sorulacak sorular üretilebilir.
- Projeler arası karşılaştırma. Şirket portföyündeki projeler program performansı, maliyet sapması, nakit riski, kalite sorunları, iş güvenliği, claim potansiyeli ve alt yüklenici performansı gibi ortak göstergelerle karşılaştırılabilir.
- Farklı yönetim seviyelerine özel rapor. Aynı veri kaynağından CEO için stratejik özet, genel müdür için proje portföyü, proje müdürü için aksiyon listesi, şantiye şefi için günlük operasyon ve finans yöneticisi için nakit/maliyet görünümü üretilebilir.
Yönetim etkisi. Raporlama, bilgi üretme faaliyeti olmaktan çıkar; yönetimin dikkatini doğru yere yönlendiren karar mimarisine dönüşür.
Bütünleşik kullanım senaryosu: AI destekli proje kontrol merkezi
Bu kullanım alanlarının asıl değeri, birbirlerinden bağımsız çalışmalarıyla değil, birbirlerine bağlanmalarıyla ortaya çıkar. Örneğin sistem şu zinciri kurabilir: tasarım revizyonu gecikti, satın alma siparişi verilemedi, kritik malzemenin teslim tarihi sarktı, ilgili aktivite kritik yola girdi, alt yüklenici bekleme maliyeti oluştu, proje sonu maliyet tahmini yükseldi, süre uzatımı ve ilave maliyet hakkı doğdu, bildirim süresi yaklaşmaya başladı ve yönetimin karar vermesi gereken konu haftalık rapora taşındı.
Bugün bu bağlantıları çoğu zaman farklı çalışanlar kurmaya çalışıyor. AI’ın temel değeri, dağınık olayları birbirine bağlayarak yönetime tek bir anlamlı resim sunmasıdır.
Dönüşümün proje yöneticisinin rolüne etkisi
Yapay zekâ proje yöneticisini ortadan kaldırmaz; ancak rolünü değiştirir. Proje yöneticisi daha az zamanını veri toplamak, rapor birleştirmek, doküman aramak, tekrarlanan kontrol yapmak ve toplantı tutanağı hazırlamak için harcar. Daha fazla zamanını ise alternatifleri değerlendirmek, paydaşları yönetmek, müzakere etmek, ekipleri yönlendirmek, kritik karar almak, riskleri yönetmek ve sahadaki sorunları çözmek için kullanabilir.
Bu nedenle geleceğin güçlü proje yöneticisi, en fazla veriyi bilen kişi değil; AI tarafından üretilen değerlendirmeyi proje gerçekliği, insan davranışı ve ticari sonuçlarla birlikte yorumlayabilen kişi olacaktır.
Uygulama önceliği
Birinci aşama — Hızlı ve düşük riskli uygulamalar: toplantı tutanağı ve aksiyon takibi, sözleşme soru-cevap asistanı, doküman arama ve sınıflandırma, günlük saha raporu hazırlama, teklif karşılaştırma, haftalık rapor özetleme. Bu uygulamalar mevcut PDF, Word, Excel, e-posta ve raporlarla başlatılabilir.
İkinci aşama — Yönetim karar desteği: proje sağlık raporu, tedarikçi risk puanlaması, kalite uygunsuzluk analizi, İSG risk haritası, claim kanıt toplama, portföy karşılaştırması. Bu aşamada veri standardizasyonu ve süreç sahipliği daha önemlidir.
Üçüncü aşama — Tahmin ve optimizasyon: gecikme tahmini, proje sonu maliyet tahmini, nakit akışı tahmini, ekipman optimizasyonu, kaynak planlama, dinamik risk modelleme. Bu uygulamalar daha fazla geçmiş veri, entegrasyon ve veri kalitesi gerektirir.
Başlıca riskler
AI uygulamalarında şu sorunlar özellikle yönetilmelidir: yanlış veya eksik veriden yanlış sonuç üretilmesi, kullanıcıların AI çıktısını kontrol etmeden kabul etmesi, ticari ve kişisel verilerin güvenli olmayan sistemlere yüklenmesi, sözleşme yorumlarının hukuk görüşü yerine kullanılması, çalışanların sistemi gizli performans denetimi olarak algılaması, çok büyük ve belirsiz projelerle başlanması, süreç düzeltilmeden otomasyona geçilmesi ve pilotların başarı göstergelerinin tanımlanmaması.
AI karar vermemeli; özellikle sözleşme, maliyet, güvenlik ve personel konularında karar hazırlamalı ve insan denetimini güçlendirmelidir.
Sonuç
Yapay zekânın inşaat proje yönetimindeki en büyük etkisi, raporların daha hızlı hazırlanması olmayacaktır. Asıl dönüşüm şudur: geçmişi raporlamaktan geleceği öngörmeye, sorunları kaydetmekten erken uyarmaya, doküman saklamaktan kurumsal öğrenmeye, sezgisel yönetimden veri destekli kararlara, bölüm bazlı takipten bütünleşik proje yönetimine geçiş.
Bu nedenle yapay zekâ yatırımı “Hangi AI aracını satın almalıyız?” teknoloji sorusuyla başlamamalıdır. Doğru başlangıç sorusu şudur: “Hangi proje kararını bugün geç, eksik veya dağınık bilgiyle alıyoruz ve bunu nasıl daha kaliteli hâle getirebiliriz?”