Yapay zeka projesinde aylık maliyet neden değişken?

Model API'leri kullanım bazlı ücretlendirildiği için aylık gider istek sayısına, gönderilen metin uzunluğuna ve seçilen modele göre değişir. Bütçe limitleri ve kullanım panelleriyle bu gider kontrol altında tutulabilir.

ChatGPT gibi yurt dışı servisleri kullanmak KVKK'ya aykırı mı?

Kendi başına aykırı değildir, ancak kişisel veri içeriyorsa yurt dışına aktarım hükümlerine uyulması gerekir. Veri minimizasyonu, maskeleme ve uygun aktarım mekanizmaları hukuk danışmanıyla birlikte değerlendirilmelidir.

Verilerimizin hiç dışarı çıkmadığı bir yapay zeka çözümü mümkün mü?

Evet, açık kaynak modellerin kurum içi sunucularda çalıştırılmasıyla mümkündür. Bu seçenek daha fazla donanım ve bakım yatırımı gerektirir ve model kalitesi senaryoya göre test edilmelidir.

Teklif alırken nelere dikkat etmeliyiz?

Geliştirme bedelinin yanında tahmini aylık API ve altyapı giderlerini, bakım kapsamını, veri güvenliği önlemlerini ve sağlayıcı değiştirme esnekliğini sormanızı öneririz.

Yapay Zeka Projesi Maliyeti ve KVKK Uyumlu Veri Güvenliği

Yapay zeka konusunda şirketlerden en sık duyduğumuz iki soru şunlar: "Bu proje ne kadara mal olur?" ve "Verilerimiz güvende mi, KVKK'ya uygun mu?" İkisi birbirinden bağımsız değil; veri güvenliği gereksinimleri yapay zeka projesi maliyeti üzerinde doğrudan etkili. Bu yazıda maliyeti belirleyen kalemleri, sık gözden kaçan giderleri ve KVKK açısından dikkat edilmesi gereken noktaları sade bir dille ele alıyoruz. Hukuki değerlendirme için mutlaka bir KVKK uzmanıyla çalışmanızı öneririz; buradaki bilgiler teknik ve genel çerçeve sunar.

Yapay zeka projesi maliyeti hangi kalemlerden oluşur?

Bir yapay zeka projesinin toplam maliyeti tek bir rakam değil, birkaç farklı kalemin toplamıdır:

Kalem	Açıklama	Tek seferlik mi, sürekli mi?
Keşif ve analiz	Süreç analizi, veri envanteri, senaryo seçimi	Tek seferlik
Veri hazırlığı	Doküman temizleme, yapılandırma, etiketleme	Başta yoğun, sonra düzenli
Yazılım geliştirme	Backend, entegrasyonlar, arayüz, yetkilendirme	Tek seferlik + geliştirme dönemleri
Model kullanımı (API)	İşlenen ve üretilen token miktarına göre ücret	Sürekli, kullanıma bağlı
Altyapı	Sunucu, vektör veritabanı, loglama, yedekleme	Sürekli
Bakım ve iyileştirme	İzleme, istem güncellemeleri, model değişikliklerine uyum	Sürekli

Maliyeti artıran ve azaltan etkenler

Kapsam ve entegrasyon sayısı

Tek bir sistemden veri okuyan bir özetleme aracıyla ERP, CRM ve e-posta sistemine aynı anda bağlanan bir yapay zeka ajanı arasında ciddi fark vardır. Her yeni entegrasyon geliştirme, test ve bakım yükü getirir.

Veri kalitesi

Dağınık, güncel olmayan veya taranmış dokümanlarla çalışmak veri hazırlık süresini uzatır. Çoğu projede beklenenden fazla emek bu aşamaya gider.

Model seçimi ve kullanım hacmi

API fiyatları sağlayıcıya ve modele göre değişir ve sık güncellenir. Büyük modeller daha pahalıdır; sınıflandırma gibi basit görevlerde küçük modeller çoğu zaman yeterli olur. Gereksiz bağlamı kırpmak, tekrar eden sonuçları önbelleğe almak ve acil olmayan işleri toplu işlemek kullanım maliyetini düşürür.

Güvenlik ve uyum gereksinimleri

Verinin Türkiye'de veya belirli bir bölgede kalması, kurum içi (on-premise) model çalıştırma, detaylı denetim kayıtları ve rol bazlı yetkilendirme gibi gereksinimler maliyeti artırır; ancak birçok kurum için bunlar vazgeçilmezdir.

Yapay zeka entegrasyonu fiyatları: genel aralıklar

Her proje farklı olduğu için kesin fiyat vermek yanıltıcı olur. Yine de fikir vermesi açısından projeleri kabaca üç seviyede düşünebiliriz:

Pilot / kavram kanıtı (PoC): Tek bir senaryo, sınırlı veri, basit arayüz. Genellikle birkaç haftalık iş ve görece düşük bütçe gerektirir.
Üretim seviyesi tek ürün: Örneğin RAG tabanlı bir iç asistan veya web ve WhatsApp chatbot'u; yetkilendirme, loglama ve entegrasyonlarla birlikte birkaç aylık iş.
Çok sistemli otomasyon: Birden fazla sisteme bağlanan ajanlar, özel raporlama ve yüksek güvenlik gereksinimleri; kapsama göre daha büyük bütçe ve kademeli teslim.

Bunlara ek olarak aylık API ve altyapı giderleri kullanım hacmine göre oluşur. Bu nedenle teklif alırken yalnızca geliştirme bedelini değil, tahmini aylık işletme maliyetini de sormanızı öneririz.

Yatırımın geri dönüşünü değerlendirirken de benzer bir bütünsel bakış gerekir: tasarruf edilen çalışan saati, azalan hata oranı, daha hızlı müşteri yanıtı gibi kazanımlar, geliştirme ve işletme maliyetiyle birlikte ele alınmalıdır.

Sık gözden kaçan gizli maliyetler

Değerlendirme (test) setinin hazırlanması ve düzenli çalıştırılması
Model sağlayıcısının model sürümlerini emekliye ayırması nedeniyle yapılan uyum çalışmaları
Kullanıcı eğitimi ve değişim yönetimi
İnsan onayı gerektiren adımlarda ekip zamanı
Log ve konuşma kayıtlarının saklanması

Yapay zeka ve KVKK: temel kontrol listesi

6698 sayılı Kişisel Verilerin Korunması Kanunu, yapay zeka projelerinde de diğer yazılımlarda olduğu gibi geçerlidir. Teknik ekip olarak projelerde ele aldığımız başlıca konular:

Veri envanteri: Modele hangi kişisel verilerin gideceği, hangilerinin gitmesine gerek olmadığı netleştirilir.
Veri minimizasyonu ve maskeleme: Ad, T.C. kimlik numarası, telefon gibi alanlar model isteğine eklenmeden önce çıkarılır veya maskelenir.
Yurt dışına aktarım: Model sağlayıcısının sunucuları yurt dışındaysa bu bir veri aktarımıdır. 2024'te yapılan değişikliklerle standart sözleşme gibi mekanizmalar öne çıktı; güncel yükümlülükler hukuk danışmanınızla birlikte değerlendirilmelidir.
Aydınlatma ve açık rıza: Chatbot gibi kullanıcıyla doğrudan konuşan sistemlerde aydınlatma metni erişilebilir olmalıdır.
Sağlayıcı sözleşmeleri: Verilerin model eğitiminde kullanılmaması, saklama süreleri ve veri işleyen sıfatıyla yükümlülükler kontrol edilir.
Erişim kontrolü ve loglama: Kimin hangi veriye yapay zeka üzerinden eriştiği kayıt altına alınır.
Saklama ve imha: Konuşma ve log kayıtları için saklama süreleri tanımlanır.

AB'deki müşterilerle çalışıyorsanız GDPR ve AB Yapay Zeka Yasası (EU AI Act) kapsamındaki yükümlülükler de gündeme gelebilir.

Veri güvenliği için mimari seçenekler

Seçenek	Avantaj	Dikkat edilecek nokta
Genel API (doğrudan sağlayıcı)	Hızlı başlangıç, en güncel modeller	Veri yurt dışına çıkar; sözleşme ve maskeleme önemli
Bulut sağlayıcı üzerinden model	Mevcut bulut sözleşmesi ve bölge seçimi	Model ve bölge seçenekleri sınırlı olabilir
Kurum içi açık kaynak model	Veri tamamen kurum içinde kalır	Donanım, bakım ve kalite farkı değerlendirilmeli

Birçok projede hibrit yaklaşım uyguluyoruz: hassas veriyi işleyen adımlar kurum içinde veya maskelenmiş şekilde, genel metin işleme ise bulut modelleriyle yapılıyor.

Hangi seçeneğin uygun olduğu, işlenen verinin hassasiyetine, sektörünüzdeki düzenlemelere ve kullanım hacmine bağlıdır. Örneğin sağlık veya finans gibi özel nitelikli verilerin yoğun olduğu alanlarda kurum içi çözümler öne çıkarken, kişisel veri içermeyen içerik üretimi gibi işlerde genel API'ler daha ekonomik ve pratik olabilir.

Bütçeyi verimli kullanmak için öneriler

Ölçülebilir faydası olan tek bir senaryoyla başlayın.
Pilotu gerçek veriyle yapın; demo verisi maliyet ve kalite hakkında yanıltıcı olabilir.
Mimaride sağlayıcı bağımsızlığı isteyin; ileride daha uygun bir modele geçmek kolaylaşır.
Maliyet ve kullanım panelini ilk günden kurun.
Başarı kriterlerini proje başında yazılı hale getirin; pilot sonunda devam kararı bu kriterlere göre verilsin.
Bakım ve iyileştirme için küçük ama düzenli bir bütçe ayırın; yapay zeka sistemleri kurulup bırakılan değil, izlenip geliştirilen ürünlerdir.

Genel yaklaşım için işletmeler için yapay zeka entegrasyonu yazımıza, yazılım tarafı için web yazılım geliştirme hizmetimize göz atabilirsiniz.

BernSoftware, yapay zeka projelerinizi maliyet ve veri güvenliği hedeflerini baştan netleştirerek planlıyor ve geliştiriyor. Projeniz için şeffaf bir kapsam ve maliyet çalışması yapmak üzere yapay zeka çözümleri sayfamızı inceleyin veya bizimle iletişime geçin.