Türkiye'den bulutta yapay zekâ projesi: nasıl başlanır, ne kadar tutar, nasıl üretime alınır

Kısa cevaplar

• Yapay zekâ projesi nasıl yapılır? İş problemi ve başarı ölçütü → veri envanteri ve KVKK sınıflandırması → mimari ve model seçimi → 2–4 haftalık kanıt (PoC) → gerçek kullanıcılarla sınırlı pilot → guardrail, izleme ve maliyet bütçesiyle üretim. Projelerin çoğu modelde değil, veri ve işletme adımlarında takılır.
• Ne kadar sürer? İyi tanımlanmış tek bir kullanım senaryosu için kanıt 2–4 hafta, pilot 6–10 hafta; üretime alma ve işletme süreklidir. "Her şeyi yapan" projeler aylarca uzar ve çoğunlukla bitmez.
• Ne kadar tutar? Pazarda 5 bin dolardan 300 bin dolara kadar rakam bulursunuz; hepsi doğru, çünkü soru eksik. Maliyeti dört kalem belirler: geliştirme ve entegrasyon, model kullanımı (token), bulut altyapısı ve işletme. Aşağıda kalem kalem açıklıyoruz; biz kapsamı yazıp sabit fiyatla teklif ederiz.
• Verimiz Türkiye'de kalır mı? Uygulama ve veri katmanı İstanbul Local Zone'da ya da kendi veri merkezinizde kalabilir; büyük dil modelleri (Bedrock, Azure OpenAI, Vertex) Frankfurt gibi yurt dışı bölgelerde çalışır. Kişisel veri için KVKK'nın yurt dışına aktarım rejimi, veri minimizasyonu ya da açık ağırlıklı modelleri yerinde çalıştırma seçenekleri vardır.
• Hangi model, hangi bulut? Model değil iş akışı seçilir. Kurumsal senaryoların çoğu yönetilen bir modelle (Claude, GPT, Gemini, Llama, Nova) çözülür. En derin pratiğimiz AWS ve Amazon Bedrock; Azure ve Google Cloud ortamlarını da işletiyoruz.
• Siz ne yapıyorsunuz? Graf Clouds, Türkiye merkezli bir bulut ve yapay zekâ operasyon şirketidir: projeyi kapsamlar, bulutta kurar, güvenceye alır ve 7/24 işletir. Ana sayfamızdaki Elif, kendi platformumuz AI Central üzerinde çalışan canlı bir örnektir.

Fikirden üretime: 6 adım

Hangi proje tipi, hangi yaklaşım?

Türkiye'den gelen taleplerde en sık gördüğümüz altı proje tipi aşağıda. İlk üçü yönetilen bir büyük dil modeliyle haftalar içinde kanıtlanabilir; dördüncü ve beşincide asıl iş veri ve yetki tasarımıdır; altıncı için büyük dil modeli değil klasik makine öğrenmesi gerekir.

Operasyonda yapay zekânın gerçekten işe yaradığı yerleri (alarm özetleri, runbook taslakları, iç dokümantasyon üzerinde RAG) ayrı bir yazıda anlattık: Pratikte AI operasyonları: n8n, LLM'ler ve RAG.

Maliyet: para nereye gider?

• Geliştirme ve entegrasyon — genelde en büyük kalem. Maliyeti model değil; kaç sistemle konuşulacağı (CRM, ERP, talep sistemi, kimlik), verinin ne kadar temiz olduğu ve kaç dilde, kaç kanalda çalışacağı belirler. Biz kapsamı yazıp sabit fiyat veririz; saat satmayız.
• Model kullanımı (token). Yönetilen modeller gönderilen ve üretilen metin başına ücretlendirilir. Örnek: günde 1.000 soru × yaklaşık 3.000 token (bağlam dahil) ≈ ayda 90 milyon token. Orta sınıf bir modelle bu yük aylık birkaç yüz dolar; en güçlü modellerle on katı. Önbellekleme, toplu işleme ve "önce küçük model" yönlendirmesi faturayı çoğu zaman yarıya indirir. Ayrıntı: Bedrock rehberi — token maliyeti.
• Bulut altyapısı. Vektör veritabanı, API katmanı, depolama, izleme. Pilot için aylık onlarca ila yüzlerce dolar; yük büyüdükçe ölçeklenir. GPU kiralamak yalnızca kendi modelinizi çalıştırıyorsanız gündeme gelir.
• İşletme. İzleme, model sürümü değişimlerinde regresyon testi, prompt ve bilgi tabanı bakımı, güvenlik, maliyet alarmları. Yıl boyu süren bu kalem bütçelerde en çok unutulan kalemdir; yönetilen hizmet kapsamında üstleniyoruz.
• Görünmeyen kalemler. Veri temizliği, değerlendirme seti hazırlığı, kullanıcı eğitimi ve değişim yönetimi. Bütçeyi modelden başlatan projeler bu kalemleri kanıt aşamasından sonra fark eder.
• Kur riski. Bulut ve model fiyatları dolar bazlıdır; Türkiye'deki AWS hesapları TL ve KDV'li faturalanır ama kur farkı müşteriye aittir. Ayrıntı: AWS Türkiye rehberi — fiyatlandırma.

KVKK ve veri yerleşimi

Bulutta yapay zekâ kullanmak kendi başına KVKK ihlali değildir; ama model yurt dışındaki bir bölgede çalışıyorsa ve ona kişisel veri gönderiyorsanız bu bir yurt dışına aktarımdır. 1 Haziran 2024'te yürürlüğe giren değişiklikle aktarım için yeterlilik kararı, standart sözleşme gibi uygun güvenceler ya da istisnai hâller gerekir; standart sözleşmenin Kurum'a bildirilmesi zorunludur. Bankacılık, ödeme, sağlık ve kamu gibi sektörlerin ek kuralları ayrıca uygulanır. Pratikte dört seçenek birlikte kullanılır:

• Veri minimizasyonu. Modele gerçekten gerekeni gönderin: ad, TCKN, telefon gibi alanlar çağrıdan önce maskelenir ya da takma adla değiştirilir. Çoğu senaryoda model kişiyi bilmeden işi yapar.
• Model sağlayıcısının taahhütleri. Amazon Bedrock, gönderdiğiniz girdi ve çıktıları model eğitiminde kullanmaz, model sağlayıcılarıyla paylaşmaz ve seçtiğiniz bölgede işler. Bu, aktarım rejimini kaldırmaz; ama veri işleyen sözleşmesinin (DPA) sağlam ayağıdır.
• Katmanlı yerleşim. Uygulama, veritabanı ve dokümanlar İstanbul Local Zone'da ya da kendi veri merkezinizde kalır; yalnızca modele giden kesit yurt dışına çıkar. Local Zone'da GPU yoktur (C7i, M7i, R7i); model yine bölgeden gelir.
• Yerinde çalıştırma. Verinin ülke dışına hiç çıkamadığı durumlarda açık ağırlıklı modeller (Llama, Qwen, Mistral, Kimi) kendi GPU'larınızda çalıştırılır; başlangıç maliyeti yüksek, kalite farkı ve bakım yükü sizin. Açık modellerin bugünkü yeri için: Kimi K3 ve kapanan ABD–Çin farkı.

Ayrıntılı rehberler: KVKK ve AWS: Türkiye'den bulut kullanırken uyumluluk · Türkiye'den Amazon Bedrock kullanmak — KVKK boyutu.

Hangi bulut, hangi model?

Soruyu tersten kurun: önce iş akışı, sonra model. Aynı RAG ya da ajan mimarisi, model değiştirilerek başka bir sağlayıcıya taşınabilir; bu yüzden tasarımda model bağımsızlığı ve değerlendirme seti her şeyden önemlidir. Seçenekler:

• Amazon Bedrock (AWS). Anthropic Claude, Meta Llama, Mistral, Amazon Nova ve daha fazlası tek API ve tek faturada; IAM, VPC ve CloudTrail ile mevcut AWS güvenlik modelinizin içinde kalır. Türkiye'den Frankfurt bölgesi üzerinden kullanılır. En derin pratiğimiz burada: Bedrock Türkiye rehberi.
• Azure OpenAI. GPT ailesine kurumsal sözleşme ve Microsoft 365 / Entra entegrasyonuyla erişim; Microsoft ağırlıklı kurumlarda doğal seçim.
• Google Vertex AI. Gemini modelleri, uzun bağlam ve görüntü-video işleri; veriniz BigQuery'deyse kısa yol.
• Açık ağırlıklı modeller. Yerinde ya da kiralık GPU'da tam kontrol; veri zorunluluğu ya da çok yüksek ve sabit yük varsa anlamlı.

"Hangi model ne için daha iyi" sorusunun 2026 cevabını ayrı bir rehberde tutuyoruz; model yarışı hızlı değişiyor, mimari kararı değişmiyor.

Graf Clouds ile yapay zekâ projesi

Biz slayt satan bir danışmanlık değiliz; kendi yapay zekâ ajanlarını her gün üretimde işleten bir bulut operasyon şirketiyiz. Ana sayfamızdaki Elif, kendi platformumuz AI Central üzerinde çalışan ve üç dilde ziyaretçi sorularını cevaplayan bir ajandır; aynı platformdaki operasyon ajanları müşteri ortamlarında zamanlanmış kontroller, olay triyajı ve raporlama yürütür. AiMon her alarma yapay zekâ teşhisi ekler, DNS Wall alan adlarını yapay zekâyla skorlar. Bir projeyi tasarlarken "üretimde ne olur" sorusunu tahmin etmiyoruz; yaşıyoruz.

• Kapsam görüşmesi (ücretsiz, 45 dakika). Problemi, veriyi ve beklentiyi dinler; projenin yapay zekâ gerektirip gerektirmediğini dürüstçe söyleriz. Bazen cevap "buna bir SQL sorgusu yeter"dir.
• Sabit fiyatlı kanıt (PoC). Yazılı kapsam, 2–4 hafta, ölçülebilir çıktı: doğruluk, gecikme, aylık tahmini token maliyeti. Devam etmezseniz elinizde yine de bir rapor ve çalışan bir prototip kalır.
• Pilot ve üretim. Entegrasyonlar, guardrail'ler, KVKK katmanı, izleme ve maliyet alarmları; sizin bulut hesabınızda, Terraform ile, yazılı geri dönüş planıyla.
• İşletme. İsterseniz 7/24 yönetilen hizmet kapsamında model operasyonunu da üstleniriz: token bütçesi, model sürümü değişimleri, bilgi tabanı bakımı.
• Kim yapıyor? Türkçe konuşan kıdemli mühendisler, Kocaeli merkezli, ISO 27001 belgeli. Çalışma şeklimiz açıkta: 110'dan fazla yayımlanmış makale ve 36 olay hikâyesi.

Referanslarımız arasında 100'den fazla sunucuyu AWS'ye taşıdığımız Harput Holding ve saniyede 1 milyondan fazla istek işleyen Bet3000 var; yapay zekâ projelerinde aynı operasyon disiplinini kullanıyoruz.

Sık sorulan sorular

Yapay zekâ projesi nasıl yapılır?

Altı adımda: iş problemi ve başarı ölçütünü yazın; veri envanteri çıkarıp kişisel veriyi sınıflandırın; mimari ve modeli seçin (RAG, ajan, klasik makine öğrenmesi); 2–4 haftada gerçek veriyle ölçülebilir bir kanıt (PoC) yapın; sınırlı kullanıcıyla pilot çalıştırın; guardrail, izleme ve maliyet bütçesiyle üretime alın. Projelerin çoğu model yüzünden değil, veri kalitesi ve işletme planı eksikliği yüzünden başarısız olur.

Yapay zekâ projesi ne kadar sürer?

İyi tanımlanmış tek bir kullanım senaryosu için kanıt aşaması 2–4 hafta, pilot 6–10 hafta sürer; üretime alma ve işletme süreklidir. Süreyi uzatan şey model değil; veriye erişim, entegrasyon sayısı ve karar süreçleridir.

Yapay zekâ projesi maliyeti ne kadar?

Tek bir rakam yoktur; pazarda 5 bin dolardan 300 bin dolara kadar aralıklar verilir. Maliyeti dört kalem belirler: geliştirme ve entegrasyon (genelde en büyük kalem), model kullanımı (token; orta sınıf bir modelle günde 1.000 soruluk bir asistan aylık birkaç yüz dolar), bulut altyapısı (pilotta aylık onlarca ila yüzlerce dolar) ve işletme. Graf Clouds kapsamı yazılı tanımlar ve sabit fiyat verir.

Yapay zekâ danışmanlığı nedir, ne zaman gerekir?

Hangi iş probleminin yapay zekâyla çözülmeye uygun olduğunu; hangi veri, model ve mimariyle, hangi maliyet ve riskle yapılacağını belirleyen hizmettir. Ekibinizde büyük dil modelleriyle üretim deneyimi yoksa, kişisel veri işliyorsanız ya da daha önce bir prototip rafta kaldıysa gerekir. Bizim yaklaşımımız danışmanlıkla bitmez: sistemi kurar ve işletiriz.

Bulut mu, on-premise mı?

Kurumsal projelerin çoğu için bulut: GPU satın almadan, yönetilen modellerle haftalar içinde başlarsınız; ölçek ve model seçeneği hazırdır. On-premise, verinin ülke dışına çıkamadığı ya da yükün çok yüksek ve sabit olduğu durumlarda anlamlıdır; GPU yatırımı, model bakımı ve kalite farkı sizin yükünüzdür. Hibrit kurulum (veri yerinde, model bulutta, kişisel veri maskeli) en sık kurduğumuz çözümdür.

Verimiz KVKK için Türkiye'de kalabilir mi?

Uygulama, veritabanı ve dokümanlar İstanbul Local Zone'da ya da kendi veri merkezinizde kalabilir. Büyük dil modelleri (Bedrock, Azure OpenAI, Vertex) yurt dışı bölgelerde çalışır; modele kişisel veri gönderiyorsanız KVKK'nın yurt dışına aktarım rejimine (standart sözleşme gibi uygun güvenceler) uymanız gerekir. Veri minimizasyonu ve maskeleme çoğu senaryoda aktarılan kişisel veriyi sıfıra yaklaştırır; zorunlu hâllerde açık ağırlıklı modeller yerinde çalıştırılır.

Hangi modeli ve bulutu seçmeliyiz?

Önce iş akışını, sonra modeli seçin ve mimariyi model bağımsız kurun. AWS kullanıyorsanız Amazon Bedrock (Claude, Llama, Mistral, Nova) mevcut güvenlik modelinizin içinde kalır; Microsoft ağırlıklı kurumlarda Azure OpenAI, verisi Google'da olanlarda Vertex AI doğal seçimdir. Değerlendirme setiniz varsa model değişikliği günler meselesidir.

Küçük bir şirketiz; yapay zekâ projesi bize göre mi?

Evet, hatta avantajlısınız: karar hızlı, veri az ama erişilebilir. Yönetilen modellerle başlangıç maliyeti düşüktür; en çok zaman yiyen tek süreci seçip (teklif hazırlama, müşteri soruları, fatura işleme) 2–4 haftalık bir kanıtla başlayın. "Tüm şirketi dönüştürme" projeleri yalnızca KOBİ'de değil, hiçbir yerde bitmez.

Ana sayfanızdaki Elif gibi bir asistanı biz de kurabilir miyiz?

Evet. Elif, AI Central platformumuzda çalışan bir ajandır; kendi bilgi tabanınız, marka tonunuz ve kanallarınızla (web sitesi, WhatsApp, Slack, Teams, Telegram) benzerini kurarız. İnsana devretme kuralı, kişisel veri maskeleme ve kullanım raporları dahildir.

Kaynaklar

• 6698 sayılı Kişisel Verilerin Korunması Kanunu — güncel metin (mevzuat.gov.tr)
• KVKK Kurumu — Yurt dışına aktarım (usul ve esaslar)
• AWS — Amazon Bedrock'ta veri koruması (girdi ve çıktıların model eğitiminde kullanılmaması)
• AWS — Amazon Bedrock fiyatlandırması (token başına liste fiyatları)
• AWS What's New — İstanbul Local Zone genel kullanım duyurusu (Mayıs 2026)

Projenizi 45 dakikada birlikte değerlendirelim