Yatırımın Karşılığını Veren Yapay Zekâ: Taşımacılık ve Lojistik Projeleri İçin Üç Kriter
Lojistik sektörünün liderleri, yapay zekânın önemine inanmak konusunda tereddüt yaşamıyor. BCG'nin Ağustos 2026'da dünyanın önde gelen 30 lojistik şirketinin yöneticileriyle gerçekleştirdiği araştırmaya göre katılımcıların %97'si yapay zekâyı stratejik öncelik olarak görüyor, %70'inin bir yapay zekâ stratejisi ve %67'sinin bu alana ayrılmış özel bir bütçesi bulunuyor. Ancak yalnızca %13'ü yapay zekâ yatırımlarından ölçülebilir finansal fayda elde ettiğini belirtiyor [1].
Diğer araştırmalar da benzer bir tablo ortaya koyuyor. Descartes'ın araştırmasına göre yapay zekâyı geniş ölçekte kullananların oranı, yük sahiplerinde %19, lojistik hizmet sağlayıcılarında ise %15 [2]. Trimble'ın Transportation Pulse Report araştırması da tutarsız verileri en büyük engel olarak gösteriyor [3].
İlgi yüksek. Ancak yatırımların finansal karşılığı henüz aynı ölçüde görülmüyor.
Algoritma işin küçük bir bölümünü oluşturuyor
BCG'nin açıklaması önemli çünkü sorunun yalnızca teknolojiyle ilgili olmadığını gösteriyor.
BCG'ye göre yatırımın karşılığını veren bir yapay zekâ programında başarının bileşenleri yaklaşık olarak şöyle dağılıyor:
- %10 algoritmalar
- %20 teknoloji ve veri
- %70 insanlar, süreçler ve organizasyonel değişim
Araştırma ayrıca katılımcıların %80'inin, birbirine bağlı iş akışları yerine tek başına çalışan bir aracı en fazla etki yaratan yapay zekâ uygulaması olarak tanımladığını gösteriyor [1].
Başka bir ifadeyle, değerin büyük bölümü modelin dışında belirleniyor: Verinin yeterince kaliteli olması, üretilen çıktının mevcut iş süreçlerine entegre edilmesi ve çalışanların bu çıktıyı her gün kullanması.
Bu durum, projelere yatırım yapmadan önce değerlendirme yapmak için pratik bir yaklaşım sunuyor.
Aşağıdaki üç kriter, Optiyol'ün taşımacılık ekipleriyle gerçekleştirdiği çalışmalardan hareketle önerdiği bir değerlendirme çerçevesidir. Atıfta bulunulan araştırmaların doğrudan bulguları değildir.
Kriter 1: Bu kararı ne sıklıkla veriyorsunuz?
Bir kararın her alınışında, yapılan iyileştirmenin finansal fayda yaratması için yeni bir fırsat doğar.
Yılda bir kez gerçekleştirilen taşıyıcı ihalesi, yılda tek bir iyileştirme fırsatı sunar. Haftalık talep tahmini değerlendirmesi ise 52 fırsat yaratır.
Beş dağıtım merkezinde, yılda 250 operasyon günü boyunca gerçekleştirilen günlük rota planlaması ise yaklaşık 1.250 planlama döngüsü anlamına gelir.
Kararın sık alınması, tek başına onu daha değerli yapmaz. Bir taşıyıcı ihalesinin finansal etkisi oldukça yüksek olabilir.
Ancak sık tekrarlanan kararlar, küçük ve düzenli iyileştirmelerle sürekli fayda sağlar. Her tekrar, projenin gerçekten işe yarayıp yaramadığını ölçmek için yeni bir fırsattır.
Kriter 2: Adil bir karşılaştırma noktası var mı?
Bir projenin yatırım karşılığını ölçebilmek için yarattığı etkiyi, operasyon sırasında değişen diğer faktörlerden ayırmak gerekir.
Bunun en güvenilir yolu bir referans senaryo (baseline) oluşturmaktır:
Aynı gün, aynı girdilerle, yeni araç kullanılmasaydı operasyon nasıl gerçekleşirdi?
Rota planlamasında bu karşılaştırmayı yapmak oldukça pratiktir.
Aynı günün operasyonu, aynı kısıtlar altında iki kez planlanabilir: İlkinde mevcut yöntem, ikincisinde yeni yöntem kullanılır. Her iki senaryoda da siparişler, araçlar ve operasyonel kurallar aynı tutulur.
İki plan arasındaki fark, tahmini tasarrufu gösterir. Ardından bu tahmin, rotalar tamamlandıkça gerçekleşen operasyonel sonuçlarla karşılaştırılır.
Birçok başka yapay zekâ projesinde ise böyle bir referans noktası oluşturmak daha zordur. Bu durumda sonuçlar, somut ölçümlerden çok öznel değerlendirmelere dayanabilir.
Kriter 3: Üretilen sonuç sahada uygulanıyor mu?
Bir gösterge panelindeki önerinin değer yaratabilmesi için birinin onu okuması, değerlendirmesi ve uygulaması gerekir.
Bu adımların her biri, potansiyel faydanın kaybolabileceği bir noktadır.
Üretilen çıktı doğrudan işin kendisine dönüştüğünde bu kayıp ortadan kalkar. Örneğin sürücü uygulamasına gönderilen bir rota, sürücünün o gün gerçekleştireceği görev listesidir.
Sahadaki uygulama aynı zamanda geri bildirim döngüsünü tamamlar.
Sürücüler teslimat noktalarını uygulama üzerinden tamamladıkça, sistem planlananla gerçekte yaşanan arasındaki farkları görebilir:
- Hangi teslimat noktalarının beklenenden uzun sürdüğünü
- Hangi adreslerin hatalı olduğunu
- Operasyonun gerçekte ne zaman tamamlandığını
Böylece planlama yalnızca bir tahmin olmaktan çıkar ve gerçekleşen operasyon verileriyle sürekli iyileştirilebilir.
Veri kalitesi günlük kullanımla gelişir
Descartes araştırmasına göre veri kalitesi ve entegrasyon, yapay zekânın geniş ölçekte kullanılmasının önündeki başlıca engeller arasında yer alıyor:
- Veri kalitesi: Lojistik hizmet sağlayıcılarının %45'i, yük sahiplerinin %33'ü tarafından engel olarak belirtiliyor.
- Entegrasyon karmaşıklığı: Lojistik hizmet sağlayıcılarında %38, yük sahiplerinde %39 oranında belirtiliyor [2].
Bu sorunları, yapay zekâ kullanımına başlamadan önce tamamlanması gereken kapsamlı bir veri temizliği projesi olarak görmek kolaydır.
Ancak uygulamada günlük kullanım, veri hatalarını görünür hâle getirir. Doğru tasarlanmış bir geri bildirim mekanizması da bu hataların düzeltilmesini sağlar.
Aylık rapordaki yanlış bir adres, biri fark edene kadar sistemde kalabilir. Ancak aynı yanlış adres günlük bir rotada yer alıyorsa sürücü tarafından o sabah bildirilebilir.
Benzer şekilde, planlanan bitiş saatiyle sürekli uyuşmayan gerçekleşen süreler, planlanan ve gerçekleşen operasyonların karşılaştırılmasıyla kısa sürede ortaya çıkar.
Bu hatalar sistematik biçimde düzeltilip veriye geri işlendiğinde, günlük operasyonun bir parçası olan araçlar aynı zamanda etkili bir veri kalitesi iyileştirme mekanizmasına dönüşür.
Üç tipik projenin karşılaştırılması
Proje | Sıklık | Referans nokta | Sahada uygulama |
|---|---|---|---|
Yıllık taşıyıcı ihalesi | Hayır | Evet | Kısmen |
Bağımsız tahmin gösterge paneli | Kısmen | Kısmen | Hayır |
Operasyonla entegre günlük rota planlaması | Evet | Evet | Evet |
Taşıyıcı ihalelerinde mevcut fiyatlar, açık bir karşılaştırma noktası sunar. Ancak uygulama aşaması yalnızca kısmen kontrol edilebilir. İhaleyi kazanan taşıyıcılar, her yükü üzerinde anlaşılan fiyatlarla kabul etmeyebilir.
Bu değerlendirme örnek niteliğindedir. Sonuçlar, her projenin nasıl tasarlandığına bağlı olarak değişir.
Örneğin stok yenileme veya personel planlama kararlarına entegre edilen bir tahmin sistemi, yalnızca gösterge paneli sunan bağımsız bir uygulamaya göre daha yüksek puan alabilir.
Bu karşılaştırma, ilk iki projenin yatırım yapmaya değer olmadığını söylemez.
Bu projelerin finansal faydayı daha az sayıda ancak daha büyük adımlarla sağlayabileceğini ve elde edilen değerin, analiz tamamlandıktan sonra neler yapıldığına daha fazla bağlı olduğunu gösterir.
Nereden başlamalı?
Önerimiz: Sık tekrarlanan kararlardan başlayın. Adil bir karşılaştırma noktası oluşturun ve sonuçların doğrudan operasyona aktarılabildiğinden emin olun. Tahmini tasarrufları gerçekleşen sonuçlarla karşılaştırın ve tespit edilen hataları veri iyileştirme sürecine dâhil edin.
Öncelikle üç kriteri de karşılayan tek bir karar süreci seçin.
Birkaç hafta boyunca sonuçları mevcut yöntemle karşılaştırarak ölçün. Ancak bu aşamadan sonra kapsamı genişletin.
Günlük olarak ölçülebilir sonuçlar üreten küçük bir proje, sağladığı değerin sürekli açıklanması gereken büyük bir projeden daha fazla güven oluşturur.
İnsan faktörünü de en başından itibaren sürece dâhil edin.
Başarının %70'i insanlar ve süreçlerle ilgiliyse, çıktıyı kullanacak planlama uzmanları, sevkiyat ekipleri ve sürücüler yalnızca sistem devreye alınırken değil, projenin ilk haftasından itibaren sürecin parçası olmalıdır.
Optiyol bu sürecin neresinde?
Optiyol, rota optimizasyonunu, sürücü uygulamasını ve gerçek zamanlı takibi tek bir platformda bir araya getirir [4].
Oluşturulan planlar, sürücülere günlük görev listesi olarak iletilir. Tamamlanan duraklar ve gerçekleşen operasyon süreleri ise planlanan sonuçlarla karşılaştırılmak üzere sisteme geri aktarılır.
Bu yapı, günlük rota planlamasının mevcut operasyonla karşılaştırılarak ölçülmesini kolaylaştırır ve verilerin kullanım sırasında sürekli iyileştirilmesine olanak tanır.
Sıkça sorulan sorular
Rota optimizasyonu yapay zekâ mıdır?
Rota optimizasyonu, günümüzdeki yapay zekâ dalgasından çok daha önce ortaya çıkmış bir alan olan karar optimizasyonunun parçasıdır.
Bu yazıdaki üç kriter, nasıl adlandırıldığından bağımsız olarak, veriye dayalı karar veren tüm teknolojiler için geçerlidir.
Başlamadan önce tüm verilerimizi düzeltmeli miyiz?
Öncelikle seçilen kullanım senaryosunu engelleyen veri sorunlarını çözün. Ardından günlük kullanımın diğer hataları ortaya çıkarmasını sağlayın.
Mükemmel veriyi beklemek, çoğu zaman süresiz olarak beklemek anlamına gelir.
Üretken yapay zekâ için de aynı kriterler geçerli mi?
Evet. Aynı üç kriter üretken yapay zekâ projeleri için de geçerlidir.
Sık alınan bir kararı iyileştiren, ölçülebilir bir referans noktası bulunan ve günlük iş süreçlerine entegre edilen bir üretken yapay zekâ aracının yatırımın karşılığını verme olasılığı, yalnızca ara sıra kullanılan bir araca göre daha yüksektir.
Kaynaklar
[1] BCG (24 Ağustos 2026). Fink, M., Distler, J., Garcia Escudero, R., Weidmann, M., Mikulla, D., Giorgetta, F., Sanders, U. ve Reynolds, J. Why AI Isn’t Delivering ROI in Logistics.
https://www.bcg.com/publications/2026/why-ai-isnt-delivering-roi-logistics
[2] Descartes Systems Group (16 Eylül 2026). Descartes 10th Annual Study Finds Transportation Technology Investment Has Increased.
[3] Trimble (2026). Transportation Pulse Report 2026.
[4] Optiyol. Platform Overview.