# MountainTech+ — Tam İçerik Kaynak: https://mountaintech.plus Bu dosya sitedeki tüm metin içeriğini tek parça halinde içerir. Üretildiği tarih: 2026-09-06 --- ## Şirket Yapay zeka tabanlı dijital ve endüstriyel çözümler geliştiriyoruz. Yasal unvan: MOUNTAIN YAPAY ZEKA ELEKTRİK OTOMASYON ROBOTİK MÜHENDİSLİK MAKİNE SANAYİ VE TİCARET ANONİM ŞİRKETİ Adres: Altınşehir, 163.(280) Sok. No:11/B, 16120 Nilüfer/Bursa E-posta: info@mountaintech.plus Telefon: +90 530 069 53 00 ### Konumlandırma Her işletmenin ihtiyacı farklıdır. Bu nedenle standart çözümler yerine, bir terzi misali ihtiyaca özel yapay zeka destekli otomasyon sistemleri geliştiriyoruz. Dijital süreçlerden fiziksel üretim ortamlarına kadar geniş bir alanda çözümler sunuyoruz. Öne çıkan çalışma alanları: Otomasyon Sistemleri, Dijital Asistanlar, E-Posta Robotları, CSL2 Kontrol Sistemleri, Dijital Çözümler, Robotik Çözümler. --- ## Hizmetler İşletmenizin ihtiyaçlarına göre terzi hassasiyetiyle şekillendirilmiş, iş süreçlerinizi otomatikleştiren yapay zeka ürünleri. ### Dijital Asistan – GPT Destekli Akıllı Çözümler URL: https://mountaintech.plus/hizmetler/dijital-asistan English: https://mountaintech.plus/en/services/digital-assistant Web sitenizi sadece bir vitrin olmaktan çıkarın, ziyaretçilerinizle konuşan, satış yapan ve destek veren aktif bir merkeze dönüştürün. İleri teknoloji GPT modelleri üzerine inşa edilen ve tamamen size özel özelleştirilmiş dijital asistanlarımız, standart chatbot'ların aksine doğal, akıcı ve bağlamı anlayan diyaloglar kurar. Ziyaretçilerinizi karşılar, ürün ve hizmetleriniz hakkında detaylı bilgi verir, satış ekibinize hazır veriler sağlamak için potansiyel müşteri (lead) formlarını doldurur. İş akışlarınızı hızla öğrenerek sık sorulan soruları yanıtlar, çağrı merkezi maliyetlerini düşürür ve operasyonel verimliliği artırır. Markanızın ses tonuna uygun hale getirilebilen yetenekleriyle kurumsal kimliğinizi korurken, 7/24 kesintisiz destek sağlayarak müşteri memnuniyetini maksimize eder. ### Fiyatlandırma ve Teklif Otomasyonu URL: https://mountaintech.plus/hizmetler/fiyatlandirma-ve-teklif-otomasyonu English: https://mountaintech.plus/en/services/quotation-automation Teknik ürün satan firmalarda fiyat çoğu zaman bir listeden okunmaz, hesaplanır. Ölçü, malzeme, adet ve konfigürasyon değiştikçe fiyat da değişir ve bu hesap genellikle mühendislik tarafında durur. Sonuç şu olur: satış personeli müşteriyle konuşurken teklifi veremez, mühendislikten dönmesini bekler; teklif süresi uzar, bekleyen müşteri başka yere gider ve aynı iş için farklı satışçılardan farklı fiyatlar çıkabilir. Kurduğumuz sistem hesabı arka plana alır. Satış personeli müşteriden aldığı bilgileri girer, sistem firmanın kendi hesap kurallarını uygulayarak verilmesi gereken teklifi üretir. Hangi girdiden hangi sonucun çıktığı kayıtlı kaldığı için teklif hem tekrarlanabilir hem de sonradan denetlenebilir olur. ### CSL2 Kalite Kontrol Sistemleri URL: https://mountaintech.plus/hizmetler/csl2-kalite-kontrol English: https://mountaintech.plus/en/services/csl2-quality-control Kontrollü Kalite, Kanıtlanmış Güven. Yapay Zeka Tabanlı CSL2 Kalite Kontrol Sistemimiz, üretim süreçlerinizde yüksek doğruluk ve güvenilirlik sağlamak için referans tabanlı doğrulama ve yapay zeka destekli hibrit bir karar mekanizmasıyla çalışır. Ürünleri ve setleri otomatik olarak kontrol eder, yapay zeka destekli görüntü işleme teknolojisiyle hataları anında tespit eder ve böylece ıskarta oranını düşürür. Verilen her kalite kararını görsel kayıtlarla belgeleyerek uçtan uca izlenebilirlik sunar ve düşük güven sağlanan durumlarda kontrolü manuel işlemeye yönlendirerek hata riskini minimize eder. Üretim sürecini optimize eder, hızlandırır ve operasyonel verimliliği artırır. ### İşe Alım ve Ön Değerlendirme Platformu URL: https://mountaintech.plus/hizmetler/ise-alim-platformu English: https://mountaintech.plus/en/services/recruitment-platform HireUp360, MountainTech+'ın geliştirdiği ve işlettiği bir işe alım platformudur; bir müşteri için kurup teslim ettiğimiz sistem değil, kendi ürünümüzdür. İki kullanıcı tipiyle çalışır: adaylar profillerini oluşturur, özgeçmişlerini sistem üzerinde hazırlar ve ilanlara başvurur; işverenler firma bilgilerini girip ilan açar. Başvuru geldikten sonra ön görüşmeyi yapay zeka yürütür, pozisyona özel sorular sorar ve görüşme sonunda bir değerlendirme metniyle puan üretir. İnsan kaynakları ekibi böylece yüzlerce başvuruyu tek tek okumak yerine sıralanmış bir listenin üstünden başlar. İlanı yalnızca kendi aday havuzunuza açık tutabilir ya da herkese açık yayımlayıp ilk elemeyi baştan platforma bırakabilirsiniz. Karar hiçbir aşamada sizden çıkmaz: platform işe alan değil, önünüze gerekçesiyle birlikte sıralanmış bir liste koyan bir karar destek sistemidir. ### Okul Etüt ve Soru Çözüm Uygulaması URL: https://mountaintech.plus/hizmetler/etut-uygulamasi English: https://mountaintech.plus/en/services/student-practice-platform Uygulama üç ayrı kullanıcıyla çalışır. Öğrenci kendi hesabından konu ve seviye seçerek soru çözer; sorular oyunlaştırılmış bir modülde gelir, her sorunun bir süresi vardır ve süre dolduğunda ya da yanlış yanıtta tur biter. Çözülen her soru kaydedilir, öğrenci geçmişe dönük ne çözdüğünü görebilir ve okul içinde bir başarı sıralaması oluşur. Öğretmen kendi panelinden ders ve ödev oluşturur, tek bir öğrenciye özel çalışma planı tanımlar, sınıf ve öğrenci bazında başarı oranını ve soru çözme süresini okur. Okul yönetimi öğretmen hesaplarını açar, sınıfları tanımlar ve kurumun genel kullanımını tek ekrandan izler. Rapor tarafı üç seviyeyi de kapsar: öğrenci, sınıf ve okul bazında konu kırılımlı analiz grafiklerle sunulur ve PDF olarak dışarı alınır. Sistem web tabanlıdır, mobil tarayıcıda çalışır ve tek kurumla sınırlı değildir; çok şubeli yapılar aynı altyapı üzerinde ayrı ayrı yönetilir. ### Dijital Soru Bankası Pazarı URL: https://mountaintech.plus/hizmetler/dijital-soru-pazari English: https://mountaintech.plus/en/services/question-bank-marketplace Soru pazarı, dijital soru içeriğini üretenle kullananı aynı yerde buluşturur. Yayıncılar ve içerik üreticiler kendi soru havuzlarını platforma yükler, konu, seviye ve müfredat etiketleriyle sınıflandırır ve satışa açar. Kurumlar ihtiyaç duydukları içeriği bu katalogdan seçip satın alır; satın alınan sorular kurumun kendi etüt uygulamasına doğrudan düşer ve kurum bu soruları öğrencilerine çözdürme lisansı tanımlar. Telif ve kullanım hakları sistem üzerinden yönetilir: bir içeriğin kime, hangi kapsamda ve ne süreyle lisanslandığı kayıt altındadır, yani soru dosyası elden ele dolaşmaz. Amaç iki taraflı: kurum kendi soru bankasını sıfırdan yazmak zorunda kalmadan içeriğe ulaşsın, içeriği yazan da o içeriğin nereye gittiğini takip edebilsin. ### Etkinlik ve Bilet Platformu URL: https://mountaintech.plus/hizmetler/etkinlik-ve-bilet-platformu English: https://mountaintech.plus/en/services/event-ticketing-platform Platform, etkinliği düzenleyenle katılanı tek yerde toplar. Organizatör olarak siteye üye olan kişi kendi etkinliğini oluşturur: tarihini, yerini ve katılım koşullarını tanımlar, ardından davet etmek istediği kişilere ulaşır. Etkinlik ücretsizse iş kayıt almakla biter. Ücretliyse ödeme platform üzerinden alınır; organizatörün ayrı bir tahsilat kanalı kurmasına, katılımcı listesini elle tutmasına ya da kimin ödediğini tabloda takip etmesine gerek kalmaz. Katılım durumu ve tahsilat aynı ekranda göründüğü için etkinlik günü elinizde güvenilir bir liste olur. Kurumsal bir eğitimden dernek buluşmasına, ücretli bir atölyeden okul etkinliğine kadar aynı akış çalışır; değişen tek şey etkinliğin ücretli olup olmadığıdır. ### E-Posta Robotu – Otonom İletişim Yönetimi URL: https://mountaintech.plus/hizmetler/e-posta-robotu English: https://mountaintech.plus/en/services/email-robot Günlük iş akışınızın en büyük bölümünü oluşturan e-posta yönetimi artık yapay zeka gücüyle tamamen otonom. E-Posta Yönetim Robotumuz, gelen kutunuza düşen yüzlerce mesajı anında analiz eder; gönderen, içerik ve aciliyet derecesine göre akıllıca kategorize eder. Doğal Dil İşleme (NLP) yetenekleriyle iletişim tarzınızı taklit ederek, kurum standartlarınıza uygun en iyi taslak yanıtları hazırlar. Spam ve önemsiz mailleri filtreleyerek odak kaybını engeller, verimliliği artırır. Takvim sistemlerinize entegre çalışarak toplantı taleplerini değerlendirir ve otomatik randevu organize eder. Size sadece onaylamak ve asıl işinize odaklanmak kalır. --- ## Sık sorulan sorular ### MountainTech+ tam olarak ne yapıyor? İşletmelerin mevcut süreçlerini inceleyip, o sürecin otomatikleştirilebilir kısımları için yapay zeka tabanlı sistemler geliştiriyoruz. Çözümlerimiz şu başlıklarda toplanıyor: müşteriyle konuşan dijital asistanlar ve e-posta trafiğini yöneten otomasyon robotları, üretim hattında görsel kalite denetimi yapan CSL2 sistemleri, aday ön değerlendirmesi yapan işe alım platformu, öğrencilerin oyunlaştırılmış şekilde soru çözdüğü etüt uygulaması ile yayıncıların soru havuzlarını kurumlara sattığı dijital soru pazarı, etkinlik ve bilet yönetim platformu, bir de satış ekibinin mühendislik hesabıyla uğraşmadan teklif üretmesini sağlayan fiyatlandırma otomasyonu. Her birinin ayrıntısı hizmetler sayfasında. ### Hangi sektörlere hizmet veriyorsunuz? Ağırlıklı olarak üretim ve otomotiv yan sanayi, metal yüzey işlem, eğitim kurumları ve insan kaynakları alanlarında çalışıyoruz. Ortak nokta sektör değil, tekrar eden ve ölçülebilir bir sürecin var olması. ### Bir proje nasıl ilerliyor? Dört adımda: süreç analizi, sizin verinizle yapılan fizibilite ve prototip, devreye alma, ardından izleme ve iyileştirme. Fizibiliteden çıkan sonuç olumsuzsa bunu açıkça söylüyoruz; devam etmemek de geçerli bir karardır. ### Bir proje ne kadar sürer? Dijital asistan gibi yalnızca yazılım tarafında kalan projeler tipik olarak 2-6 hafta sürer. Üretim hattına donanım giren kalite kontrol projeleri, fizibilite ve saha kurulumu dahil 2-4 ay aralığındadır. ### Fiyatlandırma nasıl belirleniyor? Sabit bir fiyat listemiz yok, çünkü kapsam süreçten sürece değişiyor. Fiyat, süreç analizi sonrasında kapsam netleştiğinde tek seferlik geliştirme bedeli ve isteğe bağlı bakım/destek kalemi olarak sunulur. ### Hazır ürün mü satıyorsunuz, özel geliştirme mi yapıyorsunuz? İkisinin arasında. Olgunlaşmış bir çekirdeğimiz var, ancak her kurulum sizin verinize, kurallarınıza ve entegrasyonlarınıza göre yapılandırılıyor. Kutudan çıktığı gibi kullanılan bir ürün teslim etmiyoruz. ### Verilerimizin güvenliği nasıl sağlanıyor? Veri saklama, erişim ve silme kuralları proje başında yazılı olarak belirlenir. Verileriniz sizin adınıza ayrılmış ortamda tutulur; gereksinim halinde kurum içi (on-premise) kurulum yapılabilir. Rakam Analytics gibi bazı ürünlerimizde veri hiç cihazdan çıkmaz. ### Devreye aldıktan sonra destek veriyor musunuz? Evet. Teslimle birlikte dokümantasyon ve ekip eğitimi veriyoruz; ayrıca isteğe bağlı bakım ve destek anlaşması yapılabiliyor. Amacımız sistemin sizin ekibiniz tarafından yönetilebilir olması. ### Yurt dışındaki şirketlerle çalışıyor musunuz? Evet. Projeleri Türkçe ve İngilizce yürütebiliyoruz; uzaktan çalışma modeliyle Türkiye dışındaki müşterilere de hizmet veriyoruz. ### Nasıl başlayabiliriz? İletişim formundan veya doğrudan info@mountaintech.plus adresinden bize ulaşın. İlk görüşme ücretsizdir ve sürecinizi anlamaya ayrılır; görüşme sonunda uygulanabilir bir adım önerisi paylaşıyoruz. --- ## Referanslar - İspat Koleji (Eğitim): Öğrencilerin ders sorularını çözebildiği, eksik kalınan konularda otomatik öneri üreten yapay zeka destekli soru çözüm uygulaması. - Kromaş (Metal Yüzey İşlem): Doğru makine ve proses seçimini sohbet üzerinden yönlendiren KromAsistan ile teknik personelin karar süresi kısaldı. - Afşa Metal (Metal Sanayi): Sevkiyat öncesi etiket–parça uyumu ve set tamlığı kontrolü, CSL2 istasyonu üzerinden operatör yorumundan bağımsız hale getirildi. - Afşa Robotik (Robotik ve Otomasyon): Robotik hat uygulamalarında, barkodu okutulan parçaların kamerayla doğrulandığı görüntü işleme tabanlı kontrol çalışmaları. - ESC Demir Çelik (Demir Çelik): Üretim verisinin izlenebilir hale getirilmesine yönelik çözümler. - Karan Makina (Makine İmalatı): Makine imalat süreçlerinde kalite kontrol ve otomasyon çalışmaları. - SDT Sarper (Sanayi): Operasyonel süreçlerin dijitalleştirilmesine yönelik iş birliği. --- ## Ürünler ve demolar ### Rakam Analytics — Veriye Dayalı Karar Alma URL: https://mountaintech.plus/demos/rakam-analytics Canlı ürün: https://rakam.mountaintech.plus Yapay zeka ile desteklenen kapsamlı analitik ve raporlama platformu. Verilerinizi analiz edin, gerçek zamanlı içgörüler elde edin. Rakam, raporlarınızın kendi normalini öğrenen sade bir analiz aracıdır. Benford Yasası ve tarihsel baseline kullanarak verilerinizi derinlemesine analiz eder. Tüm verileriniz cihazınızda kalır, güvenlik ve gizlilik sağlanır. Özellikler: - Benford Yasası: Matematiksel olarak beklenen dağılımla verilerinizi karşılaştırın - Tarihsel Baseline: Geçmiş verilerinize dayanarak normali öğrenin ve sapmaları tespit edin - Yerel ve Gizli: Verileriniz hiçbir sunucuya gönderilmez, tamamı cihazınızda işlenir --- ## Blog yazıları ### İspat Koleji Öğrencileri için MountainTech+ ile Soru Çözüm Uygulaması URL: https://mountaintech.plus/blog/ispat-koleji-soru-cozum-uygulamasi English: https://mountaintech.plus/en/blog/ispat-college-question-solving-app Kategori: vaka-calismalari Yayın tarihi: 2026-07-14 · Güncelleme: 2026-08-10 · Okuma süresi: 5 dk Bir okulda etüt saatinin sonunda ortaya çıkan tablo genellikle şudur: herkes bir şeyler çözmüştür, kimin neyi çözdüğü ve nerede zorlandığı ise kimsenin elinde değildir. Ertesi gün öğretmen sınıfa izlenimle bakar. İzlenim çoğu zaman doğrudur, ama ölçülebilir değildir. MountainTech+, İspat Koleji için bu boşluğu kapatan bir [etüt ve soru çözüm uygulaması](/hizmetler/etut-uygulamasi) geliştirdi. Bu yazı, uygulamanın hangi problemi çözdüğünü, öğrenci ve öğretmen tarafında nasıl çalıştığını ve benzer bir kurulum düşünen kurumlara ne söylediğini anlatıyor. ## Problem: çalışma var, veri yok Okullarda soru çözümü zaten yapılıyor. Sorun çalışmanın azlığı değil, çalışmanın geride iz bırakmaması. - **Konu bazlı zayıflık görünmüyor.** Deneme sonuçları toplam net verir; hangi kazanımda tıkanıldığını söylemez. - **Etüt saati ölçülemiyor.** Kimin kaç soru çözdüğü, ne kadar sürede çözdüğü ve hangi konuda yavaşladığı kaydedilmiyor. - **Motivasyon dışsal kalıyor.** Soru çözmek öğrenci için görünür bir ilerleme üretmiyor; yalnızca bitirilmesi gereken bir yük. - **Rapor el emeği.** Dönem sonu değerlendirmesi için veriyi toplamak başlı başına bir iş. Bu dört başlığın ortak noktası, çözülen her sorunun bir veri noktası olabilecekken olmaması. ## Öğrenci tarafı: oyunlaştırılmış çalışma Uygulamanın öğrenci tarafındaki temel tasarım kararı, soruları düz bir listede sunmamak. Sorular süreli bir oyun akışında geliyor: soru ekrana düşüyor, çözmek için sınırlı bir süre oluyor, süre dolarsa ya da yanıt yanlışsa tur bitiyor. Bu, oyunlaştırmayı süs olmaktan çıkarıp iki işe koşuyor. Birincisi, süre baskısı öğrenciyi sınav koşuluna alıştırıyor. İkincisi, her tur bir skor ürettiği için çalışma kendi geri bildirimini üretiyor — öğrenci bir hafta sonra ilerlediğini görebiliyor. Çözülen her soru kayda geçtiği için aynı akış okul içi başarı sıralamasını da besliyor. Öğrenci hem kendi geçmişini hem sınıfın neresinde durduğunu görüyor. Uygulama web tabanlı ve mobil uyumlu; öğrencinin tarayıcıdan giriş yapması yeterli, ayrıca bir kurulum gerekmiyor. ## Öğretmen tarafı: ödev, çalışma planı ve rapor Öğrenci tarafı görünen kısım; kurumsal karşılığı asıl öğretmen ve yönetim panelinde ortaya çıkıyor. Öğretmen kendi panelinden konu ve seviye seçerek ödev yayımlıyor, gerekirse tek bir öğrenciye özel çalışma planı tanımlıyor. Deneme sonrası eksik kapatma bu şekilde yürüyor: zayıf çıkan konu belirleniyor, o konuya özel plan tanımlanıyor, ilerleme aynı ekrandan izleniyor. Raporlama tarafı konu kırılımlı çalışıyor. Öğretmen sınıf ve öğrenci bazında, yönetim okul bazında hangi kazanımda ne kadar başarı olduğunu görüyor. Analizler ekranda grafik olarak sunuluyor ve PDF çıktısı alınabiliyor — dönem sonu değerlendirmelerinde kullanılmak üzere tasarlandı. Öğretmenler ve içerik üreticiler için soru yükleme altyapısı da var; yüklenen sorular konu ve seviye etiketiyle havuza giriyor. Hazır içerik almak isteyen kurumlar ayrıca [dijital soru pazarı](/hizmetler/dijital-soru-pazari) modülüne bakabiliyor. ## Sistem nasıl kuruluyor? Kurulum beş adımda ilerliyor ve tamamı okulun kendi yapısına göre tanımlanıyor. 1. **Okul sisteme tanımlanır.** Yönetici panelinden okul oluşturulur, sınıflar tanımlanır, öğretmen hesapları açılıp yetkilendirilir. 2. **Öğretmen ders ve ödev oluşturur.** Konu ve seviye seçilerek ödev yayımlanır; gerekirse öğrenciye özel çalışma planı tanımlanır. 3. **Öğrenci soruları çözer.** Öğrenci kendi hesabından girer ve soruları oyunlaştırılmış modülde çözer. Her soru süreye bağlıdır. 4. **Sonuç kaydedilir, sıralama oluşur.** Çözülen sorular geçmişe işlenir; başarı oranı ve çözüm süresi hesaplanır, okul içi sıralama tablosu güncellenir. 5. **Rapor okunur.** Öğretmen sınıf ve öğrenci bazında, yönetim okul bazında konu kırılımlı raporu görür; çıktı PDF olarak alınır. Birden fazla okul ya da şubesi olan kurumlar için her şube aynı altyapıda ayrı ayrı tanımlanıyor; her kurum kendi kullanıcısını ve raporunu yönetiyor. ## Öğrenci verisi nasıl korunuyor? Bir okul yazılımında bu, teknik bir ayrıntı değil kurulumun merkezindeki soru. Uygulamada yetkilendirme rol bazlı: öğrenci, öğretmen, müdür ve yönetici birbirinden ayrı kapsamlara sahip. Giriş ve veri aktarımı şifreli, altyapıda düzenli yedekleme ve veri kurtarma mekanizması var. Kurulum KVKK yükümlülükleri gözetilerek yapılıyor. Bunun pratikteki karşılığı şu: bir öğretmen yalnızca kendi sınıfının verisini görür, yönetim okul geneline bakabilir, öğrenci kendi geçmişinden başkasına erişemez. ## Devreye alırken en çok konuşulan konu: öğretmenin yükü Okullarda yeni bir yazılımın en büyük direnç noktası öğrenci değil, öğretmen tarafındaki ek iş oluyor. Panel ne kadar zengin olursa olsun, ödev tanımlamak günde yirmi dakika alıyorsa sistem birkaç hafta içinde kullanılmaz hale geliyor. Bu yüzden öğretmen tarafındaki tasarımın ölçütü şu oldu: bir ödevi yayımlamak, o ödevi tahtaya yazmaktan uzun sürmemeli. Konu ve seviye seçimi hazır listelerden yapılıyor, bir öğrenciye özel plan tanımlamak aynı ekranda kalıyor, rapor okumak için ayrı bir çıktı hazırlamak gerekmiyor. Aynı mantık raporlama tarafında da geçerli. Dönem sonunda veriyi elle toplamak zorunda kalan bir kurumda rapor üretilmiyor; ekranda hazır duran ve PDF olarak alınabilen bir rapor ise gerçekten okunuyor. ## Uygulama neyi çözmüyor? Bunu baştan söylemek, sonradan hayal kırıklığı yaşamaktan iyi. Uygulama öğrencinin çalışma isteğini yaratmıyor; var olan çalışmayı görünür ve ölçülebilir kılıyor. Oyunlaştırma ilgiyi artırıyor, ama hiç çalışmayan bir öğrenciyi tek başına çalıştırmıyor — bu hâlâ öğretmenin ve velinin işi. İkincisi, uygulama müfredat üretmiyor. Soru havuzunun kalitesi kurumun kendi içeriğine ya da soru pazarından alınan içeriğe bağlı. Zayıf bir soru havuzu üzerine kurulan raporlama, güvenilir görünen ama yanıltıcı bir tablo üretir. Üçüncüsü, rapor bir teşhis değil bir gösterge. Hangi konuda başarı oranının düşük olduğunu söyler; nedenini söylemez. Nedeni bulmak sınıfta kalan bir iş. ## Projeden çıkan üç ders **Ölçülemeyen çalışma yönetilemiyor.** Uygulamanın en büyük katkısı yeni bir çalışma yöntemi getirmesi değil, zaten yapılan çalışmayı veriye çevirmesi. Öğretmen ertesi gün sınıfa izlenimle değil, konu bazlı başarı oranıyla bakıyor. **Oyunlaştırma ancak kayıt tutuyorsa işe yarıyor.** Rozet ve puan tek başına birkaç hafta sürer. Kalıcı olan şey, oyunun aynı zamanda ölçüm aracı olması: skor, sıralama ve rapor aynı veriden besleniyor. **Kurumsal yazılımda asıl kullanıcı öğretmen.** Öğrenci arayüzü ilgi çekici olmazsa uygulama kullanılmaz, ama öğretmen paneli işe yaramazsa uygulama kurumda kalmaz. İkincisi daha kolay gözden kaçıyor. ## Sık sorulan sorular ### Öğrenciler telefondan kullanabiliyor mu? Evet. Uygulama web tabanlı ve mobil uyumlu çalışıyor; tarayıcıdan giriş yapmak yeterli, ayrı bir uygulama kurulumu gerekmiyor. ### Kendi soru bankamızı kullanabilir miyiz? Evet. Öğretmenler ve içerik üreticiler için soru yükleme altyapısı var; yüklenen sorular konu ve seviye etiketiyle havuza giriyor. İsteyen kurumlar hazır içerik için soru pazarı modülünü de kullanabiliyor. ### Raporları dışarı alabiliyor muyuz? Evet. Öğrenci, sınıf ve okul bazındaki analizler ekranda grafik olarak sunuluyor ve PDF çıktısı alınabiliyor. ### Birden fazla şubesi olan kurumlar için uygun mu? Uygun. Birden fazla okul ya da şube aynı altyapıda ayrı ayrı tanımlanır; her kurum kendi kullanıcısını ve raporunu yönetir. --- Kurumunuzda etüt saatinin geride veri bırakmasını istiyorsanız, aynı kurulum sizin yapınıza göre de tanımlanabilir. [Etüt uygulamasını inceleyin](/hizmetler/etut-uygulamasi) ya da [bize ulaşın](/iletisim). ### HireUp360 ile İşe Alım Süreçlerinde Devrim URL: https://mountaintech.plus/blog/hireup-360-ise-alim-devrimi English: https://mountaintech.plus/en/blog/hireup360-recruitment-revolution Kategori: vaka-calismalari Yayın tarihi: 2026-06-16 · Güncelleme: 2026-08-10 · Okuma süresi: 5 dk Bir ilana üç yüz başvuru geldiğinde işe alımın darboğazı görüşme değil, görüşme öncesidir. Üç yüz özgeçmişin ilk okuması, telefonla teyit turu ve takvim ayarlama — bu iş, pozisyonun kendisiyle ilgili hiçbir karar üretmeden İK ekibinin haftalarını alır. Kararın kalitesi ise çoğu zaman bu yorucu ilk turda kaybedilir: aşağıya doğru inildikçe her özgeçmişe ayrılan süre kısalır. [HireUp360](https://hireup360.com), MountainTech+'ın geliştirdiği ve işlettiği bir [işe alım ve ön değerlendirme platformu](/hizmetler/ise-alim-platformu). Ön görüşmeyi yapay zeka yapıyor, her aday için bir puan ve o puanın gerekçesini anlatan bir değerlendirme metni üretiyor. Bu yazı platformun nasıl çalıştığını, neyi çözdüğünü ve neyi bilerek çözmediğini anlatıyor. ## Problem: ilk tur ölçekle birlikte bozuluyor Klasik işe alım sürecinde ilk tur üç sorunu birden taşıyor. - **Kapasite bir kişinin takvimine bağlı.** Görüşme sayısı, görüşmeyi yapacak kişinin boş saatiyle sınırlı. Başvuru arttığında süreç uzuyor, süreç uzadığında iyi adaylar başka yere gidiyor. - **Ölçüt adaydan adaya kayıyor.** Sabah yapılan görüşmeyle akşamın son görüşmesi aynı dikkatle yapılmıyor. Bu bir yetkinlik meselesi değil, insan olma meselesi. - **Geriye yazılı bir gerekçe kalmıyor.** Bir aday "neden elendim" diye sorduğunda çoğu kurumda okunacak bir metin yok. ## HireUp360 nasıl çalışıyor? Platform beş adımda ilerliyor. 1. **İlan açılır.** İşveren firma bilgilerini girer ve ilanı oluşturur. İlan yalnızca kendi aday havuzuna açık ya da herkese açık olarak yayımlanabilir. 2. **Aday başvurur.** Aday profilini oluşturur, deneyimlerini girer, isterse özgeçmişini doğrudan sistem üzerinde hazırlar ve ilana başvurur. 3. **Yapay zeka ön görüşmeyi yapar.** Görüşme adayın uygun olduğu saatte yapılır. Sistem pozisyona göre sorular sorar; İK ekibinden kimsenin katılması gerekmez. 4. **Değerlendirme ve puan üretilir.** Görüşme bittiğinde aday için bir değerlendirme metni ve bir puan oluşur. İşveren ikisini de kendi panelinde görür. 5. **İşveren görüşmeye çağırır.** İK ekibi listenin üstünden başlar ve zamanını yalnızca gerçekten konuşmak istediği adaylara ayırır. Üçüncü adımdaki "adayın uygun olduğu saat" ifadesi küçük görünen ama sonucu değiştiren bir ayrıntı. Takvim uyuşmazlığı yüzünden süreçten düşen aday sayısı, çoğu kurumun tahmin ettiğinden yüksek. ## Puan tek başına bırakılmıyor Bir aday değerlendirme platformunun en kolay yanlışı, süreci tek bir sayıya indirmek. Sayı sıralamayı kolaylaştırır ama hiçbir şey açıklamaz. HireUp360'ta puan, pozisyon için tanımlanan değerlendirme kriterleri üzerinden ve her adaya aynı ölçütler uygulanarak üretiliyor. Yanında adayın neden o puanı aldığını anlatan bir değerlendirme metni geliyor. Bunun iki pratik sonucu var: işveren listeyi okurken sayının arkasını görebiliyor, ve bir aday itiraz ettiğinde okunacak bir gerekçe bulunuyor. ## Kararı kim veriyor? Yapay zeka değil. Platform bir karar destek ve raporlama sistemi: görüşmeyi yapıyor, değerlendirmeyi yazıyor, puanı üretiyor. Nihai karar her zaman işverende kalıyor. Bu ayrım pazarlama diliyle değil, tasarımla korunuyor. Sistem bir adayı kendiliğinden elemez, "uygun değil" damgası basmaz; sıralanmış bir liste ve her satır için okunabilir bir gerekçe üretir. İK ekibi listeyi baştan aşağı görebilir, sıranın altındaki bir adayı yukarı çekebilir. ## Yapay zeka değerlendirmesi önyargı üretmez mi? Bu, sorulması gereken soru. Otomatik değerlendirmenin insan önyargısını ortadan kaldırdığı iddiası fazla iyimser; yapabildiği şey ölçütü sabitlemek. Pratikte üç mekanizma işliyor: - **Aynı kriter herkese uygulanıyor.** Değerlendirme kriterleri ilan başında tanımlanıyor ve sıradaki her aday için aynı kalıyor. Günün son görüşmesi ilkinden farklı bir ölçütle yapılmıyor. - **Gerekçe yazılı.** Denetlenebilir olmayan bir karar iyileştirilemez. Metin, kriterin gerçekten ölçmek istediğiniz şeyi ölçüp ölçmediğini görmenizi sağlıyor. - **Son söz insanda.** Sistem eleme yapmadığı için hatalı bir puanlama kapıyı kapatmıyor, yalnızca sırayı değiştiriyor. Kriterlerin kendisi kötü tanımlanmışsa sonuç da kötü olur — bu, teknolojinin değil ilanın sorunu. Bu yüzden kurulumun en dikkat isteyen kısmı model değil, pozisyon için hangi ölçütlerin yazıldığı. ## Aday tarafında ne değişiyor? Bir işe alım yazılımı genellikle işverenin sorunlarına göre anlatılır. Oysa süreci terk eden taraf çoğunlukla aday oluyor ve bunun nedeni de teknik değil: cevap gelmemesi, haftalarca beklemek, mesai saatine sıkışan bir görüşme için izin almak zorunda kalmak. Platform bu üç noktaya doğrudan dokunuyor. Aday görüşmeyi kendi uygun saatinde yapıyor; mevcut işinden izin almak ya da öğle arasına görüşme sıkıştırmak zorunda kalmıyor. Özgeçmişini doğrudan sistem üzerinde hazırlayabiliyor, yani başvurmak için elinde hazır bir dosya bulundurması gerekmiyor. Görüşme için ayrıca bir yazılım kurması da gerekmiyor. Bunun işveren tarafındaki karşılığı basit: süreçten düşen aday sayısı azalıyor. Bir pozisyonun en iyi adayı, çoğu zaman süreci en çok bekletilen aday oluyor. ## İK ekibinin işi nasıl değişiyor? Ön elemenin otomatikleşmesi İK işini azaltmıyor, ağırlık merkezini kaydırıyor. Ortadan kalkan iş, ilk okuma ve takvim koordinasyonu. Yerine geçen iş ise ilanın kendisi: pozisyon için hangi ölçütlerin tanımlandığı, hangi yetkinliğin gerçekten gerekli olduğu, hangisinin "olsa iyi olur" başlığında kaldığı. Sistem bu ölçütleri her adaya aynı biçimde uyguladığı için, kötü tanımlanmış bir kriterin etkisi de sistematik oluyor — iyi tanımlanmış bir kriterin etkisi gibi. Pratikte gördüğümüz şu: platformu kullanan ekipler zamanlarının daha büyük bölümünü ilan yazmaya ve son turdaki görüşmelere ayırıyor. İkisi de kararın kalitesini doğrudan belirleyen adımlar. ## Hangi durumlarda işe yarıyor? Platformun kazancı, başvuru hacmi ile İK kapasitesi arasındaki makas açıldığında ortaya çıkıyor. - **Çok başvuru alan ilanlar.** Yüzlerce başvurunun geldiği pozisyonlarda ilk okuma yükünü kaldırıyor; İK ekibi boş bir yığınla değil, sıralanmış bir listeyle işe başlıyor. - **Küçük İK ekipleri.** Tek kişilik bir birimin bile ilk turu eksiksiz yapabilmesini sağlıyor; görüşme kapasitesi bir kişinin takvimine bağlı kalmıyor. - **Dönemsel ve toplu alım.** Okul dönemi başı ya da sezonluk alım gibi kısa sürede çok kişiyle görüşmek gereken durumlarda süreci sıkıştırmadan yürütüyor. - **Farklı şehirdeki ve uzaktan adaylar.** Aday görüşmeyi kendi saatinde yapıyor; takvim uyuşmazlığı yüzünden süreçten düşen aday olmuyor. Buna karşılık, yılda üç kişi alan bir ekipte kazanç sınırlı kalır. Ölçeğin olmadığı yerde ilk tur zaten darboğaz değildir. ## Sık sorulan sorular ### Hangi sektörlerde kullanılıyor? Değerlendirme kriterleri her ilan için ayrı tanımlandığından platform sektör bağımsız çalışıyor. Bugün yayında olan ilanlar arasında yazılım, eğitim ve muhasebe/finans pozisyonları var. ### Aday verileri nerede ve nasıl işleniyor? Veriler HireUp360 altyapısında işleniyor, aktarım şifreleniyor ve erişim yetkilendirilmiş kullanıcılarla sınırlı. Platform bizim ürünümüz olduğu için veri işleme, saklama süresi ve silme taleplerinin muhatabı doğrudan biz oluyoruz; araya üçüncü bir sağlayıcı girmiyor. ### Adaylar için deneyim nasıl? Aday görüşmeyi kendi saatinde yapıyor, süreç boyunca beklemede kalmıyor ve özgeçmişini doğrudan sistem üzerinde hazırlayabiliyor. Görüşme için ayrıca bir yazılım kurması gerekmiyor. ### Bu platformu siz mi geliştirdiniz? Evet. HireUp360 bir müşteri projesi değil, MountainTech+'ın geliştirip işlettiği kendi ürünü. Kendi açık pozisyonlarımızı da burada yayımlıyoruz: [kariyer bölümümüzdeki ilanlar](/kurumsal#kariyer) doğrudan HireUp360 üzerinden geliyor. --- İşe alım sürecinizde darboğaz ilk turdaysa, platformu inceleyebilir ya da nasıl kurulduğunu konuşabiliriz. [İşe alım platformu sayfası](/hizmetler/ise-alim-platformu) · [İletişim](/iletisim) ### KromAsistan: Metal Yüzey İşlemde Yapay Zeka Destekli Parça Seçimi URL: https://mountaintech.plus/blog/kromasistan-yapay-zeka-kolayligi English: https://mountaintech.plus/en/blog/kromasistan-ai-part-selection Kategori: vaka-calismalari Yayın tarihi: 2026-05-21 · Güncelleme: 2026-08-10 · Okuma süresi: 5 dk Metal yüzey işlem sektöründe bir müşteri "parçamı parlatmak istiyorum" diye aradığında, bu cümle tek başına hiçbir şey söylemez. Parçanın malzemesi, geometrisi, yüzeyden beklenen sonuç, günlük adet, mevcut hat düzeni — doğru makineye ve doğru prosese ancak bu soruların cevabıyla varılır. Bu bilgi genellikle birkaç kişinin kafasında durur ve o kişiler telefondadır. KromAsistan, MountainTech+'ın Kromaş için geliştirdiği, bu seçim sürecini yürüten [yapay zeka destekli bir parça seçim asistanıdır](/hizmetler/dijital-asistan). Bu yazıda problemi, çözümün nasıl kurulduğunu ve benzer bir işi düşünen üreticilere ne söylediğini anlatıyoruz. ## Problem: bilgi doğru yerde ama yanlış biçimde Kromaş'ın ürün gamı geniş ve teknik. Sorun ürün bilgisinin eksikliği değildi — kataloglarda, teknik dokümanlarda ve deneyimli personelin bilgisinde fazlasıyla vardı. Sorun bu bilginin ulaşılabilir biçimde durmamasıydı. Bunun üç somut sonucu oluyor: - **Aynı sorular tekrar ediyor.** Teknik ekip günün önemli bir bölümünü, cevabı zaten belli olan başlangıç sorularını yanıtlayarak geçiriyor. - **Katalog tek başına yetmiyor.** Ziyaretçi ürünleri görüyor ama kendi parçası için hangisinin doğru olduğunu bilmiyor. Katalog bir liste sunar, bir karar sunmaz. - **İlk temas mesai saatine bağlı.** Site gece de ziyaret ediliyor, akşam da; karşılayacak kimse yoksa nitelikli bir talep sessizce kayboluyor. Bu, üretim sektöründe çok yaygın bir kalıp: teknik bir seçim sürecinin tamamı, birkaç kişinin telefonuna bağlı çalışıyor. ## Neden hazır bir chatbot yetmiyor? İlk akla gelen çözüm hazır bir sohbet botu eklemek. Bu tip botlar önceden tanımlı akışlarda ilerler: "Şu butona basın, şu seçeneği seçin." Akış dışına çıkıldığı anda tıkanırlar. Parça seçimi tam da akış dışına çıkılan bir iştir. Kullanıcı sorusunu teknik terimle de sorar, günlük dille de; bazen malzemeyi baştan söyler, bazen üçüncü mesajda hatırlar; çoğu zaman kendi ihtiyacını tarif ederken yön değiştirir. Sabit bir karar ağacının bunu takip etmesi mümkün değil. Bu yüzden KromAsistan bir akış botu değil, GPT tabanlı bir asistan olarak kuruldu. Bağlamı koruyarak sohbeti sürdürüyor, eksik bilgiyi kendisi soruyor ve ürün gamını bir menü olarak değil, bir bilgi tabanı olarak kullanıyor. ## KromAsistan nasıl çalışıyor? Asistan, kullanıcıyı sonuca doğru adım adım götürüyor. 1. **İhtiyacı anlıyor.** Kullanıcı ne yapmak istediğini kendi cümleleriyle yazıyor; asistan malzeme, yüzeyden beklenen sonuç ve kapasite gibi eksik bilgileri sohbetin içinde soruyor. 2. **Ürün gamıyla eşleştiriyor.** Toplanan bilgiyi Kromaş'ın makine ve proses gamına göre değerlendirip uygun seçeneğe yönlendiriyor. 3. **Gerekçesini yazıyor.** Kullanıcı yalnızca bir ürün adı değil, o ürünün neden önerildiğini de görüyor. Teknik bir seçimde gerekçe, önerinin kendisi kadar önemli. 4. **Konuşmayı devrediyor.** Soru asistanın kapsamı dışına çıktığında ya da kullanıcı insanla konuşmak istediğinde, o ana kadar toplanan bilgiyle birlikte ekibe aktarılıyor — kullanıcı aynı şeyleri baştan anlatmıyor. Dördüncü adım, projenin en önemli tasarım kararıydı. Asistanın amacı teknik ekibi devre dışı bırakmak değil, ekibe hazırlıksız değil hazırlıklı bir görüşme bırakmak. ## Kurulum nasıl ilerledi? Projeyi her işte olduğu gibi dört adımda yürüttük. **Süreç analizi.** Önce mevcut seçim sürecinin nasıl işlediğini dinledik: hangi sorular geliyor, cevaba varmak için hangi bilgi gerekiyor, hangi noktada yanlış yönlendirme oluyor. Otomasyona değecek adım burada belirlendi. **İçerik kaynaklarının hazırlanması.** Bir dijital asistanın kalitesi, beslendiği içeriğin kalitesidir. Ürün dokümanları, kapsam sınırları ve iş kuralları asistanın okuyabileceği biçimde derlendi. Bir kurulumun süresini asıl belirleyen adım da genellikle budur; içerik hazırsa tipik bir kurulum 2-4 hafta sürer. **Yapılandırma ve test.** Asistan Kromaş'ın diline, kapsamına ve sınırlarına göre yapılandırıldı. Testin önemli bir bölümü asistanın ne söylediği değil, **ne söylemediği** üzerineydi: bilmediği bir şeye emin bir cevap üretmemesi, kapsam dışına çıkmaması ve gerektiğinde insana yönlendirmesi. **Devreye alma ve izleme.** Siteye eklenmesi tek satırlık bir gömme kodu. Asıl iş sonrasında: gelen sohbetlerde asistanın nerede zorlandığını görüp içerik ve kuralları güncellemek. ## Ne değişti? Asistan devreye girdikten sonra değişen şey, işin miktarı değil dağılımıydı. Tekrar eden başlangıç soruları asistanda kalıyor; teknik ekibe ulaşan görüşmeler gerçekten teknik bilgi gerektiren görüşmeler oluyor. Ziyaretçi tarafında ise site bir vitrin olmaktan çıkıp yanıt veren bir yüzeye dönüşüyor: mesai saati dışında gelen bir soru cevapsız kalmıyor. Bu tür bir kurulumun sağladığı asıl kazanç, karar süresinin kısalması ve yanlış yönlendirmenin azalması. İkisi de doğrudan ölçülebilir; bu yüzden bir asistanın kaç sohbet yürüttüğü kadar, kaç sohbetin nitelikli bir talebe dönüştüğü de takip edilmeli. ## Bir asistanın kalitesi nasıl ölçülür? "İyi çalışıyor" bir ölçüm değil. Devreye aldığımız asistanlarda takip edilmesi anlamlı olan birkaç başlık var: - **Nitelikli talebe dönüşen sohbet oranı.** Toplam sohbet sayısı gurur okşar, işe yarayan sayı budur. - **İnsana devredilen sohbetlerin oranı ve nedeni.** Devretme bir başarısızlık değil, tasarımın parçası. Anlamlı olan, devretmenin hangi konularda yoğunlaştığı — orası içeriğin eksik olduğu yerdir. - **Sohbet uzunluğu.** Doğru cevaba kaç mesajda varıldığı, ihtiyacı anlama adımının ne kadar iyi kurulduğunu gösterir. - **Mesai dışı sohbet oranı.** Asistanın açtığı yeni zaman aralığının gerçekten kullanılıp kullanılmadığını söyler. Bu başlıkların hepsi ilk aydan itibaren okunabiliyor ve içerik güncellemelerinin nereye yapılacağını doğrudan gösteriyor. Bir asistanın devreye alındıktan sonraki üç ayda gösterdiği iyileşme, genellikle kurulum sırasında yapılan ince ayarlardan daha büyük oluyor. ## Aynı kurgu başka nerede işe yarar? KromAsistan'ı özel yapan şey metal yüzey işlem değil, **seçimin uzmanlık gerektirmesi**. Aynı kalıp şu durumlarda tekrar eder: - Ürün gamı geniş ve teknik olan üreticiler — müşteri katalogda kaybolur. - Doğru ürünün parametreye bağlı olduğu her iş: ölçü, malzeme, kapasite, mevzuat. - Satış öncesi soruların çoğunun aynı olduğu, ama cevabın standart bir metne sığmadığı B2B siteler. Şunlarda ise gerek yok: kuralları net ve istisnası az bir seçim süreci varsa, bunun cevabı bir filtreleme arayüzüdür. Bir problem klasik yazılımla çözülüyorsa yapay zeka önermiyoruz. ## Sık sorulan sorular ### Asistan yanlış ürün önerirse ne oluyor? Bu riski azaltmanın yolu kapsamı dar tutmak. Asistan yalnızca yapılandırıldığı ürün gamı içinde konuşur, emin olmadığı durumda tahmin yürütmek yerine insana yönlendirir. Test aşamasının büyük bölümü bu davranışı doğrulamak için harcanır. ### Ürün gamı değişince asistan güncel kalıyor mu? Asistan bir bilgi tabanından besleniyor; yeni ürün ya da değişen kural o kaynağa işlendiğinde asistan da güncelleniyor. Modeli yeniden eğitmek gerekmiyor. ### Verilerimiz nerede tutuluyor? Asistanın eriştiği içerik ve sohbet kayıtları kurum adına ayrılmış ortamda tutulur. İhtiyaç halinde kurum içi (on-premise) kurulum da yapılabilir. ### Birden fazla dilde çalışır mı? Evet. Asistan Türkçe ve İngilizce başta olmak üzere çok dilli çalışır, ziyaretçinin dilini algılayıp aynı dilde yanıt verir. İhracat yapan üreticiler için bu, tek bir kurulumla açılan ikinci bir kanal anlamına geliyor. --- Ürün gamınız teknik ve müşteriniz seçim yaparken zorlanıyorsa, aynı kurgu sizin süreciniz için de kurulabilir. [Dijital asistan çözümümüzü inceleyin](/hizmetler/dijital-asistan) ya da doğrudan [bize ulaşın](/iletisim). ### MountainTech+ ile Yapay Zekada Yeni Bir Potansiyel Doğuyor URL: https://mountaintech.plus/blog/mountain-ai-yeni-dengeler English: https://mountaintech.plus/en/blog/mountaintech-ai-potential Kategori: sirket-haberleri Yayın tarihi: 2026-04-18 · Güncelleme: 2026-08-10 · Okuma süresi: 5 dk Yapay zeka artık sadece büyük şirketlerin değil, odaklı ve yenilikçi girişimlerin de alanı. MountainTech+ bu alanda 2021'de, tek bir gözlemle kuruldu: yapay zeka konusunda anlatılanlarla sahada gerçekten devreye alınabilen sistemler arasında büyük bir mesafe vardı — ve bu mesafe kapanmadıkça sunumdaki her rakam sunumda kalıyordu. Bu yazı bir ürün tanıtımı değil. Nasıl çalıştığımızı, hangi işleri aldığımızı ve hangilerini bilerek almadığımızı anlatıyor. Bir teknoloji partneri seçerken asıl bilinmesi gerekenler bunlar. ## Nereden geldik? Şirket, otomotiv sanayisinde uzun yıllar üretim ve kalite süreçlerinin içinde çalışmış mühendislerle yazılım tarafından gelen bir ekibin aynı masaya oturmasıyla kuruldu. Bu birleşim tesadüf değil, kurucu tercih. Sahayı bilmeyen bir yazılım ekibi teknik olarak kusursuz ama işe yaramaz bir sistem kurabilir. Yazılımı bilmeyen bir saha ekibi ise doğru problemi tarif eder, çözümü kuramaz. Devreye alınabilen sistemler bu ikisinin kesişiminde çıkıyor. Merkezimiz Nilüfer / Bursa; çalışma alanlarımız endüstri, eğitim, insan kaynakları ve web. ## Neden Bursa? Merkez seçimi bizim için bir lojistik ayrıntı değil, çalışma biçiminin bir parçası. Süreç analizini sahada yapan bir ekibin, sahaya bir uçuş uzaklıkta olmaması gerekiyor. Bursa, Türkiye'nin otomotiv ve metal işleme yoğunluğunun en yüksek olduğu bölgelerden biri. Bu, yapay zekanın en somut karşılığını bulduğu alanların — kalite kontrolü, proses seçimi, üretim verisi — aynı şehirde bir arada bulunması demek. Bir üretim hattını yerinde görmek, aynı hattı bir toplantı ekranından dinlemekten farklı bir proje çıkarıyor. Bugün endüstrinin yanında eğitim ve insan kaynakları alanlarında da çalışıyoruz; ama süreci sahada izleme alışkanlığı hepsinde aynı kalıyor. ## Nasıl çalışıyoruz? Her projeyi aynı dört adımda yürütüyoruz. Sıra önemli. 1. **Süreç analizi.** İşin nasıl yürüdüğünü sahada izliyor, otomasyona gerçekten değecek adımı birlikte belirliyoruz. Bu adım atlandığında proje, kimsenin şikâyetçi olmadığı bir işi otomatikleştirmekle bitiyor. 2. **Fizibilite ve prototip.** Sizin verinizle küçük ölçekli bir prototip kuruyor, hedef metriği devreye almadan önce ölçüyoruz. Bir fikrin çalışmayacağını üç haftada öğrenmek, altı ay sonra öğrenmekten ucuzdur. 3. **Devreye alma.** Sistemi mevcut altyapınıza entegre ediyor, ekibinize eğitim ve dokümantasyonla birlikte teslim ediyoruz. 4. **İzleme ve iyileştirme.** Devreye alma sonrası performansı takip ediyor, gelen geri bildirimle modeli ve kuralları güncelliyoruz. Dördüncü adım en çok atlanan adım. Süreçler değişince veri değişiyor, veri değişince modelin öğrendiği örüntü eskiyor. Bakımı olmayan bir yapay zeka sistemi sessizce körelir. ## Neye inanıyoruz? Dört başlık, ve dördü de günlük kararları belirliyor. **Abartısız teknoloji.** Bir problem klasik yazılımla çözülüyorsa yapay zeka önermiyoruz. Doğru araç, en gösterişli araç değildir. Bu, kısa vadede iş kaybettiren ama uzun vadede tek sürdürülebilir olan tutum. **Ölçülebilirlik.** Her projenin başında neyi iyileştirmeye çalıştığımızı sayıyla yazıyoruz; sonunda aynı sayıya bakıyoruz. "Verimlilik arttı" bir sonuç değil, bir izlenimdir. **Veri sorumluluğu.** Müşteri verisi müşteriye aittir. Saklama, erişim ve silme kuralları proje başında yazılı olarak belirlenir. Gerektiğinde kurum içi (on-premise) kurulum yapılır. **Uzun vadeli ortaklık.** Projeyi teslim edip çıkmıyoruz; sistemin ekibiniz tarafından sahiplenilmesi teslimin bir parçası. Kullanılamayan bir sistem, kurulmamış bir sistemdir. ## Bugüne kadar ne kurduk? Somut olmayan bir vizyon anlatısının kıymeti yok. Bugün sahada çalışan işlerimiz kabaca dört başlıkta topluyor. - **Endüstride kalite ve karar desteği.** Üretim hattında görüntü işlemeyle çalışan [kalite kontrol sistemleri](/hizmetler/csl2-kalite-kontrol) ve teknik seçim süreçlerini yürüten asistanlar. [KromAsistan projesi](/blog/kromasistan-yapay-zeka-kolayligi) bunun bir örneği. - **Eğitimde ölçülebilir çalışma.** Etüt saatini veriye çeviren [soru çözüm ve etüt uygulaması](/hizmetler/etut-uygulamasi); İspat Koleji ile yürüttüğümüz [proje](/blog/ispat-koleji-soru-cozum-uygulamasi) bu altyapı üzerinde çalışıyor. - **İnsan kaynaklarında ön eleme.** Ön görüşmeyi yapay zekanın yaptığı, her aday için gerekçeli puan üreten [işe alım platformumuz HireUp360](/hizmetler/ise-alim-platformu). - **Web ve müşteri iletişimi.** Ziyaretçiyle konuşan, doğru hizmete yönlendiren ve nitelikli talep bırakan [dijital asistanlar](/hizmetler/dijital-asistan). Bunların bir kısmı müşteri projesi, bir kısmı kendi ürünümüz. İkincisi bize bir şey daha kazandırıyor: kendi kurduğumuz sistemi kendimiz kullanıyoruz. Açık pozisyonlarımızı HireUp360 üzerinden yayımlıyoruz; bu web sitesinde gördüğünüz [kariyer bölümündeki ilanlar](/kurumsal#kariyer) doğrudan oradan geliyor. ## Hangi işleri almıyoruz? Bir şirketi anlamanın en hızlı yolu, neyi reddettiğine bakmak. - **Problemi tanımlanmamış işleri.** "Bize de yapay zeka lazım" bir gereksinim değil. Hangi işin ne kadar sürdüğü ve neyin iyileşmesi beklendiği yazılı değilse, önce onu yazıyoruz. - **Yapay zekaya ihtiyaç duymayan işleri.** Kuralları net, istisnası az bir süreç için model kurmak fazladan karmaşıklık. Bu durumda klasik yazılım öneriyoruz. - **Verisi olmayan işleri, veri planı olmadan.** Model kurulacak veri yoksa proje veri toplamayla başlar. Bunu baştan söylemek, ortasında keşfetmekten iyidir. ## En sık karşılaştığımız üç yanlış beklenti **"Sistem devreye girince kendi kendine öğrenir."** Öğrenmez. Modeller eğitim anındaki veriden öğrenir; sahada kendiliğinden akıllanan bir sistem yok. İyileşme, gelen geri bildirimin düzenli olarak modele ve kurallara işlenmesiyle olur. Yani bakım bir maliyet kalemi değil, sistemin çalışmaya devam etme koşulu. **"Yapay zeka insan hatasını sıfırlar."** Sıfırlamaz; hatanın yerini ve türünü değiştirir. Bir insan yorulduğu için kaçırır, bir model eğitiminde görmediği için kaçırır. Doğru soru "hata olacak mı" değil, "hata olduğunda nasıl fark edeceğiz" sorusu. Bu yüzden kurduğumuz her sistemde bir kontrol noktası ve bir raporlama katmanı oluyor. **"Önce büyük projeyle başlayalım, sonra yayarız."** Genellikle tersi işe yarıyor. Kapsamı dar tutulmuş bir ilk devreye alma, hem kurumun sistemle çalışmayı öğrenmesini sağlıyor hem de yanlış varsayımları ucuza ortaya çıkarıyor. Büyük başlayan projelerde bu varsayımlar ancak teslimattan sonra görünür oluyor. ## Bir teknoloji partnerini değerlendirirken Bu alanda doğru soruları sormak, doğru cevapları bilmekten daha önemli. Bizimle görüşmeseniz de sormaya değer beş soru: - **Bu iş yapay zeka olmadan çözülür mü?** Karşınızdaki ekip bu soruya "evet, şu durumda çözülür" diyebiliyorsa, sizi teknolojiye değil probleme göre yönlendiriyor demektir. - **Başarıyı hangi sayıyla ölçeceğiz?** Proje başında yazılmayan bir metrik, proje sonunda tartışma konusu olur. - **Verimiz nerede duracak, ne kadar süreyle?** Saklama, erişim ve silme kurallarının sözlü kalmaması gerekir. - **Devreye aldıktan sonra ne oluyor?** İzleme ve güncelleme kapsam dışıysa, sistem birinci yılın sonunda eskimiş olur. - **Bu sistemi bizim ekibimiz yönetebilecek mi?** Eğitim ve dokümantasyon teslimatın parçası değilse, bağımlılık satın almış olursunuz. ## Yeni denge: küçük ekip, dar kapsam, gerçek teslimat Yapay zeka alanında son yılların en önemli değişimi, güçlü modellerin herkes için erişilebilir hale gelmesi. Bunun sonucu şu: rekabet artık modeli kimin eğittiğinde değil, problemi kimin doğru tarif ettiğinde. Bu, bizim gibi odaklı ekipler için gerçek bir denge değişikliği. Bir sorunu anlamak, kapsamı dar tutmak ve çalışan bir sistemi teslim etmek — bunlar ölçekle değil, yakınlıkla yapılan işler. Az sayıda projeye odaklanmayı bir kısıt olarak değil, tercih olarak görüyoruz. Yapay zekanın geleceğini sadece konuşan değil, onu kuran bir ekip olarak yola çıktık. Süreçlerinizde nereden başlanabileceğini konuşmak isterseniz, [bize ulaşın](/iletisim) — ya da önce [nasıl çalıştığımıza](/kurumsal) bakın. ### Yapay Zeka Nedir? Çalışma Mantığı, Türleri ve İşletmelerde Kullanımı URL: https://mountaintech.plus/blog/yapay-zeka-nedir English: https://mountaintech.plus/en/blog/what-is-artificial-intelligence Kategori: rehberler Yayın tarihi: 2025-05-12 · Güncelleme: 2026-08-10 · Okuma süresi: 5 dk Yapay zeka, insanın yaptığı zihinsel işlerin bir bölümünü — örüntü tanıma, sınıflandırma, tahmin, dil anlama ve üretme — verilerden öğrenerek yapabilen yazılım sistemlerinin ortak adıdır. Kısacası tanımı budur; geri kalan her şey bu tanımın nasıl işlediğiyle ilgilidir. Bu yazı, terimi duyup ne olduğunu tam olarak netleştiremeyen okur için yazıldı. Yapay zekanın çalışma mantığını, makine öğrenmesi ve derin öğrenme gibi sık karıştırılan kavramlarla ilişkisini, işletmelerde gerçekten hangi işleri yaptığını ve bir kurumun bu işe nereden başlaması gerektiğini sırayla ele alıyor. ## Yapay zeka nasıl çalışır? Bir yapay zeka sistemi kural yazarak değil, örnek görerek kurulur. Klasik yazılımda geliştirici "şu koşul varsa şunu yap" der. Yapay zekada geliştirici doğru cevabı yazmaz; sisteme yeterince örnek gösterir ve doğruya kendisinin yaklaşmasını sağlar. Süreç üç aşamada ilerler. ### 1. Veri Her şey veriyle başlar. Bir sistemin kusurlu parçayı ayırt etmesini istiyorsanız elinizde kusurlu ve kusursuz parçaların görüntüleri olmalıdır. Müşteri sorularını yanıtlamasını istiyorsanız ürün dokümanlarınız, kataloğunuz ve geçmiş yazışmalarınız gerekir. Verinin miktarı kadar temizliği de belirleyicidir: yanlış etiketlenmiş bir veri kümesi, üzerine kurulan her şeyi yanlış öğretir. ### 2. Eğitim Eğitim, modelin veri içindeki ilişkileri sayısal parametrelere çevirdiği aşamadır. Model binlerce örneğe bakar, tahmin eder, hata yapar ve hatasını küçültecek yönde kendi parametrelerini düzeltir. Bu döngü milyonlarca kez tekrarlanır. Sonuçta ortaya çıkan şey bir kural listesi değil, girdiyi çıktıya bağlayan istatistiksel bir işlevdir. ### 3. Çıkarım Çıkarım, eğitilmiş modelin sahada çalıştığı andır: kameradan gelen yeni bir görüntü, ziyaretçinin yazdığı yeni bir soru, henüz görülmemiş bir aday özgeçmişi. Model bunlara eğitimde öğrendiği örüntülere dayanarak bir cevap üretir. Çıkarım genellikle eğitimden çok daha ucuzdur; asıl maliyet bir kez ödenir, kullanım tarafı hafiftir. Bu üç aşama, yapay zeka sistemlerinin neden bakıma ihtiyaç duyduğunu da açıklar. Süreçleriniz değişince veriniz değişir, veriniz değişince modelin öğrendiği örüntü eskimeye başlar. Devreye alma bir bitiş değil, izlemenin başlangıcıdır. ## Makine öğrenmesi, derin öğrenme ve üretken yapay zeka aynı şey mi? Hayır — ama iç içe geçmiş kavramlar. En geniş çemberden en dara doğru sıralamak, kafa karışıklığının büyük bölümünü gideriyor. | Kavram | Kapsamı | Tipik kullanım | | --- | --- | --- | | Yapay zeka | En geniş başlık: zihinsel işleri yapan sistemlerin tamamı | Şemsiye terim | | Makine öğrenmesi | Veriden öğrenerek kurulan yapay zeka yöntemleri | Talep tahmini, sınıflandırma, puanlama | | Derin öğrenme | Çok katmanlı sinir ağlarıyla çalışan makine öğrenmesi | Görüntü işleme, ses tanıma | | Üretken yapay zeka | Yeni içerik üreten derin öğrenme modelleri | Metin, görsel ve kod üretimi | Uygulamada bu ayrım şuna denk gelir: üretim hattında parçayı kameradan denetleyen bir sistem derin öğrenme kullanır; web sitenizde ziyaretçiyle konuşan bir [dijital asistan](/hizmetler/dijital-asistan) üretken yapay zeka üzerine kurulur; hangi müşterinin hangi ürünü alma ihtimalinin yüksek olduğunu tahmin eden bir model ise klasik makine öğrenmesiyle de yeterince iyi çalışabilir. Her problem en yeni yöntemi gerektirmez. ## Yapay zeka türleri: dar yapay zeka ve genel yapay zeka Bugün kullandığınız her yapay zeka sistemi **dar yapay zekadır**. Tek bir işi yapmak üzere eğitilmiştir ve o işin dışına çıkamaz. Kusur denetimi yapan bir model özgeçmiş okuyamaz; dil modeli metin üretir ama kamera görüntüsünden parça ölçmez. Bir modelin çok yetenekli görünmesi, tek bir alanda çok iyi olmasından kaynaklanır. **Genel yapay zeka**, insanın yapabildiği her zihinsel işi öğrenebilen bir sistem anlamına gelir ve henüz mevcut değildir. Kurumsal bir kararı verirken bugünün gerçeğiyle çalışmak gerekir: eldeki teknoloji, iyi tanımlanmış tek bir işi çok iyi yapan sistemler kurmaya elverişlidir. Kapsamı dar tutmak bir sınırlama değil, projenin başarı şansını artıran bir tercih. ## Yapay zeka işletmelerde ne işe yarıyor? Somut olmayan her yapay zeka anlatısı havada kalır. Bugün sahada karşılığı olan başlıklar kabaca dört grupta toplanıyor. - **Tekrar eden iletişimi devralmak.** Aynı sorunun günde otuz kez gelmesi bir insan işi değildir. Bir asistan bu yükü alır, istisnalar ekibe kalır. - **Görsel denetim.** Gözle yapılan kalite kontrolü dikkat yorgunluğuna bağlıdır; kamera ve model bu işi vardiya boyunca aynı ölçütle yapar. - **Ön eleme ve sıralama.** Yüzlerce başvuru, teklif ya da talep arasında ilk okuma yükünü sistem alır, insan sıralanmış bir listeyle başlar. - **Belge ve veri işleme.** Gelen kutusundan formlara, faturadan sözleşmeye kadar yapılandırılmamış içeriğin okunup sınıflandırılması. Ortak nokta şu: bunların hiçbiri insanın yerine geçmiyor, insanın en az değer ürettiği adımı üstleniyor. [Çözümlerimizin tamamına](/hizmetler) baktığınızda hepsinin bu mantıkla kurulduğunu görürsünüz. ## Bir işletme yapay zekaya nereden başlamalı? En sık yapılan hata, teknolojiyi seçip ona uygun problem aramak. Doğru sıra tersidir — biz de projeleri dört adımda yürütüyoruz. 1. **Süreç analizi.** İşin sahada nasıl yürüdüğü izlenir ve otomasyona gerçekten değecek adım birlikte belirlenir. 2. **Fizibilite ve prototip.** Kurumun kendi verisiyle küçük ölçekli bir prototip kurulur; hedef metrik devreye almadan önce ölçülür. 3. **Devreye alma.** Sistem mevcut altyapıya entegre edilir, ekibe eğitim ve dokümantasyonla birlikte teslim edilir. 4. **İzleme ve iyileştirme.** Devreye alma sonrası performans takip edilir, gelen geri bildirimle model ve kurallar güncellenir. İkinci adım pahalı bir kararı ucuza test ettiği için atlanmamalı. Bir prototip, fikrin çalışmayacağını üç haftada gösterirse o üç hafta kazançtır. ## Sık yapılan üç hata **Problemi tanımlamadan araç seçmek.** "Bize de yapay zeka lazım" bir gereksinim değildir. Hangi işin ne kadar süre aldığı ve neyin iyileşmesi beklendiği yazılı değilse, projenin başarılı olup olmadığı da sonradan tartışma konusu olur. **Klasik yazılımla çözülecek işe model kurmak.** Kuralları net, istisnası az bir süreç için yapay zeka fazladan karmaşıklıktır. Bir problem klasik yazılımla çözülüyorsa doğru cevap odur; doğru araç, en gösterişli araç değildir. **Veriyi sonradan düşünmek.** Model kurulacak veri yoksa proje veri toplamayla başlar. Bunu baştan planlamak, ortasında keşfetmekten çok daha ucuzdur. ## Sık sorulan sorular ### Yapay zeka için çok büyük veri şart mı? Hayır. Gereken veri miktarı probleme göre değişir. Dar tanımlı bir sınıflandırma işi birkaç bin iyi etiketlenmiş örnekle çalışabilirken, sıfırdan bir dil modeli eğitmek başka bir ölçektir. Pratikte çoğu kurumsal proje sıfırdan model eğitmez; hazır bir temel modeli kendi verisiyle yapılandırır. ### Yapay zeka çalışanların yerini alır mı? Bugünkü sistemler işleri değil görevleri devralıyor. Bir işin içindeki tekrar eden, kural bazlı ve yorucu adımlar otomatikleşiyor; karar, istisna yönetimi ve sorumluluk insanda kalıyor. Devreye aldığımız sistemlerde de kurgu budur: sistem hazırlar, insan karar verir. ### Verilerimiz güvende mi? Bu, teknolojinin değil kurulumun sorusudur. Verinin nerede saklandığı, kimin eriştiği, ne kadar süre tutulduğu ve nasıl silineceği proje başında yazılı olarak belirlenmelidir. Gerekli durumlarda kurum içi (on-premise) kurulum da bir seçenektir. ### Bir yapay zeka projesi ne kadar sürer? Kapsama bağlı. İçerik kaynakları hazır olan bir dijital asistan kurulumu tipik olarak 2-4 haftada tamamlanır; üretim hattına giren bir görüntü işleme sistemi veri toplama ve saha testleriyle birlikte daha uzun sürer. ## Özet Yapay zeka, veriden öğrenerek belirli zihinsel işleri yapan sistemlerin ortak adı. Bugünün teknolojisi dar ve iyi tanımlanmış işlerde çok güçlü, sınırsız bir zekâ değil. Bir kurum için doğru başlangıç noktası da bu yüzden teknoloji değil, süreç: hangi adımın ne kadar zaman aldığını bilmek, hangi aracın gerektiğini kendiliğinden söyler. Kendi sürecinizde bu adımın hangisi olduğunu konuşmak isterseniz, [bize ulaşın](/iletisim) — kısa bir görüşmeyle ne yapılabileceğini birlikte netleştirelim.