Kısa cevap: Bir yapay zeka projesinin maliyeti dört kalemden oluşur: tek seferlik geliştirme (analiz, entegrasyon, arayüz), model kullanım ücreti (işlenen metin miktarına göre), altyapı (sunucu, veritabanı, depolama) ve bakım (izleme, iyileştirme, içerik güncelleme). Yatırımın mantıklı olup olmadığı ise otomatikleşen işin saatlik maliyetiyle karşılaştırılarak hesaplanır.
Maliyet hangi kalemlerden oluşur?
| Kalem | Ne içerir? | Nasıl değişir? |
|---|---|---|
| Geliştirme | İhtiyaç analizi, akış tasarımı, entegrasyonlar, panel | Kapsam ve entegrasyon sayısıyla |
| Model kullanımı | Dil modeli API ücreti | İşlenen metin miktarıyla (token başına) |
| Altyapı | Sunucu, veritabanı, arama dizini, yedekleme | Kullanıcı ve veri hacmiyle |
| Bakım ve iyileştirme | İzleme, hata düzeltme, bilgi tabanı güncellemesi | Aylık sabit veya saat bazlı |
| Veri hazırlığı | Belgelerin temizlenmesi, düzenlenmesi | Başlangıçtaki veri kalitesine göre |
En sık yapılan hata yalnızca geliştirme bedeline bakmaktır. Model kullanımı ve bakım aylık giderlerdir ve bütçeye baştan eklenmelidir.
Model kullanım ücreti nasıl tahmin edilir?
Dil modelleri genellikle işlenen metin miktarına (token) göre ücretlendirilir. Tahmin için üç soru yeterlidir:
- Ayda kaç işlem olacak? (sohbet, belge, e-posta sayısı)
- Bir işlem ortalama ne kadar metin içeriyor? (soru + bağlam + yanıt)
- Hangi model kullanılacak? (daha güçlü modeller birim başına daha pahalıdır)
Pratikte birçok görev için en güçlü modele gerek yoktur. Basit sınıflandırma ve özetleme işleri daha hızlı ve ucuz modellerle yapılır; yalnızca zor işler büyük modele yönlendirilir. Bu yönlendirme toplam kullanım ücretini önemli ölçüde düşürür.
Yatırımın geri dönüşü nasıl hesaplanır?
Basit ve dürüst bir yöntem:
- Bugünkü maliyet: Otomatikleşecek iş için harcanan aylık saat × saatlik maliyet. Örneğin günde 3 saat mesaj yanıtlayan bir çalışanın bu süresi.
- Yapay zekanın üstleneceği oran: Pilotta ölçülür; ilk tahmin için temkinli bir oran kullanın.
- Aylık tasarruf: (1) × (2) − aylık model ve bakım gideri.
- Geri dönüş süresi: Tek seferlik geliştirme bedeli ÷ aylık tasarruf.
Tasarruf yalnızca saatten ibaret değildir. Mesai dışında kaçırılmayan talepler, daha hızlı teklif dönüşü ve hata azalması gibi gelir etkileri ayrıca not edilmeli, ama karar hesabına temkinli katılmalıdır.
Maliyeti düşük tutmanın yolları nelerdir?
- Küçük başlayın: Tek bir süreçle pilot yapın, ölçün, sonra genişletin.
- Hazır parçaları kullanın: Her şeyi sıfırdan yazmak yerine kanıtlanmış bileşenler ve mevcut sistemlerle entegrasyon tercih edin.
- Model seçimini göreve göre yapın: Her işi en pahalı modele göndermeyin.
- Önbellek ve kurallar: Sık sorulan sorulara sabit yanıtlar, tekrarlayan işlemler için önbellek kullanın.
- Ölçüm altyapısını baştan kurun: Hangi işlemin ne kadar kullanım ürettiğini görmeden maliyet yönetilemez.
Teklif alırken nelere dikkat edilmeli?
Teklifte geliştirme, aylık model kullanımı tahmini, altyapı ve bakımın ayrı ayrı yazılmasını isteyin. Kodun ve verinin kime ait olduğunu, pilot sonunda projenin hangi ölçütle "başarılı" sayılacağını da sözleşmeye yazdırın. Hangi işten başlamanız gerektiğini netleştirmek için İşletmeler İçin Yapay Zeka: Nereden Başlamalı? yazımıza bakabilirsiniz.
Yapay zekanın sizin işinizde ne kazandıracağını hesaplamak ister misiniz? Yapay zeka çözümlerimiz kapsamında süreçlerinizi inceleyip kalem kalem bir maliyet ve geri dönüş tablosu çıkarıyoruz.
Kaynaklar
Sık Sorulan Sorular
Kapsama bağlıdır. Tek bir süreci hedefleyen, hazır bileşenlerle kurulan pilot projeler görece düşük bütçeyle başlar. Asıl yatırım pilot başarılı olduktan sonra yaygınlaştırma aşamasında yapılır.
Kullanım limiti, işlem başına üst sınır ve aylık bütçe uyarıları kurulursa artış kontrol altında tutulur. Bu ayarlar projenin başında yapılmalıdır.
Yüksek hacimde ve veri gizliliğinin kritik olduğu durumlarda avantajlı olabilir. Düşük ve orta hacimde ise donanım ve bakım maliyeti nedeniyle API kullanımı genellikle daha ekonomiktir.