ChatGPT Danismanligi Ile Is Akisi Donusumu

ChatGPT danışmanlığı, bir ekibe "GPT kullanmayı öğretmek"ten çok daha fazlasıdır; şirket içi iş akışlarını AI ile hızlandırıp standartlaştırmanın operasyonel bir transformasyonudur. 2026 itibariyle iyi uygulanmış bir ChatGPT danışmanlığı, 15-30 kişilik bir ekipte aylık 200-400 saatlik verimlilik kazancı yaratabiliyor. Bu yazıda süreci dört kademede anlatıyorum.

Süreç Analizi: Nereye Müdahale Edeceğiz?

ChatGPT danışmanlığı, "gelin herkese prompt yazmayı öğretelim" ile başlamaz — süreç haritalamayla başlar. İlk 1-2 haftada yapılması gereken:

• Yetkinlik envanteri: Her takım hangi tekrarlayan işleri yapıyor? Hangisi 30 dk+ sürüyor?
• Zaman ölçümü: Typical bir satış temsilcisinin günlük zamanı: %35 email, %20 meeting özeti, %15 CRM güncellemesi, %30 gerçek satış. Ölçmeden tahmin güvenilir değil
• Kalite standardı: Şu an manuel yapılan işin kalite baselinei belirlenmeli; AI ile karşılaştırmak için
• Veri sınıflandırması: Hangi veriler ChatGPT'ye gidebilir, hangileri gidemez? KVKK/GDPR kısıtları

Bu analiz ile "quick wins" listesi çıkar: AI'ın %80+ iyileştirme sağlayabileceği 5-10 iş paketi. Geri kalan şeyler danışmanlığın ilk fazında hedef değildir.

Agent ve Prompt Kütüphaneleri

İkinci faz, ekip için yeniden kullanılabilir prompt kütüphaneleri oluşturmaktır. Her kullanıcının "sıfırdan prompt yazması" bir danışmanlığın başarısızlığıdır. Kütüphane yapısı:

• Departman bazlı: Satış / Pazarlama / Destek / İK ayrı ayrı prompt setleri
• Use case başına template: "Soğuk e-posta taslağı", "CRM not özeti", "Müşteri itiraz cevabı"
• Parametrik değişkenler: Template içinde {şirket_adı}, {bağlam}, {hedef değişkenleri
• Örneklerle zenginleştirme: Her template 2-3 "bu cevabı istiyoruz" örneği içerir

Daha ileri seviyede custom GPT'ler veya Claude Projects kurulur. Örneğin "Satış Asistanı" GPT'si şirketin ürün bilgisi, fiyat listesi ve satış metodolojisi ile önceden beslenmiş gelir. Kullanıcı her seferinde bağlam girmek zorunda kalmaz.

Kalite Kontrol ve Eğitim

ChatGPT hayal kırıklığı yaratan bir araca dönüşebilir, eğer kullanıcılar kaliteli çıktı nasıl alınır bilmiyorsa. Kalite kontrol için:

• Atölyeler (2-3 saatlik): Her departmana özel, gerçek use case'leri üzerinde hands-on prompt yazma pratiği
• Prompt kütüphane eğitimi: Template'leri nasıl kullanacak, nasıl özelleştirecek
• Kötü çıktı tanıma: Hallucinate eden, jenerik kalan, bağlamı kaçıran cevapları tanıma
• Buddy sistemi: Her departmanda "AI champion" — diğerlerinin sorularını yanıtlar
• Aylık review: Başarı öykülerini, karşılaşılan sorunları paylaşım toplantısı

Eğitim öldüren tuzak: "3 saatlik toplu workshop, herkes öğrensin" yaklaşımı. Dağılımlı mikro-eğitimler (haftalık 30 dk) çok daha sürdürülebilir.

Rollout Planı: Pilot'tan Ölçekleme

Bir danışmanlığın başarılı olup olmadığı, pilot'u şirket geneline yaymakta belli olur. Rollout aşamaları:

• Hafta 1-2: Pilot departman seçimi (genelde satış veya destek). 5-8 kişi
• Hafta 3-4: İlk prompt library + eğitim. İlk kullanımdan veri toplama
• Hafta 5-6: Quality review + library iterasyonu
• Hafta 7-10: İkinci departmana yaygınlaştırma
• Hafta 11-14: Tüm şirket + governance framework (onaylı use case'ler, veri kuralları)

ROI ölçümü: pilot grubun önceki üç aylık productivity benchmark'ı ile son ayın karşılaştırması. Ölçülebilir değilse şüpheyle yaklaşın — "hissettim daha hızlıyım" yeterli değil.

Gerçek Danışmanlık Vakası

40 kişilik bir B2B SaaS şirketi: satış + pazarlama + destek ekiplerine 12 haftalık danışmanlık.

• Başlangıç: Satış temsilcisi ortalama bir soğuk e-posta için 22 dakika harcıyordu
• 6. hafta: Prompt library ile ortalama 8 dakikaya düştü, kalite benzer
• Pazarlama: Blog yazısı draft üretimi 6 saatten 1.5 saate
• Destek: Ticket cevap süresi medyan 14 dk'dan 5 dk'ya
• Toplam: Aylık ~280 saat tasarruf, ekip büyüklüğünü artırmadan %24 kapasite artışı