İmzayı Aldın, Peki Ürünün Kullanılıyor mu?

Kurumsal AI Satışının Görünmeyen İkinci Yarısı

Danışmanlık ya da mentörlük hizmeti verdiğim girişimlerden son dönemlerde aynı cümleyi farklı ağızlardan duydum: “Anlaşmayı kapattık ama büyümüyor.” Üç kurumsal müşteri var, sözleşmeler imzalı, faturalar kesiliyor. Ama yenileme yaklaştığında kullanım verisine bakınca ortaya çıkan tablo aynı: ürün satın alınmış, gerçekten kullanılmıyor.

Bu, satış problemi değil. Kurucular bunu satış problemi sanıp daha çok demo, daha çok özellik, daha çok indirim ile çözmeye çalışıyor. Oysa imzayı almak, kurumsal AI işinin sadece ilk yarısı. İkinci yarı — ürünün içeride yapışması, genişlemesi, yenilenmesi — tamamen başka bir oyun. Ve o oyunun kuralları senin ürün yol haritanda değil, alıcının iç yapısında yazıyor.

Bu ayrımı en net gösteren kaynaklardan biri, MIT Sloan Management Review’ın “Scaling AI in the Enterprise” özel sayısı oldu. Rapor tamamen alıcının gözünden yazılmış: kurum AI’ı içeride nasıl ölçekler, neden başaramaz. Ama satıcı tarafında duran bir kurucu için bu, rakibin değil — müşterinin sızdırılmış iç oyun kitabı. Tersinden okununca, anlaşmanın tam olarak nerede öldüğü görünüyor.

Önce rahatsız edici sayı

Rapordaki araştırma 23 büyük şirketi üç yıl boyunca, 87 derin görüşmeyle inceliyor. Bu şirketlerden yalnızca ikisi GenAI’ı pilot aşamasından gerçek bir stratejik yetkinliğe ölçekleyebilmiş — ve her ikisi de “AI spine (Merkezi AI omurgası)” olarak tanımlanan yapıyı kurmuş. Yani senin sattığın kurumların büyük çoğunluğu, kendi içlerinde AI’ı yapışmaktan alıkoyan bir zeminde duruyor. Ürünün ne kadar iyi olursa olsun, o zemine düştüğünde aynı akıbeti paylaşıyor.

Gerçek rakibin: kullanılmama

Peki ürün niye kullanılmıyor? Rapordaki banka örneği bunu acı verecek netlikte anlatıyor. Banka müşteri hizmetleri için bir e-posta asistanı kurmuş. Teknik açıdan tasarlandığı gibi çalışıyormuş. Ama temsilciler memnun değilmiş: ürettiği yanıtlar makul ama eksik, bankanın standartlarıyla ince ince uyumsuz, tonu tutarsızmış. Temsilciler her mesajı göndermeden önce elle düzeltmek zorunda kalmış. Sorun modelde değildi — modelin yakalayamadığı örtük bilgideydi. Müşterinin talebini nasıl ifade ettiği, hangi tonun uygun olduğu, ne zaman üst kademeye taşınacağı: bunların hiçbiri veri setinde yazmıyordu, temsilcinin kafasındaydı.

Senin gerçek rakibin burada ortaya çıkıyor. Rakibin bir başka AI ürünü değil. Rakibin kullanılmama. Ürün satın alınır, birkaç hafta denenir, beklentiyi karşılamaz, kenara konur. Raporun diliyle: rafta bekleyen bir “zombi kullanım senaryosuna” dönüşür. Daha da kötüsü, bu sessiz başarısızlığın bedeli büyür. Rapor, erken bir başarısızlığın kurum genelinde AI’a karşı şüpheyi artırdığını ve sonraki tüm girişimleri zorlaştırdığını gösteriyor. Yani senin ilk pilotun yapışmazsa, sadece o anlaşmayı değil, o kurumdaki bütün geleceğini de kaybediyorsun.

Yapışan ürün ne yapıyor?

Buna karşılık, yapışan ürünün ne yaptığını da aynı rapor gösteriyor. O banka, asistanı bir kez kurup bırakmamış. Temsilcilerin her yanıtı 1–5 arası puanlamasını sağlamış, elle yaptıkları düzeltmeleri kayıt altına almış. Bu mekanizma, kimsenin yazıya dökmediği o örtük normları — ton, niyet, eskalasyon eşiği — yavaş yavaş yüzeye çıkarmış. Sonuç: geniş kullanıma açıldığında asistan e-posta işleme süresini %15 azaltmış ve erken, sınırlı pilotunda kullananlar toplamda yaklaşık 700 saat tasarruf etmiş. Aradaki tek fark, ürünün örtük bilgiyi yakalayan bir geri-besleme döngüsüne sahip olmasıydı.

Genişlemenin nasıl çalıştığını ise tıbbi kodlama (hastanelerin/kliniklerin yaptığı her teşhis ve işleme standart faturalama kodları atama süreci) şirketi örneği anlatıyor. Orada bir uygulama, bir kodlama vakasını 25 dakikadan 2 saniyeye indirmiş, kodlama maliyetini insan emeğine kıyasla %60 düşürmüş. Ama asıl mesele bu değil. O şirket bu uygulamayı içeride bir verimlilik aracı olmaktan çıkarıp sigorta şirketlerine satılan yeni bir ürüne dönüştürmüş — yani yeni bir gelir kalemi yaratmış. Senin land-and-expand hayalin tam olarak bu: tek bir kullanım senaryosunun, kurumun başka süreçlerine ve hatta yeni gelir modellerine yayılması. Ve bu yayılma teknik bir başarı değil, yapısal bir başarıydı.

AI spine: anlaşmanın gerçek tavanı

İşte burada raporun en kritik kavramına geliyoruz: AI spine. Stratejik ölçeğe ulaşan o iki şirketin ortak yapısı bu. Klasik modelde merkezî bir teknik ekip birimlere çözüm dağıtır. AI spine bunun tersini yapar: iş süreçlerini bilen kişileri merkeze çeker — iş sahibi, bilgi sahibi, son kullanıcı, risk-uyum uzmanı, hepsi aynı yapının içinde. Senin için anlamı şu: sattığın kurumda böyle bir omurga varsa, ürünün yapışma ve genişleme şansı yüksek. Yoksa — yani ürünü dağınık, birim-bazlı bir “AI ekibine” satıyorsan — bütçe dar, bakım yükü onlarda, birimler arası genişleme yok. Anlaşman daha doğmadan tavanını bulmuş demektir.

Bu yüzden ilk soru ürünle ilgili değil, alıcının yapısıyla ilgili olmalı. Mevcut müşterilerine şu mercekten bak: senin şampiyonun kim? Sadece BT departmanına ya da teknoloji sahibine sattıysan, o kullanım senaryosunun yaşayıp yaşamayacağına karar veren iş sahibini kaçırmışsın demektir. Raporun finans makalesi bu ayrımı keskinleştiriyor: deney yapmaya izni olan, “bundan ne öğrendik?” diye soran bir alıcı iyi alıcıdır; daha pilot başlamadan kesin ROI kanıtı isteyen alıcı, senin satış döngünü planlama aşamasında öldürür. İmza atan kişi ile ürünü yaşatacak kişi çoğu zaman aynı değil — ve sen ikincisini hiç tanımıyor olabilirsin.

Uyumu satıştan sonra düşünürsen ürünün ölür

İkinci kontrol noktası, düzenlenmiş sektörlere satıyorsan hayati: yönetişim. Raporun sağlık sigortacısı örneği ders niteliğinde. Bir GenAI birimi müşteri hizmetleri için akıcı yanıtlar üreten bir asistan kurmuş. Ama uyum uzmanları masaya ancak pilottan sonra oturmuş ve her müşteri mesajının sıkı düzenlenmiş şablonlara uyması gerektiğini hatırlatmış. Uyumsuzluk korkusuyla temsilciler onaylı metinlere geri dönmüş, benimseme platoya çarpmış, proje durmuş. Bankaya, sigortaya, sağlığa satan bir AI-native kurucu için mesaj açık: uyumu satıştan sonra düşünürsen ürünün ölür. Model kartı, açıklanabilirlik, denetim izi gibi unsurları daha ilk toplantıda masaya koyan kurucu, koymayan rakiplerini eler. Raporun statik/adaptif × dar/geniş kontrol matrisi, alıcının senden hangi güvenceleri isteyeceğini önceden okumak için neredeyse bir kontrol listesi.

Üçüncü nokta anlaşma yapısıyla ilgili ve sezgiye aykırı. Rapora göre birimler, belirsizlik yüzünden GenAI’ı doğrudan fonlamaya çekiniyor. Başaran kurumlar ise kullanım senaryolarını kademeli, kilometre taşına bağlı küçük dilimlerle fonluyor. Bunun satışa çevrimi şu: kurumsal müşteriye büyük, peşin, tek seferlik bir taahhüt dayatmak — sezgisel olarak güvenli görünse de — aslında riski artırıyor ve kararı geciktiriyor. Açık ve ölçülebilir bir taban çizgisine bağlı, aşamalı genişleyen bir pilot teklif etmek, hem alıcının iç fonlama mantığına uyuyor hem de senin yapışma verini biriktirmene zaman tanıyor.

Tez: ikinci yarıda kim kazanır?

Bütün bunları tek bir tezde toplayayım. AI-native bir ürünü kuruma satarken sattığın şey model değil. Modelin alıcının umurunda bile değil — onun derdi kendi sürecinin iyileşmesi, kendi örtük bilgisinin yakalanması, kendi uyum yükünün yönetilmesi ve kendi içindeki benimseme. Bunların hiçbirini senin slaytın çözmüyor. İmzadan sonra başlayan o ikinci yarıda, ürünü kuran değil, ürünü yaşatabilen kazanıyor. Ve o ikinci yarının kurallarını alıcı yazıyor.

O yüzden mevcut üç müşterine geri dön ve her biri için tek bir soruyu yanıtla: Bu kurumda ürünümü yaşatacak yapı var mı, yoksa ben onu kurmadan mı çekildim? Cevap “yok” ise, yenileme dönemini beklemenin anlamı yok. İkinci yarı çoktan başladı.

Kaynak: MIT Sloan Management Review, “Scaling AI in the Enterprise” özel sayısı