Victor Coimbra, Artefact’ta CTO ve Yönetici Ortak – Röportaj Dizisi

Victor Coimbra, Artefact’ta CTO ve Yönetici Ortak olarak Amerika kıtası genelindeki yapay zekâ, veri bilimi ve mühendislik çalışmalarına liderlik ediyor. Kariyerinde Bain ve Accenture’daki iş stratejisi deneyimini, karmaşık kurumsal ortamlarda yapay zekâ ve makine öğrenmesi sistemlerinin hayata geçirilmesine yönelik uygulamalı liderlikle birleştiriyor. Yapay zekâyı ölçeklendirmek için gereken mimari, yönetişim ve işletim modelleri de dâhil olmak üzere, kuruluşların teknik yetkinliklerini ölçülebilir iş sonuçlarına dönüştürmelerine yardımcı olmaya odaklanıyor.

Artefact, işletmelerin stratejiler geliştirmesine, veri platformları kurmasına, yapay zekâ çözümlerini devreye almasına ve kurumsal değişimi yönetmesine yardımcı olan küresel bir veri ve yapay zekâ danışmanlık şirketidir. Çalışmaları finansal hizmetler, sağlık, imalat ve perakende dâhil çeşitli sektörleri kapsıyor. Coimbra, 3–4 Aralık 2026’da Paris’teki Grand Palais’de düzenlenecek Adopt AI Summit öncesinde işletmelerin pilot uygulamaların ötesine nasıl geçebileceğini, insanları ve yapay zekâ ajanlarını bir araya getiren ekipleri nasıl kurabileceğini ve yapay zekânın üretimdeki değerini nasıl ölçebileceğini anlatıyor.

Kariyeriniz sizi Accenture’da iş stratejisi alanında çalışmaktan, Artefact’ta Amerika kıtası genelinde yapay zekâ, veri bilimi ve mühendislik ekiplerine liderlik etmeye taşıdı. Stratejik danışmanlık ile uygulamalı teknik liderliğin bu birleşimi, işletmelerin yapay zekâ yatırımlarını ölçülebilir iş sonuçlarına dönüştürmelerine yardımcı olma yaklaşımınızı nasıl şekillendirdi?

Bana yapay zekâ stratejisini her zaman uygulamayla ilişkilendirmeyi öğretti. Bain ve Accenture’daki strateji deneyimim, yöneticilerin kâr-zarar tablosundaki bir kalemde değişim sağlayacak dönüşümlere yatırım yaptığını gösterdi. Mühendislik ise bu değerin önemli bir bölümünün sunum slaytları ile üretim ortamı arasında kaybolabileceğini öğretti.

Bugün yapay zekâ, teknolojiden çok temel iş operasyonlarınız çevresinde bir rekabet avantajı oluşturmakla ilgili. Temel soru, bireysel verimliliğin şirket genelinde gerçek bir ortak bilişsel kapasiteyle kurumsal ölçekte ortak değere nasıl dönüştürüleceği.

Bunun için stratejiyle uygulamanın birleşmesi gerekiyor; ikisini de yaparak bu konuda çok şey öğrendim.

Yapay zekâya önemli yatırımlar yapılmasına rağmen birçok kuruluş, başarılı pilot projelerin ötesine geçmekte hâlâ zorlanıyor. Deneyiminize göre kurumsal yapay zekâ girişimlerinin üretim ortamına geçmesini engelleyen en yaygın sorunlar neler ve uygulamalarını başarıyla ölçeklendiren şirketleri diğerlerinden ayıran özellikler neler?

Deneyimlerime göre birçok pilot uygulama, yalnızca insanlar için tasarlanmış bir kuruluşa yapay zekâ eklenmesi nedeniyle çıkmaza giriyor. Teknoloji çoğunlukla işe yarıyor. Ancak iş bölümünün nasıl yapılacağı genellikle hâlâ belirsiz: Hangi görevleri ajanlar üstlenecek, hangileri insanlarda kalacak, kim inceleyecek ve sonuçtan kim sorumlu olacak?

Bunlara ek olarak, ölçeklendirmeyi yavaşlatan üç ihtiyaç öne çıkıyor: kullanıma dayalı fiyatlandırmayla kullanım arttıkça hızla yükselen token maliyetleri, güvenlik ve yönetişim ile erişimin hiçbir zaman gerçek kullanıma dönüşmemesi.

Başarılı biçimde ölçeklendiklerini gördüğüm şirketler, yapay zekâyı kurumsal yapının yeniden tasarlanması olarak ele alıyor. Uygulamayı iki döngüye ayırıyorlar. İç döngüde ajanlar baştan sona çalışıyor: kod yazıyor, derliyor, test ediyor, gönderiyor ve gözden geçiriyor. Dış döngüde insanlar amacı belirliyor, sonucu doğruluyor, maliyet ve kaliteyi izliyor. Ardından altta tek bir platform kurup bunu her kullanım senaryosunda yeniden kullanıyorlar.

Mevcut sistemlere yalnızca sohbet botları ve yardımcı pilotlar eklemek yerine yapay zekâ odaklı bir kuruluş kurmanın öneminden söz ettiniz. Bu dönüşümü desteklemek için kurumsal teknoloji mimarisinde hangi temel değişiklikler gerekiyor ve işletmeler bugün hangi alanlara yeterince yatırım yapmıyor?

Yapay zekâ odaklı bir şirket bir platform üzerinde çalışır ve bu platform dört katmanın birleşiminden oluşur: Çalışma Çerçevesi, Bağlam, Model ve Altyapı. Çalışma Çerçevesi, insanların ve ajanların buluşup birlikte çalıştığı, modelin çevresindeki tüm uygulamadır. Bağlam, ajanların neleri bildiğini ve hangi yetkilere sahip olduğunu belirler. Model katmanı, modellere doğru maliyetle nasıl erişildiğini, modellerin nasıl yönlendirildiğini ve yönetildiğini kapsar. Altyapı ise modellerin gerçekte nerede çalıştığını ve erişim anahtarlarının kimde olduğunu belirler.

Doğal olarak ilginin çoğu, görünür olan yüzde 20’lik kısma, yani yardımcı pilotlara ve sohbet araçlarına yöneliyor. Mühendislik çalışmalarının çoğunun yürütüldüğü, maliyet, güvenlik ve denetimin belirlendiği gizli yüzde 80’lik kısım ise arka planda kalıyor.

Önerim basit: Genel amaçlı çalışma çerçevelerini satın alın, sektöre özgü olanları ise kendiniz geliştirin. Modelleri ve altyapıyı kiralayıp üzerlerinde denemeler yapın; çünkü her çeyrekte değişiyorlar. Bağlam katmanının tamamına ise kendiniz sahip olun. Gerçekten size ait olan ve daha fazla yatırım yapma konusunda en büyük fırsatı gördüğüm katman bu.

Yapay zekâ, çalışanlara yardımcı olmaktan karmaşık iş akışlarını özerk biçimde yürütmeye doğru ilerlerken kuruluşlar hangi süreçlerin ajanlar aracılığıyla otomasyona uygun olduğuna nasıl karar vermeli? Yapay zekâ ajanlarına daha geniş karar yetkisi verilmeden önce hangi teknik ve operasyonel güvenlik önlemleri oluşturulmalı?

Benim görüşüme göre ajanlar geçmişe dönük işlerde, insanlar ise geleceğe yönelik işlerde çok başarılı. Ajanlar; analiz, kodlama, test, belgeleme ve mutabakat gibi mevcut bilgilere dayanan işlerde öne çıkıyor. Yaratıcılık gerektiren işlerin sorumluluğunu ise insanlar üstleniyor; çünkü yaratıcılık tanımı gereği geleceğe dönüktür: zevk, vizyon, planlama, karar verme ve bir sonucun gerçekten iyi olup olmadığını değerlendirme.

Uygulamada bu, iki döngüye karşılık geliyor. Ajanlar iç döngüyü yürütüp işleri tamamlıyor. İnsanlar ise dış döngüyü, yani amacı belirleme, doğrulama ve izleme süreçlerini üstleniyor.

Güvenlik önlemleri istemlerle değil, mühendislik yoluyla oluşturulur. Görevlerin kaydedilmesi, bellek, yalıtılmış çalışma zamanı ve izinler içeren güvenli bir çalışma alanı, kontrol noktaları ve açıklama istemleri bulunan bir döngü, model yönlendirme ve bir ajanın tek başına yapamayacaklarını tanımlayan; insan onayları, politika kontrolleri ve PII denetimleri gibi koruyucu önlemlerden oluşan 6 katmanlı bir çerçeve kullanıyoruz. Özerklik de tıpkı yeni işe alınan bir çalışanda olduğu gibi, zaman içindeki performansa bağlı olarak artıyor.

Yapay zekâ ajanlarını geleneksel yazılım araçlarından ziyade ekip arkadaşları olarak tanımladınız. Bu bakış açısı, kuruluşların ekiplerini yapılandırma, sorumlulukları dağıtma ve çalışanları giderek daha özerk hâle gelen yapay zekâ sistemleriyle iş birliği yapacak şekilde eğitme biçimlerini nasıl değiştirmeli?

Hibrit organizasyon düzenine çoktan geçtik. Şu anda en önemli bulduğum soru, iş gücünün insanlar ve ajanlar arasında nasıl bölüştürüleceği. Ölçeği büyütmenin anahtarının bu olduğuna inanıyorum.

Hibrit bir ekipte organizasyon şeması, çalışan sayısını değil bilişsel kapasiteyi dağıtır. Olgun bir teknoloji ekibinde gördüğüm tipik dağılım şöyle: işlerin %15’i yalnızca insanlar tarafından, %25’i insanları destekleyen sistemlerle, %60’ı ise ajanlar tarafından yürütülür. BT Başkanı hedefleri belirler, kapasiteyi dağıtır; sonuçların ve maliyetin sorumluluğunu üstlenir. Kıdemli bir yazılım geliştirici, ajanların teslim ettiği işleri doğrular ve mimariye ilişkin kararları verir. Bir orkestratör ajan görevleri yönlendirip maliyetleri raporlar; bir inceleme ajanı da her teslimatı kontrol eder.

Kazanımlar 3 adımda katlanarak artar. Desteklenen çalışanlar yaklaşık 5 kat daha fazla iş çıkarır. Uçtan uca işler yapan sentetik çalışanlar olarak ajanlar yaklaşık 10 kat daha fazla iş çıkarır. İkisini tek bir iş gücü olarak koordine etmenin ise 1000 katlık bir potansiyel taşıdığına inanıyorum.

Eğitim de aynı mantığı izler. İnsanlar, yapılandırılmış bağlam ve net hedefler sunarak bir ajana kıdemsiz bir mühendise iş verir gibi görev vermeyi; zamanlarını ise muhakeme, planlama ve karar alma süreçlerine ayırmayı öğrenir.

Kurumsal yapay zekâ sistemleri güvenilir veri altyapısına büyük ölçüde bağlı olsa da pek çok kuruluş parçalı veriler, tutarsız yönetişim ve eski teknolojiyle mücadele etmeyi sürdürüyor. İşletmeler, veri platformlarını ajan tabanlı yapay zekâya hazırlarken hangi temel yetkinliklere öncelik vermeli ve mevcut operasyonları aksatmadan nasıl modernleşebilir?

Veri platformunuzu yeni bir kullanıcı türü olan ajanlara göre tasarlayın. Yanlış bir sayı içeren gösterge panelini bir insan sorgular. Yanlış bir sayıya dayanan ajan ise geniş ölçekte harekete geçer.

4 yetkinliğe öncelik verin. Her ajanın ve ekibin “aktif müşteri” ifadesinden aynı şeyi anlamasını sağlayan ortak iş tanımları. Ajanların, adına hareket ettikleri rolün izinleriyle verilere erişmesini sağlayan, kimlik doğrulama ve MCP gibi standart protokoller kullanan bir entegrasyon ağ geçidi. Gözlemlenebilir kalite ve veri kökeni. Ayrıca sözleşmeler, destek talepleri ve toplantı notları gerçek bilgilerin çoğunu barındırdığı için yapılandırılmamış verilerin de birinci sınıf bir varlık olarak ele alınması.

Operasyonları aksatmadan modernleşmek için önce eski sistemleri bir katmanla çevreleyin, ardından kullanım senaryolarını tek tek taşıyın. Ajanlar bu alandaki maliyet dinamiklerini de değiştiriyor. Çok ajanlı geçiş süreçleri artık yüz binlerce satır eski kodu aylar içinde modernize edebiliyor; mimari kararları ise insanlar veriyor.

Yapılandırılmış verilere erişimin yanı sıra yapay zekâ ajanlarının kurumsal bilgiyi, iş süreçlerini ve organizasyonel bağlamı anlaması da giderek daha fazla önem kazanıyor. Kurumlar bu bilgiyi yapay zekâ sistemlerine nasıl etkili biçimde aktarabilir ve entegre edebilir? Ajanlar yeterli iş bağlamı olmadan çalıştığında ne gibi riskler ortaya çıkar?

Bağlam, bir modeli ekip arkadaşına dönüştürür. Araçlar görevleri, ajanlar ise bağlamı anlar. Bir kıdemsiz mühendisten hedefi, kısıtları ve iyi bir sonucun nasıl göründüğünü açıklamadan çalışmasını istemezsiniz; ajanlar için de durum farklı değildir.

Güncel tutması zor, kapsamlı dokümantasyon projelerine bel bağlamak yerine bilgiyi doğrudan işin kendisinden edinin. Her toplantı, destek talebi, karar ve düzeltme; dosyaları, tabloları, vektörleri ve ilişkiler grafiğini bir araya getiren bir bağlam katmanına katkı sağlar. Tamamlanan her görev belleğe geri yazılır; böylece kuruluş her teslimatla öğrenir. Bağlamın da kendine özgü bir yönetişime ihtiyacı vardır: değerlendirmeler, izinler ve maliyet kontrolü.

Bağlam olmadığında ajanlar birkaç öngörülebilir konuda zorlanır. Yazılı kurala uyup herkesin bildiği yazılı olmayan kuralı gözden kaçırırlar. Yanlış bilgiyi bulup tam bir özgüvenle yanıt verirler. Geçen çeyreğe ait bilgilerle çalışırlar. Ayrıca sıkı izin kontrolleri bulunmayan bir bağlam katmanı, hassas verileri riske atabilir.

Birçok şirket yapay zekâ başarısını verimlilik artışı, benimsenme oranları veya başlatılan pilot projelerin sayısıyla ölçüyor. Özellikle altyapı maliyetlerini, devam eden bakımı ve özerk ajanların operasyonel karmaşıklığını hesaba kattıklarında, bilgi teknolojileri yöneticileri ve iş liderleri gerçek yatırım getirisini değerlendirmek için hangi ölçütleri kullanmalı?

Araçları değil, hibrit iş gücünü ölçün. Benimsenme, kullanıma geçişten önce belirlenen bir başlangıç düzeyine göre her zaman ölçülen 4 seviyenin ilkidir. Benimsenme, insanların aracı kullanıp kullanmadığını sorgular. Verimlilik, işleri daha hızlı tamamlayıp tamamlamadığımızı ölçer: teslim süresi, iş hacmi, çözüm süresi. Kalite, çıktının daha iyi olup olmadığını sorgular: üretime yansıyan kusurlar, değişikliklerin başarısızlık oranı, yeniden işleme. Değer ve maliyet ise buna değip değmediğini ölçer: boşa çıkan emek, pazara sunma süresi, görev başına toplam maliyet.

Gözden kaçması kolay ölçütlerden biri, bilişsel kapasitenin insanlar ve ajanlar arasında ekip ekip nasıl dağıldığıdır. İnsanların kazandığı kapasite, amaçlı biçimde geleceğe dönük işlere yeniden yönlendirilmelidir. Aksi hâlde kazanımın bir kısmı kaybolur.

Maliyet tarafında fiyatlandırma sabit ücretlerden kullanıma dayalı modele kayıyor. Bu da faturaların öngörülmesini zorlaştırabiliyor; bu nedenle model yönlendirme ve FinOps, ilk günden itibaren platformun parçası olmalı. Yapay zekâ harcamalarını bulut harcamaları gibi ele alın: görünür olsun, ilgili ekibe atfedilsin ve değerle ilişkilendirilsin.

Artefact; finansal hizmetler, sağlık, imalat, perakende ve yapay zekânın benimsenmesinin farklı zorluklar yarattığı diğer sektörlerdeki büyük kuruluşlarla çalışıyor. Bu sektörlerdeki gerçek dünya uygulamalarından hangi dersler çıkıyor ve kuruluşlar inovasyonu mevzuata uyum, güvenilirlik ve insan denetimiyle nasıl dengelemeli?

Her sektör aynı soruyla karşı karşıya: İş, insanlar ve ajanlar arasında nasıl paylaştırılmalı? Değişen, iş akışının dış döngüsünün ne kadarının insanlarda kalması gerektiği. Perakende ve tüketim ürünleri sektörlerinde hataların maliyeti düşük olduğundan ajanlar daha fazla işi daha hızlı üstleniyor. İmalatta tempoyu güvenilirlik ve operasyonel sistemlerle entegrasyon belirliyor. Finansal hizmetler ve sağlık sektörlerinde her kararın açıklanabilir olması gerektiğinden, doğrulama ve karar verme süreçlerinin daha büyük bir bölümü daha uzun süre insanların sorumluluğunda kalıyor.

Her yerde gördüğüm ders şu: Uyum, en iyi şekilde en baştan platformun bir özelliği olarak tasarlandığında işler. Koruyucu önlemler, denetim kayıtları ve insan onayları ajan altyapısına yerleştirildiğinde, bunlar her yeni kullanım senaryosuna da aktarılır. Uyum konusu ancak en sonda ele alınırsa her yeni projede bu konuşmayı baştan yapmak gerekir.

Denetim kademeli olmalı. Ajanlar düşük riskli görevlerde bağımsız hareket etmeli, orta riskli görevlerde istisnai durumlarda incelemeye tabi tutulmalı, yüksek riskli görevlerdeyse yalnızca karar hazırlığı yapmalı. Güven kazanıldıkça bu kademeler değişir.

Artefact’ın Adopt AI Summit etkinliği bu aralık ayında Paris’te düzenlenirken yapay zekâ egemenliği, yönetişim ve sanayi rekabet gücü üzerine tartışmalar giderek önem kazanıyor. Avrupa’nın yapay zekâ benimseme yaklaşımının küresel kurumsal stratejileri nasıl etkileyeceğini düşünüyorsunuz ve önümüzdeki yıllarda kurumsal yapay zekânın bir sonraki aşamasını hangi gelişmelerin belirleyeceğine inanıyorsunuz?

Avrupa, egemenlik sorusunu gündeme getiren ilk bölgelerden biriydi ve bence bu yaklaşım küresel bir tasarım ilkesine dönüşüyor. Çok uluslu şirketler her düzenleme için ayrı bir mimari istemiyor; bu nedenle en katı düzenlemeyi esas alarak tasarım yapıyorlar: bağlamınızın sahibi olun, modellerinizi kiralayın ve bunların nerede çalıştırılacağı ile anahtarları kimin elinde tutacağı üzerindeki kontrolü koruyun. Avrupa için bir sonraki fırsat, benimseme konusunda da aynı enerjiyi ortaya koymak; çünkü rekabet gücü, teknolojinin geniş ölçekte kullanılmasından doğacak.

Bir sonraki aşama hibrit organizasyon ve bence işin geleceği de bu. Şirketler çalışan sayısını hesaplamaktan, insanlar ve ajanlar arasında paylaşılan bilişsel kapasiteyi yönetmeye geçecek. Ajanlar geçmişe dönük işlerin çoğunu üstlenecek: analiz, kod yazma ve raporlama. İnsanlar ise geleceğe dönük işlere yönelecek: beğeni, vizyon, planlama ve kararlar.

İş bölümünü ilk çözen şirketlerin öncülük edeceğine inanıyorum. Önümüzdeki yıllara yön vermek için Paris’te yapmak istediğim konuşma da bu.

Harika röportaj için teşekkürler. Kurumsal yapay zekânın benimsenmesi, ajan tabanlı iş akışları ve veri dönüşümü hakkında daha fazla bilgi edinmek isteyen okuyucular Artefact‘ı ziyaret edebilir.