“Bir AI agent projesi ne kadar tutar?” sorusunun dürüst cevabı, “neye bağlı olduğunu bilmeden verilen her rakam yanıltıcıdır” olur. Ajan projelerinde maliyet, yazılım lisansı gibi tek bir kalem değildir; bir kez ödenen geliştirme gideri ile sistem çalıştığı sürece devam eden işletme giderinin toplamıdır ve ikisi farklı değişkenlere bağlıdır. Bu yazıda sayı vermek yerine maliyeti oluşturan kalemleri, her kalemi neyin büyüttüğünü ve prototip-pilot-üretim aşamalarına göre bütçenin nasıl kurgulanması gerektiğini anlatıyoruz. Amaç, teklif aldığınızda neyi neyle karşılaştıracağınızı bilmenizdir.
| Kalem | Ne zaman ödenir | Neye bağlı | Tipik ağırlık |
|---|---|---|---|
| Geliştirme | Bir kez (aşamalı) | Entegrasyon sayısı, otonomi düzeyi, veri hazırlığı | İlk yılın en büyük kalemi |
| LLM kullanımı (token) | Sürekli | İşlem hacmi, görev başına adım sayısı, model seçimi | Hacimle doğru orantılı |
| Altyapı | Sürekli | Bulut mu on-premise mi, veri hacmi, izleme araçları | On-premise’de belirgin, bulutta düşük |
| Bakım ve iyileştirme | Sürekli | Bağlı sistemlerin değişim sıklığı, model güncellemeleri | Geliştirmenin yıllık bir oranı |
Teklif karşılaştırırken bu dört kalemin ayrı ayrı gösterilmesini isteyin. Yalnızca geliştirme bedelini gösteren bir teklif, sürekli maliyeti gizliyor olabilir; yalnızca aylık ücret gösteren bir teklif ise sistemin size ait olup olmadığı sorusunu açık bırakır.
Geliştirme eforunu belirleyen üç değişken var; model seçimi bunların arasında değildir.
Ajan projelerinde eforun en büyük kısmı, ajanın kullanacağı araçların mevcut sistemlere bağlanmasına gider. İyi dokümante edilmiş bir API’ye bağlanmak günler, API’si olmayan eski bir ERP’ye veritabanı ya da dosya üzerinden bağlanmak haftalar sürebilir. Logo, Netsis, SAP, Salesforce, Trendyol ve Hepsiburada gibi sistemlerle önceden deneyimi olan bir ekip bu süreyi kısaltır. Entegrasyonların MCP standardıyla kurulması ise ikinci ve sonraki ajan projelerinin maliyetini belirgin biçimde düşürür; bir kez yazılan sunucu tüm ajanlar tarafından kullanılır.
Taslak hazırlayıp insana sunan bir asistan ajan ile sınırlar içinde kendi başına işlem yapan otonom ajan arasındaki fark, model farkı değil, guardrail, onay kapısı, geri alma prosedürü ve denetim izi tasarımı farkıdır. Otonomi arttıkça güvenlik ve test eforu artar. Bu yüzden “önce asistan, sonra otonom” yaklaşımı yalnızca risk değil, bütçe yönetimidir de.
Ajanın dayanacağı bilgi (fiyat listeleri, politika dokümanları, geçmiş kayıtlar) dağınık, güncel olmayan ya da dijital değilse, projenin başında bir veri düzenleme eforu gerekir. RAG altyapısı kurmak teknik olarak hızlıdır; içine konacak dokümanları temizlemek genellikle daha uzun sürer.
Bulut LLM’ler token başına ücretlendirilir; girdi ve çıktı tokenları genellikle farklı fiyatlanır. Bir ajan için aylık token maliyeti kabaca şu çarpımdır:
aylık işlem sayısı × işlem başına ortalama adım sayısı × adım başına ortalama token × token birim fiyatı
Bu formülde kontrol edebileceğiniz üç kaldıraç var:
Pilot aşamasının görevlerinden biri, işlem başına gerçek token tüketimini ölçmektir. Üretim bütçesi bu ölçüme dayanmalı, tahmine değil.
Bulut LLM kullanan bir ajanın altyapı maliyeti görece düşüktür: ajan uygulamasını çalıştıran sunucu, veritabanı, vektör indeksi ve izleme araçları. On-premise LLM tercih edildiğinde ise tablo değişir: modeli çalıştıracak GPU donanımı ya da kiralık GPU sunucusu, bunun işletilmesi ve model güncellemeleri eklenir.
Karar genellikle KVKK ve veri hassasiyetiyle verilir, maliyetle değil; ancak maliyet mantığı şöyledir: on-premise’de sabit gider yüksek, işlem başına marjinal maliyet düşüktür. Dolayısıyla işlem hacmi büyüdükçe on-premise görece avantajlı hâle gelir; düşük hacimde bulut daha ekonomiktir. Hacmi bilmeden bu karşılaştırmayı yapmak mümkün değildir; bu da yine pilot ölçümüne döner.
Ajan canlıya alındıktan sonra üç nedenle sürekli efor gerektirir:
Bakımı yıllık olarak geliştirme bedelinin bir oranı biçiminde bütçelemek yaygın ve makul bir yaklaşımdır. Sistemin ekibinize devredilebilir biçimde kurulması (dokümantasyon, izleme panelleri, eğitim) bu oranı düşürür ve tedarikçiye bağımlılığı azaltır.
Ajan projelerinde bütçeyi tek seferde ve tamamını baştan taahhüt etmek, en pahalı hatadır; çünkü en kritik bilgi (yaklaşımın gerçekten işe yarayıp yaramadığı) henüz yoktur. Aşamalı bütçeleme bu belirsizliği yönetir:
Sabit kapsam, sabit bedel. Gerçek verinizle, gerçek sistemlerinizin test ortamında çalışan bir ajan. Çıktı: yaklaşımın işe yarayıp yaramadığına dair kanıt, entegrasyon zorluklarının gerçek ölçüsü ve ilk token tüketim verisi. Bu aşamanın bedeli toplam projenin küçük bir kısmıdır ve beğenmezseniz orada durursunuz.
Ajan gerçek işin bir dilimini üstlenir; her karar loglanır. Ölçülenler: doğruluk, insan müdahale oranı, süre kazancı, işlem başına token maliyeti. Bu aşamanın bütçesi prototip sonuçlarına göre netleşir. Çıktı: üretim bütçesini dayandıracağınız gerçek sayılar.
İzleme, uyarı mekanizmaları, geri alma prosedürleri, ekip eğitimi ve dokümantasyon. Sürekli maliyetler (token, altyapı, bakım) artık ölçülmüş verilere dayanarak yıllık bütçeye yazılır. Toplam süre tipik olarak 2-3 aydır.
Bu kurgunun bütçe açısından değeri şudur: en büyük taahhüt, en çok bilginin olduğu anda verilir. Yol haritasının ayrıntısı için yapay zeka projesi nasıl başlatılır rehberimize bakabilirsiniz.
Maliyet sorusunun bir de “hiç geliştirme yapmamak” cevabı var. Pazaryeri fiyat yönetimi, teklif hazırlama ve haber izleme gibi yaygın süreçler için hazır ajan ürünleri, geliştirme bedeli olmadan abonelik mantığıyla kullanılabilir: SellBox, Teklif Robotu ve NewsTracker bu kategoridedir. Süreciniz standartsa hazır ürün; kurumunuza özgü kurallar, sistemler ve veri varsa özel geliştirme; ikisinin arasıysa hazır ürünün kuruma uyarlanması doğru seçenektir. Üç seçeneğin karşılaştırması işletmeler için yapay zeka çözümleri sayfasında yer alıyor.
Maliyetin karşısına konacak getiri, çoğu ajan projesinde üç kalemden oluşur: sürecin bugün tükettiği insan saati, hata ve gecikmenin ölçülebilir maliyeti (kaçan buybox, geç verilen teklif, yanlış fatura) ve ölçeklenme kapasitesi (aynı ekiple daha fazla işlem). Bu üç kalemi proje başlamadan önce mevcut süreç üzerinde ölçmek, hem bütçe kararını hem de pilot başarı kriterini netleştirir. Ölçülmemiş bir süreç için yapılan getiri tahmini, maliyet tahmini kadar belirsizdir.
Prototip aşaması için net ve sabit bir bedel verilir. Üretim bedelinin baştan kesin verilmemesinin nedeni, entegrasyon zorluğu ve token tüketimi gibi en büyük maliyet belirleyicilerinin ancak prototip ve pilotta ölçülebilmesidir. Baştan verilen kesin üretim fiyatı, ya belirsizlik payı eklenmiş ya da sonradan değişecek bir rakamdır.
Sınır konmazsa evet; sonsuz döngüye giren bir ajan beklenmedik fatura üretebilir. Bu yüzden görev başına adım sınırı, günlük bütçe limiti ve anormal tüketim uyarısı orkestrasyon katmanına kodlanır. Pilot ölçümüne dayanan bir bütçe ve bu sınırlarla token maliyeti öngörülebilir hâle gelir.
Düşük hacimde genellikle evet, çünkü GPU altyapısı sabit giderdir. Yüksek hacimde işlem başına maliyet buluta göre düşebilir. Karar çoğunlukla KVKK ve veri hassasiyetine göre verilir; maliyet karşılaştırması pilot hacim verisiyle yapılmalıdır.
Bu sözleşme meselesidir ve teklifte açıkça yazılmalıdır. Özel geliştirmede kodun, entegrasyonların ve dokümantasyonun kuruma devredilmesini, ekibinizin sistemi işletebilecek eğitimi almasını talep edin. Biz projeleri bu şekilde teslim ediyoruz; bize bağımlı kalmanız gerekmez.
Otuz dakikalık bir görüşmede sürecinizi, bağlanacak sistemleri ve otonomi düzeyini netleştirip prototip aşaması için sabit kapsamlı bir teklif hazırlayalım. Taahhüt gerektirmez.
Ücretsiz keşif görüşmesi planlayın → Hizmet kapsamı için yapay zeka ajanları sayfamıza göz atabilirsiniz.
