# İstanbul’un finans, sağlık ve ticaret verisi üzerinde çalışan yapay zeka sistemleri. > İstanbul’daki finans, sağlık, otomotiv, lojistik ve e-ticaret şirketleri için yapay zeka: veri hazırlığı, model, RAG, değerlendirme ve izleme. Source: https://www.algofact.tech/tr/locations/istanbul/ai-ml Language: tr-TR Updated: 2026-10-26 Languages: tr-TR ALGOFACT, İstanbul’daki finans, sağlık, otomotiv tedarik, lojistik ve e-ticaret şirketleri için makine öğrenmesi modelleri, belge ve bilgi asistanları (RAG), görüntü işleme ve yapay zeka ajanları geliştirir. Modeller bulutta, şirket içinde veya hibrit çalışabilir; işler Adana ve Ankara TEKMER’deki mühendislik ofislerimizden yürür, şehirde bir ofisimiz bulunmaz ve yerinde ihtiyaçlar keşif görüşmesinde planlanır. ## Key facts - **İstanbul yapay zeka pazarı tahmini (2024):** 500 milyon dolar [1] - **En yaygın kullanım:** Finans, otomotiv ve sağlık [1] - **İSTKA Yapay Zeka Teknolojileri programı (2025):** 200 milyon TL toplam kaynak [2] - **Model barındırma:** Bulut, şirket içi veya hibrit - **Araçlar:** PyTorch, MLflow, PostgreSQL ## İSTKA’nın yapay zeka raporundan çıkan tablo İstanbul Kalkınma Ajansı’nın 2024 tarihli ekosistem raporu, İstanbul’daki yapay zeka pazarını 2024 için yaklaşık 500 milyon dolar olarak tahmin eder ve bunu Türkiye pazarının yaklaşık yüzde 80’i olarak değerlendirir. Rapora göre şehirde yapay zekanın en yaygın kullanıldığı sektörler finans, otomotiv ve sağlıktır; lojistik, üretim, perakende ve e-ticaret onları izler. Gerekçe olarak yoğun veri kullanımı, risk analizi ihtiyacı ve süreç otomasyonu sayılır. Bizim için bu, İstanbul’da yapay zeka sorusunun ‘yapalım mı’ değil ‘hangi süreçte, hangi veriyle ve hangi riskle’ olduğu anlamına gelir. Keşif görüşmesinde önce iş sorusunu ve başarının nasıl ölçüleceğini yazarız; model seçimi bundan sonra gelir. ## Sektörlere göre tipik İstanbul projeleri Aşağıdakiler başlangıç noktalarıdır; her proje gerçek örneklerden oluşan bir değerlendirme setiyle sınanır. ### Finans: belge ve başvuru işleme Kredi, sigorta veya üye işyeri başvurularındaki belgeleri okuyan, eksik bilgiyi işaretleyen ve kararı insana bırakan modeller. Link: https://www.algofact.tech/tr/services/ai-ml/custom-ai-models ### Sağlık: kaynaklı bilgi asistanı Hastane protokolleri ve iç dokümanlar üzerinde, her yanıtı kaynağıyla veren RAG asistanları; hasta verisi ortamınızdan çıkmaz. Link: https://www.algofact.tech/tr/services/ai-ml/chatbot-rag ### Otomotiv tedarik ve üretim: görsel kalite Parça yüzeyindeki çizik, çapak veya montaj hatasını hat üzerinde tespit eden görüntü işleme modelleri. Link: https://www.algofact.tech/tr/services/ai-ml/computer-vision ### E-ticaret ve lojistik: talep ve operasyon Talep tahmini, ürün kataloğunun zenginleştirilmesi ve sipariş istisnalarını sistemler arasında yürüten yapay zeka ajanları. Link: https://www.algofact.tech/tr/services/ai-ml/ai-agents ### Veri platformu ve MLOps Modellerin beslendiği veri hatları, model kaydı (MLflow), izleme ve yeniden eğitim düzeni. Link: https://www.algofact.tech/tr/services/ai-ml/data-platform-mlops Her projede aynı disiplin geçerlidir: geçmiş vakalardan gerçek örnekler toplanır, modelin her sürümü bu set üzerinde ölçülür ve sınırlı bir kullanıcı grubuyla pilot yapılır. Pilotun sonunda hata türleri ve iş sonucuna etkisi birlikte incelenir; sonuç beklentiyi karşılamıyorsa proje bu noktada durdurulabilir. Gördüğümüz kadarıyla büyük şirketlerde veri boldur ama çoğu zaman farklı sistemlere dağılmıştır; bu yüzden ilk iş genellikle veriyi tek bir yerde ve güvenilir biçimde toplamaktır. ## Veri nerede kalmalı? İstanbul’daki müşterilerimizin ilk sorusu çoğu zaman budur. Bankalar için BDDK’nın bilgi sistemleri yönetmeliği birincil ve ikincil sistemlerin yurt içinde bulunmasını zorunlu tutar; bu durumda model ve veri hattı yurt içi altyapıda veya şirket içinde kurulur. Kişisel veri içeren her projede Kişisel Verileri Koruma Kurumu’nun üretken yapay zeka rehberindeki ilkeler, veri minimizasyonu ve saklama süresi tasarım aşamasında ele alınır. Verinin ortamınızdan çıkmaması gerekiyorsa açık kaynak modelleri kendi sunucunuzda çalıştırırız; ticari bir model API’si ancak veri işleme koşulları uygun olduğunda kullanılır. Hangi seçeneğin yeterli doğruluğu verdiğine değerlendirme setindeki sonuçlarla karar verilir. ## Destek programları hakkında doğru beklenti > İSTKA’nın 2025 Yapay Zeka Teknolojileri Mali Destek Programı için 200 milyon TL kaynak ayrılmıştı; programın öncelikleri arasında sanayide ve kamu kurumlarında yapay zeka kullanımı vardı. Bu programa şirketler değil; kamu kurumları, belediyeler, odalar, OSB’ler, üniversiteler ve sivil toplum kuruluşları başvurabiliyordu. Şirketler için TÜBİTAK 1507 gibi Ar-Ge programları değerlendirilebilir. Hiçbir programda uygunluk sözü vermeyiz; başvurunun teknik bölümünü netleştirmenize yardımcı oluruz. - [İstanbul](https://www.algofact.tech/tr/locations/istanbul): İstanbul’daki ekiplere sunduğumuz hizmetler. - [Yapay Zeka, ML ve Veri](https://www.algofact.tech/tr/services/ai-ml): Yapay zeka hizmetlerimizin tamamı. - [Yapay zeka danışmanlığı](https://www.algofact.tech/tr/services/technology-assessment/ai-consulting): Hangi süreçte yapay zeka kullanılacağına karar vermek için. ## İstanbul’da yapay zeka yatırımı öncesi sorulanlar ### Bankayız; modeli yurt dışındaki bir API’ye bağlayabilir miyiz? Bu, işlenecek verinin niteliğine ve bağlı olduğunuz mevzuata bağlıdır. Müşteri sırrı veya birincil sistem kapsamındaki veri söz konusuysa modelin yurt içinde veya şirket içinde çalışması gerekir. Hukuk ve bilgi güvenliği ekiplerinizle birlikte veri sınıflandırmasını yapmadan model seçimine geçmeyiz. ### Elimizdeki veri yapay zeka projesi için yeterli mi? Bunu ilk iki haftada küçük bir veri incelemesiyle görürüz: kaç örnek var, etiketler güvenilir mi, ölçmek istediğiniz sonuç kayıtlı mı. Yeterli değilse önce veri toplama veya etiketleme planı öneririz. ### Üretken yapay zeka asistanı yanlış bilgi verirse ne olur? Asistanı yalnızca sizin dokümanlarınızdan ve kaynak göstererek yanıt verecek şekilde kurarız. Gerçek sorulardan oluşan bir değerlendirme seti her sürümde çalıştırılır; emin olmadığı sorularda yanıt yerine yönlendirme yapar. ### İSTKA’nın yapay zeka programına şirket olarak başvurabilir miyiz? 2025 çağrısında uygun başvuru sahipleri kamu kurumları, belediyeler, odalar, OSB’ler, üniversiteler ve sivil toplum kuruluşlarıydı. Bu kurumların projelerinde hizmet sağlayıcı olarak yer almak mümkün olabilir; şirketiniz için TÜBİTAK veya KOSGEB programlarına bakmak daha doğrudur. ### Model canlıya çıktıktan sonra performansını kim izler? Teslimde izleme panoları, uyarı kuralları ve yeniden eğitim runbook’u kurulur. Ekibiniz devralabilir veya ilk sürümden sonra gömülü ekip olarak izlemeye ve geliştirmeye devam edebiliriz. ## Related - [İstanbul](https://www.algofact.tech/tr/locations/istanbul) - [Yapay Zeka, ML ve Veri](https://www.algofact.tech/tr/services/ai-ml) - [Sohbet asistanı ve RAG](https://www.algofact.tech/tr/services/ai-ml/chatbot-rag) - [HealthTech](https://www.algofact.tech/tr/industries/healthtech) - [Keşif görüşmesi](https://www.algofact.tech/tr/contact) ## Sources 1. [İstanbul’da Yapay Zeka Ekosistemi 2024: Mevcut Durum ve Beklentiler](https://www.istka.org.tr/Archive/Content/1be615e263aa0437a9f69a9eef7f8f479c107101.pdf), İstanbul Kalkınma Ajansı 2. [2025 Yılı Yapay Zeka Teknolojileri Mali Destek Programı Başvuru Rehberi](https://www.istka.org.tr/Archive/Content/345bc8ef75ea146c6380b996b1627e4122a23617.pdf), İstanbul Kalkınma Ajansı 3. [Bankaların Bilgi Sistemleri ve Elektronik Bankacılık Hizmetleri Hakkında Yönetmelik (Resmî Gazete, 15.03.2020, Sayı 31069)](https://www.resmigazete.gov.tr/eskiler/2020/03/20200315-10.htm), Bankacılık Düzenleme ve Denetleme Kurumu 4. [Rehberler: Üretken Yapay Zeka ve Kişisel Verilerin Korunması Rehberi](https://www.kvkk.gov.tr/Icerik/2030/rehberler), Kişisel Verileri Koruma Kurumu 5. [1507 TÜBİTAK KOBİ Ar-Ge Başlangıç Destek Programı](https://tubitak.gov.tr/tr/destekler/sanayi/ulusal-destek-programlari/1507-tubitak-kobi-ar-ge-baslangic-destek-programi), TÜBİTAK