Belediyelerde yapay zeka, vatandaş talebini okuyup doğru müdürlüğe yönlendiren, evrakı özetleyen, kamera ve sensör verisindeki olayı işaretleyen ve personelin rutin yazı işini hızlandıran yazılım bileşenlerinin belediye süreçlerine eklenmesidir. Karar yine personelde kalır; yapay zeka, kararın önündeki okuma, ayıklama ve sıralama yükünü azaltır.
Belediyelerde yapay zeka nedir, nerede işe yarar, nerede yaramaz?
Bir belediyeye her gün çok sayıda talep ulaşır: çağrı merkezi aramaları, web formları, WhatsApp mesajları, dilekçeler ve müdürlükler arası yazılar. Bunların büyük kısmı aynı soruların farklı cümlelerle sorulmasıdır: "Suyum ne zaman gelecek?", "Borcumu nasıl öderim?", "Sokağımdaki lamba yanmıyor." Her birini bir personelin okuyup sınıflandırması, asıl işi yapacak saatleri tüketir.
Yapay zekanın belediyede en iyi çalıştığı yer, çok sayıda, benzer ve metin, ses ya da görüntü biçiminde gelen işlerdir. Talep metnini okuyup konusunu ve ilgili müdürlüğü tahmin etmek, uzun bir yazışmayı bir paragrafa indirmek, kameradan gelen görüntüde dolmuş bir çöp konteynerini işaretlemek bu türden işlerdir. Kural açıkça yazılabilen işlerde ise yapay zekaya gerek yoktur; yapay zeka mı kural tabanlı otomasyon mu yazımız bu ayrımı netleştiriyor.
Yapay zekanın yeri olmayan alanlar da vardır. İmar kararı, sosyal yardım uygunluğu ya da ceza gibi vatandaşın hakkını doğrudan etkileyen kararlar model çıktısına bırakılmamalıdır. Bu işlerde yapay zeka en fazla dosyayı hazırlar ve eksik belgeyi gösterir; imzayı yetkili personel atar.
Bu yazı belediyelerde yapay zekaya odaklanır. Başvuru, belge, kent verisi ve saha akışlarını birleştiren genel çerçeve için belediye dijital dönüşüm rehberimize, sensör ve sayaç tarafı için akıllı şehir uygulamaları yazımıza bakabilirsiniz.
Yapay zekayı ertelemenin bedeli: dijital talep büyüyor, okuma yükü yerinde duruyor
Vatandaşın dijital kanal alışkanlığı artık kalıcı. e-Devlet Kapısı kurum istatistiklerine göre 31 Ağustos 2026 itibarıyla kapıda 555 belediye hizmet veriyor ve kayıtlı kullanıcı sayısı 69.529.013; aynı sayı 2023 sonunda 64.281.459'du. TÜİK'in 2025 Hanehalkı Bilişim Teknolojileri Kullanım Araştırması'na göre 16-74 yaş grubunda son bir yılda çevrim içi kamu hizmetlerinden yararlananların oranı %76,1 (Anadolu Ajansı'nın TÜİK araştırması haberi).
Dijital kanaldan gelen her talep, arkada hâlâ bir insanın okumasını bekliyorsa kuyruk yalnızca yer değiştirir. Yurt dışındaki yerel yönetimlerin açıkladığı sonuçlar, bu yükün ne kadarının azaltılabildiğini gösteriyor:
Buenos Aires şehir yönetiminin sohbet robotu Boti, kurumun açıkladığına göre ayda 2 milyondan fazla sorguyu insan müdahalesi olmadan yanıtlıyor; üretken yapay zeka entegrasyonundan sonra ekiplerin operasyonel yükü %50 azaldı. (Microsoft müşteri hikâyesi: Government of the City of Buenos Aires)
İç yazışma tarafında da benzer bir tablo var. Birleşik Krallık'taki Somerset Council'in açıkladığına göre Copilot kullanan çalışanların ortalama %87'si araçtan bir şekilde fayda gördüğünü söyledi ve bu, kullanıcı başına ayda 10 saatlik verimlilik kazancı olarak hesaplandı (Microsoft müşteri hikâyesi: Somerset Council). Bu rakam ölçülmüş bir verim artışı değil, çalışan anketine dayalı bir tahmindir; yine de toplantı notu ve yazışmanın belediye mesaisinde ne kadar yer tuttuğunu gösteriyor. Toplantı kaydından karar ve görev listesi çıkarmayı yapay zeka ile toplantı özeti yazımızda ele aldık.
Öte yandan acele de pahalıdır. RAND'ın 65 deneyimli veri bilimci ve mühendisle görüşmeye dayanan 2024 raporu, bazı tahminlere göre yapay zeka projelerinin %80'inden fazlasının başarısız olduğunu aktarıyor (RAND — The Root Causes of Failure for AI Projects). Kamuda yarım kalan bir proje hem bütçeyi hem de bir sonraki projeye duyulan güveni yakar; başarısızlığın tekrar eden nedenlerini yapay zeka projeleri neden başarısız olur yazımızda derledik.
Belediye yapay zeka uygulamaları: 6 kullanım alanı ve örnekleri
Aşağıdaki tablo, belediyelerde yapay zekanın en sık değer ürettiği altı alanı; kullandığı veriyi ve dikkat isteyen noktayı birlikte gösteriyor. Hepsi aynı olgunlukta değildir; ilk iki satır çoğu belediye için en düşük riskli başlangıçtır. Vatandaş talebi ve bilgilendirme satırlarındaki yaklaşımın misafir mesajlarındaki karşılığını otel ve turizmde yapay zeka yazısında anlattık.
| Alan | Örnek iş | Kullanılan veri | Teknoloji | Dikkat noktası |
|---|---|---|---|---|
| Vatandaş talebi | Talebi okuyup konu ve müdürlüğe yönlendirme | Form, mesaj, e-posta metni | Doğal dil işleme | Yanlış yönlendirmede geri alma yolu |
| Vatandaş bilgilendirme | Borç, randevu, kesinti sorularını yanıtlama | Mevzuat, duyuru, SSS | Sohbet robotu | Yanıtın yalnızca belediye kaynağından gelmesi |
| Çağrı merkezi | Görüşmeyi yazıya dökme, konu çıkarma | Ses kaydı | Türkçe ses tanıma | Kayıt aydınlatma metni |
| Evrak ve yazışma | Uzun dosyayı özetleme, eksik belgeyi gösterme | Dilekçe, EBYS kaydı | Dil modeli, OCR | Karar personelde kalır |
| Kent görüntüsü | Dolu konteyner, yol hasarı, park ihlali işaretleme | Sabit kamera, araç kamerası | Görüntü işleme | Yüz ve plaka verisi |
| Altyapı verisi | Anormal tüketim ve arıza örüntüsü bulma | Sayaç, pompa, sensör | Anomali tespiti | Sensör verisinin sürekliliği |
Vatandaş talebi ve bilgilendirme satırları, doğru kurulduğunda yükün en görünür biçimde azaldığı alandır. Kanal olarak WhatsApp tercih ediliyorsa WhatsApp chatbot rehberimiz kurulum kurallarını anlatıyor; yanıtların yalnızca belediyenin kendi belgelerinden üretilmesi için de RAG ile kurumsal dil modeli yaklaşımı kullanılır.
Çağrı merkezi ve evrak satırları iç verimlilikle ilgilidir. Türkçe görüşmelerin yazıya dökülmesini Türkçe ses tanıma yazımızda ayrıntılı ele aldık.
Kent görüntüsü tarafında en olgun uygulamalardan biri plaka tanıma sistemidir; altyapı verisinde ise su kayıp-kaçak analizi yapay zekanın sayaç verisiyle birleştiği somut bir örnek.
Belediyede yapay zeka projesi: 6 adımlı uygulama planı
Belediye projeleri bütçe yılı, ihale takvimi ve yönetim değişiklikleriyle sınırlıdır. Bu yüzden yapay zekayı tek büyük ihaleyle değil, her biri kendi başına ölçülebilen küçük adımlarla ilerletmek daha dayanıklıdır:
- Tek bir iş seçin. En çok hacim yaratan ve sonucu kolay ölçülen işi seçin; örneğin gelen taleplerin müdürlüklere dağıtılması. Bugünkü ortalama yönlendirme süresini ve yanlış yönlendirme oranını not edin.
- Veriyi toplayın ve temizleyin. Son 6-12 ayın talep kayıtlarını, verildikleri müdürlükle birlikte çıkarın. Kişisel verileri (TC kimlik no, telefon, adres) modele gitmeden maskeleyin.
- İnsan onaylı çalıştırın. İlk aşamada model yalnızca öneri yapar, personel onaylar ya da düzeltir. Her düzeltme, modelin nerede yanıldığını gösteren değerli bir kayıttır.
- Başarı ölçütünü baştan yazın. Doğruluk oranı, yönlendirme süresi ve personelin düzeltme sıklığı gibi göstergeler pilot başlamadan yazılı olmalıdır. Ölçülemeyen bir pilot, bir sonraki bütçede savunulamaz.
- Mevcut sistemlere bağlayın. Model, talebi yeni bir ekrana değil, belediyenin zaten kullandığı talep ya da EBYS sistemine yazmalıdır. Aksi hâlde personel iki sistem arasında kopyalama yapar.
- Şartnameye dönüştürün ve genişletin. Pilot hedefine ulaştıysa elde edilen kabul ölçütleriyle kapsamı genişletin. Teknik şartname hazırlama yazımız, 4734 sayılı Kamu İhale Kanunu'na tabi alımlarda ölçülebilir kabul kriterinin nasıl yazılacağını anlatıyor.
Bu sıralama, Gartner'ın üretken yapay zeka projelerinin en az %30'unun kötü veri kalitesi, yetersiz risk kontrolü, artan maliyet ya da belirsiz iş değeri nedeniyle 2025 sonuna kadar kavram kanıtlamadan (PoC) sonra terk edileceği öngörüsüne karşı da bir önlemdir (Gartner basın bülteni, 29 Temmuz 2024). Getiriyi hangi kalemlerle hesaplayacağınızı yapay zeka projesi ROI yazımızda açıkladık.
KVKK, şeffaflık ve insan kararı
6698 sayılı Kişisel Verilerin Korunması Kanunu (KVKK) belediyeleri de kapsar ve vatandaş talepleri neredeyse her zaman kişisel veri içerir. Kişisel Verileri Koruma Kurumu, Kasım 2025'te Üretken Yapay Zeka ve Kişisel Verilerin Korunması Rehberi'ni (15 Soruda) yayımladı. Hangi verinin modele gittiği, nerede işlendiği ve ne kadar saklandığı yazılı olmalıdır; ayrıntıları yapay zeka ve KVKK yazımızda ele aldık.
Kamera tabanlı uygulamalar ayrı dikkat ister. Kent görüntüsünde amaç çoğunlukla nesnedir (konteyner, çukur, araç yoğunluğu); yüz ve plaka gibi kişiyi tanımlayan veriler gerekmiyorsa kaynağında bulanıklaştırılmalıdır. Kayıt süreleri ve aydınlatma için kamera kaydı ve KVKK yazımıza bakabilirsiniz.
AB Yapay Zeka Yasası Türkiye'deki belediyeleri doğrudan bağlamaz; ancak kamu hizmetinde yüksek riskli sayılan kullanımlar için getirdiği insan gözetimi, kayıt tutma ve şeffaflık ilkeleri iyi bir kontrol listesidir. Özetini AB Yapay Zeka Yasası yazımızda bulabilirsiniz. Pratikte üç kural yeterli bir başlangıçtır: vatandaş bir makineyle konuştuğunu bilsin, her otomatik öneri kayıt altında olsun, hakkı etkileyen her karar bir insanın onayından geçsin.
Dil modellerinin kaynakta olmayan bilgi üretebildiğini de unutmamak gerekir. Vatandaşa yanlış kesinti saati ya da yanlış harç tutarı söyleyen bir robot, hiç robot olmamasından daha çok şikâyet üretir. Bu riski azaltmanın yollarını yapay zeka halüsinasyonu yazımızda anlattık.
Digital Bridge'de belediye yapay zeka projelerini nasıl yürütüyoruz?
Hazır paket satmıyoruz; her belediye projesi ihtiyaç analiziyle başlar. İlk görüşmede talep kanallarını, mevcut yazılımları ve verinin nerede durduğunu birlikte çıkarır, yapay zekanın gerçekten fark yaratacağı tek işi seçeriz. Kapsam, aşamalar ve bedel yazılı teklifle netleşir. Sektöre özel yaklaşımımızı belediye ve kamu çözümleri sayfamızda anlatıyoruz.
Pilot aşamada seçilen işi uçtan uca kurarız. Vatandaş talebi ya da bilgilendirme için NLP ve chatbot çözümlerimiz, belediyenin kendi mevzuatı ve duyurularıyla sınırlı yanıt veren bir asistan kurmayı kapsar. Çağrı merkezi kayıtları için Türkçe ses tanıma, kent kameraları için görüntü işleme altyapısını kurarız.
Entegrasyon aşamasında modeli yeni bir ada olarak bırakmayız. Yapay zeka entegrasyonu ile öneriler belediyenin kullandığı talep, EBYS ya da coğrafi bilgi sistemine yazılır; konumlu olaylar haritada ilgili nesneye bağlanır. Harita tarafının temeli belediye CBS rehberimizde anlatılıyor.
Yazılım ve donanımı aynı ekipten sunduğumuz için kamera, sensör ya da kiosk gerektiren işlerde saha tarafını da üstleniyoruz. İhale öncesinde, o alımda tedarikçi olmadan bağımsız teknik şartname danışmanlığı da veriyoruz. Türkiye'nin tüm illerine uzaktan ve yerinde hizmet veriyor, 7/24 teknik destek sağlıyoruz.
Yapay zekayı daha geniş bir dönüşümün parçası olarak planlıyorsanız dijital dönüşüm yol haritası yazımız ve dijital dönüşüm konu sayfamız iyi bir çerçeve sunar. Şirket tarafındaki genel başlangıç sorusunu ise şirketlerde yapay zeka nereden başlamalı yazısında ele aldık.
Sonraki adım
Belediyenizde en çok hacim yaratan tek bir işi seçin ve üç rakamı not edin: aylık talep sayısı, ortalama yönlendirme ya da yanıt süresi ve yanlış yönlendirilen talep oranı. Bu üç rakamla bize ulaşın; ilk görüşmede pilot kapsamını, kullanılacak veriyi ve başarı ölçütünü birlikte netleştirelim.