Satışta yapay zeka kullanımı, satış ekibinin kayıt tutma, bilgi arama, takip ve önceliklendirme gibi satış dışı işlerini yapay zekaya devredip zamanı müşteriye ayırmasıdır. B2B'de en hızlı sonuç; gelen talepleri ayıklamak, görüşme öncesi müşteri özetini çıkarmak, görüşme notunu CRM'e işlemek ve hangi fırsata öncelik verileceğini önermekte alınır. Kararı ve müşteri ilişkisini yine temsilci yönetir.
Satış ekibinin zamanı bugün nereye gidiyor?
B2B satış temsilcisinin günü çoğunlukla satışla geçmez. Gelen kutusunda teklif talebini diğer yazışmalardan ayırır, müşterinin geçen yıl ne aldığını ERP'de arar, teknik şartnameyi okuyup üretime soru sorar, görüşmeden sonra notu CRM'e girmeyi erteler. Ay sonunda yönetici "hangi fırsat kapanacak?" diye sorduğunda cevap temsilcinin hafızasındadır.
Bu dağınıklığın temel nedeni, satış bilgisinin tek yerde durmamasıdır. CRM ve satış hunisi doğru kurulmuşsa bile kayıtlar eksik kalır, çünkü kayıt girmek temsilciye doğrudan bir şey kazandırmaz. Yapay zekanın satıştaki asıl değeri tam burada ortaya çıkar: kayıt, özet ve arama işini üstlenip temsilcinin gerçekten satışa ayırdığı saati artırmak.
Satışta yapay zekanın getirisi: araştırmalar ne gösteriyor?
Satış, yapay zekanın ölçülebilir gelir etkisi bildirilen alanların başında geliyor. Ancak rakamlar, "yapay zeka satışları katlar" söyleminden çok daha ölçülü bir tablo çiziyor:
Stanford HAI'nin AI Index Report 2025 raporundaki McKinsey verisine göre pazarlama ve satışta yapay zeka kullanan katılımcıların %71'i gelir artışı bildirdi; ancak en yaygın artış düzeyi %5'in altında kaldı.
Değerin nereden geldiğine bakıldığında da satış öne çıkıyor. BCG'nin 2024 "Where's the Value in AI?" basın bülteni, şirketlerin yapay zekadan elde ettiği değerin %20'sinin satış ve pazarlamadan geldiğini aktarıyor; bu pay yalnızca operasyonların (%23) gerisinde.
Hedef seçimi de sonucu belirliyor. McKinsey "The state of AI in 2025" anketinde katılımcıların %80'i yapay zeka girişimlerinde verimliliği hedeflediğini söyledi; en çok değer yakalayan şirketler ise buna çoğu zaman büyüme ve inovasyon hedeflerini de ekliyor. Satışta bu, yalnızca "temsilci daha az yazsın" değil, "daha doğru fırsata daha hızlı dönülsün" hedefi koymak demektir.
Yeni temsilcinin işe alışma süresi de bir maliyettir. 5.179 müşteri destek temsilcisiyle yapılan NBER "Generative AI at Work" çalışmasında (2023) üretken yapay zeka asistanı saat başına çözülen talep sayısını ortalama %14, yeni başlayanlarda ise %34 artırdı. Bu çalışma satış değil destek ekibinde yapıldı; yine de deneyimli çalışanın bilgisini yeni gelene taşıyan asistan fikrinin satış için neden önemli olduğunu gösteriyor. Benzer saha ve deney araştırmalarını yapay zekanın verimliliğe etkisi yazısında derledik.
Satışta yapay zeka kullanımı: B2B'de 8 somut alan
Aşağıdaki tablo, B2B satış ekibinde yapay zekanın en sık iş gördüğü alanları, gereken veriyi ve kararın kimde kaldığını özetliyor.
| Kullanım alanı | Yapay zeka ne yapar? | Gereken veri | Karar kimde? |
|---|---|---|---|
| Gelen talep ayıklama | Teklif talebini, şikâyeti ve genel yazışmayı ayırır, sorumluya yönlendirir | E-posta ve form geçmişi | Satış destek |
| Görüşme hazırlığı | Müşterinin sipariş, teklif ve yazışma geçmişini tek sayfada özetler | CRM, ERP, e-posta | Temsilci |
| Görüşme notu ve CRM kaydı | Sesli ya da yazılı notu yapılandırır, sonraki adımı ve tarihi önerir | Not, ses kaydı, CRM alanları | Temsilci onaylar |
| Fırsat önceliklendirme | Geçmişte kazanılan fırsatlara benzeyenleri öne çıkarır | Kazanılan/kaybedilen fırsat geçmişi | Satış yöneticisi |
| Ürün ve teknik bilgi arama | Katalog, şartname ve fiyat politikasından kaynaklı yanıt verir | Kurum belgeleri | Temsilci |
| Takip ve yanıt taslağı | Unutulan geri dönüşü hatırlatır, yanıt taslağı hazırlar | CRM görevleri, yazışma | Temsilci gönderir |
| Satış tahmini | Açık fırsatlardan ay sonu tahmini ve sapma uyarısı üretir | Huni aşamaları, kapanış tarihleri | Yönetim |
| Kayıp riski ve çapraz satış | Sipariş sıklığı düşen müşteriyi ve eksik ürün grubunu işaretler | Sipariş geçmişi | Hesap yöneticisi |
Bu alanların bir kısmı zaten ayrı konulardır. Gelen kutusu ayıklama için yapay zeka ile e-posta sınıflandırma, kayıp riski için müşteri kaybı analizi yazılarımız ayrıntıya iniyor.
Fiyatı talep ve stoğa göre ayarlamak ise satıştan çok gelir yönetimi işidir; onu dinamik fiyatlandırma ve yapay zeka yazısında ele aldık.
Teklif metninin taslağını yapay zekayla hazırlamayı yapay zeka ile teklif hazırlama yazısında, satış öncesi talep yaratmayı ise pazarlamada yapay zeka kullanımı yazısında ayrıntılı anlattık.
Tablodaki ortak nokta, yapay zekanın müşteriyle doğrudan konuşan taraf olmamasıdır. Taslağı, özeti ve öneriyi o hazırlar; müşteriye giden cümleyi, iskontoyu ve önceliği insan belirler. Bu ayrım hem kalite hem de sorumluluk açısından gereklidir. Görüşme notunun özetlenip CRM'e işlenmesini yapay zeka ile toplantı özeti yazısında ele aldık. Takip e-postasında taslağı yapay zekaya bırakıp son sözü temsilcide tutmanın yolunu yapay zeka ile e-posta yazma yazısında anlattık.
Satışta yapay zekaya 6 adımda geçiş
Satışta yapay zeka projesi, bir araç satın alarak değil, bir iş adımını ölçerek başlar. Genel yöntemi yapay zekaya nereden başlanmalı yazısında anlattık; satış ekibine uyarlanmış hali şöyledir:
- Temsilcinin bir haftasını ölçün. Kayıt girme, bilgi arama, takip ve raporlamaya kaç saat gittiğini temsilcilerle birlikte çıkarın. En çok zaman alan ve en sık tekrarlanan adım ilk adaydır.
- Veriyi temizleyin. Aynı müşterinin CRM'de üç farklı adla durması, her modeli yanıltır. Mükerrer kayıt ve veri kalitesi sorununu çözmeden fırsat önceliklendirmeye geçmeyin.
- Başarı ölçütünü baştan yazın. "Teklif talebine ilk yanıt süresi", "CRM'e girilen görüşme oranı" ya da "tahmin sapması" gibi tek bir ölçütü bugünkü değeriyle kaydedin.
- Pilotu küçük tutun. Bir ürün grubu veya bir bölge ekibiyle sınırlı süreli bir deneme yapın. Temsilcinin yapay zeka önerisini kabul ettiği ve düzelttiği durumları kaydedin.
- Yanıtı kaynağa bağlayın. Ürün ve teknik soruları yanıtlayan asistan, cevabını hangi katalog sayfasından aldığını göstermeli. Uydurma riskini azaltmanın yollarını yapay zeka halüsinasyonu yazısında topladık.
- Mevcut ekrana yerleştirin ve ölçün. Öneri, temsilcinin zaten kullandığı CRM ya da e-posta ekranında görünmeli. Pilot sonunda ölçütü karşılaştırın; hesaplama yöntemi için yapay zeka projesinde ROI yazısına bakabilirsiniz.
Başlamadan önce kontrol listesi
| Soru | Evet ise | Hayır ise |
|---|---|---|
| Kazanılan ve kaybedilen fırsatlar, kazanma/kaybetme sebebiyle birlikte kayıtlı mı? | Önceliklendirme modeli denenebilir | Önce kayıp sebebi alanı ekleyin |
| Müşteri kartı ERP ile eşleşiyor mu? | Görüşme özeti tam çıkar | Entegrasyon ilk iş |
| Ürün bilgisi güncel belgelerde mi? | Kaynaklı bilgi asistanı kurulabilir | Belgeleri tek yerde toplayın |
| Kişisel veri işlemenin hukuki sebebi belli mi? | Ses ve yazışma analizi yapılabilir | Önce KVKK değerlendirmesi |
Son satırdaki soru önemlidir: görüşme kaydı, e-posta içeriği ve kişi bilgisi kişisel veridir. Türkiye'de 6698 sayılı KVKK kapsamında hukuki sebep, aydınlatma ve yurt dışı aktarım konuları proje başında ele alınmalıdır; ayrıntılar yapay zeka ve KVKK yazısında.
Digital Bridge'de bu işi nasıl yapıyoruz?
Hazır bir "yapay zeka satış paketi" satmıyoruz. İşe satış ekibinizle yapılan bir ihtiyaç analiziyle başlıyoruz: temsilcilerin zamanının nereye gittiğini, verinin hangi sistemlerde durduğunu ve hangi adımın ölçülebilir biçimde iyileştirilebileceğini birlikte çıkarıyoruz. Sonunda kapsamı, aşamaları ve bedeli yazılı bir teklifle sunuyoruz.
Pilot çoğunlukla tek bir adımı hedefler. Satış ekibi ürün ve teknik soruları için sürekli üretime ya da mühendisliğe soruyorsa, katalog ve şartnamelerinizden kaynak göstererek yanıt veren bir kurumsal LLM asistanı kuruyoruz; asistan kullanıcının yalnızca yetkili olduğu belgelerden yanıt verir. Mimarinin nasıl çalıştığını RAG nedir yazısında anlattık.
Fırsat önceliklendirme, görüşme özeti ya da takip önerisi gibi işlerde modeli mevcut yazılımınıza API üzerinden ekliyoruz; bu, yapay zeka entegrasyonu hizmetimizin konusudur. CRM'iniz satış sürecinize uymuyorsa ya da hiç yoksa, aşamaları ve alanları sizin sürecinizden gelen firmaya özel CRM yazılımı ile temeli birlikte kuruyoruz. Satış tahminini ve sapma uyarılarını yönetime BI dashboard üzerinden gösteriyoruz; hangi metriklerin izleneceğini satış dashboard metrikleri yazısında bulabilirsiniz. Tahminin yönetime yorumlu bir özet olarak gitmesini yönetici raporlamada yapay zeka yazımızda anlattık.
Diğer departmanlardaki örnekler için yapay zeka ile yapılabilecek 30 iş listemize ve Yapay Zeka kategori sayfamıza göz atabilirsiniz.
Proje başlatmadan satış ekibinde yapay zeka: Smart360
Her ekip önce bir entegrasyon projesine girmek istemez. Satış yazışmalarının büyük kısmı e-postada, teklif ve şartname dosyaları da paylaşılan klasörlerde duruyorsa, Smart360 aynı işlerin bir kısmını kurulum gerektirmeden yapay zekayla destekler.
SmartMail gelen mesajları otomatik olarak sınıflandırır; sınıflardan biri doğrudan "teklif/ihale"dir. Böylece satış destek ekibi, ortak posta kutusunda bekleyen teklif taleplerini diğer yazışmalardan ayrı görür. Uzun bir mesajın özetini alabilir, mesaja soru sorabilir, yanıt yazarken yazım desteği kullanabilir ve yurt dışı müşteriden gelen mesajı 30 dile çeviri özelliğiyle okuyabilir.
İhale şartnamesi ya da müşteri teknik dosyası SmartFiles'a yüklendiği anda, kimse istemeden 4 bölümlü bir yapay zeka raporu çıkar: Özet, Ana Noktalar, Yapı ve Dikkat Çeken Detaylar. Temsilci teklif hazırlamadan önce belgeye ya da klasörün tamamına soru sorabilir. SmartMail'e gelen ek tek tıkla SmartFiles alanına kaydedildiği için şartname, e-postada kaybolmadan ilgili müşteri klasörüne geçer. Tekliflerin kendisini izlemek için teklif takip programı yazımıza da bakabilirsiniz.
Sonraki adım
Satış ekibinizde yapay zekanın nereden başlayacağını birlikte belirleyelim. Temsilcilerinizin bir haftalık iş yükünü ve kullandığınız sistemleri konuştuğumuz bir ihtiyaç analiziyle, ilk pilot için en uygun adımı ve ölçütünü çıkarıyoruz. İletişim sayfamızdan bize ulaşabilirsiniz.