Yapay zekânın otomotiv sektöründeki asıl dönüşümü, sürücünün karşısındaki ekranlardan çok depo raflarında, parça kataloglarında, sipariş sistemlerinde ve servis planlamalarında yaşanmaya başladı.
İSTANBUL (İGFA) - Frost & Sullivan tarafından OSS Derneği için hazırlanan çalışmaya göre, Türkiye’deki hafif araç parkının ortalama yaşı 14,3’e ulaşırken araçların yaklaşık yüzde 74’ü beş yaşın üzerinde bulunuyor. Türkiye hafif araç satış sonrası pazarının 2025 yılı büyüklüğü ise yaklaşık 10,2 milyar dolar seviyesinde hesaplandı. Büyüyen ve yaşlanan araç parkı bakım ve onarım ihtiyacını artırırken, milyonlarca farklı parça referansının doğru yönetilmesini de her zamankinden daha kritik hâle getirdi.
“Yapay zekâ sadece sohbet eden uygulamalardan ibaret değil”
Konuyla ilgili önemli açıklamalarda bulunan İTO 52. Komite Başkanı ve Motor Aşin CEO’su Saim Aşçı, yapay zekânın satış sonrası sektöründe görünür fakat gürültülü olmayan bir dönüşüm başlattığını belirtirken, “Yapay zekâyı yalnızca sohbet eden uygulamalardan ibaret görmek, otomotiv sektöründeki asıl dönüşümü kaçırmak anlamına geliyor. Sektörün gerçek yapay zekâ devrimi ekranların önünde değil; depo raflarında, sipariş satırlarında, parça kataloglarında ve servis planlamalarında yaşanıyor. Müşterinin bu süreci görmesine gerek yok; doğru parçaya daha hızlı ulaşması, aracının serviste daha kısa süre kalması ve ihtiyacı olan hizmeti kesintisiz alması dönüşümün en somut sonucudur” dedi.
“Amaç daha az değil, daha doğru stok”
Yedek parça talebi her ürün grubunda düzenli ve öngörülebilir bir seyir izlemiyor. Bazı parçalar sürekli talep görürken bazı ürünlerde uzun sessiz dönemlerin ardından ani talep artışları yaşanabiliyor. Araç parkının bölgesel dağılımı, araç yaşı, servis geçmişi, mevsimsel etkiler, kronik arızalar ve tedarik süreleri gibi çok sayıda değişkenin birlikte değerlendirilmesi gerekiyor.
Yapay zekâ destekli tahmin sistemlerinin, bu değişkenleri eş zamanlı analiz ederek ürün ve lokasyon bazında daha isabetli stok kararları alınmasını sağlayabileceğini ifade eden Aşçı, “Satış sonrasında hedef stokları körlemesine azaltmak değildir. Asıl hedef, ihtiyaç duyulacak parçayı doğru bölgede hazır tutarken sermayeyi raflarda bekleten ölü stoğu, yok satma riskini ve acil sevkiyat ihtiyacını azaltmaktır. Yapay zekâ, geçmiş satışlara bakmanın ötesine geçerek araç parkını, bölgesel kullanım koşullarını, mevsimselliği ve tedarik sürelerini aynı karar mekanizmasında buluşturabilir. Rekabet artık kimin daha fazla stok taşıdığıyla değil, kimin daha doğru stok yönettiğiyle şekillenecek.” şeklinde devam etti.
Sektörel çalışmalar, yapay zekâ destekli talep tahmini ve stok optimizasyonunun hizmet seviyesini korurken yedek parça stoklarında yüzde 30’a varan iyileştirme potansiyeli taşıdığına işaret ediyor. Ancak bu oranlar her şirket için garanti edilen sonuçlar değil; veri kalitesine, ürün çeşitliliğine, tedarik yapısına ve uygulama disiplinine bağlı bir potansiyeli ifade ediyor.
Yanlış parça yalnızca iade maliyeti demek değil
Otomotiv satış sonrasının en maliyetli sorunlarından biri, araçla uyumlu olmayan parçanın servise veya müşteriye gönderilmesi. Milyonlarca yedek parça kaydı, farklı üretim yılları, motor seçenekleri ve donanım seviyeleri dikkate alındığında yalnızca ürün adı veya araç modeline dayalı eşleştirme yeterli olmuyor. Yapay zekâ destekli sistemler; şasi numarası, model yılı, motor kodu, orijinal ekipman numarası, teknik ölçüler ve geçmiş eşdeğerlik kayıtlarını birlikte analiz ederek doğru parçanın daha hızlı bulunmasını sağlayabiliyor. “Yanlış parça yalnızca iade ve taşıma maliyeti oluşturmaz. Aracın serviste kalma süresini uzatır, teknisyenin zamanını kaybettirir, müşteri memnuniyetini düşürür ve bazı durumlarda güvenlik riski oluşturur.” diyen Aşçı “Yapay zekâ destekli çapraz referanslama sistemleri bu kayıpları önemli ölçüde azaltabilir. Ancak bunun ön koşulu temiz, güncel, standartlaştırılmış ve izlenebilir ürün verisidir. Bozuk verinin üzerine kurulan en gelişmiş algoritma dahi güvenilir sonuç üretemez” eklemesini yaptı.
Şirketlerin yüzde 70’i kullanıyor, yüzde 14’ü değer üretiyor
Öte yandan BCG ve MEMA tarafından 2026 yılında ticari araç satış sonrası pazarı üzerine gerçekleştirilen araştırmada şirketlerin yüzde 70’i bir şekilde yapay zekâ kullanmaya başladığını belirtirken, yalnızca yüzde 14’ü bu uygulamalardan anlamlı ticari değer üretebildiğini ifade ediyor. Bu farkın, teknolojiye sahip olmak ile teknolojiyi doğru iş problemine bağlamak arasındaki ayrımı ortaya koyduğunu vurgulayan Aşçı, şirketlere “önce problem, sonra teknoloji” yaklaşımını önerdi.
Servisler arızayı beklemeyecek
Bağlantılı araçlardan, sensörlerden ve servis kayıtlarından elde edilen veriler, satış sonrası hizmetleri arıza gerçekleştikten sonra müdahale eden yapıdan, bakım ihtiyacını önceden öngören bir modele taşıyor.
Olağan dışı titreşimler, sıcaklık değişimleri, akü performansındaki düşüş, sıvı basınçlarındaki sapmalar ve parçaların kullanım ömrüne ilişkin veriler analiz edilerek bazı arıza ve performans kayıpları daha erken işaretlenebiliyor. Böylece gerekli parça araç servise gelmeden hazırlanabiliyor, servis kapasitesi daha dengeli planlanabiliyor ve aracın kullanım dışı kaldığı süre azaltılabiliyor.
Aşçı, bu alanda araç verisine hukuka uygun erişim, müşterinin açık biçimde bilgilendirilmesi, siber güvenlik ve bağımsız servislerin veriye erişim koşullarının da teknolojik gelişim kadar önemli olduğuna dikkat çekti.
Sizlere daha iyi hizmet sunabilmek adına sitemizde çerez konumlandırmaktayız. Kişisel verileriniz, KVKK ve GDPR
kapsamında toplanıp işlenir. Sitemizi kullanarak, çerezleri kullanmamızı kabul etmiş olacaksınız.
En son gelişmelerden anında haberdar olmak için 'İZİN VER' butonuna tıklayınız.
Yapay zekâ raflara kadar indi!
Yapay zekânın otomotiv sektöründeki asıl dönüşümü, sürücünün karşısındaki ekranlardan çok depo raflarında, parça kataloglarında, sipariş sistemlerinde ve servis planlamalarında yaşanmaya başladı.
İSTANBUL (İGFA) - Frost & Sullivan tarafından OSS Derneği için hazırlanan çalışmaya göre, Türkiye’deki hafif araç parkının ortalama yaşı 14,3’e ulaşırken araçların yaklaşık yüzde 74’ü beş yaşın üzerinde bulunuyor. Türkiye hafif araç satış sonrası pazarının 2025 yılı büyüklüğü ise yaklaşık 10,2 milyar dolar seviyesinde hesaplandı. Büyüyen ve yaşlanan araç parkı bakım ve onarım ihtiyacını artırırken, milyonlarca farklı parça referansının doğru yönetilmesini de her zamankinden daha kritik hâle getirdi.
“Yapay zekâ sadece sohbet eden uygulamalardan ibaret değil”
Konuyla ilgili önemli açıklamalarda bulunan İTO 52. Komite Başkanı ve Motor Aşin CEO’su Saim Aşçı, yapay zekânın satış sonrası sektöründe görünür fakat gürültülü olmayan bir dönüşüm başlattığını belirtirken, “Yapay zekâyı yalnızca sohbet eden uygulamalardan ibaret görmek, otomotiv sektöründeki asıl dönüşümü kaçırmak anlamına geliyor. Sektörün gerçek yapay zekâ devrimi ekranların önünde değil; depo raflarında, sipariş satırlarında, parça kataloglarında ve servis planlamalarında yaşanıyor. Müşterinin bu süreci görmesine gerek yok; doğru parçaya daha hızlı ulaşması, aracının serviste daha kısa süre kalması ve ihtiyacı olan hizmeti kesintisiz alması dönüşümün en somut sonucudur” dedi.
“Amaç daha az değil, daha doğru stok”
Yedek parça talebi her ürün grubunda düzenli ve öngörülebilir bir seyir izlemiyor. Bazı parçalar sürekli talep görürken bazı ürünlerde uzun sessiz dönemlerin ardından ani talep artışları yaşanabiliyor. Araç parkının bölgesel dağılımı, araç yaşı, servis geçmişi, mevsimsel etkiler, kronik arızalar ve tedarik süreleri gibi çok sayıda değişkenin birlikte değerlendirilmesi gerekiyor.
Yapay zekâ destekli tahmin sistemlerinin, bu değişkenleri eş zamanlı analiz ederek ürün ve lokasyon bazında daha isabetli stok kararları alınmasını sağlayabileceğini ifade eden Aşçı, “Satış sonrasında hedef stokları körlemesine azaltmak değildir. Asıl hedef, ihtiyaç duyulacak parçayı doğru bölgede hazır tutarken sermayeyi raflarda bekleten ölü stoğu, yok satma riskini ve acil sevkiyat ihtiyacını azaltmaktır. Yapay zekâ, geçmiş satışlara bakmanın ötesine geçerek araç parkını, bölgesel kullanım koşullarını, mevsimselliği ve tedarik sürelerini aynı karar mekanizmasında buluşturabilir. Rekabet artık kimin daha fazla stok taşıdığıyla değil, kimin daha doğru stok yönettiğiyle şekillenecek.” şeklinde devam etti.
Sektörel çalışmalar, yapay zekâ destekli talep tahmini ve stok optimizasyonunun hizmet seviyesini korurken yedek parça stoklarında yüzde 30’a varan iyileştirme potansiyeli taşıdığına işaret ediyor. Ancak bu oranlar her şirket için garanti edilen sonuçlar değil; veri kalitesine, ürün çeşitliliğine, tedarik yapısına ve uygulama disiplinine bağlı bir potansiyeli ifade ediyor.
Yanlış parça yalnızca iade maliyeti demek değil
Otomotiv satış sonrasının en maliyetli sorunlarından biri, araçla uyumlu olmayan parçanın servise veya müşteriye gönderilmesi. Milyonlarca yedek parça kaydı, farklı üretim yılları, motor seçenekleri ve donanım seviyeleri dikkate alındığında yalnızca ürün adı veya araç modeline dayalı eşleştirme yeterli olmuyor. Yapay zekâ destekli sistemler; şasi numarası, model yılı, motor kodu, orijinal ekipman numarası, teknik ölçüler ve geçmiş eşdeğerlik kayıtlarını birlikte analiz ederek doğru parçanın daha hızlı bulunmasını sağlayabiliyor. “Yanlış parça yalnızca iade ve taşıma maliyeti oluşturmaz. Aracın serviste kalma süresini uzatır, teknisyenin zamanını kaybettirir, müşteri memnuniyetini düşürür ve bazı durumlarda güvenlik riski oluşturur.” diyen Aşçı “Yapay zekâ destekli çapraz referanslama sistemleri bu kayıpları önemli ölçüde azaltabilir. Ancak bunun ön koşulu temiz, güncel, standartlaştırılmış ve izlenebilir ürün verisidir. Bozuk verinin üzerine kurulan en gelişmiş algoritma dahi güvenilir sonuç üretemez” eklemesini yaptı.
Şirketlerin yüzde 70’i kullanıyor, yüzde 14’ü değer üretiyor
Öte yandan BCG ve MEMA tarafından 2026 yılında ticari araç satış sonrası pazarı üzerine gerçekleştirilen araştırmada şirketlerin yüzde 70’i bir şekilde yapay zekâ kullanmaya başladığını belirtirken, yalnızca yüzde 14’ü bu uygulamalardan anlamlı ticari değer üretebildiğini ifade ediyor. Bu farkın, teknolojiye sahip olmak ile teknolojiyi doğru iş problemine bağlamak arasındaki ayrımı ortaya koyduğunu vurgulayan Aşçı, şirketlere “önce problem, sonra teknoloji” yaklaşımını önerdi.
Servisler arızayı beklemeyecek
Bağlantılı araçlardan, sensörlerden ve servis kayıtlarından elde edilen veriler, satış sonrası hizmetleri arıza gerçekleştikten sonra müdahale eden yapıdan, bakım ihtiyacını önceden öngören bir modele taşıyor.
Olağan dışı titreşimler, sıcaklık değişimleri, akü performansındaki düşüş, sıvı basınçlarındaki sapmalar ve parçaların kullanım ömrüne ilişkin veriler analiz edilerek bazı arıza ve performans kayıpları daha erken işaretlenebiliyor. Böylece gerekli parça araç servise gelmeden hazırlanabiliyor, servis kapasitesi daha dengeli planlanabiliyor ve aracın kullanım dışı kaldığı süre azaltılabiliyor.
Aşçı, bu alanda araç verisine hukuka uygun erişim, müşterinin açık biçimde bilgilendirilmesi, siber güvenlik ve bağımsız servislerin veriye erişim koşullarının da teknolojik gelişim kadar önemli olduğuna dikkat çekti.
Kaynak: IGF
En Çok Okunan Haberler