AI Agent ile Proje Yönetimi: Neler Değişiyor, Kararlar Kimde Kalıyor?
Bir tedarikçi teslimatı iki hafta geciktiğinde proje yöneticisinin önünde bir dizi soru belirir: Hangi işler etkilenecek? Proje takvimi değişecek mi? Bütçe riske girecek mi? Sponsora ne söylenecek?
Peki bir AI agent, proje planını, görev bağımlılıklarını, toplantı notlarını ve tedarikçi bildirimlerini inceleyerek bu soruların yanıtlarını karar toplantısından önce hazırlayabilir mi?
Evet, gerekli verilere ve uygun araç erişimine sahipse bunu yapabilir. Ancak kritik bir ayrım var: AI agent etki analizini hazırlayabilir; kapsam, takvim ve bütçe değişikliğine kimin karar vereceği ise proje yönetişimiyle belirlenir.
Proje yönetiminde yapay zekânın asıl fırsatı, proje yöneticisinin yerine karar vermesi değil; daha hızlı, daha görünür ve daha iyi temellendirilmiş kararlar alınmasına yardımcı olmasıdır.
Bu yazıda AI agent ile klasik yapay zekâ asistanı arasındaki farkı, PMBOK 8’in yedi performans alanındaki kullanım olanaklarını, bir CRM projesindeki tedarikçi gecikmesi örneğini ve güvenli kullanım için gerekli kontrol noktalarını ele alıyoruz.
Bu içerik, Pena Akademi’nin “AI Agent ile İş Analizi” ve “Scrum’da Yapay Zekâ Nasıl Kullanılır?” yazılarıyla devam eden serisinin proje yönetimi ayağıdır.
Bu yazıda neler bulacaksınız?
AI Agent Nedir, Klasik Yapay Zekâ Asistanından Farkı Ne?
Bir yapay zekâ asistanından toplantı notlarını özetlemesini isteyebilirsiniz. Hedefe yönelik bir AI agent ise, izin verilen proje kaynaklarını tarayabilir, birbiriyle ilişkili verileri karşılaştırabilir, eksikleri belirleyebilir ve ara sonuçlara göre sonraki adımları planlayabilir. Fark, yalnızca hangi yapay zekâ modelinin kullanıldığı değil; araca tanınan erişim, görev akışı ve otonomi düzeyidir.
Özellik | AI asistan | AI agent |
|---|---|---|
Çalışmanın başlangıcı | Doğrudan kullanıcı isteği | Tanımlanmış hedef |
Tipik iş akışı | Yanıt veya tekil taslak | Çok adımlı plan, kontrol ve güncelleme |
Kaynak kullanımı | Sunulan veya izin verilen bilgiler | Yetki verilen araçlar ve kaynaklar |
Örnek | Toplantı notunu özetlemek | Not, takvim ve görevleri karşılaştırıp risk raporu taslağı hazırlamak |
Kontrol ihtiyacı | Çıktının insan tarafından kontrolü | Ayrıca araç yetkileri ve onay kapılarının tasarımı |
Bu ayrım keskin bir teknoloji sınırı değildir: Gelişmiş asistanlar da araç kullanabilir ve çok adımlı çalışabilir. Proje yöneticisinin soracağı asıl soru şudur: “Sistem neyi okuyabilir, neyi değiştirebilir ve hangi noktada benden onay istemelidir?”
PMI’ın Ekim 2026 duyurusunda aktardığı SAP LeanIX Agentic AI Survey 2026 verisine göre şirketlerin %98’i AI agent kullanımına başlamış veya başlamayı planlıyor. Buna karşın yalnızca %17’si agent performansını ve uygunluğunu görünür biçimde izleyebiliyor; %48’inde agent yönetişimi için açık rol ve sorumluluk tanımı bulunmuyor. Bu veriler, teknoloji kullanımının tek başına yeterli olmadığını gösteriyor.
Proje Yönetiminde AI Agent Nasıl Kullanılır? Gerçekçi Bir Senaryo
Bir Tedarikçi İki Hafta Gecikti: AI Agent Projeyi Nasıl Destekler?
Varsayımsal bir CRM geçiş projesi düşünelim. Kullanıcı kabul testinin (UAT) başlangıcı sponsora taahhüt edilmiş bir kilometre taşı. Ödeme sistemi entegrasyonunu sağlayan tedarikçi, API teslimini iki hafta erteleyeceğini toplantıda ve ardından e-postayla bildiriyor. Proje ekibi AI agent’ı yalnızca okuma ve taslak hazırlama yetkisiyle kullanıyor.
Gelişme | Proje üzerindeki soru |
|---|---|
API teslimi iki hafta gecikti | Hangi bağımlı görevler ve kilometre taşları etkilenecek? |
UAT başlangıcı risk altında | Alternatif test planı mümkün mü? |
Sponsor güncelleme bekliyor | Hangi seçenekler hangi varsayımlarla sunulacak? |
1. Veri Toplama ve Sapmayı İşaretleme
Agent, iş takip aracındaki görev durumlarını, proje takvimini, son toplantı notunu ve tedarikçi e-postasını karşılaştırır. API teslimine bağlı üç entegrasyon görevini, bunların UAT hazırlığına etkisini ve eksik bilgileri listeler. İyi bir agent, “Tedarikçi gecikmenin nedenini yazılı olarak belirtmemiş” gibi bir notla hem kaynağı hem de tamamlanması gereken bilgiyi gösterir.
2. Etki Analizi ve Değişiklik Talebi Taslağı
Agent üç olası seçenek üretir ve her biri için takvim, maliyet, kaynak ve risk etkisini varsayımlarıyla birlikte taslak olarak açıklar. Değişiklik talebi formunun ilk sürümünü oluşturabilir; ancak bu senaryodaki yetki politikasına göre onu onaya göndermez.
Seçenek | Olası avantaj | Kontrol edilmesi gereken risk |
|---|---|---|
UAT’yi aşamalı başlatmak | Bağımsız modüllerde test ilerler | Entegrasyon testi ve yeniden iş ihtiyacı |
UAT tarihini ertelemek | Hazır olmayan ortamda test yapılmaz | Takvim taahhüdü ve sözleşmesel etkiler |
Ek test kaynağı kullanmak | Bazı gecikmeler azaltılabilir | Ek maliyet, kapasite ve bağımlılıklar |
Proje yöneticisi burada üç kritik kontrol yapar: Bağımlılık zinciri doğru mu? Maliyet ve süre varsayımları gerçekçi mi? Sözleşmesel yükümlülükler veya ceza hükümleri gözden kaçmış mı? Örneğin sabit fiyatlı bir sözleşmede gecikme maliyetinin kime ait olduğunu agent’ın önerisi değil, sözleşme hükümleri ve yetkili kişilerin değerlendirmesi belirler.
3. Paydaş Mesajı ve İnsan Kararı
Agent aynı olgulardan iki taslak hazırlayabilir: sponsor için karar seçeneklerini özetleyen kısa bir not ve ekip için güncellenmiş öncelikleri açıklayan mesaj. Ancak proje durumunun “sarı” veya “yeşil” olarak raporlanması doğrulanmış ölçütlere dayanmalıdır. İyimser ve akıcı bir metin, gecikmenin önemini gizlememelidir.
Değişiklik kontrol kurulu veya yetkili sponsor seçeneklerden birini değerlendirir, kararı kayda geçirir ve onaylanan değişiklik planlara işlenir. Bu senaryoda takvim tabanını değiştirmek, müşteriye doğrudan yazmak ve talebi tek başına onaya göndermek agent’ın izin verilen eylemleri arasında değildir. Bu sınırlar sistem talimatlarında ve teknik yetkilerde açıkça tanımlanmalıdır.
Temel ilke: Agent veri toplar, etkiyi görünür kılar ve taslak üretir; taahhüt doğuran kararlar tanımlı insan onayından geçer.

Değişiklik seçeneklerini değerlendirmek ve paydaşa gidecek mesajı onaylamak proje yöneticisinde kalır.
PMBOK 8’e Göre Proje Yönetiminde 7 Kullanım Alanı
Kasım 2025’te yayımlanan PMBOK® Guide – Eighth Edition, yedi performans alanı üzerinden proje yönetimi uygulamalarını ele alır: yönetişim, kapsam, takvim, finans, paydaşlar, kaynaklar ve risk. AI agent kullanımını bu alanlar üzerinde değerlendirmek, nerede verimlilik sağlandığını ve nerede insan kararına ihtiyaç duyulduğunu görünür kılar.
Performans alanı | AI agent ne hazırlayabilir? | İnsan kararı / onayı |
|---|---|---|
Yönetişim | Karar kaydı, toplantı özeti, onay listesi | Onay yetkileri ve eskalasyon |
Kapsam | Değişiklik talebi ve iş kırılımı taslağı | Talebin kabulü, kapsam tabanı |
Takvim | Gecikme, bağımlılık ve kritik yol etki taslağı | Yeni tarih ve kilometre taşı taahhüdü |
Finans | Planlanan–gerçekleşen harcama karşılaştırması | Bütçe revizyonu ve yedek akçe |
Paydaşlar | Farklı kitlelere uyarlanmış mesaj taslakları | Mesajın içeriği, zamanı ve alıcıları |
Kaynaklar | Kapasite ve iş yükü uyarıları | Kaynak ataması |
Risk | Risk kaydı ve erken uyarı taslağı | Riskin derecesi, yanıtı ve kabulü |

Agent toplar, analiz eder ve taslak hazırlar; tabanı değiştiren ve taahhüt veren her karar onay kapısından geçer.
PMI’ın Ekim 2026’da paylaştığı araştırma sonuçlarında proje profesyonelleri yapay zekâyı en çok araştırma ve analiz (%77), içerik ve dokümantasyon (%69), risk ve fırsat belirleme (%53) için kullanıyor. Bu oranlar, AI agent için ilk pilotun büyük, geri dönüşü zor otomasyonlar yerine analiz ve hazırlık ağırlıklı bir iş akışıyla başlatılmasını destekliyor.
AI Agent’ın Yetkisi Nerede Biter? RACI ve İnsan Onayı
AI agent’ın proje içindeki rolünü netleştirmenin pratik yollarından biri, onu RACI matrisinde ayrı bir destek rolü (sütun) olarak göstermektir. RACI, iş faaliyetlerinde kimin Responsible (işi yapan), Accountable (nihai hesap veren), Consulted (görüşü alınan) ve Informed (bilgilendirilen) olduğunu gösterir. AI agent belirli hazırlık faaliyetlerinde R rolünü destekleyebilir; A ise yetkili bir insanda kalmalıdır.
Faaliyet | AI agent | Proje yöneticisi | Ekip lideri | Sponsor |
|---|---|---|---|---|
Haftalık durum raporu taslağı | R | A | C | I |
Gecikme etki analizi taslağı | R | A | C | I |
Kapsam tabanı değişikliğini onaylama | — | R / C* | C | A* |
Onaylı mesajı paydaşa gönderme | — | A / R | C | I |
* RACI atamaları örnektir: onay yetkileri kuruluşun proje yönetişimi, sözleşme ve yetki devri kurallarına göre değişir. “A” ilgili karar için tek ve açık biçimde tanımlanmalıdır.
PMI’ın Haziran 2026’da yayımladığı The Standard for Artificial Intelligence in Portfolio, Program and Project Management, insan-döngüde (human-in-the-loop) kontrolleri, çıktının gözden geçirilmesi, eskalasyon ve kararların kabul veya reddedilmesi gibi konuları ele alır. PMI blogunda Eylül 2026’da paylaşılan dört soru iyi bir başlangıçtır: Yapay zekâ ne zaman aksiyon alabilir? İnsan ne zaman müdahale etmeli? Kararın sahibi kim? Başarıyı nasıl anlayacağız?
Buradaki sınır, AI agent’ın teknik olarak hiçbir işlem yapamayacağı anlamına gelmez. Düşük riskli ve açıkça yetkilendirilmiş adımlar otomatikleştirilebilir. Fakat plan tabanını, bütçeyi veya dış paydaş taahhüdünü değiştiren eylemler için kurumun onay kapılarını koruması gerekir.
Proje Yönetiminde AI Agent Kullanmanın 5 Riski
Agent’a proje araçlarında işlem yapma yetkisi verildiğinde risk, yalnızca metin üretiminden gerçek proje kayıtlarının ve iş akışlarının etkilenmesine kadar genişler.
1. Uydurma Bilgi ve İyimser Dil
Agent, kararlaştırılmamış aksiyonu veya var olmayan bir tarihi rapora ekleyebilir. Kritik satırlar kaynak kayıtlarıyla eşleştirilmelidir.
2. Aşırı Yetki (Excessive Agency)
OWASP LLM06:2025, gereğinden fazla yetki veya otonominin zarar verici eylemlere yol açabileceğini vurgular. Pilot aşamasında okuma ve taslak yetkisiyle başlamak daha güvenli olabilir.
3. Prompt Injection
Bir e-posta, görev kartı veya doküman, agent’ı yönlendirmeye çalışan gizli bir talimat içerebilir. OWASP LLM01:2025 kapsamında dışarıdan gelen içerik veri olarak ele alınmalı; talimat yetkisine yükseltilmemelidir.
4. Veri Gizliliği
Sözleşme, müşteri, çalışan ve kişisel verilerin erişim, saklama ve paylaşım koşulları KVKK ve kurum politikaları çerçevesinde belirlenmelidir.
5. Hesap Verebilirlik Boşluğu
“Agent öyle önerdi” karar gerekçesi değildir. Kararın sahibi, tarihi, dayanağı ve onayı insan ve yetki kaydıyla izlenebilmelidir.
NIST AI Risk Management Framework, bu kontrolleri yönetişim, riskin görünür kılınması, ölçüm ve müdahale açısından değerlendirmek için tamamlayıcı bir çerçeve sunar. Pratikte bunun karşılığı, onay kapılarını ve denetim kayıtlarını proje süreçlerine yerleştirmektir.
AI Agent Kullanımının Başarısı Nasıl Ölçülür?
“Agent kullanıyoruz” tek başına başarı ölçütü değildir. İlk pilotu haftalık durum raporu veya risk kaydı güncellemesi gibi tek bir iş akışıyla başlatın; agent kullanımından önceki durumu birkaç raporlama dönemi boyunca karşılaştırın.
Düzeltmesiz veya küçük düzeltmeyle kabul oranı: Taslakların ne kadarı güvenilir biçimde kullanılabildi?
İnceleme süresi: Agent çıktısını doğrulamak, sıfırdan hazırlamaktan gerçekten daha kısa mı sürüyor?
Dayanaksız bilgi sayısı: Kaynakla doğrulanamayan ifade sayısı kaç?
Erken uyarı kalitesi: İşaretlenen gecikme ve bağımlılık risklerinin kaçı doğrulandı ve zamanında ele alındı?
Paydaş geri bildirimi: Raporların anlaşılabilirliği ve zamanında iletilmesi iyileşti mi?
Kabul oranı düşükse yalnızca modeli değiştirmeye odaklanmayın. Güncel olmayan proje planı, eksik karar kayıtları, belirsiz raporlama standardı ve yetersiz erişim kapsamı da çıktıyı zayıflatabilir. Ölçüm sonuçlarını ekip ve süreç bağlamında değerlendirin.
Proje Yöneticileri İçin 8 Maddelik AI Agent Kontrol Listesi
Hangi iş akışlarında kullanılacağı ve kullanılmayacağı yazılı mı?
Pilot için araç ve veri erişim yetkileri en düşük gerekli seviyede mi?
Kapsam, takvim ve bütçe tabanlarına ilişkin karar ve onay hakları tanımlı mı?
Sponsor, müşteri ve tedarikçiye giden mesajlarda insan onayı var mı?
Kritik çıktılar kaynak kayıtlarına izlenebilir biçimde bağlanıyor mu?
RACI matrisinde agent destek rolü ve insan “A” sorumluluğu açık mı?
Hassas veriler için erişim, saklama ve paylaşım kuralları tanımlandı mı?
Agent işlemleri, girdileri ve çıktıları denetlenebilir şekilde kayıt altına alınıyor mu?
Bu kontrol listesi otomasyon vaadi değil, proje içi bir çalışma sözleşmesidir. İnsan tarafından onaylanıncaya kadar agent çıktısı taslak kabul edilir.
AI Agent ile Proje Yönetiminde Yetkinliğinizi Geliştirin
AI agent’lar proje yöneticilerinin çalışma biçimini değiştiriyor. Ancak asıl fark, daha fazla rapor üretmekte değil; riskleri erken görmekte, seçenekleri daha hızlı değerlendirmekte ve kararların sorumluluğunu doğru yönetmekte ortaya çıkıyor.
Yapay zekâyı proje yönetiminde etkin kullanmak, yalnızca doğru aracı seçmek değil; o aracın nerede destek olacağını ve nerede insan kontrolünün devreye gireceğini bilmektir.
Pena Akademi’nin Yapay Zekâ Destekli Agile Proje Yönetimi Eğitimi, planlama, risk ve bağımlılık analizi, paydaş iletişimi, durum raporları ve dokümantasyon süreçlerinde yapay zekânın kontrollü kullanımını geliştirmek isteyen proje profesyonelleri ve takım liderleri için değerlendirilebilir. Proje yönetimi temelini PMI çerçevesinde güçlendirmek isteyenler ise PMP Sertifika Sınavına Hazırlık Eğitimi programını inceleyebilir.
Ekibinizin yapay zekâ destekli proje yönetimi yetkinliklerini geliştirmek ister misiniz? Kurumsal veya bireysel eğitim seçenekleri için Pena Akademi eğitim programlarını inceleyin.
Yapay Zekâ Destekli Agile Proje Yönetimi Eğitimi https://www.penaakademi.com/egitimler/chatgpt-proje-yonetimi-egitimi
İlgili okumalar: AI Agent ile İş Analizi; Scrum’da Yapay Zekâ Nasıl Kullanılır?; RACI Matrisi Nasıl Yapılır?
Kaynaklar
PMI, PMBOK® Guide – Eighth Edition (Kasım 2025): https://www.pmi.org/standards/pmbok
PMI, The Standard for Artificial Intelligence in Portfolio, Program and Project Management (Haziran 2026): https://www.pmi.org/standards/artificial-intelligence
PMI, “AI Fluency Plus Human Judgment” duyurusu (22 Ekim 2026): https://www.pmi.org/about/press-media/2026/project-management-institute-helps-a-growing-profession-deliver-greater-value
PMI Blog, “Five Ways to Strengthen Human Judgment in AI-Assisted Projects” (Eylül 2026): https://www.pmi.org/blog/blog-posts/2026/09/14/17/55/ai-decision-making-human-judgment
OWASP, LLM06:2025 Excessive Agency: https://genai.owasp.org/llmrisk/llm062025-excessive-agency/
OWASP, LLM01:2025 Prompt Injection: https://genai.owasp.org/llmrisk/llm01-prompt-injection/
NIST, AI Risk Management Framework: https://www.nist.gov/itl/ai-risk-management-framework


