Yapay zeka (AI), artık sadece IT uzmanlarının değil, proje kontrol mühendislerinin, planlamacıların, hatta şantiye müdürlerinin de radarında. Peki bu teknoloji; P6 program analizi, hak talebi yönetimi ya da mali performans takibinde gerçekten kullanılabilir mi? Yani Yapay Zeka ile Proje Kontrolü mümkün mü?

Yapay zeka son zamanlarda ciddi bir hype. Herkes bundan mutlaka bahsediyor. Hatta bazıları dünyanın sonununu getireceğini düşünüyor. Ama yapay zeka henüz o seviyelerde değil… Ancak bu yazıda, inşaat projelerinde AI destekli çözümleri hem uygulanabilir tekniklerle, hem de veri güvenliği ve sorumluluk çerçevesinde ele alacağım.

1. AI ile Gecikme Analizi (Forensic Delay Analysis)

Forensic delay analysis hâlâ Primavera P6’dan “compare baseline” ile yapılmaya çalışılıyor. Ancak yüzlerce aktivite içinde mantık ilişkilerinin kayması ya da kritik yolun farklı bir pakete geçmesi fark edilmeyebiliyor.

AI Yaklaşımı:
• Python + Pandas ile XER dosyasındaki TASKPRED, TASK ve PROJREL tabloları çekilir.
• AI, logic path algoritması ile güncel kritik yolu hesaplar.
• Önceki schedule ile karşılaştırma yaparak, kritik yolun nasıl değiştiğini görsel bir grafikte sunar.

Kullanım:
• Program revizyonlarında “ne değişti?” sorusuna net yanıt.
• Delay event ile ilişkili olup olmadığı otomatik işaretlenebilir.
• APEX ya da Flask ile arayüz oluşturulabilir, AI yorumunu yazılı rapor formatında verir.

Güvenlik Notu: XER dosyaları, proje takvimleri ve yüklenici bilgileri gibi gizli veriler içerir. Kullanılan AI sistemlerinin yerel çalışması ve tüm tanımların anonim hâle getirilmesi önerilir. Kurum içi kapalı AI sistemleri tercih edilmelidir. GPT bağlantısı ancak gerekli GPT firmasıyla gizlilik anlaşması sonrası değerlendirilmelidir.

2. Hak Talepleri için AI ile Sözleşme Analizi

AI, FIDIC gibi sözleşmeleri okuyarak gecikme olaylarının hangi madde kapsamında değerlendirileceğini analiz edebilir. Yapay zeka ile proje kontrolü açısından en kolay uygulanabilir alanlardan birisi bu aslında.

Problem:

Sözleşmeye dayalı claim’lerin çoğu zaman “metin kopyala-yapıştır” ile hazırlanması, hak kaybı doğuruyor.

AI Yaklaşımı:
• FIDIC Yellow Book veya özel EPC sözleşmesi yüklenir.
• Change Order Log, Delay Event Description ve As-built verisi girilir.
• GPT-4 + RAG mimarisi ile:
“Clause 20.1 kapsamında bu olay claim’e uygundur. Suggested justification: [otomatik analiz]” gibi çıktılar verilir.

Örnek:
• “Scope Gap: Mechanical Pipe Supports Missing in IFC” olayında,
• AI, Clause 13.1-13.3 kapsamında contractor lehine VO önerisi + ek süre isteğini otomatik yazar.

Güvenlik Notu: GPT gibi API hizmetlerinde sözleşme maddeleri ve olay detayları asla doğrudan verilmemeli, önce anonimleştirilmelidir. Kurum içi kapalı AI sistemleri tercih edilmelidir. GPT bağlantısı ancak gerekli GPT firmasıyla gizlilik anlaşması sonrası değerlendirilmelidir.

3. EVM ile SPI/CPI Performans Tahmini

Earned Value verileri (EV, PV, AC) AI ile işlenerek, projenin zaman ve maliyet performansı tahmin edilebilir. Sürekli düşen SPI trendi olan aktiviteler riskli olarak işaretlenebilir ve gecikme riski grafikle sunulabilir.

Problem:

Cost performance analizleri aylık rapor için geç geliyor. Finansal sapmalar önceden yakalanamıyor.

AI Yaklaşımı:
• Earned Value verisi (EV, PV, AC) + Cash In/Out Plan + Risk Register birleştirilir.
• AI, regresyon analizleriyle SPI<0.9 trendinin sürdüğü paketlerde potansiyel % gecikmeyi hesaplar.
• Aynı zamanda cashflow’da “under-recovery” riski olan paketleri işaretler.

Kullanım:
• Monthly Report içinde “Forecasted Delay Impact & Cost Overrun Risk Matrix” başlığı altında sunulabilir.
• Grafik + açıklama + mitigation önerisi birlikte çıkar.

Güvenlik Notu: Maliyet ve performans verileri sınırlı erişimli olmalı. AI sistemleri sadece özet verilerle çalışmalı ve dışa veri çıkışı engellenmelidir. Kurum içi kapalı AI sistemleri tercih edilmelidir. GPT bağlantısı ancak gerekli GPT firmasıyla gizlilik anlaşması sonrası değerlendirilmelidir.

4. Belge Arama ve Revizyon Takibi

PDF formatlı datasheet ve vendor dokümanları bir vektör veritabanına yüklenerek AI tarafından aranabilir ve analiz edilebilir.

Problem:

Vendor dokümanları, tasarım revizyonları ve RFI’lar yüzlerce PDF arasında kayboluyor.

AI Yaklaşımı:
• Tüm vendor submittal’ları ve RFI’lar bir vektör veritabanına yüklenir (Pinecone, ChromaDB).
• GPT-4 kullanarak sorulabilir:
“Show me all the vendor comments related to instrument air compressors in Area 530.”

Ekstra:
• AI, revizyon takibi yapar. “Drawing 512-PD-002 was revised 3 times. Last revision changed nozzle elevation.” gibi kritik değişiklikleri listeler.

Güvenlik Notu: Teknik dokümanlar, proses detayları ve müşteri bilgileri içerdiğinden, sistem yalnızca lokal ve şifreli çalışmalı, GPT bağlantısı ancak gerekli GPT firmasıyla gizlilik anlaşması sonrası değerlendirilmelidir.

Sonuç

Yapay zeka ile proje kontrolü artık bir lüks değil, veriye dayalı karar alma sürecinin doğal bir uzantısı. Ancak bu sistemleri doğru şekilde entegre etmek, veri güvenliğini sağlamak ve insan uzmanlığıyla birlikte çalıştırmak bu dönüşümün başarısı için şarttır.

AI sistemleri insanın yerini almaz; insanın etkisini büyütür.

Umarım youtube kanalımı takip ediyorsunuz ayrıca instagram ve facebookta da takibiniz devam ediyordur, abone olursanız yazılarımı email olarak alırsınız hemen okuma fırsatınız olur benden söylemesi tabi, keyfiniz bilir… Ayrıca proje yönetimi konularında daha fazla bilgi için blogun bu bölümüne bir göz atın.

Yazıyı paylaş:Twitter | LinkedIn | WhatsApp