Yapay zeka ile forecast artık sadece büyük şirketlerin değil, sahadaki her proje yöneticisinin ihtiyacı. Çünkü modern projelerde EAC (Estimate at Completion) hesaplamak, sadece CPI ve SPI formülleriyle çözülecek kadar basit değildir. Artık değişkenler daha karmaşık: geç ödenen hakedişler, döviz kuru oynaklığı, onay bekleyen change order’lar, işçi azaltmak zorunda kalan taşeronlar ve lojistik aksaklıklar…

Bu yazı oldukça teknik olacak ve içinde çokça İngilizce terim geçecek. Ancak yazının sonunda sizin için kısa bir terimler sözlüğü hazırladım. Böylece tüm içeriği rahatlıkla takip edebilirsiniz. Yazıyı bu şekilde hazırladım çünkü bu alanda çalışan profesyoneller bu terimlere aşina ama “yapay zekâ ile forecast” konusunda henüz çok deneyimli değiller. Umarım bu içerik işinizi kolaylaştırır.

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.

Bu yazıda tüm bu faktörlerin EAC tahminine nasıl yansıdığını, gerçek bir proje senaryosu üzerinden ve yapay zekâ (AI) desteğiyle nasıl analiz edilebileceğini detaylı bir şekilde inceleyeceğiz.

Senaryo Özeti: Gerçek Bir Projeden Alınan Veriler

Yapay Zeka ile Forecast yapmak için bir seneryo oluşturalım. Senorya oluşturma bölümün de chatgpt’ye bıraklım bakalıım neyle gelecek.

• Sözleşme bedeli: 25 milyon USD
• Fiziksel ilerleme: %54
• Toplam harcama: 14.2 milyon TL (kur: 1 USD = 31)
• Change Order: 2.3 milyon USD – henüz onaylanmamış
• Taşeron A, 2 aydır ödeme alamadığı için işçi sayısını %35 azalttı
• Verim kaybı: %18 (direkt üretim süresine yansıyor)
• Malzeme tedarik süresi: planlanandan 14 gün geç
• Hakedişlerin ödeme süresi: ortalama 90 gün (plan: 30 gün)
• Kur farkı ve geç ödeme nedeniyle oluşan toplam kayıp: ~33.000 USD

Bu Şartlarda Klasik EAC Mantığı kullanılırsa

• Kur farkı hesaba katılmaz.
• İş gücü azalmasının üretime etkisi göz ardı edilir.
• CO onayı yoksa model dışı kalır ama sahada uygulanıyor olabilir.
• Lojistik gecikmeler kritik yolu etkiler ancak hesaplamada görülmez.

Yapay Zekâ Destekli Forecast Nasıl Yardımcı Olur?

• Tüm değişkenleri analiz ederek çok boyutlu senaryolar üretir.
• Finansal, zamansal ve üretimsel riskleri eş zamanlı değerlendirir.
• Yönetim kararlarına temel olacak açıklamalar sunar.

ChatGPT ile Gelişmiş Forecast Prompt’u

Buradaki promptu ve yapabilecekleri bölümün chatgpt kendisi oluşturdu. Bakalım ne anlatıyor…

Aşağıdaki verilerle çok değişkenli bir forecast hesapla. Bütçe ve süre açısından EAC tahmini yap.

Parametreler:
- EV: 13.5M USD
- AC: 14.2M TL (kur = 31)
- BAC: 25M USD
- Change Order: 2.3M USD (onay bekliyor)
- Taşeron ödeme alamıyor, işçi sayısını %35 azalttı
- Verim kaybı: %18
- Lojistik gecikme: +14 gün
- Hakediş ortalama 90 gün sonra ödeniyor
- Gecikmeye bağlı finansal değer kaybı: %7
- Rezerv süre: 30 gün

Senaryolar:
1. CO onaylanır, ödeme yapılır, taşeron eski kadroya döner
2. CO onaylanmaz, mevcut düşük verimle devam edilir
3. CO reddedilir, lojistik gecikmeler artar

Her senaryo için:
- Tahmini EAC (USD)
- Süre kaybı (gün)
- Kritik yol etkisi
- Finansal risk yorumu
- Yönetim önerisi

ChatGPT Örnek Sonuç (Senaryo Bazlı Forecast)

Senaryo 1: Change Order onaylandı, taşeron ödemesini aldı

• Tahmini EAC: 26.4M USD
• Gecikme: +15 gün
• Verim artışıyla üretim hızı normale döndü
• Risk: Sınırlı, CO sayesinde nakit akışı düzeldi
• Öneri: Ek kaynak planlaması yapılmalı

Senaryo 2: Change Order reddedildi, düşük verimle devam edildi

• Tahmini EAC: 28.1M USD
• Gecikme: +38 gün
• Kritik yol uzadı, taşeron iş gücü eksikliği telafi edilemedi
• Risk: Zaman kaybı + artan personel maliyeti
• Öneri: İkincil taşeron veya üretim kaydırma senaryosu değerlendirilmeli

Senaryo 3: CO reddedildi, lojistik gecikmeler arttı

• Tahmini EAC: 29.4M USD
• Gecikme: +52 gün
• Kritik yol kırıldı, aktiviteler arasında buffer kalmadı
• Risk: Süre ve maliyet kontrolsüz büyüyor
• Öneri: Malzeme tedarik süreci yeniden tasarlanmalı

Change Order Risk Durumu (Örnek Tablo)

Sonuç: Yapay Zeka ile Forecast Bize Perspektif Sağlar

ChatGPT veya diğer yapay zekalar aldı yürüdü bu yazıdaki prompları ve promp sonuçlarını ona borçluyuz. Sizde EAC tahmini mi yapamayacak?

Forecast artık sadece ne zaman biter, ne kadar harcarız sorusunun değil; “hangi koşulda, neden bu şekilde ilerliyoruz?” sorusunun da yanıtıdır. Bu yazıda anlatılan konuyu güçlendirip EAC tahminlerinize uygulayabilirseniz çok daha gerçekçi sonuçlar alabilirsiniz.

Lojistik problemler, ödeme gecikmeleri, iş gücü dalgalanmaları ve change order belirsizlikleri gibi çok katmanlı sorunlara rağmen doğru öngörü üretmek istiyorsak, klasik tahmin yaklaşımını çok değişkenli, yapay zeka destekli senaryo analizleriyle desteklemek bize ciddi avantaj sağlayabilir.

Terimler Sözlüğü