Yapay zeka araçlara çare olacakmış.
Türkiye’nin yaşlanan araç parkında yapay zekâ dönemi başlıyor
türkiye'de 22,8 milyon hafif aracın yaşlanması yedek parça yönetimini zorlaştırıyor. motor aşin ceo'su saim aşçı, yapay zekanın parça eşleştirme, stok optimizasyonu ve kestirimci bakımda kullanılacağını belirtti. bcg-mema araştırmasına göre şirketlerin %70'i yapay zeka kullanıyor ancak sadece %14'ü değer üretebiliyor.
türkiye’de 22,8 milyonluk hafif araç parkının yaşlanması, yedek parçada talep tahmini ve stok yönetimini daha kritik hâle getiriyor. motor aşin ceo’su saim aşçı, yapay zekânın parça eşleştirme, stok optimizasyonu ve kestirimci bakımda kullanılacağını söyledi. bcg-mema araştırmasına göre şirketlerin yüzde 70’i yapay zekâ kullanırken yalnızca yüzde 14’ü ticari değer üretebiliyor.
Türkiye’de binek ve hafif ticari araç parkının 22,8 milyona ulaşması ve ortalama araç yaşının 14,3’e yükselmesi, otomotiv satış sonrası sektöründe stok ve yedek parça yönetiminin önemini artırdı. Yapay zekâ; talep tahmini, parça eşleştirme, stok optimizasyonu ve bakım planlamasında kullanılmaya başladı.
İstanbul Ticaret Odası 52. Komite Başkanı ve Motor Aşin CEO’su Saim Aşçı, sektörde rekabetin doğru parçayı ihtiyaç duyulan zamanda ve noktada hazır bulundurabilme becerisiyle şekilleneceğini söyledi.
ARAÇLARIN YÜZDE 74’Ü BEŞ YAŞIN ÜZERİNDE
Frost & Sullivan tarafından Otomotiv Satış Sonrası Ürün ve Hizmetleri Derneği için hazırlanan araştırmaya göre Türkiye’deki binek ve hafif ticari araçların yüzde 73,9’u beş yaşın üzerinde bulunuyor. Araç parkının ortalama yaşı ise 2022’deki 13,9’dan 2025’te 14,3’e çıktı.
Yaşlanan araç parkının bakım ve onarım ihtiyacını artırdığını belirten Aşçı, araç yaşı, bölgesel dağılım, servis geçmişi, mevsimsel etkiler ve tedarik sürelerinin birlikte analiz edilmesi gerektiğini ifade etti.
HEDEF DAHA AZ DEĞİL, DAHA DOĞRU STOK
Aşçı, yapay zekâ destekli tahmin sistemlerinin ürün ve konum bazında daha isabetli stok kararları alınmasına yardımcı olabileceğini belirtti. Amaçlarının stokları doğrudan azaltmak değil; ihtiyaç duyulacak parçayı doğru bölgede bulundururken ölü stok, yok satma ve acil sevkiyat risklerini düşürmek olduğunu kaydetti.
YANLIŞ PARÇA RİSKİ VERİYLE AZALTILACAK
Yapay zekâ destekli sistemlerin şasi numarası, model yılı, motor kodu, orijinal ekipman numarası ve teknik ölçüleri birlikte inceleyerek araçla uyumlu parçanın bulunmasını hızlandırabileceği belirtildi.
Aşçı, yanlış parçanın iade ve taşıma maliyetinin yanı sıra aracın serviste kalma süresini uzatabileceğini söyledi. Bu sistemlerin güvenilir çalışabilmesi için ürün verilerinin güncel, standartlaştırılmış ve izlenebilir olması gerektiğini vurguladı.
ŞİRKETLERİN YÜZDE 14’Ü TİCARİ DEĞER ÜRETEBİLİYOR
Boston Consulting Group ile MEMA Aftermarket Suppliers’ın 2026 araştırmasına göre ticari araç satış sonrası sektöründeki şirketlerin yüzde 70’i belirli düzeyde yapay zekâ kullanıyor. Ancak araştırmaya katılanların yalnızca yüzde 14’ü bu uygulamalardan ticari değer elde ettiğini bildiriyor.
BAKIM İHTİYACI ÖNCEDEN TAHMİN EDİLECEK
Bağlantılı araçlardan, sensörlerden ve servis kayıtlarından elde edilen verilerle bazı arıza ve performans kayıplarının daha erken belirlenebileceğini aktaran Aşçı, gerekli parçanın araç servise gelmeden hazırlanabileceğini ifade etti.
Aşçı ayrıca araç verisine hukuka uygun erişim, müşterilerin bilgilendirilmesi, siber güvenlik ve bağımsız servislerin veriye erişim koşullarının teknolojik gelişim kadar önemli olduğunu belirtti.