Powered by Project Factory
Back to News
Project Factory Insights14 Jan 202610 min readAv. Ali Ulusoy0 reads

İhtiyaç Analizinden Etkiye: Yapay Zekâ Destekli Proje Kurgusu Nasıl Kurulur?

Bir projeyi kazandıran şey çoğu zaman “parlak fikir” değildir; parlak fikrin, doğru ihtiyaçtan başlayıp ölçülebilir etkiye giden bir mantık hattına dönüştürülmesidir. Değerlendiricinin zihninde proje, paragraf paragraf tüketilen bir yazı değildir. Proje; parçaları birbirini besleyen, riskleri önden gören, kaynakları ge

İhtiyaç Analizinden Etkiye: Yapay Zekâ Destekli Proje Kurgusu Nasıl Kurulur?

Giriş: Metin Yazmak Değil, Çalışan Bir Sistem Kurmak

Bir projeyi kazandıran şey çoğu zaman “parlak fikir” değildir; parlak fikrin, doğru ihtiyaçtan başlayıp ölçülebilir etkiye giden bir mantık hattına dönüştürülmesidir. Değerlendiricinin zihninde proje, paragraf paragraf tüketilen bir yazı değildir. Proje; parçaları birbirini besleyen, riskleri önden gören, kaynakları gerçekçi kullanan ve proje bittikten sonra dahi “hayatta kalabilen” bir mekanizmadır. Bu yüzden, ihtiyaç analizi zayıf olan bir metin hedefleri taşıyamaz; hedefleri belirsiz olan bir metin iş paketlerini doğrultamaz; iş paketleri birbirine oturmayan bir metin çıktıları rastgele gösterir; çıktılar sonuçlara bağlanmayan bir metin ise etkiyi sadece niyet seviyesinde bırakır.

Yapay zekâ (YZ) burada kritik bir ayrım yaratır. YZ’yi “hızlı paragraf üretici” olarak kullanırsanız, genellikle akıcı ama genel, vaatleri şişkin, kanıtı zayıf bir metin elde edersiniz. YZ’yi “tasarım ortağı” olarak kullanırsanız, ihtiyaçtan etkiye giden kurguyu adım adım sıkılaştırırsınız: zayıf halkaları görünür kılar, mantık kırılmalarını yakalar, ölçülebilirlik disiplinini kurar ve metnin “değerlendiriciye güven verme” kapasitesini yükseltirsiniz.

Bu yazıda amaç, yapay zekâyı proje kurgusuna entegre etmenin pratik ve yüksek puan getiren yolunu göstermek. Yani “YZ ile metin yazdırma” değil; “YZ ile proje tasarımı kurma”.


1) Başlangıç Noktası: Sorun Değil, Boşluk Tanımla

Proje kurgusunun ilk adımı çoğu zaman yanlış atılır: “Sorun var” diyerek başlanır. Oysa değerlendirici, sorunun varlığından ziyade, sizin sorunu bir proje tasarımına dönüştürebilecek netlikte tanımlayıp tanımlamadığınıza bakar. Bu netlik “boşluk” kavramıyla gelir.

Boşluk, mevcut durum ile istenen durum arasındaki farktır. Üstelik ideal olan, bu farkın ölçülebilir veya en azından doğrulanabilir olmasıdır. “Gençlerin spora katılımı düşük” demek yerine, hangi grupta, hangi davranış göstergesinde, hangi bağlamda, ne tür bir erişim veya kalite açığı olduğu söylenmelidir. Çünkü proje, soyut bir sorunu değil; tanımlanmış bir boşluğu hedef alır.

Yapay zekâyı burada iyi kullanmanın yolu, ona “ihtiyaç analizi yaz” demek değildir. Daha doğru yaklaşım, yapay zekâya boşluğu oluşturan bileşenleri tek tek sordurmaktır. Örneğin hedef grup, bağlam ve alanı verdiğinizde, YZ’den önce boşluğu parçalatırsınız: erişim boşluğu mu var, kalite boşluğu mu, kapasite boşluğu mu, motivasyon ve davranış boşluğu mu Bu ayrıştırma, projenin geri kalanında kararlarınızı keskinleştirir. Çünkü her boşluk türü, farklı bir çözüm modeline ihtiyaç duyar.

Bu aşamada bir “değerlendirici refleksi” daha devreye girer: Boşluk tanımı, aynı anda “neden şimdi?” sorusunu da cevaplamalıdır. Yani sorun yıllardır varsa, neden bu yıl proje yapıyorsunuz Neyi kaçırıyorsunuz, neyi yakalıyorsunuz YZ, bu zamanlama gerekçesi için güçlü bir çerçeve üretebilir; ancak sizin sahadan getireceğiniz yerel dinamikler metni gerçekçi kılar. Değerlendirici, “bugün” argümanı olmayan projeleri genellikle daha riskli algılar.


2) İhtiyaç Analizi Üç Katmanla Güçlenir: Fotoğraf – Kök Neden – Etki Riski

Okunur ve ikna edici bir ihtiyaç analizi genellikle üç katmanla yazılır. Bu yapı, değerlendiricinin zihninde projeyi hızla “meşru” hale getirir.

İlk katman “durumun fotoğrafı”dır. Hedef grubun hangi güçlüklerle karşılaştığı, hangi hizmete veya imkâna erişemediği, hangi davranışın veya pratiğin düşük olduğu netleşir. İkinci katman “kök nedenler”dir. Bu boşluk neden oluşuyor Altyapı, ekonomik bariyerler, bilgi eksikliği, ayrımcılık, erişilebilirlik sorunları, kurum kapasite açığı, personel eksikliği gibi neden hatları burada görünür olur. Üçüncü katman “etki riski”dir. Boşluk devam ederse ne olur Sağlık, sosyal dışlanma, düşük iyi oluş, kurumsal kapasite kaybı, toplumsal gerilim, fırsat eşitsizliği gibi sonuçlar bu katmanda yer alır.

Yapay zekâ, bu üç katmanı birbirine bağlayan mantığı kurmada güçlüdür. Ama kritik nokta şudur: YZ’nin ürettiği metin genellikle “genel doğru” olur. Başvuruyu kazandıran ise “bağlamsal doğru”dur. Bu yüzden YZ’den çıkan taslağı, sizin sahaya dayalı gözlemleriniz ve gerçek paydaş profilleriyle özelleştirmeniz gerekir. Örneğin “kırsal bölgelerde erişim sorunu” dediğinizde, o erişim sorununun hangi pratik noktada oluştuğunu göstermelisiniz: ulaşım maliyeti mi, tesis yokluğu mu, eğitmen eksikliği mi, aile tutumları mı

Bu düzeyde somutluk, sadece metni güzelleştirmez; projenin çözüm modelini de otomatik olarak belirginleştirir.


3) Kanıt Disiplini: Veriyi “Süs” Değil, “Karar Dayanağı” Yap

Proje metinlerinde verinin kullanımı çoğu zaman iki hataya düşer: ya hiç veri yoktur, ya da veri bir kez verilip metin ondan sonra tamamen vaat diline döner. Oysa güçlü proje, veriyi bir “kanıt zinciri” olarak kullanır. Sadece “sorun var” demek için değil; “bu hedef grubu seçtik, bu yöntemi seçtik, bu ölçeği seçtik” demek için de veri mantığı kurar.

Yapay zekâyı burada “kanıt haritası üretici” gibi kullanabilirsiniz. YZ’ye, projenizdeki kritik kararları tek tek verirsiniz: hedef grup, müdahale yöntemi, transnasyonel boyut, süre, beklenen değişim. Sonra YZ’den her karar için hangi veri türünün uygun olduğunu önermesini istersiniz. Bu, metnin neresinde hangi tür kanıt kullanılacağını düzenler: ihtiyaç bölümünde bağlam verisi, yöntem bölümünde etkinlik kanıtı, etki bölümünde ölçüm göstergeleri gibi.

Buradaki incelik, veriyi sayılarla boğmak değil; “kritik iddiaları” boşlukta bırakmamaktır. Değerlendirici, her paragrafta istatistik aramaz; ama büyük iddiaların arkasında mantık arar. Yapay zekâ, “bu cümle çok genel, hangi göstergeyle somutlaştırılabilir?” sorusuna hızlı yanıt verir. Siz de elinizdeki ülke/yerel/kurumsal verilerle bunu gerçek bir kanıta dönüştürürsünüz.


4) Sorun Ağacı → Hedef Ağacı: Projenin Omurgasını Kur

İhtiyaç analizinin bir sonraki adımı, “sorun ağacı” mantığıdır. Sorun ağacı, ana problemin altında yer alan nedenleri ve üstünde oluşan sonuçları hiyerarşik biçimde görmeyi sağlar. Proje kurgusu açısından en değerli yanı şudur: Her neden sizin projenizin çözebileceği bir alan değildir. Proje, çözebileceği neden hattını seçer ve oradan ölçülebilir değişim üretir.

Yapay zekâ, sorun ağacını hızlıca çıkarır; siz ise stratejik seçim yaparsınız. Örneğin “katılım düşük” sorununun nedenleri arasında erişim, motivasyon, ekonomik engel, ayrımcılık, bilgi eksikliği, rol model eksikliği, program kalitesi gibi farklı hatlar olabilir. Proje, bu hatların hepsini sahiplenirse dağılır. Ama iki hat seçip onları güçlü bir müdahale modeliyle ele alırsa güçlenir.

Sorun ağacının “tersine çevrilmiş” hali hedef ağacıdır. Yani “bu nedenler ortadan kalkarsa ne değişir?” sorusuyla hedefler görünür olur. Hedef ağacı, SMART hedeflere giden yolun tasarım aracıdır. Yapay zekâ burada, her sorun bileşeni için bir hedef bileşeni önerebilir; ancak hangi hedeflerin proje kapsamına sığacağını siz belirlemelisiniz. Proje süresi, bütçesi ve ortaklık kapasitesi hedeflerin gerçekçi sınırıdır.


5) SMART Hedefler: Ölçülebilirlik Bir Dil Meselesidir

Hedeflerin SMART olması, bir tablo doldurma işi değildir. SMART hedef, cümle düzeyinde ölçülebilir bir değişimi tarif eder. “Farkındalık artırmak” bir niyettir; “belirli bir grupta belirli bir davranış göstergesinde belirli bir iyileşme sağlamak” değişimdir.

Yapay zekâ bu dönüşümü çok iyi yapar; ancak iki tuzak vardır. Birincisi, YZ’nin önerdiği sayıları ve oranları otomatik kabul etmektir. İkincisi, hedefleri fazla çoğaltmaktır. Değerlendirici, az hedefin güçlü biçimde taşınmasını sever; çok hedefin yüzeysel kalmasını sevmez.

SMART hedef kurarken okunurluğu korumak önemlidir. Metin KPI listesinin aynısı olmamalı; ancak her hedefin ölçülebilirliği sezdirilmelidir. Hedef cümlesinin içinde “kim, ne, ne kadar, ne zaman” unsurları doğal biçimde yer almalıdır. YZ’ye hedefleri bu formatta yeniden yazdırıp, sonra sizin proje ölçeğinize göre gerçekçi hale getirmeniz, puan potansiyelini yükseltir.


6) Müdahale Modeli: Faaliyet Listesi Değil, Değişim Mekanizması

Birçok proje metni faaliyetlere gömülür: eğitimler, atölyeler, toplantılar, pilot uygulamalar… Bunlar gereklidir; ama yüksek puan, faaliyetlerin arkasındaki “neden-sonuç” mekanizmasının netliğinden gelir. Değerlendirici şunu okumak ister: Bu faaliyetler neden bu değişimi üretecek

Bu noktada “değişim teorisi” yaklaşımı işe yarar. Girdiler → faaliyetler → çıktılar → sonuçlar → etki zinciri, projenin mantık hattını gösterir. Yapay zekâ, bu zinciri metne yedirmenize yardım eder. Her aşama için kısa ama net açıklamalar üretir: çıktılar nasıl üretilecek, sonuçlar nasıl oluşacak, etki hangi yol üzerinden gerçekleşecek

Bu zincirin en kritik halkası “benimsenme”dir. Çıktı üretmek etki yaratmaz. Çıktının kullanılması, rutinlere girmesi, birileri tarafından sahiplenilmesi etki yaratır. Yapay zekâya “bu çıktının benimsenme mekanizması nedir?” sorusunu sorduğunuzda, sürdürülebilirliği proje tasarımının içine gömmeniz kolaylaşır.


7) İş Paketleri: Akış Mantığı Kurulmadan WP Yazmak Risk Üretir

Work Package (WP) kurgusu, projenin yönetilebilirliğini gösteren en görünür alandır. Değerlendirici WP’lere bakarak şu soruyu sorar: Bu ekip, bu projeyi gerçekten yönetebilir mi İş paketleri birbirini besliyor mu Alt faaliyetler hedefleri taşıyor mu Çıktılar zamanında üretilebilir mi

Yapay zekâ, WP akışını önerirken iyi çalışır; ancak güçlü bir WP kurgusu, “değişim cümlesi” ile başlar. Yani her WP için “Bu WP bittiğinde sahada ne farklı olacak?” sorusuna cevap veren bir cümle yazılır. Bu cümle, WP’yi faaliyet listesinden çıkarır, sonuç üreten modüle dönüştürür.

Ayrıca WP’ler arasında neden-sonuç bağı kurulmalıdır. İhtiyaç analizi çıktısı tasarım rehberine temel olur; tasarım rehberi pilot uygulamayı standartlaştırır; pilot bulguları yaygınlaştırma ve politika önerisine veri sağlar gibi bağlantılar, değerlendiriciye projenin “kurulu” olduğunu hissettirir.


8) İzleme ve Değerlendirme: Sonradan Eklenen Bölüm Değil, Tasarımın Parçası

İzleme-değerlendirme bölümü, en çok “sonradan eklenmiş” gibi görünen bölümdür. Ve bu his, puanı düşürür. Çünkü değerlendirici, ölçümü önemsemeyen bir ekibin projeyi de yönetemeyeceğini düşünür.

YZ ile proje kurgusunun avantajı, ölçümü baştan kurabilmenizdir. Her hedef için bir baseline varsayımı, süreç izleme göstergeleri ve sonuç göstergeleri belirlenir. Ölçüm araçları da gerçekçi seçilir: anket, gözlem formu, odak grup, vaka çalışması, dijital izleme, katılım kayıtları gibi.

Burada nitel ve nicel denge önemlidir. Sayılar güven verir; nitel veri ise değişimin “kalitesini” gösterir. Yapay zekâ, hangi hedef için hangi tür veri daha anlamlı olur sorusuna iyi yanıt verir. Siz de kurum kapasitenize göre bunu uygulanabilir hale getirirsiniz.


9) Etki: Görünürlükten Benimsenmeye, Kalıcılığa ve Ölçeklenebilirliğe

Etki yazımı çoğu projede “yaygınlaştırma” ile karıştırılır. Yaygınlaştırma görünürlük sağlar; etki ise benimsenme ve kalıcılık sağlar. Değerlendirici, proje bittikten sonra ne kalacağını görmek ister. Hangi çıktılar kim tarafından kullanılacak Hangi süreçler rutinlere girecek Hangi ortak, hangi parçayı sahiplenip devam ettirecek

Etkiyi katmanlara ayırmak yazıyı güçlendirir. Katılımcı düzeyi etkiler, kurumsal düzey etkiler ve ekosistem düzeyi etkiler ayrı ayrı anlatılır. Yapay zekâ, bu katmanları netleştirip aralarındaki yolu kurmada güçlüdür. Siz de kendi ağınız ve gerçek paydaşlarınız üzerinden etkiyi inandırıcı hale getirirsiniz.


10) Sürdürülebilirlik: Üç Garanti Mekanizmasıyla Güven İnşa Et

Sürdürülebilirlikte “devam edecek” demek yetmez. Güven veren sürdürülebilirlik, mekanizma diliyle yazılır. Üç ana garanti türü vardır: kurumsal, finansal ve topluluk garantisi.

Kurumsal garanti, çıktıların prosedürlere, strateji dokümanlarına, eğitim programlarına ve rutinlere girmesidir. Finansal garanti, yerel bütçe, sponsorluk, gelir modeli veya eş-finansman gibi araçlarla devamın mali temelini kurmaktır. Topluluk garantisi ise ağ, gönüllü sistemi, uygulayıcı havuzu ve paydaş koalisyonlarıyla insan kaynağı sürekliliğini sağlamaktır.

Yapay zekâ, projenize uygun sürdürülebilirlik senaryoları üretebilir; siz bu senaryoları gerçekçi roller ve kaynaklarla somutlaştırırsınız. Değerlendirici için en ikna edici unsur, “kim, neyi, hangi mekanizma ile sürdürecek?” sorusunun açık cevabıdır.


11) Yapay Zekâ ile Tutarlılık Denetimi: Projeyi Değerlendirici Öncesi Stres Testine Sok

Yapay zekânın en stratejik kullanım alanı, proje metnini yazdırmak değil; metni değerlendirici gözünden “stres testine” sokmaktır. İhtiyaç analizi hedefleri gerçekten gerektiriyor mu Hedefler WP’lerde karşılık buluyor mu Çıktılar sonuçlara bağlanıyor mu Etki iddiaları mekanizmalarla destekleniyor mu Ortaklık bu yükü taşıyabilir mi

Bu soruların her birine net cevap veren bir proje, değerlendiriciye güven verir. Bu güven de puana dönüşür. Ayrıca YZ’den “klişe temizliği” isteyerek metindeki belirsiz ifadeleri somutlaştırabilirsiniz. Böylece proje metni, akıcı olduğu kadar “kanıta ve mekanizmaya dayalı” hale gelir.


Sonuç: İhtiyaçtan Etkiye Giden Yol, Yazım Tekniği Değil Tasarım Disiplinidir

Yapay zekâ destekli proje kurgusu, projeyi hızlı yazmakla ilgili değil; projeyi sağlam kurmakla ilgilidir. İhtiyaç analizi boşluğu netleştirir; kanıt disiplini kararları taşır; sorun-hedef dönüşümü omurgayı kurar; SMART hedefler ölçülebilirliği getirir; değişim teorisi mekanizmayı açıklar; WP akışı uygulanabilirliği gösterir; izleme-değerlendirme güvence sağlar; etki ve sürdürülebilirlik kalıcılığı mümkün kılar.

Yapay zekâ bu zincirin her halkasında size hız ve netlik kazandırır. Ama proje, sahaya basan gerçek kararlarla güçlenir. YZ doğru soruları sordurur, zayıf halkaları gösterir, tutarsızlıkları yakalar. Siz o boşlukları gerçekçi çözümlerle doldurur, metni insan dokunuşuyla “güven veren bir başvuruya” dönüştürürsünüz.


NEXT... Below are 10 strong, shareable article titles focused on AI-supported project development, specifically aligned with Erasmus+ / EU project writing and design:

  1. From Idea to Funding: The New Logic of Project Development with Artificial Intelligence https://www.linkedin.com/pulse/project-factory-from-idea-funding-new-logic-ali-ulusoy-wiynf/
  2. Artificial Intelligence That Thinks Like an Evaluator: A Strategic Advantage in Project Texts https://www.linkedin.com/pulse/evaluator-driven-ai-turning-artificial-intelligence-strategic-ulusoy-1omuf/
  3. From Needs Analysis to Impact: How to Build an AI-Supported Project Structure https://www.linkedin.com/pulse/from-needs-analysis-impact-how-build-ai-supported-project-ali-ulusoy-rymnf
  4. Stronger Objectives, More Measurable Results with Artificial Intelligence
  5. Using Artificial Intelligence in Project Writing: Copying or a Smart Assistant
  6. Targeting 95+ Scores in EU Projects: Strategic Writing Techniques with Artificial Intelligence
  7. Building Work Package Logic with Artificial Intelligence: How Does It Reduce Errors
  8. Designing Project Mechanisms, Not Just Project Texts, with Artificial Intelligence
  9. Save Time Without Compromising Quality: Project Development with Artificial Intelligence
  10. Human Touch + Artificial Intelligence: The New Formula for Winning Project Proposals



  • We can add value to your projects with our organizations in Türkiye and Estonia. Would you like to benefit from our contribution in writing your central projects

İhtiyaç Analizinden Etkiye: Yapay Zekâ Destekli Proje Kurgusu Nasıl Kurulur

Share This Content

Related Articles