Cidde’de düzenlenen IAOM MEA 2025 konferansında, değirmenciler, otomasyon uzmanları ve tahıl piyasası analistleri; yapay zekânın satın alma süreçlerini, kalite yönetimini, izlenebilirliği ve piyasa riskini nasıl dönüştürdüğünü, bununla birlikte veri yönetişimi ile insan muhakemesinin neden hâlâ kritik olduğunu masaya yatırdı.

Yapay zekâ, tahıl ve un değer zincirinde soyut bir kavram olmaktan hızla çıkarak sahada kullanılan pratik bir araca dönüşüyor. IAOM MEA 2025 kapsamında Cidde’de gerçekleştirilen ve AgResource (ABD) Başkanı Dan Basse tarafından yönetilen panelde; değirmencilik, otomasyon ve teknoloji dünyasından isimler bir araya gelerek yapay zekânın tahıl ticareti ve piyasa analizlerini şimdiden nasıl etkilediğini ve sırada ne olduğunu değerlendirdi.

Panelin konuşmacıları Modern Mills Company (Suudi Arabistan) Üretim Mükemmelliği Direktörü Ismail Jatti, ASM Process Automation (BAE) CEO’su Ali Magboul, Siemer Milling (ABD)Başkan Yardımcısı Sunil Maheshwari ve EGI (Lübnan) Genel Müdürü Anas Shaar oldu.

Konuşmacılar tek bir noktada birleşti: Yapay zekâ değirmencinin yerini almayacak; ancak verisini, otomasyonunu ve çalışma kültürünü modernize edemeyen tesisler geride kalma riskiyle karşı karşıya.

‘ELEKTRONİK TABLO CEHENNEMİ’NDEN CANLI VERİYE

Dört panelist de, yapay zekânın değirmende işe yaraması için en temel şartın veri altyapısı olduğunu; ancak birçok tesisin bu alanda henüz yolun başında bulunduğunu vurguladı. Modern Mills’ten Ismail Jatti, yakın zamana kadar karar alma süreçlerinin önemli bir bölümünün manuel veri toplama ve elektronik tablo analizleriyle yürüdüğünü anlattı. Jatti, “Sadece temel kararları verebilmek için bile çok zamanımızı veri toplayıp analiz etmeye harcıyorduk. Bugün ise yapay zekâ ve mevcut araçlarla bu döngüyü kısaltmak istiyoruz: Veri zaten var; mesele onu ne kadar hızlı karara dönüştürebildiğimiz.” diye konuştu. 

Otomasyon uzmanı Ali Magboul’e ise göre asıl engel teknoloji değil, kültür. Pek çok un fabrikası hâlâ Excel raporlarına, birbiriyle bağlantısız laboratuvar ölçümlerine ve yerel elektronik tablolara dayanıyor. Magboul bu durumu “elektronik tablo cehennemi” olarak nitelendiriyor. Çözüm önerisi ise şöyle:

• Otomasyon ve SCADA katmanlarından makine seviyesindeki veriyi birbirine bağlamak,
• Bu veriyi ERP sistemiyle entegre etmek,
• Yapay zekâya geçmeden önce veriyi standartlaştırıp merkezileştirmek.

Magboul, “ChatGPT kendi dünyasında harika olabilir; ama gerçek bir endüstriyel değirmende ihtiyacınız olan şey, gerçek zamanlı ve birbirine bağlı veridir. Yapay zekâ, kurduğunuz veri hattı kadar iyi sonuç verir,” diye konuştu.

YAPAY ZEKÂYA HAZIR DİJİTAL DEĞİRMENLER

ABD’li Siemer Milling Başkan Yardımcısı Sunil Maheshwari, tesislerinin artık tamamen dijitalleştiğini ve her dakika milyonlarca veri noktası ürettiğini ifade etti. Bir sonraki adım ise yapay zekâyı iki kritik alana taşımak:

Proses optimizasyonu ve verim: Veriyi kullanarak değirmen performansını ayarlamak, randımanı artırmak ve kül değerini stabilize etmek.

Hammadde kabulünde gerçek zamanlı kalite control: Tahıl kamyondan, vagonlardan ya da gemiden boşaltılırken; silolara girmeden önce protein, nem, kül ve yabancı madde gibi parametreleri gerçek zamanlı ölçmek.

Maheshwari’ye göre yapay zekâ, tahılın tesise girişinde daha hassas ayrıştırma ve harmanlama yapılmasını sağlarsa, un kalitesinde süreklilik yaratacak ve pahalı yüksek proteinli buğdaya duyulan ihtiyacı azaltacak. Maheshwari, “Üç yıldır dijitalleşiyoruz; şimdi sıradaki adım, prosesi yapay zekânın yardımıyla kontrol etmek,” dedi.

DEĞİRMENDE EĞİTİCİ VE SİMÜLATÖR OLARAK YAPAY ZEKÂ

EGI Genel Müdürü Anas Shaar’a göre fırsat yalnızca analitikle sınırlı değil. Şirketi, proses verileri, teknolojiler ve gerçek işletme senaryoları ile eğitilmiş, değirmencilik için özel bir yapay zekâ “ajanı” geliştirmek üzere beş yıldır çalışıyor.

Bu ajan iki rol üstleniyor:

• Eğitici: Değirmenciler, sorular sorarak ve bağlama özgü rehberlik alarak sistemle etkileşime giriyor. Bu etkileşim arttıkça sistem daha doğru ve daha sağlam hale geliyor.
• Simülatör: Mühendisler, yeni reçeteleri, randıman hedeflerini veya proses ayarlarını sanal ortamda test edebiliyor; değişiklikleri tesiste uygulamadan önce un kalitesine etkisini görebiliyor.

Shaar, “Bu harika bir yolculuk. Biz ajanı eğitiyoruz; o da bizim insan kaynağımızı eğitiyor,” dedi.

TARLADAN SOFRAYA %100 İZLENEBİLİRLİĞE GİDEN YOL

Panelistler, yapay zekânın etkisinin değirmen sahasının çok ötesine taşacağını vurguladı. Maheshwari, buna en iyi örnek olarak izlenebilirliği gösterdi. Yasal gereklilikler ve tüketici beklentileri giderek tam bir “tarladan sofraya” görünürlüğe doğru ilerliyor. Kâğıt temelli sistemler ve parçalı elektronik tablolar yüzde 100 izlenebilirliğe yaklaşamazken; çiftlik, lojistik, depolama ve değirmencilik verisini birleştiren yapay zekâ destekli sistemler bunu mümkün kılabiliyor.

Moderatör Dan Basse, bu gelişmeyi tüketici tutumlarındaki daha derin bir değişimle ilişkilendirdi. Genç kuşaklar giderek “gıdayı ilaç” gibi görüyor; yalnızca gıdanın nereden geldiğini değil, besin değeri ve fonksiyonel özelliklerini de bilmek istiyor. Rejeneratif tarım, çiftlik verileri ve değirmencilik analitiği arasındaki entegrasyon güçlendikçe, yapay zekâ; toprak sağlığı, buğday proteini ve amino asit profillerini tüketicinin sepetine giren ürünlerle ilişkilendirmeye yardımcı olabilir. Basse, “Bu benim için yapay zekânın en heyecan verici olasılıklarından biri,” dedi.

Uygulamada, çiftlik-değirmen bağlantısının ilk parçaları şimdiden devreye girmiş durumda. Basse, şirketinin toprak sensörleri ve uydu görüntülerini kullanarak hasat öncesinde verimi ve muhtemel kaliteyi — protein gibi göstergeler dâhil — tahmin ettiğini anlattı. Yapay zekâ modelleri bu verileri bir araya getirip yorumlayarak değirmenlere yaklaşan mahsul hakkında erken bir okuma sunabiliyor.

Bu yaklaşım, yalnızca miktara değil kaliteye dayalı hasat öncesi sözleşmelerin de önünü açıyor:

• Sensörler gübreleme düzeylerini ve toprak nemini izliyor,
• Uydular bitkinin gelişimini ve hastalık stresini değerlendiriyor,
• Yapay zekâ modelleri her tarla için verim ve kaliteyi öngörüyor.

Değirmenler; protein, gluten ve fonksiyonel parametre gibi ihtiyaçlarını daha ürün ihracat zincirine girmeden önce belirleyebilecek ve yapay zekâ, bu ihtiyaçları çiftçiler ve tüccarlarla eşleştirmeye yardımcı olabiliyor. Fırıncılar ise aldıkları una göre su absorbsiyonu, fermantasyon ve pişirme parametrelerini yapay zekâ ile daha hassas şekilde optimize edebilecek.

YAPAY ZEKÂNIN DEĞİRMENİN MALİYET TABLOSUNA ETKİSİ

Konuşmacılara göre yapay zekânın ekonomik karşılığı üç alanda öne çıkıyor:

• Verim ve randıman: Daha iyi proses kontrolü, daha az kayıp ve ton başına daha fazla satılabilir un demek.
• Kalite sürekliliği: Daha hassas harmanlama ve proses yönetimi, kalite düşüşlerini ve müşteri şikâyetlerini azaltır.
• Daha akıllı satın alma: Erken ve veri odaklı alım kararları, ortalama hammadde maliyetini aşağı çekebilir.

Modern Mills’ten Jatti, “Kaliteyi iyileştirmek size rekabet avantajı sağlar; verimi iyileştirmek ise kâr marjınızı korur. Bu araçlarla güçlü bir yatırım getirisi görüyorum. Rekabetçi fiyatlardan daha erken alım yapabilir ve değirmeni daha verimli çalıştırabilirsek, tüm gıda zinciri kazanır.” yorumunu yaptı.

“VERİ, YENİ PETROL”

Oturumun en net temalarından biri, değirmencilikte yapay zekânın değerinin veri yönetişiminden ayrı düşünülemeyeceğiydi. Oturumda, endüstriyel yapay zekânın tüketici odaklı sohbet araçlarından temelden farklı olduğunun altını çizildi. Endüstriyel yapay zekâ üretim ortamının içine yerleşiyor, operasyonel kararlara dokunuyor ve bu nedenle çok daha güçlü kontrol mekanizmaları gerektiriyor. Yapay zekâyı tesis seviyesinde kullanılabilir kılmak için ise üç yapı taşı şart:

• Sahadan tutarlı sinyaller üreten güvenilir proses ve otomasyon temeli,
• Birden fazla kaynaktan gelen veriyi temizleme, yapılandırma ve entegre etmeyi kapsayan veri bilimi kabiliyeti,
• Yerel barındırma kuralları ve ulusal siber güvenlik çerçeveleri dâhil güçlü siber güvenlik ve mevzuata uyum.

Ayrıca, verinin “sonradan” değil en baştan sınıflandırılması gerektiğini vurgulandı. Hangi bilginin “çok gizli”, “gizli”, “kısıtlı” ya da “kamuya açık” olduğunun net biçimde tanımlanması, şirketin sahip olduğu bilgilerin açık sistemlere sızmasını önlemenin anahtarı. Basse de bu noktaya katılarak şirketin kendine özgü verisini uzun vadeli rekabet avantajını koruyan bir “koruyucu bariyer” olarak tanımladı. Bu çerçeveyi tamamlayan cümleyi ise Ali Magboul kurdu: “Veri yeni petrol.” Magboul, sektörde rekabet avantajının artık “en iyi makineye sahip olmak” kadar, veriyi doğru altyapıyla birleştirip gerçek zamanlı karara dönüştürebilmekten geçtiğini vurguladı. Ona göre entegre veri hattı kurulmadan yapay zekâdan beklenen sonuçlar alınamaz.

TAHIL TİCARETİNDE YAPAY ZEKÂ

Değirmen operasyonlarının ötesinde, yapay zekânın ticaret ve piyasalar üzerindeki etkisi sistemik soruları da beraberinde getiriyor. Shaar, yetersiz regülasyonun istenmeyen sonuçlara yol açabileceği uyarısında bulunarak, diğer sektörlerde yapay zekâ destekli kararlar nedeniyle insanların haksız yere hapse girdiği örneklere değindi. Tahıl piyasalarında ise yapay zekâ tabanlı alım-satım sistemleri, denetimsiz bırakılırsa volatiliteyi artırabilir, hatta piyasayı istikrarsızlaştırabilir. Shaar, tek bir “kara kutu” yerine birden fazla ajan ve yaklaşımın kullanılmasını — yani yapay zekâ modellerinde çeşitlendirmeyi — ve ticarette yapay zekânın nasıl kullanılacağına dair daha net düzenleyici çerçevelerin oluşturulmasını savundu.

YAPAY ZEKÂ TAHIL FİYATLARINI TAHMİN EDEBİLİR Mİ?

Miller Magazine editörü Namık Kemal Parlak’ın yapay zekânın bir gün tahıl fiyatlarını öngörüp öngöremeyeceğine dair sorusuna yanıt veren Dan Basse, ürün, hava ve talep verilerini bir araya getiren modellerin, fiyatları temel “adil değer” etrafında bir veya iki standart sapma bandında tutabilecek şekilde zaten var olduğunu söyledi. Ancak Basse, birçok alım-satım sisteminin “momentum” odaklı olduğuna ve benzer algoritmalar aynı sinyalleri kovaladığında hareketlerin abartılabildiğine dikkat çekti. Basse, “Makineler, temel göstergelerden bekleyeceğimizin çok ötesinde fiyatları yukarı ya da aşağı taşıyabilir,” dedi ve örnek olarak kripto varlıklardaki son dalgalanmalara işaret etti. Daha iyi regülasyon ve model çeşitlendirmesi devreye girene kadar değirmencilerin, yapay zekânın yoğunlaştığı bir ortamda daha volatil piyasalara hazırlıklı olması gerektiğini vurguladı.

DEĞİRMENCİLİKTE DEĞİŞİME DİRENCİN BEDELİ

Tartışmanın diğer bir önemli başlığı, değişime direnç konusuydu. Ali Magboul, bazı müşterilerin otomasyon sistemlerini “dokunulamayacak kadar hassas” olarak tanımladığını; bunun da ona göre farkındalık eksikliği ve öğrenme isteksizliğine işaret ettiğini anlattı. Jatti ise değirmencilerin, henüz öngöremedikleri sorunlardan çekinerek konfor alanının dışına çıkmaktan korktuğunu söyledi.

Shaar’a göre ise nihai itici güç rekabet. Shaar, “Değişime direnç her yerde var. Ama rakipler bu araçları kullanıp öne geçmeye başladığında, diğerleri geride kaldığını fark ediyor. Bu da değişim için gerçek bir motivasyon yaratıyor,” dedi.

DEĞİRMENCİLİĞİN GELECEĞİ İÇİN YAPAY ZEKÂ NE ANLAMA GELİYOR?

Panelde ortaya çıkan ortak sonuca göre, değirmencilik sektörü açısından yapay zekâ uzak bir kavram değil; şu alanlarda somut fayda üreten pratik araçlar bütünü:

• Ham veriyi gerçek zamanlı, uygulanabilir içgörülere dönüştürür,
• Hasat öncesi kalite tahmini ve daha akıllı buğday tedarikini mümkün kılar,
• Daha sıkı proses kontrolü ve daha tutarlı ürün kalitesi sağlar,
• İzlenebilirliği güçlendirir ve “gıda bir ilaçtır” yaklaşımını destekler,
• Değirmencileri düşük katma değerli işlerden kurtararak iyileştirme ve inovasyona alan açar,
• Sektörü; veri yönetişimi, gizlilik ve regülasyon gibi başlıklarla yüzleşmeye zorlar.