Yapay Zeka Sesli Ajan: Kendi Geliştirin mi, Hazır Alın mı? 2026 Karar Çerçevesi (Kimsenin Söylemediği 3. Yol)

Yapay Zeka Sesli Ajan: Kendi Geliştirin mi, Hazır Alın mı? 2026 Karar Çerçevesi (Kimsenin Söylemediği 3. Yol)

Çoğu geliştir-al rehberi size iki seçenek sunar. 2026'nın gerçek cevabı ise üç yollu bir matris; ve kimsenin konuşmadığı seçenek (bir platform üzerine özel akışlar geliştiren ajansı kiralamak) denetlediğimiz ekiplerin yaklaşık dörtte birinde kazanıyor.

Sıfırdan yapay zeka sesli ajan geliştirmek 2026'da 1. yılda 250 bin – 2 milyon dolar tutuyor ve 4–9 ay sürüyor. SaaS satın almak (Vapi, Retell, Bland) 5 bin – 100 bin dolara mal oluyor ve 5–14 günde canlıya geçiyor. Üçüncü yol — bir platform üzerine özel akışlar geliştiren ajans kiralamak — ise 30 bin – 150 bin dolara geliyor ve 4–10 haftada teslim ediyor.

Kısa cevap (3 seçenekli dürüst özet):

• SaaS satın al (Vapi/Retell/Bland): Ekiplerin yaklaşık %65'i için doğru seçim. 1. yıl: 5 bin – 100 bin dolar, 5–14 günde canlıya geçer.
• Platform üzerine ajans geliştirmesi: Yaklaşık %25 için doğru seçim. 1. yıl: 30 bin – 150 bin dolar, 4–10 haftada canlıya geçer, tam özelleştirilmiş akışlar.
• Tamamen özel geliştirme: Yaklaşık %5 için doğru seçim. 1. yıl: 250 bin – 2 milyon dolar, 4–9 ayda canlıya geçer; yalnızca ayda 500 bin dakika üzerinde mantıklı.
• Hibrit (platform + şirket içi özel katman): Kalan yaklaşık %5'i kapsar; genellikle Fortune 500 ve düzenlemeli sektörler.

Geliştir, Al ya da Karıştır? Üç Yolu Yan Yana

Mevcut yapay zeka sesli ajan geliştir mi al mı rehberlerinin tamamı iki seçenek sunuyor. Gerçek dünya dağıtımlarında ise üç yol öne çıkıyor: barındırılan bir platform satın almak, kendi mühendislerinizle sıfırdan geliştirmek ya da Vapi, Retell veya Bland üzerine özel akışlar geliştiren bir ajans tutarak ikisini harmanlamak. Bu üç yolun maliyet eğrileri, zaman çizelgeleri ve risk profilleri birbirinden çok farklı; maliyeti dürüstçe hesaplayınca karar genellikle tartışmalı bile olmuyor.

Tabloya iki not. Birincisi, satın al yolunun "1. yıl maliyeti" ayda 50 bin – 200 bin dakika varsayımıyla hesaplanmıştır; bu rakamın altında tablonun alt sınırında, üzerinde ise ajans kademesine yakın seyredersiniz. İkincisi, ajans kademesi yalnızca ajans ücretini değil, platform maliyeti dahil toplam harcamayı yansıtmaktadır. Matematiği H2 #5'te ayrıntılandırıyoruz.

Satın alma ekiplerinin "yapay zeka üret veya al" çerçevesi üçüncü yolu tamamen gözden kaçırıyor. McKinsey'nin "geliştir, al ya da karıştır" dediği şeyin nedeni de bu. 2025'te gerçek bir iş yükü üzerinde Retell, Vapi ve Bland'ı uçtan uca karşılaştırdığımızda, başarılı her dağıtım ikili seçenek yerine harman kategorisine düştü. (Platform tarafındaki rakamlar için Retell vs Vapi vs Bland karşılaştırmasına bakın; tablodaki maliyet aralıklarının kaynağı ise Master of Code'un "yapay zeka sesli ajanlarının gerçek maliyeti" analizi.)

Çoğu rehber size iki seçenek sunar. 2026'nın dürüst cevabı üç yollu bir matris.

Hazır Yapay Zeka Sesli Ajan Almanın Gerçek Maliyeti Ne?

SaaS sesli yapay zeka satın almanın gerçek maliyeti, ASR (otomatik konuşma tanıma), TTS (metinden sese), LLM, telefoni ve platform ücretleri üst üste eklenince dakika başına 0,15 – 0,33 dolar; yani reklamı yapılan rakamın 2–4 katı. Aylık 100 bin dakika için 1. yıl toplam maliyeti satıcıya ve ses seçimine göre yaklaşık 20 bin – 50 bin dolara çıkıyor. Başlık fiyatı doğru; sadece gerçekte ödeyeceğiniz rakam değil.

Hazır yapay zeka sesli ajan alırken Mayıs 2026 doğrulanmış matematiği şöyle:

Farkın nedeni şu: ilan edilen rakam yalnızca platformun payı. Bunun üstüne STT sağlayıcısı (Deepgram tipiktir, ~0,0043 dolar/dk), LLM (1 milyon token başına 0,15/0,60 dolar GPT-4o-mini ya da benzer fiyatlı Claude Haiku), TTS motoru (ElevenLabs Turbo premium sesler için ~0,06 dolar/dk ya da düşük kaliteli paketli seçenek), SIP hattı (~0,014 dolar/dk Twilio üzerinden) ve hat başına kiralama (aylık 1–5 dolar) ekleniyor. Arama sonrası analitik, bilgi tabanı depolama ve özel destek paketi eklenince tablodaki rakamlara ulaşıyorsunuz.

Çoğu ekibin karşılaştığı yapay zeka sesli ajan maliyeti kademelerinde çalışılmış 1. yıl örnekleri:

• Ayda 10 bin dk (erken pilot): Yaklaşık 2.000 – 4.000 dolar toplam harcama. SaaS, herhangi bir geliştirmeye karşı absürt bir farkla kazanıyor.
• Ayda 100 bin dk (orta ölçek dağıtımı): Toplam 20 bin – 50 bin dolar. Çok özgün bir kullanım senaryonuz yoksa yine SaaS bölgesi.
• Ayda 500 bin dk (çağrı merkezi ölçeği): 90 bin – 180 bin dolar. Artık ekiplerin neden geliştirme hesap tablosunu açmaya başladığını anlıyorsunuz.

Satıcı ve özellik bazında ayrıntılı döküm için sesli ajan fiyatlandırma karşılaştırmamıza bakın.

Dakika başına 0,05 dolarlık başlık fiyatı gerçek. Ay sonundaki 0,28 dolarlık fatura da gerçek.

Sıfırdan Yapay Zeka Sesli Ajan Geliştirmenin Gerçek Maliyeti Ne?

Sıfırdan üretim ortamına uygun yapay zeka sesli ajan geliştirmek 1. yılda 250 bin – 2 milyon dolara mal oluyor, 4–9 ay sürüyor ve ASR, LLM ile telefoni deneyimine sahip 3–5 kıdemli mühendis gerektiriyor. Ayrıntılı TCO (toplam sahip olma maliyeti) dağılımı şöyle: yaklaşık %60 mühendislik maaşları, %15 altyapı ve API'lar, %10 uyumluluk, %15 fırsat maliyeti; neredeyse her dahili geliştirme başlangıç tahmininin iki katına çıkıyor.

Mühendisler "bunu 8 haftada 80 bin dolara geliştirebiliriz" diyebilir. İşte her satıcı blogunda gizlenen ayrıntılı TCO, ABD maaş düzeyi varsayımıyla (Hindistan/AB düzeltmesini hemen ardından göstereceğiz):

"2× kuralı" gerçek: denetlediğimiz her dahili sesli yapay zeka geliştirmesi, neredeyse her zaman uyumluluk kanalı ve sıra alma kenar durumları nedeniyle başlangıç tahmininin yaklaşık iki katına çıktı. Master of Code aynı çarpanı kendi analizinde belgeliyor ve Caller.Digital'ın TCO modeli de aynı banda geliyor. Bunu hesaba katın; yoksa geliştirmeyi erkenden bırakın.

LLM orkestrasyon katmanını da unutmayın: STT, geri alma, araç çağrıları ve TTS'yi sıra alma döngüsüne bağlayan çerçeve. LangGraph'ı, OpenAI Agents SDK'sini ya da özel bir sonlu durum makinesini değerlendirmeniz gerekecek. (Önde gelen seçenekleri yapay zeka ajan çerçeveleri yazımızda karşılaştırıyoruz; dağıtım tarafını ise ajans AI dağıtım platformu yazımızda ele alıyoruz.) Bunların hiçbiri roket bilimi değil; ama her katman başka bir entegrasyon testi, başka bir hata modu, sabah 2'de başka bir nöbet çağrısı demek.

Durum yönetimi kendi satırını hak ediyor. Arayanın adını iki turda unutan ajanlar kullanıcıya bozuk hissettiriyor. Ödünleşimleri yapay zeka ajanları için bellek araçları yazımızda ele aldık; kısaca: ya özel serileştirmeli Redis'e yaslanırsınız ya da aylık 200 – 2.000 dolara yönetilen bellek katmanı kiralamanız gerekir.

İşte üç yolu üç yılda karşılaştıran kümülatif maliyet eğrisi:

Varsayımlar: Aylık 100 bin dakika iş yükü, ABD maaş düzeyi, Mayıs 2026 fiyatları. Geliştirme ile ajans geliştirmesinin kesişimi ancak çağrı hacmi ayda 500 bin dakikayı aştığında ~32. ayda gerçekleşiyor (bkz. H2 #6).

Her dahili sesli yapay zeka geliştirmesi başlangıç tahmininin iki katına çıkıyor. Bunu hesaba katın; yoksa erkenden bırakın.

Gizli Üçüncü Yol: Platform Üzerine Ajans Geliştirmesi

Her satıcı blogunun atladığı seçenek şu: mevcut bir platform (Vapi, Retell veya Bland) üzerine özel yapay zeka sesli ajan akışları geliştirmek için bir ajans tutun. Böylece mühendis işe alma tuzağını atlayarak 4–10 haftada teslim alırsınız; iş mantığına tamamen sahip olursunuz; üstelik bunu sürdürmek için beş kişilik ASR-LLM-TTS ekibi kiralamanıza gerek kalmaz.

Tanım: Dışarıdan bir mühendislik ekibi, barındırılan bir ses platformu üzerine akışlarınızı, promptlarınızı, entegrasyonlarınızı, değerlendirmelerinizi ve CRM bağlantılarınızı yazar. Proje ücreti karşılığında geliştirme maliyetini ödersiniz, çalışma zamanı için ise dakika başına platform geçiş ücretini. Kodu ajans yazar; ajana sahip olan sizsiniz.

Maliyet matematiği:

• Proje ücreti: Akış karmaşıklığına (entegrasyon sayısı, düzenleyici kapsam, değerlendirme titizliği) bağlı olarak 30 bin – 80 bin dolar
• Platform geçiş ücreti: H2 #3'teki toplam oranlarda 0,15 – 0,30 dolar/dk
• 1. Yıl sonucu: 50 bin – 150 bin dolar toplam, ilk üretim çağrısına kadar yaklaşık 4–10 hafta

Kimlere uyuyor (~%25):

• Vapi şablonuna sığmayan özgün iş akışlı orta ölçek şirketler
• Denetim için hazır değerlendirme + uyumluluk dokümantasyonu gerektiren düzenlemeli sektörler (sağlık, finans, hukuk)
• Şirket içi sesli yapay zeka mühendisi olmayan ve tek bir proje için uzman ekip tutmak istemeyen şirketler
• Paralel olarak 5+ farklı akış teslim etmesi gereken çok dikeyli ajanslar ve franchisör yapılar

Kimlere uymuyor (dürüstlük kapısı — değerlendiriyorsanız mutlaka okuyun):

• MVP aşamasındaki kurucu: Vapi veya Retell üzerinde kendiniz yapın. Ajans ücreti MVP hacminde kendini geri ödemez. (Kodsuz ajan orkestrasyon arıyorsanız n8n ile düşük kodlu ajan iş akışlarına bakın.)
• 50 mühendislik sesli yapay zeka ekibine sahip Fortune 500: Siz geliştirin. Ekibiniz, hacminiz ve fikri mülkiyet gerekçeniz var.
• 300 ms altı gecikme gerektiren kullanım senaryoları: Bunu yalnızca aynı lokasyondaki özel geliştirme karşılar. Akışları kim yazarsa yazsın hiçbir platform buna ulaşamaz.
• Tam model sahipliği gerektiren kullanım senaryoları (çağrı dökümleri üzerinde özel LLM eğitiyorsunuz): ML erişimi için geliştirme yoluna ihtiyacınız var. Platformlar bu katmanı soyutluyor.

Ekibiniz ajans geliştirmesi kategorisine giriyorsa, kapsam belirlemek için bir özel sesli ajan geliştirme ortağıyla görüşebilirsiniz. Acele yok, sert satış yok. Başvuran ekiplerin çoğu, herhangi bir sözleşme görüşmesinden önce çağrı akışlarını haritalamak için 2–4 hafta harcıyor; bu doğru bir tempo.

Çoğu orta ölçekli ekip özel sesli ajan istiyor. Çok azı bunu yazmak için beş kişilik ASR-LLM-TTS ekibi tutmak istiyor.

Geliştirme Ne Zaman Gerçekten Kazanıyor? Başa Baş Matematiği

Özel yapay zeka sesli ajan geliştirmek ancak aylık çağrı hacmi yaklaşık 500 bin dakikanın üzerinde olduğunda VE kullanım senaryosu 5'ten az entegrasyon gerektirdiğinde VE sesli yapay zeka temel ürün farklılaştırıcısı olduğunda (emtia özelliği değil) geri ödeme yapıyor. Bu eşiğin altında SaaS satın almak veya ajans tutmak üç yıllık TCO'da geliştirmeyi 2–4× geride bırakıyor. Formül çoğu ekibin kabul ettiğinden çok daha keskin.

Sade dille:

Geliştirme kazanır: Aylık dakika > 500 bin VE kullanım senaryosu <5 entegrasyon gerektiriyor VE sesli yapay zeka temel farklılaştırıcı (emtia değil).

Çalışılmış örnek #1, ayda 50 bin dakikalık KOBİ klinik zinciri. Satın al, üç yılda yaklaşık 4× farkla kazanıyor. SaaS satın al: 1. yıl ~15 bin dolar, 3. yıl kümülatif ~45 bin dolar. Tamamen özel geliştirme: 1. yıl ~650 bin dolar, 3. yıl kümülatif ~1,25 milyon dolar. Klinik zincirinin sesli yapay zeka mühendisi yok, çağrı hacmi yok, platformların çözemediği bir düzenleyici kenar durumu yok. SaaS sadece daha ucuz değil; tek mantıklı yanıt bu. (Gıda sektörü için eşdeğer matematiği restoranlar için sesli ajanlar yazımızda bulabilirsiniz; aynı sonuca ulaşıyor.)

Çalışılmış örnek #2, ayda 2 milyon dakikalık kurumsal çağrı merkezi. Geliştirme, ajans geliştirmesiyle yaklaşık 28. ayda başa baş geliyor ve 3. yılda yalnızca kullanım senaryosu çağrı merkezinin dikeyleri arasında tekrarlanabilir olduğunda ~1,6× kazanıyor. Tamamen özel geliştirme: 1. yıl ~650 bin dolar, 3. yıl kümülatif ~3,5 milyon dolar (büyük ölçüde süregelen mühendislik maliyeti). Ortalama 0,20 dolar/dk'dan SaaS satın alma: 3. yıl 4,8 milyon dolar. Geliştirme matematiksel olarak kazanıyor; ama yalnızca hacim mühendislik ekibini amorti ettiği için.

Hibrit kenar durum kalan ~%5'i kapsıyor: ayda 5 milyondan fazla dakika işleyen Fortune 500 şirketleri, özel ML katmanlarına sahip düzenlemeli sektörler veya farklılaştırıcısı gerçekten modelin kendisi olan ekipler. Bunlar telefoni + STT + TTS emtia katmanları için platformu satın alıyor; LLM ve çağrı sonrası ML'i ise şirket içinde geliştiriyor. Caller.Digital'ın "500 bin dakikanın üzerinde ve 5'ten az entegrasyon" eşiği olarak tanımladığı şey bu; tekrarlanabilirlik her şey.

500 bin dakikanın altında Vapi'nin çoktan gönderdiği şeyi yeniden inşa etmek için mühendislere ödeme yapıyorsunuz.

Geliştirme matematiksel olarak ayda 500 bin dakikada kazanıyor. Bunun altında mühendislere Vapi'nin zaten yaptığını yeniden inşa ettiriyorsunuz.

Geliştirme Tahminini Uçuracak Gizli Entegrasyon Çalışmaları Neler?

Özel sesli ajan geliştirmesindeki gizli entegrasyon çalışmaları şunları kapsıyor: A2P 10DLC (uygulamadan kişiye 10 haneli uzun kod) kaydı, STIR/SHAKEN çağrı doğrulama, TCPA (Tüketiciyi Telefon Aramalarından Koruma Yasası) onay yakalama, yargı bölgesine göre kayıt açıklama mantığı, CRM webhook kimlik doğrulaması ve KBK (kişisel belirleyici bilgi) maskeleme. Vapi, Retell ve Bland gibi platformlar bunların hepsini ilk günden çözüyor. Sekiz haftalık tahmininiz altı haftalık telefoni uyumluluk kanalı çalışmasını unuttu.

İşte başlangıç spesifikasyonuna hiç girmeyen yapay zeka telefon ajan iskelet çalışması:

1. A2P 10DLC kaydı: 2–6 hafta, 50 – 1.000 dolar ücret; ABD'deki SMS'e yakın herhangi bir akış (randevu hatırlatmaları, geri arama onayları) için zorunlu. Kayıt matrisi için Twilio'nun A2P 10DLC belgelerine bakın.
2. STIR/SHAKEN onayı: Operatöre bağlı arayan kimliği imzalama. Bunu yapmazsanız giden aramalarınızın mobil cihazlarda %30–60'ı "Muhtemelen Spam" olarak işaretlenir. Tek seferlik değil, sürekli bakım gerektiriyor.
3. TCPA onay yakalama: Kayıt açıklaması, "arama yasağı" listesi entegrasyonu, yazılı onay depolama. FCC'nin 2024 yapay zeka otomatik arama kararı TCPA'yı yapay zeka sesine de uyguladı; uyumsuzluk çağrı başına 500 – 1.500 dolar ceza.
4. Eyalet bazında kayıt açıklaması: 12 ABD eyaleti iki taraflı onay gerektiriyor (Kaliforniya, Florida, Illinois vb.); AB'deki herhangi bir arayan için de GDPR geçerli. Ajanınızın ikinci cümleden önce arayanın nerede olduğunu bilmesi gerekiyor.
5. CRM webhook kimlik doğrulaması + yeniden deneme mantığı: OAuth yenileme, üstel geri çekilme, ölü mektup kuyrukları. Önemsiz görünüyor; öyle değil.
6. KBK maskeleme + çağrı sonrası özet depolama: Depolamadan önce kredi kartı numaraları, sosyal güvenlik numaraları, tıbbi ayrıntılar temizleniyor. HIPAA bunu istiyor; SOC 2 denetçileri de isteyecek.

Bunları bir araya getirdiğinizde "bunu 8 haftada geliştirebiliriz" tahmininde görünmeyen 4–8 haftalık ek çalışma eklemiş oluyorsunuz. Platformlar bunların hepsini önceden hazır olarak gönderiyor.

Sekiz haftalık geliştirme tahminiz altı haftalık telefoni uyumluluk çalışmasını unuttu.

Özel Sesli Geliştirmeler Neden Platformlardan Daha Yavaş Hissettiriyor?

Doğal hissettiren sesli yapay zeka için toplam gecikme bütçesi uçtan uca 700 ms'nin altında olmalı: STT (150–250 ms) + LLM ilk token (200–400 ms) + TTS ilk bayt (100–200 ms) + ağ/titreme (100–250 ms). Platformlar bu medyana ulaşıyor; özel geliştirmeler ise ekiplerin ağ ve soğuk başlatma gecikmesini küçümsemesi nedeniyle sıklıkla 1,2–2,0 s'de kalıyor. Arayanlar 400 ms sessizlikte ajan üzerine konuşmaya başlıyor; fark duyulabilir.

Çoğu geliştirme tahmininin görmezden geldiği aritmetik:

Platformların 700–900 ms medyana neden ulaştığı: boru hattı optimizasyonu (iç içe STT/LLM akışı), telefoni operatörlerine ağ yakınlığı ve asla soğuk başlamayan hazır model havuzları. Şirket içi geliştirmelerin neden rutin olarak 1,2–2,0 s'de kaldığı: ekipler ağ/titreme dilimini bütçelemiyor, soğuk başlatma LLM çağrıları her aramanın ilk turuna 400 ms ekliyor ve çoğu ev yapımı TTS uygulaması tam yanıt hazır olmadan ilk bayt sesi akışla göndermiyor. Close'un 0,4 saniyelik arayanın üzerine konuşma eşiğine dair verisi, sesli yapay zekada en çok alıntılanan rakam olmaya devam ediyor. Doğal sıra almanın bozulduğu çizgi bu. Deepgram'ın gecikme kıyaslamaları STT ilk parça zeminini 150 ms civarında doğruluyor.

Vapi, 700 ms'ye ağ yakınlığına sahip olduğu için ulaşıyor. AWS bölgenizde geliştirdiğiniz çözüm ulaşamaz.

Yapay Zeka Sesli Ajan'ı Gerçekten 15 Satır Kodla Kurabilir misiniz?

Vapi ve Retell gibi modern sesli yapay zeka platformları, üretime hazır sesli ajan oluşturan 10–20 satırlık SDK çağrıları sunuyor. Aynı işlevsellik sıfırdan (STT, LLM orkestrasyon, TTS, telefoni, sıra alma) genellikle 4–9 aylık mühendislik çalışması gerektiriyor. Tersine sezgisel biçimde, kodu görmek satın al argümanını güçlendiriyor, zayıflatmıyor.

İşte docs.vapi.ai/quickstart/web (2026-05-17 erişim) ile doğrulanmış, 15 satırda çalışan bir Vapi Web SDK sesli ajan örneği:

import Vapi from "@vapi-ai/web";

const vapi = new Vapi(process.env.VAPI_PUBLIC_KEY);

await vapi.start({
  model: {
    provider: "openai",
    model: "gpt-4o-mini",
    systemPrompt: "You are a friendly clinic receptionist. Book appointments, answer FAQs, escalate emergencies.",
  },
  voice: { provider: "11labs", voiceId: "rachel" },
  transcriber: { provider: "deepgram", model: "nova-2" },
  firstMessage: "Hi, this is the clinic. How can I help today?",
});

vapi.on("call-end", (data) => console.log("Call ended:", data.summary));

O kod parçasındaki her satır aylarca süren şirket içi çalışmanın yerini alıyor. transcriber alanı STT entegrasyonunuzun tamamı. voice alanı, ilk bayt akışı dahil TTS boru hattının tamamı. systemPrompt sıra alma ve araç çağrısı katmanının tamamı (Vapi barge-in, bitiş noktası belirleme ve araç yönlendirmeyi arka planda yapıyor). call-end ise yoksa Whisper + GPT-4 boru hattı inşa etmek zorunda kalacağınız çağrı sonrası özeti size veriyor.

Özel geliştirmeniz 4–9 ay boyunca tam olarak bunu yeniden üretiyor. SDK'yı ne kadar yakından okursanız geliştirmeyi haklı çıkarmak o kadar güçleşiyor.

Tersine sezgisel biçimde, kodu ne kadar iyi anlarsanız satın al argümanı o kadar güçleniyor.

Sesli Ajan Geliştirmek Ne Zaman Yanlış Yanıt?

Ekibinizin sesli yapay zeka gönderme deneyimi yoksa, 1. yıl tahmininiz 150 bin doların altındaysa, zaman çizelgeniz 8 haftanın altındaysa, kullanım senaryonuz mevcut bir platform şablonuna temiz oturuyorsa ya da çağrı hacminiz aylık 500 bin dakikanın altındaysa sesli ajan geliştirmek yanlış yanıt. Bu iki koşuldan herhangi birini karşılaştırırsanız geliştirme yolu mühendislik değil ihmalkârlık.

Mühendislik ekibiniz geliştirmeyi savunacak. Yalan söylemiyorlar. Gerçekten yapabilirler. Soru şu: Yapmalılar mı? Bu beş anti-desen sinyaline dikkat edin:

1. "Whisper ve GPT-4'ü birleştirebiliriz." Üretimde ses göndermiş kimse bunu söylemez. Zor kısımlar sıra alma, barge-in algılama ve TTS akışı; bu cümlede bunların hiçbiri yok.
2. 1. yıl tahmini 150 bin doların altında. Ya ekip uyumluluk kapsamını anlamıyor, telefoni katmanını fiyatlandırmıyor ya da gözlemlenebilirliğe ihtiyaç duymayacağını varsayıyor. Üçü de kırmızı bayrak.
3. Ekipte daha önce ses ürünü göndermiş kimse yok. Sesli yapay zekanın başarısızlık modları sohbet uygulamalarından farklı. Eko iptali, titreme tamponlama, barge-in: bunlar web geliştirme sorunları değil.
4. Zaman çizelgesi 8 haftanın altında. Önceden hazırlanmış bileşenler sunan platformlar bile entegrasyonları, CRM bağlantısını ve değerlendirmeleri kurmak için 2–4 haftaya ihtiyaç duyuyor. Sıfırdan 8 haftada uyumluluktan, değerlendirmelerden ya da her ikisinden ödün vermek demek.
5. "TTS'i kendimiz geliştirelim." Hayır, geliştirmezsiniz. ElevenLabs ve Cartesia'nın her birinde yüzlerce mühendis ve özel ses modeli araştırmacısı var. Emtialaşmış olanı satın alın.

Mühendislerin yine de geliştirmeyi neden savunduğu: kariyer sermayesi, "bizim icat etmediğimiz şey" önyargısı, kadro gerekçesi, sıfırdan mühendislik yapmanın gerçek keyfi. Bunların hiçbiri geliştirmek istemenin kötü nedenleri değil. Sadece gerçekten geliştirmenin kötü nedenleri.

Kararı yeniden çerçeveleyin: Sizi farklılaştıran şeyi geliştirin, emtialaşmış olanı satın alın. LLM, ASR ve TTS katmanları 2025–2026'da emtialaştı. Farklılaşmanız akışlarda, promptlarda, değerlendirmelerde ve CRM entegrasyonunda. Vapi, Retell, OpenAI ve Deepgram'ın zaten gönderdiği katmanları yeniden inşa etmeyin.

Sizi farklılaştıran şeyi geliştirin. 2025'te emtialaşanı satın alın.

Dürüst Karar Matrisi

Çağrı merkezi için sesli yapay zeka müşterilerini her iki yoldan geliştirdikten sonra makul dağılım tahminimiz şu: Ekiplerin ~%65'i SaaS satın almalı (Vapi, Retell, Bland), ~%25'i bir platform üzerine ajans geliştirmesi yapmalı, ~%5'i hibrite ihtiyaç duyuyor (platform + özel şirket içi katman) ve ~%5'i sıfırdan geliştirmeli. Tamamen özel geliştirme yalnızca özel sesli yapay zeka ekibiyle ayda 500 bin dakikanın üzerinde geri ödeme yapıyor. Bunlar 2025–2026'da 4 müşteri kararı üzerinde matematiği denetledikten sonraki önerilerimiz; sektör istatistiği değil.

Müşterilerle birlikte yürüdüğümüz dört düğümlü karar ağacı:

1. Aylık 500 bin dakikadan fazla mı işliyorsunuz? Hayır → satın al ya da ajans geliştirmesi. Evet → devam edin.
2. Sesli yapay zeka temel ürün farklılaştırıcısı mı (özellik değil)? Hayır → satın al ya da ajans geliştirmesi. Evet → devam edin.
3. Şirket içinde sesli yapay zeka mühendislik ekibiniz var mı (3+ ses ürünü gönderdiler mi)? Hayır → ajans geliştirmesi veya hibrit. Evet → devam edin.
4. Toplam gecikmenin 300 ms'nin altında olması veya özel model eğitimi gerekiyor mu? Hayır → hibrit. Evet → tamamen özel geliştirme.

Çoğu ekip 1. ya da 2. düğümde duruyor; bu yüzden matrisin %90'ı satın al ya da ajans geliştirmesi kategorisine düşüyor.

%25'lik dilime giriyorsanız, müşteriler için Retell veya Vapi üzerine nasıl geliştirdiğimize buradan bakabilirsiniz. Sözleşmeyle değil, çağrı akışlarınızla başlayın.

Sizi farklılaştıranı geliştirin. Emtialaşanı satın alın. 2026'da çoğu ekip için bu, platformu satın alıp akışları özelleştirmek anlamına geliyor.

Sonuç

• İki değil üç yol var. Ekiplerin ~%65'i için SaaS satın alın. ~%25 için platform üzerine ajans geliştirmesi. Tamamen özel geliştirme yalnızca gerçek ekiple ayda 500 bin dakikanın üzerinde.
• Başa baş formülü basit: Aylık dakika > 500 bin VE <5 entegrasyon VE sesli yapay zeka temel farklılaştırıcı. Üçünden birini kaçırırsanız geliştirmenin matematiği çalışmıyor.
• Karar kuralı: Sizi farklılaştıranı geliştirin, emtialaşanı satın alın. 2026'da bu neredeyse her zaman platform katmanını satın almak anlamına geliyor.

%25'lik ajans geliştirmesi dilimindeyseniz, önce bir beyaz tahta üzerinde çağrı akışlarınızı haritaya dökün; ardından Retell veya Vapi üzerinde ürün göndermiş bir ortakla görüşün. Acele yok. Doğru hamle imzalamadan önce kapsamı belirlemek.

SSS

Yapay zeka sesli ajan için geliştirmek mi, satın almak mı daha iyi?

Ekiplerin yaklaşık %65'i için bir SaaS sesli platform (Vapi, Retell, Bland) satın almak daha iyi. Üretime 5–14 günde geçilir, 1. yıl maliyeti 5 bin – 100 bin dolar olur; özel geliştirme ise 4–9 ay ve 250 bin – 2 milyon dolar demek. Geliştirme yalnızca sesli yapay zekanın temel ürün farklılaştırıcısı olduğu ve şirket içinde 3+ mühendisli sesli yapay zeka ekibinin bulunduğu durumlarda, ayda 500 bin dakikanın üzerinde kazanıyor.

Sıfırdan yapay zeka sesli ajan geliştirmek ne kadara mal olur?

ABD maaş düzeyinde ekipler için sıfırdan geliştirme 1. yılda 250 bin – 2 milyon dolar tutuyor. Dağılım şöyle: yaklaşık 540 bin dolar mühendislik (3 kıdemli mühendis), 24 bin dolar altyapı, 30 bin – 120 bin dolar ASR ve TTS API maliyeti, 0,014 dolar/dk telefoni ve 20 bin – 80 bin dolar HIPAA/SOC 2 uyumluluk denetimi. Çoğu geliştirme, uyumluluk ve kenar durum çalışmalarının yetersiz bütçelenmesi nedeniyle başlangıç tahmininin 2 katına çıkıyor.

Üretim ortamında sesli yapay zeka ajan geliştirmek ne kadar sürer?

Uygun uyumluluk, değerlendirme ve gözlemlenebilirlik barındıran üretime hazır ajan için sıfırdan geliştirme 4–9 ay sürüyor. Vapi veya Retell gibi SaaS platform satın almak 5–14 gün. Gizli üçüncü yol (mevcut platform üzerine ajans tarafından özel akış geliştirmek) 4–10 hafta. Aradaki fark büyük ölçüde, platformların ilk günde çözdüğü telefoni ve uyumluluk iskeleti (A2P 10DLC, STIR/SHAKEN, TCPA).

Sıfırdan değil, Vapi veya Retell üzerine sesli ajan geliştirebilir miyim?

Evet, bu platform üzerine ajans geliştirmesi yolu. Siz (ya da dış bir ajans), Vapi, Retell veya Bland'ın barındırılan çalışma ortamı üzerine özel akışlar, promptlar, entegrasyonlar ve değerlendirmeler yazarsınız. 1. yıl toplam maliyeti 30 bin – 150 bin dolar (30 bin – 80 bin dolar proje ücreti artı 0,15 – 0,30 dolar/dk geçiş ücreti), 4–9 ay yerine 4–10 haftada üretime geçersiniz. İş mantığı size ait; STT, TTS, telefoni ve sıra almayı platform yönetiyor.

Sesli yapay zeka geliştirmek için başa baş çağrı hacmi ne kadar?

Başa baş eşiği yaklaşık aylık 500 bin dakika; bu da yalnızca kullanım senaryosunun 5'ten az entegrasyon gerektirmesi ve sesli yapay zekanın temel ürün farklılaştırıcısı olması koşuluyla. Ayda 500 bin dakikanın altında SaaS veya platform üzerine ajans geliştirmesi, üç yıllık TCO'da geliştirmeyi 2–4× geride bırakıyor. Doğru ekip ve kullanım senaryosuyla 500 bin dakikanın üzerinde, tamamen özel geliştirme ajans geliştirmesiyle yaklaşık 28. ayda başa baş geliyor ve 3. yıla kadar kazanıyor.

SaaS ses platformu kullanmak mı, yoksa kendi çözümümü geliştirmek mi daha ucuz?

Aylık 500 bin dakikanın altındaki neredeyse her ekip için SaaS çok büyük farkla daha ucuz; genellikle üç yıllık TCO'da 4–10× daha düşük. Gerçek SaaS oranı dakika başına 0,15 – 0,33 dolar (ASR, TTS, LLM ve telefoni üst üste eklenince ilan edilen rakamın 2–4 katı); ama bu yine de kendiniz geliştirirseniz taşıyacağınız 650 bin – 1,25 milyon dolarlık mühendislik, altyapı ve uyumluluk maliyetini geride bırakıyor.

Sesli ajan geliştirmek için hangi mühendislik becerilerine ihtiyaç var?

Gerçek zamanlı ses akışı, ASR entegrasyonu (Deepgram veya Whisper), LLM orkestrasyonu (LangGraph, OpenAI Agents SDK veya özel durum makineleri), TTS akışı (ElevenLabs veya Cartesia), SIP telefoni (Twilio Programmable Voice veya Telnyx), sıra alma ve barge-in algılama, uyumluluk çalışması (TCPA, HIPAA, SOC 2) konularında birlikte deneyimli en az 3 kıdemli mühendis gerekiyor. Ekibiniz daha önce ses ürünü göndermemişse öğrenme eğrisi zaman çizelgesine 2–4 ay daha ekliyor.

Özel geliştirmeler ile platformlar arasında gecikme farkı nedir?

Platformlar 700–900 ms uçtan uca medyana ulaşıyor (Vapi, Retell, Bland). Şirket içi özel geliştirmeler ise ekiplerin ağ ve titreme dilimlerini bütçelememesi, soğuk başlatma LLM çağrılarının her aramanın ilk turuna 400 ms eklemesi nedeniyle rutin olarak 1,2–2,0 saniyede kalıyor. 1,2 saniyenin üzerinde arayanlar ajan üzerine konuşmaya başlıyor ve sıra alma bozuluyor. 700 ms tavanı önemli çünkü platformlar telefoni operatörlerine ağ yakınlığına sahip. AWS bölgenizde geliştirdiğiniz çözüm buna ulaşamaz.

Sesli yapay zeka geliştirmek finansal açıdan ne zaman mantıklı?

Aylık çağrı hacmi 500 bin dakikayı aştığında, kullanım senaryosu 5'ten az entegrasyon gerektirdiğinde, sesli yapay zeka temel ürün farklılaştırıcısı olduğunda (özellik değil) ve şirket içinde 3+ mühendisli sesli yapay zeka ekibiniz olduğunda geliştirmek finansal açıdan mantıklı. Bu koşullardan herhangi birini kaçırırsanız geliştirme matematiği çalışmıyor. Denetlediğimiz ekiplerin yaklaşık %5'i bu kriterleri karşılıyor; genellikle Fortune 500 çağrı merkezleri ya da sesin ürünün kendisi olduğu yapay zeka odaklı şirketler.

Şirket içinde sesli yapay zeka geliştirmenin gizli maliyetleri neler?

Gizli maliyetler şunlar: A2P 10DLC kaydı (2–6 hafta, 50 – 1.000 dolar), STIR/SHAKEN onayı, TCPA onay yakalama, eyalet bazında kayıt açıklama mantığı, CRM webhook kimlik doğrulaması, KBK maskeleme, çağrı sonrası özet depolama, gözlemlenebilirlik ve nöbet altyapısı ile ertelenen ürün yol haritanızın 6 aylık fırsat maliyeti. Platformlar bunların hepsini ilk günden çözüyor. 2× geliştirme tahmini kuralı, ekiplerin bu kalemleri unutması nedeniyle var.