Buluta geçiş süreci yıllardır benzer bir süreçle başlar: altyapı verilerini toplamak, elektronik tablolar oluşturmak, iş yüklerini olası bulut servisleriyle eşleştirmek, maliyetleri hesaplamak ve yüzlerce, hatta binlerce teknik detayı bir iş gerekçesine dönüştürmeye çalışmak.

Bu yaklaşım işe yarıyor, ancak haftalar veya aylarca sürebiliyor. Değerlendirme tamamlandığında bazı varsayımlar çoktan güncelliğini yitirmiş olabiliyor. Kuruluşlar hibrit ve çoklu bulut ortamlarını yönetmeye, eski uygulamaları modernleştirmeye ve altyapılarını üretken yapay zeka için hazırlamaya devam ettikçe bu süreç daha da karmaşık hâle geliyor.

Teknoloji liderlerinin yalnızca bugün neye sahip olduklarını değil, neyin taşınması gerektiğini, nerede çalıştırılacağını, nasıl modernize edileceğini ve bunun finansal etkisinin ne olacağını da anlaması gerekiyor. Yapay zeka, bu değerlendirme sürecini de değiştirmeye başlıyor.

Google Cloud’un Migration Center’daki güncellemeleri, altyapı değerlendirmesinin, TCO (Toplam Sahip Olma Maliyeti) modellemesinin, servis eşleştirmenin ve iş gerekçesi geliştirmenin belirli bölümlerini otomatikleştirmek üzere tasarlanmış yapay zeka destekli hızlı değerlendirmeler sunuyor.

Bu yeni özelliklerle ekipler ham altyapı verilerini veya bulut faturalandırma raporlarını sisteme sunarak optimize edilmiş hedef bileşen listesini (BOM), servis eşleştirmelerini, öngörülen tasarrufları ve finansal modelleri hızlıca oluşturabiliyor. Bunun yanında, ajan tabanlı bir asistan finansal varsayımların arkasındaki mantığı açıklayabiliyor ve teknik maliyet optimizasyonları için öneriler sunabiliyor.

Ancak asıl değişim, değerlendirmeyi hızlandırmakta değil; buluta geçiş değerlendirmesini bir elektronik tablo çalışması olmaktan çıkarıp elde edilen çıktıları karar vermeyi destekleyen bir karar motoruna dönüştürmede gerçekleşiyor.

Geleneksel Buluta Geçiş Değerlendirmeleri Neden Yetersiz Kalıyor? Buluta geçiş değerlendirmesi ilk bakışta oldukça basit görünür: Altyapıyı keşfetme Uygulama bağımlılıklarını anlama İş yüklerini bulut servisleriyle eşleştirme Bulutta çalıştırma maliyetini hesaplama Bir geçiş planı oluşturma Pratikte ise her adımın kendine ait zorlukları vardır: Altyapı verileri sanallaştırma platformları, izleme sistemleri, yapılandırma veri tabanları, bulut hesapları ve finans sistemleri arasında dağılmış olabilir. Uygulama bağımlılıkları yeterince belgelenmemiş olabilir. Kullanım verileri eksik kalabilir. Şirket içi altyapı maliyetleri departmanlara göre farklı yöntemlerle hesaplanabilir. Sonra elektronik tablolar devreye girer. Ekipler çoğu zaman altyapı envanterlerini fiyatlandırma bilgileri, lisans maliyetleri, depolama gereksinimleri, ağ varsayımları, destek maliyetleri ve kurum içi muhasebe modelleriyle manuel olarak eşleştirmek zorunda kalır. Bu durum iki temel sorun yaratır. 1. Hız: Büyük ortamların değerlendirilmesi ciddi zaman alabilir. 2. Karar kalitesi: Bir model, ardındaki varsayımlar kadar faydalıdır. Kullanım oranları, lisanslama, büyüme, dayanıklılık veya operasyonel maliyetler dikkate alınmazsa, ortaya çıkan TCO karşılaştırması yanıltıcı olabilir. Google Cloud’un yeni yapay zeka destekli yaklaşımı, bu sorunun bir bölümünü, ham altyapı girdilerinin veya bulut faturalandırma verilerinin desteğiyle finansal modelleri, servis eşleştirmelerini, hedef bileşen listelerini ve öngörülen tasarruf oluşturma süreçlerini hızlandırarak çözüme kavuşturuyor. Ancak hız sadece bir başlangıç.

Envanterden Zekaya

Geleneksel bir değerlendirme öncelikle şu soruyu yanıtlar: Neye sahibiz ve bunları taşımak ne kadara mal olur?

Yapay zeka destekli bir değerlendirme ise daha anlamlı soruların yanıtlanmasına yardımcı olabilir:

• Neyi taşımalıyız?
• Her bir iş yükü nerede çalışmalı?
• Hangi iş yüklerini olduğu gibi taşımak yerine önce modernize etmeliyiz?
• Hangi iş yüklerine öncelik vermeliyiz?
• İş gerekçesini hangi varsayımlar şekillendiriyor?
• Hedef maliyeti nerelerde azaltabiliriz?

Bu sayede, değerlendirmenin amacı temelden yeniden tanımlanır. Değerlendirme yalnızca statik bir envanter oluşturmak yerine, keşif sürecini geçiş uygulamasıyla buluşturan dinamik bir karar katmanına dönüşür.

Bu dönüşümü şöyle düşünebiliriz:
Keşfet → Eşleştir → Modelle → Öner → Önceliklendir → Uygula → Optimize Et

Her aşama bir öncekine göre daha fazla değer üretir.

1. Gerçekte Ne Olduğunu Keşfedin

Temel unsur veridir. Bir kuruluşun sunucularını, sanal makinelerini, depolama alanlarını, veri tabanlarını, uygulamalarını, ağ bağımlılıklarını ve kullanım modellerini doğru şekilde görmesi gerekir.

Yapay zeka, bu bilgilerin işlenmesi için gereken manuel çalışmayı azaltabilir. Ancak güvenilir kaynak verilerine duyulan ihtiyacı ortadan kaldırmaz. Yanlış veya eksik veri, yapay zeka kullanılsa bile kötü kararlar doğurabilir.

Buradaki fark, otomatik değerlendirme yaklaşımının büyük miktarda altyapı bilgisini çok daha hızlı işleyebilmesi ve veriyi sonraki finansal ve geçiş analizlerine hazırlayabilmesidir.

Örneğin, Google Cloud’un yapay zeka destekli hızlı değerlendirme (Quick Assessment) yaklaşımı, RVTools gibi VMware envanter çıktılarından veya toplu altyapı girdilerinden yararlanarak Compute Engine için maliyet hedefleri oluşturabilmektedir.

Mevcut Quick TCO Estimator; hedef bölge, makine ailesi ve serisi, disk ailesi ve türü, kullanım oranı, çalışma süresi, depolama ve lisanslama gereksinimleri gibi girdileri kullanarak sanal makineleri ve altyapıyı Compute Engine’e taşımanın maliyetini tahmin etmeye odaklanır.

Not: Quick TCO Estimator, Google Cloud Migration Center içinde şu anda Preview / Pre-GA aşamasındadır. Dokümante edilmiş mevcut kapsam, sanal makinelerin ve altyapının Compute Engine’e taşınması için otomatik TCO tahminiyle sınırlıdır.

2. İş Yüklerini Olası Bulut Servisleriyle Eşleştirin

Sıradaki soru daha çok mimariyle ilgilidir. Şirket içinde çalışan bir sanal makinenin bulutta birebir karşılığına taşınması her zaman en doğru yaklaşım olmayabilir.

Bazı iş yükleri için Compute Engine uygun bir hedef olsa da, daha kapsamlı bir buluta geçiş ve modernizasyon planı; konteynerler, yönetilen veritabanları, sunucusuz servisler veya farklı depolama mimarileri gibi alternatifleri de değerlendirebilir. Burada servis eşleştirme önem kazanır.

Kuruluşlar, geçişi birebir bir altyapı değişimi olarak ele almak yerine, değerlendirme çıktılarından yararlanarak, iş yükünün özelliklerine göre farklı hedef mimarileri karşılaştırabilir. Böylece doğrudan taşınmaya uygun iş yüklerinin yanı sıra, modernizasyondan daha fazla fayda sağlayabilecek iş yükleri de belirlenebilir.

3. Maliyeti Modelleyin

Bu aşamada, buluta geçiş değerlendirmesi gerçek anlamda bir iş görüşmesine dönüşür. Kullanışlı bir TCO modeli, yalnızca donanım satın alma maliyetlerini bulut kullanım maliyetleriyle karşılaştırmamalıdır.

Şu unsurlar da hesaba katılmalıdır:

• Hesaplama gücü ve depolama
• Ağ trafiği
• Yazılım lisanslama
• Veri merkezi maliyetleri
• Donanım yenileme döngüleri
• Yedekleme ve felaket kurtarma
• Destek ve operasyonlar
• Personel maliyetleri
• Kapasite kullanım oranları
• Büyüme beklentileri
• Kullanılabilirlik gereksinimleri
• Güvenlik ve uyumluluk gereksinimleri

Modelin mevcut ortama ilişkin gerçekçi varsayımlara dayanması da önemlidir.

Google Cloud’un Migration Center yetenekleri, kuruluşların şirket içi altyapının temel maliyet varsayımlarını kendi muhasebe standartlarına göre ayarlamasına olanak tanıyan yapılandırılabilir finansal kontroller içerir. Bu önemli, çünkü herkesin kullanabileceği standart bir “şirket içi maliyet” yaklaşımı yoktur. Benzer altyapılara sahip iki kuruluşun maliyet yapıları; muhasebe yaklaşımları, operasyon modelleri veya personel maliyetleri nedeniyle oldukça farklı olabilir.

Önerilerden Diyaloglara Geçiş

En ilgi çekici gelişmelerden biri, değerlendirme sürecine bağlama duyarlı ajan tabanlı desteğin dahil edilmesidir.

Mühendislik ekibine statik bir rapor sunup sonuçları yorumlamalarını beklemektense, bir ajanın desteğiyle modelin varsayımları ve önerileri birlikte incelenebilir.

Örneğin:

• Bu iş yükünün maliyeti neden beklenenden daha yüksek?
• Farklı bir hesaplama yapılandırması kullanırsak ne olur?
• Hangi iş yüklerini doğru bir şekilde boyutlandırarak (rightsizing) optimize edebiliriz?
• Bölgesel gereksinimler önerilen yapılandırmayı veya maliyeti nasıl etkiler?
• Farklı bir hesaplama yapılandırması veya optimizasyon stratejisi seçersek ne değişir?

Bu, değerlendirme sürecini daha etkileşimli hâle getirir.

Google Cloud’un ajan tabanlı yetenekleri, bölgesel konum veya uyumluluk gereksinimleri gibi iş kısıtlarıyla uyumlu teknik maliyet optimizasyonu önerileri sunabilir. Ayrıca bu önerilerin ardındaki mantığı ve finansal varsayımları açıklayabilir.

Son nokta özellikle önemlidir. Kuruluşlar, yapay zeka tarafından oluşturulan bir öneriyi doğrudan karar olarak değil, incelenmesi gereken bir hipotez olarak ele almalıdır.

Değerlendirme Toplam Sahip Olma Maliyeti (TCO) ile Sona Ermemeli

Buluta geçişte yapılan en kolay hatalardan biri, ortaya çıkan nihai TCO rakamını cevabın kendisi olarak görmektir. Oysa bu rakam, asıl karar sürecinin başlangıcıdır.

Bir değerlendirmede bir iş yükünü buluta taşımanın altyapı maliyetlerini %20 azaltabileceğinin ortaya çıktığını düşünün. İlk bakışta kulağa cazip geliyor.

Peki ya;

• İş yükünün belgelenmemiş bağımlılıkları varsa ne olur?
• Belirli bir yazılım lisansına ihtiyaç duyuyorsa ne olur?
• Uygulamanın kullanım ömrü sona yaklaşıyorsa ne olur?
• Bu iş yükünü önce taşımak, müşteriye yönelik bir sistem için kesinti riski yaratıyorsa ne olur?
• Başka bir iş yükü, geçiş için gereken çabanın yarısıyla iki kat daha fazla iş değeri sunuyorsa ne olur?

Bu nedenle, bir buluta taşıma programının değeri, riski, karmaşıklığı ve maliyeti birlikte değerlendirilmelidir. Tam da burada, yapay zeka destekli değerlendirmelerin bir karar motoruna dönüşebileceğini düşünüyoruz.

Değerlendirme Çıktılarını Buluta Geçiş Önceliklerine Dönüştürmek İyi bir buluta geçiş değerlendirmesi, sonunda şu dört soruya yanıt verebilmelidir: 1. İlk Olarak Neyi Taşımalıyız? İş yüklerini iş değeri, teknik karmaşıklık, bağımlılıklar, risk ve beklenen finansal etkiye göre önceliklendirin. Güçlü bir iş gerekçesine sahip, nispeten basit bir iş yükü, teknik açıdan ilgi çekici ancak birbirine sıkı şekilde bağlı bir uygulamadan daha iyi bir ilk taşıma adayı olabilir. 2. Neleri Modernize Etmeliyiz? Bazı uygulamalar doğrudan taşınmaya uygun olabilir. Bazıları ise ölçeklenebilirliği, dayanıklılığı, operasyonel verimliliği veya modern veri platformlarıyla entegrasyonu geliştirecek mimari değişikliklerden yararlanabilir. Değerlendirme, her iş yükünün aynı geçiş yolunu izleyeceğini varsaymak yerine bu fırsatları ortaya koymalıdır. 3. Neyi Olduğu Yerde Bırakmalıyız? Buluta geçiş her iş yükünün hemen taşınmasını gerektirmez. Bazı iş yüklerinin şirket içinde veya başka bir bulutta kalması için düzenleyici, teknik, lisansla ilgili veya ekonomik gerekçeler olabilir. İyi bir değerlendirme taşımama kararını da görünür hâle getirmelidir. 4. Taşıma Sonrasında Neleri Optimize Etmeliyiz? Taşıma, bulut işletim modelinin sonu değil, başlangıcıdır. İş yükleri hedef ortamda çalışmaya başladıktan sonra gerçek kullanım ve tüketim verileri tahminlerin yerini alabilir. Böylece sürekli işleyen bir geri besleme döngüsü oluşur: Tahmin Et → Taşı → Ölç → Optimize Et Böylece değerlendirme, taşıma projesi başladıktan sonra arşivlenen bir doküman olmaktan çıkıp yaşayan bir karar modeline dönüşebilir.

Buluta Geçiş E-Tablolarından Kontrol Katmanına

Modern taşıma değerlendirmesinin gerçek değeri, analitik görevleri yapay zeka ile otomatikleştirmenin ötesine geçer. Teknik, finansal ve ticari hususları aynı değerlendirme iş akışına dahil eden ortak bir karar alma katmanı oluşturarak, tarihsel olarak departman silolarında izole kalmış bilgileri birleştirmeye yardımcı olur:

• Altyapı ve Uygulamalar: Teknik ortamlar ve sistem bağımlılıkları hakkında derin içgörüler sunar.
• Finans: Doğru maliyet temellerini oluşturur.
• Güvenlik: Riski ve düzenleyici gereksinimleri tanımlar.
• İş Liderliği: Stratejik öncelikleri ortaya koyar.

Yapay zeka destekli değerlendirme, büyük miktarda finansal ve teknik metriği ortak bir karar alma çerçevesine dönüştürerek bu farklı bakış açılarını tek ve bütüncül bir stratejide bir araya getirebilir.

Ortaya çıkan yapı şöyle görünebilir:

Geleneksel Değerlendirme	Yapay Zeka Destekli Karar Motoru
Manuel altyapı envanteri	Otomatik veri toplama
Statik elektronik tablolar	Dinamik finansal modeller
Manuel servis eşleştirme	Otomatik eşleştirme ve öneriler
Tek seferlik TCO hesaplaması	Senaryo bazlı maliyet modellemesi
Sabit taşıma raporu	Etkileşimli değerlendirme
Teknik öneriler	Bağlama duyarlı öneriler
Mühendislik ve finans analizlerinin ayrı yürütülmesi	Ortak iş gerekçesi
Taşıma planının manuel olarak oluşturulması	Daha bilinçli taşıma önceliklendirmesi
Değerlendirmenin taşıma planlamasıyla sona ermesi	Değerlendirmenin sürekli optimizasyona da yön vermesi

Buradaki temel değişim, mevcut ortamı tanımlamaktan olası gelecek senaryolarını değerlendirmeye geçmektir.

Yapay Zeka Destekli Bir Değerlendirmeye Güvenilmeden Önce Sorulması Gereken Beş Soru

Yapay zeka taşıma analizini hızlandırabilir. Ancak kuruluşların bu analizlerin desteklediği kararlar için gerekli yönetişimi de oluşturması gerekir. Kararın etkisi büyüdükçe, açıklanabilirliğin önemi de artar.

Yapay zeka tarafından oluşturulan bir taşıma önerisine göre hareket etmeden önce şunları sorun:

1. Kaynak veriler eksiksiz mi?

Tüm iş yükleri, bağımlılıklar, depolama sistemleri ve ilgili maliyetler değerlendirmeye dahil edildi mi?

2. Finansal varsayımlar gerçekçi mi?

Model mevcut donanım, lisanslama, personel, tesis ve operasyon maliyetlerinizi doğru şekilde yansıtıyor mu?

3. Önerilen mimari iş yüküne uygun mu?

Daha ucuza mal edilen bir yapılandırma, performans, dayanıklılık veya operasyon açısından sorun yaratıyorsa, belki de daha iyi bir seçenek değildir.

4. İş kısıtlamaları hesaba katılmış mı?

Veri yerleşimi, uyumluluk, kullanılabilirlik, gecikme, sözleşmeden doğan yükümlülükler ve iş açısından kritik dönemler gibi faktörleri değerlendirin.

5. Öneri açıklanabilir mi?

Teknoloji ve finans liderleri belirli bir mimarinin veya maliyet varsayımının neden önerildiğini anlayabilmelidir.

Tüm Bunlar Buluta Geçişte Rol Alan Ekipler İçin Ne Anlama Geliyor?

Yapay zeka destekli değerlendirmelerin ortaya çıkması, bulut mimarlarına, mühendislere veya taşıma uzmanlarına olan ihtiyacı ortadan kaldırmayacak; ancak onların zamanlarını nerede harcadıklarını değiştirecek.

Ekipler, haftalarca e-tabloları temizlemek, altyapı kalemlerini manuel olarak eşleştirmek ve maliyet varsayımlarını uzlaştırmak yerine, alternatifleri değerlendirmeye, önerileri doğrulamaya ve taşıma stratejisini şekillendirmeye daha fazla zaman ayırabilir.

Bu durum değerlendirme aşamasını daha stratejik bir hale getirerek, kurumların “Altyapımızı taşımanın maliyeti ne kadar olur?” sorusundan, çok daha faydalı olan “Ortamımızı modernize etmenin en iyi yolu nedir ve en fazla iş değerini yaratmak için önce hangi iş yüklerini taşımalıyız?” sorusuna geçmelerine yardımcı olabilir.

Kartaca Nasıl Yardımcı Olabilir?

Yapay zeka destekli değerlendirmeler, altyapı verilerinden taşıma iş gerekçesine uzanan yolculuğu hızlandırabilir. Ancak bu içgörüleri doğru bir taşıma stratejisine dönüştürmek, yine de varsayımları doğrulayabilecek, bağımlılıkları ortaya çıkarabilecek, alternatifleri değerlendirebilecek ve önerileri uygulanabilir bir plana dönüştürebilecek deneyimli sistem mimarları ve mühendislere ihtiyaç duyar.

Kartaca olarak, kurumların buluta taşıma yaşam döngüsü boyunca değerlendirmeden uygulamaya geçmelerine yardımcı oluyoruz. Otomatik değerlendirme yeteneklerini pratik bulut uzmanlığıyla birleştirerek, ekiplere şu konularda yardımcı oluyoruz:

• Mevcut altyapıyı ve uygulama ortamlarını analiz etme
• Taşıma ve modernizasyon seçeneklerini değerlendirme
• Güvenli, ölçeklenebilir ve esnek Google Cloud ortamları tasarlama
• İş yüklerini iş değeri, teknik karmaşıklık, risk ve maliyete göre önceliklendirme
• Uygulanabilir taşıma yol haritaları oluşturma ve dönüşümü hayata geçirme
• Taşıma sonrasında iş yüklerini performans, güvenilirlik ve verimlilik açısından optimize etme

Google Cloud’u değerlendiren organizasyonlar için bu, bağlamın en önemli olduğu yerlerde insan uzmanlığından yararlanırken değerlendirme verilerini daha iyi kararlar için bir temel olarak kullanmak anlamına gelir. Altyapı envanterlerini, maliyet modellerini ve yapay zeka tarafından üretilen önerileri teknik olarak sağlam, finansal olarak bilinçli ve iş hedefleriyle uyumlu bir taşıma stratejisine dönüştürmeye yardımcı oluyoruz.

Amacımız yalnızca daha hızlı bir TCO raporu hazırlamak değil; daha iyi taşıma kararları almak ve bu kararları ölçülebilir iş değerine dönüştürmektir.

Bulut geçişi değerlendirmesinden bulut dönüşümüne geçmek için bizimle iletişime geçin.