KOBİ'ler için yapay zekâ, çoğu zaman büyük ve pahalı bir dönüşüm projesi değil; her gün tekrar eden küçük işleri devralan pratik araçlardır. En iyi sonuç veren uygulamalar, zaten var olan bir iş akışının sıkıcı ve hata yapılan adımını otomatiğe bağlayanlardır. Aşağıdaki yedi örnek, bugün mevcut teknolojiyle ve makul bir bütçeyle hayata geçirilebilecek işlerdir.
Otomasyon ile yapay zekâ arasındaki fark nedir?
Otomasyon kuralı belli işi yapar, yapay zekâ ise kuralı önceden yazılamayan işi anlamlandırır. İkisi sıkça karıştırılır:
- Otomasyon, kuralları belli bir işi insan müdahalesi olmadan yapar: "Sipariş gelince müşteriye onay mesajı gönder."
- Yapay zekâ, kuralı önceden yazılamayan işlerde devreye girer: "Gelen mesajın şikâyet mi, sipariş mi, fiyat sorusu mu olduğunu anla."
Gerçek hayatta en değerli çözümler ikisini birlikte kullanır: Yapay zekâ anlamlandırır, otomasyon harekete geçer. Kural tabanlı otomasyon öngörülebilirdir; yapay zekâ esneklik getirir ama bir hata payı taşır. Bu yüzden her örnekte insanın nerede devrede kaldığını ayrıca belirttik.
1. Gelen talepleri otomatik sınıflandırma
Web formu, e-posta ya da WhatsApp üzerinden gelen mesajlar yapay zekâ ile okunup kategorilere ayrılabilir: yeni müşteri talebi, mevcut sipariş sorusu, şikâyet, fiyat teklifi isteği. Sınıflandırılan talep doğru kişiye atanır, acil olanlar öne alınır.
Önce ve sonra: Bir hırdavat toptancısını düşünün. Satış sorumlusu her sabah biriken e-posta ve WhatsApp mesajlarını tek tek okuyup dağıtıyor; şikâyetler fiyat sorularının arasında kayboluyor. Otomasyonla her mesaj geldiği anda etiketleniyor, şikâyetler müşteri hizmetlerine, teklif istekleri satışa düşüyor.
Gereken veri ve sistemler: Mesajların toplandığı kanallara erişim, geçmişten örnek mesajlar ve bunların doğru kategorileri, talebin atanacağı bir yer (CRM, görev listesi ya da ortak bir panel).
İnsan kontrolü: Model emin olmadığı mesajları "belirsiz" olarak işaretlemeli ve bunları bir kişi elle sınıflandırmalıdır.
Ana risk: Yanlış kategoriye düşen acil bir şikâyetin geç fark edilmesi. Başlangıçta etiketler düzenli gözden geçirilmelidir.
2. Fatura ve belge okuma
Tedarikçi faturaları, irsaliyeler ya da fişler fotoğraflanıp yapay zekâya okutulabilir. Tutar, tarih, firma adı ve kalemler otomatik çıkarılıp muhasebe ya da stok sistemine aktarılır.
Önce ve sonra: Bir yapı malzemesi bayisinde depo sorumlusu, gelen irsaliyeleri akşamları stok programına elle giriyor. Belge okuma kurulduğunda irsaliye teslim alınırken telefonla fotoğraflanıyor, sistem kalemleri çıkarıp taslak bir giriş oluşturuyor, sorumlu yalnızca onaylıyor.
Gereken veri ve sistemler: Okunabilir belge görüntüleri, ürün kodlarının eşleştirileceği güncel bir ürün listesi ve verinin aktarılacağı muhasebe ya da stok yazılımına erişim.
İnsan kontrolü: İnsan yalnızca emin olunamayan alanları kontrol eder.
Ana risk: Yanlış okunan bir tutarın sessizce muhasebeye geçmesi. Sonuç önce bir onay ekranına gitmelidir.
3. Teklif ve e-posta taslağı hazırlama
Müşteri talebi ve ürün listesi verildiğinde yapay zekâ bir teklif taslağı ya da cevap e-postası hazırlayabilir. Taslağı gönderen yine insandır; ama boş sayfadan başlamak yerine düzenleme yapmak işi belirgin biçimde hızlandırır.
Önce ve sonra: Bir endüstriyel ekipman satıcısında temsilci her talep için eski bir teklifi kopyalayıp ürünleri ve fiyatları elle değiştiriyor. Yeni akışta yapay zekâ güncel fiyat listesinden ilgili ürünleri çekip bir taslak üretiyor, temsilci kontrol edip gönderiyor.
Gereken veri ve sistemler: Güncel fiyat ve ürün listesi, geçmiş tekliflerden örnekler, teklif şablonu ve şirketin iskonto kuralları.
İnsan kontrolü: Fiyat, iskonto ve teslim süresi gibi bağlayıcı bilgiler mutlaka bir kişi tarafından onaylanmalıdır.
Ana risk: Yapay zekânın listede olmayan bir fiyatı ya da koşulu "uydurması". Fiyatların modelin yazdığı metinden değil, doğrudan fiyat listesinden gelmesi bu riski büyük ölçüde azaltır.
4. Stok ve sipariş uyarıları
Bu örnek yapay zekâ bile gerektirmez: Stok belli bir seviyenin altına düştüğünde, bir sipariş belirli bir süre kargoya verilmediğinde ya da bir ödeme vadesi geldiğinde ilgili kişiye otomatik bildirim gitmesi. Basit kurallarla kurulan bu uyarılar, gözden kaçan işlerin maliyetini ciddi biçimde düşürür.
Önce ve sonra: Bir e-ticaret yapan kozmetik markasında en çok satan ürün tükendiğinde bunu genellikle müşteri şikâyetinden öğreniyorlar. Uyarı kurulduğunda kritik seviyeye inen ürün için satın alma sorumlusuna mesaj gidiyor, bekleyen siparişler de depo ekranında öne çıkıyor.
Gereken veri ve sistemler: Stok ve sipariş verisinin tutulduğu sisteme erişim ve her ürün için anlamlı bir kritik seviye.
İnsan kontrolü: Uyarı karar vermez, haber verir. Siparişi vermek ya da müşteriyi aramak insanın işidir.
Ana risk: Çok fazla uyarı. Her şey için bildirim gelirse ekip bir süre sonra hepsini görmezden gelir.
5. Müşteri borç ve tahsilat hatırlatmaları
Vadesi gelen alacaklar için müşteriye otomatik hatırlatma göndermek, tahsilat sürecindeki en sıkıcı ve en çok ertelenen işi ortadan kaldırır. Hatırlatmaların WhatsApp üzerinden gitmesi, açılma ihtimalini artırır. Bu tür akışların nasıl kurulduğunu WhatsApp otomasyonu yazımızda anlattık.
Önce ve sonra: Bir gıda toptancısında muhasebe çalışanı ay sonunda vadesi geçenleri tek tek arıyor. Otomasyonla vadeden önce bir bilgilendirme, vade geçince bir hatırlatma gidiyor; çalışan yalnızca cevap vermeyen ya da itiraz eden müşterilerle ilgileniyor.
Gereken veri ve sistemler: Güncel cari hesap ve vade bilgisi, müşterilerin iletişim bilgileri ve bu kanaldan mesaj almaya onay verip vermedikleri.
İnsan kontrolü: İtiraz, ödeme planı talebi ya da hassas müşteri ilişkileri otomasyonun dışında kalmalıdır.
Ana risk: Ödemesi zaten yapılmış bir müşteriye hatırlatma gitmesi. Tahsilat kaydının güncel olması, otomasyonun ön koşuludur.
6. İç bilgi asistanı
Şirket içi prosedürler, ürün bilgileri, fiyat listeleri ve sık sorulan sorular bir yapay zekâ asistanına bağlanabilir. Yeni başlayan bir personel, "Bu ürünün iade koşulu ne?" diye sorduğunda doğru cevabı belgeye dayanarak alır. Burada önemli olan, asistanın yalnızca sizin belgelerinize dayanarak cevap vermesi ve kaynağını göstermesidir.
Önce ve sonra: Bir diş kliniğinde yeni sekreter, hangi tedavinin öncesinde hastaya ne söyleneceğini ya da hangi sigorta anlaşmasının neyi kapsadığını her seferinde kıdemli çalışana soruyor. Asistan kurulduğunda bu bilgileri klinik içi belgelerden kaynak göstererek buluyor.
Gereken veri ve sistemler: Güncel ve tutarlı belgeler. Asistan, beslendiği belgeler kadar iyidir. Çelişen belgeler, çelişen cevaplar üretir.
İnsan kontrolü: Belgelerin bir sahibi olmalı ve değişiklikler düzenli olarak işlenmelidir. Asistanın cevabı bulamadığında "bilmiyorum" demesi bir eksiklik değil, doğru davranıştır.
Ana risk: Eski bir belgeye dayanarak verilen yanlış bilgi. Kaynak gösterme, cevabın kontrolünü kolaylaştırır.
7. Rapor ve özet üretme
Satış, stok ya da müşteri verilerinden haftalık özetler otomatik üretilebilir: "Bu hafta en çok satan beş ürün", "Tahsilatı geciken müşteriler", "Geçen haftaya göre değişim". Yönetici her pazartesi Excel açmak yerine hazır bir özet okur.
Önce ve sonra: Bir mobilya üreticisinde işletme sahibi satış, üretim ve muhasebeden farklı formatlarda tablolar istiyor ve bunları kendisi birleştiriyor. Otomatik raporla pazartesi sabahı tek bir özet geliyor; yapay zekâ rakamların yanına kısa bir yorum ekleyip sapmaları öne çıkarıyor.
Gereken veri ve sistemler: Verilerin tutulduğu sistemlere erişim ve "satış" ya da "tahsilat" gibi kavramların herkes için aynı anlama gelmesi.
İnsan kontrolü: Rakamlar doğrudan sistemlerden hesaplanmalı, yapay zekâ yalnızca yorum ve özet katmanında çalışmalıdır.
Ana risk: Yanlış bir hesaplamanın her hafta tekrar edilmesi ve güven kazanmış bir raporun sorgulanmaması. İlk dönemde rapor, eski yöntemle yan yana karşılaştırılmalıdır.
Yedi örneğin karşılaştırması
Örneklerin hepsi aynı zorlukta değildir; aşağıdaki tablo hangisiyle başlayacağınıza karar verirken kaba bir yol haritası sunar.
| Örnek | Gereken veri | Zorluk | İnsan kontrolü |
|---|---|---|---|
| Talep sınıflandırma | Örnek mesajlar ve kategoriler | Orta | Belirsiz mesajlarda |
| Belge okuma | Belge görüntüleri, ürün listesi | Orta | Düşük güvenli alanlarda |
| Teklif taslağı | Fiyat listesi, eski teklifler | Orta | Her gönderimde |
| Stok ve sipariş uyarıları | Stok ve sipariş kayıtları | Düşük | Uyarı sonrası aksiyonda |
| Tahsilat hatırlatmaları | Cari hesap ve iletişim onayı | Düşük | İtiraz ve istisnalarda |
| İç bilgi asistanı | Güncel şirket belgeleri | Orta ile yüksek arası | Belge bakımında |
| Rapor ve özet | Satış, stok, tahsilat verisi | Orta | İlk dönemde karşılaştırmayla |
Bir otomasyonun değeri nasıl tahmin edilir?
Kesin bir hesap yapmak gerekmez; üç soruyu birlikte düşünmek çoğu zaman yeterlidir. Bu iş ne kadar sürüyor, ne sıklıkla tekrar ediyor ve yanlış yapıldığında ne kaybediliyor?
- Harcanan zaman: Kısa ama her gün tekrar eden bir iş, uzun ama yılda birkaç kez yapılan bir işten daha değerli bir otomasyon adayı olabilir.
- Sıklık: İş ne kadar sık yapılıyorsa, otomasyonun kendini amorti etmesi o kadar kolaylaşır.
- Hata maliyeti: Bazı işlerde asıl kazanç zaman değil, hatanın önlenmesidir. Kaçırılan bir tahsilat ya da yanlış girilen bir fatura, harcanan dakikalardan daha pahalıya patlayabilir.
Hesaba bakım maliyetini de ekleyin: Her otomasyonun bir sahibi olmalı ve süreç değiştiğinde güncellenmelidir.
Hazır araç mı, özel entegrasyon mu?
Basit ve standart akışlar için hazır otomasyon araçları genellikle yeterlidir; birden fazla sistemin konuştuğu ya da işletmeye özgü kuralların olduğu durumlarda özel entegrasyon daha sağlıklıdır.
Hazır araçlar hızlı kurulur ve form doldurulunca tabloya satır eklemek gibi işler için idealdir. Süreç karmaşıklaştıkça sınırlar ortaya çıkar: Muhasebe programınızın bağlantısı olmayabilir, akış uzadıkça hatanın nerede koptuğunu bulmak zorlaşır.
Özel entegrasyon mevcut yazılımlarınıza doğrudan bağlanır ve işletmenize özgü kuralları içerir; karşılığında daha fazla planlama ister. Bu kararı genel bir çerçevede hazır yazılım mı, özel yazılım mı yazımızda ele aldık. Makul yol çoğu zaman önce hazır bir araçla denemek, sınırlara takılınca özel çözüme geçmektir.
Nereden başlamalı?
Doğru başlangıç noktası teknolojiden değil, sürecinizden çıkar. Küçük, ölçülebilir bir işle başlayıp sonucu gördükten sonra genişletmek en güvenli yoldur:
- Tekrarlayan işleri listeleyin: Her gün ya da her hafta aynı şekilde yapılan işler.
- Zaman ve hata maliyetini tahmin edin: Bu iş ne kadar sürüyor, hata yapılınca ne kaybediliyor?
- En basitinden başlayın: Kuralı belli olan işler için önce düz otomasyon kurun.
- Yapay zekâyı insan onayıyla birlikte kullanın: İlk aşamada yapay zekâ önersin, insan onaylasın.
- Ölçün: Otomasyon öncesi ve sonrası harcanan süreyi karşılaştırın.
Bu yaklaşım, yazılım dünyasında MVP olarak bilinen fikre benzer: Önce en küçük işleyen hâli kurun, gerçek kullanımdan öğrenin, sonra büyütün.
Dikkat edilmesi gerekenler
Teknik kurulumdan çok veri, doğruluk ve bağımlılık konuları sorun çıkarır. Başlamadan önce şu üç başlığı netleştirin:
- Kişisel veriler: Müşteri verilerini işleyen her sistemde KVKK yükümlülüklerini gözetin; hangi verinin hangi servise gönderildiğini bilin.
- Yanlış cevap riski: Yapay zekâ emin olmadığı hâlde kendinden emin cevap verebilir. Müşteriye doğrudan giden içeriklerde insan kontrolü bırakın.
- Bağımlılık: Tek bir yapay zekâ sağlayıcısına sıkı sıkıya bağlı sistemler, fiyat ya da politika değişikliklerinden etkilenir. Esnek bir mimari kurun.
Sık sorulan sorular
İşletme sahiplerinden en sık duyduğumuz üç soruya kısa cevaplar.
Yapay zekâ otomasyonu için teknik bir ekibim olması gerekir mi?
Hayır. Hazır araçlarla kurulan basit akışlar için teknik ekip gerekmez. Özel çözümlerde kurulumu dışarıdan bir ekip yapabilir. Önemli olan, süreci iyi bilen bir kişinin otomasyonun sahibi olmasıdır.
Otomasyon çalışanların işini elinden alır mı?
Bu yazıdaki örneklerin hiçbiri bir kişinin işini tamamen ortadan kaldırmaz. Hepsi tekrar eden ve hata yapılan adımları devralır; karar, onay ve müşteriyle ilişki insanda kalır.
Verilerim dağınık, yine de başlayabilir miyim?
Başlayabilirsiniz, ama veriye en az bağımlı örnekle başlamak mantıklıdır. Stok uyarıları ya da tahsilat hatırlatmaları gibi kural tabanlı işler iyi bir başlangıçtır. İç bilgi asistanı ya da raporlama gibi örnekler ise verinin önce toparlanmasını ister.
İşletmenizde hangi işlerin otomatiğe bağlanabileceğini birlikte inceleyebiliriz. Yapay zekâ ve otomasyonu ürünlerin işleyen bir parçası olarak tasarlıyoruz; yeteneklerimize göz atın ya da bize yazın.