AI otomasyon şirket içinde ne yapar?

"AI denedik, çalışmadı" cümlesi, çoğu zaman aslında "ChatGPT'yi tarayıcıda açtık, ne yapacağımızı bilemedik" demek. Bu yazıda AI otomasyonun gerçek anlamını, hangi süreçlerin otomatikleşmeye uygun olduğunu ve KOBİ ölçeğinde bir AI projesinin nasıl ilerlediğini anlatıyoruz.

"AI" ne demek, ne demek değil?

Pratikte iki kategoride çalışıyoruz:

1. LLM'ler (büyük dil modelleri): Metin üretme, anlama, sınıflandırma, çıkartım. ChatGPT, Claude, Gemini.
2. Klasik ML: Tahmin (forecast), kategorilendirme, anomali tespiti. Spesifik ihtiyaçlarda.

KOBİ otomasyonunda %80 kullanım LLM tarafında: gelen mailden veri çıkarma, müşteri sorusuna yanıtlama, sözleşme okuyup özetleme, fatura PDF'ten veri okuma.

Hangi süreçler iyi adaylar?

Bir sürecin AI ile otomatikleşmeye uygun olması için:

• Tekrarlanabilir olmalı (her gün, her hafta tekrar eden iş)
• Standart girdi formatına sahip olmalı (mail, PDF, form)
• Standart çıktıya dönüştürülebilir olmalı (Excel satırı, ERP kaydı, CRM güncellemesi)
• Hata maliyeti düşük olmalı veya insan onayı eklenebilmeli

İyi adaylar:

• Müşteri talebi mailden yapılandırılmış sipariş verisine
• E-fatura PDF'i ERP cari hesabına
• Sözleşme PDF'inden anahtar maddelerin özeti
• WhatsApp gelen sorularda standart yanıtlama (ürün katalog, fiyat sorgusu)
• Pazarlama içeriği taslakları
• Personel için dahili soru-cevap asistanı

Kötü adaylar:

• Tek seferlik özel müzakere mailleri
• Yargısal hukuki belge yazımı (model halüsinasyon riski)
• Sıfır hata toleranslı finansal kararlar (otomatik EFT vs.)

n8n / Make ile pratik mimari

Çoğu otomasyon için bir akış şu şekilde kurulur:

[Mail / WhatsApp / Form] → [Filtre: ilgili mi?]
   → [LLM: yapılandırılmış JSON üret]
   → [Validasyon: zorunlu alanlar var mı?]
   → [İnsan onay (Slack approve)]
   → [ERP / CRM yaz]
   → [Müşteriye onay mesajı]

n8n ve Make.com bu akışları görsel olarak kurmanıza izin verir. 800+ servis için hazır connector mevcut. Karmaşık yerlerde "code" node'u ile JavaScript / Python yazabilirsiniz.

Veriniz ChatGPT'ye gidiyor mu?

Kurumsal projelerde asla OpenAI'nin tüketici ürünü kullanılmaz. Doğru opsiyonlar:

• OpenAI Enterprise / API: zero data retention seçeneği aktif edilebilir.
• Azure OpenAI: Microsoft'un Azure'da host ettiği OpenAI; veri Azure tenant'ında kalır.
• Anthropic Claude API: opt-out trainings.
• On-prem LLM: Llama 3, Mistral, Qwen — kendi sunucunuzda.

Hangisini seçeceğiniz hassasiyet, maliyet ve performans dengesinde belirlenir. KVKK kapsamı veri özel nitelikteyse on-prem veya Azure'a yöneliriz.

ROI nasıl hesaplanır?

Otomasyon değerini hesaplamak için şu formül:

Aylık tasarruf = (manuel iş süresi/ay) × (saatlik personel maliyeti)
                - (otomasyon işletme maliyeti/ay)

Tipik bir orta ölçek e-ticaret firması için:

• Günde 200 sipariş × 2 dakika manuel giriş = 6.6 saat/gün = 132 saat/ay
• Saatlik 200 TL personel maliyeti = 26.400 TL/ay manuel iş
• AI + n8n + entegrasyon işletme maliyeti = ~5.000-8.000 TL/ay
• Net tasarruf = ~18.000-21.000 TL/ay

Geri dönüş süresi (kurulum maliyetiyle birlikte) genelde 4-8 ay arasında.

Pilot proje yaklaşımı

Tüm süreçleri aynı anda otomatikleştirmek tehlikeli. Standart yaklaşımımız:

1. Discovery (1-2 hafta): Tüm süreçler haritalanır, ROI ve uygulanabilirlik matrisine yerleştirilir.
2. Pilot (3-6 hafta): En yüksek getirili 1 süreç pilot olarak otomatikleştirilir.
3. Stabilize (4 hafta): Pilot canlıda, hata oranları izlenir, insan onayı kademeli kaldırılır.
4. Yaygınlaştırma (devam eden): Sıradaki süreçlere geçilir; aylık iyileştirme döngüsü.

İlk pilot başarılı olduğunda ekip gerçekten ne yapabileceğini görür ve sonraki süreçler doğal sırayla gelir.

RAG ve şirket asistanı

İç bilgi tabanı için RAG (Retrieval Augmented Generation) tabanlı asistanlar kuruyoruz. İşleyiş:

1. Şirketinizin doküman havuzu (Drive, Sharepoint, Notion, PDF'ler) vektör veritabanına indekslenir.
2. Personel bir soru sorar.
3. Sistem ilgili dokümanları çeker, LLM'e bağlam olarak verir.
4. LLM kaynak göstererek cevap üretir.

Bu yapı genel ChatGPT'ye veri vermek yerine, sadece kendi verinizi bilen ve kaynak gösteren bir asistan oluşturur.

Sınırlar

• Halüsinasyon: Model "uydurma" yapabilir. Kritik finansal veya hukuki bilgi LLM'e bırakılmaz.
• Güncellik: Model bilgisi belirli bir tarihe kadar. Anlık veri için API entegrasyonu gerekir.
• Bağlam penceresi: Çok uzun belgelerde model parça parça görür; doğru chunking stratejisi önemli.

Sonuç

AI otomasyon, "demo" değil çalışan ürün modunda kurgulandığında KOBİ'lere büyük zaman kazandırır. Anahtar: süreç haritası, küçük başlamak, insan onay adımı, sürekli iyileştirme.

İlgili: AI & İş Süreci Otomasyonu hizmetimiz.