Yapay Zekâ Entegrasyonu Nasıl Yapılır? İşletme Yazılımına Yapay Zekâ Ekleme Rehberi

Muhasebe her ay yüzlerce tedarikçi faturasını elle girerken, destek ekibi aynı sorulara aynı cevabı yazıyor, satın alma da PDF'lerin içinden tutar arıyor. Bu işlerin çoğu okuma, ayırma ve özetleme işidir ve dil modelleri tam burada yardımcı olabilir. Yapay zekâ entegrasyonu, mevcut ERP, CRM ya da portal gibi işletme yazılımına bu yeteneği güvenli biçimde eklemektir. Asıl mesele modeli çağırmak değil, onu kontrol, yetki ve insan onayıyla birlikte sürecin içine yerleştirmektir.

Bu rehberde hangi işlerin uygun olduğunu, bütünleştirme mimarisini, güven eşiği ve insan onayının nasıl çalıştığını, yanlış bilgi riskini, veri gizliliği ilkelerini, sağlayıcı seçimi sorularını, maliyet ve ölçüm yöntemini ve altı adımlı kurulumu anlatıyoruz. Örnek rakamlar temsilîdir; belirli bir sağlayıcının fiyatı ya da sektör ortalaması değildir.

Yapay Zekâ Entegrasyonu Nedir?

Yapay zekâ entegrasyonu, bir dil modelinin ya da makine öğrenmesi yeteneğinin işletme yazılımınıza API üzerinden bağlanması ve sonucun iş akışının bir adımı olarak kullanılmasıdır. Örneğin gelen fatura yüklendiğinde model tedarikçiyi, tutarı ve vadeyi okur; yazılım bu alanları forma doldurur; kural bunları sizin kayıtlarınızla karşılaştırır; belirsiz olanı bir kişi onaylar.

Bu, süreç otomasyonundan farklı bir katmandır. Kurala bağlanabilen işler için klasik otomasyon yeterlidir; yapay zekâ, kuralla yazılamayan, yani metin, belge ve serbest ifade içeren işlerde devreye girer. Otomasyonun temelini iş süreçleri otomasyonu rehberimizde, yazılımların birbirine nasıl bağlandığını API entegrasyonu rehberimizde anlattık.

Okumanızı öneririz: Entegrasyon hizmetimiz

Yapay Zekâ Hangi İşler İçin Uygundur?

Uygun işlerin ortak özelliği, girdinin serbest metin ya da belge olması, yanlış sonucun kolay fark edilip düzeltilebilmesi ve hacmin yeterince yüksek olmasıdır. Kesin hesap ve kesin kural gereken işlerde ise klasik yazılım daha güvenilirdir.

Pratik ölçüt: "Aynı girdiye iki kez farklı cevap gelirse sorun olur mu?" Cevap evetse o iş model değil kural işidir. Modelin çıktısı her zaman aynı olmayabilir; bu yüzden model, kesinlik isteyen adımın yerine değil önüne konur.

Güvenli Yapay Zekâ Mimarisi Nasıl Kurulur?

Dört parçalı bir akış kurun: veri, model, kontrol, karar. Model yalnızca ikinci parçadır; sistemin güvenliği üçüncü ve dördüncü parçada belirlenir.

1. Veri: Modele yalnız o iş için gereken alan gider. Kişisel veri varsa maskelenir ya da hiç gönderilmez.
2. Model: Belirli bir görev ve çıktı biçimiyle çağrılır (örneğin "tedarikçi, tutar, vade; her alan için güven puanı"). Serbest cevap yerine yapılandırılmış çıktı istenir.
3. Kontrol: Çıktı kurallardan geçer: tutar sayı mı, kalemler toplamla uyuşuyor mu, tedarikçi kayıtlı mı, güven eşiğin üstünde mi.
4. Karar: Kontrolü geçen taslak olarak kaydedilir; geçemeyen kişiye gider. Sonucu işleyen yine sizin iş mantığınızdır.

Teknik olarak bu, yazılımın modelin API'sini çağırması ve sonucu kendi kuyruğuna alması demektir. Uzun süren çağrıları beklemeden sürdürmek için olay tabanlı bildirim kullanılabilir; mekanizmayı webhook nedir rehberimizde anlattık. Çağrıların kimlik, yetki ve hız sınırıyla korunması için API güvenliği rehberimizdeki ilkeler aynen geçerlidir; model anahtarı da bir sırdır ve kodda tutulmaz.

Güven Eşiği ve İnsan Onayı Nasıl Çalışır?

Güven eşiği, modelin kendi çıktısına verdiği puanın hangi değerin üstünde taslağa dönüşeceğini belirleyen sınırdır; altı kişiye gider. Eşik, hız ile hata arasındaki dengeyi ayarlayan tek düğmedir.

Temsilî örnekte ayda 600 fatura işleniyor ve eşik 0,90. Bir fatura için model şunu döndürüyor: tedarikçi "Örnek Ltd.", tutar ₺8.800, güven 0,96. Güven eşiğin üstünde olduğu için fatura otomatik taslağa dönüşür; muhasebe çalışanı yalnız hızlı kontrol yapar. Güveni 0,71 olan fatura doğrudan kişiye düşer.

Hesap: 600 × 0,85 = 510; 510 − 12 = 498 ve 498 ÷ 510 = %97,6; 90 − 30 = 60 ve 60 ÷ 90 = %66,7; 498 + 60 = 558 ve 558 ÷ 600 = %93; düzeltme 42 ÷ 600 = %7. Eşik yükseltilirse otomatik taslak sayısı düşer, kişiye giden artar ve hata azalır; düşürülürse tersi olur. Eşiği tahminle değil, pilot verisindeki doğruluk dağılımıyla seçin. Tutarı yüksek ya da geri dönüşü zor işlerde (ödeme gibi) eşik ne olursa olsun son onayı insan verir.

Yanlış Bilgi (Halüsinasyon) Riski Nasıl Yönetilir?

Dil modeli bilmediği yerde de akıcı ve kendinden emin bir cevap üretebilir; buna halüsinasyon denir. Yanlış bilgi modelin kusuru olduğu kadar tasarım sorunudur: model kaynaksız bırakılırsa tahmin eder, kaynağa bağlanırsa kanıtla cevaplar.

Bilgi tabanında arama (genel adıyla RAG) şöyle çalışır: soru gelince önce sizin belgelerinizden (sözleşme, ürün kılavuzu, politika) ilgili bölümler bulunur, model yalnız bu bölümlere dayanarak cevap yazar ve kaynağı gösterir. Bilgi tabanındaki belge güncel değilse cevap da eski olur; belgenin sahibi ve güncelleme düzeni bu yüzden tasarımın parçasıdır.

• Kaynak zorunluluğu: Kaynak bulunamazsa cevap "bilgi bulunamadı" olsun; tahmin yürütülmesin.
• Kural doğrulaması: Sayısal ve kimlik alanları kurallarla denetlensin (kalemler toplamı, kayıtlı tedarikçi, tarih aralığı).
• Müşteriye giden metin: Taslak olarak üretilsin, göndermeden önce insan okusun.
• Örnek seti: Bilinen doğru cevaplı 50–100 örnekle modeli düzenli sınayın; sürüm değişince yeniden çalıştırın.

Veri Gizliliği ve KVKK Açısından Nelere Dikkat Edilir?

Modele gönderilen her veri, işletmenizin dışına çıkan veridir. Bu nedenle ilke şudur: gerekmeyen veri gönderilmez, gereken kişisel veri mümkünse maskelenir. Yükümlülükler, aktarımın hukuki dayanağı ve saklama konuları için hukuk danışmanınıza başvurun; burada hukuki görüş vermiyoruz.

• Veri envanteri: Hangi alanların modele gittiğini yazılı çıkarın; ad, kimlik numarası ve telefon gibi alanlar çoğu işte gerekmez.
• Maskeleme: Kişisel alanları gönderimden önce yerine koyucu değerlerle değiştirin, cevap geldikten sonra geri koyun.
• Sağlayıcının veri kullanımı: Gönderilen verinin modeli eğitmek için kullanılıp kullanılmadığını ve saklama süresini sözleşmeyle netleştirin.

Sağlayıcı Seçerken Hangi Sorular Sorulmalı?

Sağlayıcıyı marka bilinirliğine değil, işinizin ihtiyacına ve riskinize göre seçin. Aşağıdaki sorular her aday için yazılı yanıtlanmalıdır.

• Veri: Verim nerede işleniyor, ne kadar süre saklanıyor, modelin eğitiminde kullanılıyor mu?
• Başarı: Kendi örnek setimde doğruluk nedir? Sağlayıcının genel sonuçları yerine sizin belgeleriniz ölçülmelidir.
• Süreklilik: Kesinti, gecikme ve sürüm değişikliği nasıl duyuruluyor? Model davranışı sürümle değişebilir.
• Esneklik: Modeli değiştirmek zor mu? Entegrasyonu tek sağlayıcıya sıkı bağlamamak için model çağrısı kendi katmanınızda soyutlansın.
• Maliyet: Fiyat hangi birimle hesaplanıyor, kullanım sınırı ve aşım koşulu nedir?

Yapay Zekâ Entegrasyonunun Maliyeti Nasıl Hesaplanır?

Maliyet iki parçadır: bir kerelik kurulum (entegrasyon, kontrol kuralları, arayüz, pilot) ve kullanıma bağlı değişken ücret. Değişken ücret hacimle birlikte hareket eder ve önceden tam bilinemez; bu yüzden bütçeye aralık olarak koyun ve aşım için uyarı tanımlayın.

Temsilî örnek, aylık 600 faturadır. Elle işlemde bir fatura 4 dakika sürüyor; yapay zekâ ile ortalama 1,5 dakikaya iniyor (eşik üstü taslağı kontrol 1,2 dakika, kişiye giden 3,2 dakika: 510 × 1,2 = 612 ve 90 × 3,2 = 288, toplam 900 dakika). Saat maliyeti ₺300, aylık kullanım maliyeti ₺1.500 (fatura başına ₺2,5), kurulum ₺120.000.

Hacmin etkisini görmek için aynı varsayımı değiştirin. Kurulum maliyeti sabit kalır, kazanç hacimle büyür.

Hacim düşükse geri dönüş uzar; bu durumda daha basit bir kural ya da kısmi otomasyon yeterli olabilir. Tüm rakamlar temsilîdir; kendi hacminizi, süre ölçümünüzü ve sağlayıcı fiyatınızı koyun. Özel geliştirmenin maliyet mantığını özel yazılım nedir rehberimizde anlattık.

Yapay Zekâ Entegrasyonunun Başarısı Nasıl Ölçülür?

Ölçmediğiniz entegrasyon iyileşmez. Üç gösterge başlangıç için yeterlidir ve hepsi kayıttan hesaplanır.

• Doğruluk: Doğru sonuç ÷ toplam sonuç. Örnekte 558 ÷ 600 = %93.
• Düzeltme oranı: Kişinin değiştirdiği sonuç ÷ toplam. Örnekte 42 ÷ 600 = %7; zamanla düşmesi beklenir, artıyorsa model, belge türü ya da kural değişmiştir.
• Süre: İşlem başına ortalama dakika. Örnekte 4 dakikadan 1,5 dakikaya.

Buna kuyruktaki bekleme süresi, otomatik taslak oranı (510 ÷ 600 = %85) ve aylık kullanım maliyetini ekleyin.

Yapay Zekâ Hizmeti Çalışmazsa Ne Olur?

Sağlayıcı yanıt vermeyebilir, gecikebilir ya da beklenmedik biçimde cevap verebilir. Süreç buna dayanıklı değilse iş durur. Yedek akışı baştan tasarlayın.

• Zaman aşımı: Her çağrıya süre sınırı koyun; aşılırsa iş "elle işlem" kuyruğuna düşsün.
• Yeniden deneme: Geçici hatada sınırlı sayıda ve artan aralıkla yeniden deneyin; aynı fatura iki kez işlenmesin diye işlem kimliği tutun.
• Elle yedek: Model devre dışıyken iş eski yöntemle sürebilmeli; yapay zekâ bir zorunluluk değil, hızlandırıcı olmalı.

Yapay Zekâ Entegrasyonu Altı Adımda Nasıl Kurulur?

Küçük başlayın: tek iş, tek akış, gerçek veriyle kısa bir pilot. Büyük ve belirsiz bir proje yerine ölçülebilir bir adım atın.

1. Süreç seçimi: Hacmi yüksek, hatası kolay fark edilen ve ölçülebilir bir iş seçin; bugünkü süresini ve hata sayısını ölçün.
2. Veri ve gizlilik: Hangi verinin modele gideceğini, neyin maskeleneceğini ve kimin erişeceğini yazın; hukuk danışmanınızla gözden geçirin.
3. Model ve eşik: Çıktı biçimini ve güven eşiğini belirleyin; örnek setiyle doğruluğu ölçün.
4. Entegrasyon: API çağrısını, kuyruğu, kontrol kurallarını, onay ekranını ve yedek akışı kurun.
5. Pilot: 2–4 hafta, sınırlı kullanıcıyla ve gerçek veriyle çalıştırın; düzeltme nedenlerini toplayın.
6. Ölçüm ve genişletme: Doğruluk, düzeltme oranı ve süreyi önceki ölçümle karşılaştırın; hedef tutuyorsa kapsamı genişletin, tutmuyorsa eşiği ve komutu düzeltin ya da vazgeçin.

Gereksinimin yazıya nasıl dökülebileceğini gereksinim analizi rehberimizde anlattık.

Hazır Araç mı, Özel Entegrasyon mu?

Basit ve genel bir işte hazır bir araç yeterli olabilir. İş akışınız ve verinizle derin bağlantı gerektiğinde özel entegrasyon anlam kazanır.

İkisini birlikte de kullanabilirsiniz: genel işte hazır araç, çekirdek süreçte özel katman. Karar için kendi sürecinizi iki yolla da maliyetlendirin. Yapay zekânın en çok değer kattığı yerlerden biri de müşteri tarafıdır; destek tarafının yönetimini destek talep yönetim sistemi rehberimizde, müşteri kaydı ve satış verisini CRM rehberimizde, stok, satın alma ve üretim süreçlerini ERP rehberimizde bulabilirsiniz.

Okumanızı öneririz: Müşteri portalı nedir? Self-servis kapsamı, güvenlik ve geri dönüş rehberi

İnovabil ile Entegrasyon ve Özel Yazılım

İnovabil olarak ağırlığımız sıfırdan, firmaya özel yazılım geliştirmektir: özel yazılım, ERP, CRM, e-ticaret, web, mobil ve entegrasyon. Sürecinizde yapay zekâ yeteneğinin yerini, bütünleştirme biçimini, veri gizliliği sınırlarını ve geri dönüşünü gereksinim analizinde birlikte değerlendirmeyi öneriyoruz; kayıtlı yeteneklerimiz arasında rol bazlı yetkilendirme, denetim kayıtları ve güvenli barındırma bulunur. Bir yapay zekâ ürünümüz ya da yapay zekâ referansımız olduğunu söylemiyoruz; entegrasyonun neye değip neye değmediğini sizinle açıkça konuşuruz.

Avcılar İnşaat için CRM, satın alma ve mobil; İZBAN için satın alma sistemi; Karyak için lojistik ve sevkiyat planlama ile toptan sipariş yönetimi; Sleepy için depo yönetimi ile şikâyet ve destek yönetim sistemi geliştirdik. Bu sistemler, bir yapay zekâ adımının bağlanabileceği iş akışlarının türünü gösterir. Süreciniz ve verileriniz hakkında kısa bir özet gönderin; önce hangi işin uygun olduğunu, kontrolü ve geri dönüşü yazılı bir değerlendirmeyle çıkaralım.

Okumanızı öneririz: Yazılım geliştirme sürecimiz: analizden yayına adım adım

Sık Sorulan Sorular