KOBİ’lere Yapay Zeka Destekli Belge Otomasyonu Satarak Gelir Üretmek

Yapay zeka ile gelir üretmek denince çoğu kişinin aklına içerik üretimi veya genel amaçlı chatbot geliyor. Daha az kalabalık ama daha somut bütçesi olan bir alan var: KOBİ’lerin belge işlerini otomatikleştirmek.

Türkiye’de satış, muhasebe, satın alma, lojistik ve operasyon ekipleri her gün PDF teklifleri, e-fatura çıktıları, UBL-TR XML dosyaları, sözleşmeler, WhatsApp’tan gelen sipariş görselleri ve e-postalar arasında veri kopyalıyor. Satılabilir değer vaadi basit olmalı: daha az manuel giriş, daha hızlı kayıt, daha düşük hata oranı ve daha düzenli arşiv.

Fikir: Belgeyi Oku, Veriyi Çıkar, Kayıt Oluştur

Satılabilir hizmet şu şekilde tanımlanabilir: Müşteri PDF, görsel, Excel veya e-posta ile gelen belgeyi yükler; sistem belgedeki alanları çıkarır, belge türünü sınıflandırır, kısa özet üretir ve sonucu müşterinin kullandığı araca aktarılabilir hale getirir.

Örneğin bir tedarikçi teklifinden şu alanlar alınabilir:

• Tedarikçi adı
• Ürün veya hizmet adı
• Birim fiyat
• Para birimi
• Teslim süresi
• Ödeme koşulu
• Geçerlilik tarihi

Çıktı, Google Sheets, Airtable, Logo, Mikro, Nebim, Paraşüt veya özel bir ERP sistemine aktarılabilecek temiz bir kayıt olabilir. İlk sürümün büyük bir SaaS olması gerekmez. Daha gerçekçi başlangıç, belirli bir belge türü için çalışan yarı otomasyon hizmeti kurmaktır.

Basit bir ilk mimari şöyle olabilir:

• Belge yükleme: Google Drive, Dropbox, e-posta yönlendirme veya basit web formu
• Veri çıkarma: OpenAI GPT-4.1, Claude, Gemini, Mistral veya belgeye özel OCR servisleri
• OCR: Google Document AI, Azure AI Document Intelligence, AWS Textract veya Tesseract
• İş akışı: n8n, Make, Zapier veya Python scriptleri
• Veri tabanı: Supabase, PostgreSQL veya Airtable
• Arama ve arşiv: PostgreSQL full-text search, pgvector, Elasticsearch veya OpenSearch

Burada kritik konu model seçimi değil, müşterinin tekrar eden işini net tanımlamaktır. “KOBİ’lere yapay zeka” geniş ve zor satılan bir vaattir. “Ayda 500 tedarikçi faturası işleyen tekstil firmasına fatura alanlarını çıkarıp Logo’ya aktarım” ise ölçülebilir ve fiyatlandırılabilir bir tekliftir.

İlk Müşteriyi Bulmak: Sektörü Daralt, İş Yükünü Ölç

Başlangıçta her sektöre gitmek yerine belge hacmi yüksek ve hata maliyeti net olan alanlara odaklanın. Türkiye’de hızlı test edilebilecek segmentler şunlardır:

• Muhasebe büroları: E-fatura, e-arşiv, dekont ve fiş sınıflandırma
• Lojistik firmaları: İrsaliye, taşıma evrakı, fatura ve teslimat belgesi eşleştirme
• Dış ticaret yapan KOBİ’ler: Proforma fatura, packing list, konşimento ve gümrük evrakı kontrolü
• E-ticaret satıcıları: Sipariş, iade, kargo ve pazar yeri raporlarının düzenlenmesi
• Üretim atölyeleri: Tedarikçi teklifi, satın alma formu ve stok giriş belgeleri

İlk görüşmede teknik demo anlatmak yerine süreci ölçün. Aşağıdaki sorular satıştan daha değerlidir:

• Haftada kaç belge manuel işleniyor?
• Bu işlem kaç kişinin kaç saatini alıyor?
• Belgeler hangi kanallardan geliyor: e-posta, WhatsApp, PDF, Excel, tarama görseli?
• Sonuç hangi sisteme giriliyor: Logo, Mikro, Paraşüt, Excel, özel ERP?
• Hata olduğunda ne oluyor: yanlış ödeme, geciken teslimat, iade, ceza, müşteri şikayeti?
• Belgelerde standart format mı var, yoksa her tedarikçi farklı şablon mu kullanıyor?

Bu yanıtlar fiyatlandırmayı da belirler. Örneğin bir muhasebe bürosu ayda 1.000 belgeyi manuel sınıflandırıyorsa ve bu iş için haftada 15-20 saat harcıyorsa, aylık abonelik modeli anlamlı hale gelir.

Başlangıçta şu aralıklar test edilebilir:

• Kurulum ücreti: 5.000-25.000 TL
• Aylık bakım ve kullanım: 2.000-20.000 TL
• Belge başı ücret: 1-10 TL arası, belge karmaşıklığına göre

Bu rakamlar sektör, entegrasyon zorluğu, belge hacmi, KVKK gereksinimi ve insan onayı ihtiyacına göre değişir. İlk teklifte “sınırsız otomasyon” demek yerine kapsamı yazılı hale getirin: belge türü, aylık adet, hedef doğruluk oranı, entegrasyon noktası ve destek süresi.

Teknikte Güven: İnsan Onayı, Test Seti ve Hata Yönetimi

Belge otomasyonu satarken en büyük risk, yapay zekanın yanlış alan çıkarmasıdır. Bu yüzden ürünü “tam otomatik ve hatasız” diye konumlandırmak doğru değildir. Daha güvenilir yaklaşım, insan onaylı otomasyon kurmaktır.

Önerilen akış şöyle olabilir:

• Model belgeyi okur ve alanları çıkarır.
• Her alan için güven skoru veya kısa gerekçe üretir.
• Düşük güvenli alanlar kullanıcıya sarı veya kırmızı işaretlenir.
• Kullanıcı alanları onayladıktan sonra kayıt hedef sisteme gönderilir.
• Kullanıcı düzeltmeleri, istemleri ve doğrulama kurallarını iyileştirmek için kullanılır.

Pilot öncesi küçük bir test seti hazırlayın. Örneğin müşteriden 50 gerçek belge alın; 40 belgeyle akışı ayarlayın, 10 belgeyle sonucu ölçün. Şu metrikleri raporlayın:

• Alan bazında doğruluk: örneğin vergi numarası, tarih, tutar, para birimi
• Belge başına ortalama işlem süresi
• Manuel düzeltme gereken kayıt oranı
• Hiç işlenem