OCR ile fatura okuma, taranmış ya da PDF faturadaki metnin yazılımla tanınıp satıcı, vergi numarası, tarih, vade, kalemler, KDV ve genel toplam gibi alanlara ayrılması ve ERP'ye aktarılmasıdır. İyi kurulmuş bir sistem emin olmadığı alanı tahminle doldurmaz, insan onayına düşürür. e-Fatura ve e-Arşiv belgelerinde OCR gerekmez; veri doğrudan XML'den okunur.
Bu yazı, faturadan yapılandırılmış alan çıkarmayı ve bu veriyi ERP'ye aktarmayı anlatıyor. Sözleşme ya da rapor gibi serbest metinli bir belgeyi özetlemek ve ona soru sormak ise yapay zeka ile belge analizinin konusudur.
Fatura elektronikleşti, ama muhasebenin masası boşalmadı
Türkiye'de fatura büyük ölçüde elektroniğe geçti. GİB 2025 Yılı Faaliyet Raporu'na göre e-Fatura uygulamasından yararlanan mükellef sayısı 2025 sonunda 1.937.308'e ulaştı; bu sayı 2021'de 532.910'du. Aynı raporda 2025'te düzenlenen e-Fatura sayısı 1.188.605.103 olarak veriliyor.
Buna rağmen muhasebe ekiplerinin önüne hâlâ elle yazılması gereken belgeler geliyor:
- Yurt dışı tedarikçi faturaları: Türkiye'nin e-Fatura sistemi dışında, genellikle mail ekinde PDF olarak gelir.
- e-Arşiv faturanın PDF görünümü: Tedarikçi XML yerine yalnızca PDF'i maille gönderdiğinde veri yine gözle okunur.
- Kâğıt belgeler: Serbest meslek makbuzu, gider pusulası, masraf fişi, sahadan gelen irsaliye fotoğrafı. Kâğıdı sürecin başında dijitalleştirmek, EBYS ve kâğıtsız ofis yaklaşımının parçasıdır.
- Faturaya eşlik eden belgeler: İrsaliye, sipariş formu, gümrük evrakı; faturayla eşleştirilmeden ödeme onaylanamaz.
Bu belgelerin her biri, birinin ekranın bir yarısında PDF'i, diğer yarısında ERP'yi açıp alan alan yazması demek. İş ay sonuna yığıldığında hem süre uzar hem de hata riski artar. Aynı yük, onlarca müşterinin belgesini işleyen mali müşavirlik bürolarında katlanarak büyür. Büroların bu yükte yapay zekayı nerede kullanabileceğini mali müşavirler için yapay zeka yazımızda anlattık.
Elle veri girişinin gerçek maliyeti
Elle giriş maliyeti yalnızca personel saati değildir. Yanlış yazılan bir vergi numarası mutabakatta, iki kez girilen bir fatura çift ödemede, gözden kaçan bir vade tarihi gecikme faizinde geri döner. Hangi kaydın kim tarafından, hangi belgeden girildiğini sonradan bulmak da zorlaşır. Çift ödenen ya da hiç ödenmeyen faturanın bankada nasıl yakalandığını banka mutabakatı otomasyonu yazısında anlattık.
Şirketler bu alanı otomasyon ve yapay zeka için doğal bir başlangıç noktası olarak görüyor. TÜİK Yapay Zeka İstatistikleri 2025'e göre Türkiye'de yapay zeka kullanan girişimlerin %33,7'si onu muhasebe, kontrol veya finans yönetiminde kullanıyor.
Deloitte'un 35 ülkeden 479 yöneticiyle yaptığı ankete göre akıllı otomasyonu ölçeklendiren kuruluşlar ortalama %32 maliyet azalması bildirdi. (Deloitte Global Intelligent Automation Survey 2022)
Bu rakam 2021/22 anketine ait ve yalnızca ankete katılan kuruluşlar için geçerli; yine de yönü açık: tekrar eden belge işini yazılıma devreden ekipler, zamanlarını kontrol ve istisna yönetimine ayırabiliyor.
Bir uyarı da eklemek gerekiyor. Yapay zeka modelleri belge okurken de hata yapabilir. Stanford AI Index Report 2026'nın aktardığı Vectara belge özetleme testinde en iyi 15 model bile özetlere %1,8 ile %5,4 arasında oranla kaynakta olmayan bilgi ekledi. Fatura gibi para hareketine dönüşen belgelerde bu yüzden kural basittir: yazılım okur, doğrular ve emin olmadığını insana sorar. Konunun ayrıntısı için yapay zeka halüsinasyonunu azaltma yazımıza bakabilirsiniz.
OCR ile fatura okuma nasıl çalışır?
Fatura OCR'ı tek bir adım değil, birbirine bağlı bir akıştır:
- Belgenin toplanması. Faturalar bir e-posta adresinden, ortak bir klasörden, tarayıcıdan ya da mobil fotoğraftan sisteme girer. Belge geldiği kanaldan bağımsız olarak aynı kuyruğa düşer. Ortak kutuya gelen faturayı diğer postalardan ayırmak için yapay zeka ile e-posta sınıflandırma yazısına bakın.
- Belge türünün ayrılması. Sistem gelen dosyanın fatura mı, irsaliye mi, makbuz mu olduğunu sınıflandırır. e-Fatura/e-Arşiv XML'i varsa OCR adımı atlanır ve veri doğrudan XML'den alınır.
- Metin tanıma (OCR). Görüntüdeki karakterler metne çevrilir. Taranmış kâğıtta eğiklik düzeltme ve gürültü temizleme bu adımın parçasıdır.
- Alan çıkarma. Yapay zeka modeli metnin içinden satıcı, vergi numarası, fatura numarası, tarih, vade, kalem satırları, KDV oranları ve toplamları bulur. Şablona bağlı eski yöntemlerin aksine, daha önce görmediği bir tedarikçi düzenini de okuyabilir.
- Doğrulama kuralları. Kalemlerin toplamı ara toplamı tutuyor mu, KDV doğru hesaplanmış mı, vergi numarası tedarikçi kartıyla eşleşiyor mu, bu fatura numarası daha önce girilmiş mi? Kurallardan geçemeyen belge otomatik aktarılmaz.
- İnsan onayı. Güven skoru düşük alanlar ya da kurala takılan belgeler bir onay ekranına düşer. Kullanıcı yalnızca işaretli alanı düzeltir, belgenin tamamını yeniden yazmaz.
- ERP'ye aktarım. Onaylanan veri ERP'ye veya muhasebe yazılımına API ya da entegrasyon katmanıyla yazılır. Her kayıt kaynak belgeye bağlı kalır; denetimde "bu tutar nereden geldi?" sorusunun cevabı tek tıktır.
Şablon tabanlı OCR ile yapay zeka tabanlı çıkarım arasındaki fark
| Konu | Şablon tabanlı OCR | Yapay zeka destekli çıkarım |
|---|---|---|
| Yeni tedarikçi düzeni | Her düzen için şablon tanımlanır | Çoğu düzen şablonsuz okunur |
| Kalem satırları | Sabit tablo yapısında iyi, değişkende zayıf | Farklı tablo yapılarına uyum sağlar |
| Bakım yükü | Tedarikçi fatura tasarımını değiştirince şablon bozulur | Model ek örneklerle iyileştirilir |
| Hata davranışı | Yanlış bölgeyi okur, fark etmeyebilir | Güven skoru verir, düşük skoru onaya düşürür |
| Uygun olduğu durum | Az sayıda, sabit düzenli belge | Çok tedarikçili, değişken belge akışı |
El yazılı alanlar, sektöre özgü formlar ya da hazır modelin tutarlı biçimde yanıldığı bir tedarikçi düzeni varsa, kendi etiketli belgelerinizle firmaya özel yapay zeka modeli eğitmek doğruluğu belirgin biçimde artırabilir.
OCR fatura okuma pilotu: ölçmeden başlamayın
OCR projelerinin çoğu, "sistem yüzde kaç doğru okuyor?" sorusuna genel bir rakamla cevap aranınca yanlış başlar. Temiz bir PDF ile buruşuk bir irsaliye fotoğrafı aynı sonucu vermez. Doğru yaklaşım, kendi belgelerinizle ölçmektir:
- Belge örneği toplayın. Son üç aydan, en çok gelen tedarikçileri ve en sorunlu belge türlerini temsil eden bir örnek seçin.
- Alan bazında ölçün. "Fatura doğru okundu" yerine "vergi numarası, tutar, tarih ve kalemler ayrı ayrı doğru mu?" diye bakın; tutar alanındaki hata ile açıklama alanındaki hata aynı ağırlıkta değildir.
- Otomatik geçiş oranını izleyin. Belgelerin ne kadarı hiç dokunulmadan aktarılıyor, ne kadarı onaya düşüyor? Asıl kazanç bu oranda görülür; yapay zeka projesinin ROI hesabı da bu orana dayanır.
- İstisna sürecini baştan tanımlayın. Onaya düşen belgeye kim, ne kadar sürede bakacak?
ERP projeleri gibi, OCR projesinde de kapsamı dar tutup bir belge türünde değer gösterdikten sonra genişlemek en güvenli yoldur.
Dış ticarette OCR yalnızca faturada değil, çeki listesi ve taşıma belgelerinde de elle girişi azaltır. Bu belgelerin sevkiyat bazında nasıl düzenleneceğini ithalat ihracat evrak takibi rehberinde ele aldık.
Digital Bridge'de fatura OCR'ını nasıl kuruyoruz?
Doküman OCR ve sınıflandırma hizmetimizde işe hazır bir paket kurarak değil, belge akışınızı inceleyerek başlıyoruz:
- İhtiyaç analizi. Faturaların hangi kanallardan geldiğini, aylık hacmi, hangi alanların ERP'ye aktarılması gerektiğini ve bugün işi kimin yaptığını çıkarıyoruz. Kapsamı, aşamaları ve bedeli yazılı teklif olarak sunuyoruz.
- Pilot ve ölçüm. Gerçek belgelerinizle alan bazında doğruluğu ölçüyor, sonucu sizinle birlikte değerlendiriyoruz. Genel bir oran vaat etmiyoruz; ölçtüğümüzü raporluyoruz.
- e-Fatura ile birleştirme. Elektronik gelen belgelerin XML verisini doğrudan okuyup OCR'lı belgelerle aynı onay ve aktarım akışına alıyoruz; muhasebe tek bir kuyruk görür. Bu tarafın ayrıntısı e-Fatura entegrasyonu yazımızda.
- Entegrasyon. Onaylanan veriyi Logo, SAP, Mikro ya da özel ERP'nize sistem entegrasyonu katmanıyla aktarıyoruz. Ödeme hazırlığı ya da mutabakat gibi kurala dayalı devam adımları varsa bunları RPA süreç otomasyonu ile bağlıyoruz.
- Özel model. Standart dışı formlar, el yazılı alanlar ya da sektörünüze özgü belgeler için firmaya özel yapay zeka modeli eğitimi yapabiliyoruz.
Faturalar mail ekinde geliyorsa: Smart360 ile SmartMail
Birçok şirkette fatura sürecinin başladığı yer muhasebe klasörü değil, gelen kutusudur. Smart360 ailesindeki SmartMail bu noktada devreye girer:
- Ek çözümlemesi: Mail ekindeki fatura PDF'inden taraflar, düzenlenme ve vade tarihi, ara toplam, KDV, genel toplam, belge numarası ve vergi numarası, dosya indirilmeden çıkarılır.
- Otomatik sınıflandırma: Gelen mailler iletişim, fatura/ödeme, teklif/ihale, resmî yazışma, promosyon ve güncelleme olarak ayrılır; fatura içeren mesajlar diğer yazışmaların arasında kaybolmaz.
- Sahte fatura koruması: Gelen mail 12 sinyalle değerlendirilir; benzer alan adı, görünen ad taklidi ve Reply-To uyuşmazlığı gibi bulgular gerekçesiyle raporlanır. Bu, fatura okumayı hızlandırırken sahte faturanın ödeme sürecine girmesini zorlaştırır. Bu saldırıların nasıl tanınacağını sahte fatura maili yazısında anlattık.
- Tek tıkla arşiv: Ek, tek tıkla SmartFiles'taki ilgili klasöre kaydedilir. SmartFiles aynı adla yüklenen dosyanın üzerine yazmaz, her yüklemeyi yeni sürüm olarak tutar ve belgeyi yüklendiği anda yapay zeka ile analiz eder.
Senaryo şöyle işler: Tedarikçiden gelen fatura PDF'i ortak muhasebe kutusuna düşer. Mesaj "fatura/ödeme" olarak sınıflanır, ek kartında tutar, KDV ve vade görünür. Muhasebe uzmanı dosyayı açmadan tutarı sipariş kaydıyla karşılaştırır, eki tek tıkla ilgili ayın klasörüne kaydeder. Yüksek hacimli ve ERP'ye otomatik aktarım gerektiren akışlarda ise bu yapı doküman OCR entegrasyonuyla tamamlanır.
Fatura okumanın otomasyon listenizde nereye oturduğunu görmek için süreç otomasyonu nereden başlanır yazımızdaki puanlama yöntemine bakabilirsiniz.
Sonraki adım
Başlamak için büyük bir proje gerekmez. Son bir ayda gelen, e-Fatura dışındaki faturalarınızı sayın; hangi kanaldan geldiklerini ve girişin kaç saat sürdüğünü not edin. Bu iki rakam, OCR'ın sizin için ne kadar değer üreteceğini gösterir. Ardından bizimle iletişime geçin: örnek belgelerinizle bir demo yapalım ve pilotun kapsamını birlikte belirleyelim. Yapay zekanın finans dışındaki kullanım alanları için Yapay Zeka rehberimizin tamamına göz atabilirsiniz.