Yapay zeka mı kural tabanlı otomasyon mu sorusunun cevabı iş adımına göre değişir. Kural tabanlı otomasyon "eğer şu ise bunu yap" kurallarını her seferinde aynı şekilde uygular; yapay zeka örneklerden öğrenip olasılığa dayalı tahmin yapar. Girdi yapılandırılmışsa kural, serbest metin, belge ya da görüntüyse yapay zeka seçilir. Çoğu süreçte doğru cevap ikisini birleştirmektir.
Soru neden yanlış sorulur?
Toplantılarda soru genellikle şöyle gelir: "Bu işi yapay zekayla mı çözelim, yoksa klasik otomasyonla mı?" Ama tek bir süreç, doğası farklı birçok adımdan oluşur. Tedarikçi faturasını düşünün. E-postanın gelmesi, ekin okunması, tutarın siparişle karşılaştırılması, onaya gönderilmesi ve ERP'ye kaydedilmesi ayrı işlerdir.
Bu adımlardan yalnızca biri, yani farklı düzenlerdeki PDF'ten tutar ve vergi numarasını çıkarmak, gerçekten "anlamayı" gerektirir. Tutar karşılaştırması ve onay yönlendirmesi ise tamamen kesin kurallardır. Dolayısıyla doğru soru "hangi teknoloji?" değil, "hangi adıma hangi teknoloji?" sorusudur. Karar adım düzeyinde verilmezse iki klasik hataya düşülür: her şeyi kurala zorlamak ya da her şeyi yapay zekaya bırakmak.
Yanlış seçimin maliyeti
Her şeyi kurala zorlamak, kural sayısını kontrolsüz büyütür. Yüzlerce tedarikçinin fatura düzeni için ayrı şablon yazılır, her yeni düzende sistem kırılır ve bakım işi otomasyonun kazandırdığı zamanı yer. Tersine, kesin bir hesaplamayı yapay zekaya bırakmak, bir gün açıklanamayan bir yanlış kararın denetimde ya da müşteride ortaya çıkması demektir.
Otomasyon yatırımının kendisi olgun ve ölçülebilir bir alandır. Deloitte'un 2021/22 Küresel Akıllı Otomasyon Anketi'ne göre 35 ülkeden 479 yöneticinin %74'ü RPA uyguluyordu; pilotu aşıp akıllı otomasyonu ölçeklendiren kuruluşlar ortalama %32 maliyet azalması bildirdi. Henüz pilot aşamasında olanların ortalama geri dönüş süresi ise 2020'deki 16 aydan 22 aya uzamıştı. Yanlış adımla başlamak, bu süreyi uzatan etkenlerden biri olabilir.
Yapay zeka tarafında ise tablo daha temkinli. TÜİK Yapay Zeka İstatistikleri 2025 verisine göre 10 ve daha fazla çalışanı olan girişimlerin yalnızca %7,5'i yapay zeka kullanıyor; kullanmayı düşünüp kullanmayanların %74,2'si uzmanlık eksikliğini, %67,4'ü yüksek maliyeti neden gösteriyor. Veri hazırlığı da ayrı bir engel:
Drexel Üniversitesi LeBow İşletme Fakültesi ile Precisely'nin 565 veri ve analitik uzmanıyla yaptığı araştırmaya göre katılımcıların yalnızca %12'si verisini yapay zekaya hazır görüyor; yapay zeka girişimlerini en çok engelleyen veri sorunu %62 ile veri yönetişimi eksikliği. (Drexel LeBow ve Precisely, 2025 Outlook: Data Integrity Trends and Insights)
En yeni modeller ve yapay zeka ajanları bile kusursuz değil. Stanford HAI AI Index 2026 raporuna göre yapay zeka ajanlarının gerçek bilgisayar görevlerini ölçen OSWorld testindeki başarısı bir yılda %12'den yaklaşık %66'ya çıktı; ama ajanlar yapılandırılmış testlerde hâlâ kabaca her üç denemeden birinde başarısız oluyor. Bu, yapay zekanın kesin kurala ihtiyaç duyan adımlarda tek başına bırakılmaması için yeterli bir gerekçedir.
Temel fark nedir? Kesinlik ve olasılık
Kural tabanlı sistem deterministiktir: aynı girdiye her zaman aynı çıktıyı verir. "Fatura tutarı sipariş tutarını %2'den fazla aşıyorsa satın alma müdürüne gönder" kuralı bugün de, altı ay sonra da aynı davranır ve neden o kararı verdiği tek satırla açıklanır. Bu yüzden denetçiye, mali müşavire ya da müşteriye hesap vermeniz gereken kararlar için doğal adaydır. Büroların kendi iş yükünde yapay zekanın nerede işe yaradığını mali müşavirler için yapay zeka yazımızda ele aldık.
Yapay zeka ise olasılıksaldır. Bir e-postanın "şikâyet" olduğunu bir güven puanıyla söyler; puanın düşük kaldığı durumları yönetmek sizin tasarımınıza kalır. Karşılığında, kural yazmanın imkânsız olduğu işleri yapar: farklı düzenlerdeki belgeyi okumak, serbest metni sınıflandırmak, görüntüdeki hatayı fark etmek. Olasılıksal çıktıyı iş hayatında güvenle kullanmanın yollarını yapay zeka halüsinasyonunu azaltma yazımızda ayrıca ele aldık.
Yapay zeka mı kural tabanlı otomasyon mu? Karar tablosu
Her iş adımını aşağıdaki ölçütlerle tek tek değerlendirin. Satırların çoğu bir sütunda toplanıyorsa o adımın cevabı belli demektir.
| Ölçüt | Kural tabanlı otomasyon uygun | Yapay zeka uygun |
|---|---|---|
| Girdi biçimi | Sabit alanlı form, ERP kaydı, Excel sütunu | Serbest metin, farklı düzenlerde PDF, ses, görüntü |
| Kuralı yazabiliyor musunuz? | Uzman kararını birkaç net koşulla anlatabiliyor | Uzman "bakınca anlıyorum" diyor |
| Hata toleransı | Tek hata bile kabul edilemez (ödeme, vergi, stok) | Ara sıra hata insan kontrolüyle yakalanabilir |
| Açıklanabilirlik ihtiyacı | Her kararın gerekçesi yazılı olmalı | Gerekçe yerine sonuç doğruluğu ölçülebilir |
| Değişkenlik | Kurallar yılda birkaç kez değişir | Girdi çeşitliliği sürekli artar |
| Örnek veri | Gerekmez | Etiketli örnekler ya da hazır model gerekir |
| Bakım yükü | Kural değişince güncellenir | Model başarısı izlenir, gerekirse yeniden eğitilir |
Tabloyu doldururken en sık gözden kaçan satır "kuralı yazabiliyor musunuz?" satırıdır. Uzmanla oturup kararlarını koşul koşul dökün. Beş-on koşulla bitiyorsa kural yazın; istisnalar kuraldan fazlaysa yapay zekayı düşünün.
Hibrit akış: yapay zeka okur, kural karar verir
Sağlam otomasyon projelerinde sık görülen desen şudur: yapay zeka yapılandırılmamış girdiyi yapılandırılmış veriye çevirir, kesin kurallar bu veriyle karar verir, belirsiz durumlar insana gider. Kurmak için şu sırayı öneriyoruz:
- Süreci adımlara bölün. Her adımı "girdi, karar, çıktı" olarak yazın; tek bir satırda iki karar varsa ayırın.
- Her adımı karar tablosuyla etiketleyin. Kural, yapay zeka ya da insan onayı olarak işaretleyin.
- Yapay zekanın çıktısını dar tutun. Model "ne yapılacağına" değil, "bu belgedeki tutar nedir, bu mail hangi kategoride" gibi dar sorulara cevap versin.
- Güven eşiği belirleyin. Modelin emin olduğu sonuçlar otomatik ilerlesin, eşiğin altındakiler insan kuyruğuna düşsün. Eşiği pilot verisiyle ayarlayın.
- Kural katmanıyla doğrulayın. Yapay zekanın okuduğu vergi numarası, cari kartla; tutar, siparişle eşleşmiyorsa kural akışı durdurur.
- Her kararı kayda alın. Hangi adımı kural, hangisini model, hangisini insan verdi; tarih ve gerekçesiyle saklayın.
- İnsan düzeltmelerini geri besleyin. Kuyruktaki düzeltmeler hem modelin hem kuralların iyileştirilmesi için veri olur.
Bu desende okuma adımı çoğu zaman OCR ile fatura okuma ya da e-posta sınıflandırmasıdır; kayıt adımı API varsa doğrudan, yoksa RPA yazılım robotu ile yapılır.
Karar veren kural katmanının ise belirsiz durumlar için e-posta onay akışı gibi insana soran bir çıkışı olmalıdır. Aksi hâlde eşiğin altında kalan kayıtlar kimsenin görmediği bir kuyrukta sessizce bekler.
Kendi ürünümüz SmartMail kurumsal e-posta bu deseni gelen mail güvenliğinde uygular: SPF, DKIM, DMARC ve benzer alan adı kontrolleri kod tabanlıdır, metnin bütününü ise yapay zeka değerlendirip gerekçeli bir risk puanı üretir. Yöneticinin "her zaman güvenli" ya da "her zaman karantina" gönderen kuralları her tahminin önündedir; eşiğin altında kalan mail silinmez, gerekçesiyle karantinada bekler ve yetkili kişi serbest bırakır. SmartMail'de yapay zeka hakkı dolsa bile kod tabanlı kontroller çalışmaya devam eder.
Sektörlerden üç örnek: finans, müşteri hizmetleri, üretim
Banka mutabakatı. Ekstre satırlarını cari hareketlerle eşleştirmek büyük ölçüde kurala dayanır: tutar, tarih ve referans numarası tutuyorsa eşleşir. Açıklama alanı serbest metin olduğunda, hangi müşteriye ait olduğunu tahmin etmek için yapay zeka eklenir; ayrıntılar banka mutabakatı otomasyonu yazımızda.
Müşteri e-postaları. Gelen e-postanın sipariş mi, şikâyet mi, fiyat talebi mi olduğunu anlamak yapay zeka ile e-posta sınıflandırma işidir. Ama "şikâyet ve büyük müşteri ise 4 saat içinde yanıtla" kuralı kesin kalmalıdır. Aynı mantık müşteri hizmetleri chatbot'u kurarken de geçerlidir: model konuşur, iade koşulunu kural belirler.
Üretimde kalite. Ölçüm değeri tolerans dışındaysa ürünü ayırmak basit bir kuraldır. Yüzeydeki çizik ya da leke gibi tarifi zor hatalar ise görüntü işleme gerektirir. Burada da anomali tespiti ile sabit eşik kuralları yan yana çalışır.
Digital Bridge'de bu işi nasıl yapıyoruz?
İşe teknolojiden değil süreçten başlıyoruz. Keşif görüşmesinde süreci sahibinin gözünden adım adım çiziyor, her adımı yukarıdaki tabloyla etiketliyor ve hangi adımın gerçekten yapay zeka istediğini birlikte netleştiriyoruz. Önceliklendirme için otomasyona hangi süreçten başlanır yazımızdaki matrisi kullanıyoruz; genel yol haritası ise şirketlerde yapay zeka nereden başlamalı rehberimizde.
Kurala uyan adımları RPA ve süreç otomasyonu ya da mevcut sistemlerinizle API entegrasyonu üzerinden kuruyoruz. Belge okuma gereken adımlarda doküman OCR, sınıflandırma ve tahmin gereken adımlarda yapay zeka entegrasyonu devreye giriyor. Yapay zeka önerilen adım için önce gerçek verinizle kısa bir pilot yapıyor, doğruluğu ve insan kuyruğuna düşen oranı birlikte ölçüyoruz.
Pilot sonuçlarına göre güven eşiğini, kural katmanını ve karar kayıtlarını canlı sisteme taşıyoruz. Kişisel veri işleyen adımlarda modele hangi verinin gideceğini baştan sınırlıyoruz; bu konuyu yapay zeka ve KVKK yazımızda açtık. Kazancı ölçmek için de pilottan önce başlangıç değerini kaydediyoruz; yöntem yapay zeka projesi ROI yazımızda. Süreç birkaç birimi kesiyorsa işi dijital dönüşüm danışmanlığı kapsamında yol haritasına bağlıyoruz.
Yapay zeka başarısı çoğunlukla veri kalitesine bağlıdır. Mükerrer cari kartlar ya da tutarsız ürün kodları varsa önce onları ele alıyoruz; veri kalitesi ve mükerrer kayıt yazımız bu hazırlığı anlatıyor. Kategorideki diğer rehberlere yapay zeka yazıları sayfasından ulaşabilirsiniz.
Sonraki adım
Otomatikleştirmek istediğiniz süreci adım adım yazın, her adımın yanına girdisini ve hata toleransını not edin. Bu listeyle bizimle iletişime geçin; hangi adımın kurala, hangisinin yapay zekaya, hangisinin insana ait olduğunu ilk görüşmede birlikte ayıralım ve ölçülebilir bir pilot tasarlayalım.