Yapay Zekâ ve Otomasyon

Uygunluk testi basittir: iş tekrarlıyor mu, girdi belirli bir biçimde mi geliyor ve doğrusu kontrol edilebiliyor mu? Bu üç koşulu sağlayan işler otomasyona açıktır. Fatura ve poliçe gibi belgelerden alan çıkarma, gelen taleplerin konuya göre sınıflandırılması, tekliflerin şablondan üretilmesi ve rapor özetlerinin hazırlanması tipik örneklerdir.

Buna karşılık uzmanlık yargısı gerektiren, sonucun doğruluğunun ancak deneyimle anlaşıldığı işler otomasyona uygun değildir. Otomasyonun hedefi kararı devralmak değil, karara giden hazırlığı kısaltmaktır. Sigorta ve emlak gibi belge yoğun alanlarda kazanç genellikle veri girişi tarafından gelir; sektöre özel örnekleri sigorta acenteleri için dijitalleşme sayfamızda toparladık.

Akış üç katmandan oluşur. Birinci katman belgeyi okur: tarama veya fotoğraf metne çevrilir, sayfa düzeni analiz edilir. İkinci katman anlamlandırır; hangi alanın tarih, hangisinin tutar, hangisinin taraf adı olduğu çıkarılır ve tanımlı bir şemaya oturtulur. Üçüncü katman ise doğrular: zorunlu alanlar dolu mu, tutarlar toplamı tutuyor mu, tarih aralığı mantıklı mı.

Kritik tasarım kararı üçüncü katmandadır. Model çıktısını doğrudan veritabanına yazmıyoruz; güven eşiğinin altındaki kayıtlar insan onayına düşer. Böylece sistem hızlandığı halde hata payı kontrol altında kalır. Her çıkarım kaynağıyla birlikte saklanır, yani bir alanın hangi belgeden ve hangi sayfadan geldiği sonradan denetlenebilir.

Otomasyon ayrı bir ada olarak kurulduğunda kazanç yerine yeni bir kopyala yapıştır işi doğurur. Bu yüzden çıktının varış noktasını baştan tanımlıyoruz: çıkarılan veri CRM ve operasyon sistemine müşteri veya teklif kaydı olarak düşer, muhasebe tarafına fatura akışı tetiklenir, ilgili kişiye bildirim gider. Bağlantılar API ve webhook altyapısı üzerinden kurulur.

Müşteriyle konuşan tarafta ise chatbot, sık sorulan soruları yanıtlar, form toplar ve tanımlı koşullarda insana devreder. Devir kuralı baştan yazılır; müşteri döngüde sıkışmaz. Bu yaklaşımın müşteri hizmetleri tarafındaki etkisini müşteri hizmetleri otomasyonu vaka analizimizde inceledik.

Proje kapsamı süreç haritasıyla başlar, ölçümle biter:

• Süreç envanteri: hangi işin ne kadar sürdüğü ve nerede hata çıktığının tespiti
• Veri hazırlığı: örnek belge seti, alan tanımları ve doğrulama kuralları
• Belge okuma hattı: yükleme, metne çevirme, alan çıkarımı ve şema doğrulaması
• İnsan onay ekranı: düşük güvenli kayıtların gözden geçirildiği kuyruk
• İş akışı motoru: koşul, tetikleyici ve sonraki adım tanımları
• Chatbot senaryoları, bilgi kaynağı ve insana devretme kuralları
• Hedef sistemlere yazım: kayıt oluşturma, bildirim ve dosya arşivleme
• Ölçüm: işlenen belge sayısı, düzeltme oranı ve kazanılan işlem süresi

Hata payının sıfır olması gereken ve her çıktının zaten insan tarafından baştan sona kontrol edileceği işlerde otomasyon net kazanç üretmez; kontrol yükü kazancı yer. Aynı şekilde ayda birkaç kez tekrarlayan işler için kurulan otomasyon, bakım maliyetini çıkaramaz. Bu tür yerlerde iyi bir şablon ve kısa bir kontrol listesi daha isabetlidir.

İkinci yanlış senaryo veri düzensizliğidir. Girdi her seferinde farklı biçimde geliyorsa, belgeler elle doldurulmuş ve okunaksızsa, kurallar yazılı değilse model tutarsız çalışır. Üçüncüsü, süreçteki asıl darboğazın veri girişi olmamasıdır: onay bekleyen işler bir yöneticinin masasında bekliyorsa hızlanan giriş sadece kuyruğu uzatır. Otomasyon yanlış yere kurulduğunda darboğazı çözmez, ileri taşır.