Fatura özetleme ve sınıflandırma için AI ajanı otomasyonu

Masanızda yığılmış onlarca fatura, her biri farklı formatta, farklı tedarikçiden. Hangisi elektrik, hangisi kira, hangisi yazılım aboneliği? Manuel sınıflandırma saatler alıyor, üstelik hata riski cabası. İşte tam bu noktada fatura özetleme ve sınıflandırma için AI ajanı otomasyonu devreye giriyor ve muhasebe ekiplerinin kabusu olan bu süreci dakikalara indiriyor.

Kilit Çıkarım: Yapay zeka ajanları, OCR + LLM kombinasyonuyla faturaları okuyup kategorize ederken, aynı anda önemli bilgileri (tutar, vade, KDV) özetleyebiliyor. Sonuç? %90’a varan zaman tasarrufu ve neredeyse sıfır hata oranı.

AI Ajanı ile Fatura Otomasyonu Nasıl Çalışır?

Geleneksel otomasyon araçları sabit kurallara dayanır: “Eğer X alanında Y yazıyorsa, Z kategorisine at.” Ancak faturalar nadiren bu kadar düzenli gelir. AI ajanları ise farklı çalışır:

• OCR (Optik Karakter Tanıma): PDF veya görsel formatındaki faturayı metne dönüştürür
• LLM (Büyük Dil Modeli): Metni anlayıp bağlamsal analiz yapar
• Sınıflandırma Motoru: Faturayı önceden tanımlı kategorilere atar
• Özetleme: Kritik bilgileri (tutar, vade tarihi, tedarikçi) çıkarır

Pratikte en sık görülen senaryo şu: Fatura e-posta ile gelir, AI ajanı otomatik olarak eki yakalar, işler ve muhasebe yazılımına aktarır. İnsan müdahalesi? Sadece istisna durumlarında.

Başlamadan Önce

Gerekenler

• OCR destekli bir doküman işleme servisi (Azure Document Intelligence, Google Document AI veya AWS Textract)
• LLM API erişimi (OpenAI GPT-4, Claude veya açık kaynak alternatifler)
• Otomasyon platformu (n8n, Make, UiPath veya LangChain tabanlı özel çözüm)
• Hedef muhasebe/ERP sistemi entegrasyonu

Ön Koşullar

• Fatura kategorilerinizin net tanımı (Operasyonel Gider, Sabit Gider, Yatırım vb.)
• En az 50-100 örnek fatura (model eğitimi veya prompt optimizasyonu için)
• API anahtarları ve gerekli yetkilendirmeler
• Temel Python veya no-code otomasyon bilgisi

Adım Adım Kurulum Rehberi

1. Fatura Giriş Noktasını Belirle: Faturalar nereden geliyor? E-posta, bulut klasörü, ERP sistemi? Bu kaynağı otomasyona bağlayacak bir tetikleyici (trigger) kur. Örneğin, n8n’de “Email Trigger” veya “Google Drive Trigger” kullanabilirsin.
2. OCR Katmanını Entegre Et: Gelen dokümanı metin formatına çevir. Azure Document Intelligence’ın “prebuilt-invoice” modeli, fatura alanlarını (satıcı adı, toplam tutar, vergi) otomatik tanıyor. API çağrısı ile JSON formatında veri al.
3. LLM ile Sınıflandırma Prompt’u Hazırla: Çıkarılan metni bir LLM’e gönder. Prompt örneği:

   “Aşağıdaki fatura bilgilerini analiz et. Kategori seçenekleri: [Kira, Elektrik, İnternet, Yazılım, Danışmanlık, Diğer]. Faturayı en uygun kategoriye ata ve güven skorunu belirt. Ayrıca şu bilgileri özetle: Tedarikçi, Tutar, KDV, Vade Tarihi.”

4. Çıktıyı Yapılandır: LLM’den gelen yanıtı JSON formatında parse et. Structured output için function calling veya JSON mode kullan. Bu adım, verilerin muhasebe sistemine temiz aktarılması için kritik.
5. Hedef Sisteme Aktar: Sınıflandırılmış ve özetlenmiş veriyi ERP, muhasebe yazılımı veya bir veritabanına yaz. Hata durumunda bildirim gönderecek bir exception handling mekanizması ekle.
6. İnsan Onay Döngüsü Ekle (Opsiyonel): Güven skoru düşük çıkan faturalar için manuel onay adımı koy. Slack veya e-posta bildirimi ile ilgili kişiyi uyar.

Pro İpucu: LLM maliyetlerini düşürmek için önce basit kural tabanlı filtreleme yap. Örneğin, “Turkcell” geçen her fatura otomatik “Telekomünikasyon” kategorisine atanabilir—LLM’e sormaya gerek yok.

Popüler Araçlar ve Platform Karşılaştırması

Maliyet, Süre ve Risk Analizi

Maliyet: Basit bir n8n + OpenAI kurulumu aylık 50-100 USD civarında çalışabilir (1000 fatura/ay için). Kurumsal çözümler (UiPath, Vic.ai) ise yıllık 10.000 USD’den başlıyor.

Süre: No-code platformlarla temel bir akış 1-2 günde kurulabilir. Özel LangChain tabanlı çözümler 2-4 hafta geliştirme süresi gerektirir.

Risk Seviyesi: Düşük-Orta. En büyük risk, yanlış sınıflandırmanın muhasebe hatalarına yol açması. Bu nedenle ilk 1-2 ay manuel doğrulama ile paralel çalıştırma önerilir.

Şu Durumda Ne Yaparsın?

Senaryo: AI ajanı bir faturayı sürekli yanlış kategoriye atıyor.

Çözüm: Prompt’una “few-shot” örnekler ekle. Yani, doğru sınıflandırılmış 3-5 örnek faturayı prompt içinde göster. LLM’ler bağlamsal örneklerden çok daha iyi öğrenir. Alternatif olarak, o tedarikçi için sabit kural tanımla ve LLM’i bypass et.

Sıkça Sorulan Sorular

AI ajanı ile RPA arasındaki fark nedir?

RPA (Robotik Süreç Otomasyonu) sabit kurallara göre çalışır: “Bu butona tıkla, şu alana yaz.” AI ajanları ise bağlamı anlayıp karar verebilir. Fatura formatı değişse bile AI ajanı adapte olur, RPA bozulur.

Türkçe faturalarda doğruluk oranı nasıl?

Azure Document Intelligence ve Google Document AI, Türkçe’yi destekliyor. Testlerde %95+ doğruluk oranı görülüyor. Ancak el yazısı veya düşük çözünürlüklü taramalar hâlâ sorun yaratabilir.

KVKK ve veri güvenliği açısından risk var mı?

Fatura verileri kişisel veri içerebilir. OpenAI gibi bulut LLM’ler kullanıyorsan, veri işleme sözleşmesi (DPA) imzaladığından emin ol. Hassas veriler için self-hosted LLM’ler (Llama, Mistral) veya Azure OpenAI’ın Türkiye bölgesi tercih edilebilir.

Hangi fatura hacminde AI otomasyonu mantıklı?

Aylık 50+ fatura işliyorsan, otomasyon yatırımı kendini 3-6 ayda amorti eder. Daha düşük hacimlerde basit kural tabanlı çözümler yeterli olabilir.

Sonuç

Fatura özetleme ve sınıflandırma için AI ajanı otomasyonu, muhasebe süreçlerinde ezber bozan bir dönüşüm sunuyor. OCR + LLM kombinasyonu sayesinde formatı ne olursa olsun faturaları anlayıp kategorize edebilir, kritik bilgileri saniyeler içinde çıkarabilirsiniz.

Başlamak için karmaşık sistemlere ihtiyacınız yok. n8n veya Make gibi no-code araçlarla küçük başlayın, sistemi test edin, sonra ölçeklendirin. Unutmayın: Mükemmel sistem ilk günden kurulmaz, iterasyonla gelişir.

Aksiyon Adımı: Bu hafta 10 farklı faturanızı alın, bir LLM’e (ChatGPT veya Claude) manuel olarak sınıflandırma prompt’u deneyin. Sonuçlar tatmin ediciyse, otomasyon yatırımına değer demektir.