Finans ekipleri için yapay zeka: faturalardan ay sonu kapanışa, nereden başlamalı?

Ay sonunda bir finans kontrolörünün takvimini hep aynı sorular doldurur. Bu hesabın mutabakatı neden tutmuyor? Bu sapmanın arkasında ne var? Hangi faturalar hâlâ eşleştirmede takılı, neden? Yanıtların çoğu ERP’de, bir irsaliyede ya da bir e-posta yazışmasında bir yerde durur. Günler, onları bulup açıklamakla geçer.

Finans işi okuma, eşleştirme ve açıklamayla doludur; bunlar yapay zekaya uygundur. Kesin olması gereken sayılarla da doludur; bunlar uygun değildir. İş bölümü de buradan çıkar: sistemler hesaplar ve mutabakatı yapar; yapay zeka belgeleri okur, açıklama taslakları yazar ve istisnaları işaretler; onaylar imza atan kişilerde kalır. Finans ekipleri için yapay zeka üzerine bu rehber, bu iş bölümünü faturalardan ay sonu kapanışa kadar uygular.

Hangi finans işleri yapay zekaya uygun, hangileri değil?

Çıktı deftere işlenecek bir sayıysa onu bir sistem hesaplar.

Çıktı o sayı hakkında bir cümleyse taslağını yapay zeka yazabilir. Bu kuralı görev görev uygulayın; iş bölümü kendiliğinden ortaya çıkar.

Borçlar muhasebesinde yapay zeka ilk nerede işe yarar?

Satın alma siparişi ve mal kabul kaydıyla eşleşen faturalar borçlar muhasebesinde (accounts payable) zaten akıp gider. Zaman istisnalara harcanır ve her istisna aynı şekilde başlar: biri üç belgeyi açar, farkı bulur ve onu açıklayan bir not yazar.

Yapay zekaya devredilecek ilk iş budur. Sistem her üçlü eşleştirme (three-way matching) istisnası için kanıtı toplar ve farkı tek cümleyle açıklar.

Temsili bir fatura düşünün: sipariş miktarının tamamını anlaşılan fiyattan faturalıyor. Oysa mal kabul kayıtları iki ayrı teslimat gösteriyor ve ikinci irsaliyede miktarı düşüren, elle yazılmış bir düzeltme var. Taslak tam olarak bunu söyler; fatura satırını, iki mal kabul kaydını ve taranmış irsaliyeyi bağlar ve bir sonraki adımı önerir: teslim alınan miktarı ödemek ve fark için iade faturası istemek. Uzman öneriyi kabul eder, düzeltir ya da reddeder.

Açıklamalar kısa bir istisna türleri listesini kapsar; her türün kendi kanıtı vardır:

• Miktar farkları: kısmi ya da bölünmüş teslimatlar, iadeler ve düzeltilmiş irsaliyeler.
• Fiyat farkları: siparişte kalmış eski bir fiyat, siparişten sonra anlaşılan bir iskonto, farklı bir para birimi.
• Eksik mal kabuller: gelmiş ama ERP’de mal kabulü hiç yapılmamış mallar.
• Olası mükerrer faturalar: aynı fatura numarasının iki kez gelmesi ya da aynı tutar ve tarihin yeni bir numarayla gelmesi.
• Siparişsiz faturalar: bütçe sahibinin onayını gerektiren hizmetler ve tek seferlik alımlar.

Bunu üç kontrol güvende tutar. Eşleştirme kuralları ve toleranslar ERP’de kalır. Sistem, belgeler birbirini tutsun diye bir siparişi, mal kabul kaydını ya da faturayı asla değiştirmez. Her açıklama da dayandığı belgeleri kaynak gösterir. PDF ve tarama olarak gelen faturalar ve e-faturanın Türkiye’ye özgü yanı için e-Fatura’nın bittiği ve yapay zekanın başladığı yeri anlatan notumuza bakın.

Ay sonu kapanışta yapay zeka nasıl yardımcı olur?

Sayıların çevresinde; asla içinde değil.

• Mutabakatı sağlanamayan kalemler. Banka ve şirketler arası mutabakatlarda kuralların eşleştiremediği kalemler kalır. Yapay zeka serbest metin açıklamalarını okur; fatura numarasındaki yazım hatasını ya da üç faturayı birden kapatan ödemeyi fark eder ve kanıtıyla bir eşleştirme önerir.
• Açık farklar. Kalan her fark için sistem ilgili belgeleri toplar (örneğin yolda olan bir fatura ya da itiraz edilen bir teslimat) ve mutabakat dosyası için açıklamanın taslağını yazar.
• Kapanış durumu. Hangi kapanış görevlerinin açık, takılı ya da gecikmiş olduğunu ve sorumlularını gösteren günlük bir özet; doğrudan kapanış kontrol listesinden çekilir.
• Yorum taslakları. Bakiyelere ve hareketlere eşlik eden açıklamaların ilk taslakları.

Her durumda rakamlar ERP’den ya da iş zekası katmanından gelir. Model bakiyeleri alır; onları üretmez.

Raporlama ve sapma yorumlarında yapay zeka ne yapabilir?

Yorum yazımı, yapay zekanın saatlerce yazı yükünü alabileceği yerdir; yanlış bir sayının gerçek zarar verdiği yer de burasıdır. Yöntemi söylemesi kolay: rakamlar modelden önce, kendi sistemlerinde hesaplanır ve kontrol edilir; model ham veri yerine bir tablo alır; her cümle açıkladığı rakama tam olarak atıf yapar; “neden” sorusunun yanıtı da insanların zaten yazdığı notlardan, örneğin satış notlarından ve operasyon kayıtlarından gelir. Kayıtlı bir neden yoksa taslak bir neden uydurmaz, bunu açıkça söyler.

Bir tuzağın adını koymak gerekir: cümle içindeki aritmetik. Tablo bunu gösteriyorsa “önceki aya göre belirgin artış” demek sorun değildir; modelin kendi hesapladığı bir yüzde değişim ise sorundur. Farklar, oranlar ve yüzdeler de modelden önce hesaplanır ve tabloya diğer rakamlar gibi girer. Yapay zekayla yönetim raporları notumuz bunu adım adım anlatıyor.

Hangi onaylar insanda kalmalı?

Görevler ayrılığında yapay zekaya yalnızca hazırlayıcı rolü verin. İşi hazırlar ama kendi hazırladığını asla onaylamaz; servis hesabının kayıt ya da ödeme yetkisi yoktur. Yetkili kişiler şunları onaylar:

• her kaydı ve muhasebe fişini;
• ödemeleri ve ödeme listelerini;
• tedarikçi ana verisindeki değişiklikleri, özellikle banka bilgilerini;
• muhakeme gerektiren tahminleri: karşılıkları, kayıttan düşmeleri ve tahakkukları;
• finans ekibi dışına raporlanan her şeyi: yönetim raporu paketlerinden kredi verenlere gönderilen raporlara kadar;
• tolerans ve politika değişikliklerini.

Her taslak, dayandığı kaynaklar ve onay kayda geçer; böylece bir denetçi bir sayıyı belgeden deftere kadar izleyebilir.

İlk finans iş akışı nasıl seçilir?

Her ilk yapay zeka iş akışı için geçerli testleri kullanın: sık tekrarlanır, sınırları bellidir, verisi erişilebilir sistemlerde durur ve adı belli bir sahibi vardır. Finansta bu çoğu zaman önce borçlar muhasebesi istisnalarını ya da politika sorularını gösterir; yorum yazımı ise onu besleyen rakamlara güvenildiğinde sıraya girer. Masraf kuralları ya da onay limitleri gibi politika soruları düşük riskli bir başlangıçtır: yanıt bir belgede durur, asistan onu kaynak gösterir, yanlış bir yanıt da talep onaylanırken yakalanır. Geliştirmeden önce başlangıç ölçümünü alın: haftalık istisna sayısı, istisna başına süre, ay sonunda hâlâ açık kalan kalemler.

Benimseme, geliştirme kadar önemlidir. Temsili Finans ekibinde yapay zeka elçileri çalışması, bir finans biriminin araç lisanslarını nasıl haftalık bir rutine dönüştürebileceğini gösteriyor. Aday listesi uzunsa yapay zeka stratejisi ve keşif çalışması adayları kanıta dayanarak sıralar; ilk geliştirmenin nasıl yürüdüğünü ise ERP ve kurumsal iş akışları sayfasında görebilirsiniz.