Blog Yazısı Özeti

PDF irsaliye ERP entegrasyonunda asıl sorun harfleri tanımak değil, belgedeki satırı doğru stok kartına ve açık siparişe bağlamaktır. Güvenilir çözüm; belge okuma, iş kuralı kontrolü, gerektiğinde insan onayı ve tekrar çalıştırılabilir aktarımı ayrı aşamalar olarak kurar.

Hazırlayan: Busana. Kaynak kontrolü: 6 Ekim 2026.

Fotoğraf: Pavel Danilyuk / Pexels. Temsili görsel.

Depoya aynı malzeme üç farklı tedarikçiden gelir. Bir belgede “M8 civata”, diğerinde üreticinin ürün kodu, üçüncüsünde yalnızca kısaltılmış açıklama vardır. OCR üçünü de kusursuz okuyabilir. Buna rağmen ERP'de üç ayrı stok kartı açılıyorsa sorun çözülmemiştir.

Türkiye'de bu işlere ilginin arttığını gösteren güncel bir veri var: TÜİK'in 2 Ekim 2026 bülteninde, araştırma kapsamındaki 10 ve üzeri çalışanı olan girişimlerin yapay zeka kullanım oranı yüzde 14 olarak açıklanıyor. Bu oran belge otomasyonunun başarısını ölçmez; işletmelerin teknolojiyle daha fazla karşılaştığını gösterir. Yatırım kararını yine kendi belge akışınız belirlemelidir. TÜİK, Yapay Zeka İstatistikleri 2026.

İlk karar: Belgeyi gerçekten OCR ile mi okumalıyız?

Kaynak sistemden doğrulanabilir XML, JSON veya başka yapılandırılmış veri alınabiliyorsa, aynı veriyi PDF görüntüsünden yeniden çıkarmak çoğu zaman gereksizdir. PDF de tek tip değildir: metin katmanı olan dosya ile fotoğraf şeklindeki tarama aynı işlem hattından geçmemelidir.

Önerilen sıra şudur: önce kaynak sistemin yapılandırılmış çıktısını araştırın; sonra PDF'nin metin ve tablo yapısını değerlendirin; görüntüden okuma ihtiyacı kaldığında OCR kullanın. Büyük dil modelini ise eksik tutarı veya bilinmeyen stok kodunu tahmin eden muhasebe görevlisi olarak konumlandırmayın.

  • Yapılandırılmış tedarikçi çıktısı: İlk tercih: Şema tabanlı ayrıştırma. Aktarımdan önce kontrol: Belge kimliği, sürüm, zorunlu alanlar.
  • Metin katmanlı PDF: İlk tercih: Metin ve tablo çıkarımı. Aktarımdan önce kontrol: Satırların sütunlarla eşleşmesi.
  • Taranmış irsaliye: İlk tercih: OCR ve yerleşim analizi. Aktarımdan önce kontrol: Okunamayan alanlar, sayfa sırası.
  • Telefon fotoğrafı: İlk tercih: Görüntü kalite kontrolü, ardından OCR. Aktarımdan önce kontrol: Kırpılma, yansıma, eksik sayfa.

Google'ın Document AI yanıt yapısı metnin yanında yerleşim, sayfa ve güven bilgileri sunuyor. Bu, yalnızca düz metin saklamamak için yararlı bir örnek: kullanıcının şüpheli miktarı belgenin üzerinde görebilmesi gerekir. Ürün seçimi bundan bağımsızdır; aynı gereksinim yerel çalışan bir çözüm için de geçerlidir. Document AI yanıt yapısı.

Satır eşleştirme neden ayrı bir iş kuralıdır?

Bir satırın doğru okunması, doğru yorumlanması anlamına gelmez. “2 koli” ifadesindeki koli büyüklüğü tedarikçiye ve ürüne göre değişebilir. OCR güven puanı yüksek olsa bile bu bilgi belgede yoksa adet miktarı kesinleşmez.

Her tedarikçi için onaylı ürün kodu eşleştirmesi tutun. Eşleşmeyi şirket ve tedarikçi kapsamında arayın; başka müşteriye ait sözlüğün kullanılmasına izin vermeyin. Birim dönüşümünü tarihçeli yönetin. Bugünkü ambalaj bilgisini geçmiş belgeye sessizce uygulamak, geçmiş stok hareketlerini değiştirebilir.

Örnek bir kontrol sırası:

  1. Tedarikçi ve belge numarasını doğrulayın.
  2. Satırı açık satın alma siparişiyle eşleştirin.
  3. Ürün kodu ve ölçü birimini onaylı sözlükten çözün.
  4. Teslim miktarını kalan sipariş miktarıyla karşılaştırın.
  5. Belirsiz veya tolerans dışı satırı kullanıcıya ayırın.
  6. Onaylanan belgeyi ERP'ye tek işlem kimliğiyle gönderin.

Buradaki tolerans, evrensel bir yüzde değildir. Kısmi teslimat, fire veya ağırlıkla kabul edilen ürünler için satın alma ve depo ekipleri birlikte belirlemelidir.

İki kez gelen dosya iki kez stok yaratmamalı

Dosya özeti, birebir aynı dosyayı yakalamaya yardımcı olur. Fakat aynı belge farklı çözünürlükte yeniden taranırsa dosyanın özeti değişir. Bu yüzden belge kimliği, tedarikçi, tarih ve belge türü gibi iş alanlarıyla da mükerrerlik kontrolü gerekir.

ERP isteği zaman aşımına uğradığında doğrudan yeniden kayıt açmayın. İlk isteğin başarıyla tamamlanmış olması mümkündür. Entegrasyon katmanı kendi işlem kimliğini tutmalı, ERP'de karşılığını sorgulamalı ve ancak sonuç kesinleştiğinde ilerlemelidir. Kaynak belgeyi, dönüştürülmüş alanları, insan düzeltmelerini ve ERP kayıt numarasını aynı iz üzerinde saklayın.

Pilotun başarı ölçüsü kelime doğruluğu değildir

Varsayımsal bir pilotta 500 belge işlendiğini düşünelim. Bunların 450'sinin otomatik geçtiğini söylemek tek başına yeterli değildir. Yanlış stok kartıyla geçen beş belge, elle kontrol edilen elli belgeden daha pahalı olabilir.

Bu nedenle ayrı ayrı ölçün: yanlış otomatik kabul edilen satır sayısı, insan müdahalesi gereken belge oranı, belge başına inceleme süresi ve ERP'de tekrar oluşan kayıt sayısı. Test grubuna yeni tedarikçi, çok sayfalı belge, iade, kısmi teslimat ve belirsiz ölçü birimi ekleyin. Aynı şablonun kopyalarını eğitim ve testte kullanarak başarıyı şişirmeyin.

Kişisel verileri ve ticari sırları içeren belgelerin işleneceği ortam, erişim yetkileri ve saklama süresi de kapsamın parçasıdır. Bulut ya da yerel kurulum kararı yalnızca sayfa başına işlem fiyatıyla verilmemelidir.

Teklif isterken hangi çıktıları talep etmeli?

“OCR yazılımı” yerine; desteklenen belge türlerini, alan eşleştirme sözlüğünü, onay ekranını, ERP hata kuyruğunu ve kabul testini birlikte tanımlayın. Belge hacmi düşük ve mevcut paket ihtiyacı karşılıyorsa özel model geliştirmek gerekmeyebilir.

Busana'nın yapay zeka ve API entegrasyonu kapsamını bu ayrım üzerinden değerlendirebilirsiniz. Görüşmeye getirilecek en yararlı malzeme, temiz örnek belgeler ve bugün elle düzelttiğiniz hata türlerinin listesidir. Belge akışını birlikte değerlendirelim.