ERP Sistemlerinde Yapay Zekâ Uygulamaları

ERP Sistemlerinde Yapay Zekâ Uygulamaları: Başarıyı Sınırlayan Faktörler

Yapay zekâ, kurumsal ERP sistemlerini dönüştürme iddiasıyla işletmelerin gündeminde üst sıralarda yer almaktadır. Ancak uygulamada, birçok organizasyon yapay zekâ yatırımlarını kurumsal ölçekte sürdürülebilir iş değerine dönüştürmekte zorlanmaktadır.

Saha gözlemleri ve güncel araştırmalar, bu durumun temel nedeninin çoğu zaman teknolojik yetersizliklerden ziyade organizasyonların yapay zekâ ile çalışmaya yeterince hazır olmaması olduğunu göstermektedir.

Yapay zekâ, ERP sistemlerini dönüştürmekten önce, bu sistemlerin ve organizasyonların mevcut durumunu görünür hale getirmektedir.

Türkiye’de ise bu görünürlük, çoğu zaman dijitalleşmenin derinliği, veri kalitesi ve sistem kullanım disiplini gibi temel alanların hâlâ gelişim aşamasında olduğunu ortaya koymaktadır.

Bu genel çerçeve, AI projelerinde karşılaşılan problemlerin büyük ölçüde teknikten ziyade yapısal olduğunu göstermektedir. Bu noktada ilk bakılması gereken alan veri tarafıdır.

Görünen ile Gerçek Arasındaki Fark

Yapay zekâ uygulamaları doğası gereği veri ile çalışır. Ancak ERP sistemlerinde bulunan verilerin ne kadarının gerçeği yansıttığı çoğu zaman yeterince sorgulanmamaktadır.

Stok kayıtlarının doğruluğu, üretim verilerinin zamanında girilmesi ve ürün ağaçlarının güncelliği gibi konular, AI uygulamalarının başarısını doğrudan etkilemektedir.

Bu durumu bilişim dünyasının temel prensiplerinden biri açık şekilde ifade eder:

         “Garbage In, Garbage Out (GIGO)” — sisteme giren veri hatalıysa, çıkan sonuç da hatalı olur.

Yapay zekâ bu kuralın istisnası değildir. Aksine, hatalı veriyi daha hızlı ve daha geniş ölçekte işleyerek hatalı sonuçların daha görünür hale gelmesine neden olur.

Veri tarafındaki bu problem, bizi doğrudan bir sonraki kritik alana götürür: süreçler.

Tanımsız Yapı Üzerinde Optimizasyon Mümkün mü?

ERP sistemleri, standart ve ölçülebilir süreçler üzerine kuruludur. Ancak birçok organizasyonda süreçler hâlâ kişiye bağlı yürütülmekte ve yeterince standardize edilmemektedir.

Yapay zekâ, en yüksek ve sürdürülebilir değeri genellikle tanımlı, ölçülebilir ve görece stabil süreçlerde üretir. Bu nedenle standart olmayan bir yapı üzerinde yapılan AI uygulamaları, çoğu zaman mevcut tutarsızlıkları görünür hale getirmekten öteye geçemez.

Süreçlerin net olmadığı bir ortamda, sistemin doğru çalışmasını beklemek zaten zordur. Bu durum, ERP kullanım alışkanlıklarını da doğrudan etkilemektedir.

Sistem Var, Kullanım Yok

Birçok işletmede ERP sistemi kurulmuş olmasına rağmen, günlük operasyonların önemli bir kısmı sistem dışında yürütülmektedir.

Kararlar çoğu zaman:

   -Excel dosyaları

   -e-posta yazışmaları

   -sözlü iletişim

üzerinden alınmaktadır.

Bu durum veri bütünlüğünü zayıflatmakta ve ERP sisteminin güvenilirliğini azaltmaktadır. Böyle bir ortamda yapay zekâ uygulamalarının beklenen faydayı üretmesi zorlaşacaktır.

ERP’nin karar süreçlerindeki rolü zayıf kaldığında, yapay zekânın bu süreçlere etkisi de doğal olarak sınırlı kalmaktadır.

Veri mi, Deneyim mi?

Yapay zekâ sistemleri veri temelli öneriler üretir. Ancak birçok organizasyonda karar alma süreçleri hâlâ deneyime dayanmaktadır.

“Bu müşteri böyle davranır.”
“Bu ürün bu şekilde satılır.”

Bu tür yaklaşımlar, AI sistemlerinin önerilerinin göz ardı edilmesine yol açabilir ve kurum içinde veri temelli karar alma kültürünün gelişimini yavaşlatabilir.

Bu nedenle;

                           AI projelerinin karşılaştığı en önemli engellerden biri teknik değil, kültüreldir.

Kültürel dönüşüm sağlanmadan, doğru problemin tanımlanması da çoğu zaman mümkün olmamaktadır.

Doğru Sorular Sorulmadan Doğru Sonuç Beklenebilir mi?

Yapay zekâ bir amaç değil, belirli bir problemi çözmek için kullanılan bir araçtır. Problem net değilse, çözümün başarılı olması da mümkün değildir.

Bu nedenle AI projelerinde:

   -çözülmek istenen iş probleminin net tanımlanması,

   -başarı kriterlerinin (KPI’ların) baştan belirlenmesi,

   -çıktının hangi iş kararını iyileştireceğinin açık olması

kritik öneme sahiptir.

Problem tanımı net olmayan projelerde, yapay zekâ teknik olarak doğru çalışsa bile iş değeri üretmeyebilir.

Türkiye Perspektifi

Küresel araştırmalar, yapay zekâ kullanımının hızla yayıldığını; ancak kurumsal ölçekte sürdürülebilir ve yaygın iş değeri yaratmanın hâlâ sınırlı sayıda kurum tarafından başarılabildiğini göstermektedir.

Bu bulgular, Türkiye’deki işletmelerin mevcut dijital olgunluk seviyesiyle birlikte değerlendirildiğinde daha da anlam kazanmaktadır. Türkiye’de yayımlanan dijital olgunluk çalışmaları, şirketler arasında dijital yetkinlik, veri kullanımı ve dönüşüm kapasitesinin heterojen olduğunu; birçok kurumda bu alanların hâlâ gelişim ihtiyacı taşıdığını ortaya koymaktadır.

Bu bağlamda, süreç standardizasyonu, veri kalitesi ve sistem kullanım disiplini gibi temel unsurlar sağlanmadan AI projelerinin sürdürülebilir başarıya ulaşması zorlaşmaktadır.

Sonuç

Yapay zekâ, ERP sistemleri için önemli bir potansiyel barındırmaktadır. Ancak bu potansiyelin gerçekleşmesi, yalnızca teknolojik yatırım ile mümkün değildir.

Veri kalitesi, süreç olgunluğu, sistem kullanım disiplini ve organizasyonel kültür gibi temel unsurlar sağlanmadan, yapay zekâ projeleri beklenen iş değerini üretmekte zorlanacaktır.

Bu nedenle AI, bir “başlangıç noktası” değil; doğru veri, doğru süreç ve doğru kullanım alışkanlıkları üzerine inşa edilmesi gereken bir “sonraki aşama” olarak ele alınmalıdır.

Kaynakça: McKinsey & Company (2023). The State of AI: Generative AI’s breakout year // TÜSİAD & SD2 (2023). Türkiye Dijital Olgunluk Raporu