CFO ofisinde yapay zeka tartışması genellikle yanlış yerden başlar. Soru “hangi aracı alalım” değil, “hangi finansal sorunun kaynağı veri işleme kapasitesi eksikliği” olmalıdır. Bu ayrım önemli, çünkü finans departmanlarının yaşadığı sorunların bir kısmı teknoloji sorunu değildir; süreç sahipliğinin belirsiz olmasından veya veri kalitesinin düşük olmasından kaynaklanır. Yapay zeka ikinci gruptaki sorunları çözmez, üzerlerini örter. Bu yazıda yapay zekanın CFO ofisinde gerçekten karşılık bulduğu dört alanı, her birinin ön koşullarını ve başlangıç sırasını ele alıyoruz.
Ön koşul: neyin hazır olması gerekiyor
Dört kullanım alanına geçmeden önce, bunların hiçbirinin karşılanmadan çalışmayacağı üç koşul var.
Verinin tek bir yerden okunabiliyor olması gerekir. Muhasebe kayıtları, banka hareketleri ve operasyonel veriler birbirinden kopuk sistemlerde duruyorsa, kurulacak her model bu kopukluğu miras alır.
Hesap planı ve masraf sınıflandırması tutarlı olmalıdır. Aynı gider kaleminin farklı dönemlerde farklı hesaplara yazıldığı bir yapıda, tahmin modelinin ürettiği sapmanın gerçek mi yoksa sınıflandırma hatası mı olduğunu ayırt edemezsiniz.
Kapanış takvimi belirli olmalıdır. Verinin ne zaman kesinleştiği bilinmiyorsa, modelin hangi ana ait veriyle çalıştığı da bilinemez.
Bu üçü yoksa öncelik yapay zeka değil, veri düzenidir. Bu sırayı atlayan projelerin büyük çoğunluğu pilot aşamasında duruyor.
CFO ofisinde dört kritik kullanım alanı
Öngörücü nakit akışı analizi
Nakit akışı tahmini, yapay zekanın finans tarafındaki en net karşılık verdiği alandır. Sebebi, sorunun doğasının tam olarak modele uygun olmasıdır: çok sayıda geçmiş veri noktası vardır, örüntü tekrarlıdır ve tahminin doğruluğu kısa sürede ölçülebilir.
Model; geçmiş tahsilat davranışını, müşteri bazında ödeme gecikme örüntülerini, mevsimsel dalgalanmayı ve açık sipariş bilgisini birlikte değerlendirerek haftalık ve aylık projeksiyon üretir. Kazanç, tahminin nokta atışı olmasından değil, sapmanın erken görülmesinden gelir.
Burada dikkat edilmesi gereken nokta, tahmin ufkunun gerçekçi tutulmasıdır. Kısa vadeli projeksiyonlar operasyonel karar için kullanılabilir. Uzun vadeli projeksiyonlar ise senaryo çalışmasıdır, karar dayanağı değil.
Anomali ve mükerrer işlem tespiti
Yüz binlerce işlemin manuel denetlenmesi mümkün değildir. Örüntü dışı işlemleri, mükerrer faturaları, tutarsız tedarikçi kayıtlarını ve alışılmadık zamanlamaları işaretlemek, yapay zekanın en güvenilir katkı verdiği ikinci alandır.
Kritik tasarım kararı şudur: sistem işlem bloke etmez, işaretler. Finansal kontrolde otonomi vermeye en uygun nokta karar değil, önceliklendirmedir. Sistem incelenecek dosyaları hazırlar ve sıralar, kararı kontrolör verir. Bu ayrımın nasıl kurulacağını finans sektöründe agentic AI ve otonom süreçler yazımızda ayrıntılı ele alıyoruz.
Bu alanda beklentiyi doğru kurmak gerekir. Sistem hatayı sıfıra indirmez; insan gözünün kaçırdığı örüntüleri yakalar ve yanlış alarm da üretir. Başarı ölçütü, yanlış alarm oranının kontrolör kapasitesinin altında kalmasıdır.
Bütçeleme ve senaryo çalışması
Geleneksel bütçe süreci, hazırlandığı anda güncelliğini yitirmeye başlar. Yapay zeka destekli yaklaşımın farkı, bütçeyi otomatik yazması değil, sapmanın kaynağını hızlı ayrıştırabilmesidir.
Bir gider kaleminde sapma olduğunda soru şudur: fiyat mı değişti, hacim mi değişti, yoksa sınıflandırma mı kaydı? Bu üçlü ayrıştırmayı elle yapmak bir uzmanın günlerini alır. Model bu ayrıştırmayı dakikalar içinde önerir, uzman doğrular.
Senaryo tarafında ise değer, farklı varsayımların sonuca etkisini hızla görebilmektedir. Hammadde fiyatı, kur ve talep varsayımları değiştiğinde nakit ve kârlılık nasıl hareket eder? Bu soruların cevabı yönetim kurulu toplantısından sonra değil, toplantı sırasında üretilebilir hale gelir.
Raporlama ve uyum kontrolü
Ay sonu ve yıl sonu raporlamada yapay zekanın katkısı, raporu yazmaktan çok tutarsızlığı önceden yakalamaktır. Hesaplar arası çapraz kontrol, dönemler arası karşılaştırma ve beklenen aralık dışındaki kalemlerin işaretlenmesi, kapanış öncesinde yapılabilir hale gelir.
Uyum tarafında ise mevzuat metinlerinin taranması ve şirket içi uygulamayla karşılaştırılması hız kazandırır. Ancak nihai değerlendirme sorumluluğu mali müşavir ve denetçide kalır. Bir modelin mevzuat yorumu, danışman görüşünün yerine geçmez.
Ölçüm: hangi metrikle takip edilir
Yapay zeka projelerinin kurumsal tarafta en zayıf noktası, başarı ölçütünün baştan tanımlanmamış olmasıdır. CFO ofisinde takip edilebilir metrikler bellidir ve proje başlamadan ölçülmelidir.
Nakit akışı tarafında ölçüt, tahmin sapmasının yüzdesel değişimidir. Anomali tarafında ölçüt, tespit edilen tutar değil yanlış alarm oranıdır. Bütçe tarafında ölçüt, sapma analizinin tamamlanma süresidir. Raporlama tarafında ölçüt, kapanış gün sayısıdır.
Bu dört rakamın projeden önceki değeri kayıt altına alınmadıysa, sonrasındaki iyileşme tartışmalı kalır. Yatırım geri dönüşünün nasıl kurgulanacağını yapay zeka yatırımlarının geri dönüşü nasıl ölçülür yazımızda ayrıca ele alıyoruz.
Başlangıç sırası
Dört alandan hangisiyle başlanacağı, kurumun olgunluğuna göre değişir ama pratikte işleyen bir sıra vardır.
Anomali tespitiyle başlamak genellikle en düşük riskli seçimdir. Çıktısı doğrulanabilir, hatası geri alınabilir ve mevcut durumdaki zaman maliyeti kolayca ölçülebilir.
Nakit akışı tahmini ikinci adımdır, çünkü daha fazla veri entegrasyonu gerektirir ama karşılığı da en görünür olanıdır.
Bütçeleme ve senaryo üçüncü adımdır; hesap planı disiplini gerektirdiği için erken denendiğinde hayal kırıklığı yaratır.
Uyum ve raporlama son adımdır, çünkü sorumluluk devredilemez olduğundan kazancın çoğu hız değil hata azaltmadır.
Veri güvenliği ve denetlenebilirlik
Finansal veri, kurumun en hassas veri setidir. Bu nedenle CFO ofisindeki her yapay zeka kararında iki soru sorulmalıdır.
Veri nerede işleniyor? Yurt dışında barındırılan bir modele finansal veri gönderilmesi, kişisel veri içerdiği ölçüde KVKK’nın yurt dışına aktarım rejimine tabidir. 2024’te 7499 sayılı kanunla yapılan değişiklik bu alanı yeniden düzenlemiştir.
Çıktının gerekçesi kayıtlı mı? Bir modelin işaretlediği anomalinin hangi kurala veya hangi örüntüye dayandığı kayıt altına alınmıyorsa, o çıktı denetimde savunulamaz. Kurumsal düzeyde bu kuralların nasıl yazılacağını kurumsal yapay zeka politikaları yazımızda ele alıyoruz.
ATAOL AI Techs yaklaşımı
ATAOL AI Techs olarak CFO ofisiyle çalışırken ilk adımımız model kurmak değil, yukarıdaki üç ön koşulun karşılanıp karşılanmadığını tespit etmektir. Veri tek yerden okunabiliyor mu, sınıflandırma tutarlı mı, kapanış takvimi belirli mi? Bu üçü karşılanmadan kurulan sistemler teknik olarak çalışır ama finansal olarak güvenilmez çıktı üretir.
ATAOL AI Lab tarafında finansal veri yapısının analizi ve öngörücü modelin kurgulanması, ATAOL AI Institute tarafında ise finans kadrosunun bu çıktıları okuyup sorgulayabilmesi üzerine çalışıyoruz. İkincisi olmadan birincisi kullanılmıyor; sahada en sık gördüğümüz tıkanma noktası budur.
Kurumunuzun finansal süreçlerinde nereden başlanması gerektiğini belirlemek için ücretsiz değerlendirme formumuz üzerinden bize ulaşabilirsiniz.
Sıkça Sorulan Sorular
CFO ofisinde yapay zekaya hangi alanla başlamak gerekir?
Anomali ve mükerrer işlem tespitiyle. Çıktısı bağımsız olarak doğrulanabilir, hata maliyeti geri alınabilir ve mevcut durumdaki zaman maliyeti kolayca ölçülebilir. Bütçeleme ve senaryo çalışması ise hesap planı disiplini gerektirdiği için erken denendiğinde sonuç vermez.
Yapay zeka finansal hata oranını sıfıra indirir mi?
Hayır. Sistem insan gözünün kaçırdığı örüntüleri yakalar ama yanlış alarm da üretir. Doğru başarı ölçütü hatanın sıfırlanması değil, yanlış alarm oranının kontrolör kapasitesinin altında kalmasıdır. Sıfır hata vaadi eden yaklaşımlara temkinli bakılmalıdır.
Nakit akışı tahmininde hangi vade gerçekçidir?
Kısa vadeli projeksiyonlar operasyonel karar için kullanılabilir. Uzun vadeli projeksiyonlar senaryo çalışması niteliğindedir ve tek başına karar dayanağı yapılmamalıdır. Kazanç tahminin nokta atışı olmasından değil, sapmanın erken görülmesinden gelir.
Yapay zeka mali müşavir veya denetçinin yerini alır mı?
Almaz. Mevzuat taraması ve tutarsızlık tespiti hız kazandırır, ancak nihai değerlendirme ve sorumluluk mali müşavir ile denetçide kalır. Bir modelin mevzuat yorumu danışman görüşünün yerine geçmez.
Finansal veriyi bulut tabanlı bir modele göndermek güvenli mi?
Belirleyici olan verinin nerede işlendiğidir. Yurt dışında barındırılan bir modele gönderilen veri, kişisel veri içerdiği ölçüde KVKK’nın yurt dışına aktarım rejimine tabidir. Kararın öncesinde verinin hangi coğrafyada işlendiği, ne kadar süre saklandığı ve model geliştirmede kullanılıp kullanılmadığı sözleşmede netleştirilmelidir.
Projenin işe yaradığını nasıl ölçeriz?
Dört metrikle: nakit akışı tahmin sapması, yanlış alarm oranı, bütçe sapma analizinin tamamlanma süresi ve kapanış gün sayısı. Bu dört değerin proje öncesindeki seviyesi kayıt altına alınmadıysa sonraki iyileşme tartışmalı kalır.