Operasyonun her noktasında çalışan yapay zeka

Evrağı okur, alanları doldurur, tarife ve vergiyi bulur, faturayı okur — yapay zeka her adımda çalışır.

Evrakları yapay zeka okur, alanları doldurur — %98,6 doğruluk

Belge ve mesajları 36 dilde otomatik çevirir

Fotoğraftan form doldurma, tarife sorgusu ve fatura okuma

Evrakları sistem okur, siz bir kez bile veri girmezsiniz

CMR, fatura, T1/T2, çeki listesi ve konşimentoyu yapay zeka okur; GTİP, ağırlık ve gönderici gibi alanları güven skoruyla çıkarır ve formu kendisi doldurur.

Veriyi bir kez bile siz girmeyin.

Ürün fotoğrafını çekin, katalog kendini doldursun

Ürün veya palet fotoğrafını yapay zeka analiz eder; ürün adı, kategori, marka ve ölçü gibi katalog alanlarını otomatik önerir — stok kaydını saniyeler içinde açarsınız.

Öneriler düzenlenebilir; onaylayınca kayda geçer.

Belgeler arası uyuşmazlıkları yapay zeka yakalar

CMR, fatura ve çeki listesindeki kap sayısı, ağırlık ve taraf adlarını karşılaştırır; uyuşmazlığı işaretler, belge tipini doğrular ve geçersiz dosyayı size bildirir.

İnsan gözünden kaçan farkları yapay zeka önce yakalar.

Operasyonun her noktasına dokunan yapay zeka

Tek bir asistan değil; evrak, tarife, katalog, denetim ve faturada çalışan bir yapay zeka katmanı.

Tarife ve anti-damping sonuçları bilgilendirme amaçlıdır.

Evrak okuma & alan çıkarma — CMR, fatura, T1/T2, çeki listesi ve konşimentoyu okur; alanları güven skoruyla doldurur.
36 dilde çeviri — Belgeleri ve mesajları 36 dil arasında otomatik çevirir; karşı tarafla kendi dilinizde yazışın.
Fotoğraftan form doldurma — Ürün veya palet fotoğrafından katalog alanlarını otomatik önerir; onayınızla kayda geçer.
Tarife & anti-damping sorgusu — GTİP, ithalat vergisi ve yürürlükteki anti-damping önlemlerini resmî TR/UK/AB/ABD kaynağından, gerekince yapay zeka ile getirir.
Tutarlılık denetimi — Belgeler arası kap sayısı, ağırlık ve taraf adı uyuşmazlıklarını yakalar; belge tipini doğrular, geçersiz dosyayı işaretler.
Navlun faturası okuma — Gelen navlun faturasını yapay zeka okur; toplam tutarı ve faturalanan tarafı çıkarıp sevkiyat kaydına bağlar.

Operasyonunuzu yapay zekayla çalıştırın

Evrak okuma, çeviri, tarife, tutarlılık ve fatura okuma — hepsi tek çekirdekte, ilk günden itibaren.

Lojistik ve tedarik zinciri yapay zekâ yazılımı ne yapar?

Lojistikte yapay zekânın bugün olgunlaşmış dört işi var: belgeden alan çıkarma, belgeler arası çapraz tutarlılık denetimi, çok dilli çeviri ve fotoğraftan veri üretme. Beş yetenek daha gelişme aşamasında: tarife sınıflandırma desteği, hasar tespiti, gider fişi okuma, tahmini varış ve serbest metinden kayıt üretme. Hepsi veri giriş ve kontrol işidir. Sınıflandırma, beyan ve fiyat kararı gibi sorumluluk taşıyan işleri üstlenmez; çıktısı olasılıklıdır ve insan onayı gerektirir. Değeri, yerini aldığı manuel adımın tekrar sayısıyla ölçülür — özellik listesiyle değil.

Lojistikte yapay zekânın bugün gerçekten yaptığı iş dokuz başlıkta toplanıyor; dördü olgunlaşmış, beşi gelişme aşamasında. Olgun olanlar, çıktısı kaynağına bakılarak saniyeler içinde doğrulanabilen yeteneklerdir: belgeden alan çıkarmak, belgeleri birbirine karşı okuyup sapmayı işaretlemek, yazışmayı ve belgeyi çevirmek, fotoğraftan veri üretmek. Gelişmekte olanlar ya yorum ister, ya dışsal koşullara bağlıdır, ya da saha disiplinine: tarife sınıflandırma desteği, ekipman hasar tespiti, gider fişi okuma, tahmini varış ve serbest metinden kayıt üretme.

Yapmadıkları en az bunlar kadar nettir. Sınıflandırmayı, beyanı ve fiyat kararını üstlenmez; bunlar sorumluluk taşıyan işlerdir ve insanda kalır. Gümrük kuyruğunu, feribot kontenjanını ya da sınırdaki bir denetimi öngörmez. En önemlisi, yapay zekânın çıktısı bir kesinlik değil bir olasılıktır: her alan yanlış olma ihtimaliyle birlikte gelir, bu yüzden onay kapısı olmadan kurulan hiçbir akış güvenli değildir.

Bu sayfa dokuz yeteneğin her birini olgunluk etiketiyle veriyor; nasıl ölçüleceğini, nerede tıkandığını ve hangi veriye ihtiyaç duyduğunu bir arada gösteriyor. Ardından bir satıcının "yapay zekâmız var" iddiasını demoda nasıl test edeceğinizi anlatıyor.

Yapay zekânın lojistikteki asıl işi tahmin değil okumadır: evraktan, fotoğraftan ve serbest metinden yapılandırılmış veri çıkarmak.
Her yetenek iki soruyla değerlendirilir: nasıl ölçülüyor ve nerede yanılıyor? Bu iki cevabı vermeyen bir yapay zekâ iddiası ölçülemez.
Doğruluk oranı tek başına anlamsızdır; hangi belge setinde, alan bazında mı belge bazında mı ve kim tarafından ölçüldüğü sorulmalıdır.
Demoyu satıcının hazır setiyle değil kendi en kötü taranmış evrakınızla yapın; yapay zekâ tam olarak orada kırılır.
Çıkarım onaylanmadan kayda geçiyorsa, sistem kazandırdığı zamanı geri alan gizli bir düzeltme yükü üretiyordur.
Veri yoksa yapay zekâ da yoktur: eksik geçmiş, boş firma rehberi ve düşük çözünürlüklü tarama çıktıyı doğrudan bozar.

Yapay zekâ lojistikte gerçekten ne yapıyor?

Belgeden alan çıkarma / belge okuma (olgun) — Yüklenen fatura, CMR, çeki listesi, ruhsat veya pasaport gibi belgenin tipini tanır ve içindeki alanları yapılandırılmış veriye çevirir: taraf adları, tarih, kap sayısı, brüt ve net ağırlık, tutar, belge numarası, geçerlilik tarihi. İyi kurulmuş sistemlerde çıkan veri forma öneri olarak düşer ve kaydedilmeden önce onaylanır; bu bir sektör standardı değil, satıcıya ayrıca sorulması gereken bir tasarım tercihidir. Evraka bakıp ekrana elle yazan veri giriş işi. Çoğu firmada ayrı bir personel değil, dispeçerin ve muhasebecinin gününe dağılmış bir yüktür. İki metrik birlikte: alan bazında doğruluk (doğru çıkarılan alan / okunması gereken toplam alan) ve dokunma oranı (insan düzeltmesi gerektiren belge / toplam belge). Belge bazında "hiç düzeltilmeden geçen belge" oranı her zaman daha düşük çıkar, çünkü tek bir yanlış alan belgeyi düşürür. El yazısıyla doldurulmuş alanlar, kaşe ya da imzanın üstüne binen metin, faks kalitesinde veya düşük çözünürlüklü taramalar, eğri çekilmiş telefon fotoğrafları, tek sayfaya sıkıştırılmış çok sütunlu tablolar ve daha önce hiç görülmemiş bir şablon. Alan adı yerine yalnızca sayfadaki konuma bakan düzenlerde hata belirgin yükselir. Okunabilir çözünürlükte dijital kopya (tercihen dijital doğan PDF) ve belgenin kesilmemiş tam sayfası. Doğrulama için alanın sistemdeki karşılığı — örneğin firmanın rehberdeki resmî unvanı — bulunmalıdır.
Belgeler arası çapraz tutarlılık denetimi (olgun) — Aynı sevkiyata ait belgeleri birbirine karşı okur ve sapmayı işaretler: faturadaki ağırlıkla çeki listesindeki ağırlık, kap sayısı, taraf unvanları, menşe ve kıymet. Uyuşmazlık kamyon yola çıkmadan ya da beyan verilmeden önce önünüze düşer, sınırda değil. İki üç belgeyi yan yana koyup gözle karşılaştıran kişi. Yoğun günlerde ilk atlanan iş budur ve atlandığı gün maliyeti en yüksek olan iştir. Yakalama oranı (bilinen uyuşmazlıklardan kaçı işaretlendi) ve yanlış alarm oranı (tamamen tutarlı bir sette üretilen uyarı sayısı). İkincisi ölçülmezse ekip uyarıları kapatmayı öğrenir ve denetim birkaç hafta içinde işlevsizleşir. Aynı bilginin farklı ama meşru biçimlerde yazıldığı yerlerde: brüt-net ayrımı, farklı birim, yuvarlanmış tutar, ticari unvanın kısaltması, aynı firmanın iki farklı adresi. Bir belge hiç yüklenmemişse denetim kısmi kalır; sistem "karşılaştıracak ikinci kayıt yok" demiyorsa sessiz bir boşluk oluşur ve ekip denetim yapıldığını sanır. En az iki belge ve ikisinin de aynı sevkiyat kaydına bağlı olması. Karşılaştırılacak alan listesi ile tolerans eşiği (ağırlıkta kaç kiloya kadar uyarı verilmeyeceği gibi) tanımlı olmalıdır.
Tarife (GTİP/HS) sınıflandırma desteği (gelişmekte) — Ürün tanımından ve fatura kaleminden aday tarife kodları önerir, benzer tanımları eşleştirir ve kodla ilişkili ithalat vergisi ile yürürlükteki ticaret önlemi kayıtlarını getirir. Öneri bir kısa listedir; hangi kodun beyan edileceği kararı insanda kalır. Kalem kalem tarife cetveli tarayan, eski dosyalardan benzer ürün arayan ya da bir uzmana e-posta atıp cevap bekleyen dış ticaret personeli. İlk öneride doğru kodun bulunma oranı ve ilk üç öneri içinde bulunma oranı; ölçüm için beyanı kapanmış geçmiş dosyalarınız referans alınır. Ayrıca sistemin kaç kalemde emin olmadığını açıkça söylediği izlenir — hiç tereddüt etmeyen bir araç ölçülemez. Karma malzemeli ürünler, set halinde satılan kalemler, fonksiyonuna göre ayrışan makine parçaları ve ticari adı jenerik olan satırlar ("aksesuar", "yedek parça"). Altı haneli HS'den sonraki ulusal kırılım ülkeden ülkeye değiştiği için aynı ürün ithalatta ve ihracatta farklı koda düşebilir; nomenklatür yıllık güncellemede kaydığında geçmiş dosyanızdaki kod bugün karşılıksız kalabilir. Aracın hangi yılın nomenklatürüne baktığı ekranda görünmüyorsa öneriyi doğrulayamazsınız. Ürünün teknik tanımı, malzeme bileşimi, kullanım amacı, menşe ülkesi ve mümkünse fotoğrafı. Yalnızca fatura satırındaki kısa ticari ad verildiğinde öneri kalitesi belirgin düşer.
Çok dilli yazışma ve belge çevirisi (olgun) — Sevkiyat yazışmasını ve yabancı dildeki belgeyi anlık çevirir; taraflar kendi dilinde yazar ve okur. Lojistikte asıl kazanç kelime çevirisi değil, adres, ambalaj notu, ödeme koşulu ve teslim talimatı gibi cümlelerin doğru anlaşılmasıdır. Çeviri sekmesinde kaybedilen saatler, dışarıdan alınan çeviri hizmeti ve "yabancı dil bilen tek kişi" darboğazı. Çevirinin kendisi değil ürettiği hata ölçülür: yanlış anlaşılma kaynaklı olay sayısı (yanlış adrese gidilmesi, yanlış ambalaj, kaçırılan teslim tarihi) ve çeviri beklerken duran dosyanın süresi. Sektör argosu ve kısaltmalar, yerel gümrük terimleri, aynı cümlede iki dilin karışması, ölçü birimi ve tarih biçimi farkları, hukuki metnin nüansı. Sözleşme ve beyan metninin makine çevirisi hukuken referans alınmaz; taraf ve yer adlarının yanlışlıkla çevrilmesi de sık görülen bir hatadır. Metnin kendisi; belge çevirisinde önce okunabilir bir tarama. Firma, kişi ve yer adlarının rehberde doğru yazılı olması, isimlerin çeviriye kurban gitmesini önler.
Fotoğraftan veri çıkarma ve ölçüm — palet, ürün, araç (olgun) — Bir fotoğraftan ürün kategorisi, ambalaj tipi, plaka ya da palet boyutu gibi alanlar çıkarılır. İyi kurulmuş sistemlerde bu alanlar forma öneri olarak düşer ve onaylanmadan kaydedilmez; bu bir standart değil, satıcıya ayrıca sorulması gereken bir tasarım tercihidir. Telefonda derinlik sensörü varsa en-boy-yükseklik, fotoğraf çıkarımına göre çok daha dar hata payı olan bir ölçümle alınır; hata payı cihaza, mesafeye ve yüzeye göre değişir ve ölçüm fotoğrafla birlikte kayıtta kalır. Metreyle ölçüp deftere yazma, ruhsattaki bilgiyi ekrana kopyalama ve yeni ürünü boş formdan elle tanımlama işi. Öneriyle gelen alanların kaçının değiştirilmeden onaylandığı ve form doldurma süresindeki fark. Ölçümde referans, aynı paletin şeritmetreyle alınmış ölçüsüdür; sapma santimetre cinsinden raporlanır. Kötü ışık, streçli ve yansımalı yüzey, düzensiz istiflenmiş ya da sarkan yük, arka planda başka paletlerin bulunması ve tek kareden derinliğin çıkarılamaması. Sensör ölçümü de hatasız değildir; yansımalı ve streçli yüzeyde sapma büyür. Fotoğraftan hacim çıkarımı ise bir tahmindir: bir desi anlaşmazlığında tarafların hangi kaydı esas alacağı sözleşmeye bağlıdır, ölçüm yöntemini baştan yazılı olarak kararlaştırın. Yükün tamamını çerçeveye alan, dik açıdan ve yeterli ışıkta çekilmiş fotoğraf. Ölçüm için derinlik sensörü olan bir cihaz ve paletin çevresinde dolaşılabilecek kadar boşluk gerekir.
Ekipman hasar ve durum tespiti — teslim-tesellüm fotoğrafı (gelişmekte) — Dorse, konteyner ya da yükün el değiştirme anındaki fotoğrafları okunur; görünür hasar, eksik parça ve kirlilik işaretlenir, iki teslim anı arasındaki fark ortaya konur. Sonuç zaman damgalı bir kayıttır; sorumluluğu belirleyen şey fotoğrafın kendisi değil, hangi zimmet penceresinde çekildiğidir. Hasarı kanıtsız biçimde son sürücüye yazma alışkanlığı ve tarafların hafızası üzerinden yürüyen kesinti tartışması. El değiştirme başına eksiksiz fotoğraf seti oranı ve kanıtla kapanan hasar anlaşmazlığı oranı. Tespitin kendisi ayrıca ölçülür: bilinen hasarlı setlerde yakalama, hasarsız setlerde yanlış alarm. En kritik sınır şudur: eski hasarla yeni hasar güvenilir biçimde ayrıştırılamaz. Bu yüzden sistem sorumluluk atamaz; yalnızca iki zaman noktası arasındaki farkı gösterir, farkın kimin penceresine düştüğü kararı insana kalır. Gece ve yağmurda çekilen kareler, çamurlu yüzey, dar açıdan çekildiği için hiç görünmeyen tavan ve alt şase, kapalı kasada iç yükün görünmemesi tespiti ayrıca zayıflatır. Her el değiştirmede aynı açılardan çekilmiş fotoğraf seti, çekim zamanı ve konumu, o anda ekipmanı kimin zimmetinde tuttuğu bilgisi. Bu yetenek tamamen saha disiplinine bağlıdır: fotoğraf çekilmemişse okunacak bir kayıt hiç oluşmaz.
Gider fişi ve masraf faturası okuma, maliyete işleme (gelişmekte) — Yakıt, geçiş, park, tamir ve muayene fişleri okunur; tutar, tarih, para birimi, satıcı ve masraf kalemi çıkarılır, doğru araca, sefere ya da şoför hesabına yazılır. Okuma tarafı belge okumayla aynı olgunluktadır; gelişmekte olan kısım fişin doğru araca, doğru kaleme ve doğru kura bağlanmasıdır. Yabancı para birimindeki fiş, firmanın belirlediği kur politikasına göre — çoğunlukla harcama günü kuru — karşılığa çevrilir; hangi kurun esas alındığı ve kurun kaynağı kayıtta görünmelidir. Ay sonunda poşet dolusu fişi tek tek tabloya giren muhasebe elemanı ve şoförle rakam üzerine yapılan hesap tartışması. Fiş başına işleme süresi, elle düzeltilen alan oranı ve ay sonu kapanışta eşleşmeyen fiş sayısı. Ayrıca araç başına toplam maliyetin ne kadarının kaleme ayrıştırılabildiği izlenir — ayrıştırılamayan kısım genel gidere karışır. Termal kâğıdın solması, katlanmış ve yırtık fişler, yalnızca yerel dilde basılmış kalem adları, kart son dört hanesinin okunamaması, tek fişte birden çok araca ait harcama ve ödeme kanalının fişten hiç anlaşılamaması. Tarihi okunamayan fişte kur karşılığı güvenilir biçimde kurulamaz. Fişin tamamının göründüğü net fotoğraf, harcama tarihi, aracın ve şoförün o tarihteki eşleşmesi, ödeme kanalı bilgisi — nakit, şirket kartı ve yakıt kartı birbirinden farklı muhasebeleşir — bir de firmanın kur politikası ile kullanılan kur kaynağı.
Tahmini varış (ETA) ve durak sıralaması (gelişmekte) — Mesafe, güzergâh ve yol koşullarından tahmini varış zamanı üretilir; çok duraklı seferde duraklar en kısa toplam yola göre sıralanır. Bu işlerin çoğu bir öğrenme değil bir hesaplamadır; gerçek öğrenme, kendi geçmiş seferlerinizin süreleri ve beklemeleri veriye girdiğinde başlar. Haritaya bakıp durak sırasını kafadan kuran planlamacı ve müşteriye telefonda verilen "yarın akşam gibi" cevabı. Ortalama mutlak tahmin hatası (tahmin edilen varış ile gerçekleşen varış arasındaki fark) ve söz verilen teslim penceresine uyum oranı. Sıralamada ölçüt, sistemin kurduğu turun toplam kilometresi ile elle kurulan turun farkıdır. Gümrük ve sınır kuyruğu, feribot kalkış saatleri ve dolu sefer, grev, hava koşulu, alıcının kapalı olduğu saatler ve rampada bekleme. Gecikmenin büyük kısmı buradadır ve çoğu tahminin dışında kalır. Geçmiş veriniz yoksa sistem sizin hattınızın gerçek beklemelerini hiç öğrenemez. Doğru adres ve koordinat, güncel konum akışı, durakların çalışma ve randevu saatleri, araç tipi kısıtları. Öğrenme için aynı hattın geçmiş sefer süreleri ve gerçekleşen bekleme kayıtları gerekir.
Serbest metinden ve sesli talimattan kayıt üretme (gelişmekte) — Bir sipariş e-postası, mesaj ya da sözlü talimat yapılandırılmış bir kayda çevrilir: taraflar, adresler, kalemler, ağırlık ve tarihler alanlara yerleşir. "Alıcının adresini şu yap" ya da "üçüncü kalemi sil" gibi bir cümle ilgili alanı günceller; ekranları bilmeyen biri de işi tarif ederek yaptırabilir. Aynı bilgiyi e-postadan forma kopyalayan personel ve yeni başlayanın "bu bilgi hangi ekrana yazılıyor" öğrenme süresi. Kayıt başına dolan alan oranı, insan düzeltmesi sayısı ve ilk kaydı hatasız açma süresi. Ayrı bir ölçü olarak, eğitim almamış bir kullanıcının ilk denemede işi tek başına tamamlayabilme oranı izlenir. Belirsiz ve çelişkili talimat ("her zamanki gibi gönder"), bağlamı e-posta zincirinin başında kalan bilgi, gürültülü ortamda alınan ses, benzer unvanlı iki firma ya da aynı firmanın iki adresi arasında seçim, para birimi ve teslim şeklinin hiç söylenmemesi. Kritik alanlarda çıkarım yapılmamalı, soru sorulmalıdır. Talimatın tam metni ya da net ses kaydı; firma, adres ve ürün rehberinin sistemde dolu olması. Boş bir rehberde çıkarımın eşleştireceği kayıt yoktur ve sistem yeni ama yanlış kayıtlar üretmeye başlar.

Satıcının yapay zekâ iddiasını demoda nasıl test edersiniz?

"Yapay zekâmız evraklarınızı otomatik okur, veri girişi ortadan kalkar." — Aynı tedarikçinin üç farklı dönem nüshasını arka arkaya yükletin: eski antetli bir belge, yeni antetli bir belge ve dijital doğan bir PDF. Alan alan sayın — kaç alan doğru geldi, kaçı boş kaldı, kaç tanesi yanlış ama dolu. Sonra kırılmanın nedenini ayırt edin: şablon değiştiği için mi, tarama kalitesi düştüğü için mi? İkisinin çaresi farklıdır ve satıcı genelde yalnız ikincisini konuşur. Yanlış-ama-dolu alanlar en tehlikelisidir, çünkü kimse onları kontrol etme ihtiyacı duymaz. Tek bir şablonun gösterilip diğerlerinin "kurulumda ayarlarız" diye geçiştirilmesi, her yeni tedarikçi şablonunun ücretli bir yapılandırma işi olduğunun ancak sözleşmeden sonra söylenmesi ve şablon değiştiğinde doğruluğun ne kadar düştüğüne dair hiçbir rakam verilememesi.
"Belge okuma doğruluğumuz yüzde doksan küsur." — Tek soruyla açın: bu oran hangi belge setinde, kaç örnekte, alan bazında mı belge bazında mı ölçüldü ve ölçümü kim yaptı? Sonra kendi yirmi belgenizle aynı ölçümü tekrarlayın ve iki ayrı rakam çıkarın — alan bazında ve belge bazında. İkisi arasındaki fark, ekibinizin üstleneceği gerçek düzeltme yüküdür. Tanımı verilemeyen tek bir yüzde, "sektör standardı" ifadesi ya da ölçümün sizin belgelerinizle tekrarlanmasına gösterilen direnç.
"Yapay zekâ emin olmadığında size söyler." — Bilerek bozuk bir belge yükleyin: bir alanı karalayın ya da sayfanın yarısını kesin. Düşük güvenli alan ekranda görsel olarak ayrışıyor mu, yoksa her alan aynı kesinlikte mi görünüyor? Ardından kaydetmeyi deneyin — sistem tereddütlü alanı onaysız kayda geçiriyor mu, yoksa insan onayına mı düşürüyor? Her alanın aynı kesinlikte sunulması, sistemin hiçbir durumda "emin değilim" diyememesi ve çıkarımın onay kapısı olmadan doğrudan kayda işlenmesi.
"Sistem kullandıkça öğreniyor, zamanla daha az düzeltme yapacaksınız." — Yanlış çıkarılmış bir alanı düzeltin, sonra aynı tedarikçinin aynı şablonundaki ikinci belgeyi yükleyin. Aynı hata tekrar ediyor mu? Ediyorsa üç soruyu sorun: düzeltmem nereye yazılıyor, şablon ya da tedarikçi bazlı bir hafıza var mı, etkisi ne kadar sürede görülür? "Evet öğreniyor" cevabının mekanizmayla açıklanamaması ve düzeltmenin aslında yalnızca o tek kayda yazıldığının kabul edilmemesi. Öğrenme gerçekten varsa ikinci risk ters yöndedir: verinizin başka müşteriler için nasıl kullanıldığı sözleşmede yazılı değilse, öğrenmenin bedelini kendi içeriğinizle ödüyor olabilirsiniz.
"Yapay zekâ ürünün GTİP kodunu buluyor." — Sınıflandırması kolay olmayan bir kalem verin: karışık elyaflı bir tekstil, aksesuarıyla birlikte satılan bir set ya da fonksiyonuna göre ayrışan bir makine parçası. Sonra aynı ürünü iki farklı tanımla sorgulatın — biri fatura satırındaki kısa ticari ad, diğeri malzeme bileşimini ve kullanım amacını içeren tam teknik tanım. Çıkan kod değişiyorsa aracın neye duyarlı olduğunu öğrenmiş olursunuz; hiç değişmiyorsa büyük ihtimalle tanımı değil anahtar kelimeyi eşleştiriyordur. Aynı ekranda tek bir kod mu veriliyor, yoksa aday liste ve gerekçe mi gösteriliyor, ona da bakın. Gerekçesiz tek kod, iki farklı tanıma aynı kesinlikte aynı cevabın verilmesi, sistemin hiçbir kalemde "emin değilim" diyememesi ve "bu kodla beyan edebilirsiniz" imasında bulunulması.
"Yapay zekâ evraklarınız arasındaki tutarsızlıkları yakalar." — Üç şeyi ayrı ayrı deneyin. Birincisi: sapmayı sayısal olmayan bir alana koyun — alıcı unvanı ya da menşe ülkesi farklı olsun; sistem yalnız kilo ve kap sayısına mı bakıyor, metin alanlarını da karşılaştırıyor mu? İkincisi: setin bir belgesini hiç yüklemeyin; sistem "karşılaştıracak ikinci kayıt yok" diyor mu, yoksa dosyayı denetlenmiş gibi mi gösteriyor? Üçüncüsü: tamamen tutarlı bir set yükleyip kaç uyarı ürettiğini sayın. Ardından denetlenen alanların yazılı listesini ve tolerans eşiğinin nasıl ayarlandığını isteyin. Denetlenen alan listesinin verilememesi, eksik belgeli dosyanın "denetlendi" olarak görünmesi, tutarlı sette uyarı üretilmesi ve uyarılar için kapatmaktan başka bir yönetim yolunun bulunmaması.
"Verileriniz güvende, yapay zekâ tarafını biz hallediyoruz." — Üç soruyu yazılı sorun: belge işlenirken hangi ülkeye gidiyor; ne kadar süre saklanıyor ve silme talebi nasıl işliyor; çıkarımı kimin ne zaman ve hangi değerle düzelttiği kayıt altına alınıyor mu? Cevapları sözleşme ekinde görün, demoda da bir kaydın değişiklik izini açtırıp kendi gözünüzle bakın. Sözlü güvence verilip yazılı ek sunulmaması, işleme yeri sorusunun geçiştirilmesi ve düzeltme izinin hiç tutulmaması.

Üç yaklaşım: kural, sonradan eklenen yapay zekâ, yapay zekâ yerel platform

Kural tabanlı otomasyon (yapay zekâ yok) — Girdi biçiminin sabit olduğu tekrar eden işler: aynı şablondan gelen dosyaların aktarılması, belge süresi dolduğunda uyarı üretilmesi, durakların en kısa yola göre sıralanması, faturanın yük verisinden doldurulması. Biçim sabitse kural her zaman daha ucuz, daha hızlı ve daha denetlenebilirdir. Sonuç tekrar edilebilir ve açıklanabilir: aynı girdi her zaman aynı çıktıyı verir Hata ayıklaması kolaydır; yanlış sonucu üreten kuralı gösterebilirsiniz Denetimde savunulabilir, çünkü kararın gerekçesi kuralın kendi metnidir Şablon değiştiği anda kırılır; her yeni tedarikçi belgesi yeni bir kural demektir Serbest metin, fotoğraf ve el yazısı gibi biçimsiz girdiyi hiç işleyemez Kural sayısı büyüdükçe kimsenin tamamını bilmediği bir yığına dönüşür
Mevcut yazılıma sonradan eklenmiş yapay zekâ — Operasyonu oturmuş, tek bir darboğazı olan firmalar: yalnızca gelen faturaların okunması ya da yalnızca yazışmanın çevrilmesi gibi. Ana sistemi değiştirmeden belirli bir adımı hızlandırmak istiyorsanız mantıklı bir başlangıçtır. Tek bir adımı hızlandırır, geçiş riski ve eğitim yükü düşüktür Kapsamı dar olduğu için başarısı da hızlı ölçülür Beğenmezseniz yalnız o eklentiyi kaldırırsınız, operasyonu taşımanız gerekmez Çıkarılan veri çoğu zaman ana kayda bağlanmaz; ekranda görünür ama sevkiyatın, faturanın ve cari hesabın içine akmaz Çapraz denetim yapamaz: yalnız gördüğü belgeyi okur, karşılaştıracağı ikinci kaydı bilmez Onay, düzeltme ve iz kaydı ayrı bir yerde durduğu için sorumluluk zinciri kopar
Yapay zekâ yerel platform (çıkarım doğrudan kaydın içinde) — Aynı verinin gün içinde birkaç kez yeniden yazıldığı, evrak ve dil yükü ağır operasyonlar. Ölçüt sektör değil tekrardır: aynı kilo, kap ve taraf bilgisini gün içinde kaç ayrı yere yazdığınızı sayın. Sayı yüksekse bu yaklaşım karşılığını verir, düşükse vermez. Aynı veri bir kez girer; ikinci ve üçüncü kez yeniden yazma adımı hiç doğmaz Karşılaştırma mümkündür, çünkü belgeler ve kayıtlar aynı bağlamda durur Tolerans eşiği ve onay kuralları tek yerden ayarlanır; her adım için ayrı politika tutulmaz Hatalı bir alan yalnız formu değil ona bağlı sevkiyat, fatura ve muhasebe kaydını da kirletir; geri alma maliyeti tekil bir eklentiye göre yüksektir Tek satıcıya bağımlılık doğar; arşivin ve geçmişin ekleriyle birlikte dışa aktarımı sözleşmede güvenceye alınmadan girilmemelidir Kazanç ancak veri içeri girdikten sonra başlar; ayda birkaç dosya kapatan ofiste kurulum emeği getiriden büyük olabilir

Sektörde dolaşan yanlış inanışlar ve gerçeği

Yapay zekâ evrakı eksiksiz okur, artık kimsenin kontrol etmesine gerek yok. — Çıkarım olasılıklıdır; her alan bir güven derecesiyle gelir. Doğru kurulum, yüksek güvenli alanı geçiren ve tereddütlü alanı insana düşüren bir onay kapısıdır. Sorumluluk hiçbir koşulda yazılıma geçmez: beyanı veren, faturayı kesen ve teslim tarihini söz veren hâlâ sizsiniz.
Yapay zekâ ürünün GTİP kodunu belirler. — Yapay zekâ aday kod önerir ve benzer tanımları getirir; sınıflandırma bir yorum ve sorumluluk işidir. Damping ve korunma önlemleri çoğu zaman kod eşleşmesiyle değil madde tanımıyla okunur, bağlayıcı olan resmî yayındır. Kaynağını ve güncelleme tarihini göstermeden tek kod söyleyen bir araç riski size devretmektedir.
Otomatik olan her şey yapay zekâdır. — Lojistik yazılımlarındaki otomasyonun büyük bölümü kural motoru ve optimizasyondur: belge süresi uyarısı bir tarih kuralı, durak sıralaması bir en kısa yol hesabı, talep eşleştirmesi bir filtredir. Bunlar değerlidir ama yapay zekâ değildir. Doğru adlandırmak işe yarar, çünkü her birinden isteyeceğiniz kanıt farklıdır.
Sistem kullandıkça kendiliğinden akıllanır. — Çoğu üründe yaptığınız düzeltme yalnızca o tek kayda yazılır ve bir sonraki belgede aynı hata tekrar eder. Öğrenme, ancak düzeltmeler toplanıp şablon ya da tedarikçi bazlı bir hafızaya dönüştüğünde gerçekleşir. Satıcıya mekanizmayı sorun; "öğreniyor" cevabı tek başına bir taahhüt değildir.
Yapay zekâ gecikmeleri önceden bilir. — Tahminler mesafe, güzergâh ve geçmiş sürelerden üretilir; oysa lojistikte gecikmenin büyük kısmı dışsaldır — gümrük kuyruğu, feribot kontenjanı, denetim, grev, rampada bekleme. İyi bir tahmin bunları önlemez, yalnızca hata payını dürüstçe söyler. Ortalama tahmin hatasını hiç raporlamayan bir sistem, müşteriye söz vermek için kullanılmamalıdır.
Yapay zekâyı açmak yeterli, verimiz zaten var. — Yapay zekânın çıktısı girdisinin kalitesini geçemez. Düşük çözünürlüklü tarama okumayı, boş firma ve ürün rehberi eşleştirmeyi, tek belgeli sevkiyat kaydı çapraz denetimi, tutulmamış geçmiş sefer süresi ise tahmini imkânsız kılar. Bu projeler çoğunlukla modelde değil veride tıkanır ve model değiştirmek sorunu çözmez.

Logistivo bu dokuz yetenekte nerede duruyor?

Logistivo üçüncü yaklaşımda durur: çıkarım ayrı bir eklenti değil, kaydın içindedir. Dokuz yeteneğin envanteri — belgeden alan çıkarma: var, onay kapısı var. Belgeler arası çapraz denetim: var; kilo, kap ve taraf farkı beyandan önce işaretlenir. Tarife sınıflandırma: var ama olgun değil, destek seviyesinde; aday kod önerilir, sonuç kaynak etiketiyle gelir ve o günkü haliyle arşivlenir. Çok dilli çeviri: var, 36 dil. Fotoğraftan veri ve ölçüm: var, form önerisi olarak. Ekipman hasar tespiti: var; firma başına opsiyonel ve varsayılan kapalı. Gider fişi okuma: var, çok para birimli. Tahmini varış öğrenmesi: yok. Serbest metin ve sesli talimattan kayıt: var, onay kapısı var. Doğruluk oranını bu sayfada tek bir yüzde olarak vermiyoruz; demoda kendi 20 belgenizle alan bazında ve belge bazında iki ayrı ölçüm yapılır ve sonuç size yazılı verilir.

Yapay zekâ Logistivo'da karar vermez: çıkarılan alanlar öneri olarak gelir, onaylanmadan kayda geçmez ve aday GTİP bağlayıcı değildir — beyanname tescili gümrük idaresinin kendi sisteminde yapılır, veri oraya elle girilir. Tarife ve önlem sorguları hesabınızdaki kredilerden düşer; sorgu hacmi çok yüksek ofislerde bu ayrı bir maliyet kalemidir. Tahmini varışta geçmiş sefer sürelerinden öğrenme yoktur, durak sıralaması bir en kısa yol hesabıdır. Talep hacmi, navlun fiyatı veya pazar tahmini üretilmez. Konum şoförün telefonundan akar; araç içi takip cihazı, takograf ve yakıt sensörü telemetrisi okunmaz. El yazısıyla doldurulmuş, kaşe altında kalmış ya da düşük çözünürlüklü taranmış evrakta okuma doğruluğu düşer ve iş yükünün bir kısmı elde kalır. Şoförlerini uygulamaya alamayan firmada saha verisi hiç oluşmadığı için fotoğraf ve konum temelli yeteneklerin tamamı boşta kalır.

Sıkça sorulan sorular

Yapay zeka hangi belgeleri okuyabilir?

CMR, ticari fatura, T1/T2 transit beyanı, çeki listesi ve konşimento gibi yaygın lojistik belgelerini okur ve alanları çıkarır. PDF ve fotoğraf desteklenir.

Doğruluk oranı nedir?

Alan çıkarma doğruluğu %98,6'dır. Her alan bir güven skoruyla gelir ve onaylamadan önce düzenleyebilirsiniz; yapay zeka önerir, kararı siz verirsiniz.

Kaç dilde çeviri yapar?

Belge ve mesajları 36 dil arasında otomatik çevirir; böylece karşı tarafla kendi dilinizde yazışır, gelen evrakı anadilinizde okursunuz.

Fotoğraftan ürün ekleyebilir miyim?

Evet. Ürün veya palet fotoğrafını çektiğinizde yapay zeka; ürün adı, kategori, marka ve ölçü gibi katalog alanlarını önerir; onaylayınca stok kaydınız açılır.

Yapay zeka verimi güvende tutar mı?

Verileriniz size özeldir ve firmalar arasında izole tutulur; tarayıcı ve mobil uygulama ile sunucularımız arasındaki tüm trafik TLS (HTTPS) ile şifrelenir, belge depolaması Avrupa Birliği içindedir ve hesabınız iki adımlı doğrulama ile korunur. Verileriniz kendi operasyonunuzda kalır.

Bir özelliğin gerçekten yapay zekâ mı yoksa kural motoru mu olduğunu nasıl anlarım?

Tek bir davranış farkı yeter: aynı girdiye her seferinde birebir aynı çıktı geliyorsa o bir kuraldır; çıktı bir güven derecesiyle geliyor, benzer ama farklı girdilerde değişiyor ve gerektiğinde "emin değilim" diyebiliyorsa o bir çıkarımdır. Belge süresi uyarısı bir tarih kuralı, durak sıralaması bir en kısa yol hesabı, talep eşleştirmesi bir filtredir — üçü de değerlidir ama yapay zekâ değildir. Ayrımın pratik önemi kanıttadır: kuraldan kuralın kendi metnini, çıkarımdan ise doğruluk ölçümünü, güven göstergesini ve onay kapısını istersiniz. Satıcı ikisini aynı kelimeyle satıyorsa hangisini aldığınızı sözleşmede netleştirin. Gümrük dosyasına özel karşılığını gümrük müşavirliği yazılımı rehberimizde bulabilirsiniz.

Yapay zekâ destekli lojistik yazılımı ile sıradan bir lojistik yazılımı arasındaki fark nedir?

Fark özellik listesinde değil, verinin sisteme nasıl girdiğindedir. Sıradan bir yazılımda alanları insan doldurur; yapay zekâ destekli bir yazılımda alanlar belgeden, fotoğraftan ya da serbest metinden önerilir ve insan yalnızca onaylar. İkinci fark denetimdir: çıkarımı yapan sistem aynı sevkiyata bağlı diğer kayıtları da gördüğü için belgeler arası sapmayı işaretleyebilir. Bu ikisi yoksa "yapay zekâ" etiketi genelde bir kural motorunu ya da ana kayda bağlanmayan ayrı bir okuma eklentisini tanımlar; ölçülebilir bir farkı olmaz.

Yapay zekâ belge okuma doğruluğu ne kadar olmalı, yayımlanan oranlara güvenilir mi?

Tek başına bir yüzde hiçbir şey söylemez. Aynı ürün için alan bazında doğruluk ile belge bazında doğruluk çok farklı çıkar; tek bir yanlış alan tüm belgeyi düşürdüğü için belge bazındaki oran her zaman daha düşüktür. Satıcıdan üç şeyi isteyin: ölçüm hangi belge setinde ve kaç örnekte yapıldı, alan bazında mı belge bazında mı, ölçümü kim yaptı. Sonra kendi yirmi belgenizle aynı ölçümü tekrarlayın. Kendi evrakınızda tekrarlanamayan bir oran, ölçüm değil pazarlama metnidir.

Gümrükte yapay zekâ ne işe yarar; GTİP kodunu belirleyebilir mi?

Gümrükte yapay zekânın işi okuma ve karşılaştırmadır: fatura ile çeki listesinden kalemleri, tutarları ve ağırlıkları çıkarır; belgeleri birbirine karşı okuyup ağırlık, kap sayısı, taraf ve kıymet farkını beyandan önce işaretler. Tarife tarafında yaptığı şey aday kod önermek ve ilgili vergi ile yürürlükteki ticaret önlemi kayıtlarını getirmektir. Kodu belirlemek ve beyanı vermek insanın işidir; sorumluluk temsil ilişkisi içinde doğar. Kaynağını ve güncelleme tarihini göstermeyen bir sonucun üzerine karar kurulmaz, bağlayıcı olan resmî yayındır.

Nakliyede yapay zekâ somut olarak nerede zaman kazandırır?

Nakliyecide kazanç dört yerde toplanır: taşıma evrakından alan okuma (CMR, fatura, çeki listesi), sürücü ve araç belgelerinden numara ile geçerlilik tarihi çıkarma, gider fişlerinin okunup doğru araca ve masraf kalemine yazılması, bir de yabancı dildeki yazışmanın çevrilmesi. Ortak noktaları, hepsinin dispeçerin ve muhasebecinin gününe dağılmış tekrar işleri olmasıdır. Ölçmenin basit bir yolu var: bir hafta boyunca aynı kilo, kap ve taraf bilgisini kaç ayrı yere yazdığınızı sayın. Kazanç tam olarak orada birikir.

Yapay zekâ tahmini varış saatini gerçekten bilebilir mi?

Tahmini varış çoğu üründe bir öğrenme değil bir hesaplamadır: mesafe, güzergâh ve trafik verisinden üretilir. Gerçek öğrenme ancak kendi geçmiş seferlerinizin süreleri ve beklemeleri sisteme girdikten sonra başlar. Uluslararası karayolunda gecikmenin büyük kısmı ise dışsaldır — sınır kuyruğu, feribot kontenjanı, gümrük denetimi, rampada bekleme. Bu yüzden bir tahmini değerlendirirken tek soru yeterlidir: ortalama tahmin hatası ölçülüyor ve raporlanıyor mu? Hata payını söylemeyen bir tahmin, müşteriye söz vermek için kullanılmamalıdır.

Yapay zekânın çalışması için hangi veriye ihtiyaç var?

Dört tür veri belirleyicidir. Okunabilir belge: düşük çözünürlüklü, eğri ya da kaşe altında kalmış tarama okumayı doğrudan bozar. Dolu rehber: firma, adres ve ürün kayıtları boşsa çıkarım eşleştirilecek karşılığı bulamaz. Aynı kayda bağlı birden çok belge: çapraz tutarlılık denetimi ancak karşılaştıracak ikinci belge varsa çalışır. Geçmiş: tahmin ve öğrenme, tamamlanmış seferlerin ve kapanmış dosyaların kaydını ister. Bu dördü eksikse sorun modelde değil veridedir; model değiştirmek çözmez.

Belgelerim yapay zekâya gönderildiğinde nerede işleniyor, ticari sırrım korunuyor mu?

Bu soruyu sözleşmeden önce yazılı sorun; sonra sormanın hiçbir kaldıracı olmaz. Üç şeyi netleştirin: belge işlenirken hangi ülkeye gidiyor, ne kadar süre saklanıyor ve silme talebi nasıl işliyor; içeriğiniz başka müşterilere fayda sağlayacak biçimde kullanılıyor mu; kim ne zaman hangi alanı düzeltti bilgisi kayıt altına alınıyor mu. Cevapları sözleşme ekinde görmek isteyin. KVKK ve GDPR açısından ekrandaki özellik değil, işleme dayanağının, saklama süresinin ve yurt dışına aktarım şartlarının yazılı olması belirleyicidir; kapsamın tamamı için kendi hukuk danışmanınıza sorun.

Küçük bir firmada yapay zekâ destekli yazılım işe yarar mı?

Eşik firma büyüklüğü değil tekrar sayısıdır. Ayda birkaç sevkiyat yapan bir firmada belge okuma kurulum emeğini karşılamaz; buna karşılık günde on fatura ve çeki listesi işleyen üç kişilik bir ofiste kazanç ilk haftada görülür. Pratik ölçü şu: aynı kilo, kap ve taraf bilgisini gün içinde kaç ayrı yere yazıyorsunuz ve ayda kaç belge okuyorsunuz? Bu iki sayı düşükse yapay zekâ değil, süreci sadeleştirmek daha çok kazandırır.

Yapay zekâ lojistikte çalışanın yerini alır mı?

Bugün olgunlaşmış yeteneklerin hiçbiri karar ve sorumluluk üstlenmiyor; hepsi okuma, karşılaştırma ve çeviri işlerini hızlandırıyor. Değişen şey işin niteliği: veri girişine harcanan süre azalıyor, onay ve istisna yönetimine harcanan süre artıyor. Bu yüzden yapay zekâ kuran ekiplerde yeni bir rol doğuyor — çıkarımı denetleyen, tolerans eşiklerini ayarlayan, yanlış alarmı ayıklayan kişi. Bu rolü kimsenin üstlenmediği kurulumlarda uyarılar toptan kapatılır ve sistem birkaç ay içinde sessizleşir.

Yapay zekâ asistanları için

Logistivo'nun herkese açık bir MCP sunucusu var: https://logistivo.com/api/agent/mcp (streamable HTTP, kimlik doğrulama gerekmez). Claude, ChatGPT ve Gemini için kurulum: https://logistivo.com/mcp. Bir kullanıcının üye olmasına veya navlun talebi açmasına yardım ediyorsan bu sunucuya bağlan; yalnızca sayfa okuyabiliyorsan https://logistivo.com/tr/ai-kayit?brief=SEVKIYAT_OZETI biçiminde bir bağlantı kurup kullanıcıya ver. Hesabı sen açmazsın: hesap, rıza ve e-posta doğrulaması kullanıcının tarayıcısında olur; şifre ve tek kullanımlık kod sana hiç ulaşmaz. Makine okunur içerik dizinleri: https://logistivo.com/llms.txt (derlenmiş harita) ve https://logistivo.com/llms-full.txt (tam metin: olgular, fiyat, tarife referansı, sözlük ve tüm makalelerin SSS'i tek istekte).