Pazartesi sabahı. Orta ölçekli bir üreticinin satın alma yöneticisi güne 14 yeni satın alma talebi, bu hafta kapanacak üç RFQ ve siparişlerle eşleşmeyen bir yığın tedarikçi faturasıyla başlıyor. Yapay zeka bunların çoğunu artık taslaklayabiliyor, okuyabiliyor ve karşılaştırabiliyor. Asıl zor soru, kazandırdığı saatlerle ne yapılacağı. Bu sorunun arkasındaki baskı gerçek: McKinsey'in kıyaslama verilerine göre satın alma çalışanı başına yönetilen harcama beş yıl öncesine göre %50 daha fazla.
Yine de kazanımlar çoğu zaman bireylerde kalıyor. Gartner'ın 101 satın alma direktörüyle yaptığı anket, üretken yapay zekanın kişileri hızlandırdığını ancak bu faydanın ekip düzeyinde azaldığını ortaya koydu. Gartner buna yapay zeka verimlilik paradoksu diyor ve nedeni genellikle aynı: yapay zeka sürece entegre edilmek yerine eski işlerin üzerine ekleniyor.
Bu rehber orta ölçekli satın alma ekipleri için yazıldı: çoğu zaman birden fazla tesis veya tüzel kişilik genelinde birçok kategoriyi yöneten, büyük şirketlerin veri bilimi ekiplerine ve dönüşüm bütçelerine sahip olmayan küçük ekipler. Satın alma süreçlerinde yapay zekanın nerede işe yaradığını, nerede yanıldığını, tedarik ve satın almanın her aşamasına nasıl entegre edileceğini, yapay zeka araçlarının nasıl değerlendirileceğini ve satın alma yöneticilerinin kazanılan zamanı neye ayırması gerektiğini ele alıyor. Kısacası: yapay zeka hazırlar, uzman karar verir.

Satın almada yapay zeka nedir?
Satın almada yapay zeka, tedarik ve satın almanın dayandığı bilgileri okumak, taslaklamak, karşılaştırmak ve özetlemek için makine öğrenimi ve üretken yapay zekanın kullanılmasıdır: talepler, şartnameler, tedarikçi yanıtları, sözleşmeler, siparişler ve faturalar.
Eski satın alma otomasyonundan önemli bir noktada ayrılır. Kural tabanlı otomasyon sabit talimatları izler; örneğin belirli bir tutarın üzerindeki her siparişi finans onayına gönderir. Yapay zeka ise yapılandırılmamış içerikle çalışır. İki paragraflık bir brifi teklif talebi taslağına dönüştürebilir, tedarikçinin PDF teklifini okuyabilir ya da geçen çeyreğin harcamasıyla ilgili bir soruyu sade bir dille yanıtlayabilir. Belge türlerini hatırlamak isterseniz RFI, RFP ve RFQ farkları rehberimize göz atın.
Bu esneklik, yapay zekanın neden denetime ihtiyaç duyduğunu da açıklar. Bir kural ya çalışır ya çalışmaz. Yapay zekanın çıktısı ise eksiksiz görünüp yine de hatalı olabilir.
Satın almada yapay zeka artık yaygın. McKinsey'in 300'den fazla satın alma lideriyle yaptığı ankette katılımcıların %40'ı, fonksiyonlarının üretken yapay zekayı uyguladığını veya pilot olarak denediğini söyledi.
Yapay zeka bugün satın alma ve tedarikte nasıl kullanılıyor?
Tedarikte ve satın almada yapay zeka bugün esas olarak insanların işini hazırlamak için kullanılıyor: belgeleri yapılandırılmış veriye dönüştürmek, tedarik etkinliklerini taslaklamak, yanıtları karşılaştırmak ve harcamayla ilgili soruları yanıtlamak. En yaygın kullanım alanları talepten raporlamaya kadar süreci izler:

Olgunluk, BCG'nin satın almada yapay zeka aşamalarını izler: satın almada üretken yapay zeka taslak hazırlama ve belge okuma için zaten yaygın, yapay zeka destekli iş akışları ölçekleniyor, sipariş öneren veya etkinliği baştan sona yürüten otonom ajanlar ise henüz erken aşamada.
Uygulamadan iki örnek. WorkFish'te kullanıcı bir onay sürecini sade dille tanımlayabilir, örneğin "10.000 doları aşan siparişler finans müdürüne gider, BT alımları ayrıca BT yöneticisinin onayını gerektirir", ve yapay zeka onay iş akışını oluşturur; ekip kuralları devreye almadan önce kontrol eder. Bir BCG vakasında ise harcama analizi, bir hastane sisteminin aynı ürünlere yaptığı harcamanın yaklaşık yarısında tesisler arasında yaklaşık %5 fiyat farkı olduğunu gösterdi.
McKinsey, satın alma ekiplerinin çok yıllı BT programlarına gerek kalmadan bugün benimseyebileceği yapay zeka çözümleri arasında RFx oluşturma ve analizi, kategori yardımcıları, sözleşme optimizasyonu ve faturanın sözleşmeye uygunluk kontrolünü sayıyor. Satın almadaki tüm bu kullanım alanlarında çıktı, bir insanın gözden geçirdiği bir taslak veya öneridir.
Orta ölçekli satın alma ekipleri için ne değişiyor?
Bu rehberdeki McKinsey ve BCG vakaları dahil, yayımlanmış yapay zeka sonuçlarının çoğu büyük kategori ekiplerine ve çok yıllı bütçelere sahip büyük şirketlerden geliyor. Orta ölçekli şirketler farklı çalışır ve bu, yapay zekanın ilk nerede karşılığını verdiğini değiştirir:
- Küçük ekip, çok kategori. Üç dört alıcı çoğu zaman onlarca kategoriyi yönetir. Yapay zekanın asıl değeri kapsamdır: ekibin elle yapabileceğinden daha fazla tedarik etkinliği yürütmek ve daha fazla harcamayı kontrol etmek, kadro azaltmak değil.
- Veri bilimi ekibi yok. Özel modeller erişilemez olduğundan yapay zekanın satın alma iş akışına yerleşik gelmesi ve elinizdeki belge ve kayıtlarla çalışması gerekir.
- Sistemlere ve tesislere dağılmış veri. Tedarikçi ve ürün kayıtları çoğu zaman bir ERP'de, tablolarda ve e-postada, her tesis veya tüzel kişilik için farklı sürümlerle durur. Yapay zeka ilk olarak tam da bu tutarsızlıklarda hata yapar.
- Uzun pilotlara yer yok. Sonuçların kolay görüldüğü ve kontrol edildiği alanlarla başlayın: satın alma talepleri, RFQ taslakları ve teklif karşılaştırma.
Örnek senaryo (temsilidir). Orta ölçekli bir distribütörün üç kişilik bir satın alma ekibi, dört deposu ve iki tüzel kişiliği var; her çeyrekte ambalaj satın alıyor. Ortak bir katalog olmadan her depo kendi talebini kendi tedarikçilerine gönderiyor ve depolardan birinin diğerlerinden fazla ödediğini kimse görmüyor. Tek bir katalog ve tek bir tedarikçi tabanıyla yapay zeka dört deponun tamamını kapsayan tek bir etkinlik taslaklayabilir, teklifleri satır satır karşılaştırabilir ve geçen çeyrekte en çok hangi deponun ödediğini gösterebilir. Ardından kategori yöneticisi depo bazında mı yoksa hacmi birleştirerek mi sipariş vereceğine karar verir; bu, yapay zekanın veremeyeceği ticari bir karardır.

Orta ölçekli bir ekip nereden başlamalı:
- Yüksek hacimli iki üç kategori seçin ve önce bunları yapay zeka destekli tedarikle yürütün.
- Yapay zekayı daha geniş kullanmadan önce ürün ve tedarikçi kayıtlarını tesisler ve tüzel kişilikler arasında standartlaştırın.
- Her tüzel kişiliğin onay limitlerini iş akışına yazın ve fiyatları yalnızca bir tesis içinde değil, tesisler arasında karşılaştırın.
Satın almada yapay zekanın faydaları nelerdir?
Satın almada yapay zekanın faydaları kazanılan zamanın ötesine geçer. Beş alanda kendini gösterir:
- Hız. Talepler, tedarik etkinlikleri ve karşılaştırmalar hazır taslaklarla başlar; ihtiyaçtan satın alma siparişine kadar geçen süre kısalır.
- Maliyet. Her teklif satırı ve her işlem kontrol edildiğinden fiyat farkları, sözleşme dışı alımlar ve birleştirme fırsatları ortaya çıkar. Tasarruf, finansla üzerinde anlaşılan bir referansa göre ölçülür: son ödenen fiyat, bütçe veya ilk teklif.
- Kontrol. Onay kuralları, erişim hakları ve denetim izi, yapay zekanın hazırladığı işe de manuel işe olduğu gibi uygulanır; inceleyenler her önerinin gerekçesini görür.
- Tesisler arası tutarlılık. Her tesis ve tüzel kişilik için tek katalog, tek tedarikçi kaydı ve tek kural seti olduğunda yapay zeka benzeri benzeriyle karşılaştırır.
- Ekip kapasitesi. Zaman, yeniden veri girişinden ve belge kovalamaktan müzakereye, tedarikçi geliştirmeye ve kategori stratejisine kayar.
Kazanımın büyüklüğü hâlâ bir tahmin. McKinsey'in analizine göre yapay zeka satın alma fonksiyonlarını %25 ila %40 daha verimli hale getirebilir. Deloitte'un 2025 CPO anketine göre dijital olarak en ileri kuruluşlar üretken yapay zeka yatırımlarından ortalama 3,2 kat getiri elde ederken, diğer kuruluşlarda bu oran 1,5 katın biraz üzerinde. Her iki rakam da olgun veri ve süreçlere sahip liderleri anlatıyor; bu rehberin geri kalanı da bununla ilgili.
Satın almada yapay zekanın riskleri ve sınırları nelerdir?
Satın almada yapay zekanın en büyük riski, kimsenin kontrol etmediği kendinden emin bir yanlış yanıttır. Üretken yapay zeka, bir rakam, madde veya şartname eksik ya da uydurma olsa bile akıcı bir metin üretir. Planlanması gereken diğer sınırlar:
- Kötü veri, kötü sonuç. Tedarikçi kayıtları mükerrer veya ürün adları tutarsızsa yapay zeka yanlış ürünü veya yanlış tedarikçiyi eşleştirir.
- Gizli fiyatlar. Tedarikçi teklifleri ticari açıdan hassastır. Bir yapay zeka aracı her kullanıcıya yalnızca görmesine izin verilenleri göstermeli ve mühürlü RFQ kurallarını zayıflatmamalıdır.
- Veri işleme. Belgeler ve komutlar harici bir yapay zeka modelinde işlenebilir. Verilerinizin nereye gittiğini ve satıcının modellerini eğitmek için kullanılıp kullanılmadığını sorun; tedarikçi fiyatları ve sözleşme şartları sizin kontrolünüzde kalmalı.
- Kıyaslanamayan teklifler. Yapay zeka eşit görünen iki teklifi yan yana koyabilir, oysa birinde nakliye hariçtir ya da farklı bir ölçü birimi kullanılmıştır.
- Hesap verebilirlik. Bir tedarikçi, denetçi veya finans yöneticiniz kazananı kimin ve neden seçtiğini soracaktır. "Yapay zeka önerdi" bir yanıt değildir.
- Yetkinlik kaybı. Genç alıcılar yalnızca yapay zeka çıktısını onaylarsa bir şartname hazırlamayı veya bir tedarikçinin maliyet yapısını okumayı hiç öğrenemeyebilir.
- Organizasyonel engeller. Deloitte'un anketinde CPO'lar silo çalışma biçimlerini (%57) ve yetenek açığını (%34) değer yaratmanın önündeki başlıca engeller arasında gösterdi.
Örnek: aynı görünen iki teklif (temsili rakamlar). B tedarikçisi birim başına daha ucuz görünüyor, ancak teklifi nakliyeyi içermiyor. Teslimat eklendiğinde sıralama tersine dönüyor.

Yalnızca fiyat sütununu okuyan bir karşılaştırma B tedarikçisini birinci sıraya koyar. Şartları kontrol eden bir alıcı koymaz.
Bunların hiçbiri yapay zekadan kaçınmak için bir neden değil. Yapay zekanın nerede taslak hazırlayacağını ve nerede insanın karar vereceğini önceden belirlemek için nedenler.
Yapay zekayı satın alma sürecinize nasıl entegre edersiniz?
Yapay zekayı satın almaya entegre etmek için her aşamada yapay zekanın neyi hazırlayacağına ve insanın neye karar vereceğine karar verin, ardından yapay zeka çıktısını güvenilir kılan veri ve kontrolleri düzeltin. Araç, kurulumdan daha az önemlidir: BCG, bir yapay zeka dönüşümünün başarısının yaklaşık %70'inin insanlara, organizasyona ve süreçlere, %20'sinin teknolojiye ve %10'unun algoritmalara bağlı olduğunu tahmin ediyor.
Yapay zeka satın almanın her aşamasında nerede yer alır?

Örüntü her aşamada tekrar eder: yapay zeka okuma, taslak hazırlama ve karşılaştırmayı üstlenir; uzman ise şartnamenin, tedarikçi ilişkisinin ve kararın sahibidir. Bu çizginin en önemli olduğu yer sipariş kararıdır. BCG'nin analizi benzer bir dağılıma ulaşıyor: tedarikçi seçimi ve sözleşmede işin yaklaşık %40'ının insanda kaldığını, satın alma fonksiyonunun genelinde ise bu oranın yaklaşık %25 olduğunu tahmin ediyor. Bazı kullanım alanları tek bir aşamada değil, yedi aşamanın tamamında yer alır: tedarikçi risk izleme, harcama analizi, talep tahmini ve onay iş akışları.

Uygulamada görün: Enigma'nın bir RFQ taslağı hazırladığını ve teklifleri karşılaştırdığını, kararı ise alıcınızın verdiğini izlemek için WorkFish demosu planlayın.
Uygulamaya geçmek için yedi adım
- Görevleri yapay zeka ve insanlar arasında paylaştırın. Gartner, her satın alma rolünü gözden geçirip doğası gereği insana ait görevleri yapay zekaya uygun olanlardan ayırmayı öneriyor. Bu ayrımı yukarıdaki her aşama için açıkça yapın.
- Önce veriyi düzeltin. Ürün kataloğu, tedarikçi kayıtları, satın alma geçmişi ve sözleşmeler tek bir sistemde olmalı. McKinsey, satın alma fonksiyonlarının kararları desteklemek için mevcut verinin %20'sinden azını kullandığını tahmin ediyor. Bunun nedeni genellikle kopuk bir satın alma iş akışıdır.
- Çıktının kolay kontrol edildiği yerden başlayın. Talep taslakları ve belgelerden veri çıkarma iyi ilk adımlardır, çünkü inceleyen kişi hataları hızla fark eder.
- Kontrol noktaları belirleyin. Her yapay zeka taslağı uygulanmadan önce incelenir. Sipariş kararları adı belli bir kişide kalır. Mevcut onay iş akışları yapay zeka devreye girdi diye değişmez. Her kategoride yapay zeka çıktısının kalitesinden sorumlu bir kişi belirleyin.
- Erişimi kontrol edin. Yapay zeka, özellikle tedarikçi fiyatları ve finansal veriler söz konusu olduğunda, her kullanıcıya yalnızca görmesine izin verilenleri görmeli ve göstermelidir.
- Doğru şeyleri ölçün. Yalnızca kazanılan saatleri değil, ilk taslağa kadar geçen süreyi, inceleyenlerin yapay zeka çıktısını ne kadar değiştirdiğini ve incelemenin kaç hata yakaladığını takip edin. Gartner da yapay zeka destekli işler için verimlilik ölçütlerinin güncellenmesini öneriyor; BCG ise aktif yönetilen harcama payı, talepten siparişe döngü süresi ve ekip bazında yapay zeka kullanımı gibi sonuç göstergeleri öneriyor.
- Rolleri ve yetkinlikleri güncelleyin. Her işte neyin değiştiğini yazın ve çalışanları yapay zeka çıktısını yalnızca kabul etmeye değil, incelemeye yönelik eğitin.
Her yapay zeka satın alma satıcısına sorulacak sorular
Satın alma platformlarının çoğu artık yapay zeka iddiasında. Beş soru, çalışan özellikleri pazarlamadan ayırır:
- Bugün ne çalışıyor? Hazır bir veri seti yerine kendi belgelerinizle demo isteyin ve hâlâ yol haritasında olan özelliklerin listesini talep edin.
- Kim neyi görüyor? Yapay zekanın her kullanıcıya yalnızca rolünün izin verdiğini gösterdiğini doğrulayın; verinin nerede işlendiğini ve satıcının modellerini eğitip eğitmediğini sorun.
- İnsanlar her çıktıyı inceleyebiliyor mu? Her yapay zeka taslağı veya önerisi uygulanmadan önce düzenlenebilmeli ve kimin onayladığı kayıt altına alınmalı.
- Yapınıza uyuyor mu? Birden fazla tüzel kişilik, para birimi ve tesisi tek bir senaryoda test edin.
- Yapay zeka yanıldığında ne oluyor? Kullanıcıların hataları nasıl bildirdiğini ve ne kadar hızlı düzeltildiğini sorun.
Yapay zeka satın alma yöneticilerine zaman kazandırırsa neye odaklanmalılar?
Yapay zeka taslak hazırlama ve karşılaştırmayı üstlendiğinde satın alma yöneticileri bu zamanı yapay zekanın yapamayacağı işe ayırmalı: muhakeme, ilişkiler ve strateji. Bu değişim kendiliğinden olmaz. Gartner'a göre kıdemli satın alma liderlerinin %63'ü yapay zekanın performansı önemli ölçüde iyileştirmesini bekliyor, ancak yalnızca %25'i yapay zeka nedeniyle rolleri yeniden tasarladı. Bir plan olmadan bireylerin kazandığı zaman aynı türden daha fazla işe gider.
McKinsey hedef iş bölümünü net biçimde tarif ediyor: insanlar yaratıcı problem çözme, ilişki kurma ve karmaşık muhakemeyi üstlenirken yapay zeka ajanları ölçek, hız ve sentezle ilgilenir. Uygulamada bu, beş odak alanı anlamına gelir:
- Tedarikçi ilişkileri ve müzakere. Hazırlık için yapay zekayı kullanın, zamanı tedarikçiyle geçirin. Bir McKinsey örneğinde bir telekom şirketinin yapay zeka ajanları müzakere için bilgi tabanını hazırladı ve karşı teklifleri taslakladı; ekibin analiz ve e-postaya harcadığı süre %90'a kadar azaldı, müzakereler tedarikçiler genelinde %10–15 tasarruf sağladı.
- Kategori stratejisi ve pazar bilgisi. Her kategoride maliyeti neyin belirlediğini, alternatif kaynakların nerede olduğunu ve pazarın nereye gittiğini anlayın.
- Risk ve dayanıklılık. Yeni tedarikçileri değerlendirin, alternatif kaynakları aktif tutun ve tek kaynağa bağımlılıkları izleyin.
- Yapay zeka çıktısının kalite kontrolü. Bir önerinin arkasındaki varsayımları test edin, gerçekten kıyaslanamayan teklifleri fark edin ve tedarikçilerden açıklama isteyin.
- İç müşteriler. Bir talep şartnameye dönüşmeden önce gerçek ihtiyacı anlayın. Net bir ihtiyaç, herhangi bir yapay zeka taslağından daha fazla tasarruf sağlar.
BCG aynı değişimi yeni roller üzerinden anlatıyor: müzakere akışlarını tasarlayıp yöneten bir müzakereci, bir kategori ve değer stratejisti, yapay zeka çıktısını doğrulayıp istisnaları yöneten bir yapay zeka performans yöneticisi ve yapay zeka içgörülerinin iş açısından anlamını kontrol eden bir pazar istihbaratı entegratörü. Orta ölçekli bir ekipte bu rollerin birkaçını genellikle tek bir kişi üstlenir.
Satın almada yapay zekanın geleceği pratikte şu demek: belge toplamaya daha az, ticari ağırlığı olan kararlara daha çok saat.
WorkFish satın almada yapay zekayı nasıl kullanıyor?
WorkFish, yapay zekayı satın alma iş akışına yapay zeka asistanı Enigma aracılığıyla entegre ediyor ve her yerde aynı ilkeyi izliyor: yapay zeka önerir, kullanıcı inceler ve karar verir.
- Sorun ve raporlayın. Enigma, satın alma verilerinizle ilgili soruları sade dille yanıtlar ve istek üzerine rapor hazırlar.
- Tedarik etkinlikleri taslaklayın. Enigma yazılı bir brifi eksiksiz bir RFI, RFQ veya RFP taslağına dönüştürür: kataloğunuzla eşleşen kalemler, sorular, tedarikçiler ve şartlar. Emin olmadığı yerde açıklayıcı sorular sorar; alıcı her öneriyi uygulamadan önce inceler.
- Yanıtları değerlendirin. RFI'larda Enigma puan önerir, her tedarikçinin geçmişini getirir ve kısa liste önerir. RFQ'larda teklifleri satır satır karşılaştırır, sunulan ürünleri asgari şartnameye göre kontrol eder, fiyatları kendi satın alma geçmişinizle kıyaslar ve gerekçeleriyle birlikte sipariş dağılımı önerir. Kararı alıcı verir.
- Açıklamadan iş akışı oluşturun. Bir onay sürecini sade dille tanımlayın, WorkFish iş akışını yapay zekayla oluştursun. Ekip, oluşturulan kuralları devreye almadan önce inceler.
- Dosyalardan belge oluşturun. Satın alma talepleri, satın alma siparişleri, teslim alımlar ve tedarikçi faturaları yüklenen belgelerden oluşturulabilir; sözleşmeler satın alma sözleşme yönetimi için içe aktarılıp kalemlere ayrılabilir.
Tedarik, sözleşmeler ve siparişler tek bir iş akışında olduğundan Enigma ayrı tablolar yerine birbirine bağlı verilerle çalışır.
Sonuç: yapay zeka hazırlar, uzman karar verir
Yapay zeka satın almanın rutin tarafını üstlenebilir, ancak ticari kararları veremez. Yapay zekadan gerçek değer elde eden ekipler onu iyi işleyen bir süreç içinde yetkin bir asistan gibi kullanır: işinin nerede bittiğini ve insanın işinin nerede başladığını baştan netleştirir, kazandırdığı saatleri daha güçlü tedarikçi ilişkilerine ve daha isabetli tedarik kararlarına dönüştürürler.
Enigma'nın bir RFQ taslağı hazırlayıp teklifleri karşılaştırdığını, kararı ise ekibinizin verdiğini görün. Demo planlayın.
