SAP ve Azure’da Yeni AI Dönemi: Kurumsal Akıl Nereye Gidiyor?
Kurumsal dünyada AI konuşuluyor da, işin aslı şu ki herkes aynı yere takılıyor: “Bu şey gerçekten üretime girer mi?” Demo çok, POC çok, slide deck de böl (evet, doğru duydunuz). ama SAP gibi omurgayı taşıyan sistemlerde iş biraz sertleşiyor. Ben 20+ yıldır — en azından ben öyle düşünüyorum — bu tarafta dolaşırken şunu defalarca gördüm: şirketler yapay zekâyı CRM’in üstüne bir oyuncak gibi ekleyince heyecan kısa sürüyor; ama veri, güvenlik, süreç ve yetki katmanını birlikte ele alınca tablo değişiyor. Microsoft ile SAP’nın Azure üzerindeki yeni duyurularını okurken aklıma ilk gelen de buydu (ben de ilk duyduğumda şaşırmıştım)
En çok da ERP tarafında AI artık “güzel olur” seviyesini geçti. Satın alma onayı, stok optimizasyonu, finans kapanışı, bakım planı… bunların hepsi agent mantığıyla yeniden kurulmaya başladı. Ha bu arada, burada bahsettiğimiz şey sadece sohbet eden bir bot değil; iş bağlamını anlayan, kuralları bilen. Gerektiğinde aksiyon alan bir katmandan söz ediyoruz. Bu da bence işin hayatı kısmı.
Geçen sene Kasım 2025’te İstanbul’da bir üretim firmasında benzer bir tartışma yaşadık (inanın bana). CIO bana şunu dedi: “Bizim kullanıcı ChatGPT’den hoşlanıyor. SAP fişini yanlış açarsa kıyamet kopar.” Tam da mesele bu. Kurumsal AI’ın başarısı, parlak arayüzden çok daha fazla şey istiyor. Sız hiç denediniz mi? Yetki modeli sağlam olacak, veri kaynağı net olacak, iz bırakacak ve gerekirse geri alınacak.
Bakın, burayı atlarsanız yazının kalanı anlamsız kalır.
AI neden artık ERP’nın merkezine oturuyor?
SAP tarafı yıllardır süreç disiplininin sembolüydü. Microsoft’un Azure ile anlattığı — kendi adıma konuşayım — yeni yaklaşımda işe bunun üstüne bir de “akıllı karar verme” katmanı ekleniyor. Bence güzel taraf şu: AI artık dışarıdan eklenen ayrı bir servis gibi değil, işin doğal parçası olmaya başlıyor. Yanı kullanıcı Excel açmadan ya da farklı sekmeler arasında zıplamadan bilgiye erişebiliyor.
Bir bankacılık projesinde 2024’ün başında bunu küçük ölçekte denemiştik. Finans operasyon ekibi için ödeme anomali tespiti yapıyorduk. İlk versiyonda model doğruydu ama süreç içine gömülü değildi; dolayısıyla kimse günlük iş akışında kullanmadı (şaşırtıcı ama gerçek). İkinci versiyonda uyarıları doğrudan iş kuyruğuna bağladık ve tablo değişti. İşte SAP + Azure hikâyesi de bana göre tam burada değer kazanıyor: teknoloji tek başına değil, sürecin içinde anlamlı oluyor.
Gel gelelim her güzel fikrin bir maliyeti var. Enterprise ortamda AI’yı ölçeklemek startup’taki kadar romantik olmuyor. Küçük ekiplerde tek bir veri platformu ve birkaç entegrasyonla yürüyebilirsiniz; ama büyük kurumlarda rol bazlı erişim, loglama, data residency ve uyumluluk işleri hemen masaya geliyor. Burada Azure’un global altyapısı iyi dürüyor ama tasarım hatası yaparsanız pahalıya patlar… bayağı pahalıya.
Çok konuştum, örnekle göstereyim.
Microsoft IQ: “Akıllı” demek yetmiyor
Duyuruda geçen Microsoft IQ fikri benim ilgimi çekti (en azından benim deneyimim böyle) — bence çok yerinde bir karar —. Çünkü yıllardır müşterilere şunu anlatıyorum: Yapay zekâ ancak bağlam varsa işe yarıyor. Bağlam yoksa hızlı cevap veren ama yanlış yönlendiren biri gibi davranıyor; hani toplantıda özgüvenli konuşup sonra yanlış tabloyu açan arkadaş vardır ya… aynen öyle.
Microsoft IQ’nun üç boyutlu yaklaşımı — insanların nasıl çalıştığı, işin nasıl yürüdüğü. Bilginin nasıl ortaya çıkarıldığı — kâğıt üstünde fena görünmüyor. Ama pratikte bunun karşılığı çok net olmalı: hangi veri okunuyor, hangi politika uygulanıyor, hangi aksiyon öneriliyor? Eğer bunlar görünmezse enterprise müşteri güvenmez.
AZ-305 sınavına hazırlanırken mimariyi hep katmanlara ayırarak düşünürdüm: kimlik, ağ, veri, uygulama. Gözlemlenebilirlik. Burada da aynı refleks lazım. SAP verisi ayrı yerde dürüyor diye düşünmeyin; kimlik entegrasyonu bozuksa agent kapıya bile yaklaşamaz. Bir de şu var: model güzel çalışsa bile audit izi yoksa uyum ekipleri sizi beş dakikada durdurur. Bu konuyla ilgili Visual Studio Mayıs Güncellemesi: Planla, Gözden Geçir, İyileştir yazımıza da göz atmanızı tavsiye ederim.
| Kriter | Küçük ekip | Büyük kurumsal yapı |
|---|---|---|
| Veri hazırlığı | Hızlı başlanır | Data governance şart |
| Güvenlik | Sade RBAC yeterli olabilir | PIM, koşullu erişim, ayrıntılı log gerekir |
| Maliyet kontrolü | Düşük hacimde yönetilebilir | FinOps olmadan kontrol zorlaşır |
| Zamanlama | Pilot hızlı çıkar | Süreç uzar ama sürdürülebilir olur |
Üretime geçişte en zor kısım: güvenmek kadar denetlemek de gerekiyor
Açık konuşayım; AI projelerinin çoğu ilk haftalarda gayet umut verici görünüyor sonra dağılıyor çünkü üretim gerçekleri acımasız oluyor (yanlış duymadınız). Prompt injection riski var mı? Var. Veri sızıntısı ihtimali? Var. Agent beklenmedik aksiyon alabilir mi? Evet alabilir! O yüzden güvenlik tasarımı sonradan eklenen aksesuar değil; temel taşı olmalı.
Şöyle söyleyeyim, Geçen Mart 2026’da Logosoft’ta enerji sektöründen bir müşteriyle çalışırken bunu birebir gördük. Deneme ortamında harika çalışan belge özetleme akışı canlıya çıkınca izin problemi yüzünden kilitlendi; çünkü test hesabının göremediği klasörleri agent sorguluyordu ve sonuçlar eksik geliyordu. Sorunu çözmek için veri erişimini kullanıcı bağlamıyla eşledik ve olay düzeldi… basit görünüyor ama atlanınca günler kaybettiriyor. Hosted Agents: Agent’lar İçin Güvenli ve Ölçekli Bulut yazımızda bu konuya da değinmiştik.
Bence Microsoft’un bu alanda iyi yaptığı şeylerden biri güveni merkeze koymasıdır. Yine de dürüst olayım: bazı entegrasyon hikâyeleri hâlâ ham hissediyor. Bilhassa de karmaşık ERP manzaralarında “hemen çalışsın” beklentisi çoğu zaman hayal kırıklığı yaratır. Biraz pişmesi lazım; enterprise böyle bir yer çünkü sabırsızlık affetmez.
Kurumsal AI’ın sırrı model seçmekten çok daha fazlasıdır; doğru veri zemini yoksa en iyi model bile ofis sohbetinden öteye gidemez.
Nereden başlamalı?
Lafı gevelemeden söyleyeyim: önce kullanım senaryosunu küçültün. Tüm finans sürecini otomatikleştirmeye kalkmayın; örneğin sadece tedarikçi faturası sınıflandırma veya sipariş istisna analizi ile başlayın.
Daha sonra kimlik tarafını oturtun:
- Entra ID ile tekil kimlik doğrulama kurun.
- SAP rol haritalarını gözden geçirin.
- Ajanın okuyabileceği veri setlerini daraltın.
İnanın, Eğer bütçe kısıtlıysa pahalı tam kapsamlı kurgu yerine önce raporlama destekli bir yardımcı ajan deneyebilirsiniz. Küçük startup’ta bunu hafif mimariyle halledersiniz; enterprise tarafta işe politikalar yüzünden daha yavaş ilerlersiniz ama uzun vadede kazanç daha büyük olur.
Maliyet meselesi: TL bazında bakınca ne değişiyor?
E tabi herkes teknik taraftan bahsediyor ama bütçe kapıya dayanmasa konuşmak kolay olurdu! Türkiye’de özellikle döviz kuru oynakken AI projelerinin maliyet algısı büyük ölçüde değişiyor… Bir servis ABD fiyat listesinde makul görünürken TL’ye çevrilince CFO’nun kaşı kalkıyor.
Dürüst olmak gerekirse, Kendi danışmanlık işlerimde sık gördüğüm şey şu öldü: müşteriler ilk etapta modeli seçmeye odaklanıyor fakat asıl para veri transferinde, saklamada ve işlem sayısında gidiyor olabilir azıcık dikkat etmek gerekir aslında dur şöyle anlatayım—agent çağrı sayısını düşürmek için önbellekleme koyarsanız faturayı baya aşağı çekersiniz. Daha fazla bilgi için Kubernetes v1.36: Haru ile Gelen Sakın Güç yazımıza bakabilirsiniz.
# Basit değerlendirme mantığı
Toplam Maliyet = Model çağrıları + Veri saklama + Ağ trafiği + İzleme + İnsan operasyonu
Eğer kullanım sıklığı düşükse:
- Tam otomasyon yerine yarı otomatik akış seç
- Gereksiz LLM çağrılarını azalt
- Kapsamlı RAG yerine dar veri kümesi kullan
- Log retention süresini ihtiyaca göre ayarla
Sahadaki derslerim: üç kısa not
2019’da Ankara’daki bir hosting müşterisinde otomasyon kurarken öğrendiğim şey hâlâ geçerliydi: teknoloji iyi olsa da insan alışkanlığı değişmiyorsa proje yarım kalıyor. 2023’te İzmir’deki bir perakende şirketinde işe küçük bir öneri motoru sayesinde satın alma ekibinin manuel kontrol yükünü azalttık; orada başarıyı getiren şey modelden çok süreç sahipliği öldü. 2026 Şubat ayında İstanbul Finans Merkezî’nde görüştüğüm başka bir ekipteyse ana sorun performans değildi; açıklanabilirlikti. “neden bu öneriyi verdi?” sorusuna net cevap vermek gerekiyordu. azure konusundaki yazımız yazımızda bu konuya da değinmiştik.
Peki fayda ne?
Bence en büyük artı hız değil yalnızca (ciddiyim). karar kalitesiyle hızın aynı anda artabilmesi diyelim buna.fakat dezavantaj da net: kontrol etmediğiniz yerde risk büyür.Mesela klasik BI raporunda hata görürsünüz. Agent yanlış karar verdiyse etki daha geniş olur.Burada dengeyi iyi kurmak lazım! Daha fazla bilgi için Azure Cosmos DB Conf 2026: Benim Gözümden Asıl Mesaj yazımıza bakabilirsiniz.
Büyük resim: SAP ile Azure neden güçlü kalmaya devam ediyor?
SAP’nın süreç derinliği ile Microsoft Cloud’un ölçeklenebilirliği birleşince ortaya oldukça sağlam bir kombinasyon çıkıyor.Ben bunu eski usül marangoz tezgâhına benzetiyorum:Sap sistemi ölçüyü verir,Azure işe işi seri hâle getirir.Akıl katmanı da üstüne konunca ortaya başka bir oyun çıkıyor.Tabi her zaman mükemmel olmuyor (inanın bana). Tahmin eder mısınız? Yön doğru görünüyor.
Ajan tabanlı yapılar büyüdükçe governance konusu daha da önem kazanacak.Bu yüzden Agent Governance Toolkit tarzı yaklaşımları ben faydalı buluyorum.Ha,bir de Copilot etkisi var;kullanıcı beklentisini yükseltti.Artık kimse sadece dashboard istemiyor,onun yerine “benim adıma ne yaptın?” diye soruyor.Bu soru hiç hafife alınmasın!
Sıkça Sorulan Sorular
SAP on Azure’da AI için illâ büyük bir dönüşüm mü şart?
Hayır, küçük başlayabilirsiniz. Aslında en mantıklı yol tek bir iş sürecini seçip önü iyileştirmek. Pilot başarılı olursa ölçeklendirmek çok daha kolay oluyor.
Ajan tabanlı AI ile klasik chatbot arasındaki fark ne?
Klasik chatbot hani soru-cevap odaklı çalışıyor. Ajan işe bağlamı alıyor, gerekirse araç çağırıyor ve işlem başlatabiliyor. Yanı iş yapan tarafa çok daha yakın, bence bu fark oldukça kritik.
Bütçe kısıtlıysa nereden başlamalı?
Düşük riskli, sınırlı geniş bir kullanım senaryosu seçin. Mesela rapor özeti, fatura sınıflandırma veya destek talebi triage iyi bir başlangıç noktası olabilir. Açıkçası kapsam genişletme konusunda aceleci olmamak çok önemli (ki bu çoğu kişinin gözünden kaçıyor)
Türkiye’de en büyük zorluk ne?
Hani, Bana göre iki şey öne çıkıyor: maliyet algısı ve veri hazırlığı. Döviz bazlı servisler pahalı görünebiliyor, ayrıca tecrübeme göre birçok kurumda veri standardizasyonu henüz tam oturmamış oluyor. Ekibe önce bu ikisini anlatmak gerekiyor.
Kaynaklar ve İleri Okuma
Aslında, Orijinal Microsoft Azure blog yazısı
Azure üzerinde SAP mimarı rehberi
Azure AI Services resmî dokümantasyonu
20+ yıl deneyimli Azure Solutions Architect. Microsoft sertifikalı bulut mimari ve DevOps danışmanı. Azure, yapay zekâ ve bulut teknolojileri üzerine Türkçe teknik içerikler üretiyor.
İlgili Yazılar
Bu içerik işinize yaradı mı?
Benzer içerikleri kaçırmamak için beni sosyal medyada takip edin.
Yorum gönder