AI Destekli Mali Analiz: Claude ile CFO Süreçleri

AI, CFO'ları değiştirmeyecek. Ama AI kullanan CFO'lar kullanmayanları geride bırakacak. Bloom Consulting, Türkiye'de Claude Partner Network'e kabul edilen ilk CFO danışmanlığı olarak AI'ı iş akışımızın merkezine yerleştirdik. Bu yazıda AI'ı nerede kullandığımızı, nerede kullanmadığımızı ve neden bu ayrımı yaptığımızı anlatıyoruz.

Neden Claude Partner Network

Claude Partner Network üyeliği, sadece bir teknoloji ortaklığı değil aynı zamanda sorumlu AI kullanımı konusunda bir taahhüttür. Mali veriler hassas olduğu için, hangi AI aracının hangi işte kullanılacağı özenle seçilmelidir. Bu seçim sürecini ajanlar sayfamızda daha detaylı anlatıyoruz.

Bu ortaklığın pratik bir sonucu, modelin sürüm değişikliklerinde bile analiz metodolojimizin tutarlı kalmasıdır; ajanlarımızın mantığı bir modele değil belirli bir sürece bağlıdır. Bu sayede alt yapı güncellendiğinde bile mali analizin kalitesi ve tutarlılığı korunur.

Nerede Kullanıyoruz, Nerede Kullanmıyoruz

Aşağıdaki tablo, AI'ı hangi süreçlerde kullandığımızı ve hangi süreçlerde bilinçli olarak kullanmadığımızı, gerekçeleriyle birlikte özetler.

Üç Ajanımız: NABIZ, PUSULA, KASA

NABIZ: Mali Sağlık Skoru

NABIZ, şirketin mali sağlığını tek bir skora indirger; likidite, karlılık ve borç yapısı gibi boyutları birleştirerek yönetim ekibine hızlı bir durum özeti sunar. Bu skor, KPI dashboard yazımızda bahsettiğimiz metrik setiyle birlikte okunduğunda daha anlamlı hale gelir.

NABIZ'ın çalışma mantığı şöyledir: mizan ve nakit akış verileri yerel olarak okunur, önceden tanımlanmış oran ve eşik değerleriyle karşılaştırılır ve her boyut için bir alt skor üretilir. Alt skorlar ağırlıklandırılarak tek bir genel skora dönüştürülür. Bu süreç saatler değil dakikalar sürer ve manuel olarak yapıldığında bir mali analistin tam bir gün ayırmasını gerektirecek bir işi kısaltır.

PUSULA: 13 Haftalık Nakit Modeli

PUSULA, önümüzdeki 13 haftanın nakit akışını haftalık bazda modelleyerek olası nakit sıkışıklıklarını erken tespit eder. Bu model, kısa vadeli operasyonel kararlar için özellikle değerlidir çünkü yıllık forecast'in gösteremeyeceği haftalık dalgalanmaları ortaya koyar.

Örneğin yıllık forecast'te nakit pozisyonu rahat görünen bir şirket, belirli bir haftada büyük bir tedarikçi ödemesi ile maaş ödemesinin çakışması nedeniyle o hafta özelinde nakit sıkıntısı yaşayabilir. PUSULA bu tür haftalık çakışmaları önceden görünür kılar ve yönetim ekibinin ödeme takvimini yeniden düzenlemesine zaman tanır.

KASA: Nakit ve Tahsilat Disiplini

KASA, tahsilat süreçlerini ve nakit disiplinini izleyerek gecikmiş alacakları ve ödeme risklerini öne çıkarır. Bu üç ajan birlikte çalıştığında, mali ekip günlük operasyonel verilerle boğuşmak yerine istisnalara ve kararlara odaklanabilir.

KASA ayrıca yatırım turu öncesinde data room hazırlığına da katkı sağlar; alacak yaşlandırma tablosu ve tahsilat performansı otomatik olarak derlenir, bu da yatırım turu öncesi mali hazırlık sürecinde manuel veri toplama süresini kısaltır.

Neden Yerel Çalışma Önemli

NABIZ, PUSULA ve KASA, kullanıcının kendi bilgisayarında Python ile yerel olarak çalışır ve veriler internete gönderilmez. Bu tasarım tercihi, özellikle mali verilerin gizliliği konusunda hassas olan şirketler için önemlidir; veri hiçbir zaman üçüncü taraf bir sunucuya çıkmadığı için veri güvenliği riski önemli ölçüde azalır.

Yerel çalışmanın bir diğer faydası da hızdır; veri bir sunucuya yüklenip işlenip geri indirilmediği için analiz sonuçları neredeyse anında üretilir. Ayrıca şirketler kendi iç veri yönetişim politikalarına uyum sağlamak zorunda olduğunda, verinin hiç dışarı çıkmaması bu uyum sürecini büyük ölçüde basitleştirir.

AI'ın Sınırları ve İnsan Denetimi

AI çıktıları her zaman deneyimli bir mali uzman tarafından gözden geçirilir. Özellikle bağlam gerektiren yorumlarda (örneğin bir gider artışının mevsimsel mi yoksa yapısal mı olduğu) AI yanlış sonuca varabilir. Bu nedenle Bloom'da AI hiçbir zaman son karar mercii değildir; her zaman bir insan onayı sürecin sonunda yer alır.

AI'ın Zayıf Olduğu Alanlar

• Uzun vadeli stratejik bağlam gerektiren yorumlar; örneğin bir pazar değişiminin şirket üzerindeki etkisi
• Kişilerarası dinamikleri içeren durumlar; örneğin bir ortaklık anlaşmazlığının mali sonuçları
• Nadiren görülen, örüntüsü olmayan tek seferlik olaylar
• Yasal ve düzenleyici yorum gerektiren konular; bu alanlarda uzman görüşü şarttır

AI Kullanımında Yönetişim

AI araçlarının hangi süreçlerde kullanılacağı ve kimin denetleyeceği önceden tanımlanmış bir yönetişim çerçevesi gerektirir. Bloom'da her AI destekli çıktı, yayınlanmadan önce bir kıdemli mali danışman tarafından onaylanır. Bu adım, hem hata riskini azaltır hem de müşteriyle olan güven ilişkisini korur.

Yönetişim çerçevesi ayrıca hangi verilerin AI araçlarına verilebileceğini de tanımlar. Kişisel veri veya son derece hassas ticari bilgi içeren belgeler, mümkün olduğunca yerel işlenen araçlarla (NABIZ, PUSULA, KASA gibi) ele alınır, bulut tabanlı genel amaçlı araçlara gönderilmez.

İlk 30 Günde AI Entegrasyonu Nasıl Yapılır

Bir müşteriyle çalışmaya başlarken ilk 30 gün, hangi süreçlerin AI ile hızlandırılabileceğinin belirlenmesine ayrılır. İlk hafta mevcut mali süreçler haritalanır, ikinci hafta hangi adımların tekrarlayan ve kural bazlı olduğu belirlenir, üçüncü hafta NABIZ ve PUSULA kurulumu yapılır, dördüncü hafta ise ilk çıktılar mali ekiple birlikte gözden geçirilerek kalibre edilir.

Bu süreçte sık yapılan bir hata, AI'ı henüz veri kalitesi düşük olan bir şirkette devreye almaktır. AI, düzensiz veya eksik veriden anlamlı sonuç üretemez; bu nedenle entegrasyon öncesinde temel veri temizliğinin (tutarlı hesap planı, güncel mizan) tamamlanmış olması gerekir.

Pratikte Ne Değişti

AI entegrasyonu sonrasında rutin analiz işlerine harcanan süre azaldı ve mali ekip, runway hesaplama gibi daha stratejik konulara daha fazla zaman ayırabilir hale geldi. Bu değişimi hangi paketlerde nasıl sunduğumuzu paketler sayfamızdan inceleyebilirsiniz.