İki Araç, Farklı İşler
RPA da AI agent da işi otomatikleştirir, ama farklı problemleri çözerler ve yanlış seçim size aylara mal olabilir.
RPA bir script'tir. Adımları siz tanımlarsınız (buraya tıkla, bunu kopyala, şuraya yapıştır) ve bot her seferinde aynısını yapar. Kendi yorumunu katmaz. UI değiştiğinde ya da beklenmedik bir veri geldiğinde bozulur. Ama bu katılığın bir faydası var: çalıştığı sürece aynı işi %100 tutarlılıkla yapar.
AI agent karar verir. Ona bir hedef verirsiniz, adımları kendisi bulur. Yapılandırılmamış veriyi okuyabilir, istisnaları ele alabilir ve beklenmedik bir durum çıktığında yolunu değiştirebilir.
RPA Ne Zaman Kazanır?
Süreç tahmin edilebilir ve tekrarlayan türdense doğru seçim RPA'dır:
- API'si olmayan sistemler arasında veri taşıma
- Standart şablonlardan fatura işleme
- Aynı kaynaklardan haftalık rapor üretme
- Çalışan onboarding kontrol listelerini yürütme
- Mevzuat uyumluluk evraklarını doldurma
Bunların hepsinde girdi formatı, adımlar ve çıktı her çalıştırmada aynıdır.
Zapier, Make ve n8n gibi no-code automation platformları, temel RPA tarzı iş akışlarını teknik olmayan ekiplerin kendi başına kurabileceği hâle getirdi. Süreciniz basit bir tetikleyici-eylem kalıbına uyuyorsa, bu araçlarla çoğu zaman tek satır kod yazmadan bir öğleden sonrada kurup çalıştırabilirsiniz.
Bir kart baskı firması için RPA iş akışı kurduk. ERP'den sipariş verisini çekiyor, kargo etiketlerini formatlıyor ve fulfillment sistemine gönderiyor. Günde 800+ kez çalışıyor ve devreye alındığından beri tek hata vermedi.
AI Agent Ne Zaman Kazanır?
Girdiler karmaşık olduğunda ve karar gerektiğinde AI agent maliyetini hak eder:
- Destek taleplerini anahtar kelimelerle yetinmeden niyete göre yönlendirme
- Tutarsız formatlardaki dokümanları analiz etme
- Üretim verisinde anomali tespiti
- Değişken yolları olan çoklu sistem orkestrasyonu
Anahtar kelimeye dayalı ticket yönlendirme %70 civarında doğruluk verir. Bağlamı okuyan, hesap geçmişine bakan ve mesajın tonunu anlayan bir AI agent ise %90'ın üstüne çıkar.
Agentic AI tarafında LangChain gibi framework'ler ve OpenAI'ın GPT-4'ü gibi büyük dil modelleri, bu tür karar veren sistemleri kurmayı çok daha pratik hâle getirdi. Prompt'lar iyi yazıldığında (prompt engineering), AI workflow orchestration ile kurulan bu sistemler iki yıl önce mümkün olmayan çok adımlı muhakemeyi yürütebiliyor.
Hızlı Karar Testi
Girdiniz ne kadar yapılandırılmış? Her seferinde aynı formatta geliyorsa RPA. Format ciddi biçimde değişiyorsa agent gerekir.
Kaç yargı kararı var? Hiç yoksa ya da bir taneyse RPA yeter. Üç ya da daha fazlaysa agent kullanın.
Bir şey ters gittiğinde ne olmalı? Cevap "dur ve insana haber ver" ise RPA yeterli. Sorunu kendisi çözüp devam etmesi gerekiyorsa agent lazım.
Hibrit Genelde Doğru Cevap
Gerçek süreçlerin çoğunda hem yapılandırılmış hem karmaşık bölümler vardır, bu yüzden iyi bir otomasyon genellikle iki aracı birlikte kullanır.
Fatura işlemeyi ele alalım. Faturalar PDF, görsel ya da e-posta eki olarak ve her biri kendi formatında gelir. AI agent bunları normalleştirip veriyi çıkarır. Sonrası yapılandırılmış iştir: PO eşleştirme, muhasebe kaydı ve onay yönlendirmesi RPA'nın alanına girer.
Aynı ayrım birçok süreçte karşımıza çıkar:
- Agent gelen veriyi sınıflandırır, RPA onu sabit iş akışlarından geçirir
- RPA birkaç sistemden veri toplar, ardından agent analiz edip öneride bulunur
- Agent müşteriyle konuşurken RPA arka plandaki operasyonları yürütür
Bütçe Yakan Hatalar
Akış şeması problemine AI kullanmak. Bütün süreci bir karar ağacı olarak çizebiliyorsanız agent yalnızca maliyet ekler.
Bakımı unutmak. RPA botları UI güncellendiğinde bozulur, agent'lar da veri kalıpları değiştikçe sapar. Her yıl kurulum maliyetinin %15-20'sini bakıma ayırın.
Bozuk süreci otomatikleştirmek. Kötü kurulmuş bir iş akışını otomatikleştirdiğinizde araç onu düzeltmez, aynı karmaşa daha hızlı yürür. Otomasyona geçmeden önce akışı düzeltin.
Nereden Başlamalı
Sürecinizi haritalayın ve yapılandırılmış bölümün nerede bitip karmaşık bölümün nerede başladığını bulun. Hangi aracın nereye oturacağını bu sınır gösterir. İlk sonuçlar çoğu zaman tekrarlayan görevlerdeki RPA'dan gelir. Agent'lar daha sonra, script'lerin başa çıkamadığı işler için devreye girer.