1996 yılında Saudi Arabian Airlines'ın İstanbul ofisinde göreve başladığımda ortalıkta "dijital dönüşüm" diye bir kavram yoktu. Ay sonu kapanışı demek; Excel tabloları, klasörler dolusu fiziksel evrak ve telefonla teyit edilen rakamlar demekti. Bugün aynı işleri yapay zekâ destekli iş akışlarıyla otomatikleştiriyorum. Arada geçen 28 yıl bana teknolojinin ne yaptığından çok, neyi çözmesi gerektiğini öğretti. Bu yazıda o yolu ve otomasyon işine bakışımı nasıl şekillendirdiğini anlatıyorum.

Havayolu finansında bir ay sonu neye benzerdi?

Bölge finans sorumluluğu, dışarıdan göründüğünden çok daha geniş bir alanı kapsıyor. Aylık kâr-zarar analizi, satış raporlarının konsolidasyonu, bütçe kontrolü ve sapma analizi, alacak-borç takibi, bordro süreçlerinin gözetimi, banka talimatlarının yürütülmesi ve tüm bunların üst yönetime karar verilebilir bir formatta sunulması. Bir havayolu için bu iş, birden fazla para birimi, farklı ülkelerdeki acente yapıları ve merkeze karşı raporlama yükümlülüğü ile birlikte gelir.

İşin zor kısmı hesaplamalar değildi. Zor kısmı, verinin nerede olduğunu bilmek ve rakamların birbirini tutmasını sağlamaktı. Bir tarafta satış sistemi, diğer tarafta muhasebe kayıtları, bir başka tarafta banka ekstresi vardı. Ay sonlarında harcadığımız zamanın büyük bölümü hesap yapmaya değil, farkları bulup açıklamaya giderdi.

SAP dönemi: ne değişti, ne değişmedi

2000'li yılların başında SAP ERP'ye geçiş benim için dönüm noktası oldu. MM, Revenue ve Finance modüllerinde çalışırken teknolojinin iş süreçlerini nasıl dönüştürdüğünü ilk elden gördüm. Veri tek bir yerde toplanmaya başladı, süreçler standartlaştı, izlenebilirlik arttı.

Ama önemli bir şeyi de öğrendim: ERP kurmak, süreci düzeltmez. Sistem, kendisine anlatılan süreci hızlandırır. Süreç bozuksa, bozukluğu daha hızlı üretir. Kurumların ERP projelerinde yaşadığı hayal kırıklığının kaynağı çoğunlukla budur — yazılım satın alınır, ama işin nasıl yürüdüğü hiç sorgulanmaz. Bu ders, yıllar sonra otomasyon projelerinde bana defalarca lazım oldu.

Otomasyonun gerçekte çözdüğü şey

Otomasyon denince akla ilk gelen "veri girişinden kurtulmak" oluyor. Oysa kurumsal finansta asıl maliyet veri girişi değildir; mutabakat ve görünürlük eksikliğidir. Hangi faturanın hangi aşamada olduğunu bilmemek, bir rakamın neden değiştiğini açıklayamamak, aynı bilgiyi üç farklı yerde farklı görmek — zaman bunlarda kaybolur.

Bu yüzden bir sürece otomasyon önerirken ilk sorduğum soru "bunu nasıl otomatikleştiririz" değil, "bu süreçte kim neyi bilmediği için bekliyor" oluyor. Cevap genellikle sistemin neresine dokunulması gerektiğini de söylüyor.

2023 sonrası: aynı problemler, yeni araçlar

Aktif görevimden ayrıldıktan sonra yapay zekâ ve otomasyon tarafına geçtim. İlginç olan şu: karşılaştığım problemler 1996'dakilerden çok farklı değil. Bilgi hâlâ dağınık, paydaşlar hâlâ birbirinden habersiz, raporlar hâlâ elle derleniyor. Değişen tek şey, artık elimizde çok daha iyi araçlar olması.

Bugün üzerinde çalıştığım işler bu ihtiyaçların doğrudan karşılığı:

• n8n tabanlı iş akışları — sistemler arası veri aktarımı, bildirim ve raporlama zincirlerini otomatikleştirmek
• RAG tabanlı bilgi asistanları — uzun belgeleri okumak yerine sisteme soru sorup belgeye dayalı cevap almak
• Dashboard ve karar destek panelleri — çok paydaşlı süreçleri yüzdelik ilerleme ve yapılacak listeleriyle görünür kılmak
• Chatbot ve mesajlaşma entegrasyonları — bilgiyi kullanıcının zaten kullandığı kanala taşımak

Bakırköy'de yürüyen bir kentsel dönüşüm sürecini izlenebilir hale getirmek için kurduğum strateji paneli bunun tipik bir örneği. Birden fazla apartman, çok sayıda malik ve birbirini bekleyen ruhsat süreçleri vardı. Teknik problem değildi — görünürlük problemiydi.

Finans geçmişinin otomasyon işine kattığı üç şey

Süreç düşüncesi. Bir işi otomatikleştirmeden önce parçalarına ayırmak, hangi adımın gerçekten gerekli olduğunu sormak gerekiyor. Finansta bütçe sapması analiz etmek, tam olarak bunu yapmaktır.

Kontrol ve mutabakat refleksi. Otomasyon kurmak kolay, doğru çalıştığından emin olmak zordur. Finans disiplini size hiçbir rakama teyit etmeden güvenmemeyi öğretir. Bir yapay zekâ sistemi kurarken de aynı refleks gerekiyor: çıktı doğru görünüyor diye doğru değildir.

İş değeri odağı. Teknoloji tarafında çalışan çoğu kişi "yapılabilir mi" sorusuna odaklanır. Finanstan gelen biri önce "buna değer mi" diye sorar. Otomasyon projelerinde geri dönüşü olmayan işlere harcanan emek, en yaygın israf kalemi.

Sonuç

28 yıllık kurumsal finans deneyimini yapay zekâ ile birleştirmek, benim için kariyer değiştirmek değil; aynı problemleri nihayet doğru araçlarla çözebilmek anlamına geliyor. Bir işletmenin süreçlerinde kaybolan zamanı görebilmek için önce o süreçlerin içinde yıllar geçirmiş olmak gerekiyor.

Kendi süreçlerinizde benzer bir tıkanıklık varsa, iletişim bölümünden yazabilirsiniz. Otomasyon tarafının teknik detaylarını merak ediyorsanız n8n ile iş süreçlerini otomatikleştirmek yazısına göz atabilirsiniz.

When I started at Saudi Arabian Airlines' Istanbul office in 1996, "digital transformation" was not yet a phrase anyone used. Closing the month meant Excel sheets, folders full of physical paperwork, and figures confirmed over the phone. Today I automate the same work with AI-assisted workflows. The 28 years in between taught me less about what technology does and more about what it actually needs to solve.

What a month-end looked like in airline finance

District finance responsibility covers far more ground than it appears from outside: monthly profit-and-loss analysis, consolidation of sales reports, budget control and variance analysis, receivables and payables tracking, payroll process oversight, bank instruction flows, and presenting all of it to senior management in a form they can actually decide on. For an airline, this comes with multiple currencies, agency structures across countries, and reporting obligations to headquarters.

The hard part was never the arithmetic. The hard part was knowing where the data lived and making the numbers agree. Sales sat in one system, accounting entries in another, bank statements in a third. Most of our month-end time went into explaining differences, not calculating them.

The SAP years: what changed and what didn't

Moving to SAP ERP in the early 2000s was a turning point for me. Working across the MM, Revenue and Finance modules, I saw first-hand how technology reshapes a process: data consolidated, procedures standardised, traceability improved.

But I also learned something important: installing an ERP does not fix a process. The system accelerates whatever process you describe to it. If the process is broken, it produces the breakage faster. That is usually the root of disappointment in ERP projects — software gets purchased, but nobody questions how the work actually flows. Years later, that lesson kept resurfacing in automation projects.

What automation really solves

People assume automation is about escaping data entry. In corporate finance the real cost is not data entry; it is reconciliation and the lack of visibility. Not knowing which stage an invoice is at, being unable to explain why a figure moved, seeing the same information differently in three places — that is where time disappears.

So when I look at a process, my first question is not "how do we automate this" but "who is waiting here because they don't know something". The answer usually points straight at the part of the system worth touching.

After 2023: same problems, better tools

Since leaving my executive role I have worked on the AI and automation side. What strikes me is how familiar the problems are. Information is still scattered, stakeholders still work without visibility into each other, reports are still assembled by hand. The only thing that changed is the quality of the tools available.

• n8n workflows — moving data between systems and automating notification and reporting chains
• RAG knowledge assistants — asking a system a question instead of reading long documents, with answers grounded in those documents
• Dashboards and decision-support panels — making multi-stakeholder processes visible through progress percentages and task lists
• Chatbot and messaging integrations — delivering information through the channel people already use

A strategy panel I built to track an urban renewal project in Bakırköy is a typical example: several buildings, many owners, permit steps waiting on each other. It was never a technical problem — it was a visibility problem.

Three things a finance background brings to automation

Process thinking. Before automating anything you have to break it into steps and ask which step is genuinely necessary. Variance analysis in finance is exactly that exercise.

A reflex for control and reconciliation. Building automation is easy; being sure it works is hard. Finance teaches you never to trust a number you have not verified. The same reflex applies to AI systems: output that looks right is not therefore right.

Focus on business value. Most people on the technology side ask whether something can be built. Someone from finance asks first whether it is worth building. Effort spent on automation that never pays back is the most common form of waste in these projects.

Closing

Combining 28 years of corporate finance with AI is not a career change for me; it means finally being able to solve familiar problems with the right tools. To see where time disappears inside a company's processes, it helps to have spent years inside those processes.

If something similar is stuck in your own operation, you can reach me through the contact section. For the technical side, see automating business processes with n8n.