İş Zekası Panoları için AI Destekli Sözleşme KPI Çıkarma

Günümüzün veri odaklı işletmelerinde sözleşmeler artık statik hukuki belgeler değildir. İçlerinde Anahtar Performans Göstergeleri (KPI) — ödeme takvimleri, hizmet seviyesi hedefleri, yenileme tarihleri, ceza maddeleri ve daha fazlası — bulunur ve bunlar doğrudan geliri, riski ve operasyonel planlamayı etkiler. Ancak çoğu organizasyon hâlâ manuel incelemeye veya silo hâlindeki sözleşme yönetim sistemlerine güveniyor; bu da kritik KPI verilerinin gizli kalmasına ve yeterince kullanılmamasına yol açıyor.

Bu makale, yapay zekâ (AI) kullanarak sözleşme KPI’larını otomatik olarak nasıl çıkarabileceğinizi, veriyi nasıl temizleyip zenginleştirebileceğinizi ve bunları Power BI, Tableau veya Looker gibi modern İş Zekası (BI) platformlarına nasıl iteceğinizi gösteriyor. Sözleşme dilini yapılandırılmış ölçümlere dönüştürerek işletmeler, hukuki, finansal ve operasyonel alanlarda gerçek‑zamanlı görünürlük elde eder ve şunları sağlar:

• Daha hızlı uyum izleme
• Doğru finansal tahmin
• Proaktif risk azaltma
• Daha akıllı müzakere içgörüleri

Aşağıda teknik mimariyi, en iyi uygulama veri modellemeyi ve her türlü organizasyona uyarlanabilecek adım‑adım bir uygulama kılavuzunu (Startup olarak Contractize.app kullansanız da, eski sözleşme arşivlerine sahip bir kurumsal olsanız da) bulacaksınız.

Sözleşme KPI Çıkarma Neden Önemlidir

Bu veri noktalarını manuel çekmek hataya açıktır ve ölçeklenemez. AI‑tabanlı çıkarım, süreci otomatikleştirerek tutarlı, aranabilir ve güncel KPI veri setleri oluşturur; bu veri setleri doğrudan BI panolarınıza beslenir.

Çözümün Temel Bileşenleri

  flowchart TD
    A["Sözleşme Deposu (PDF, DOCX, HTML)"] --> B["AI Metin Çıkarma Motoru"]
    B --> C["KPI Tanımlama için NLP Modeli"]
    C --> D["Yapılandırılmış KPI JSON"]
    D --> E["Veri Normalizasyonu & Zenginleştirme"]
    E --> F["Veri Ambarı (Snowflake / BigQuery)"]
    F --> G["BI Aracı (Power BI / Tableau / Looker)"]
    style A fill:#f9f,stroke:#333,stroke-width:2px
    style G fill:#bbf,stroke:#333,stroke-width:2px

1. Belge Yükleme – Sözleşmeleri bir bulut depolama kovasından, CMS’den veya Contractize.app API’sinden alın.
2. AI Metin Çıkarma – Taralı PDF’ler için OCR (ör. Tesseract) kullanın, ardından bir dil modeli (OpenAI GPT‑4, Anthropic Claude vb.) ile tüm metni temiz bir dizeye dönüştürün.
3. KPI Tanımlama Modeli – KPI‑ile ilgili varlıkları (tarihler, para tutarları, yüzde oranları, SLA ölçümleri) etiketleyecek bir Adlandırılmış Varlık Tanıma (NER) modeli ince ayar yapın.
4. Yapılandırılmış Çıktı – Sözleşme başına bir JSON payload üretin, ör.:

{
  "contract_id": "C-2025-0142",
  "payment_terms": {
    "currency": "USD",
    "amount": 120000,
    "schedule": "Quarterly"
  },
  "renewal_date": "2026-12-31",
  "sla": {
    "availability": "99.9%",
    "response_time": "2h"
  },
  "penalty": {
    "type": "Liquidated Damage",
    "amount": 15000
  }
}

5. Normalizasyon & Zenginleştirme – Ham dizeleri tipli alanlara dönüştürün, para birimi kodlarını çözün, tarihleri UTC’ye taşıyın ve dış veri (ör. döviz kurları, satıcı risk puanları) ile zenginleştirin.
6. Ambar Yükleme – Temiz KPI tablosunu hızlı analitik için sütunlu bir ambara kaydedin.
7. BI Görselleştirme – Yaklaşan yenilemeleri, SLA uyum ısı haritalarını, ihlal maliyeti tahminlerini ve KPI eğilim analizlerini gösteren panolar oluşturun.

Adım Adım Uygulama Kılavuzu

1. Belge İşleme Hatlarını Kurun

• Depolama – Sürüm kontrolü açık bir S3 kovası (contract-archive/) kullanın.
• Tetikleyici – Yeni nesne oluşturulduğunda çalışan bir AWS Lambda (veya GCP Cloud Function) yapılandırın.
• Güvenlik – Kova okuma/yazma erişimini sınırlayan IAM politikaları uygulayın ve dinleme‑esnasında şifreleme zorunlu kılın.

2. AI Metin Çıkarma

import boto3, textract
from io import BytesIO

def extract_text(s3_key):
    s3 = boto3.client('s3')
    obj = s3.get_object(Bucket='contract-archive', Key=s3_key)
    raw = obj['Body'].read()
    # OCR için AWS Textract kullan
    response = textract.analyze_document(
        Document={'Bytes': raw},
        FeatureTypes=['TABLES', 'FORMS']
    )
    # Algılanan metin bloklarını birleştir
    text = " ".join([item['Text'] for item in response['Blocks'] if item['BlockType'] == 'LINE'])
    return text

İpucu – Yerel PDF/DOCX dosyaları için OCR atlanabilir; ham metin doğrudan dil modeline gönderilerek gecikme azalır.

3. KPI NER Modelini İnce Ayar Yapın

• Veri Kümesi – EntityRuler formatında 2.000 sözleşme maddesini etiketleyin; varlıklar PAYMENT_AMOUNT, RENEWAL_DATE, SLA_METRIC vb. olsun.
• Eğitim – spacy train komutunu bir transformer temelli model (örn. en_core_web_trf) ile çalıştırın.
• Değerlendirme – Doğrulama setinde F1 skoru ≥ 0.92 hedefleyin.

spacy train en kpi_ner ./train_data ./output --base-model en_core_web_trf --n-iter 20

4. Model Çıktısını Yapılandırılmış JSON’a Dönüştürün

def parse_kpis(text, nlp):
    doc = nlp(text)
    kpi = {"contract_id": None, "payment_terms": {}, "renewal_date": None,
           "sla": {}, "penalty": {}}
    for ent in doc.ents:
        if ent.label_ == "PAYMENT_AMOUNT":
            kpi["payment_terms"]["amount"] = float(ent.text.replace("$", ""))
        elif ent.label_ == "CURRENCY":
            kpi["payment_terms"]["currency"] = ent.text
        elif ent.label_ == "RENEWAL_DATE":
            kpi["renewal_date"] = ent.text
        elif ent.label_ == "SLA_AVAILABILITY":
            kpi["sla"]["availability"] = ent.text
        elif ent.label_ == "PENALTY_AMOUNT":
            kpi["penalty"]["amount"] = float(ent.text.replace("$", ""))
    return kpi

5. Veri Ambarına Yükleyin

CREATE TABLE contracts_kpi (
    contract_id STRING,
    currency STRING,
    payment_amount NUMERIC,
    payment_schedule STRING,
    renewal_date DATE,
    sla_availability STRING,
    sla_response_time STRING,
    penalty_amount NUMERIC,
    load_timestamp TIMESTAMP DEFAULT CURRENT_TIMESTAMP()
);

Platform bağımsız bir ELT aracı (ör. dbt) ile JSON payload’u tabloya upsert edin.

6. BI Panoları Oluşturun

a. Yenileme Zaman Çizelgesi

• Görselleştirme – Sözleşme sorumlularına göre yenileme tarihlerini gösteren Gantt çizelgesi.
• Uyarı – 30 gün içinde olan yenilemeleri vurgulamak için koşullu biçimlendirme.

b. SLA Uyumu Isı Haritası

  heatmap
    "Vendor A" : "99.5%" : "green"
    "Vendor B" : "97.8%" : "red"
    "Vendor C" : "99.9%" : "green"

• Metrik – Çeyrek bazında SLA ihlal yüzdesi.

c. Ceza Maliyeti Tahmini

• Grafik – Gerçekleşen ceza maliyetleri ile tahmini ceza maruziyetini yığılmış çubuk olarak göster.
• İçgörü – Yüksek ihlal riski taşıyan sözleşmeleri belirleyip proaktif önlem almayı sağlayın.

7. Uyarılar & Eylemler Otomasyonu

• Slack Bot – Yenileme ya da SLA ihlali riski taşıyan sözleşmelerin günlük özetini bir webhook ile gönderin.
• İş Akışı Motoru – Bir düşük‑kod aracı (Zapier, n8n vb.) ile KPI eşik aşımı olduğunda Asana veya Jira’da görev oluşturun.

En İyi Uygulamalar & Yaygın Tuzaklar

Başarıyı Ölçmek

1. Çıkarma Doğruluğu – Yüksek değerli KPI’lar (ödeme, yenileme) için %95 + kesinlik hedefleyin.
2. Zaman Tasarrufu – Manuel KPI toplama süresini sözleşme başına ~4 saatten < 5 dakikaya düşürün.
3. Uyum Görünürlüğü – Yenileme uyarılarına %100 kapsama ulaşın.
4. Finansal Etki – Erken SLA ihlali tespitiyle ortalama $12 K tasarruf (maliyet önleme) ölçün.

Bu metrikleri “Sözleşme KPI Sağlığı” panosunda izleyin ve paydaş geri bildirimine göre iyileştirin.

Gelecek Uzantıları

• Öngörü Analitiği – Tarihsel KPI eğilimlerini Prophet veya ARIMA gibi zaman serisi modelleriyle birleştirerek yenileme churn olasılığını tahmin edin.
• Contractize.app Entegrasyonu – Contractize arayüzünden tek tıkla “KPI’ları BI’ya Aktar” butonu ekleyin.
• Sesli İçgörüler – KPI API’sını bir sesli asistan (Alexa for Business) ile bağlayarak “Bir sonraki SaaS yenilemesi ne zaman?” gibi sorulara yanıt verin.

Sözlük (bağlantılı terimler)

• Yapay Zekâ (AI)
• Anahtar Performans Göstergesi (KPI)
• İş Zekası (BI)
• Hizmet Seviyesi Anlaşması (SLA)
• Genel Veri Koruma Yönetmeliği (GDPR)

İlgili

• Azure Cognitive Services ile Otomatik Sözleşme KPI Çıkarma
• Power BI’da Hukuki Operasyonlar İçin Gerçek‑Zamanlı Panolar Oluşturma
• Kurumsal Belge İşleme İçin OCR’un En İyi Uygulamaları
• Snowflake’da Hassas Sözleşme Verilerini Güvence Altına Alma
• OpenAI Cookbook: Dil Modellerinden Yapılandırılmış Çıktılar