Mali Müşavirler için AI Araç Seti: Neyi Devredebilirsiniz?

Bir mali müşavir bürosunda yapay zekanın devralabileceği iş, sanıldığının aksine muhasebe değil. Muhasebe zaten yazılımda ve otuz yıldır orada. Devredilebilir olan şey, yazılıma girmeden önceki ve sonraki kaos: evrağın toplanması, eksiğin takibi, mükellefin aynı soruyu üçüncü kez sorması, beyanname öncesi son kontrol.

Bu ayrımı yapmadan alınan her araç kararı yanlış yerden başlıyor. Bir mali müşavir yazılımı almak defter tutma sorununuzu çözer; büronuzun asıl zaman kaybı ise defterin dışında, telefonun ve WhatsApp'ın içinde yaşıyor.

Aşağıda beş adım var, bilinçli olarak risk sırasına göre dizildi: en düşük riskli ve en hızlı kazandıran adımdan başlayıp, meslek mensubunun asla gözü kapalı güvenmemesi gereken adımla bitiyor. Muhasebe tarafındaki teknik akışın kendisini daha önce fatura okuma ve mutabakat yazımızda ele almıştık; bu yazı büronun operasyonuna bakıyor. Sektör genelinde yapay zekanın nereye oturduğunu görmek için 2026 sektör haritamıza bakabilirsiniz.

Bir müşavir kaç mükellefe bakıyor?

Resmi bir “müşavir başına ortalama mükellef” istatistiği yok, ama iki resmi veriden kaba bir üst sınır çıkarılabilir. TÜRMOB verilerine göre Ocak 2026 itibarıyla toplam ruhsatlı meslek mensubu sayısı 136.685; bunların 59.958'i aktif olarak serbest çalışan SM ve SMMM. GİB'in Mayıs 2026 verilerinde gelir vergisi faal mükellef sayısı 2.985.613, kurumlar vergisi 1.254.184.

Bu iki rakamı bölünce müşavir başına yaklaşık 71 mükellef çıkıyor. Bunu resmi bir istatistik olarak değil, iki resmi veriden türetilmiş kaba bir oran olarak okuyun: mükelleflerin bir kısmı kendi muhasebesini tutuyor, bir kısmı bağımlı çalışan meslek mensuplarının portföyünde. Gerçek ortalama bundan düşük. Yine de büyüklük mertebesi doğru ve bir şeyi net gösteriyor: bir kişinin onlarca mükellefin evrak akışını elle takip etmesi bekleniyor.

İkinci bir veri daha var, dikkat çekici: gelir vergisi faal mükellef sayısı 2026'nın ilk yarısında ocaktan hazirana yaklaşık 19 bin azaldı. Yani portföy büyümüyor, ama mevzuat yükü büyüyor. e-Belge kapsamı her yıl genişliyor, e-Defter berat takvimi sıkışıyor, beyanname dönemleri üst üste biniyor. Kapasite sorunu buradan doğuyor.

Devlet zaten yapay zeka kullanıyor, mesele asimetri

Vergi Denetim Kurulu'nun KURGAN sistemi, e-Fatura, e-Defter, e-Arşiv ve diğer elektronik belgeler ile Dijital Vergi Dairesi kayıtlarını büyük veri yöntemleriyle tarıyor, işlemlere risk skoru veriyor ve şüpheli gördüğü durumda mükelleften izahat isteyen yazıyı gönderiyor. Tarama günlük çalışıyor.

Tablo şu: karşı taraf otomatik ve sürekli çalışan bir analiz sistemi kullanıyor, müşavir tarafında ise kontrol hâlâ büyük ölçüde göz ve deneyimle yapılıyor. Bu asimetri, büroda yapay zeka kullanımının en güçlü gerekçesi. Devletin bulacağı tutarsızlığı beyannameden önce kendiniz bulmak, sistem karşısındaki en pratik savunma. KURGAN'ın işletmeleri hangi hatalarda riskli gösterdiğini ayrı bir yazıda tek tek incelemiştik.

Beş adım, en düşük riskliden en yükseğe

1. Evrak eksik takibi

En düşük riskli ve en çok ertelenen adım. Hangi mükellef bu ay ne gönderdi, ne göndermedi, hangi belge eksik, kime kaçıncı kez hatırlatma gitti. Bu iş büyük ölçüde yapay zeka bile gerektirmiyor; bir kural motoru ve otomatik hatırlatma akışıyla çözülüyor. Yapay zeka yalnızca gelen belgenin ne olduğunu sınıflandırmada devreye giriyor.

Sahada gördüğümüz tablo şu: bu adımı atlayıp doğrudan fatura okuma otomasyonuna geçen bürolar, eksik evrak kaosunu otomatikleştirilmiş halde yaşamaya devam ediyor. Sıralamayı ters kurmak, kazancın büyük kısmını masada bırakıyor.

2. Mükellef sorularına ilk yanıt

Bir bürodaki telefon trafiğinin önemli bir kısmı üç sorudan oluşuyor: belgemi aldınız mı, bu ay ne kadar ödeyeceğim, son gün ne zaman. Üçü de durum sorgusu, üçü de büro sisteminizdeki veriden cevaplanabilir. WhatsApp üzerinden çalışan bir asistan bu trafiği alır.

Sınır burada keskin çizilmeli: asistan durum ve tarih sorularını yanıtlar, tutar hesabı yapmaz ve mevzuat yorumlamaz. Bu ikisi beşinci maddenin konusu ve orada işler değişiyor.

3. Fotoğraf ve PDF'ten veri çıkarma

Mükellefin WhatsApp'tan attığı fiş fotoğrafı, taranmış gider pusulası, e-posta ekindeki PDF fatura. Optik karakter tanıma ile büyük dil modellerini birlikte kullanan araçlar bu belgelerden unvan, VKN, tarih, matrah, KDV ve toplam alanlarını çıkarabiliyor.

Doğruluk beklentisini gerçekçi kurmak lazım. 2026'da 200 gerçek fatura üzerinde beş aracı karşılaştıran bir testte alan bazlı doğruluk yüzde 65 ile yüzde 99 arasında değişti. Düzenli, bilgisayarda üretilmiş PDF'lerde sonuç yüzde 100'e yaklaşıyor; değişken düzenli, fotoğrafla çekilmiş, termal baskısı solmuş belgelerde ciddi biçimde düşüyor. Türkçe belgeler üzerinde yapılmış bağımsız bir ölçüm ise bulunmuyor, dolayısıyla Türkçe fiş ve gider pusulası için elimizde rakam yok.

Asıl mesele şu hesapta: alan bazlı doğruluk yüzde 95 olsa bile, bir faturada altı kritik alan varsa belgenin tamamının doğru okunma olasılığı yaklaşık yüzde 74'e iner. Yani yapay zeka kayıt yapmaz, kayıt taslağı yapar. Kazanç veri girişinin ortadan kalkmasında değil, veri girişinin veri onayına dönüşmesinde.

4. Beyanname öncesi anomali kontrolü

Bu, listedeki en yüksek getirili ve halüsinasyon riski taşımayan adım, çünkü büyük dil modeline değil kural tabanlı ve istatistiksel kontrollere dayanıyor: mükerrer fatura, VKN tutarsızlığı, KDV oranı sapması, bir önceki dönemle karşılaştırıldığında anlamsız duran kalemler, hesap planında beklenmedik yerlere düşmüş kayıtlar.

Mantığı yukarıdaki asimetriyle birebir aynı: KURGAN aynı veriye zaten bakıyor. Aynı bakışı beyannameyi imzalamadan önce kendiniz kurun.

5. Mevzuat sorgusu, yani en riskli adım

Buradan itibaren dikkatli olmak gerekiyor. Stanford Üniversitesi RegLab ekibinin 2024 tarihli çalışması, hukuk alanında “halüsinasyonsuz” diye pazarlanan ve arama destekli üretim (RAG) mimarisi kullanan iki büyük ticari aracı test etti. Sonuç: sorguların yüzde 17 ile yüzde 33'ünde halüsinasyon üretildi. Aynı çalışmada genel amaçlı sohbet botlarının hukuki sorgulardaki halüsinasyon oranı yüzde 58 ile yüzde 80 arasında çıktı.

Kendi mevzuat arşivinizi (tebliğler, özelgeler, oda sirkülerleri, geçmiş yazışmalarınız) bir RAG kurgusuyla bağlamak durumu iyileştirir; ölçümler halüsinasyonun yüzde 40'ın üzerinde azaldığını gösteriyor. Ama sıfırlamıyor. Arama katmanı doğru belgeyi bulsa bile üretim katmanı yanlış cümle kurabiliyor.

Pratik kural: modele mevzuat sormak arama yapmak değil, taslak üretmektir. Çıkan her sonucun Resmî Gazete ya da GİB kaynağına bağlanması ve meslek mensubunca doğrulanması şart. Bir müşavir için bu, ekstra bir güvenlik önlemi değil, işin tanımı.

Mali müşavir yazılımı pazarı yapay zekayı nereye koydu?

Dürüst cevap: iddia çok, doğrulanabilir ürün az. Piyasadaki büro ve ön muhasebe programlarının pazarlama metinlerinde “yapay zeka destekli” ifadesi yaygınlaştı, ancak birinci elden ürün duyurusuyla doğrulanabilen örnek sınırlı. Doğrulayabildiğimiz somut örneklerden biri Logo Yazılım'ın masraf yönetimi ürünü; fiş ve fatura verisini manuel müdahale olmadan sisteme aktardığını duyuruyor. Müşavir bürosuna özel niş çözümler (belge tarama, mükellef takip platformları) de var, ama hiçbirinin bağımsız doğruluk testi yayımlanmış değil.

Pratik tavsiye: satıcınıza doğrudan üç soru sorun. Hangi belge tiplerinde çalışıyor, hangi doğruluk ölçümüne dayanıyor, verim nerede işleniyor ve saklanıyor. Üçüncü sorunun cevabı bir sonraki bölümün konusu.

Meslek birliği tarafında dikkat çekici bir gelişme de var: TÜRMOB, 31 Ağustos 2026'da başlayan, 21 ders saatlik çevrimiçi bir “Temel Yapay Zeka Kullanım Eğitimi” düzenliyor. Program dört modülden oluşuyor ve modüllerden biri doğrudan n8n ile iş süreçleri otomasyonuna ayrılmış. Yani konu meslek birliğinin gündeminde ve otomasyon araçları düzeyinde ele alınıyor. Buna karşılık TÜRMOB'un yapay zeka kullanımına dair yayımlanmış yazılı bir mesleki rehberi bulamadık; eğitim var, rehber henüz yok.

İmzayı yapay zeka atmıyor

Bu bölüm listedeki her adımın üzerinde duruyor. Beyannameyi imzalayan meslek mensubu, beyannamedeki bilgilerin defter kayıt ve belgelere uygun olmamasından doğan vergi, ceza ve gecikme faizinden müteselsilen sorumlu. Danıştay Vergi Dava Daireleri Kurulu'nun 3 Aralık 2025 tarihli kararı sorumluluğun ön şartını da netleştirdi: beyannamenin bizzat imzalanmış olması. İmza şartı gerçekleşmediğinde diğer şartlara bakılmaksızın sorumluluk doğmuyor.

Bunun yapay zeka açısından anlamı tek cümlede özetlenebilir: aracın hatası, imzayı atanın hatasıdır. “Yazılım yanlış okudu” savunması hukuki bir kategori değil.

Uluslararası meslek etiği tarafı da aynı yere bakıyor. IESBA'nın Haziran 2026'da yayımladığı yeni teknolojiler rehberi iki noktayı öne çıkarıyor. Birincisi gizlilik: yükümlülük verinin tüm yaşam döngüsüne genişletildi, yani toplama, kullanma, aktarma, saklama ve imha; müşteri verisinin model eğitiminde kullanılması ayrı bir yetkilendirme gerektiriyor. İkincisi mesleki yeterlilik: meslek mensubu kullandığı teknolojiyi anlamak ve açıklayabilmek zorunda, opak bir teknolojinin çıktısına güvenmek kabul edilebilir bir davranış sayılmıyor.

KVKK katmanı da ihmal edilemez. ChatGPT, Gemini ve benzeri bulut araçlarının sunucuları büyük çoğunlukla yurt dışında; bu araçlara mükellefe ait kişisel veri girmek KVKK'nın 9. maddesi kapsamında yurt dışına veri aktarımı sayılıyor. Uygun güvence yollarından biri olan standart sözleşmelerin imzalanmasından sonra beş iş günü içinde Kuruma bildirim yapılması gerekiyor. Buna 3568 sayılı Kanun'dan doğan sır saklama yükümlülüğü ekleniyor. Yani mükellef verisini bir sohbet penceresine yapıştırmadan önce cevaplanması gereken soru teknik değil hukuki.

Zaman kazancı gerçekte ne kadar?

Bu konuda dolaşan iddiaların çoğunun ölçülmüş bir dayanağı yok, o yüzden hesabı açıkça kuralım.

Eldeki en yakın gerçek veri, altı kıtadan 593 muhasebe profesyoneliyle yapılan ve Ocak 2026'da yayımlanan bir araştırma. Katılımcı firmaların yüzde 98'i yapay zeka kullanıyor ve bildirilen ortalama kazanç günde yaklaşık 60 dakika, yani ayda 21 saat civarı.

Şimdi bunu bölelim. Yukarıdaki kaba oranla, yaklaşık 70 mükellefli bir portföyde ayda 21 saat, mükellef başına yaklaşık 18 dakika eder. Mükellef başına iki saat, portföyün tamamına yayılan bir vaat olarak gerçekçi değil. Gerçekçi olan şu: kazanç portföye eşit dağılmaz. En çok zaman yiyen 5-10 mükellefte (dağınık evrak gönderen, sürekli arayan, belgesi hep eksik olanlar) mükellef başına iki saat bulmak mümkün, geri kalanında değil. Otomasyon yatırımını da o kuyruğa göre planlamak gerekiyor.

Aynı araştırmadaki bir bulgu ise beklentiyi ayrıca soğutuyor: katılımcıların yüzde 70'i üretkenlik artışı bildirirken, yalnızca yüzde 18'i yapay zekanın iş yükü ve memnuniyet üzerinde olumlu etkisi olduğunu söylüyor. Firma sahiplerinin dörtte üçü kazanılan zamanı büyümeye yönlendiriyor. Yani kazanılan saat rahatlamaya değil, daha çok işe dönüşüyor. Bunu bilerek girmek, hayal kırıklığını baştan önlüyor.

Peki siz ne yapmalısınız?

• Bir ay boyunca kaydedin. Hangi mükellef için kaç kez evrak istediniz, kaç telefon aldınız, hangi belgeyi kaç kez geri gönderdiniz. Otomasyon kararı bu listeden çıkar, satıcı sunumundan değil.
• Evrak takibinden başlayın. En düşük riskli, en hızlı geri dönen adım. Fatura okumaya bir sonraki adımda geçin.
• Onay adımını akışa yazın. Otomatik çıkarılan hiçbir alan kontrolsüz kayda geçmesin; hedef veri girişini kaldırmak değil, onaya dönüştürmek.
• Mevzuat sorularını modele karar makamı olarak sormayın. Taslak alın, kaynağa bağlayın, kendiniz doğrulayın.
• Veri hattını hukukla birlikte kurun. Hangi araca hangi veri gidiyor, nerede saklanıyor, yurt dışına aktarım varsa hangi güvenceye dayanıyor. Bu soruların cevabı yoksa araç henüz kullanıma hazır değildir.

Bu listenin tamamı tek bir cümleye dayanıyor: yapay zeka meslek mensubunun kapasitesini büyütür, sorumluluğunu küçültmez. Büronuzun evrak ve mükellef iletişimi akışını bu çerçevede yeniden kurmak isterseniz, mevcut sürecinizi konuşarak başlayabiliriz.