# Klarna, Salesforce ve Workday'i Bırakıp Kendi Yapay Zekasına Geçti
Klarna, Salesforce ve Workday ile olan kurumsal sözleşmelerini iptal etti. Bu bir sözleşme anlaşmazlığı ya da basit bir tedarikçi değişimi değildi. Operasyonlarını şirket içi tescilli modellerle yürütmek için geleneksel ticari yazılımlara olan bağımlılıklarını sistemli olarak sonlandırdılar.
CEO Sebastian Siemiatkowski, şirket içi araç denetimlerinin ardından bu adımı doğruladı. Şirketin 1.200'den fazla bağımsız üçüncü taraf SaaS uygulamasını ve iş akışı entegrasyonunu devre dışı bıraktığını açıkladı. Hedef basitti: Kullanıcı başına lisans (seat license) maliyetlerini kesmek ve tüm dahili iş akışlarını tek bir veri ortamında toplamak.
### Mimari: Neo4j ve Ontolojiler
Çoğu kişi Klarna'nın basit prompt'ları dahili panellere bağladığını düşündü. Bu yanlış bir varsayım.
Özel bir CRM veya HRIS alternatifi kurmak, gelişmiş temel modellere basit API çağrıları yapmaktan çok daha fazlasını gerektirir. Klarna, şirket genelinde merkezi bir anlamsal ontoloji oluşturmak için Neo4j graf veri tabanlarını kullandı.
> Kesin bir ontolojiye dayanmayan yapılandırılmamış kayıtlar, Büyük Dil Modellerinin (LLM) kritik müşteri ve çalışan ilişkilerinde halüsinasyon görmesine yol açar.
Bu veri hattı şu şekilde çalışıyor:
* **Veri Alma ve Normalizasyon:** Ham müşteri etkileşimleri, işlem kayıtları ve şirket içi talepler doğrudan Neo4j graf kümelerine aktarılır.
* **Ontolojik Eşleme:** Graf yapısı; müşteriler, satıcılar, itirazlar ve uyumluluk durumları arasında katı varlık ilişkileri tanımlar.
* **LLM Orkestrasyonu:** OpenAI temel modelleri, iş akışlarını yürütmek, vaka güncellemeleri taslağı hazırlamak ve görevleri yönlendirmek için bu önceden yapılandırılmış grafı sorgular.
Bu ara graf katmanı olmadan LLM'ler, milyonlarca Şimdi Al Sonra Öde (BNPL) hesabı genelinde bağlamı tutarlı bir şekilde koruyamaz. Neo4j, kurumsal veri tabanlarının yerini almayı teknik olarak mümkün kılan bir denetim mekanizması görevi görür.
### Doğrudan Kurumsal Etki
İlk somut sonuç, kullanıcı başına lisanslama modelinden tamamen kopuş oldu. Klarna, binlerce şirket içi kullanıcı için standart kurumsal yazılım faturaları ödemeyi bıraktı.
Bunun yerine bu operasyonel bütçeleri doğrudan işlemci (compute) kaynaklarına, model token'larına ve şirket içi platform bakımına kaydırdılar. 1.200 aracı tek bir dahili yapıda toplamak veri silolarını ortadan kaldırır.
Ancak bu durum operasyonel riski de tamamen dahili altyapı ekibinin üzerine yıkar.
---
## Halka Arz Sinyalleri ve Üretim Gerçekleri
Halka açık piyasalar nakit akışı kadar anlatıya da değer verir. Büyük teknoloji altyapı tasfiyelerini incelerken asıl gerçeği finansal bağlam gösterir.
### Değerleme Çarpanı Hamlesi
Wall Street, kredi odaklı işletmeler ile yazılım platformlarına çok farklı yaklaşır. Geleneksel BNPL kredi kuruluşları, tüketici finansmanı şirketlerine özgü mütevazı gelir çarpanlarıyla işlem görür. Saf yapay zeka altyapı işletmeleri ise belirgin biçimde daha yüksek değerleme çarpanlarına ulaşır.
> Kendinizi bir ödeme işlemcisi olarak konumlandırırsanız kredi temerrütleri üzerinden değerlendirilirsiniz. Yapay zeka tabanlı bir operasyon mekanizması olarak konumlandırırsanız Halka Arzınız (IPO) teknoloji şirketi çarpanlarıyla değer görür.
Kurumsal yazılım kalemlerini çıkardığınızda genel yönetim giderleri anında düşer. Halka arz öncesi sunumlarda bu operasyonel kaldıraç tertemiz görünür ve yüksek verimlilik sinyali verir.
Pratikte ise öngörülebilir tedarikçi abonelikleri, ilk marj hesaplamalarında nadiren görünen şirket içi mühendislik sermaye harcamalarıyla takas edilir.
### Temel Faaliyet Giderlerinin Yeniden Sınıflandırılması
Kurumsal bir CRM veya İK paketi, içinde ciddi bir operasyonel bakım yükü barındırır. Bir şirket milyonlarca dolarlık tedarikçi masrafını sildiğini iddia ettiğinde, bu özel sistemleri ayakta tutmak için gereken mühendis kadrosunu nadiren hesaba katar.
* Yazılım lisansı kalemleri, işletme giderlerinden doğrudan Ar-Ge ve platform bakım kalemlerine kayar.
* Uzman makine öğrenimi mühendisleri rutin arayüz bakımları, webhook yöneticileri ve token kotalarını takip etmekle görevlendirilir.
* Çekirdek ekipler şirket içi idari araçlar için özellik geliştirmeye vakit harcadıkça ürün yol haritaları aksar.
Bu sistemleri şirket içine taşımak, Wall Street için yapay bir kâr marjı iyileştirmesi sağlar. Gerçek maliyet sadece bilançodaki başka bir satıra taşınmış olur.
---
## Operasyonel Yük ve Teknik Borç
Standart kurumsal lisansları iptal etmek üç aylık faaliyet raporunda harika görünür. Kalemler kaybolur, operasyonel giderler düşer.
Sonra asıl operasyon faturası gelir.
Bir şirket olgun platformları devreden çıkardığında, temel iş gereksinimlerini yok etmiş olmaz. Bu gereksinimleri yalnızca kendi mühendislik ekiplerine devreder.
### Şirket İçi Kod Tabanlarının Gizli Maliyeti
Her kurumsal araç iki temel unsur sunar: Bir arayüz ve görünmeyen bir bakım mekanizması.
Köklü bir CRM'i dahili bir LLM katmanıyla değiştirdiğinizde, sürekli bakım yükünü üstlenirsiniz. Rutin API değişiklikleri, veri tabanı indeksleme ve kullanıcı yetkilendirme modelleri birdenbire özel yazılım mühendisleri gerektirir.
> Sürekli bakım hesaba katıldığında, toplam sahip olma maliyeti (TCO) nadiren özel yazılımların lehine sonuçlanır.
Birim maliyet dinamikleri ortadadır:
* **Lisanslama ve Altyapı Karşılaştırması:** Kullanıcı başı yazılım ücretlerini kaldırmak, sabit bir aylık maliyeti değişken işlemci gücü, vektör depolama ve sürekli token tüketimi ile değiştirmektir.
* **Fırsat Maliyeti:** Kıdemli mühendisler, gelir getiren müşteri özellikleri geliştirmek yerine veri hatlarını onarmakla zaman kaybeder.
* **Sapma (Drift) Önleme:** Alt veri yapıları her güncellendiğinde modeller halüsinasyon görür ve şema eşleşmeleri bozulur; bu da sürekli müdahale gerektirir.
Özel ontolojiler kesintisiz insan gözetimi ister. Rutin iş akışları departmanlar genelinde aksayana kadar teknik borç bu dahili katmanlarda sessizce birikir.
### Regüle Edilen Pazarlarda Uyumluluk Kırılganlığı
Teknik bakımın ötesinde bir de mevzuat riski bulunur.
Hazır İK ve finans platformları yüzlerce regülasyon analisti çalıştırır. Vergi kanunları veya yerel iş yasaları değiştiğinde ya da finansal raporlama standartları güncellendiğinde, tedarikçiler uyumluluk yamalarını sisteme otomatik olarak aktarır.
Özel geliştirilen bir ortamda bu yük doğrudan şirket içi personelin omuzlarındadır.
* Farklı ülkelerdeki yasal vergi bildirimleri, esnek olmayan ve kurala dayalı katı uygulamalar gerektirir.
* Ayrıntılı veri erişim denetimleri ve değiştirilemez denetim izleri, sıkı yasal ve finansal denetimlere dayanıklı olmalıdır.
* Çoklu para birimi içeren karmaşık bordro kuralları ve sendika mevzuat mantığı ayrıştırma hatalarını kaldırmaz.
Belgelenmemiş veri akışları resmi bir denetim sırasında çöktüğünde, kurumlar ürün ekiplerinin graf düğümlerini ayıklamasını bekleyemez. Acil durum danışmanlık ücretleriyle dışarıdan sistem entegratörleri çağrılır ve baştaki tasarruf bu faturalara gider.
---
## Kurumsal SaaS Denetimleri İçin Stratejik Yol Haritası
Net bir çerçeve olmadan temel kurumsal araçları söküp atmak operasyonel kaosa davetiye çıkarır. Verimlilik sağlamak için her şeyi yıkıp yeniden yapmaya gerek yoktur; şişirilmiş lisansları vazgeçilmez temel sistemlerden ayıran yapılandırılmış bir denetim yeterlidir.
Uyumluluktan ödün vermeden veya mühendislik ekiplerini bakım borcuna boğmadan yazılım mimarisini şu şekilde değerlendirebilirsiniz:
### 1. Adım: Üç Kademeli Araç Denetimi
Kurumunuzdaki yüksek kullanıcılı her yazılım aboneliğini üç kademeye ayırın:
* **1. Kademe: Nokta Çözümler ve CRUD Arayüzleri.** Temel veri tabanı depolaması için yüksek lisans ücretleri alan form oluşturucular, dahili proje portalları ve not alma araçları. Bunlar doğrudan konsolidasyon için ilk hedeflerdir.
* **1. Kademe: İş Akışı Hızlandırıcılar ve Analitik Araçlar.** Dış API'lerin tek doğru veri kaynağı olmadan fayda sağladığı sektöre özel zenginleştirme, bilet yönlendirme ve metin taslağı hazırlama yazılımları.
* **3. Kademe: Yasal Kayıt Sistemleri ve Finansal Defterler.** Yasal bordro kesintilerini, değiştirilemez yasal denetim kayıtlarını ve resmi defteri kebirleri yöneten platformlar.
Bir araç yalnızca satır depoluyor ve basit bildirimler gönderiyorsa fazla lisansları iptal edin. Yasal sorumluluk taşıyorsa en son ona dokunun.
### 2. Adım: Parçalanmış Veri Depolarını Birleştirme
OpenAI uç noktalarını veya özel ajan çalışma zamanlarını parçalanmış ilişkisel tablolara doğrudan bağlamayın. Bu durum, iş mantığınız genelinde halüsinasyonlara ve kopuk bağlam pencerelerine yol açar.
Önce mevcut veri depolarınız üzerinde bilgi grafları (knowledge graphs) çalıştırarak meta verilerinizi merkezileştirin.
> Temiz ontolojiler otomasyondan önce gelmelidir. Bir LLM, şema karmaşası üzerinde mantık yürütemez.
Müşterileriniz, sözleşmeleriniz ve dahili iş akışlarınız arasındaki ilişkileri net bir graf şemasına dönüştürün. Bu yapı, modellerinize görevleri hatasız yürütmeleri için gereken kesin sınırları sağlar.
### 3. Adım: Monolitleri Değiştirmek Yerine Rekabet Avantajı İnşa Etme
Temel mevzuat uyumluluğu için oturmuş kayıt sistemi SaaS platformlarını koruyun, ancak bunları arka uç hizmet motorlarına indirgeyin.
Sıfırdan özel bir CRM inşa etmeyin. Bunun yerine potansiyel müşteri zenginleştirmeyi, yönlendirmeyi ve talep sınıflandırmayı otomatikleştirmek için mevcut CRM veri akışlarınızın üzerine hafif özel modeller yerleştirin.
* Temel uyumluluk, denetim kayıtları ve güvenlik kontrolleri için mevcut tedarikçiyi koruyun.
* Şirket içi ajanları yalnızca benzersiz iş akışlarınızın rekabet avantajı sağladığı noktalarda geliştirin.
Yapay zeka dönüşümünde başarılı olacak şirketler, altyapının her satırını sıfırdan yazanlar olmayacak. Başarılı olanlar, temel modelleri yasal motorların alternatifi olarak değil, birer orkestrasyon aracı olarak konumlandıranlar olacak.
Yapay zeka sosyal medya yöneticisi
2 dakikada yayına hazır 1 aylık sosyal medya gönderisi
HighStory web sitenizi analiz eder ve görselleri, açıklamaları ve takvimiyle Instagram, LinkedIn ve Facebook gönderilerinizi üretir. Siz onaylarsınız, o yayınlar.