RPA Nedir? Robotik Süreç Otomasyonu Nasıl Çalışır, Ne Zaman İşe Yarar

RPA (Robotic Process Automation, Türkçesiyle robotik süreç otomasyonu), bir çalışanın bilgisayarda yaptığı tekrarlayan işleri aynı kurallarla onun yerine yapan yazılımdır. Ortada fiziksel bir robot yok: "Bot" dediğimiz şey, uygulamalara insan gibi giriş yapan, ekrandaki alanları okuyan, tıklayan ve veri yazan bir programdır. En çok API'si olmayan sistemlerde ve kuralı net, hacmi yüksek işlerde işe yarar.

Kavram son birkaç yılda genişledi. Bugün RPA projesi diye anlatılan işlerin önemli bir kısmı, API'lerle konuşan bir iş akışı aracı ile belgeleri okuyan bir büyük dil modelinden (LLM) oluşuyor ve içlerinde ekrana tıklayan tek bir bot bile bulunmuyor. Kanada'daki bir petrol sahası hizmet şirketi için kurduğumuz otomasyon da böyle çalışıyor. Aşağıda ne yaptığını ve nerede bozulduğunu da anlatıyoruz.

RPA nasıl çalışır?

Klasik bir RPA platformunun üç parçası vardır: botun adımlarını tasarladığınız bir geliştirme aracı (UiPath Studio, Power Automate masaüstü uygulaması gibi), bu adımları bir bilgisayarda ya da sanal makinede çalıştıran robot ve botları zamanlayan, izleyen, kayıtlarını tutan bir yönetim konsolu (UiPath Orchestrator, Automation Anywhere Control Room). Bot, ekrandaki bir düğmeyi ya da metin kutusunu çoğunlukla uygulamanın arayüzündeki teknik tanımından, yani seçicisinden (selector) bulur. Buna izin vermeyen eski uygulamalarda görüntü tanımayla ya da ekran koordinatlarıyla çalışır.

Somut bir örnek: Her sabah bankanın internet şubesine giren, önceki günün hesap hareketlerini Excel olarak indiren, satırları ön muhasebe programındaki açık faturalarla eşleştiren ve eşleşmeyenleri muhasebeciye e-postayla gönderen bir bot. İş sıkıcı, hataya açık ve her gün birinin vaktini alıyor; kuralları da belli. RPA'nın tam olarak hedeflediği iş türü bu.

Katılımlı ve katılımsız botlar

RPA botları iki şekilde çalışır. Katılımlı (attended) bot, çalışanın kendi bilgisayarında ve onun başlatmasıyla çalışır. Çağrı merkezindeki temsilci bir düğmeye basar, bot müşterinin bilgilerini üç ayrı sistemden toplayıp önüne getirir. Katılımsız (unattended) bot ise bir sunucuda ya da sanal makinede, zamanlayıcıyla veya bir olayla tetiklenerek, başında kimse olmadan çalışır. Gece faturaları işlemek ya da sabah raporunu hazırlamak bu türden işlerdir.

Bu ayrım lisans açısından da önemli. Örneğin Power Automate'te katılımlı masaüstü akışları kullanıcı lisansına dahilken, katılımsız bot için bot başına ayrı bir lisans gerekiyor (fiyatlar aşağıda).

RPA ile neler otomatikleştirilir?

RPA'ya aday işler en çok muhasebe, finans ve operasyon ekiplerinden çıkar. Türkiye'deki şirketlerden tipik örnekler:

• Banka hesap hareketlerini indirip muhasebe kayıtlarıyla eşleştirmek (banka mutabakatı).
• GİB'in e-Arşiv portalından ya da tedarikçi portallarından fatura indirip ERP'ye işlemek.
• Bayi veya tedarikçi portallarından sipariş durumu, stok ve fiyat listesi çekmek.
• Yeni işe başlayan bir çalışanın bilgilerini İK, bordro ve erişim sistemlerine tek tek girmek.
• Birkaç sistemden veri toplayıp her hafta aynı Excel raporunu hazırlamak.

Ortak noktaları şu: Kural yazılabiliyor, girdi her seferinde aşağı yukarı aynı biçimde geliyor ve iş, birinin gününden azımsanmayacak bir parçayı alıyor. Hangi süreçlerin otomasyona değer olduğunu şirket genelinde düşünüyorsanız iş süreci otomasyonu yazımız bu önceki adımı ele alıyor.

Bot yazmadan önce tek bir soru sorun: Bu sistemin API'si var mı? Yukarıdaki banka örneğinde çoğu zaman vardır. Birçok banka kurumsal müşterilerine hesap hareketlerini web servisiyle veriyor; üstelik internet şubesine girişteki SMS doğrulaması, başında kimsenin olmadığı bir botu zaten zorlar. e-Fatura için bir özel entegratörle çalışıyorsanız onun da büyük ihtimalle bir API'si vardır. API varken ekran botu kurmak, her arayüz güncellemesinde bozulacak bir şeyi bile bile kurmak demektir.

RPA, makro, API ve yapay zeka arasındaki fark

Bu dört kavram sık karıştırılıyor:

RPA kendi başına bir yapay zeka tekniği sayılmaz. Bot kurallara göre çalışır, deneyimden öğrenmez ve kuralın dışına çıkan bir durumla karşılaşınca durur. İkisi birlikte iyi çalışır: LLM belgeyi okuyup alanları çıkarır, bot ya da iş akışı bu alanları ERP'ye yazar.

Ekran botuyla yapay zeka ajanı arasındaki çizgi de inceliyor. Microsoft, Copilot Studio'daki bilgisayar kullanımı (computer use) özelliğini Mayıs 2026'da genel kullanıma açtı; bu sayede bir ajan, web ve masaüstü uygulamalarını kullanıcı adına ekran üzerinden kullanabiliyor.

Yine de etiketlere dikkat edin. Gartner, mevcut RPA ve sohbet botu ürünlerinin "ajan" diye yeniden paketlenmesine "agent washing" diyor ve ajan tabanlı yapay zeka projelerinin yüzde 40'ından fazlasının 2027 sonuna kadar iptal edileceğini öngörüyor. Gerekçe olarak artan maliyetleri, belirsiz iş değerini ve yetersiz risk kontrollerini sayıyor. Her seferinde aynı işi aynı şekilde yapan sıradan bir bot, birçok iş için hâlâ en doğru ve denetlemesi en kolay çözüm.

Bizim deneyimimiz: ekrana dokunmayan bir otomasyon

Müşterimiz Kanada'da petrol sahalarına snubbing, pompalama, ısıtma, sıcak yağ ve azot hizmeti veren bir şirket. Her iş için PDF formatında bir saha fişi düzenleniyor. Bu fişleri fatura verisine dönüştürmek, her birini müşteri, lokasyon, AFE/PO numarası, fatura kalemleri ve çalışma, bekleme ve yol saatleri için elle okumak demekti.

İş ortağımız olan bir otomasyon ajansıyla birlikte her akşam çalışan bir n8n iş akışı kurduk. Fişler e-postayla Gmail'e geliyor. Akış günün fişlerini oradan alıyor, bir LLM ile alanları JSON olarak çıkarıyor, her PDF'yi çıkarılan veriyle birlikte tarihli Google Drive klasörlerine kaydediyor ve ekibe o günün tüm fişlerini içeren bir fatura raporu gönderiyor. Eylül 2025'ten beri her gün canlıda ve günde yaklaşık 100 belge işliyor. Canlıya almadan önce veri çıkarmayı bir ay boyunca gerçek fişlerle test ettik; Temmuz 2025'teki başlangıçtan canlıya geçişe kadar yaklaşık iki ay geçti.

Akışın içinde klasik bir RPA botu bulunmuyor. Yaptığı iş yine de RPA'nın vaat ettiği işin ta kendisi: Bir insanın her gün okuyup elle aktardığı bilgiyi onun yerine okuyup doğru yere koymak.

Yaşadığımız sorunların çoğu LLM API'sinin istek limitlerinden (rate limit) kaynaklandı. Belli bir süre içinde izin verilenden fazla istek gönderdiğinizde API, sonuç yerine HTTP 429 Too Many Requests yanıtı döndürür. Çözüm alternatif modellere geçmek oldu: Bir modele giden istek limite takılırsa belge başka bir modele gönderiliyor ve yine işleniyor. n8n'de bunun parçaları hazır: Her düğüm hata alınca yeniden deneyebiliyor (Retry On Fail) ve On Error ayarıyla hatalı kaydı akışı durdurmadan ayrı bir hata çıkışına yönlendirebiliyor. Ayrıca bir yürütme başarısız olduğunda Error Trigger düğümüyle başlayan ayrı bir hata iş akışı tanımlanabiliyor.

Buradan çıkardığımız ders şu: LLM API'sini, kullanım limiti olan her dış servis gibi ele alın; er ya da geç bazı istekleri geri çevirecektir. Veri çıkarma başarısız olduğunda belgenin nereye gideceğine canlıya geçmeden karar verin. O yol ya ikinci bir denemeyle ya da bir insanla bitsin; hiçbir belge sessizce kaybolmasın.

Kontrolümüzde olmayan sayfalara ya da ekranlara bağlı kalmak zorunda olduğumuzda o kırılgan kısmı hattın bir ucunda tutuyoruz. FrontRunner için yaptığımız cenaze evi veri taşımalarında kayıtları cenaze evinin eski web sitesinden web scraping ile çekiyor, FrontRunner'a ise API'si üzerinden yazıyoruz. Sitenin düzeni değişirse yalnızca okuma tarafı etkileniyor.

RPA araçları ve lisans maliyetleri

Ekim 2026 itibarıyla üreticilerin kendi sayfalarında yazan fiyatlar:

Power Automate'in Türkiye fiyat sayfası fiyatları dolar cinsinden ve vergiler hariç gösteriyor; UiPath'in planları da dolar bazlı. İkisi de sık değişiyor, bütçe yapmadan önce kontrol edin.

Lisans çoğu zaman toplam maliyetin küçük kısmıdır. Katılımsız tek bir Power Automate botu yılda 1.800 dolar tutuyor; botun çalışacağı Windows makinesi, geliştirme süresi ve her ekran değişikliğinden sonra botu onarmaya giden saatler genellikle bunu geçer.

Seçim için kaba bir kural: Microsoft 365 kullanan ve birkaç masaüstü işini otomatikleştirmek isteyen bir şirket Power Automate ile başlamalı, çünkü zaten yönettiği hesap ve yetki yapısına oturuyor. Sistemleri API sunan ve belge okuması gereken bir iş için iş akışı aracı ile bir LLM adımı daha uygun. Onlarca eski masaüstü uygulamasını merkezi bir ekiple otomatikleştirecek büyük kurumlar ise UiPath ve Automation Anywhere'in hedef kitlesi. UiPath ile kendimiz proje geliştirmiyoruz; bu son değerlendirme yalnızca yayınlanan planlarına dayanıyor.

KVKK: Botun gördüğü veri

Botlar çoğu zaman kişisel veriye dokunur: TCKN, IBAN, maaş bilgisi, hasta adı. Üç şeye dikkat edin. Birincisi, botun kullandığı hesap bilgilerini platformun kimlik bilgisi deposunda ya da bir kasada (vault) tutun; yapılandırma dosyasına veya dışa aktarılan iş akışına yazmayın. İkincisi, loglarda ve hata ekran görüntülerinde kişisel veriyi maskeleyin.

Üçüncüsü yapay zeka adımıyla ilgili. Kişisel veri içeren bir belgeyi yurt dışında çalışan bir LLM API'sine gönderiyorsanız, bu KVKK'nın 9. maddesi kapsamında yurt dışına aktarım sayılır. 1 Haziran 2024'te yürürlüğe giren değişiklikten sonra, yeterlilik kararı bulunmayan bir ülkeye aktarımda en sık başvurulan güvence standart sözleşme. Sözleşmenin imzalandığı tarihten itibaren beş iş günü içinde Kurum'a bildirilmesi gerekiyor. Kurum'un yurt dışına aktarım rehberi iyi bir başlangıç noktası; veri akışını yine de hukukçunuzla birlikte netleştirin.

Bir RPA projesi adım adım

1. Süreci seçin. Ayda kaç kayıt geliyor, tek bir kaydı elle işlemek kaç dakika sürüyor? Günde 60 kayıt ve kayıt başına 5 dakika, birinin gününden 5 saat demek. Ayda 20 kayıtlık bir iş ise botun bakım maliyetini karşılamaz. Kurallar yazılabiliyor mu, ekranlar ne sıklıkla değişiyor, bir hatanın bedeli ne? Süreci istisnalarıyla birlikte numaralı bir liste olarak yazamıyorsanız henüz hazır değildir. Sistemler olay kaydı tutuyorsa süreç madenciliği sürecin gerçekte nasıl işlediğini gösterebilir.
2. Yöntemi seçin. Önce API, sonra bir iş akışı aracı; ekran botu yalnızca başka yolu olmayan sistem için. Girdi düzensiz belgelerse araya bir LLM adımı ve onun kontrolü girer.
3. İstisnaları en baştan tasarlayın. Kural ihlali (onay limitini aşan fatura, eksik sipariş numarası) bir insana gider; tekrar denemek işe yaramaz. Sistem hatası (zaman aşımı, kapalı portal, istek limiti) sınırlı sayıda yeniden denenir, sonra kenara alınıp birine haber verilir. Beklenmeyen bir sonuçta (ekranda bulunamayan bir alan, ayrıştırılamayan bir LLM cevabı) o kayıt durdurulur ve kanıtı saklanır: girdi, ekran görüntüsü ya da ham model çıktısı. Her kayıt üç durumdan birinde bitmeli: tamamlandı, bir insanı bekliyor ya da gerekçesiyle başarısız oldu. Yazma adımları tekrarlanabilir olmalı ki yeniden deneme aynı faturayı iki kez kaydetmesin.
4. Gerçek veriyle, paralel çalıştırın. Manuel süreci kapatmadan önce botun ve insanın çıktısını alan alan karşılaştırın. Neyi ölçeceğinizi ve hangi sonuçta geçiş yapacağınızı önceden belirleyin: hiç insan eli değmeden geçen kayıtların oranı, istisna oranı ve istisna kuyruğunun ne kadar sürede eridiği. Demo için hazırlanmış örnek veriler asıl önemli durumları saklar; geçen ayın gerçek kayıtlarını, sorunlu olanlarıyla birlikte kullanın.
5. Bakımı baştan planlayın. Ekran, API sürümü, tedarikçinin PDF düzeni ya da LLM'in arkasındaki model mutlaka değişecek. En pahalı hata, hiç kayıt işlemeden "başarılı" diye biten çalışmadır. Bunu yakalamanın en ucuz yolu, her gün kaç kaydın işlendiğini gösteren kısa bir özet e-postası. Her otomasyonun bir sahibi ve müdahale süresi olsun. Method Procurement ve FrontRunner için yürüttüğümüz düzenli veri işlerinde 2 günlük SLA veriyoruz; bunun nasıl belirleneceğini SLA yazımızda anlattık.

Bir not daha: Yapay zeka tarafı diğer her şeyden hızlı değişiyor. Jenesys AI ile yürüttüğümüz yapay zeka destekli muhasebe projesinde geliştirdiğimiz özel modelleri sonradan öncü (frontier) modeller geride bıraktı. Belge okumada bundan çıkardığımız sonuç şu: Hazır, genel amaçlı bir modelle başlayın, emeğinizi doğrulamaya ve yedek yollara harcayın. Model değişse de bunlar yerinde kalır.

Sık sorulan sorular

RPA ne işe yarar?

Kuralı belli, tekrarlayan bilgisayar işlerini bir insanın yerine yapar: sistemler arasında veri taşımak, portallardan dosya indirmek, form doldurmak, rapor hazırlamak. En çok API'si olmayan sistemlerde fark yaratır.

RPA öğrenmek için kod bilmek gerekir mi?

Basit akışlar için gerekmez; Power Automate ve UiPath sürükle bırak tasarımcılarla başlamaya izin veriyor. Canlıda her gün çalışacak, istisnaları yöneten ve başka sistemlere bağlanan bir bot ise yazılımcı disiplini ister: değişkenler, hata yönetimi, sürüm kontrolü ve test.

RPA ile yapay zeka aynı şey mi?

Hayır. RPA kurallara göre çalışır; yapay zeka, özellikle de LLM'ler, düzensiz metni ve belgeleri okur. İyi kurulmuş projeler ikisini birleştirir: LLM okur, iş akışı ya da bot yazar, istisnalara bir insan bakar.

Bir RPA projesi ne kadar sürer?

İyi seçilmiş tek bir süreç için birkaç hafta ile birkaç ay arası. Saha fişi otomasyonumuz başlangıçtan canlıya yaklaşık iki ay sürdü ve bunun bir ayı gerçek belgelerle testti. Çok sayıda süreci kapsayan programlar daha uzun sürer, çünkü altyapı, yönetişim ve bakım yükü her yeni botla büyür.

Aklınızdaki bir sürecin bot mu, API entegrasyonu mu yoksa hiçbiri mi gerektirdiğini birlikte değerlendirmek isterseniz backend ve entegrasyon ekibimizle konuşabilirsiniz.