Nakliye Sektöründe AI: İki Projeden Notlar

Son aylarda kafamı en çok meşgul eden iki proje, farklı uçlardan aynı gerçeği gösterdi bana: Türkiye'deki nakliye sektörü, dışarıdan göründüğünden çok daha karmaşık ve dijitalleşme açığı sanılandan çok daha büyük. Bu açığı AI ile kapatmaya çalışıyoruz; bu yazı, o iki projenin hikayesi.

Birinci proje, yük sahipleriyle nakliyecileri buluşturan bir platformdu. Ama işin temelinde aslında çok daha zor bir problem vardı: profesyonel olmayan mobil kullanıcıların yer aldığı, birden fazla rolün (yük sahibi, nakliyeci, şoför, aracı) eş zamanlı koordine olduğu bir operasyonda, kim ne zaman ödemeyi hak ediyor sorusunu çözmek. Çünkü bir nakliye işi, sözleşme imzalandığı anda bitmiyor; teslimat süresince onlarca olay oluyor ve her olay birinin alacağını veya borcunu etkileyebiliyor.

Bu yüzden işin kalbinde teknolojiden çok süreç tasarımı vardı. Kara liste kuralları, şoför skorlama, dinamik komisyon, kontör tabanlı ödeme akışı... Hepsi aslında tek bir soruya cevaptı: kim hakkını nasıl alacak? Şoför skorlama yaparken bile dikkat ettiğim şuydu: kullanıcıya "sen kötüsün" dememek, bunu komisyon oranına yansıtarak çözmek. İnsan onurunu rencide etmeden davranış yöneten mekanikler kurmak, sandığımdan daha çok kafa yordurdu.

AI tarafı ise işin en eğlenceli kısmıydı. Fotoğraftan ölçü-kilo tahmini, dönüş yükü eşleştirmesi, WhatsApp üzerinden iş yakalama gibi özellikler, klavyeyle uzun girişler yapamayan bir kullanıcı kitlesi için oyunu değiştirdi. Sonuçta ortaya MERN stack üzerine kurulu, vektör veritabanı ile zenginleştirilmiş, üç platformda çalışan bir sistem çıktı. En çok gurur duyduğum şey, hiçbir özelliği "olsa iyi olur" diye eklememiz; her şey gerçek bir ihtiyaca dayanıyordu.

İkinci proje çok farklı bir cephedeydi: binlerle ifade edilen bir araç filosuna sahip, yıllardır operasyon yürüten bir lojistik firmasını içeriden akıllandırmak. Burada karşımdaki en büyük zorluk on ayrı dış firmayla entegrasyondu. Bazıları API veriyordu, bazıları sadece web panel; bazılarında oturum çerez bazlıydı, bazılarında token rotasyonu vardı. Her firma için ayrı hata yönetimi yazmak zorunda kaldım, çünkü bir firmanın arayüz değişikliği tüm pipeline'ı kilitleyebilirdi.

OCR tarafı da görünenden çetrefilli çıktı. Devletin standart belgelerinde sorun yoktu, ama saha tarafından gelen taramalar başka bir dünyaydı: eğri taranmış, mürekkebi solmuş, üzerine el yazısıyla not düşülmüş belgeler. Bunlar için ayrı bir ön işleme katmanı kurmak gerekti. Ama asıl kritik karar şuydu: AI'nin parse ettiği verileri ana sistemin veritabanına direkt yazmamak. Yıllardır çalışan bir lojistik yazılımının tablosunu yanlış güncellemek, tüm sefer planlamasını riske atmak demekti; o yüzden izolasyonu hiç bozmadım.

İlk projede WhatsApp tüketici tarafında oyunu değiştirmişti; ikinci projede ise operasyonel tarafta benzer bir çıkışı yakaladık. Filodaki şoförlerle yapılan rutin iletişimin önemli kısmı bir bota devrildi; "neredeyim, ne zaman varırım, hangi belgeyi getireyim" gibi tekrar eden trafik artık otomatik akıyor. U-ETDS tarafında da büyük bir filoda manuel takibi imkansıza yakın bir süreç tamamen otomatize oldu. Bu tarz işler aslında AI'nin gerçek vaadini gösteriyor: insan gözünün yetişemediği hacimde, doğru anda doğru kararı verebilmek.

İki projeden çıkardığım sonuç şu: nakliye sektöründeki dijitalleşme açığı çok büyük ve AI bu açığı geometrik olarak büyütüyor. AI'siz dijitalleşme, eski Excel'i SaaS'e taşımaktan ibaret kalıyor; AI girince oyun gerçekten değişiyor. Şu an bu odakla çalışan az sayıda ekipten biri olduğumuzu söylemek beni heyecanlandırıyor.