Tedarik Zinciri Yöneticileri İçin 25 Yapay Zeka Komutu (RFP, Karneler)

“Tedarik zinciri verilerimi analiz et” gibi genel ChatGPT komutları işe yaramazdır. Profesyonel lojistik çalışmaları için gereken bağlamdan, kısıtlamalardan ve belirli çıktı formatlarından yoksundurlar. Başarısız bir yapay zeka deneyi ile gerçekten faydalı bir asistan arasındaki fark, komutun kalitesidir.

Bu, Eylül 2026 itibarıyla bir tedarik zinciri yöneticisinin gerçek işleri için oluşturulmuş bir kopyala-yapıştır komut kütüphanesidir. Taşıyıcı performans karneleri oluşturma, RFP yanıtlarını değerlendirme ve görünürlük platformlarınızdaki istisnaları triyaj etme gibi görevleri kapsayarak özgüllük için tasarlanmıştır. Bu komutları, interneti dolduran genel tavsiyeler ile yapay zeka destekli tedarik zinciri ve lojistik alanında çalışan profesyonellerin somut ihtiyaçları arasında açık bir boşluk gördüğümüz için geliştirdik.

ZEKAI tüm araçları ve iş akışlarını bağımsız olarak inceler. Tavsiyelerimiz pratik uygulamalara ve gerçekten işe yaradığını gördüğümüz şeylere dayanmaktadır. Bu komutlar, Claude, Gemini veya ChatGPT gibi büyük dil modellerinden (LLM’ler) eyleme geçirilebilir sonuçlar elde etmek için gerçek dünya verilerinizle uyarlanmak üzere tasarlanmıştır.

Lojistikte Genel Komutlar Neden Başarısız Olur?

Temel sorun, operasyonel bağlam eksikliğidir. Bir tedarik zinciri, teslim süreleri, taşıyıcı hizmet seviyeleri, depo kapasiteleri ve müşteri teslimat pencereleri gibi belirli kısıtlamalardan oluşan bir ağdır. Genel komutlar bu kısıtlamaları anlamaz ve belirsiz, faydasız çıktılar üretir. Etkili komutlar, yapay zekaya bir rol, belirli bir görev, ham veri, kısıtlamalar ve istenen bir çıktı formatı sağlar.

Bu istatistik, yapay zekaya ayrıntılı bir komut aracılığıyla temiz, iyi yapılandırılmış veriler beslemenin önemini vurgulamaktadır. İyi bir komut, operasyonel gerçekliğinizi yapay zekanın etkili bir şekilde yürütebileceği bir sorguya dönüştüren bir köprü görevi görür. Tedarik zinciri kuruluşlarının yalnızca %22,2’si yapay zekayı büyük ölçekte dağıtmış olsa da, neredeyse %66’sı veri kalitesi ve entegrasyonunu başarının temel ayırt edici özelliği olarak tanımlamaktadır. Bu kütüphane, bu verileri yapılandırmanıza ve doğru şekilde sorgulamanıza yardımcı olmak için tasarlanmıştır.

Taşıyıcı ve 3PL Performans Karnesi Komutları

Ham taşıyıcı performans verilerinizi yapılandırılmış, objektif bir karneye dönüştürmek için bu komutları kullanın. Bu, üç aylık iş incelemeleri (QBR’ler) ve performans yönetimi için idealdir.

için 1 Temmuz 2026 ile 30 Eylül 2026 arasındaki gönderi verilerini içermektedir. Takip ettiğimiz temel performans göstergeleri (KPI'lar) şunlardır:
- Zamanında Alım (OTP): Hedef >=%98
- Zamanında Teslimat (OTD): Hedef >=%95
- Teklif Kabul Oranı: Hedef >=%95
- Gönderi Başına Maliyet vs. Benchmark: Hedef <=benchmark'ın %105'i
- Hasar/Kayıp Oranı: Hedef <=toplam gönderilerin %0,5'i
**VERİ:** CSV aşağıdaki sütunlara sahiptir:

'na profesyonel, kısa bir takip e-postası taslağı hazırlayın.
**BAĞLAM:** Q3 2026 QBR'mizi az önce tamamladık. Temel sonuçlar şunlardı:
- **Kabul Edilen Güçlü Yönler:** OTP performansı %99 ile güçlüydü. Teklif kabul oranı mükemmel kalmaya devam ediyor.
- **Geliştirme Alanları:** OTD performansı %93,2 idi, %95 hedefimizin altındaydı. Birincil neden,

güzergahında Taşıyıcı A ve Taşıyıcı B'nin performansını karşılaştırın.
**VERİ:**
-   **Taşıyıcı A Verileri (

Birden fazla yerel taşıyıcıyla belirli bölgelerde faaliyet gösteren işletmeler için bu komutlar paha biçilmez olabilir. Irak’ta 15’ten fazla taşıyıcıyı bir araya getiren Boxy gibi bir platform, bu tür analizleri yapmak ve taşıyıcı karışımınızı optimize etmek için gereken ham verileri sağlayabilir.

Talep Tahmini ve İstisna Yönetimi Komutları

Tahmin, yapay zeka için önemli bir alandır; Gartner, büyük kuruluşların %70’inin 2030 yılına kadar yapay zeka tabanlı tahminleri benimseyeceğini öngörmektedir. Bu komutlar, tahmin sapmalarını analiz etmek ve istisnalara göre yönetmek için yapay zekayı kullanmanıza yardımcı olur.

.
**EYLEM:**
1.  Her SKU için Mutlak Hatayı (

[Ürün Kategorisi, örn. 'Mevsimlik Dekor']

(bugünden 8 gün sonra)
**EYLEM:**
1.  Kalan "Tedarik Günleri"ni (

RFP ve İhale Değerlendirme Komutları

RFP’lere (Teklif Talepleri) yanıt vermek ve bunları değerlendirmek, bir LLM için mükemmel olan belge ağırlıklı bir süreçtir. Bu komutlar, değerlendirmeyi yapılandırmaya ve tutarlı geri bildirimler oluşturmaya yardımcı olur.

RFP'miz için satıcı tekliflerini değerlendirmek üzere ağırlıklı bir karne şablonu oluşturun.
**BAĞLAM:** Teklifleri karşılaştırmak için yapılandırılmış, objektif bir yola ihtiyacımız var. Önem sırasına göre değerlendirme kriterleri şunlardır:
1.  Maliyet (Gönderi/mil başına fiyat).
2.  Hizmet Seviyesi (Garantili transit süresi, OTD taahhüdü).
3.  Teknoloji ve Görünürlük (API entegrasyon yetenekleri, gerçek zamanlı takip platformu).
4.  Taşıyıcı İstikrarı ve Deneyimi (İşletmedeki yıllar, referanslar, finansal sağlık).
5.  Sürdürülebilirlik Girişimleri (Filo emisyon raporlaması, EV/alternatif yakıt seçenekleri).
**EYLEM:**
1.  Değerlendirme karnesi olarak hizmet verecek bir markdown tablosu oluşturun.
2.  5 kriterin her birine bir ağırlık atayın. Ağırlıklar %100'e ulaşmalıdır. (örn. Maliyet: %40, Hizmet: %25, Teknoloji: %20, İstikrar: %10, Sürdürülebilirlik: %5).
3.  Her kriter için 1-5 puanlama rubriği tanımlayın. Örneğin:
- **Maliyet (%40):** 5 = benchmark'ın %10'undan fazla altında; 4 = %5-10 altında; 3 = benchmark'ta; 2 = %5-10 üzerinde; 1 = %10'dan fazla üzerinde.
- **Teknoloji (%20):** 5 = Tam API entegrasyonu ve gerçek zamanlı portal; 3 = Yalnızca portal; 1 = Manuel güncellemeler.
4.

) okuyun ve değerlendirme karne kriterlerimize göre ana noktalarını özetleyin.
**BAĞLAM:** Önceki komutta oluşturulan karne şablonunu kullanıyorsunuz. Satıcının 50 sayfalık PDF'inden ilgili bilgileri çıkarmanız ve 5 değerlendirme kriterimize eşlemeniz gerekiyor.
**EYLEM:**
5 kriterin (Maliyet, Hizmet, Teknoloji, İstikrar, Sürdürülebilirlik) her biri için aşağıdakileri gerçekleştirin:
1.  Satıcının teklifindeki ilgili bölümü bulun.
2.  Satıcının belirli iddialarını veya veri noktalarını çıkarın.
3.  Bulguları yapılandırılmış bir listede sunun.
**Örnek Çıktı Formatı:**
*   **Maliyet (Ağırlık: %40):**
*   Önerilen fiyat:

için değerlendirmemizi tamamladık ve başka bir sağlayıcı seçtik. Gelecekteki fırsatlar için başarısız teklif verenle iyi bir ilişki sürdürmek istiyoruz.
**EYLEM:**

Tedarikçi Riski ve Aksaklık Yanıtı Komutları

Büyük tedarik zinciri aksaklıkları artık ortalama her 3,7 yılda bir meydana gelmekte ve şirketlere on yıl içinde bir yıllık kârlarının %45’i gibi şaşırtıcı bir maliyete neden olmaktadır. Bu komutlar, yapay zekayı proaktif olarak riski değerlendirmek ve aksaklıklar meydana geldiğinde hızlı tepki vermek için kullanmanıza yardımcı olur.

merkezli yeni, tek kaynaklı bir tedarikçiyi işe almayla ilişkili potansiyel risklerin bir listesini oluşturun.
**BAĞLAM:** Kritik bileşen

gün içinde başlayacak bir grev için oy kullandığına dair güvenilir haberler aldınız. Bu liman, Asya'dan gelen bileşenlerimiz için kritik bir merkezdir.
**EYLEM:**
S&OP ekibine, satın almaya ve müşteri hizmetleri liderlerine dahili dağıtım için kısa, gerçeklere dayalı bir uyarı yazın. Uyarı şunları içermelidir:
1.  **Konu Satırı:** UYARI:

[Paste news article text about a factory fire, a new trade tariff, a regional conflict, etc.]

Rota ve Filo Optimizasyonu Brifing Komutları

Yapay zeka destekli rota optimizasyonu, yakıt maliyetlerini ve teslimat sürelerini önemli ölçüde azaltabilen olgun bir teknolojidir. Bu komutlar, sürücüleri bilgilendirmek ve performansı analiz etmek içindir, rotaların kendisini oluşturmak için değil; bu, özel yazılımların bir görevidir.

-   **Rota Planı (optimizasyon yazılımından):**
-   Toplam Durak:

-   **Planlanan Veriler:**
-   Planlanan Başlangıç Saati: 08:00
-   Planlanan Bitiş Saati: 14:27
-   Planlanan Mil: 85
-   Planlanan Duraklar: 18
-   **Gerçek Veriler (telematiklerden):**
-   Gerçek Başlangıç Saati: 08:15
-   Gerçek Bitiş Saati: 15:30
-   Gerçek Mil: 92
-   Tamamlanan Gerçek Duraklar: 18
-   Telematik Günlük Notları: "Kaza nedeniyle I-5'te 10:15-10:45 arası olağan dışı trafik. Durak 7, müşteri hazır değil, 20 dakika gecikme."
**EYLEM:**
1.  Süre, mil ve başlangıç zamanı için varyansı hesaplayın.
2.  Bir markdown tablosunda bir karşılaştırma sunun:

Optiyol gibi özel araçlar, karmaşık Araç Rotalama Problemini (VRP) çözmek için tasarlanmıştır. Optimal bir plan oluşturduktan sonra, algoritmanın çıktısı ile insan sürücünün günlük uygulaması arasındaki boşluğu kapatmak için yukarıdaki komutları kullanabilirsiniz.

Uyumluluk ve Belgeleme Komutları (AB Yapay Zeka Yasası)

Ağustos 2026 itibarıyla, AB Yapay Zeka Yasası, “yüksek riskli” yapay zeka sistemleri için belgeleme, şeffaflık ve insan denetimi gereklilikleri getirmektedir. Rota optimizasyonu veya işçi yönetimi için kullanılan lojistik yapay zeka bu kategoriye girebilir. Bu komutlar, gerekli belgeleri oluşturmaya yardımcı olur.

-   **Kullanılan Yapay Zeka Sistemi:**

Günlük Lojistik Görevleri İçin Daha Fazla Komut

1. Bir depo güvenlik denetimi için 5 maddelik bir kontrol listesi oluşturun.
2. Bu 10 sayfalık taşıyıcı sözleşmesini 5 temel yükümlülük ve 3 temel hizmet seviyesi anlaşması (SLA) olarak özetleyin. (Sözleşmeyi ekleyin)
3. Teslimat tarihini kaçıran bir tedarikçiye, kök neden analizi ve yeni bir ETA talep eden nazik ama kararlı bir e-posta taslağı hazırlayın.
4. Bu 100 SKU listesini analiz edin ve 80/20 kuralına göre satış hızına göre A, B ve C kategorilerine ayırın. (Satış verilerini ekleyin)
5. Hasarlı mal talebini işlemek için standart bir işletim prosedürü (SOP) yazın.
6. Yeni bir Lojistik Koordinatörü rolü için problem çözme ve veri analizi becerilerine odaklanan bir mülakat sorusu listesi oluşturun.
7. Bu gönderi istisnaları listesini (gecikmiş, hasarlı, yanlış adres) taşıyıcıya ve kök nedene göre istisnaları gösteren bir özet tabloya dönüştürün. (İstisna günlüğünü ekleyin)
8. “Detention ve demuraj” kavramını, finans departmanındaki yeni bir ekip üyesine anlatır gibi basit terimlerle açıklayın.
9. Dünkü performansı, bugünün önceliklerini ve acil engelleri kapsayan günlük bir stand-up toplantısı için kısa bir senaryo yazın.
10. Bu gümrük beyannamesi formunu, ekli ticari faturaya karşı eksiksizlik ve tutarlılık açısından inceleyin.

Swipe the table sideways →

Kendi Komut Kütüphanenizi Nasıl Oluşturursunuz?

En iyi komutlar, operasyonunuza özel olanlardır. Buradaki şablonlarla başlayın ve bunları özelleştirin.

1. Rolü Tanımlayın: Yapay zekaya her zaman kim olduğunu söyleyin. “Kıdemli bir lojistik analistisiniz” hiçbir şeyden iyidir.
2. Görevi Belirtin: Açık olun. “Bu verilere bak” yerine “bir karne oluştur” deyin.
3. Bağlam ve Kısıtlamalar Sağlayın: Bu en önemli adımdır. KPI hedeflerini, iş kurallarını, teslimat pencerelerini ve hedefi verin.
4. Verileri Yapılandırın: CSV’nizdeki sütunları açıklayın. Girdiyi ne kadar iyi tanımlarsanız, çıktı o kadar iyi olur.
5. Çıktı Formatını Belirtin: Bir markdown tablosu, bir JSON nesnesi veya 3 maddelik bir özet isteyin. Formatı belirtmezseniz, bir metin yığını alırsınız.

Tedarik zincirinde yapay zeka benimsenmesi olgunlaştıkça—2025’te ajanslı yapay zeka kullanan işletmelerin sadece %5’inden 2030’a kadar %60’a yükselmesi bekleniyor—etkili komutlar oluşturma yeteneği her yöneticinin temel bir becerisi haline gelecektir. Eğrinin önünde kalmak için kişisel ve ekip kütüphanelerinizi şimdi oluşturmaya başlayın. Yapay zeka becerileri gerektiren tedarik zinciri rollerine olan talep üç yılda %387 arttı ve bu eğilim yalnızca hızlanacaktır.

Yapay zekayı operasyonlarınıza entegre etme hakkında daha fazla kaynak için, Tedarik Zinciri ve Lojistik için Yapay Zeka merkezimizi ziyaret edin.