SAP ECC’den S/4HANA’ya geçiş projelerinde en çok zaman alan işlerden biri, mevcut sistemin gerçekte nasıl çalıştığını ortaya çıkarmaktır. Yıllar içinde geliştirilmiş ABAP programları, farklı sistemlerle kurulmuş entegrasyonlar, belgelenmemiş uyarlamalar ve birbirine bağımlı iş süreçleri, başlangıçta öngörülemeyen sorunlar yaratabilir.
Bir dönüşüm projesinde teknik geçişin başarıyla tamamlanması da tek başına yeterli değildir. Sistem açıldığında üretim emirlerinin oluşturulabilmesi, finansal kayıtların doğru işlenmesi ve kritik entegrasyonların çalışmaya devam etmesi gerekir.
Yapay zekâ, SAP dönüşüm projelerinde tam da bu karmaşıklığı yönetmek için yeni olanaklar sunuyor.
SAP’nin 2026 yılında duyurduğu Agent-Led Transformation yaklaşımı; sistem analizinden özel kod dönüşümüne, veri yönetiminden testlere kadar farklı proje faaliyetlerini yapay zekâ destekli asistanlarla yürütmeyi hedefliyor.
Peki bu yaklaşım sahada neyi değiştirebilir? Yedi dönüşüm asistanı hangi sorunlara çözüm getiriyor? SAP Basis ekiplerinin sorumlulukları nasıl şekilleniyor?
1. SAP’nin yeni yaklaşımı: Agent-Led Transformation nedir?
SAP dönüşüm projelerinde otomasyon yeni bir kavram değil. Sistem hazırlık kontrolleri, özel kod analizleri ve veri aktarımı gibi faaliyetlerde uzun süredir çeşitli araçlardan yararlanılıyor.
Yeni yaklaşımın farkı, bu araçların ürettiği bilgileri daha bütünleşik bir yapıda değerlendirmek ve yapay zekâ ajanlarını belirli dönüşüm görevlerinde kullanmak.
SAP, Sapphire 2026’da yedi adet Migration and Modernization Assistant duyurdu. Bu asistanlar, Agent-Led Toolchain adı verilen yapının parçaları olarak tasarlandı.
Burada iki kavramı ayırmak gerekiyor:
Yapay zekâ ajanı (AI Agent): Belirli bir hedef doğrultusunda bilgi toplayabilen, analiz yapabilen ve kendisine tanımlanan yetkiler çerçevesinde işlemler gerçekleştirebilen yazılım bileşenidir.
Yapay zekâ asistanı (AI Assistant): Belirli bir dönüşüm alanındaki görevleri gerçekleştirmek üzere birden fazla ajanı ve yapay zekâ yeteneğini bir araya getirir.
SAP’nin yaklaşımında SAP Cloud ALM, dönüşüm yaşam döngüsünün operasyonel temelini oluştururken Joule, kullanıcılarla yapay zekâ yetenekleri arasındaki etkileşimi destekler. SAP Signavio ve SAP LeanIX gibi çözümler de süreç ve kurumsal mimari bilgisi sağlar.
Amaç, yapay zekâya SAP sistemi hakkında genel sorular sormaktan çok, şirketin kendi sistem bilgilerini kullanarak dönüşüm faaliyetlerini desteklemektir.
Hatırlatalım ki Eylül 2026 itibarıyla SAP’nin duyurduğu yedi asistanın tamamını aynı olgunluk düzeyinde ve her müşterinin kullanımına açık bir ürün paketi olarak değerlendirmek doğru olmaz. Özel kod dönüşüm ajanı gibi belirli yetenekler genel kullanıma sunulmuşken diğer asistanların kapsamı ve kullanıma sunulma takvimleri farklılaşmaktadır.
Bu nedenle proje planlamasında mevcut ürün yetenekleri ile SAP’nin gelecek dönem yol haritası birbirinden ayrılmalı; kullanılabilirlik, desteklenen sürümler ve lisans koşulları güncel ürün belgelerinden doğrulanmalıdır.
2. SAP S/4HANA dönüşümünün yedi alanında yapay zekâ
SAP’nin duyurduğu yedi asistan, dönüşüm projesinin birbirini tamamlayan faaliyetlerine odaklanıyor. Her biri farklı bir sorunu ele alıyor; ancak gerçek değerleri, birbirleriyle ilişkili çalışabilmelerinden kaynaklanıyor.
SAP’nin 7 dönüşüm asistanı ve temel görevleri
Asistan | Temel görevi |
Sistem Analizi | Mevcut SAP ortamını inceleyerek diğer asistanların yararlanabileceği sistem bilgisini oluşturur. |
Veri Yönetimi | Veri tutarsızlıklarını tespit eder ve düzeltme önerileri sunar. |
Özel Kod | ABAP geliştirmelerinin S/4HANA uyumluluğunu ve modernleştirilmesini destekler. |
Konfigürasyon | Hedef sistem yapılandırması için öneriler oluşturur. |
Test Yönetimi | Test senaryolarının hazırlanmasını ve test otomasyonunu destekler. |
Yaygınlaştırma | Merkezi SAP şablonuyla yerel gereksinimlerin uyumunu değerlendirmeye yardımcı olur. |
Proje Yönetimi | Proje ilerlemesini, görevleri ve riskleri takip etmeyi destekler. |
Not: Tablo, asistanların amaçlanan işlevlerini özetler. Tamamının genel kullanıma açık olduğu anlamına gelmez.
2.1. Sistem Analizi Asistanı
Mevcut sistem yeterince tanınmadan hazırlanan dönüşüm planları, uygulama aşamasında sık sık revizyon gerektirebilir.
Sistem Analizi Asistanı; mevcut SAP ortamındaki verileri, özelleştirmeleri ve özel kodları inceleyerek diğer asistanların da yararlanabileceği ortak bir bilgi altyapısı oluşturmayı hedefliyor.
Örneğin bir ABAP programının hangi iş sürecine hizmet ettiği veya hangi bileşenlerle ilişkili olduğu daha kolay anlaşılabilir.
Buradaki değer, analiz raporunu hızlandırmaktan çok, kararların güncel ve tutarlı sistem bilgilerine dayanmasını sağlamaktır.
Ancak teknik bağımlılıkların tespit edilmesi, bir uygulamanın iş açısından öneminin otomatik olarak doğru değerlendirildiği anlamına gelmez. İş birimlerinin bilgisine yine ihtiyaç vardır.
2.2. Veri Yönetimi Asistanı
Veri kalitesi sorunları çoğu zaman dönüşüm öncesinde bilinir; ancak kapsamları veri aktarımı başladığında netleşir.
Eksik malzeme ana verileri, hatalı müşteri kayıtları veya birbiriyle tutarsız alanlar geçişin ilerleyen aşamalarında sorun yaratabilir.
Veri Yönetimi Asistanı, tutarsızlıkları belirlemeyi, kök nedenlerini incelemeyi ve düzeltici işlemler önermeyi amaçlıyor.
Yine de veri temizliği yalnızca teknik bir faaliyet değildir. Örneğin mükerrer görünen iki müşteri kaydının birleştirilip birleştirilemeyeceği, ticari ve muhasebesel değerlendirme gerektirebilir.
Yapay zekâ sorunu belirleyebilir; kritik ana veriler üzerindeki nihai karar ise yetkili iş birimlerinde kalmalıdır.
2.3. Özel Kod Asistanı
Özel ABAP geliştirmeleri, S/4HANA geçişinin en fazla uzmanlık gerektiren alanlarından biridir.
Yıllar önce geliştirilmiş bir programın yeni ortamda çalışması, kodun güncellenmesini gerektirebilir. Bazı durumlarda ise aynı ihtiyacı karşılayan standart SAP işlevi zaten mevcuttur.
Özel Kod Asistanı, geliştirmelerin analiz edilmesini, sınıflandırılmasını ve modernleştirilmesini desteklemeyi hedefliyor.
Bu alanda somut bir ürün de mevcut: SAP’nin 2026’nın ikinci çeyreğinde genel kullanıma sunduğu S/4HANA Custom Code Migration Agent. Bu ajan, ABAP Test Cockpit (ATC) kontrollerini çalıştırabiliyor, bulguları yorumlayabiliyor ve belirli kod düzeltmelerini gerçekleştirebiliyor. Düşük güven düzeyindeki öneriler ise geliştirici incelemesine bırakılıyor. Değişiklikler transport request üzerinden izlenebiliyor.
Eski kodun nasıl taşınacağı kadar, taşınmasının gerçekten gerekli olup olmadığı cevaplanması gereken önemli bir sorudur.
Yapay zekâ destekli kod dönüşümü, mevcut özelleştirmelerin tamamını yeni ortama taşımak anlamına gelmemeli. Geliştirmeler değerlendirilirken standart SAP işlevleri, temiz çekirdek (Clean Core) ilkeleri ve uygun genişletme seçenekleri dikkate alınmalı.
Özel Kod Asistanı, teknik uyarlamaları destekleyebilir; ancak hangi geliştirmenin korunacağına, yeniden tasarlanacağına veya kaldırılacağına uzman ekipler karar vermelidir.
2.4. Konfigürasyon Asistanı
Dönüşüm projelerinde hedef sistemin yapılandırılması, mevcut ayarların olduğu gibi kopyalanmasından ibaret değildir.
Konfigürasyon Asistanı, müşteri gereksinimlerini ve SAP’nin standart uygulamalarını değerlendirerek hedef sistem için yapılandırma önerileri oluşturmayı amaçlıyor.
Burada ürün kapsamına dikkat edilmeli. SAP’nin eğitim dokümanları, bu asistanın hedef sistemini ve yeteneklerini farklı bulut sürümleri bağlamında açıklıyor. Bu nedenle kullanım kapsamı, seçilen S/4HANA sürümüne ve güncel ürün dokümantasyonuna göre doğrulanmalıdır.
2.5. Test Yönetimi Asistanı
Kodun taşınması ve sistemin açılması, iş süreçlerinin doğru çalıştığını kanıtlamaz.
Test Yönetimi Asistanı, SAP Signavio süreç modellerinden ve gereksinimlerden yararlanarak test kapsamı ve senaryoları oluşturmayı hedefliyor. Tricentis entegrasyonu da otomatik test yürütme süreçlerini destekliyor.
Örneğin siparişten tahsilata uzanan bir süreçte yalnızca faturanın oluşması değil, stok, muhasebe ve ilgili entegrasyon sonuçlarının da doğrulanması gerekir.
Yapay zekâ test hazırlığını hızlandırabilir. Ancak bir testin başarılı sayılması için hangi iş sonuçlarının kabul edilebilir olduğuna süreç sahipleri karar vermelidir.
2.6. Yaygınlaştırma Asistanı
Birden fazla ülkede faaliyet gösteren şirketlerde merkezi SAP şablonunun her ülkede aynı şekilde uygulanması her zaman mümkün değildir.
Yaygınlaştırma Asistanı, merkezi şablonla yerel iş süreçlerini karşılaştırmayı ve gerekli uyarlamaları belirlemeyi amaçlıyor.
Türkiye’deki e-Fatura ve e-Defter gereksinimleri, yerelleştirmenin neden ayrı bir değerlendirme konusu olduğunu gösteren örneklerdir.
2.7. Proje Yönetimi Asistanı
SAP dönüşümlerinde bir iş paketinin gecikmesi, çoğu zaman diğer ekipleri de etkiler.
Proje Yönetimi Asistanı; ilerlemeyi takip etmeyi, görevleri ilgili kişilere yönlendirmeyi ve riskleri erken belirlemeyi hedefliyor.
Örneğin veri temizliğindeki gecikmenin entegrasyon testlerini etkilemesi, proje planına yansıtılabilir.
Bunun için proje bilgilerinin güncel tutulması gerekir. Gerçek ilerlemeyi yansıtmayan bir proje planından güvenilir risk analizi üretmek mümkün değildir.
İleri Okuma
S/4HANA dönüşüm yolculuğunuzda veri taşıma risklerini en aza indirmek ve hazırlık adımlarınızı eksiksiz planlamak için [SAP S/4HANA Migration Hazırlık Rehberi] başlıklı içeriğimize göz atabilirsiniz.
3. Uygulama senaryosu: Türkiye’deki bir üretim şirketinin ECC’den S/4HANA’ya geçişi
Konuyu somutlaştırmak için Türkiye’de faaliyet gösteren, uzun yıllardır SAP ECC kullanan bir üretim şirketini ele alalım.
Şirketin üretim, satış, satın alma ve finans süreçleri SAP üzerinde çalışıyor. Çok sayıda özel ABAP geliştirmesi, harici sistem entegrasyonları ve geçmiş yıllardan kalan veri kalitesi sorunları bulunuyor.
Hedef, SAP Cloud ERP Private ortamına geçmek.
Not: Aşağıdaki örnek temsili bir senaryodur. Tüm asistanların bugün birlikte kullanılabildiği varsayılmamaktadır.
İlk aşama: Mevcut sistemi anlamak
Sistem analiziyle özel geliştirmeler, teknik bağımlılıklar ve mevcut mimari ortaya çıkarılır. İş birimleriyle birlikte hangi uygulamaların gerçekten kullanıldığı belirlenir.
İkinci aşama: Veri ve kod hazırlığı
Yapay zekâ destekli araçlar, veri tutarsızlıklarını ve özel kod uyumluluk sorunlarını belirlemek için kullanılır.
ABAP ekibi, düzeltme önerilerini değerlendirir. İşlevini yitirmiş geliştirmeler ile yeni ortamda korunması gereken kritik uygulamalar birbirinden ayrılır.
Üçüncü aşama: Hedef sistem ve yerel gereksinimler
SAP’nin Türkiye yerelleştirme dokümanları, bu süreçlerin standart sistem işlevleriyle birlikte ülkeye özgü yapılandırmalar ve bazı durumlarda entegrasyon sağlayıcıları gerektirdiğini gösteriyor.
Burada önemli bir ayrıntı var: Global sistem şablonunun teknik olarak çalışması, Türkiye’deki bütün süreçlerin eksiksiz karşılandığını göstermez.
Türkiye’deki dönüşüm projelerinde e-Fatura, e-Defter ve Gelir İdaresi Başkanlığı (GİB) gereksinimleri ayrıca değerlendirilmelidir. Özellikle özel entegratör kullanılan ortamlarda, hedef sistemin yalnızca SAP içerisinde doğru çalışması yeterli değildir.
Belgelerin oluşturulması, gönderilmesi, durum bilgilerinin alınması ve muhasebe kayıtlarının tamamlanması uçtan uca test edilmelidir.
Dördüncü aşama: Test ve canlıya geçiş
Üretim emrinden stok hareketine, sevkiyattan faturaya ve muhasebe kaydına uzanan kritik süreçler uçtan uca test edilir.
Yapay zekâ test kapsamının oluşturulmasını destekleyebilir. Sonuçların doğrulanması ise uygulama ekipleri, Basis uzmanları ve süreç sahiplerinin ortak sorumluluğundadır.
Bu senaryoda yapay zekâ, farklı ekiplerin faaliyetlerini birbirine bağlayan bir yardımcı rol üstlenir. Geçiş kararını ise proje yönetimi ve yetkili uzmanlar verir.
4. Yapay zekâ dönüşüm maliyetlerini ve sürelerini gerçekten azaltabilir mi?
SAP, Ağustos 2026’da yayımladığı değerlendirmede yapay zekâ destekli dönüşüm yaklaşımıyla toplam dönüşüm iş gücünü yaklaşık %35 azaltmayı hedeflediğini belirtiyor.
Bu rakamı bütün projelerde gerçekleşecek bir tasarruf olarak yorumlamak doğru olmaz.
Örneğin özel kod analizinin hızlanması, proje maliyetini aynı oranda düşürmeyebilir. Veri temizliği uzayabilir, iş birimleri testlere yeterli kaynak ayıramayabilir veya kritik entegrasyonların yeniden geliştirilmesi gerekebilir.
Bir faaliyette kazanılan zaman ile toplam proje süresindeki azalma aynı şey değildir.
Bu nedenle yapay zekâ yatırımlarının başarısı ölçülebilir pilot çalışmalarla değerlendirilmelidir.
Örneğin belirli bir ABAP geliştirme paketi üzerinde klasik yöntemle yapay zekâ destekli yöntemin karşılaştırılması; analiz süresi, düzeltme kalitesi, yeniden işleme ihtiyacı ve toplam uzman emeği açısından somut sonuçlar sağlayabilir.
5. Yapay zekâ destekli dönüşümde SAP Basis ekiplerinin rolü
SAP Basis ekipleri, dönüşüm projelerinde sistem mimarisi, teknik hazırlık, kurulum, sistem kopyalama, güvenlik, performans ve operasyonel süreklilik gibi alanlarda sorumluluk üstlenir.
Yapay zekânın daha fazla kullanılması bu sorumlulukları ortadan kaldırmaz. Bazı işlerin gerçekleştirilme biçimini değiştirir.
Örneğin yapay zekâ, sistem bağımlılıklarını analiz ederek potansiyel sorunları belirleyebilir. Ancak hedef sistemin kaynak ihtiyacını, entegrasyon yapısını ve kesinti toleransını değerlendirirken gerçek ortam koşullarını dikkate almak gerekir.
Benzer şekilde otomatik bir kod düzeltmesinin başarılı olması, uygulamanın üretim ortamında sorunsuz çalışacağını garanti etmez.
Bir Basis uzmanı için önemli olan yalnızca değişikliğin teknik olarak uygulanabilmesi değil, sistemin güvenli ve sürdürülebilir biçimde işletilebilmesidir.
Bu nedenle yapay zekâ destekli dönüşümlerde mimari kararlar, yetkilendirme, performans doğrulaması, geri dönüş planı ve canlıya geçiş kontrolleri önemini korur.
Basis ekiplerinin yeni araçları tanıması kadar, bu araçların sonuçlarını nasıl doğrulayacağını bilmesi de gerekir.
6. Riskler: Yapay zekânın önerdiği her işlem uygulanmalı mı?
SAP sistemleri, şirketlerin kritik iş süreçlerini yönetir. Yanlış bir konfigürasyon değişikliği, hatalı veri düzeltmesi veya eksik kod uyarlaması zincirleme sonuçlar doğurabilir.
Bu nedenle yapay zekâ ajanlarının yetkileri açıkça tanımlanmalıdır.
Özellikle üretim ortamlarında gerçekleştirilecek değişikliklerde erişim kontrolü, insan onayı, işlem kayıtları ve geri dönüş mekanizmaları bulunmalıdır.
Veri güvenliği de ayrı bir konudur. Yapay zekânın erişeceği sistem verileri ve bunların hangi altyapıda işleneceği değerlendirilmelidir.
SAP’nin özel kod dönüşüm ajanında düşük güven düzeyindeki değişikliklerin geliştirici incelemesine bırakılması, otomasyon ile insan denetiminin birlikte nasıl tasarlanabileceğine örnektir.
Ayrıca ürünlerin kullanılabilirliği, lisans koşulları ve desteklenen sürümler proje başlangıcında doğrulanmalıdır.
7. Sonuç: Yapay zekâya hazır bir dönüşüm stratejisi
SAP S/4HANA dönüşümünde yapay zekânın asıl katkısı, yalnızca belirli işleri hızlandırmasında değil; sistem analizi, özel kod, veri, konfigürasyon ve test gibi çoğu zaman ayrı ekipler tarafından yürütülen faaliyetleri ortak bir sistem bağlamında birbirine yaklaştırabilmesinde yatıyor.
Bu yaklaşım, özellikle yıllar içinde büyümüş, çok sayıda özel geliştirme ve entegrasyon barındıran SAP ortamlarında önemli bir avantaj sağlayabilir. Çünkü dönüşüm projelerinde asıl zorluk çoğu zaman teknik işlemin kendisinden çok, hangi bağımlılığın hangi süreci etkilediğini doğru görmek ve doğru sırada müdahale etmektir.
Ancak yapay zekâ, mevcut SAP ortamını iyi anlamanın, doğru hedef mimariyi kurmanın veya kritik proje kararlarını vermenin yerini tutmaz. Hatalı ya da eksik sistem bilgisi üzerine çalışan en gelişmiş araç bile doğru sonuca ulaşmakta zorlanacaktır.
Bu nedenle yapay zekâya hazır bir S/4HANA dönüşümü için şirketlerin öncelikle mevcut sistemlerini görünür hâle getirmesi; özel kod, veri, entegrasyon ve süreç envanterini güncellemesi gerekir. Ardından yapay zekâ destekli araçların hangi faaliyetlerde gerçek fayda sağladığı ölçülmeli ve kritik değişiklikler uzman denetiminden geçmelidir.
Özellikle Türkiye’deki projelerde global dönüşüm yaklaşımına ek olarak yerel mevzuat, e-Dönüşüm süreçleri, GİB entegrasyonları ve kullanılan özel entegratörler de proje tasarımının doğal bir parçası olarak değerlendirilmelidir.
Önümüzdeki dönemde SAP’nin dönüşüm asistanları olgunlaştıkça, proje ekiplerinin çalışma biçiminin de değişmesi beklenebilir. Uzmanların daha az değerli hâle gelmesinden çok, tekrarlayan analizlerden uzaklaşıp mimari, risk, doğrulama ve karar kalitesi gibi daha yüksek katma değerli alanlara yönelmesi daha gerçekçi bir beklentidir.
Sonuç olarak başarılı bir S/4HANA dönüşümünün formülü değişmiyor; yalnızca kullanılan araçlar güçleniyor. Doğru mimari, temiz ve güvenilir veri, kontrollü özel kod, deneyimli uzmanlar ve iyi proje yönetimi temel olmaya devam ediyor. Yapay zekâ ise bu temelin üzerine doğru yerleştirildiğinde dönüşümü daha hızlı, daha görünür ve daha yönetilebilir hâle getirebilir.
Sık Sorulan Sorular
Yapay zekâ; sistem analizi, veri kalitesi, özel ABAP kodlarının uyarlanması, konfigürasyon, test yönetimi ve proje takibinde kullanılabilir. Amaç, tekrarlayan işleri azaltmak ve uzmanların daha hızlı, veriye dayalı kararlar almasını desteklemektir.
SAP'nin duyurduğu asistanlar Sistem Analizi, Veri Yönetimi, Özel Kod, Konfigürasyon, Test Yönetimi, Yaygınlaştırma ve Proje Yönetimi alanlarını kapsar. Her asistan, dönüşüm projesinin belirli faaliyetlerini yapay zekâ ile desteklemeyi amaçlar.
Eylül 2026 itibarıyla tüm asistanlar aynı olgunluk ve kullanılabilirlik düzeyinde değildir. Özel kod dönüşüm ajanı gibi bazı yetenekler genel kullanıma sunulmuştur. Diğerleri için güncel ürün kapsamı, sürüm desteği ve yol haritası kontrol edilmelidir.
Yapay zekâ, mevcut sistemin ve entegrasyonların analizinde, kod uyarlamalarında ve test senaryolarının hazırlanmasında destek sağlayabilir. Türkiye'deki projelerde e-Fatura, e-Defter ve GİB gereksinimleri ayrıca ele alınmalı; yerel süreçler ve özel entegratör bağlantıları uçtan uca doğrulanmalıdır.
Yapay zekâ, sistem analizi ve bazı otomasyon faaliyetlerinde Basis uzmanlarının işini kolaylaştırabilir. Ancak sistem mimarisi, güvenlik, performans, teknik geçiş, operasyonel süreklilik ve kritik değişikliklerin doğrulanması uzman denetimi gerektirir.