Selçuk Gülten
Serbest Muhasebeci Mali Müşavir
Bağımsız Denetçi
Bilim Uzmanı
selcukgulten2@hotmail.com

Amortisman Hesaplamalarında Yapay Zeka Kullanımı

Yapay zekaya yönelik çalışmaların son yıllarda büyük gelişmeler göstermesiyle içinde bulunduğumuz zamana yapay zeka çağı denilmeye başlanmıştır. Yapay zeka çağında dijital teknolojilerin gelişimi ve bilgi ekonomisine geçiş, muhasebe biliminin prensiplerini ve yöntemlerini dönüştürmektedir. Yapay zeka alanındaki hızlı gelişmeler muhasebe bilimi üzerinde de etkilerini göstermektedir. Yapay zeka çalışmalarının günümüzde geldiği seviye henüz insan zekasını geçebilecek genel süper yapay zeka seviyesine ulaşamamıştır. Ancak spesifik alanlarda örneğin satranç gibi bir alanda yapay zeka insan zekasının ötesinde başarılar göstermektedir.

Muhasebe yazılımları verilerin insan tarafından girilmesine ve yöntemlerin seçilmesine bağlı olarak amortisman hesaplamaları yapabilmektedir. Yapay zekalı bir muhasebe yazılımında amortisman hesaplamaları için gereken verilerin yapay zeka tarafından tespiti ve amortisman yöntemlerinden birisinin seçilmesi elzemdir. Yapay zekanın muhasebe alanında kullanımına ilişkin kitaplar, tezler, makaleler son yıllarda artmasına rağmen spesifik muhasebe konularında yapay zeka kullanımına yönelik çalışmalar oldukça sınırlı kalmaktadır.

1.YAPAY ZEKA VE MUHASEBE

Yapay zeka hassas hesaplamalar ve ayrıntılı adım adım basamaklar takip edilerek çözülmesi gereken konularda kullanılabilmektedir. Rutin ve yorucu hesaplamaları yapay zeka başarılı bir şekilde gerçekleştirebilmektedir. Yapay zeka hem hızlı cevaplar vermek hem de derinlemesine öğrenme teknikleri kullanılarak analiz ve çıkarımlar yapmak için mükemmel bir araçtır. Yapay zeka, büyük miktarda finansal veriyi saniyeler içinde işleyebilir ve manuel olarak saatler sürecek hesaplamaları gerçekleştirebilir.

Yapay zeka muhasebe mesleğinde gerçekleştirilen pek çok hesaplamayı kendisi insan müdahalesi olmaksızın gerçekleştirebilecek düzeye gelmiştir. Üretken yapay zeka kullanılarak sadece hesaplama yapmak değil, yapılan hesaplamaların gerekçesini de açıklaması mümkündür. Yapay zeka araçlarının muhasebe alanında kullanımları reeskont, amortismanlar, yedek akçeler, indirimli kurumlar vergisi gibi konularda mümkündür. Karmaşık hesaplamalar yapay zeka araçları ile kolaylıkla gerçekleştirilebilmektedir.

Yapay zekanın muhasebe alanında kullanılmasının birtakım sınırlamaları da bulunmaktadır. Bunlardan birincisi doğal dil işleme modellerinin çoğunluğunun İngilizce esas alınarak gerçekleştirilmesidir. Yapay zekanın doğru hesaplama yapabilmesi için öncelikle kendisinden istenilen hesaplamanın ne olduğunu anlaması gerekir. Yapay zekaya görev vermek veya yapay zekanın bir şey yapmasını istemek istem (prompt) mühendisliğinin çalışma alanına girmektedir. Bu alanda Türkçe diline ait kütüphaneler henüz çok yetersizdir. Özellikle muhasebe terimlerine yönelik bir veri kütüphanesinin hızla oluşturulması gerekmektedir.

Yapay zekanın muhasebe alanında kullanılmasının ikinci temel sınırlaması ise Türkiye’de vergi odaklı muhasebe anlayışının ağırlıkta olmasıdır. Muhasebe hesaplamaları bilgi için veya vergi için yapıldığında sonuçlar farklılaşmakta kanunen kabul edilmeyen giderler veya vergiye tabi olmayan gelirler söz konusu olabilmektedir. Vergi kanunlarının sık değişmesi, oranların, kuralların yapay zeka tarafından tekrar öğrenilmesini gerektirmektedir.

Yapay zekanın muhasebe alanında kullanılmasının üçüncü temel sınırlaması ise muhasebe ve vergiye yönelik bilgilerin gizliliğidir. Yapay zeka öğrenme aşamasında gerçek ve yüksek miktarda veriye ihtiyaç duymaktadır. Yapay zeka öğrenme aşamasında temiz, gerçek veriler sunulması ile etik ve kanunlara uygun hesaplamalar yapma imkanına kavuşacaktır.

2.YAPAY ZEKA İLE AMORTİSMAN HESAPLAMALARI

Muhasebe meslek mensupların hem aldıkları eğitimler hem de uzun yıllar içerisinde edindikleri tecrübelerle kolaylıkla amortisman hesaplamalarını gerçekleştirebilmektedirler. Bir başka muhasebe meslek mensubunun gerçekleştirdiği amortisman hesaplamalarının doğru olup olmadığını ise hem vergi müfettişleri hem de bağımsız denetçiler kolaylıkla tespit edebilmekte, yeniden hesaplama, örnekleme, kontrol gibi denetim tekniklerini kullanabilmektedirler. Günümüz muhasebe programlarının hemen hepsi amortisman hesaplamalarını vergi girişlerinin insan tarafından yapılması ve amortisman hesaplama yöntemlerinin seçilmesiyle gerçekleştirebilmektedirler. Bu çalışma kapsamında amortisman hesaplamaları bütünüyle yapay zeka tarafından yapılabilir mi sorusuna cevap aranacaktır.

Öncelikle Turing testinden bahsetmek gerekmektedir. Turing testi bir sistemin yapay zekalı olup olmadığının tespitinde kullanılmaktadır. Bu teste göre yapılan amortisman hesaplamasının yapay zeka tarafından mı yoksa alanında uzman tecrübeli bir muhasebe meslek mensubu tarafından mı yapıldığı anlaşılamıyorsa, o hesaplamayı yapan sistem yapay zekâlı kabul edilmektedir. Yani yapay zekalı amortisman hesaplamalarını üreten bir sistem bunu deneyimli bir muhasebe meslek mensubu kadar kusursuz bir şekilde hesaplayabilmelidir. Duran varlıklar, işletmelerin finansal tablolarının önemli bir bileşenidir ve amortismanlarının hesaplanması işlemi vergi yükü üzerinde önemli bir etkiye sahiptir. Bu amortisman hesaplamalarına yapay zekanın dahil edilmesi, sürecin daha doğru olmasını, muhasebe işlemlerinin otomasyonunu ve vergisel risklerin en aza indirilmesini sağlar.

Muhasebenin yapay zeka kullanılarak dijitalleştirilmesi işçilik maliyetlerini önemli ölçüde azaltır, operasyonların şeffaflığını artırır ve insan hatası olasılığını azaltır. Ancak, muhasebede yapay zekanın geniş çaplı uygulanması, düzenleyici çerçeveler, etik yönler, kaynak verilerin kalitesi ve işletmenin teknolojik değişime hazır olması gibi birçok faktörün dikkate alınmasını gerektirir. Duran varlıkların genel muhasebe uygulamalarında yapay zekanın amortismanlara yönelik potansiyelinin bilimsel olarak anlaşılması önemlidir. Ayrıca çeşitli endüstrilere ve mükelleflere uygulanabilir standart algoritmalar ile yeni yapay zeka modellerin geliştirilmesi, yapay zekanın muhasebe meslek mensuplarınca benimsenmesini sağlayabilecek bir alandır.

2.1.Yapay Zeka ile Amortisman Oranlarının Tespiti

Yapay zeka, makine öğrenimi algoritmaları ve büyük veri teknolojilerini kullanarak gizli kalıpları belirleyebilir ve duran varlıkların ekonomik yaşam döngüsü boyunca değerlerindeki değişiklikleri tahmin edebilir. Yapay zekanın amortisman oranlarını tespit etmekte temel ikilemi vergi kanunlarına göre mi yoksa Türkiye Finansal Raporlama Standartları (TFRS), Büyük ve Orta Boy İşletmeler Finansal Raporlama Standartları (BOBİ FRS) ve Küçük ve Mikro İşletmeler Finansal Raporlama Standartları (KÜMİ FRS) kapsamında mı amortisman hesaplayacağı yönünde olacaktır.

Yapay zekanın vergi kanunları çerçevesinde amortisman hesaplaması yapması istendiğinde Gelir İdaresi Başkanlığı sitesinde yer alan amortisman oranları güncel tablosunu kullanması istenebilir. Böylece hangi duran varlığın faydalı ömrünün ne olduğu kullanılacak normal amortisman oranı ve ilgili tebliğ numarası bilgilerine yapay zeka vakıf olacaktır. Bu bilgileri kullanarak yapay zekanın amortisman oranını kolaylıkla tespit etmesi mümkündür.

TFRS, BOBİ FRS veya KÜMİ FRS kapsamında amortisman ayrılacak ise amortismana tâbi tutar, maddi duran varlığın maliyet bedelinden kalıntı değerinin düşülmesi suretiyle faydalı ömre göre belirlenecektir. Bu durumda yapay zekanın duran varlığın hem faydalı ömrünü hem de kalıntı değerini tahmin etmesi gerekecektir. Konunun daha belirli bir çerçeve içerisinde açıklanması amacıyla bu çalışmada TFRS, BOBİ FRS ve KÜMİ FRS kapsamında yapılacak amortisman işlemleri kapsam dışında tutulmuştur.

2.2.Yapay Zeka ile Amortisman Yönteminin Seçilmesi

Yapay zekanın vergi kanunlarına göre amortisman ayrılması işleminde amortisman yöntemine karar vermesi gerekmektedir. Bu durumda karar verme kriterinin ne olacağı hususu önem arz etmektedir. Yapay zekaya en az vergiyi ödetecek amortisman yöntemini vergi kanunlarına uygun şekilde seçebilirsin istemi (promptu) verildiğinde veya makine öğrenmesi noktasında bu husus öğretildiğinde azalan bakiyeler (kalanlar) yöntemi seçilecektir. Normal (eşit tutarlı) amortisman yöntemi, azalan bakiyeler (kalanlar) ve fevkalade amortisman yöntemlerinden birisini yapay zekanın kendi değerlendirme kriterlerine göre seçmesi beklenir.

Amortisman yöntemi seçildikten sonra yapay zekanın karşılaşacağı bir diğer sorun ise tam amortisman mı yoksa kıst amortisman mı uygulayacağı olacaktır. Vergi Usul Kanunun 320’nci maddesi dahilinde “Faaliyetleri kısmen veya tamamen binek otomobillerinin kiralanması veya çeşitli şekillerde işletilmesi olanların bu amaçla kullandıkları binek otomobilleri hariç olmak üzere, işletmelere ait binek otomobillerinin aktife girdiği hesap dönemi için ay kesri tam ay sayılmak suretiyle kalan ay süresi kadar amortisman ayrılır. Amortisman ayrılmayan süreye isabet eden bakiye değer, itfa süresinin son yılında tamamen yok edilir” şeklinde hükmü yorumlaması gerekecektir. Yapay zekanın bir kanun maddesini algılamasında “tokenizasyon” denilen bir işlemi gerçekleştirmesi, bir diğer ifade ile hükmü en küçük parçalarına kadar ayrıştırması gerekmektedir. Daha sonra adım adım takip edebileceği bir algoritma üretmesi gerekir. Örnek bir algoritma şu şekilde olabilir.

Adım 1-Duran varlık binek otomobil mi? Cevap Evetse adım 3’e git.

Adım 2-GİB Amortisman tablosundan faydalı ömrü ve amortisman oranını tespit et. Diğer amortisman hesaplama fonksiyonuna (metoduna) git.

Adım 3-Kısmen veya Tamamen Binek Otomobil Kiralanması söz konusu mu? Cevap evetse diğer amortisman hesaplama fonksiyonuna (metoduna) git.

Adım 4-Kısmen veya Tamamen Binek Otomobil çeşitli şekillerde işletilmesi söz konusu mu? Cevap evetse diğer amortisman hesaplama fonksiyonuna (metoduna) git.

Adım 5-Kıst amortisman uygulanacağından binek otomobilin aktife girdiği ayı tespit et.

Adım 6-GİB Amortisman tablosundan faydalı ömrü ve amortisman oranını tespit et.

Adım 7-İçinde bulunulan yıl binek otomobil KDV ve ÖTV hariç amortisman sınırı tespit et.

Adım 8-Amortisman tutarını hesaplayarak adım 7’deki sınır ile karşılaştır.

Adım 9-Tespit ettiğin değerleri ekrana yazdır.

Algoritmalar bilgisayar programlarının hesaplamaları ve işlemleri gerçekleştirmesi sırasında oldukça önemli rollerdir. Algoritmaların Python, C#, Go gibi programlama dilleri aracılığıyla yazılması, derlenerek makine diline çevrilmesi gerekmektedir. Bilgisayar programcıları IDE olarak kısaltılan kod yazma, derleme, test etme ve hata ayıklama gibi işlemleri tek bir platformda yapmalarını sağlayan bir yazılımlar kullanmaktadır. Yapay zeka ise kod yazma, algoritma geliştirme gibi işlemleri de kendi başına yapar hale gelmiştir.

2.3.Yapay Zeka ile Amortisman Yönteminin Değiştirilmesi

Yapay zekaya istem (prompt) veya makine öğrenmesi sırasında en az vergiyi ödetecek şekilde ve kanunlar çerçevesinde amortisman hesaplaması gerektiğini belirtmiştik. Yapay zeka en az vergi ödetme kriteri çerçevesinde azalan bakiyeler (kalanlar) yöntemini tercih edecek ve GİB amortisman tablosunda yer alan amortisman oranlarının iki katını kullanacaktır. Böylece ilk yıl ve ikinci yıl azalan bakiyeler (kalanlar) yöntemine göre amortisman tutarını hesaplayacak ve ilgili muhasebe kaydını oluşturacaktır. İşletmede kullanılan hesap planını analiz ederek gerekiyorsa 770, 760, 257 gibi hesaplarda gerekli alt hesapları da oluşturacaktır.

Yapay zeka üçüncü yıla gelindiğinde normal (eşit tutarlı) amortismana geçiş yapıp yapmamasının en az vergi ödetme kriteri açısından değerlendirmesini de yapacaktır. İlk iki yıl ayrılan amortisman tutarlarını maddi duran varlığın değerinden indirerek kalan tutarı kalan amortisman süresine bölecektir. Bulduğu değeri, bu yıl da azalan bakiyeler (kalanlar) yöntemine göre ayırması gereken amortisman tutarı ile karşılaştıracaktır. Eğer bulduğu değer yüksek ise normal amortisman yöntemine geçiş kararı alacaktır.

2.4.Enflasyon Düzeltmesi İşlemlerinin Yapay Zeka ile Yürütülmesi

2023 yılı sonu itibarıyla enflasyon düzeltmesi işlemleri gerçekleştirilmiş ve ayrılan amortisman tutarları da bulunan endekslere göre güncellenmiştir. Daha sonra 2024 ve 2025 yılında da enflasyon düzeltmesi işlemi devam etmiştir. Bu durumda yapay zekanın sağlıklı bir amortisman hesaplaması yapabilmesi için TÜFE endeks verilerine sahip olması gerekir. GİB amortisman tablosu gibi verileri okuyabileceği ve hesaplamalarda kullanabileceği TÜİK verilerine ulaşması gerekmektedir. Yapay zekaya eklenen derin arama yeteneği ile internet üzerinde arama yaparak verilere kendisinin ulaşması da mümkün hale gelmiştir.

2.5.Amortisman Hesaplamalarında Yapay Zeka Kullanımı Riskleri

Amortisman hesaplamalarında yapay zeka kullanımının çeşitli riskleri de bulunmaktadır. Bu riskler şu şekilde ifade edilebilir.

a) Veri Kalitesi: Yapay zekanın doğruluğu için kaliteli verilere erişim esastır. Makine öğrenimi sırasında hatalı veri sunulması yapay zekanın yanlış öğrenimine yol açabilir. Böylece yapay zeka halüsinasyon görebilir veya yanlış hesaplamalar yapabilir.

b)Teknoloji Bağımlılığı: Yapay zeka sistemlerinin sürekli olarak güncellenmesi ve bakımı önemli maliyetler ve teknolojik hazırlık gerektirir. Ancak kullanımına alışıldıktan sonra yapay zekanın kolayca yapabildiği işleri muhasebe meslek mensupları üstlenmek istemeyecektir.

c)Etik sorunlar: Muhasebede yapay zekanın kullanımı, karar alma sürecinde şeffaflık ve hesap verebilirlik konusunda sorunları gündeme getirebilir. Makine öğrenimi sürecinde yapay zekaya geçici vergi dönemlerinde %10 oranında kasten hata yapabilirsin şeklinde bir değer öğretilebilir veya fazla vergi çıkıyorsa amortisman oranlarını olduğundan daha fazla yapabilirsin şeklinde bir kanun dışı değer öğretilebilir.

d) Hukuki kısıtlamalar: Muhasebe meslek mensuplarının yapay zekayı kullanması, çeşitli kanunlar ile kısıtlanabilen düzenlemelere ve standartlara uygun olmalıdır. Bu kanunların değişimleri de iyi takip edilmelidir. Örneğin yapay zekanın yaptığı hesaplamalardaki hatalardan meslek mensubunun mu yoksa makine öğrenmesi sürecini yürüten yazılım şirketinin mi veya mükellefin mi sorumlu olduğu hukuken kurala bağlanabilir.

e)Olası algoritma hataları: Yapay zeka sistemleri, özellikle verinin algoritmaların eğitiminde öngörülmeyen değişiklikleri tahmin etmek için kullanıldığı durumlarda çeşitli hatalar yapması söz konusu olabilir. Kullanıcıdan kaynaklanmayan hataların kimin sorumluluğunda olduğu hususu da netleştirilmelidir.

Yapay zekanın kullanımına ilişkin riskleri daha da çeşitlendirmek mümkündür. Örneğin yapay zekanın kendi kendisine hükmedebileceği, insanların yerini alabileceği gibi klasik endişeler de bulunmaktadır. Muhasebe alanında yapay zeka kullanımı için yukarıda sayılan riskler daha ön plana çıkmaktadır.

3.YAPAY ZEKA AMORTİSMAN HESAPLAMA MODELLERİ

Yapay zeka geliştikçe kullanılabilecek yapay zeka araçları da artmaktadır. Çeşitli ülkeler ve şirketler yapay zeka yatırımları aracılığıyla pek çok yapay zeka modelini insanlığın hizmetine sunmaktadırlar. CHATGPT gibi ücretli versiyonları olan modeller olduğu gibi DEEPSEEK gibi açık kaynak kodlu, ücretsiz, kendi bilgisayarınıza indirip kullanabileceğiniz seçeneklerde mevcuttur. Yapay zeka, geçmiş verileri analiz ederek, duran varlıklarınız için en doğru yöntemi seçebilir, kullandığınız yöntemleri ve hesaplamaları kontrol edebilir, bu yıl ayırmanız gereken amortisman tutarlarını kolayca hesaplayabilir.

Yapay zeka konusunda belirli bir eğitiminiz yoksa bilinen yazılım şirketlerinin geliştirdiği ve mevcut yazılımlara entegre ettiği yapay zeka seçeneklerini de kullanabilirsiniz. Microsoft'un yapay zeka özellikleri veya üçüncü taraf eklentileri gibi araçlarla Excel deneyiminizi önemli ölçüde iyileştirerek amortisman hesaplamalarını kolayca yapabilirsiniz. Excel yapay zeka eklentilerini kullanarak işletmenin mizanından, önceki yıllar amortisman tablolarından veya demirbaş, duran varlık listeleri gibi kaynaklardan yapay zekanın otomatik olarak verileri tespit etmesini sağlayabilirsiniz. Böylece tek tek duran varlık tutarlarını, aktife giriş tarihlerini, daha önce ayrılan amortisman tutarlarını, kullanılan amortisman yöntemlerini yapay zeka öğrenmiş olacaktır. Üstelik yapay zeka, bu verilerin içerisinde yer alan hataları veya anormallikleri tespit edebilir ve daha büyük sorunlara dönüşmeden önce sizi uyarabilir. 

Microsoft Office 365, verilerinize dayalı içgörüler ve öneriler sağlayan Excel'deki “ideas” gibi yapay zeka özellikleriyle birlikte hazır bir şekilde kullanılabilmektedir. Yapay zekayı aktive etmek için “Giriş” sekmesindeki "ideas" düğmesine tıklayarak tam erişim sağlayabilirsiniz. Ayrıca 7 Şubat 2023 tarihinde piyasaya sunulan Microsoft copilot kullanılabilir. Microsoft Power BI gibi yapay zeka çözümleri ihtiyacınızı karşılamıyorsa, Excel eklentileri olarak kullanabileceğiniz DataRobot veya Alteryx gibi araçlara yönelebilirsiniz. Bilgisayar programcılığı konularına hakimseniz Python veya R gibi popüler dilleri kullanarak özel yapay zeka modelleri oluşturabilir ve bunları Excel ile entegre edebilirsiniz. Uygun yapay zeka seçimi, işletmenin ölçeğine, dijitalleşme düzeyine, sektöre ve nitelikli uzmanların mevcudiyetine bağlıdır.

Bricks, doğal dil komutlarını kullanarak anında panolar, raporlar ve grafikler oluşturmanıza yardımcı olan yapay zeka destekli bir elektronik tablo yazılımları da kullanılabilir. Bu ücretli yazılımlara veriyi yükledikten sonra ne yapmasını istediğinizi açıkladığınızda, formülleri, kodları, tabloları kendisi oluşturmaktadır. Geleceğin muhasebe meslek mensuplarının ihtiyaç duyacağı bazı önemli beceriler arasında çeşitli kaynaklardan yapılandırılmış ve yapılandırılmamış verileri analiz etmek, verilerle ilgili olası riskleri ve sorunları belirlemek ve ham verileri yararlı bilgilere dönüştürmek için veri analitiğini kullanmak yer alacaktır.

Muhasebe meslek mensupları muhasebe işlemlerinde daha fazla yapay zeka kullanımına başlamışlardır. E defter sürecinde ve dijitalleşme döneminde yazılım maliyetlerinin muhasebe meslek mensuplarına yüklenmesi, haksız maliyetlerin ödenmek zorunda kalınması gibi çekincelerle ücretli yapay zeka uygulamalarına belirli bir mesafe gösterdikleri görülmektedir. İleride milli ve ücretsiz yapay zeka çözümlerinin yaygınlaşacağı veya muhasebe yazılımlarının hızlı bir şekilde yapay zeka entegrasyonlarını gerçekleştirebileceği ön görülebilir.

23.06.2025

Kaynak: www.MuhasebeTR.com
(Bu makale kaynak göstermeden yayınlanamaz. Kaynak gösterilse dahi, makale aktif link verilerek yayınlanabilir. Kaynak göstermeden ve aktif link vermeden yayınlayanlar hakkında yasal işlem yapılacaktır.)

>> Duyurulardan haberdar olmak için E-Posta Listemize kayıt olun.

>> SGK Teşvikleri (150 Sayfa) Ücretsiz E-Kitap: hemen indir.

>> MuhasebeTR mobil uygulamasını Apple Store 'dan hemen indir.

>> MuhasebeTR mobil uygulamasını Google Play 'den hemen indir.

>> YILIN KAMPANYASI: Muhasebecilere Özel Web Sitesi 1.249 TL + KDV  Ayrıntılar için tıklayın.