Yapay zekâ ile sözleşmelerden veri nasıl çıkarılır

Yapay zekâ ile sözleşme veri çıkarma nedir?

Yapay zekâ ile sözleşme veri çıkarma, yapay zekâ kullanarak sözleşmelerdeki belirli bilgileri belirleme ve alma sürecidir.

Bir PDF’yi yalnızca metne dönüştürmek yerine amaç, önemli bilgileri incelenebilen, aranabilen ve yeniden kullanılabilen yapılandırılmış alanlar halinde düzenlemektir.

Örneğin bir hizmet sözleşmesi şunları içerebilir:

• Müşteri ve tedarikçi adları
• Sözleşme referans numarası
• Yürürlük ve bitiş tarihleri
• Ödeme tutarları ve koşulları
• Yenileme ve fesih koşulları
• Gizlilik maddeleri
• Sözleşmeden doğan yükümlülükler

Yapılandırılmış çıkarma ile bu ayrıntılar belge boyunca dağınık kalmak yerine ayrı veri alanları olarak gösterilebilir.

Bu süreç, farklı belge biçimlerindeki bilgilerin kullanılabilir veriye dönüştürüldüğü daha geniş bir yapay zekâ ile belge veri çıkarma yaklaşımının parçasıdır.

Sözleşmelerden hangi veriler çıkarılabilir?

Çıkaracağınız bilgiler, anlaşmanın türüne ve iş gereksinimlerinize bağlıdır.

İşte bazı yaygın sözleşme veri alanları:

Yüzlerce tedarikçi anlaşmasını yöneten bir şirket düşünün. Finans ekibinin esas olarak ödeme koşullarına ve sözleşme tutarlarına ihtiyacı olabilirken operasyon ekibi yürürlük tarihlerine, yenileme koşullarına ve hizmet yükümlülüklerine ihtiyaç duyabilir.

Şirket, her cümleyi çıkarmak yerine her iş akışının gerektirdiği bilgiyi tanımlayabilir. Önemli olan daha fazla bilgi değil, yararlı bilgi çıkarmaktır.

Elle sözleşme veri çıkarma neden zordur?

Az sayıda belgeyle uğraşırken elle sözleşme incelemesi işe yarayabilir. Ancak sözleşmelerin hacmi ve çeşitliliği arttıkça bilgi çıkarmak daha zorlaşır.

Sözleşmelerin yapıları farklıdır

Bir ödeme maddesi bir anlaşmada “Ücretler” başlığı altında, bir diğerinde “Ticari Koşullar” altında yer alabilir. Benzer şekilde bir bitiş tarihi ilk sayfada, bir tablonun içinde veya belgenin sonuna yakın bir paragrafta olabilir.

Bu nedenle sabit konumlara veya aynı düzenlere dayanan bir süreç, farklı kaynaklardan gelen sözleşmelerle zorlanabilir.

Önemli bilgiler birden çok sayfaya yayılmıştır

Tek bir anlaşma birkaç ilgili tarih, parasal tutar ve hukuki koşul içerebilir. Örneğin imza tarihi yürürlük tarihinden farklı olabilir; yenileme tarihi ise başka bir yerde anlatılan bir bildirim süresine bağlı olabilir.

Doğru değeri çıkarmak, hangi bilginin istenen alana karşılık geldiğini anlamayı gerektirir.

Taranmış sözleşmeler ek işleme gerektirir

Bazı sözleşmeler dijital olarak oluşturulmuş belgeler yerine taranmış PDF olarak saklanır. Bu dosyalar seçilebilir metin içermeyebilir.

Bilgiler yapılandırılmış alanlara düzenlenmeden önce metni tanımak için optik karakter tanıma (OCR) kullanılır.

Ancak metni tanımak, bir işletmenin ihtiyaç duyduğu bilgiyi belirlemekle aynı şey değildir. Birden çok tarih, tutar ve madde içeren taranmış anlaşmalarla çalışırken OCR ile veri çıkarma arasındaki fark özellikle önem kazanır.

Elle kopyalama hata getirir

Sözleşme verilerini e-tablolara veya iç sistemlere girmek eksik değerlere, yanlış tarihlere veya tutarsız biçimlendirmeye yol açabilir. Yapılandırılmış bir çıkarma iş akışı tekrarlayan veri girişini azaltmaya yardımcı olur; ancak çıkarılan sonuçların yine de uygun biçimde doğrulanması gerekir.

Yapay zekâ ile sözleşmelerden veri nasıl çıkarılır

Yapay zekâ tabanlı çıkarma nispeten basit bir süreç izler: sözleşmeyi yükleyin, gereken alanları belirleyin, belgeyi işleyin, sonuçları inceleyin ve bilgileri dışa aktarın.

Bu adımları Heyyel Data Extractor ile şöyle yapabilirsiniz.

Adım 1: Sözleşmenizi yükleyin

İşlemek istediğiniz sözleşmeyi yükleyerek başlayın. Heyyel Data Extractor, PDF, JPG, PNG, WebP ve TIFF dahil yaygın belge biçimlerini destekler.

Bu, dijital olarak oluşturulmuş PDF sözleşmelerle ve görsel olarak saklanan taranmış anlaşmalarla çalışabileceğiniz anlamına gelir. Daha iyi sonuçlar için net metinli ve eksiksiz sayfalı bir belge kullanın.

Adım 2: Sözleşme ön ayarını seçin

Belgeyi yükledikten sonra Sözleşme ön ayarını seçin. Ön ayar, yaygın sözleşme bilgilerini çıkarmak için önerilen alanlar sunar.

Sabit bir çıkarma yapısına güvenmek yerine bu alanları gereksinimlerinize uyacak şekilde ayarlayabilirsiniz.

Daha özel gereksinimleri olan anlaşmalar için özel veri çıkarma, almak istediğiniz belirli bilgileri tanımlamanıza olanak tanır.

Adım 3: Çıkarmak istediğiniz bilgileri tanımlayın

Sonraki adım, ihtiyaç duyduğunuz alanları belirlemektir.

Net alan adları, benzer görünebilecek bilgileri ayırt etmeye yardımcı olur. Örneğin effective_date ve signature_date alanlarını ayrı kullanmak, date adında tek bir alan oluşturmaktan daha kesindir.

Bağlam sağlamak için çıkarma ipuçları da ekleyebilirsiniz. effective_date için örnek bir ipucu şöyle olurdu:

Anlaşmanın yürürlüğe girdiği tarihi çıkar; imza tarihini değil.

Bir fesih alanı için şunu kullanabilirsiniz:

Anlaşmanın feshi için gereken koşulları ve bildirim süresini açıklayan maddeyi çıkar.

Bu talimatlar, özellikle belgeler birbiriyle ilişkili birden çok değer içerdiğinde amaçlanan çıktıyı tanımlamaya yardımcı olur.

Adım 4: Yapay zekâ çıkarmasını çalıştırın

Gereken alanlar yapılandırıldıktan sonra çıkarmayı çalıştırın. Sistem belgeyi işler ve belirlenen bilgileri seçilen yapıya göre düzenler.

Sözleşmenin tamamını yapılandırılmamış metin olarak döndürmek yerine ortaya çıkan veri kümesi, belirttiğiniz alanlara odaklanır.

Çıkarılan değerleri özellikle tarihler, ödeme yükümlülükleri ve önemli sözleşme koşulları için özgün belgeyle karşılaştırarak inceleyin.

Adım 5: Sonuçları JSON veya CSV olarak dışa aktarın

Sonuçlar incelendikten sonra çıkarılan veriler JSON veya CSV biçiminde dışa aktarılabilir.

JSON, yapılandırılmış veri işleme ve yazılım iş akışları için yararlıdır; CSV ise e-tablolar ve tablo biçimli raporlama için uygundur. Uygun biçim, ekibinizin çıkarılan bilgileri nasıl kullanmayı planladığına bağlıdır.

Örnek: Sözleşme verilerini JSON’a çıkarma

İki şirket arasında kurgusal bir hizmet sözleşmesi düşünün. Sözleşme şu bilgileri içeriyor:

• Müşteri: Northstar Retail Ltd.
• Tedarikçi: Atlas Digital Services
• Yürürlük tarihi: 1 Ocak 2026
• Bitiş tarihi: 31 Aralık 2026
• Sözleşme bedeli: 24.000 EUR
• Ödeme koşulları: 2.000 EUR tutarında aylık ödemeler
• Yenileme: Taraflardan biri 30 gün önceden bildirimde bulunmadıkça 12 ay süreyle otomatik olarak yenilenir.

Bu ayrıntıları elle bir e-tabloya aktarmak yerine bilgiler yapılandırılmış alanlar halinde düzenlenebilir.

Örnek bir JSON çıktısı şöyle görünürdü:

{
  "contract_title": "Service Agreement",
  "client_name": "Northstar Retail Ltd.",
  "supplier_name": "Atlas Digital Services",
  "effective_date": "2026-01-01",
  "expiration_date": "2026-12-31",
  "contract_value": 24000,
  "currency": "EUR",
  "payment_terms": "Monthly payments of EUR 2,000",
  "auto_renewal": true,
  "renewal_period": "12 months",
  "termination_notice": "30 days"
}

Bu kurgusal örnek, amaçlanan veri yapısını gösterir; gerçek bir çıkarma sonucu veya doğruluk ölçütü değildir.

Artık her alanın net bir adı ve karşılık gelen bir değeri var. Veriler, tüm PDF’yi defalarca okumaya gerek kalmadan incelenebilir, diğer anlaşmalarla karşılaştırılabilir veya bir iç raporlama iş akışında kullanılabilir.

Sözleşme OCR’ı ve yapay zekâ ile sözleşme veri çıkarma

OCR ve yapay zekâ ile veri çıkarma ilişkilidir, ancak farklı sorunları çözer.

OCR metni tanır. Yapay zekâ ile veri çıkarma ise ihtiyaç duyduğunuz bilgiyi belirler ve yapılandırır.

Örneğin OCR, taranmış bir sözleşmedeki şu cümleyi tanıyabilir:

Anlaşma 31 Aralık 2026 tarihine kadar yürürlükte kalacaktır.

Yapılandırılmış çıkarma daha sonra ilgili alanı belirleyebilir:

{
  "expiration_date": "2026-12-31"
}

Bir sözleşme birkaç tarih veya koşul içerdiğinde bu ayrım özellikle önem kazanır. OCR metni erişilebilir kılar; yapılandırılmış çıkarma ise bilgiyi önceden tanımlı alanlarla eşler.

Otomatik sözleşme veri çıkarmanın yaygın kullanım senaryoları

Yapılandırılmış sözleşme verileri çeşitli iş süreçlerini destekleyebilir.

Sözleşme yönetimi

İdari ekipler, düzenli sözleşme kayıtları tutmak için sözleşme referanslarını, tarafları, tarihleri ve diğer tanımlayıcı bilgileri çıkarabilir.

Finans ve muhasebe

Finans ekipleri, mutabakat ve raporlama için sözleşme bedellerini, para birimlerini, ödeme planlarını ve faturalama koşullarını alabilir.

Satın alma ve tedarikçi yönetimi

Satın alma departmanları, tedarikçi anlaşmalarından tedarikçi bilgilerini, hizmet dönemlerini, yenileme tarihlerini ve fesih koşullarını çıkarabilir.

Hukuki operasyonlar

Hukuk ekipleri, çıkarılan maddeleri ve üst verileri ilgili hükümleri bulmak ve sözleşmeleri daha ileri bir incelemeye hazırlamak için kullanabilir. Yapay zekâ çıkarması bilgiye ulaşmayı destekler, ancak hukuki yorumun veya profesyonel muhakemenin yerini almaz.

Raporlama ve belge yönetimi

Kuruluşlar farklı sözleşme belgelerinden tutarlı alanlar toplayıp daha ileri analiz için yapılandırılmış veri kümelerine aktarabilir.

Doğru sözleşme veri çıkarma için en iyi uygulamalar

Yapay zekâ tabanlı çıkarma tekrarlayan işi azaltabilir, ancak güvenilir bir süreç yine alanların nasıl tanımlandığına ve doğrulandığına bağlıdır.

Kesin alan adları kullanın

date, amount veya company gibi belirsiz adlardan kaçının. contract_effective_date, annual_contract_value veya supplier_legal_name adlarını tercih edin.

Farklı sözleşme tarihlerini ayırın

İmza tarihleri, yürürlük tarihleri, yenileme tarihleri ve bitiş tarihleri farklı anlamlar taşıyabilir. İş akışınız gerektirdiğinde bunları ayrı alanlar olarak ele alın.

Karmaşık alanlara bağlam ekleyin

termination_clause gibi bir alan, hangi bilginin alınması gerektiğini tanımlayan net bir talimat gerektirebilir.

Çıkarma ipuçları beklenen anlamı açıklamaya yardımcı olur. Bu, birkaç benzer tarih, parasal değer veya sözleşme hükmü içeren PDF belgelerinden belirli veriler çıkarmanız gerektiğinde özellikle yararlıdır.

Kritik bilgileri inceleyin

İş kararlarını etkileyebilecek finansal değerleri, son tarihleri, yenileme koşullarını ve maddeleri doğrulayın. Çıkarılan bir madde, hukuki veya operasyonel kararlarda kullanılmadan önce özgün ifadesi ve bağlamıyla karşılaştırılmalıdır.

Eksik bilgileri dikkatle ele alın

Her sözleşme istenen her alanı içermez. Eksik bilginin nasıl gösterileceğini belirleyin; böylece bulunmayan bir madde veya değer, doğrulanmış bir olumsuz sonuçla karıştırılmaz.

Sözleşme veri çıkarmayı ne zaman otomatikleştirmelisiniz?

Otomasyon, belgeler farklı düzenler kullansa bile bir işletmenin düzenli olarak benzer bilgi kategorileri içeren sözleşmeleri işlediği durumlarda özellikle yararlı hale gelir.

Örneğin bir şirket birden çok tedarikçiden hizmet anlaşması alabilir ve her belgeden aynı alanları toplaması gerekebilir. Her anlaşmayı elle okuyup bilgilerini bir e-tabloya girmek yerine şirket tutarlı bir çıkarma yapısı tanımlayabilir ve ortaya çıkan kayıtları inceleyebilir.

Elle çıkarma, ara sıra gelen belgeler veya kapsamlı yorum gerektiren durumlar için hâlâ uygun olabilir. Amaç insan incelemesini ortadan kaldırmak değil, tekrarlayan bilgi toplamayı azaltmak ve ilgili verilere erişimi kolaylaştırmaktır.

Heyyel Data Extractor ile sözleşme verilerini çıkarın

Heyyel Data Extractor, belge içeriğini yapılandırılmış bilgiye dönüştürmeye yardımcı olur.

Sözleşme ön ayarı ve özelleştirilebilir çıkarma alanlarıyla iş akışınızın ihtiyaç duyduğu bilgileri belirleyebilir, PDF veya görüntü tabanlı sözleşmeleri işleyebilir ve sonuçları JSON ya da CSV olarak dışa aktarabilirsiniz.

Sözleşme tarihlerine, şirket bilgilerine, ödeme koşullarına veya seçili maddelere ihtiyaç duyuyor olun, tüm belgeyi elle çıkarmak yerine istediğiniz alanları tanımlayabilirsiniz.

Yapılandırılmış çıkarmanın belge iş akışınıza nasıl uyabileceğini görmek için Heyyel Data Extractor ile sözleşme veri çıkarmayı keşfedin.

Sık sorulan sorular