Yapay Zekâ Maliyetleme Yöntemi

Bu makalenin ilk hali 5 Haziran 2025 tarihinde yayımlandı. https://dergipark.org.tr/tr/pub/uiibfd/article/1659055

Düzeltme Notu

Makale Bilgisi Düzenlendi (Makalenin 13. Uluslararası Zeugma Bilimsel Araştırmalar Kongresi’nde sunulmuş ve bildiri kitabında “özet metin bildiri” olarak yer aldığı bilgisi eklendi)

Öz

Geleneksel maliyetleme yöntemleri, kitle üretiminin ortaya çıkışından XX. yüzyılın sonlarına kadar mamul maliyetlerinin belirlenmesinde ihtiyacı karşılamıştır. Toplam maliyetler içinde genel üretim giderleri payının artması ile birlikte maliyet yapısının değişmesi ve üretim proseslerinin gelişmesi gibi sebeplerle geleneksel yöntemler yetersiz kalmaya başlayınca modern maliyetleme yöntemleri ortaya çıkmıştır. Günümüzde ise yapay zekâ uygulamaları, hayatın neredeyse her alanına girdiği gibi üretim faaliyetlerinde de önemli bir yer edinmiştir. Bu uygulamaların, işletmelerin mamul birim maliyetlerinin belirlenmesinde de etkin bir rol oynaması beklenen bir durumdur. Çalışmanın amacı, yapay zekanın, var olan maliyetleme yöntemlerinin dışında, kendi prensipleriyle birlikte bağımsız bir maliyetleme yöntemi oluşturup oluşturamayacağının araştırılmasıdır. Çalışmada öncelikle kolay kullanılabilen ChatGPT, Claude, Copilot, DeepSeek ve Gemini yapay zekâ sohbet programlarından yapay zekâ maliyetleme ile ilgili bilgiler alınarak teorik altyapı oluşturulmuştur. Sonrasında ise bu programlara bir örnek uygulama sorusu sorularak mamul birim maliyetlerini belirlemeleri istenmiştir. Gerçek hayatta bir işletmenin kuracağı karmaşık yapay zekâ maliyetleme sisteminin basit bir temsilcisi olarak bu programların bile belirli bir noktaya kadar hesaplamaları doğru şekilde yaptıkları görülmüştür. İşletmelerin bir maliyetleme sistemine ihtiyaç duyma sebeplerine göre de değerlendirilen yöntemin mevcut maliyetleme yöntemlerine bir alternatif oluşturabileceği düşünülmektedir.

Anahtar Kelimeler

• Yapay zekâ
• chatbotlar
• maliyetleme yöntemleri
• birim maliyet

Artificial Intelligence Costing Method

Bu makalenin ilk hali 5 Haziran 2025 tarihinde yayımlandı. https://dergipark.org.tr/tr/pub/uiibfd/article/1659055

Öz

Traditional costing methods met the need for determining product costs from the emergence of mass production until the end of the 20th century. When traditional methods became inadequate due to reasons such as the change in the cost structure and the development of production processes along with the increase in the share of general production expenses in total costs, modern costing methods emerged. Today, artificial intelligence applications have entered almost every area of life and have gained an important place in production activities. It is expected that these applications will play an active role in determining the product unit costs of businesses. The aim of the study is to investigate whether artificial intelligence can create an independent costing method with its own principles, apart from existing costing methods. In the study, first of all, information about artificial intelligence costing was obtained from the easy-to-use ChatGPT, Claude, Copilot, DeepSeek and Gemini artificial intelligence chat programs and the theoretical infrastructure was created. Then, these programs were asked a sample application question and asked to determine product unit costs. It was seen that even these programs, as a simple representative of the complex artificial intelligence costing system that a business would establish in real life, made calculations correctly up to a certain point. It is thought that the method, which is evaluated according to the reasons why businesses need a costing system, can be an alternative to existing costing methods.

Anahtar Kelimeler

• Artificial intelligence
• chatbots
• costing methods
• unit cost

Kaynakça

1. Akbulut, F. ve Gençtürk, M. (2021). Faaliyet Tabanlı Maliyetleme Yöntemleri İle Geleneksel Maliyetleme Yönteminin Karşılaştırılması. Hacettepe Sağlık İdaresi Dergisi, 24(3), 435-456.
2. Aslam, B., Maqsoom, A., Inam, H., Basharat, M.u. ve Ullah, F. (2023). Forecasting Construction Cost İndex Through Artificial İntelligence. Societies, 13(10), 290.
3. Baral, G. ve Aslan, T. (2018). Bulanık Maliyet Tahminlemesi. Muhasebe ve Denetime Bakış, 2018 (53), 199-214.
4. Bisen, Ö. ve Dikmen, S.Ü. (2012). Üstyapı Projelerinin Maliyet Tahmin Çalışmalarında Belirsizliklerin Yapay Zekâ Teknikleriyle Analizi. New World Sciences Academy-Engineering Sciences, 7 (2), 394-403.
5. Büyükmirza, K. (2019). Maliyet Ve Yönetim Muhasebesi. 23. baskı. Ankara: Gazi Kitabevi.
6. ChatGPT 4. chatgpt.com adresinden erişilmiştir. (Erişim tarihi: 04.02.2025)
7. Chen, T. (2013). A Collaborative And Artificial İntelligence Approach For Semiconductor Cost Forecasting. Computers & Industrial Engineering, 66 (2013), 476-484.
8. Chou, J.S., Tai, Y. ve Chang, L.J. (2010). Predicting The Development Cost Of TFT-LCD Manufacturing Equipment With Artificial İntelligence Models. Int. J. Production Economics, 128 (2010), 339–350.

9. Claude 3.5 Sonnet. claude.ai adresinden erişilmiştir. (Erişim tarihi: 04.02.2025)
10. Copilot. copilot.microsoft.com adresinden erişilmiştir. (Erişim tarihi: 04.02.2025)
11. Deepseek R1-V3. deepseek.com adresinden erişilmiştir. (Erişim tarihi: 04.02.2025)
12. Dobrucalı, E. ve Demir, İ.H. (2017). Yapı Yaklaşık Maliyet Hesaplarında Yapay Zekâ Tekniğinin Uygulanabilirliğinin Bir Vaka Çalışması Üzerinde İncelenmesi. 5th International Symposium on Innovative Technologies in Engineering and Science. Proceedings Book. 489-496.
13. Du, X. (2021). Construction Cost Simulation Based On Artificial İntelligence And BIM. Scientific Programming, 2021 (1), 1-11.
14. Elmousalami, H.H. (2019). Artificial İntelligence And Parametric Construction Cost Estimate Modeling: State-Of-The-Art Review. Journal of Construction Engineering and Management, 146(1), https://doi.org/ 10.1061/(ASCE)CO.1943-7862.0001 678.
15. Erion, G., Janizek, J.D., Hudelson, C., Utarnachitt, R.B., McCoy, A.M., Sayre, M.R., White, N.J. ve Lee, S.I. (2022). CoAI: Cost-Aware Artificial İntelligence For Health Care. Nat Biomed Eng, 6 (12), 1384-1398.
16. Gacar, A. (2019). Yapay Zekâ Ve Yapay Zekânın Muhasebe Mesleğine Olan Etkileri: Türkiye’ye Yönelik Fırsat Ve Tehditler. Balkan Sosyal Bilimler Dergisi, 2019 (8), 389-394.
17. Gemini 2.0 Flash. gemini.google.com adresinden erişilmiştir. (Erişim tarihi: 04.02.2025)
18. Judijanto, L. (2024). Integration Of Artificial İntelligence İn Activity-Based Project Costing: Enhancing Accuracy And Efficiency İn Project Cost Management. International Journal of Communication Networks and Information Security, 16 (4), 66-79.
19. Juszczyk, M. (2017). The Challenges Of Nonparametric Cost Estimation Of Construction Works With The Use Of Artificial İntelligence Tools. Procedia Engineering, 196 (2017), 415-422.
20. Kaplan, R.S. ve Cooper, R. (1998). Cost & Effect: Using İntegrated Cost Systems To Drive Profitability And Performance. USA: Harvard Business School Press.
21. Karakaya, M. (2014). Maliyet Muhasebesi. 6. baskı. Ankara: Gazi Kitabevi.
22. Karğın, S. (2013). Faaliyet Tabanlı Maliyetleme Yönteminin Yükselişi Ve Düşüşü. Muhasebe ve Finansman Dergisi, Nisan 2013, 21-40.
23. Okan Gökten, P. (2018). Karanlıkta Üretim: Yeni Çağda Maliyetin Kapsamı. Muhasebe Bilim Dünyası Dergisi, 20(4), 880-897.
24. Özçelik, F. (2019). Maliyet Yöntemlerinin Değerlendirilmesi Ve Seçimi. Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Dergisi, 12 (4), 607-622.
25. Wang, B., Yuan, J. ve Ghafoor, K.Z. (2021). Research On Construction Cost Estimation Based On Artificial İntelligence Technology. Scalable Computing: Practice and Experience, 22 (2), 93-104.
26. Yoo, S. ve Kang, N. (2021). Explainable Artificial İntelligence For Manufacturing Cost Estimation And Machining Feature Visualization. Expert Systems With Applications, 183(2021), 115430. https://doi.org/10.1016/j.eswa.2021.115430.m