Satın almacılar yapay zekayı şirketteki satın alma işlerinde nasıl kullanır?

Sen bir satın alma departmanı için 'tedarikçi araştırma' otomasyonu kuran bir geliştiricisin.

Hedef: /src/procurement/sourceSuppliers.ts oluştur.
Input parametreleri: {
  productCategory: string,
  region: string ('Europe', 'Asia', 'Turkey'…),
  certifications: string[] (örn. ['GMP', 'ISO 22716']),
  maxMoq: number,
  targetPriceRange: [min, max, currency]
}

Akış:
1. Perplexity Sonar API'ye structured search: bölge + kategori + sertifika.
2. Dönen her firma için ek scraping (HTTP request) — eğer firma sitesi varsa 'about', 'certifications', 'contact' sayfalarını çek.
3. Sertifika doğrulama: GMP/ECOCERT/COSMOS kayıt API'lerinde firma adı + ülke ile kontrol.
4. Anthropic Claude Sonnet'e tüm topladığını ver, structured output ile {
     name, location, estimated_revenue, certifications: { cert, verified: bool }[],
     moq_range, price_indication, lead_time_days, score_0_100, score_reasoning,
     risk_flags: string[], sources: { type, url }[]
   }
5. Notion API'ye 'Tedarikçi Adayları' database'e satır eklemek için writeNotion.ts yaz.
6. Slack'e özet bildir: 'X firma bulundu, top 3 şunlar...'

Notion property tipleri: Name (title), Score (number), MOQ (number), Price (rich_text), Certifications (multi_select), Verified (checkbox), Risk Flags (multi_select), Sources (rich_text), Status (status: 'Yeni' | 'İncelemede' | 'Red' | 'Kabul').

Önce planı göster.

Sen bir satın alma ekibi için RFQ otomasyonu kuran bir geliştiricisin.

Hedef: /src/rfq/ klasöründe 3 dosya:

1. createRfqEmail.ts — input: { productSpec, commercialTerms, supplierName, contactPerson, language }
   Output: { subject, body, attachmentTechnicalSpec.pdf }
   Anthropic Claude Sonnet ile firmaya özel ton + dil. Teknik spec'i ayrı PDF olarak ekle.

2. sendRfqBatch.ts — input: supplier listesi [{ name, email, contact, language }]
   Her tedarikçiye createRfqEmail çağır, Gmail API ile gönder.
   Postgres 'rfq_threads' tablosuna: rfq_id, supplier_id, sent_at, message_id, status='sent'.

3. parseQuoteReply.ts — input: gelen e-posta (IMAP trigger ile)
   Eğer message_id bizim rfq_thread'lere yanıtsa:
   - PDF/inline metni Claude Sonnet'e ver, structured output şeması:
     { unit_price, currency, moq, lead_time_days, payment_terms, validity_days,
       warranty, incoterm, notes, missing_fields: string[] }
   - Google Sheets 'rfq_<id>_comparison' sayfasına satır ekle.
   - missing_fields varsa otomatik takip e-postası taslağı oluştur (insan onayına Slack).

Buna ek bir karşılaştırma view'ı: /src/rfq/compareQuotes.ts —
input: rfq_id, output: en iyi 3 tedarikçi + gerekçe (price + delivery + payment ağırlıklı toplam skor).

Önce plan, sonra kod.

Sen bir kurumun hukuk + satın alma ekibi için sözleşme analiz aracı kuran bir geliştiricisin.

Hedef: /src/contracts/analyzeContract.ts

Akış:
1. Input: PDF file path veya URL.
2. pdf-parse ile metin çıkar; temizle (sayfa numaralarını, footer'ları sil).
3. Document Loader ile chunk'la (chunk_size: 4000 token, overlap: 400 — sözleşme klozları sınırı atlamamalı).
4. Her chunk'ı Anthropic Claude Sonnet'e gönder, structured output:
   {
     clauses_found: [{ clause_number, type, text_excerpt, risk_level: 'low'|'med'|'high', notes }],
     pricing_triggers: [{ description, index_used, frequency, cap }],
     termination_terms: { mutual, fault, convenience, notice_days },
     penalties: [{ type, amount, cap, applies_to }],
     missing_clauses_expected: string[]
   }
5. Tüm chunk çıktılarını birleştir, tek bir final rapor üret (executive summary + tüm chunk'ların özeti).
6. Karşılaştırma modu: --compare-with <prev_contract_id> verilirse, önceki sözleşmenin clauses'ı ile yeni clauses'ı 'diff'le — değişen, eklenen, çıkarılan maddeler.
7. Sonuçları Postgres 'contract_analyses' tablosuna kaydet (contract_hash, supplier, analysis_json, created_at).
8. Notion API ile yeni bir sayfa oluştur: 'Sözleşme Analizi - <Supplier> - <Date>' başlığı, içinde tüm bölümler markdown halinde.
9. Slack'e bildirim: '<Supplier> sözleşmesi analiz edildi - X risk bulundu, Y müzakere önceliği var'.

Audit: her analizi 'audit_log' tablosuna yaz (kim çalıştırdı, ne zaman, hangi sözleşme). KVKK için.

Önce plan.

Sen bir satın alma yönetimi için 'spend analysis' otomasyon aracı kuran bir geliştiricisin.

Hedef: /src/spend/monthlyReport.ts

Akış:
1. Schedule trigger: her ayın 1'inde çalış.
2. Veri kaynakları (parametrik):
   - Postgres 'purchase_orders' tablosu (eğer ERP veriyi buraya senkronluyorsa), VEYA
   - Excel/CSV dosyaları (Drive klasöründen)
3. Agregasyon (TypeScript ile, danfo.js veya basit reduce):
   - Kategori bazında toplam (last_30_days, last_90_days, last_365_days)
   - Tedarikçi bazında toplam + tedarikçi yoğunluk skoru (Herfindahl index)
   - Aynı ürün için farklı tedarikçi karşılaştırması (anomaly_score)
   - Önceki aya kıyas (% değişim)
4. Anthropic Claude Sonnet'e topladığı veriyi ver, structured output:
   {
     executive_summary: string (3 paragraf),
     top_categories: [{ name, total, share_pct, trend }],
     supplier_concentration: { top5_share, risk_level, recommendation },
     anomalies: [{ description, financial_impact, suggested_action }],
     savings_opportunities: [{ idea, est_savings_pct, est_savings_amount, effort, priority }]
   }
5. PDF rapor oluştur (pdfkit veya headless Chrome ile HTML→PDF), Drive'a yükle.
6. Notion 'Spend Aksiyon Listesi' database'ine her savings_opportunity'yi 'Yeni' status ile yaz.
7. Slack'e bildir: 'Aylık rapor hazır - X TL tasarruf fırsatı tespit edildi'.

Tüm verileri ANONYMOUS gönderme: tedarikçi adlarını maskele veya kısalt eğer 'enterprise plan' kullanmıyorsanız.

Önce plan.

Sen bir satın alma ekibi için talep tahmin otomasyonu kuran bir geliştiricisin.

Hedef: /src/demand/forecast.ts (TypeScript) + /scripts/run_forecast.py (Python)

Akış:
1. /scripts/run_forecast.py — Postgres 'orders' tablosundan son 24 ay veriyi çek (ürün, ay, adet).
   Her ürün için Facebook Prophet ile 12 ay tahmin üret.
   Output: /tmp/forecast.json — { sku, monthly_forecast: [{ month, yhat, yhat_lower, yhat_upper }] }

2. /src/demand/forecast.ts:
   - Python script'i child_process ile çalıştır (await execFile).
   - forecast.json'u oku.
   - Anthropic Claude Sonnet'e gönder, ek context: { market_growth_pct, expected_new_clients, sector_seasonality_notes }
   - Structured output:
     {
       sku_recommendations: [{
         sku, order_calendar: [{ month, order_qty, reasoning, supplier_capacity_alert }]
       }],
       executive_summary: string,
       risks: string[]
     }
3. Notion API:
   - 'Talep Tahmini' database'inde her SKU için yeni satır + grafik (Notion supports image embed)
   - 'Sipariş Takvimi' calendar view'da görsel takvim
4. Tedarikçi kapasite uyarısı taslakları:
   - Eğer order_calendar'da bir ay için adet > tedarikçinin son 12 ay ortalama kapasitesinin %150'si ise:
   - Claude'a 'tedarikçi X'e nezaketli kapasite uyarı e-postası yaz' dedirt.
   - Taslakları Slack'e onay için at.

Önce plan.

Sen bir satın alma departmanı için 'günlük yazışma asistanı' kuran bir geliştiricisin.

Hedef: /src/comms/ klasörü.

Bileşenler:
1. /src/comms/templates.ts — 5 e-posta tipi şablonu:
   - REJECT_OFFER (teklif reddi + revize talebi)
   - PRICE_NEGOTIATION (fiyat pazarlığı)
   - ORDER_CONFIRMATION (sipariş teyidi + lojistik)
   - LATE_DELIVERY_FOLLOWUP (geç teslimat takibi)
   - MEETING_SUMMARY (toplantı sonrası özet)
   Her şablon: tetik prompt + structured input + Claude sistem promptu.

2. /src/comms/brandVoice.md — şirketin marka sesi sözlüğü:
   - Tonal kurallar (formal seviye, samimi mi mesafeli mi)
   - Asla kullanılmayacak kelimeler ('imkansız', 'asla')
   - Tercih edilen kapanışlar (Saygılarımla / İyi çalışmalar)
   - Şirketin altyapı tonu (örnek 2 e-posta paste)

3. /src/comms/draftEmail.ts — input: { type, context }, output: { subject, body, tone_check }
   Claude Sonnet'e brand voice + şablonu + context'i ver, draft üret.
   Her çıktıda tone_check: '0-100 marka sesine uyum skoru'.

4. /src/comms/slackBot.ts — Slack slash commands:
   /teklif-reddi @tedarikci miktar:5M urun:'PET preform' fiyat:0.085 hedef:0.077
   → draftEmail çağır, Slack'e DM at.
   Kullanıcı 'Onayla' derse: Gmail draft olarak kaydet.

5. /src/comms/meetingSummary.ts — input: audio transcript (Whisper'dan), output:
   { summary, decisions, action_items: [{owner, task, deadline}], next_meeting_date }
   Asana API ile her action_item'ı task olarak aç.

Önce plan.