Akşam servisinde aynı anda on sipariş hazır oluyor. Bir kurye işletmenin önünde, biri teslimattan dönüyor, diğeri iki paket taşıyor. Müşteriler farklı mahallelerde; bazı adresler haritada yakın görünse de aralarında tek yönlü yollar ve uzun dönüşler var.
Bu sırada yöneticinin karar vermesi gerekiyor: Hangi paketi kim almalı? Hangileri birlikte taşınabilir? Hangi sipariş önce teslim edilmeli? Yeni gelen paketi mevcut rotaya eklemek gerçekten zaman kazandırır mı?
Yapay zekânın kurye sektöründeki değeri, bu kararları daha fazla veriye dayanarak değerlendirebilmesinde ortaya çıkıyor. Kurye operasyonunu yalnızca hareket eden noktalar olarak değil, siparişlerin, yolların, zamanın ve kapasitenin birbirini etkilediği bir sistem olarak ele almaya yardımcı oluyor.
Ancak her otomatik işlem yapay zekâ değildir. Her yapay zekâ özelliği de her işletmeye aynı faydayı sağlamaz. Teknolojiyi doğru değerlendirmek için önce neyi değiştirdiğini anlamak gerekir.
Özet
Kurye ataması, zaman pencereli rota planlama, uygun paketlerin birlikte taşınması ve tahmini teslimat süreleri karar destek araçlarıyla geliştirilebilir. Ancak otomasyon, optimizasyon ve makine öğrenmesi aynı şey değildir.
Kısa cevap
Yapay zekâ daha çok veriyi değerlendirmeye yardımcı olabilir; tek başına teslimat başarısını garanti etmez. Kullanılan algoritmanın hangi veriyi ve kısıtları ele aldığı, sonuçların nasıl ölçüldüğü ve saha ekibinin geri bildirimi önemlidir.
Otomasyon, rota optimizasyonu ve yapay zekâ aynı şey mi?
Bir sipariş geldiğinde belirli kurallara göre bildirim göndermek otomasyondur. Kurye konumlarını haritada göstermek canlı takiptir. Birden fazla durağı belirli bir hedefe göre sıralamak ise rota optimizasyonudur.
Makine öğrenmesi, geçmiş örneklerden hareketle tahmin veya karar modelleri oluşturabilir. Örneğin belirli bir bölgedeki yolculuk süresini tahmin etmek ya da geçmiş rotalardaki tercihleri öğrenmek için kullanılabilir.
Bu araçlar aynı sistemin parçaları olabilir; fakat birbirinin yerine geçen kavramlar değildir. Google’ın OR-Tools belgelerinde araç rotalama, mesafe ve farklı kısıtları ele alan bir optimizasyon problemi olarak anlatılır. Böyle bir problemi çözmek için her zaman öğrenen bir model gerekmez.
İşletme açısından önemli soru, özellik adında “AI” yazıp yazmadığından önce şudur: Hangi kararı iyileştiriyor, hangi veriyi kullanıyor ve sonucu nasıl ölçülüyor?
Sipariş geldiğinde tanımlanan kurala göre bildirim gönderme gibi tekrarlanan işlemleri yürütür. Tek başına öğrenen bir model değildir.
1. En yakın kuryeyi seçmekten daha kapsamlı atama kararlarına
İşletmeye en yakın kurye her zaman en uygun kurye olmayabilir. Üzerindeki paketler, ilerlediği yön ve yeni siparişin hazır olup olmaması da önemlidir.
Düşünün: Kurye A işletmeye 500 metre uzaklıkta ama iki müşteriye teslimat yapacak. Kurye B daha uzakta, ancak boş ve işletmeye doğru geliyor. Yalnızca mesafeye bakmak, A’nın rotasını bozabilir. Daha kapsamlı bir değerlendirme, B’yi beklemenin bütün operasyon için daha uygun olup olmadığını inceleyebilir.
Bu örnek bir sistem davranışı garantisi değil, atama probleminin neden birden fazla değişken içerdiğini gösteren senaryodur. Kullanılan yazılımın hangi değişkenleri gerçekten değerlendirdiği ayrıca doğrulanmalıdır.
İyi bir atama düzeninde kurye uygunluğu, paket durumu ve teslimat hedefi birlikte düşünülür. Karar yalnızca yeni siparişin hızına göre verilirse, kuryenin zaten taşıdığı siparişler olumsuz etkilenebilir.
İşletmeye 500 metre uzakta; fakat iki müşteriye teslimata gidiyor.
Daha uzak; ancak boş ve işletmeye doğru ilerliyor.
Bu örnek bir Pagate atama davranışı garantisi değildir. Yazılımın değerlendirdiği değişkenler ayrıca doğrulanmalıdır.
2. En kısa rota yerine teslimata uygun rota
Haritada kısa görünen yol, sahada en uygun seçenek olmayabilir. Yol bağlantıları, erişim koşulları ve duraklarda geçirilen süre toplam teslimat süresini değiştirebilir.
Google’ın zaman pencereli araç rotalama dokümantasyonu, duraklara belirli zaman aralıklarında ulaşılması gereken durumların ayrıca modellenebildiğini gösterir. Bu, “en az kilometre” hedefiyle “zamanında teslimat” hedefinin her zaman aynı olmadığını anlamak için iyi bir örnektir.
Bir restoran için son müşteriye on dakika geç ulaşan çok kısa bir rota, biraz daha uzun fakat bütün paketleri uygun sürede teslim eden rotadan daha kötü olabilir. Bu değerlendirmede ürün kalitesi ve taşıma koşulları da rol oynar.
Dolayısıyla rota başarısını yalnızca toplam mesafe üzerinden ölçmek eksiktir. Mesafe, teslimat süresi, gecikme ve hizmet kalitesi birlikte değerlendirilmelidir.
Mesafe
Kilometreyi azaltmayı hedefler; tek başına hizmet süresini açıklamayabilir.
Zaman ve hizmet
Hazırlık, erişim ve müşteri saat aralıkları gibi kısıtları da hesaba katabilir.
Yollar ve duraklar şematiktir, harita/veri modeli değildir. Seçim yöntemin önceliğini örnekler.
3. Paket birleştirme: Üç paket, üç müşteri, doğru kurye
Paket birleştirmeyi “bir kurye birkaç paketi aynı adrese götürüyor” şeklinde düşünmek yanıltıcıdır. Asıl fırsat, farklı müşterilere giden uygun siparişleri ortak bir teslimat güzergâhında bir araya getirmektir.
Örneğin kurye A bölgesinde olsun. B bölgesindeki işletmelerde üç hazır paket bulunsun; bu paketler C bölgesindeki üç farklı müşteriye gitsin. Kurye, B bölgesinden paketleri alıp C bölgesindeki müşterilere sırayla ulaştırabilir. Koşullar uygunsa her paket için ayrı kurye göndermek ya da her teslimattan sonra işletmeye dönmek gerekmeyebilir.
Bu, açıklama amacıyla hazırlanmış örnektir; gerçek atama paketlerin hazır olmasına, taşıma kapasitesine ve süre hedeflerine bağlıdır. Üç paket aynı bölgeye gidiyor diye mutlaka birleştirilmemelidir. Bir müşterinin siparişi beklerken diğerinin hazırlığı gecikiyorsa, birleştirme tasarruftan çok sorun yaratabilir.
İşletmenin hedefi kuryeyi daha fazla yükle meşgul etmek değil, uygun işleri daha az gereksiz hareketle tamamlamaktır.
Hazırlık zamanı, taşıma kapasitesi ve teslimat vaadi uygun değilse paketler birleştirilmemelidir.
Pagate’in bu noktadaki yaklaşımı nedir?
Pagate’in ürün anlatımında paket birleştirme, özel birleştirme bölgeleri ve aynı yönde atama birlikte ele alınır. Akıllı Koridor yaklaşımı, siparişleri yalnızca kuş bakışı yakınlığa göre değil, gerçek yol güzergâhına uygun biçimde değerlendirmeyi hedefler.
Bu yaklaşımın işletme için anlamı, rota üzerinde mantıklı şekilde birlikte taşınabilecek siparişleri değerlendirebilmektir. Bölge tanımları da işletmenin saha bilgisinin planlamaya yansıtılmasına yardımcı olabilir.
Bununla birlikte açık ürün sayfaları, kullanılan modelin mimarisini veya hangi verilerle eğitildiğini ayrıntılı biçimde açıklamıyor. Bu nedenle Pagate’in trafik tahmini, hava durumu tahmini ya da kendiliğinden öğrenen talep modeli kullandığı sonucuna bu bilgilerden ulaşamayız. Burada doğrulanan kapsam, yayımlanan paket birleştirme ve güzergâh yaklaşımıdır.
4. Tahmini teslimat sürelerini daha anlamlı hâle getirmek
“Kurye on dakikaya gelir” demek kolaydır. Bu tahmini güvenilir kılmak daha fazla bilgi gerektirir: yolculuk, sipariş hazırlığı, mevcut duraklar ve müşteriye erişim süresi.
Makine öğrenmesi uygun verilerle bu tahminleri geliştirmek için kullanılabilir. Google Research’ün otobüs gecikmesi çalışması, trafik tahminlerini güzergâh ve durak verileriyle birleştiren bir modele örnektir. Bu çalışma kurye teslimatı üzerine değildir; farklı veri türlerinin yolculuk süresi tahminine katkısını gösterir.
Kurye yazılımı seçerken “tahmini teslimat süresi var mı?” sorusunun yanına “tahmin hangi aşamayı kapsıyor?” sorusunu eklemek gerekir. Yalnızca sürüş süresi, mutfakta bekleyen siparişin müşteriye ulaşma süresini açıklamaz.
Bu bölüm sektördeki teknik olanakları anlatır; Pagate’in aynı modeli uyguladığı iddiası değildir.
Bileşenlerin tümü her tahmin sisteminde bulunmayabilir; kapsanan aşamalar ayrı sorgulanmalıdır.
5. Yoğunluğu öngörmek ve kapasiteyi önceden hazırlamak
Geçmiş siparişler, işletmenin hangi günlerde ve saatlerde yoğunlaştığını anlamaya yardımcı olabilir. Öğle arası, hafta sonu veya belirli bir kampanya dönemindeki talep birbirinden farklı olabilir.
Yeterli ve uygun veriyle kurulmuş tahmin modelleri, kurye planlaması için ek bir karar desteği sunabilir. Ancak geçmiş düzenin gelecekte aynen devam edeceğini varsaymak hatalıdır. Yeni bir kampanya, yol çalışması veya işletmenin ürün değişikliği önceki verinin açıklama gücünü azaltabilir.
Bu yüzden tahmin çıktısı yöneticinin saha bilgisiyle birlikte okunmalıdır. Model, “bu saatlerde daha fazla kapasite gerekebilir” diyebilir; vardiya ve hizmet kararını işletme vermelidir.
Talep tahmini burada genel bir kullanım alanıdır. Pagate’in açık ürün belgelerinde bu kapsamı doğrulamadığımız için mevcut bir Pagate özelliği olarak sunmuyoruz.
Çubuklar ölçülmüş veri veya Pagate tahmin özelliği değildir; yoğunlukların farklılaşabileceğini anlatan şemadır.
6. Sahadaki deneyim neden hâlâ önemli?
Deneyimli kurye bir apartmanın girişini, bir caddenin erişim sorununu veya belirli bir teslimat noktasında ne kadar beklendiğini bilir. Harita verisinin her ayrıntıyı açıklaması beklenemez.
AAMAS 2023’te yayımlanan “Preference-Aware Delivery Planning for Last-Mile Logistics” araştırması, optimize edilmiş rotalarla uygulayıcıların tercih ettiği rotalar arasında fark bulunabildiğini ele alır. Çalışma, optimizasyonla öğrenen bileşenleri birlikte kullanarak gerçek teslimat verilerindeki tercihleri modellemeyi inceler.
Buradan çıkarılabilecek işletme dersi, saha geri bildirimini planlamanın dışında bırakmamaktır. Kurye önerilen rotadan ayrıldığında ilk soru “neden kurala uymadı?” olmamalı. Önce önerinin sahada uygulanabilir olup olmadığı anlaşılmalıdır.
Teknolojiye güvenmek, her öneriyi sorgusuz uygulamak anlamına gelmez. İyi operasyon, yazılımın verisiyle ekibin deneyimini birlikte kullanır.
Yazılımın önerisi
Durak, yol, süre ve kısıtlar birlikte değerlendirilir.
Kuryenin deneyimi
Adresin girişi, gerçek erişim ve uygulanabilirlik bilgisi aktarılır.
Yapı öğrenen model kullanımının ürün garantisi değil, çalışma ilkesidir.
Pagate yalnızca yapay zekâ başlığından ibaret değil
Bir rota önerisinin uygulanabilmesi için siparişin, kuryenin ve işletmenin güncel durumunun anlaşılması gerekir. Pagate; sipariş yönetimi, canlı kurye takibi, atama, iletişim, hakediş ve raporlama süreçlerini aynı operasyon zincirinde buluşturan bir platform olarak konumlanır.
Bu kapsamın pratik değeri, karar için gereken bilginin farklı ekranlarda parçalanmasını azaltabilmesidir. Otomasyon ile yapay zekâ aynı şey olmasa da düzenli operasyon verisi, her ikisinin kullanımı için daha sağlam bir zemin oluşturabilir.
Örneğin siparişin durumu güncellenmiyorsa, planlama ne kadar gelişmiş olursa olsun yönetici yanlış bilgiyle hareket edebilir. Önce kayıtların tutarlılığı, ardından atama ve rota kararlarının kalitesi değerlendirilmelidir.
Sipariş durumu
Sipariş kaydı ve hazırlanma aşaması.
Kurye ve atama
Aktif saha ve görev bilgisi.
Rota / Akıllı Koridor
Uygun paketler için güzergâh yaklaşımı.
Hakediş ve rapor
Operasyonel hareketlerin sonradan incelenmesi.
Pagate’in kullandığı AI modelinin mimarisi, trafik/hava tahmini veya kendiliğinden öğrenen talep özelliği olarak yorumlanmamalıdır.
Yapay zekânın başarısını hangi verilerle ölçmelisiniz?
Bir yazılımın faydasını görmek için kurulum öncesi ve sonrası karşılaştırmayı aynı koşullara mümkün olduğunca yaklaştırın. Hafta içi sakin bir öğleden sonrayla yağmurlu bir cuma akşamını kıyaslamak doğru sonuç vermez.
| Gösterge | Neyi değerlendirmeye yardımcı olur? |
|---|---|
| Paket başına kilometre | Gereksiz yol ve dönüşler azalıyor mu? |
| Hazır siparişin atama bekleme süresi | Planlama gecikmesi var mı? |
| Zamanında teslimat oranı | Müşteriye verilen süre hedefi korunuyor mu? |
| İlk girişimde tamamlanma oranı | Teslimatlar ek müdahale gerektiriyor mu? |
| Kurye başına tamamlanan teslimat | Mevcut kapasite daha verimli kullanılıyor mu? |
| Şikâyet ve telafi oranı | Verimlilik ürün ve hizmet kalitesini bozuyor mu? |
Ortalama süreyle birlikte en çok geciken siparişleri de inceleyin. Ortalama iyileşirken küçük bir müşteri grubunun çok daha kötü hizmet alması mümkündür.
Tasarruf yüzdesini ise kendi ölçümünüzle hesaplayın. Ürünün tanıtımında geçen genel hedefleri, işletmenizin gerçekleşmiş sonucu gibi kullanmayın. Herhangi bir yazılım için doğrulanmış ölçüm olmadan belirli bir maliyet düşüşü vaat etmek güvenilir değildir.
Başlangıç için büyük bir dönüşüm projesi gerekir mi?
Önce bir bölgeyi veya benzer yoğunluktaki bir saat aralığını seçebilirsiniz. Sipariş durumlarını düzenli kaydedin, paket birleştirme kurallarını gözden geçirin ve ekipten uygulanabilirlik geri bildirimi alın.
İlk aşamada tek bir hedef belirlemek daha yararlıdır: örneğin gereksiz işletme dönüşlerini azaltmak. Ardından bunun teslimat süresini, ürün kalitesini ve müşteri şikâyetlerini nasıl etkilediğine bakın.
Konum ve müşteri verisi kullanılırken erişim yetkileri ve saklama süreleri de çalışma düzeninin parçası olmalıdır. Operasyonu iyileştirmek için ihtiyaç duyulmayan kişisel bilgileri toplamak, daha iyi planlama anlamına gelmez.
Kurye sektöründe yapay zekânın asıl etkisi, yöneticiyi karar vermekten uzaklaştırmasında değil; daha fazla seçeneği, daha tutarlı verilerle değerlendirmesine yardımcı olmasındadır. Doğru uygulandığında teknoloji, ekibin saha bilgisini tamamlayan bir araç olur.
Pagate’in paket birleştirme, Akıllı Koridor ve kurye yönetimi yaklaşımını kendi operasyonunuz açısından inceleyin. Pagate simülasyonunda uygulama deneyimini keşfedin; simülasyonun gerçek saha performans testi olmadığını akılda tutarak ihtiyaçlarınızı ekip ile değerlendirin.
Sıkça Sorulan Sorular
Otomasyon ve yapay zekâ aynı şey mi?
Hayır. Otomasyon önceden tanımlı kurallara göre işlemleri yürütür. Optimizasyon belirli hedef ve kısıtlarla uygun çözüm arar. Makine öğrenmesi ise örnek verilerden örüntü veya tahmin modeli çıkarabilir.
En yakın kurye neden her zaman en doğru seçim değil?
Kuryenin üzerindeki paketler, yönü ve siparişin hazır olma süresi de toplam teslimat planını etkileyebilir.
Pagate’in hangi yapay zekâ özellikleri burada doğrulanıyor?
Kaynak metindeki açık ürün kapsamı, paket birleştirme bölgeleri, aynı yönde atama ve Akıllı Koridor/güzergâh yaklaşımıdır. Belirli öğrenme modeli veya hava-trafik tahmini bu kaynaklarla doğrulanmaz.
Kaynakça
Kaynak ve yöntem notu. Kaynaklar 11 Ekim 2026 tarihinde kontrol edilmiştir. Araştırmalar sektör genelindeki yöntemleri açıklar; Pagate’in aynı modelleri kullandığı veya aynı performans sonuçlarını sağladığı anlamına gelmez.
Teknolojiyi saha koşullarınızla değerlendirin
Pagate’in paket birleştirme, Akıllı Koridor ve kurye yönetimi yaklaşımını inceleyin. Simülasyon, gerçek saha performans testi değildir.
Pagate simülasyonunu inceleyin ↗
