İçeriğe geç

Eczanede Yapay Zeka: Stok Tahmini ile Miat Kaybını Azaltın

Eczane rafları önünde karekod okutan tilki maskot ve stok tahmini, miat takibi ve otomatik sipariş öneren yapay zeka paneli

Eczanede yapay zeka, bir eczacının her hafta verdiği en zor kararı veriyle destekler: hangi üründen ne kadar sipariş verilmeli ki raf ne boş kalsın ne de kutular miadını doldurup imhaya gitsin. Bu karar 2026 sonbaharında daha da zorlaştı. Tüm Eczacı İşverenler Sendikası (TEİS) Genel Başkanı Ecz. Nurten Saydan, 28 Ekim 2026'daki açıklamasında ilaç fiyatlandırmasında esas alınan avronun 29,11 TL, piyasa kurunun ise 55 TL'nin üzerinde olduğunu, bu farkın bazı ilaçların piyasaya hiç verilmemesine ya da kısıtlı verilmesine yol açtığını söyledi.

Eczanede yapay zeka; satış, mevsim, reçete ve depo verisini birlikte okuyarak hem miadı dolan fazla stoğu hem rafta bulunmayan ilacı azaltan ürün bazlı stok tahmini katmanıdır. Bu yazıda stok tahmininin verilerini, miat takibini, kıtlık dönemi planlamasını ve Türkiye'ye uygun başlangıcı anlatıyoruz.

Yazıdan Ana Çıkarımlar

  • Eczanede iki kayıp aynı anda yaşanır: miadı dolan fazla stok ve rafta bulunmayan ilaç; ikisini birlikte azaltmanın yolu ürün bazında talep tahminidir.
  • Türkiye'de ilaç kutusundaki karekod; Küresel Ticari Ürün Numarası, parti numarası, sıra numarası ve son kullanma tarihinden oluşur, bu da miat takibi için hazır bir veri katmanıdır.
  • BMJ Open'da 20 Ekim 2026'da yayımlanan bir hastane eczanesi çalışmasında makine öğrenmesiyle verilen siparişler, fazla ve eksik stok maliyetlerinin birleşik ölçüsünü manuel siparişe göre %70,5 azalttı.
  • TEİS 28 Ekim 2026'da ilaç fiyatlandırmasındaki avronun 29,11 TL, piyasa kurunun 55 TL'nin üzerinde olduğunu ve bazı ilaçların kısıtlı verildiğini açıkladı; kıtlık dönemi planlaması stok yönetiminin parçası haline geldi.
  • Türkiye'de bir eczacı birden fazla eczane açamadığı için ölçek, eczane zincirinden değil depo, kooperatif ve eczane yazılımı katmanından gelir.

Tanım

Eczanede yapay zeka

Eczanede yapay zeka; satış, mevsim, reçete ve depo verisini birlikte okuyarak hem miadı dolan fazla stoğu hem rafta bulunmayan ilacı azaltan ürün bazlı stok tahmini katmanıdır.

Kaynak: BMJ Open · Yapay Zeka Firması editör tanımı

Eczanede Yapay Zeka Hangi İki Kaybı Aynı Anda Azaltır?

Eczanede yapay zeka, birbirini besleyen iki kaybı aynı anda azaltır: fazla stoktan doğan miat kaybı ve eksik stoktan doğan satış ve hasta kaybı. Miat korkusuyla az sipariş veren eczane rafı boşaltır; boş raf korkusuyla fazla sipariş veren eczane ise kutuları miadına kadar bekletir.

BMJ Open'da 20 Ekim 2026'da yayımlanan ve Pekin'deki büyük bir hastanenin eczanesinde yürütülen çalışma bu gerilimi belgeliyor: eczacılar düzensiz talepli ilaçlarda israf korkusuyla sistematik olarak az sipariş veriyor, bu da stokta kalmama kaynaklı ciddi bir maliyet üretiyordu.

Kayıp TürüTipik NedeniGörünür SonucuYapay Zekanın Katkısı
Miat kaybı (fazla stok)Kampanya veya fiyat değişimi öncesi yüklü alım, yavaş dönen ürünİmha edilen kutu, bağlı kalan sermayeMiadı yaklaşan ürünü satış hızıyla birlikte uyarır
Eksik stok (rafta yok)Temkinli sipariş, gecikmeli depo teslimi, mevsim geçişiHastanın başka eczaneye gitmesi, kayıp reçeteTalebi önceden tahmin edip sipariş önerisi üretir
Kıtlık dönemi kaybıTedarikte kısıtlı gönderimKronik tedavi hastasının ilaca ulaşamamasıKarşılanma oranındaki düşüşü erken sinyal olarak yakalar

Yapay zeka destekli yapıda üç kayıp tek bir tahmin modelinin farklı çıktılarıdır: aynı model hem "ne kadar satacağım" hem "bu kutu miadından önce satılır mı" sorusunu cevaplar.

Eczane Stok Tahmini Yapay Zeka ile Hangi Verilerden Beslenir?

Eczane stok tahmini, tek bir satış grafiğinden değil, talebi şekillendiren beş veri grubunun birlikte okunmasından doğar.

Veri KaynağıModele SöylediğiTürkiye Bağlamı
Satış geçmişiÜrünün haftalık ve günlük dönüş hızıEczane yazılımına okutulan karekod hareketleri
MevsimGrip, alerji ve soğuk algınlığı dönemlerinde talebin yönüSağlık Bakanlığı'na göre grip vakaları genellikle ekimde artar
Bölge reçete yapısıHangi branşların reçetesinin bu eczaneye geldiğiÇevredeki hastane, poliklinik ve aile hekimliği karışımı
Depo teslim süresiSipariş ile rafa giriş arasındaki gecikmeDepo bazında teslim ve kısmi karşılanma geçmişi
Fiyat ve kampanya takvimiTalebin ve alım kararının öne çekildiği dönemlerFiyat listelerinin haftalık ritmi, depo kampanyaları

Euronews'ün 29 Ekim 2026 tarihli haberine göre ABD Hastalık Kontrol ve Önleme Merkezleri (CDC), 2026-2027 grip sezonunun beklenenden erken başladığını bildirdi; Japonya, Kanada ve Güney Kore'de de sezon erken açıldı. Türkiye için erken başlangıç uyarısı yapılmadı. Takvime bakarak sipariş veren eczane böyle bir kaymayı geç fark eder; günlük satış sinyalini izleyen model ise talebin yönünü erken yakalar.

Fiyat takvimi de ayrı bir girdidir. Evrensel'in 29 Ağustos 2026'da aktardığı tebliğ değişikliğine göre ilaç fiyat listeleri her cuma yayımlanıyor, güncellenen fiyatlar takip eden salı yürürlüğe giriyor. Fiyat değişimi öncesindeki yüklü alım miat riskinin sık kaynaklarından biridir; model bu alımı gerçek talepten ayırt edebilmelidir.

İlaç Miat Takibi Yapay Zeka ile Nasıl Otomatikleşir?

İlaç miat takibi, her kutunun son kullanma tarihini satış hızıyla karşılaştırarak miadından önce satılamayacak ürünü haftalar öncesinden işaretleyen süreçtir. Türkiye'de bunun için gereken veri zaten ambalajın üzerindedir. Beşeri Tıbbi Ürünlerin Ambalaj Bilgileri, Kullanma Talimatı ve Takibi Yönetmeliği'ne göre karekod; Küresel Ticari Ürün Numarası, parti numarası, sıra numarası ve son kullanma tarihinden oluşur. TİTCK'nin kılavuzuna göre ülkemizde tüm ilaçlar 1 Ocak 2010'dan bu yana karekodlu satılıyor ve her kutunun üretimden satışa kadar hareketi İlaç Takip Sistemi (İTS) üzerinden izlenebiliyor.

Yani miat takibi elle tutulan bir listeye değil, okutulan her kutuya dayanabilir. Yapay zeka bu veriye üç adım ekler:

  1. Miat riski puanı: Her parti için "kalan gün" ile "beklenen satış hızı" karşılaştırılır. Miadına uzun süre olsa bile çok yavaş dönen bir parti risk listesine girer.
  2. Önceliklendirme: Riskli partiler rafta öne alınır, ilk miadı dolan ilk çıkar (FEFO) kuralı otomatik uygulanır, aynı üründe yeni sipariş önerisi düşürülür.
  3. Zamanında aksiyon: Depo ile iade veya değişim imkânı olan ürünlerde, bu imkânın süresi dolmadan eczacıya hatırlatma yapılır.

Örnek senaryo: Hastane çevresinde çalışan bir eczane, sezonluk ürünlerde her yıl aynı tabloyu yaşıyordu: sezon başında yüklü alım, beklenenden kısa süren sezon, rafta kalan ve bir kısmı miadını dolduran kutular. Karekod hareketleri ve geçmiş sezon satışlarıyla kurulan model, siparişi tek seferlik alım yerine haftalık talep sinyaline bağladı ve miadı yaklaşan partileri listeledi. Eczacı listeyi onaylayarak sipariş verdi; sezon sonunda rafta kalan kutu belirgin biçimde azaldı, sezon ortasında ürün bulunamama şikâyeti görülmedi.

Depo Sipariş Önerisi ve İlaç Dağıtımı Otomasyonu Nasıl Çalışır?

Depo sipariş önerisi, tahmin edilen talebi depo teslim süresi ve hedeflenen bulunurluk seviyesiyle birleştirerek her ürün için "bugün ne kadar sipariş vermeli" sorusuna sayısal bir öneri üretir. Kritik nokta her ürüne aynı hedefi koymamaktır: düzenli talep gören kronik tedavi ürünlerinde bulunurluk hedefi yüksek, yavaş dönen ve miat riski yüksek ürünlerde düşük tutulur.

BMJ Open çalışması bu yaklaşımın etkisini ölçüyor. Araştırmacılar, yüksek değerli ve düzensiz talepli ilaçlarda LightGBM-Tweedie adlı makine öğrenmesi modelini naif, ARIMA, rastgele orman ve LSTM yöntemleriyle karşılaştırdı. Model, ağırlıklı ortalama yüzde hata (wMAPE) ölçütünde %21,49 ile naif yöntemin %24,41'lik hatasının altında kaldı. Asıl fark ise sipariş tarafında çıktı.

📊 İstatistik: Hastane eczanesinde makine öğrenmesi tabanlı sipariş, fazla ve eksik stok maliyetlerinin birleşik ölçüsünü manuel siparişe göre %70,5, eksik stok maliyetini %78,5 azalttı; fazla stok maliyeti orta düzeyde arttı. Tek merkezli, geriye dönük çalışma. (BMJ Open, 20.10.2026)

💡 Uzman notu: Çalışmanın en öğretici ayrıntısı, yazarların miat kaynaklı imha giderlerini maliyet hesabına dahil etmediğini açıkça belirtmesidir. Serbest eczanede miat kaybı doğrudan eczacının cebinden çıkar. Bu yüzden modelin neyi optimize ettiği baştan tanımlanmalıdır: eksik stok, miat ve bağlı sermaye birlikte hesaba katılmazsa iyi tahmin eden bir model bile yanlış sipariş önerebilir.

İlaç dağıtımı otomasyonu aynı mantığın depo ölçeğidir. Ecza deposu eczane siparişlerini bölge bazında toplayıp mevsim ve teslim kapasitesiyle modellediğinde hangi bölgeye hangi ürünün ne zaman gideceğini daha isabetli planlar; talep tahmini burada sevkiyat planlamasıyla birleşir. Benzer bir yapıyı lojistikte yapay zeka yazımızda ele almıştık.

İlaç Kıtlığı Döneminde Yapay Zeka Planlamaya Nasıl Yardım Eder?

İlaç kıtlığı döneminde yapay zeka tedariki artıramaz, ancak eczacının kıtlığı erken görmesini ve stoğu bilinçli yönetmesini sağlar. Kıtlığın nedenleri eczanenin dışındadır. Resmî Gazete'nin 12 Mart 2026 tarihli sayısında yayımlanan kararla ilaç fiyatlandırmasında kullanılacak avro değeri 1 Nisan 2026'dan geçerli olmak üzere 29,1164 TL olarak belirlendi. TEİS'in 28 Ekim 2026'daki açıklamasına göre bu değer ile piyasa kuru arasındaki fark büyüdükçe depresyon, epilepsi, tansiyon ve diyabet ilaçları, aşılar ve göz damlaları gibi gruplarda tedarik sıkıntısı yaşanıyor.

Yapay zekanın bu dönemde üç somut katkısı vardır:

  • Erken sinyal: Depodan gelen siparişlerin karşılanma oranı belirli bir üründe düşmeye başladığında model bunu kıtlık sinyali olarak işaretler. Bu sinyal çoğu zaman raf boşalmadan gelir.
  • Talep ritmi: Kronik tedavilerde reçetelerin belirli aralıklarla yenilenmesi talebe düzenli bir ritim verir. Model bu ritmi ürün düzeyinde izleyerek kısıtlı stoğun hangi haftalarda gerekeceğini gösterir; hasta düzeyinde veri gerekmez.
  • Senaryo planlaması: "Bu ürün dört hafta gelmezse eldeki stok ne zaman biter" sorusu, haftalık talep tahminiyle sayısal olarak cevaplanır.

Sınır nettir: eşdeğer değişimi ve tedavi kararları hekim ve eczacının mevzuat çerçevesindeki mesleki sorumluluğundadır. Yapay zeka bu kararları vermez, yalnızca stok ve operasyon tarafında görünürlük sağlar.

Türkiye'de Eczanede Yapay Zekaya Nereden Başlanmalı?

Türkiye'de eczanede yapay zeka her eczanenin kendi verisiyle başlar, ölçeğe ise depo, kooperatif ve yazılım katmanında ulaşır. Nedeni mevzuattır: 6197 sayılı Eczacılar ve Eczaneler Hakkında Kanun'un 18. maddesine göre bir eczacının birden fazla eczane açması veya mesul müdürlüğünü üzerine alması yasaktır. Yurt dışındaki anlamıyla eczane zinciri olmadığı için "eczane zinciri yapay zeka" sorusunun Türkiye'deki karşılığı ecza depoları, eczacı kooperatifleri ve eczane yazılımı sağlayıcılarıdır.

Tek eczane için başlangıç sırası:

  1. Veriyi topla: Mevsimselliği görmek için en az bir yıllık satış ve alış hareketi, karekoddaki parti ve son kullanma tarihi, depo teslim geçmişi.
  2. Ürünleri ayır: Hızlı dönen, düzenli talepli ürünler ile yavaş dönen, düzensiz talepli ürünler aynı modelle yönetilmez.
  3. Miat uyarısıyla başla: En hızlı geri dönüş genellikle miat riski listesinden gelir; veri zaten mevcuttur.
  4. Sipariş önerisini onaylı çalıştır: Model öneri üretir, eczacı onaylar ya da düzeltir.
  5. Üç metriği haftalık izle: Miat nedeniyle imha edilen ürün değeri, talep edilip verilemeyen ürün sayısı ve stok devir hızı.

Depo ve kooperatif ölçeğinde aynı model bölgesel tahmine dönüşür. Kurulum için ihtiyaç analizi danışmanlık hizmetimizle başlar; tahmin ve uyarı akışının otomasyona bağlanması ise AI otomasyon kapsamındadır.

Sonuç: Rafı Dolu, Miat Kaybı Az Bir Eczane İçin Veri

Eczanede yapay zeka, eczacının deneyimini devre dışı bırakmak için değil, iki yönlü kaybı aynı anda görünür kılmak için vardır. Karekod sayesinde her eczane miat takibi için gereken veriyi zaten üretiyor; eksik olan, bu veriyi satış, mevsim, reçete ve depo verisiyle birleştiren tahmin katmanıdır. Ürün bazında tahmin, belirsiz bir dönemde iki kaybı birlikte azaltmanın ölçülebilir yoludur.

Eczaneniz, ecza deponuz ya da kooperatifiniz için stok tahmini, miat uyarısı ve sipariş önerisi kurgulamak için bizimle iletişime geçin.

İlgili içerik: Sektörel çözümler · Sağlıkta yapay zeka · Lojistikte yapay zeka

Kaynaklar

  1. BMJ Open — "Optimising hospital pharmacy inventory for high-value, intermittent-demand drugs using a machine-learning approach with LightGBM-Tweedie regression: a single-centre, retrospective study", Beijing Tsinghua Changgung Hospital, 20.10.2026, DOI 10.1136/bmjopen-2026-119366 — https://pmc.ncbi.nlm.nih.gov/articles/PMC13684225
  2. Ticaret Gazetesi — "İlaç tedarikinde sorun büyüyor" (TEİS Genel Başkanı Ecz. Nurten Saydan açıklaması), 28.10.2026 — https://ticaretgazetesi.com.tr/2026/10/28/ilac-tedarikinde-sorun-buyuyor/
  3. Karar — "Eczanelerde ilaç sıkıntısı büyüyor: Kronik hastalar ilaca ulaşamıyor" (TEİS açıklaması), 28.10.2026 — https://www.karar.com/saglik-haberleri/eczanelerde-ilac-sikintisi-buyuyor-kronik-hastalar-ilaca-ulasamiyor-2081034
  4. Euronews Türkçe — "Birçok ülkede grip sezonu erken başladı, uzmanlar aşı için geç değil diyor" (CDC ve Sağlık Bakanlığı bilgilendirmesi), 29.10.2026 — https://tr.euronews.com/2026/10/29/bircok-ulkede-grip-sezonu-erken-basladi-uzmanlar-asi-icin-gec-degil-diyor
  5. Resmî Gazete — Beşeri Tıbbi Ürünlerin Fiyatlandırılmasına Dair Karar (Karar Sayısı: 11031), 12.03.2026, Sayı 33194 — https://www.resmigazete.gov.tr/eskiler/2026/03/20260312-2.pdf
  6. Resmî Gazete — Beşeri Tıbbi Ürünlerin Ambalaj Bilgileri, Kullanma Talimatı ve Takibi Yönetmeliği, 25.04.2017, Sayı 30048 (Madde 16/2) — https://www.resmigazete.gov.tr/eskiler/2017/04/20170425-4.htm
  7. TİTCK — Sahte, Kaçak veya Yasal Tedarik Zinciri Dışına Çıkmış İlaçlar Hakkında Kılavuz (İDD-KLVZ-20, Rev. 01, 15.11.2022) — https://titck.gov.tr/storage/Archive/2023/contentFile/DD-KLVZ20%20Sahte%20Ka%C3%A7ak%20Veya%20Yasal%20Tedarik%20Zinciri%20D%C4%B1%C5%9F%C4%B1na%20%C3%87%C4%B1km%C4%B1%C5%9F% 5073-4742-92b7-f32f04d86e01.pdf
  8. Evrensel — "İlaç fiyatlarında avro kuruna göre otomatik zam: Fiyatlar haftalık güncellenecek" (Beşeri Tıbbi Ürünlerin Fiyatlandırılması Hakkında Tebliğ aktarımı), 29.08.2026 — https://www.evrensel.net/haber/5998288/ilac-fiyatlarinda-avro-kuruna-gore-otomatik-zam-fiyatlar-haftalik-guncellenecek
  9. Mevzuat Bilgi Sistemi — 6197 sayılı Eczacılar ve Eczaneler Hakkında Kanun, Madde 18 — https://www.mevzuat.gov.tr/MevzuatMetin/1.3.6197.pdf

Sıkça Sorulan Sorular

Başlangıç için eczane yazılımındaki satış ve alış hareketleri ile karekoddan gelen parti ve son kullanma tarihi bilgisi yeterlidir. Mevsimselliği görebilmek için en az bir yıllık geçmiş tercih edilir. Depo teslim süreleri eklendiğinde sipariş önerisi daha isabetli hale gelir. Hasta düzeyinde kişisel veri gerekmez; model ürün ve talep düzeyinde çalışır.

Hayır. Doğru kurulmuş bir sistemde model sipariş önerisi ve miat uyarısı üretir, karar eczacıda kalır. Eczacının yaptığı her düzeltme modele geri bildirim olarak döner ve sonraki tahmini iyileştirir. Bölgeye gelen yeni bir hekim ya da bir tedarik haberi gibi bağlamı en iyi eczacı bilir; yapay zeka bunu sayısal bir planla destekler.

Çünkü miat takibinin ihtiyaç duyduğu bilgi zaten kutunun üzerindedir. Yönetmeliğe göre karekod; Küresel Ticari Ürün Numarası, parti numarası, sıra numarası ve son kullanma tarihinden oluşur. Her kutu alışta ve satışta okutulduğu için eczane hangi partinin ne zaman miadını dolduracağını elle liste tutmadan bilir. Yapay zeka bu bilgiyi satış hızıyla birleştirip miadından önce satılamayacak partiyi önceden işaretler.

Sağlar; çünkü küçük eczanede miat kaybı ve bağlı sermaye ciroya oranla daha ağır hissedilir. Başlangıç için büyük bir yatırım gerekmez: miat riski listesi ve yavaş dönen ürünlerde sipariş önerisi, mevcut eczane yazılımı verisiyle kurulabilir. Aynı model daha sonra depo veya kooperatif düzeyinde bölgesel tahmine dönüşebilir.

Önleyemez; kıtlığın nedenleri eczanenin dışında, fiyatlandırma ve tedarik zincirindedir. Yapay zekanın katkısı kıtlığı erken görmek ve eldeki stoğu planlamaktır. Depo siparişlerinin karşılanma oranı düştüğünde bunu işaretler ve eldeki stoğun kaç hafta yeteceğini hesaplar. Eşdeğer değişimi ve tedavi kararları ise hekim ve eczacının mesleki sorumluluğundadır.

Yorum Yazın