Çözüm
Yapay Zekâ Katmanı
Yapay zekâyı gösteriden çıkarıp üretime sokan katman budur.
48 işlev8 modül grubu6 entegrasyon
Yapay zekâ projelerinin çoğu demoda ölür. Sebebi model değildir: modelin şirketin verisine nasıl bağlanacağı, neyi söyleyemeyeceği, çıktısının doğru olup olmadığının nasıl ölçüleceği ve kimin neye eriştiğinin nasıl kayda geçeceği tanımlanmadığında, çalışan bir gösteriyi imzalanabilir bir sisteme çeviren hiçbir şey kalmaz. Bu katmanı biz o soruların cevabı olarak kuruyoruz. Model sağlayıcısı değişebilir; bağlantı, sınır, ölçüm ve kayıt yapısı sizde kalır.
Kapsam ve modüller48
01
Bağlantı ve erişim
- MCP sunucusu: şirket sistemlerinin modele standart arayüzle açılması
- Araç tanımları: modelin çağırabileceği işlemlerin tek tek belirlenmesi
- Yetki sınırı: hangi rolün hangi veriye ve hangi işleme erişeceği
- Salt okunur ve yazma yetkili araçların ayrılması
- Kimlik doğrulama ve oturum bazlı erişim
- Hız sınırı ve kötüye kullanım koruması
02
Kurum verisiyle temellendirme
- Belge alma: sözleşme, prosedür, teknik doküman ve kayıt kaynakları
- Parçalama ve gömme (embedding) düzeni
- Anlamsal arama ve klasik aramanın birlikte çalışması
- Kaynak gösterimi: her cevabın hangi belgeden geldiğinin yazılması
- Güncelleme akışı: belge değiştiğinde dizinin tazelenmesi
- Erişim yetkisinin arama katmanına da uygulanması
03
Ajanlar ve iş yürütme
- Çok adımlı görev yürütme ve adım adım plan
- Araç kullanımı: kayıt açma, sipariş oluşturma, rapor üretme
- İnsan onayı gereken adımların tanımlanması
- Geri alma ve telafi işlemleri
- Kuyruk, yeniden deneme ve hata yönetimi
- Uzun süren işlerde durum bildirimi
04
Sınır ve politika katmanı
- Yasak konu ve yasak yönlendirme kuralları
- Yalnızca sağlanan veriyle konuşma zorunluluğu
- Eksik bilginin uydurulmak yerine eksik olarak yazılması
- Çıktı doğrulama: biçim, aralık ve iş kuralı denetimi
- Kişisel veri maskeleme ve gizli alan filtresi
- Sınır ihlali durumunda devreye giren yedek davranış
05
Ölçüm ve kalite
- Değerlendirme (eval) seti: gerçek sorulardan oluşan sabit test kümesi
- Regresyon kontrolü: prompt veya model değişince kalitenin düşmemesi
- İnsan değerlendirmesi ve etiketleme akışı
- A/B karşılaştırması ve sürüm bazlı skor
- Kabul eşiği: hangi skorun altında sürüm yayınlanmaz
- Hatalı çıktıların toplanıp test kümesine eklenmesi
06
İzlenebilirlik ve maliyet
- İz kaydı: hangi soru, hangi bağlam, hangi araç, hangi cevap
- Denetim kaydı ve saklama süresi
- Token ve maliyet takibi, birim başına maliyet
- Gecikme ölçümü ve yavaş adımların tespiti
- Kullanım raporları: birim, kullanıcı ve süreç kırılımı
- Uyarı eşikleri: maliyet, hata oranı ve gecikme
07
Yönetim yüzeyi
- Sistem promptunun panelden düzenlenmesi ve sürümlenmesi
- Sürüm geçmişi ve önceki sürüme dönüş
- Model yönlendirme: işe göre farklı model, maliyet ve kalite dengesi
- Sağlayıcı arızasında yedek modele geçiş
- Bilgi tabanının editör tarafından güncellenmesi
- Test ortamı: yayına almadan önce deneme
08
Veri koruma ve uyum
- Verinin model eğitimine kapatılması
- Veri yerleşimi: isteğin nereye gittiği ve nerede saklandığı
- KVKK ve GDPR kapsamında işleme envanteri
- Kendi sunucunuzda çalışan model seçeneği
- Kişisel veri saklama ve silme süreleri
- Gizlilik sözleşmesi ve alt işleyen şeffaflığı
Neye bağlanır06
- ERP ve muhasebe sistemleri
- CRM ve destek masası
- Belge yönetimi ve dosya depoları
- Veri ambarı ve raporlama araçları
- E-posta, takvim ve mesajlaşma
- Kimlik sağlayıcı ve yetki sistemleri
Bu sisteme ihtiyacınız olduğunun işaretleri07
- 01Yapay zekâ pilotu çalıştı ama üretime hiç geçmedi
- 02Model şirketin kendi belgelerini bilmiyor, genel cevap veriyor
- 03Çıktının doğru olup olmadığını kimse ölçmüyor
- 04Kimin neye eriştiği kayıt altında değil
- 05Aylık model maliyeti tahmin edilemiyor
- 06Hukuk ve bilgi işlem, verinin nereye gittiğini soruyor
- 07Prompt değişikliği geliştirici bekliyor
Baştan verilecek kararlar05
- 01Model nerede çalışacak?
- Sağlayıcı üzerinden mi, kendi sunucunuzda mı. Bu karar maliyeti, gecikmeyi ve veri yerleşimini aynı anda belirler; kurumsal alıcıda genelde ilk sorulan sorudur.
- 02Model yalnızca okuyacak mı, işlem de yapacak mı?
- Okuma tarafı görece basittir. Modelin kayıt açması ya da işlem başlatması gündeme geldiği anda yetki, onay ve geri alma tasarımı işin çoğunu oluşturur.
- 03Hangi bilgi kaynağı gerçeğin kaynağı sayılacak?
- Aynı bilginin iki yerde farklı durduğu bir şirkette model de iki farklı cevap üretir. Temellendirme kurulmadan önce kaynak hiyerarşisinin tanımlanması gerekir.
- 04Doğruluk nasıl ölçülecek?
- Ölçüm yoksa kalite tartışması kanaate döner. Baştan bir değerlendirme seti kurulur ve her sürüm o kümeye göre puanlanır.
- 05Hangi adımda insan onayı olacak?
- Geri alınamaz her işlem — para hareketi, dışarıya giden yazı, silme — onay gerektirir. Bu sınır proje başında yazılır.
Teslim ettiğimiz sektörler02
İlgili işlerimiz04
Sümerli Tel — Bayi Yönetim Platformu
Bayilerin borç ve ödemelerini takip edebildiği, sipariş verip güvenle ödeme yapabildiği; işletme tarafına da gerçek zamanlı raporlama sunan bir bayi portalı.
2024 →Halka Arz Haber — Yapay Zekâ Destekli Halka Arz Takibi
Borsa İstanbul halka arzlarını takip eden, değerlendirmeleri sağlanan veriden yapay zekâ ile üretilen uygulama: rakam uydurulmaz, al–sat yönlendirmesi yapılmaz.
2024 →Turkish Aluminium 365 — B2B Sektör Ağı
Alüminyum sektöründeki firmaların birbirine bağlandığı, toplantı planladığı, kapasite ve ürün bilgisini paylaştığı bir B2B sosyal platform.
2024 →Borsatalk — Borsa Topluluğu
Yatırımcı ve traderların piyasa görüşlerini paylaştığı, trendleri gerçek zamanlı tartıştığı bir sosyal platform.
2024 →Sık sorulanlar06
- MCP nedir, bize ne kazandırır?
- MCP, yapay zekâ istemcilerinin dış sistemlere bağlandığı açık bir standarttır. Her araç için ayrı entegrasyon yazmak yerine sistemlerinizi tek bir standart arayüzle açar; yetki sınırları da o arayüzde tanımlanır. Pratik karşılığı şudur: modelin erişeceği her işlem tek tek belirlenmiş ve denetlenebilir olur.
- Verimiz modelin eğitimine gider mi?
- Kurduğumuz yapılarda hayır. Kurumsal sağlayıcı sözleşmelerinde veri eğitime kapalıdır ve bunu proje başında yazılı olarak netleştiriyoruz. Verinin hiç dışarı çıkmaması gerekiyorsa kendi sunucunuzda çalışan model seçeneğini kuruyoruz.
- Model yanlış bilgi üretirse ne olur?
- Bunu tamamen ortadan kaldıran bir yöntem yoktur; azaltan ve yakalayan bir yapı vardır. Cevap yalnızca sağlanan veriden üretilir, kaynak gösterilir, eksik bilgi eksik olarak yazılır, çıktı biçim ve iş kuralı denetiminden geçer, geri alınamaz işlemler insan onayına bağlanır. Ölçüm seti de hatayı sürüm yayına çıkmadan yakalar.
- Mevcut ERP’mizi değiştirmemiz gerekir mi?
- Hayır. Bu katman mevcut sistemlerin üstüne kurulur ve onlara bağlanır. Zaten amacı, çalışan sistemleri değiştirmeden erişilebilir kılmaktır.
- Maliyeti nasıl hesaplanıyor?
- İki kalem vardır: geliştirme bedeli ve kullanım başına model maliyeti. Pilotta gerçek kullanımla ölçüp aylık tahmin çıkarıyoruz. Kendi sunucunuzda çalışan kurgularda ikinci kalem donanım ve işletme maliyetine dönüşür.
- Nereden başlamalıyız?
- Tek bir süreçten. Yapay zekâ hazırlık değerlendirmesi, hangi sürecin uygun olduğunu, elinizdeki verinin yeterli olup olmadığını ve neyi yapmamanız gerektiğini yazılı olarak ortaya koyar.
Kapsamı birlikte çıkaralım.
Kapsamı belirsiz işe sabit fiyat vermiyoruz. Mevcut sisteminizi ve süreçlerinizi yerinde inceleyip yol haritasını ve sabit fiyatlı teklifi ondan sonra sunuyoruz.