Yapay zekâ sözlüğü.

MCP (Model Context Protocol)

Yapay zekânın şirket sistemlerine bağlandığı açık standart.

Anthropic tarafından açık kaynak olarak yayımlanan ve sektörde ortak zemine dönüşen bir protokoldür. Bir yapay zekâ istemcisinin dış sistemlere — dosyalara, veritabanına, ERP’ye, destek masasına — tek ve standart bir arayüzden bağlanmasını sağlar. Her araç için ayrı entegrasyon yazmak yerine sistem bir kez MCP sunucusu olarak açılır.

RAG — kurum verisiyle temellendirme

Cevabın, modelin ezberinden değil şirketin belgelerinden üretilmesi.

Retrieval-Augmented Generation. Soru geldiğinde model doğrudan cevap yazmaz: önce şirketin belgeleri içinde ilgili bölümler aranır, bulunanlar modele verilir ve cevap yalnızca onlardan üretilir. Cevabın altında hangi belgeden geldiği de gösterilir.

Gömme (embedding) ve anlamsal arama

Kelimeyi değil anlamı arayan arama.

Metinler sayısal vektörlere çevrilir ve arama bu vektörler üzerinden yapılır. Böylece “fatura iptali nasıl olur” sorusu, içinde o kelimeler geçmeyen ama aynı konuyu anlatan bir prosedür maddesini de bulur.

Bağlam mühendisliği

Modele her seferinde tam olarak neyin verileceğinin tasarlanması.

Model yalnızca kendisine verilen bilgiyi görür. Hangi belgenin, ne kadarının, hangi sırayla ve hangi talimatla verileceği bir tasarım kararıdır; kalitenin büyük kısmı burada belirlenir.

Ajan (agent)

Çok adımlı bir işi kendi başına yürüten yapay zekâ.

Tek soruya tek cevap veren bir asistanın aksine ajan, hedefi alır, adımlara böler, gerekli araçları çağırır ve sonucu döndürür. “Bu ayın geciken bayilerini çıkar, borç yaşlandırmasını hesapla, raporu hazırla” gibi bir istek tek istemle yürür.

Araç kullanımı (tool use)

Modelin sistemde gerçek bir işlem çağırabilmesi.

Modele, çağırabileceği işlemler tanımlanır: “stok sorgula”, “teklif oluştur”, “rapor üret”. Model hangi aracı ne zaman çağıracağına karar verir, işlemi sistem yapar.

Yapılandırılmış çıktı

Modelin serbest metin değil, sisteme girebilecek veri döndürmesi.

Cevabın önceden tanımlı bir şemaya uyması zorunlu kılınır: alanlar, tipler ve izin verilen değerler. Model bu şemanın dışına çıkamaz.

İnsan onayı (human-in-the-loop)

Modelin taslak ürettiği, kararı insanın verdiği düzen.

Model işi hazırlar, yayına çıkarma ya da işlemi başlatma yetkisi insanda kalır. Onay noktaları proje başında yazılır ve geri alınamaz her işlem bu kapsama girer.

Sınır katmanı (guardrail)

Modelin neyi söyleyemeyeceğini ve yapamayacağını tanımlayan kurallar.

Yasak konular, yasak yönlendirmeler, yalnızca sağlanan veriyle konuşma zorunluluğu, kişisel veri maskeleme ve çıktının iş kurallarına göre denetlenmesi bu katmanda tanımlanır. Kural ihlalinde devreye giren yedek davranış da buraya yazılır.

Değerlendirme seti (eval)

Çıktının doğru olup olmadığının ölçüldüğü sabit test kümesi.

Gerçek sorulardan ve beklenen cevaplardan oluşan bir küme kurulur. Her prompt ya da model değişikliği bu kümeye göre puanlanır; belirlenen eşiğin altındaki sürüm yayına çıkmaz. Sahada karşılaşılan hatalı çıktılar da toplanıp kümeye eklenir.

İzlenebilirlik ve denetim kaydı

Hangi soruya, hangi bilgiyle, hangi cevabın verildiğinin kaydı.

Her istek için sorulan soru, modele verilen bağlam, çağrılan araçlar, dönen cevap, süre ve maliyet kayda geçer. Saklama süresi ve kimin bu kayıtlara erişebileceği tanımlanır.

Halüsinasyon

Modelin doğru bilmediği bir şeyi emin bir dille söylemesi.

Dil modelleri en olası devamı üretir; bu yüzden bilmediği bir yerde de akıcı ve kendinden emin bir cevap yazabilir. Tamamen ortadan kaldıran bir yöntem bugün yoktur.

Token ve kullanım maliyeti

Yapay zekâ maliyetinin ölçü birimi.

Modeller metni token adı verilen parçalar üzerinden işler ve ücretlendirme genelde işlenen token sayısına göre yapılır. Uzun bağlam ve uzun cevap doğrudan maliyettir.

Model yönlendirme ve sağlayıcı bağımsızlığı

İşe göre farklı model kullanmak ve tek sağlayıcıya bağlı kalmamak.

Basit sınıflandırma için küçük ve ucuz, karmaşık akıl yürütme için güçlü model kullanılır. Sağlayıcı arızalandığında yedek modele geçiş tanımlanır.

Prompt yönetimi ve sürümleme

Sistem talimatının koda gömülü değil, yönetilebilir olması.

Modelin uyacağı sistem talimatı yönetim panelinden düzenlenir, sürümlenir ve gerektiğinde önceki sürüme dönülür. Değişiklik yayına alınmadan önce test ortamında denenir.

Veri yerleşimi, KVKK ve eğitime kapalılık

Verinin nereye gittiği, nerede kaldığı ve modelin eğitimine girip girmediği.

İsteğin hangi ülkedeki sunucuya gittiği, ne kadar süre saklandığı, kişisel veri içerip içermediği ve sağlayıcının bu veriyi model eğitiminde kullanıp kullanmadığı ayrı ayrı tanımlanır. Verinin hiç dışarı çıkmaması gereken durumlarda model kendi sunucunuzda çalıştırılır.

İnce ayar (fine-tuning) mi, temellendirme mi?

Kendi verinizle model eğitmek çoğu şirket için gereksizdir.

İnce ayar, modelin davranışını kendi örneklerinizle değiştirmektir; veri, süre ve maliyet gerektirir ve bilgi güncellendiğinde tekrarlanması gerekir. Temellendirme ise bilgiyi model dışında tutar, belge değiştiğinde sistem anında güncellenir.