# Kurumsal yapay zekâ: şirketler yapay zekâya nereden başlamalı?

> Kurumsal yapay zekâya tek bir işle başlanır; işin bugünkü durumu ölçülür, veri sınırı belirlenir, küçük bir deneme kurulur ve sonuca göre büyütülür.

Kurumsal yapay zekâ, dil modellerinin ve onlarla çalışan araçların bir şirketin kendi süreçlerinde, kendi verisiyle ve kendi kurallarıyla kullanılmasıdır. Başlamanın sağlam yolu, çalışanların zamanını alan tek bir işi seçmek, bu işin bugünkü süresini ve hata oranını ölçmek, hangi verinin şirket dışına çıkabileceğini belirlemek ve küçük bir deneme kurmaktır. Denemeyi büyütme kararı, sonuç başlangıç ölçümüyle karşılaştırıldıktan sonra verilir.

## Kurumsal yapay zekâ nedir, ne işe yarar?

Kurumsal [yapay zekâ](https://altai.dev/tr/rehber/sozluk/#yapay-zeka), çalışanlara bir sohbet aracı açmaktan ibaret değildir. Bir [büyük dil modeli (LLM)](https://altai.dev/tr/rehber/sozluk/#llm) belirli bir işe bağlanır: belgelerden kaynaklı cevap verir, gelen talepleri sınıflandırır, rapor taslağı hazırlar ya da birkaç sistemde adım adım iş yürütür. Değeri de bu işte ölçülür: işlem süresi, hata ve yeniden işlem oranı, işlem başına maliyet.

Şirketlerde ilk akla gelen işler genellikle şunlardır:

- **Belgelerde arama:** Kılavuz, prosedür ve sözleşmelerden, kaynağı gösterilen cevaplar. Bunun için kullanılan yöntem [RAG](https://altai.dev/tr/rehber/rag-nedir/)’dir.
- **Metin işleri:** E-posta ve talepleri sınıflandırma, özetleme, belgeden alan çıkarma.
- **Çok adımlı işler:** Veri toplayan, eksikleri kontrol eden ve rapor hazırlayan [yapay zekâ ajanları](https://altai.dev/tr/rehber/yapay-zeka-ajani-nedir/).
- **Göreve özel modeller:** Kurum terimlerini ve beklenen çıktı biçimini öğrenen küçük modeller.

## Nasıl çalışır?

Bir kurumsal yapay zekâ uygulaması birkaç katmandan oluşur. Her katmanın kararı ayrı verilir ve ilk denemede hepsine ihtiyaç olmayabilir.

| Katman | Ne yapar | Ayrıntı |
|---|---|---|
| Model | Metni okur ve üretir; yerelde veya bulutta çalışır | [Yerel LLM kurulumu](https://altai.dev/tr/rehber/yerel-llm-kurulumu/) |
| AI gateway (model erişim katmanı) | Hangi isteğin hangi modele gideceğini ve hangi verinin gönderilebileceğini yönetir | [AI gateway nedir?](https://altai.dev/tr/rehber/ai-gateway-nedir/) |
| Bilgi erişimi | Kurum belgelerinden ilgili parçayı bulup modele verir | [RAG nedir?](https://altai.dev/tr/rehber/rag-nedir/), [Türkçe embedding modelleri](https://altai.dev/tr/rehber/turkce-embedding-modelleri/) |
| Dil işleme | Türkçe metni sözcüklere, köklere ve eklere ayırır | [Türkçe doğal dil işleme](https://altai.dev/tr/rehber/turkce-dogal-dil-isleme/) |
| Agent harness (ajan altyapısı) | Modelin araç kullanmasını, izinleri ve onay adımlarını yönetir | [Yapay zekâ ajanı nedir?](https://altai.dev/tr/rehber/yapay-zeka-ajani-nedir/) |
| Model uyarlama | Modeli kurumun verisi ve çıktı biçimiyle eğitir | [Fine-tuning mi, RAG mı?](https://altai.dev/tr/rehber/fine-tuning-mi-rag-mi/), [Sentetik veri](https://altai.dev/tr/rehber/sentetik-veri/) |
| Veri kuralları | Kişisel verinin nasıl işleneceğini belirler | [KVKK ve yapay zekâ](https://altai.dev/tr/rehber/kvkk-ve-yapay-zeka/) |

Terimlerin kısa tanımları için [yapay zekâ sözlüğüne](https://altai.dev/tr/rehber/sozluk/) bakabilirsiniz.

## Hangi işle başlamalı, hangisini ertelemeli?

İyi bir ilk aday:

- sık tekrar eden, metne veya belgeye dayalı bir iştir;
- sonucu, işi yapan kişi tarafından kontrol edilebilir;
- verisi erişilebilirdir ve kimin kullanacağı bellidir;
- bugünkü süresi veya hata oranı ölçülebilir.

Ertelemeniz gereken işler de vardır. Başarı ölçütü tanımlanamayan, verisi henüz toplanmamış ya da hatanın bedeli yüksek olup araya insan kontrolü konamayan işler ilk deneme için uygun değildir. Kurallarla tam olarak tarif edilebilen bir iş için de çoğu zaman yapay zekâ gerekmez; klasik otomasyon daha ucuz ve öngörülebilirdir.

## Adım adım: yapay zekâya nereden başlanır?

1. **Doğru işi bulun.** Süreci, işi yapan kişilerle birlikte inceleyin. Nerede beklendiğini, neyin elle kontrol edildiğini ve hangi işin sık tekrarlandığını not edin. Sonuç, öncelik sırasına konmuş bir fırsat listesidir.
2. **Başlangıç ölçümü yapın.** Seçtiğiniz işin bugünkü süresini, hata ve yeniden işlem oranını ve maliyetini kaydedin. Kabul kriterini de şimdi yazın: hangi sonuç "işe yaradı" sayılacak? Ölçüm yöntemi için sözlükteki [değerlendirme](https://altai.dev/tr/rehber/sozluk/#degerlendirme) maddesine bakabilirsiniz.
3. **Veri sınırını belirleyin.** Hangi verinin şirket dışına çıkabileceğini, hangi alanların [maskelenebileceğini](https://altai.dev/tr/rehber/sozluk/#kisisel-veri-maskeleme), hangi servislerin çağrılabileceğini ve kimin neye erişeceğini yazın. Bu kurallar model, araç ve depolama kararlarını yönlendirir.
4. **Küçük bir deneme kurun.** Tek bir iş, tek bir kullanıcı grubu ve gerçek örneklerle en kritik varsayımı test edin. Çoğu işte hazır bir model, iyi yazılmış bir [prompt](https://altai.dev/tr/rehber/sozluk/#prompt) (istem) ve RAG ile başlamak yeterlidir; model eğitimi sonraki adım olabilir.
5. **Kanıtla büyütün.** Aynı ölçümleri yeni uygulamada tekrarlayın. Çalışanlar uygulamayı kullanıyor mu, sonuçları ne kadar düzeltiyor? İşe yarayanı genişletin, sonuç vermeyeni durdurun. Birden fazla sisteme bağlanan işler için ayrı bir proje planı yapın.

## Yerel model mi, bulut modeli mi?

Bu karar veri sınıfına, iş hacmine ve beklenen kaliteye göre verilir. Birçok kurumda ikisi birlikte kullanılır.

| Ölçüt | [Yerel model](https://altai.dev/tr/rehber/sozluk/#yerel-model) | Bulut modeli |
|---|---|---|
| Veri | Kurum altyapısında kalır | Sağlayıcının sunucularına gider |
| Başlangıç maliyeti | Donanım ve kurulum gerektirir | Düşüktür, kullandıkça ödenir |
| Model seçeneği | Açık ağırlıklı modellerle sınırlıdır | En büyük ve güncel modellere erişilir |
| İşletme | Güncelleme ve kapasite sizdedir | Sağlayıcıdadır |

Kişisel veri içeren istekleri yerel modelde tutup diğerlerini izin verilen bulut modellerine göndermek sık kullanılan bir düzendir. Bu yönlendirmeyi uygulama kodunun dışında bir [AI gateway](https://altai.dev/tr/rehber/sozluk/#ai-gateway) yapar. Ayrıntılar [yerel LLM kurulumu](https://altai.dev/tr/rehber/yerel-llm-kurulumu/) rehberinde.

## Dikkat edilmesi gerekenler

- **Demo ile üretim aynı şey değildir.** Birkaç örnekte iyi çalışan bir model gerçek veride [halüsinasyon](https://altai.dev/tr/rehber/sozluk/#halusinasyon) üretebilir. Cevabın kaynağını göstermek ve geliştirmede kullanılmayan örneklerle test etmek gerekir.
- **Türkçe ayrı bir test ister.** Eklemeli yapı, arama ve sınıflandırma kalitesini etkiler. Modelleri kendi Türkçe örneklerinizle ölçün.
- **Ölçümsüz pilot karar üretmez.** Başlangıç ölçümü yoksa denemenin işe yarayıp yaramadığını söyleyemezsiniz.
- **Dağınık araçlar risk taşır.** Her ekip kendi aracını seçtiğinde hangi verinin nereye gittiği izlenemez. Ortak model erişim kuralları bu riski azaltır.
- **Çalışanlar sürecin parçasıdır.** Eğitim ve geri bildirim olmadan uygulama çoğu zaman kullanılmaz.

## ALTAI’de nasıl yapıyoruz

ALTAI’de bu adımları üç çalışma şekliyle yürütüyoruz (ayrıntılar [Nasıl çalışıyoruz](https://altai.dev/tr/how-we-work/) sayfasında):

- **Üç aylık başlangıç programı:** Çalışanlarla süreçleri inceler, veri kurallarını belirler ve gerekli eğitimleri veririz. Hedefimiz 2–3 küçük uygulama ve sonraki işler için bir plan. Çoğu şirket bu programla başlar, ihtiyaç sürdükçe aylık desteğe geçer.
- **Aylık mühendislik desteği:** Bir ALTAI mühendisi ekibinizle düzenli çalışır; ALTAI’nin teknik lideri mimari kararlara destek verir. Kısa prototipler ve küçük otomasyonlar bu hizmetin içindedir.
- **Yazılım geliştirme projesi:** Belirli bir uygulama, model veya ajan için proje ekibi kurarız. Kapsam, bütçe ve teslim takvimi baştan bellidir.

Bunlara ek olarak çalışanların getirdiği sorunlar üzerinde 1–2 günlük prototip çalışması (AIthon) ve role göre hazırlanan eğitimler düzenliyoruz. İşe başlamadan önce mevcut süreyi, hata oranını veya maliyeti kaydeder, geliştirilen uygulamada aynı ölçümleri tekrar yaparız. Veri erişimini baştan belirler, yerel modelle çalışmayı ilk seçenek olarak değerlendiririz. Model erişimini [Yada](https://altai.dev/tr/products/yada/) ile, araç kullanan ajanları [isanagent](https://altai.dev/tr/products/isanagent/) ile yönetiyoruz; ikisini de ALTAI geliştiriyor.

Sizden beklediklerimiz: çalışmayı takip edecek ve karar verecek bir süreç sorumlusu, belirlenen izinler içinde veri ve sistemlere erişim, işi yapan çalışanların test ve geri bildirim için ayıracağı zaman. Başlamak için [bize yazabilirsiniz](https://altai.dev/tr/contact/).

## Sık sorulan sorular

### Yapay zekâya başlamak için önce kapsamlı bir strateji belgesi gerekir mi?

Gerekmez. Tek bir işle, başlangıç ölçümüyle ve belirlenmiş bir veri sınırıyla başlamak daha hızlı bilgi verir. Hangi alanda büyüyeceğinize küçük denemelerin sonuçlarına bakarak karar verirsiniz.

### Hangi işler yapay zekâ için iyi bir ilk adaydır?

Sık tekrarlanan, metne veya belgeye dayalı ve sonucu işi yapan kişinin kontrol edebildiği işler iyi adaylardır. Belgelerde arama, talepleri sınıflandırma ve rapor taslağı hazırlama yaygın örneklerdir. Bugünkü süresi veya hata oranı ölçülebilen işi seçin.

### Şirket verisini bulut modellerine göndermek güvenli mi?

Verinin sınıfına bağlıdır. Kişisel veri veya ticari sır içeren istekler maskelenebilir ya da yerel modelde tutulabilir; diğerleri izin verilen bulut modellerine gidebilir. Teknik seçenekler [KVKK ve yapay zekâ](https://altai.dev/tr/rehber/kvkk-ve-yapay-zeka/) rehberinde anlatılıyor. Bu metin hukuki danışmanlık değildir; kendi durumunuz için bir hukukçuya danışın.

### Kendi modelimizi eğitmemiz gerekir mi?

Çoğu ilk projede gerekmez; hazır bir model ve RAG ile başlanabilir. Model belirli bir çıktı biçimini veya kurum terimlerini tutarlı kullanamıyorsa [fine-tuning](https://altai.dev/tr/rehber/sozluk/#fine-tuning) (ince ayar) gündeme gelir. Karşılaştırma için [Fine-tuning mi, RAG mı?](https://altai.dev/tr/rehber/fine-tuning-mi-rag-mi/) rehberine bakın.

### Bir yapay zekâ denemesinin başarılı olduğunu nasıl anlarız?

Denemeden önce kaydettiğiniz ölçümleri yeni uygulamada tekrarlayın: işlem süresi, hata oranı, işlem başına maliyet. Çalışanların uygulamayı düzenli kullanıp kullanmadığına ve sonuçları ne kadar düzelttiğine de bakın. Başlangıç ölçümü yoksa başarıyı da ölçemezsiniz.

### ALTAI ile çalışmaya nasıl başlanır?

Çoğu şirket üç aylık başlangıç programıyla başlar ve ihtiyaç sürdükçe aylık mühendislik desteğine geçer. Belirli bir yazılım ihtiyacı varsa doğrudan bir projeyle de başlanabilir. [İletişim sayfasından](https://altai.dev/tr/contact/) işinizi kısaca anlatabilirsiniz.

Source: https://altai.dev/tr/rehber/kurumsal-yapay-zeka/