Sık sorulan sorular.
Kurumsal yapay zekaya başlangıç, on-premise veri güvenliği, LLM ve RAG, siber güvenlik şartnamesi, maliyet faktörleri, talep üzerine geliştirme, ekip eğitimi ve KVKK/5651 uyumu ile ilgili en sık aldığımız soruların net cevapları.
Kurumsal yapay zekaya nereden başlamalıyız?
Sağlıklı bir başlangıç lisans satın almakla değil, kapsamı daraltmakla olur. İlk adım AI olgunluk seviyenizi (TBAM) tespit etmek, veri envanterini çıkarmak ve 2-3 use-case adayını önceliklendirmektir. Ardından tek bir dar use-case üzerinde 4-6 haftalık bir pilot koşulur; bu pilot, çalışan bir prototip ve ölçülebilir bir eval skoru üretir. Geniş bir dönüşüme girmeden önce tek bir işi uçtan uca çözmek, hem riski hem maliyeti düşürür.
Verilerimizin kurum dışına çıkmasını istemiyoruz, ne yapmalıyız?
Düzenleyici hassas veriler için on-premise veya hibrit dağıtım esas alınır. Açık-ağırlıklı modeller (Llama, Mistral, Qwen) kurumun kendi donanımında; vLLM, SGLang veya TGI gibi bir inference sunucusuyla servis edilir. Vektör tabanı olarak pgvector ya da Qdrant kurum içinde tutulur. OpenAI-uyumlu bir API gateway (LiteLLM/Portkey) sayesinde uygulama kodu değişmeden model kurum ağının içinde çalışır; veri ağ sınırından dışarı çıkmaz. Cloud LLM yalnızca veri sınıfı elverdiğinde devreye alınır.
LLM ve RAG nedir, aralarındaki fark nedir?
LLM (büyük dil modeli), metni anlayan ve üreten temel modeldir; bilgisi eğitim anındaki verisiyle sınırlıdır. RAG (Retrieval-Augmented Generation) ise modelin, sorguya göre kurumun kendi doküman tabanından (ERP, CRM, wiki, PDF) ilgili bağlamı çekip yanıtı bu bağlama dayandırmasıdır. Böylece model güncel ve kuruma özel bilgiyi kaynak göstererek kullanır; halüsinasyon denetlenebilir hâle gelir. Kurumsal kullanımda en yaygın desen budur.
RAG mı yoksa fine-tune mı tercih etmeliyiz?
Karar amaca bağlıdır. Bilgi güncelliği gerekiyorsa (değişen dokümanlar, kurum bilgisi) RAG kullanılır; knowledge fine-tune bilgi güncellemenin yerini tutmaz. Modele belirli bir stil veya format öğretmek gerekiyorsa (resmi yazışma dili, yapısal çıktı) fine-tune uygundur. Pratikte çoğu kurumsal use-case, RAG ile küçük bir fine-tune kombinasyonuyla çözülür. Fine-tune için genellikle 500'den fazla nitelikli örnek ve önce denenmiş bir prompt mühendisliği aşaması beklenir.
Kurumsal AI için siber güvenlik şartnamesi neleri içermeli?
Güvenlik sonradan eklenen bir katman değil, şartnamenin çekirdeğidir. Sağlıklı bir teknik şartname şunları tanımlar: giriş filtresi ve prompt injection direnci, tool authorization (agent'ın hangi araca/veriye erişebileceği), çıktı doğrulayıcı ve safety sınıflandırıcı, RBAC ile yetkilendirme, audit log ve veri erişim kaydı, SLA/SLO tanımları, KVKK uyum maddesi, model card ve data card, kaynak kod ile veri sahipliği. ISO 27001 kontrolleri bu çerçeveye referans oluşturur.
Kurumsal AI maliyetini hangi faktörler belirler?
Kesin fiyat kapsam netleşmeden verilemez; maliyeti belirleyen faktörler ise nettir. Başlıcaları: dağıtım modeli (cloud OPEX mı, on-prem CAPEX mi, hibrit mi), model boyutu ve seçilen katman (frontier / standart / küçük model), token hacmi ve eşzamanlılık, prompt caching ve model routing gibi optimizasyonlar, vektör tabanı ve depolama, on-prem tarafında GPU sınıfı ve adedi, observability ve bakım. Maliyeti düşürmenin en etkili yolu doğru use-case ile küçük başlamak ve trafiği ölçtükçe büyütmektir.
Aradığımız hazır çözüm yoksa talep üzerine geliştiriyor musunuz?
Evet. İhtiyacınız hazır bir modül veya use-case ile karşılanamıyorsa, kuruma özel çözümü talep üzerine geliştiririz. Süreç tipik olarak keşif ve use-case önceliklendirmeyle başlar; veri envanteri ve KVKK ön-değerlendirmesi, pilot mimari, geliştirme, üretime hazırlık (observability, guardrail, fallback) ve canlıya geçişle ilerler. İhtiyacınızı iletmek için sitedeki talep formunu kullanabilir, e-posta ile info@yazilimkocu.com adresine yazabilirsiniz.
Ekibimize kurumsal yapay zeka eğitimi veriyor musunuz?
Evet. Teknoloji kadar, ekibin onu doğru kullanması da projenin başarısını belirler. Kısa bir Use-Case Atölyesiyle (yarım gün) başlanabilir; ardından pilot boyunca uygulamalı ekip eğitimi, prompt ve guardrail pratikleri, operasyon runbook'u ve değişim yönetimi (change management) sağlanır. Amaç, çözümü teslim edip çekilmek değil; kurumun AI'yı kendi başına sürdürebilir hâle gelmesidir.
KVKK ve 5651 sayılı kanun uyumu nasıl sağlanır?
KVKK tarafında yazılım; aydınlatma metnini, kişisel veri envanterini, işleme hukuki sebebini ve saklama süresini destekler. Özel nitelikli veride açık rıza, yurt dışına aktarımda (cloud LLM kullanımı) VERBİS ve aktarım koşulları gözetilir; veri minimizasyonu ile RAG'a yalnızca gereken alan verilir. Otomatik karar verme için itiraz hakkı işletilir. 5651 tarafında ise erişim ve işlem kayıtlarının (audit log) bütünlükleriyle ve zaman bilgisiyle tutulması esastır. Bu kayıtlar aynı zamanda AI sisteminin denetlenebilirliğini de sağlar.
AI agent sistemleri kurumsal kullanıma hazır mı, AB AI Act bizi etkiler mi?
2026 itibarıyla dar alanlı agent sistemleri (müşteri destek, satış araştırma, IT helpdesk, kod yardımı) trajectory ve outcome eval'i ile üretime uygundur; geniş, tam otonom agent ise hâlâ deneyseldir. AB AI Act ise AB'ye SaaS satıyorsanız veya AB vatandaşı verisi işliyorsanız sizi ilgilendirir: yüksek-risk sınıfta conformity assessment ve risk yönetim sistemi zorunludur, chatbot gibi sınırlı-risk sistemlerde ise şeffaflık (kullanıcının AI ile etkileşimde olduğunu bilmesi) gerekir.
Cevabını bulamadığınız bir soru mu var?
Use-case'inizi ücretsiz keşif görüşmesinde birlikte netleştirelim; teknik ekibimiz sorularınızı doğrudan yanıtlasın.