Kurumsal RAG & AI Asistanlar
Kendi verilerinizle çalışan
AI — verileriniz dışarı çıkmaz.
Genel amaçlı AI asistanlar şirket bağlamını bilmez. RAG (Retrieval-Augmented Generation) ile kendi belgelerinize, süreçlerinize ve uzmanlığınıza dayanan asistanlar kuruyoruz — güvenli, izlenebilir, ölçeklenebilir.
"ChatGPT'ye soramam — verilerimi göndermek istemiyorum."
Bu çekince yalnız değilsiniz. Müşteri bilgileri, iç prosedürler, teknik belgeler ve fiyat listeleri halka açık AI'a gönderilemez. Ancak bu kısıtlama ekiplerin genel araçlarla saatlerce çalışmasını engellemiyor; yanlış çalışmalarını önlemiyor.
RAG mimarisi bu ikilemin cevabıdır: veriler şirket altyapısında (veya özel bulutunuzda) kalır; AI yalnızca erişim izni verilen belgelere bakarak yanıt üretir. Dışarı sıfır veri.
0
Dışarıya giden kurumsal veri
Veriler kendi altyapınızda veya özel bulutunuzda kalır.
3–6 hafta
MVP'den canlıya
Kısa sprint döngüleriyle erken geri bildirim, erken değer.
%85+
Tekrar eden destek sorularında otomasyon
İç asistanlar en sık sorulan 20 sorunun büyük bölümünü karşılar.
Ne inşa ediyoruz?
İç bilgi bankası asistanı
Şirket prosedürleri, politikalar, sözleşme şablonları ve teknik dokümanlar üzerinde çalışan asistan. "İade politikamız ne?" sorusunu İK veya ekip lideri yerine AI yanıtlar.
Müşteri destek asistanı
Ürün kılavuzları, SSS ve geçmiş destek biletleri üzerine kurulu asistan. İlk yanıtı otomatize eder, karmaşık sorunu insan temsilciye yönlendirir.
Hukuki ve uyumluluk asistanı
Sözleşme maddeleri, mevzuat metinleri ve iç uyumluluk politikaları üzerine kurulu araç. Avukatlık yerine geçmez; ancak ön araştırma ve taslak üretimde saatlerce zaman kazandırır.
Satış ve teklif asistanı
Ürün kataloğu, fiyatlandırma kuralları ve kazanılmış fırsat notları üzerine kurulu asistan. Satış temsilcisi müşteriyle konuşurken teklif taslağını arka planda oluşturur.
Sprint tabanlı çalışma süreci
Keşif ve veri envanteri
Hangi belgeler var, nasıl yapılandırılmış, erişim izinleri ne? Kullanım senaryosunu ve başarı kriterlerini netleştiriyoruz. Çıktı: kapsam belgesi ve teknik seçim.
Veri temizleme ve hazırlama
PDF'ler, Word belgeleri, Notion sayfaları, e-postalar — kaynaktan bağımsız olarak metni düzenleyip vektör veritabanına yüklüyoruz.
RAG pipeline kurulumu ve prompt tasarımı
Embedding, arama katmanı, reranking ve LLM yanıt üretimi. Yanıt kalitesini ölçmek için test seti ve değerlendirme metrikleri hazırlanır.
Arayüz ve entegrasyon
Web chat widget, Slack botu, Teams entegrasyonu veya REST API — bağlama göre en uygun arayüz seçilir.
Pilot, geri bildirim ve iyileştirme
Küçük kullanıcı grubuyla pilot. Yanlış yanıtlar ve boşluklar tespit edilir, döngüde iyileştirilir. Canlıya geçişte izleme dashboard'u kurulur.
Sık sorulan sorular
Verilerimiz buluta gitmek zorunda mı?
Hayır. Şirket içi sunucuda (on-premise) veya izole özel bulut ortamında çalışan kurulumlar yapıyoruz. Hangi verinin nerede işlendiğini kontrol edebilirsiniz.
Hangi LLM modelini kullanıyorsunuz?
Kullanım senaryosuna, gizlilik gereksinimi ve maliyet hedefine göre model seçiyoruz: GPT-4o, Claude 3.5, Llama 3 (açık kaynak, on-premise) veya Mistral. Kilitli değiliz.
Dokümanlarım güncellenince ne oluyor?
Veri pipeline'ına bağlı olarak otomatik güncelleme kuruyoruz. Belge eklendiğinde veya değiştiğinde sistem yeni versiyonu alır; manuel güncelleme seçeneği de mevcut.
Yanıt kalitesi nasıl ölçülüyor?
Faithfulness (kaynakla tutarlılık), relevance (soruya uygunluk) ve answer completeness gibi metrikleri ölçen otomatik değerlendirme pipeline'ı kuruyoruz. Pilot sürecinde haftalık rapor paylaşıyoruz.
Hangi bilgi kaynağını AI'a bağlayalım?
Keşif görüşmesinde belgelerinize ve kullanım senaryonuza bakarak teknik yaklaşımı ve MVP kapsamını birlikte belirliyoruz.