Prosedürler, teknik dokümanlar, sözleşme şablonları ve sık sorulan sorular çoğu şirkette farklı klasörlere dağılmış durumdadır ve doğru bilgiye ulaşmak zaman alır. Kurum içi dokümanlarla çalışan yapay zekâ asistanları, bu dağınık bilgiyi doğal dilde sorulan sorulara kaynak göstererek yanıt veren bir bilgi tabanına dönüştürür.
Nasıl çalışır?
Bu projelerin çoğunda kullanılan yöntemin adı RAG'dir (retrieval-augmented generation; Türkçesiyle erişimle zenginleştirilmiş üretim). Mantığı basittir: Dil modeli soruyu kendi genel bilgisinden yanıtlamaz; önce sizin dokümanlarınızda ilgili bölümleri bulur, ardından yanıtı bu bölümlere dayanarak oluşturur. Süreç kabaca şu aşamalardan oluşur:
- Dokümanların hazırlanması: PDF, Word, sunum ve web sayfası gibi kaynaklar metne dönüştürülür ve anlamlı parçalara bölünür.
- Dizinleme: Her parça, anlamını temsil eden sayısal bir vektöre (embedding) çevrilir ve aranabilir bir dizinde saklanır.
- Erişim: Kullanıcı bir soru sorduğunda sistem, soruya anlamca en yakın parçaları bulur.
- Yanıt: Dil modeli, bulunan parçaları kullanarak yanıtı yazar ve hangi dokümana dayandığını gösterir.
Bu yapının önemli bir avantajı, modeli yeniden eğitmeye gerek kalmadan, dokümanlar güncellendiğinde bilgi tabanının da güncellenebilmesidir.
Nerelerde işe yarar?
Bilgi tabanı asistanları, aynı soruların tekrar tekrar sorulduğu ve yanıtların dokümanlarda zaten bulunduğu her alanda zaman kazandırır:
- İnsan kaynakları: İzin, yan haklar ve şirket politikalarına dair tekrar eden sorular.
- Teknik ekipler: Ürün dokümantasyonu, kurulum kılavuzları ve arıza giderme notları.
- Satış ve destek: Ürün özellikleri, teklif koşulları ve müşterilerden gelen sık sorular.
- Kalite ve uyum: Prosedürler, talimatlar ve standartlara ilişkin dokümanlar.
- İşe yeni başlayanlar: Alışma sürecinde "Bunu kime sormalıyım?" sorusunun yükünü hafifletmek.
Asistanın nerede sunulacağı da en az içeriği kadar önemlidir. Ekiplerin zaten her gün kullandığı intranet, kurumsal mesajlaşma aracı ya da sade bir web arayüzü üzerinden erişilebilen bir asistan, ayrı bir uygulama açmayı gerektiren bir çözüme göre çok daha kolay benimsenir.
Başarının anahtarı: dokümanların kendisi
Bilgi tabanı projelerinde en çok zaman alan iş genellikle yazılım değil, içeriğin düzenlenmesidir. Çelişen, eskimiş ya da aynı dokümanın birden fazla sürümü varsa asistan da çelişkili yanıtlar verir. Projeye başlamadan önce:
- Hangi dokümanların güncel ve geçerli olduğunu belirleyin, eski sürümleri arşive ayırın.
- Her dokümana bir sahip atayın; güncelleme sorumluluğu belli olsun.
- Taranmış PDF'leri metin tanıma (OCR) ile okunabilir hâle getirin ve sonuçlarını kontrol edin.
- Tablolar, kısaltmalar ve şirkete özgü terimler için kısa açıklamalar ekleyin.
Küçük ve temiz bir doküman setiyle başlamak, her şeyi aynı anda yüklemekten çok daha iyi sonuç verir.
Yetki, gizlilik ve KVKK
Her çalışan her dokümanı görmemelidir. Asistanın, kullanıcının erişim yetkisi olmayan bir dokümandan bilgi aktarmaması için yetkilendirmenin bilgi tabanı düzeyinde kurgulanması gerekir. Örneğin bordro ya da yönetim kurulu dokümanları, genel çalışan asistanının erişebildiği havuzda yer almamalıdır.
Dokümanlarda kişisel veri bulunuyorsa 6698 sayılı Kişisel Verilerin Korunması Kanunu (KVKK) kapsamındaki yükümlülükler de devreye girer. Verilerin nerede işlendiği, bulut tabanlı bir model kullanılıyorsa yurt dışına aktarım olup olmadığı, soru ve yanıt kayıtlarının ne kadar süre saklanacağı gibi konular projenin başında netleştirilmelidir. Bu konularda genel bir çerçeve çizebiliriz; ancak şirketinize özgü değerlendirme için hukuk danışmanınıza ya da KVKK uzmanınıza danışmanızı öneririz.
Hassasiyeti yüksek projelerde açık kaynak dil modellerini şirketin kendi sunucularında çalıştırmak da bir seçenektir. Bu tercih maliyet, yanıt kalitesi ve bakım yükü açısından ayrıca değerlendirilmelidir.
Doğruluğu ölçmeden yayına almayın
Yapay zekâ modelleri, bilgi bulamadıkları durumlarda akla yatkın ama yanlış yanıtlar üretebilir. Bu riski azaltmanın yolları şunlardır:
- Gerçek kullanıcıların soracağı türden bir test soru seti hazırlayın ve doğru yanıtlarını önceden belirleyin.
- Asistanın her yanıtta kaynak göstermesini ve dokümanlarda bilgi yoksa bunu açıkça söylemesini sağlayın.
- Önce küçük bir pilot ekiple başlayın; geri bildirimlere göre içerikleri ve ayarları iyileştirin.
- Yanıtlanamayan soruları kayıt altına alın; bunlar çoğu zaman eksik dokümanların habercisidir.
Asistan yayına alındıktan sonra da test setini düzenli aralıklarla yeniden çalıştırmak, doküman ya da model değişikliklerinin yanıt kalitesini bozup bozmadığını gösterir.
Küçük başlayın, büyüterek ilerleyin
Bilgi tabanı projeleri, tek bir departman ve net bir kullanım senaryosuyla başladığında hızla değer üretir; başarılı bir pilotun ardından kapsam adım adım genişletilebilir. Yapay zekâ ürünlerimizi geliştirdiğimiz dipro.ai markası altında bu tür projelerde dokümanların hazırlanmasından yetkilendirmeye kadar tüm süreci birlikte planlıyoruz. Şirketinizdeki dağınık bilgiyi nereden toplamaya başlayacağınızı konuşmak isterseniz bize yazın.
