Yapay Zekâ ve İş Süreçleri
Yapay Zekâya Soru Sormayı Bırakıp Onunla Çalışmaya Ne Zaman Başlayacağız?
Yapay Zekâyı Sadece Soru Sormak İçin mi Kullanıyoruz?
Bir şirkete yeni bir çalışanın geldiğini düşünelim. Bu çalışana ilk iş gününde şirketin işleyişini, projelerini, şirkette kullanılan sistemleri ve devam eden işleri anlattık ve onun hem şirket bilgilerine hem de sürece hakim olduğunu düşündük. Aynı çalışanın ertesi gün,şirkete geldiğinde bir önceki gün anlatılan birçok şeyi unutma ihtimali çok yüksek. Ona dün çözülen sorunu, geçen hafta yapılan toplantıyı, hatta kendisine verilen temel bilgileri bile yeniden anlatmamız gerekiyor. Anlatırken bile yoruluyor insan değil mi? Ne var ki bugün yapay zekâyı büyük ölçüde tam olarak böyle kullanıyoruz. Yeni bir sohbet açıyoruz. Gerekli bilgileri veriyoruz, AI çalışıyor, sohbet bitiyor. Sonra yeniden başlıyoruz.
Bir süre ChatGPT, Codex ve Claude Code gibi araçlarla çalışınca bu durum daha görünür hâle geliyor. Aynı model, doğru ortamda bambaşka sonuçlar verebiliyor. İlk başta yalnızca bir sorun verip çözüm bekliyorsunuz. Bir süre sonra modele hafıza, şirket bilgileri, belirli beceriler ve çalışma yöntemleri eklediğinizde ise sadece cevap veren bir araç değil, nasıl çalışacağını bilen bir yardımcı ortaya çıkıyor.
İçindekiler
Yapay Zekâ Nasıl Çalışır? Bağlam, Doğruluk ve Hafıza
Yapay zekâ bir arama motoru değil. Bir veri tabanı ya da sözlük hiç değil. Peki nedir ve ne yapıyor? En sade hâliyle şunu yapıyor: Devasa miktarda yazıyı okumuş ve o yazılardaki örüntüleri öğrenmiş bir sistem, önüne koyduğunuz metnin nasıl devam etmesi gerektiğini tahmin ediyor. Yani tahmin aracı diyebiliriz. “Tahmin” kelimesi burada küçümseme değil, tarif ve bu tarif, kullanım şeklinizi de baştan aşağı belirleyen üç temel gerçeği ortaya koyuyor.
01
Sizin şirketinizi tanımıyor:
Ekipteki kimin neyden sorumlu olduğunu, projelerinizi, kullandığınız programların adını, geçen yıl neden o müşteriyle yollarınızı ayırdığınızı bilmiyor. Verdiğiniz kadarını biliyor. Bu yüzden “Bize uygun bir teklif hazırla.” cümlesi genellikle genel geçer bir şey üretir çünkü eksik olan zekâ değil, bağlam.
02
Emin görünmesi haklı olduğu anlamına gelmiyor:
Bilmediği yerde susmak yerine akla yatkın bir devam üretiyor çünkü yaptığı iş tam olarak bu. Rakamı, tarihi ve madde numarasını kontrol etmek hep size kalıyor.
03
Varsayılan olarak hatırlamıyor:
Dün saatlerce uğraşıp anlattığınız şey bugün yok.
Yapay Zekâda RAG ve Hafıza Ne İşe Yarar?
Burada RAG ve hafıza sistemleri devreye giriyor. RAG’ı basitçe, AI’ın ihtiyaç duyduğu bilgiyi gerektiğinde kaynaklardan bulup kullanabilmesi olarak düşünebiliriz. Örneğin şirketinizin binlerce dokümanı varsa hepsini AI’ın önüne koymak yerine soruyla ilgili bölümleri bulup AI’a verebilirsiniz. Bunu yapabilmek için bu dokümanları, belgeleri öncesinde yapay zekâya verirseniz bir vektör veri tabanına dönüştürülür ve yapay zekâ gerektiğinde açıp bakar. Hafıza ise biraz daha farklı geçmişte verilen önemli kararları, çalışma alışkanlıklarını veya önceki görevlerden öğrenilen bilgileri zaman içinde saklayıp gerektiğinde geri getiriyor.
Open Notebook ve Mem0: Bilgi Kaynakları ve Hafıza Katmanı
Örneğin son dönemde popülerleşen açık kaynak Open Notebook, PDF’leri, web sayfalarını, ses ve video gibi farklı kaynakları düzenli bir bilgi alanında topluyor. AI daha sonra bu kaynaklara dayalı olarak çalışabiliyor. Mem0 gibi projeler ise önemli bilgileri seçmek, gerektiğinde geri çağırmak ve zamanla güncelliğini kaybedenleri temizlemek için hafıza katmanı oluşturmaya çalışıyor.
Ancak AI’ın ne bildiğini çözmek tek başına yeterli değil. Bir sonraki soru “AI bir işi nasıl yapacağını biliyor mu?”
