Blog
Kurumsal dünyada yapay zekâdan beklenen yalnızca bilgi üretmesi değil, bu bilgiyi doğru zamanda, doğru bağlamla, doğru kişiye sunmasıdır. Arbalet, bu hedefe senaryo tabanlı yaklaşımıyla ulaşır. Peki, bu ne anlama gelir? Gerçek Bir Uygulama: Sigorta Poliçesi Asistanı Diyelim ki bir müşteriniz sağlık sigortası poliçesiyle ilgili şu soruyu soruyor: “Fizik tedavi limitim ne kadar?” Bu basit gibi görünen soru, ancak doğru bir senaryo zinciriyle isabetli şekilde yanıtlanabilir. İşte Arbalet'in yaklaşımı: Soru Anlamlandırılır ve Kategorize Edilir İlk adımda, gelen serbest metin “Fizik tedavi limitim ne kadar?” sorusu, sistem tarafından belirli bir kategoriye eşlenir. Bu örnekte senaryo aşağıdaki seçeneklerden sadece birini belirler: Yatarak Tedavi Ayakta Tedavi Bekleme Süresi ve İstisnalar Kapsam Dışı ... vb. Bu sınırlı ama hedefe odaklı seçim sayesinde, modelin tahmin etmesi değil, kurallı karar alması sağlanır. Bu örnekte “Ayakta Tedavi” kategorisi belirlenir. Teminat Tablosu Taranır, Uygun Satır Seçilir Bir sonraki adımda sistem, kullanıcıya özel poliçe teminat tablosuna bakarak, soruyla en iyi eşleşen teminat satırını bulur. { "TeminatGrubu": "Ayakta Tedavi Teminatları", "Adi": "Fizik Tedavi ve Rehabilitasyon", "Uygulama": "Yıllık", "AnlasmaliKurumlar": { "KatılımPayı": "0%", "Limit": "Limit 5 (30 adet)(30 Seans)", "Muafiyet": "-" } } Bu yapı, klasik GenAI modellerinde mümkün olmayan kesinlik ve doğruluk sağlar.
Son yıllarda yapay zekâ alanında en çok konuşulan konulardan biri, büyük dil modellerinin (LLM - Large Language Models) sunduğu GenAI (Generative AI) çözümleri oldu. Bu teknolojiler; içerik üretimi, özetleme, soru-cevap sistemleri gibi pek çok alanda etkileyici sonuçlar üretiyor. Ancak bu çözümlerin, gerçek kurumsal ihtiyaçları karşılamada yeterli olup olmadığı hâlâ tartışma konusu. Arbalet , bu tartışmaya net bir cevap sunuyor: Kurumsal süreçler, yalnızca metin üretmekten daha fazlasını gerektirir. İşte bu yazıda, Arbalet’in GenAI çözümlerinden nasıl ayrıştığını detaylı şekilde ele alıyoruz. Süreç Odaklılık vs Çıktı Odaklılık LLM Tabanlı GenAI: Kullanıcıdan gelen girdiye karşılık çıktı üretir. Cümle yazar, görsel oluşturur, öneride bulunur. Ancak bu çıktı, bir iş sürecinin parçası değildir; süreçten bağımsızdır. Arbalet: Karmaşık iş akışlarını uçtan uca yönetir. Belirli bir hedef doğrultusunda aksiyon alır, karar verir ve süreci yönetir. Üretim değil, operasyonel değer sağlar. Otonomi ve Karar Zinciri LLM: Kullanıcı tetiklemeden harekete geçmez. Sürekli komut bekler, kendi başına aksiyon almaz. Arbalet: İç ve dış tetikleyicilere yanıt verebilir, zamanlayıcılarla çalışabilir, gerektiğinde kendi kararlarını alarak süreci başlatabilir. Otonom davranış yeteneğine sahiptir. Hafıza ve Bağlam Yönetimi LLM: Hafızası sınırlıdır veya hiç yoktur. Sohbet esnasında geçici olarak bağlamı tutabilir, ancak bu bilgi oturum sona erdiğinde kaybolur. Arbalet: Uzun süreli hafıza ile çalışır. Günler, haftalar hatta aylar boyunca kullanıcıya, olaya, iş sürecine dair bağlamı koruyabilir ve bu bağlama göre davranabilir. Veri Kaynakları ile Etkileşim LLM: Eğitildiği veriyle sınırlıdır. Harici sistemlerle doğrudan iletişim kuramaz. Arbalet: Veritabanları, web servisleri, API’ler, SAP sistemleri, Excel dosyaları, OCR, e-posta gibi kaynaklarla aktif biçimde çalışır. Gerçek zamanlı veri ile dinamik çözüm üretir. Denetlenebilirlik ve Güvenlik LLM: Cevaplarının nasıl üretildiği açıklanamaz (black-box). Kurumsal denetim, tutarlılık ve şeffaflık ihtiyacını karşılamaz. Arbalet: Belirli senaryolara ve karar zincirlerine dayanır. Her eylem izlenebilir, gerekirse denetlenebilir. Kurumsal güvenlik ve regülasyonlara uygundur. Fine-Tuning vs Senaryo Tabanlı Esneklik LLM: Kuruma özel davranış kazandırmak için fine-tuning gerekir. Bu süreç pahalıdır, karmaşıktır, veri güvenliği açısından risklidir. Arbalet: Kullanıcı tanımlı senaryolar ve yapılandırılabilir araçlarla çalışır. Her türlü sürece kurum içinden kolayca uyarlanabilir. Kod yazmadan kurumun dilini ve işleyişini öğrenir. Sonuç Odaklılık LLM: Sonuç yerine metin üretir. Arbalet: Metin üretmek yerine sorunu çözer . Teslimat adresini bulur, sistemden veri çeker, eyleme geçer. Hedefe ulaşmak için aksiyon alır. Kurumsal Zekâ İçin Doğru Seçim LLM tabanlı çözümler, içerik üretimi için mükemmel birer araçtır. Ancak iş süreçlerini yöneten, karar alan ve sonuç üreten bir yapay zekâ arıyorsanız; Arbalet , ihtiyaç duyduğunuz bağlam, güvenlik ve operasyonel kontrolü size sağlar. Yapay zekânız sadece konuşmasın; iş yapsın.
Yapay zekâ teknolojileri, özellikle büyük dil modelleri (LLM) sayesinde son yıllarda dikkat çekici bir ilerleme kaydetti. Metin üretimi, özetleme ve soru-cevap sistemleri gibi alanlarda etkileyici sonuçlar alındı. Ancak bu gelişmelerin kurumsal dünyaya uygulanmasında kritik bir eksiklik ortaya çıkıyor: bağlam bilgisi . LLM’lerin Gücü ve Sınırı: Bilmek Var, Anlamak Yok LLM’ler, kelimeler arasındaki ilişkileri istatistiksel olarak modelleyerek içerik üretir. Ancak bu modeller, bir kurumun işleyişine, süreçlerine, hedeflerine ve veritabanlarına özel bağlamı anlamaktan uzaktır. Örneğin, “teslimat gecikti” ifadesi genel anlamda yorumlanabilir; fakat hangi müşteriden, hangi siparişten, hangi dağıtım kanalından bahsedildiğini yalnızca kurumun içsel bağlamı belirler. Bu bağlam eksikliği; tutarsız, hatalı ya da yüzeysel yanıtlar üretme riskini doğurur. LLM tabanlı çözümler çoğu zaman: Kurum içi terminolojiyi yanlış anlar Süreçler arası ilişkileri kuramaz Yanıltıcı sonuçlar (halüsinasyon) üretebilir Bu nedenle yalnızca güçlü modeller değil, doğru bağlamsal işleyiş de gereklidir. Bağlam Olmadan Yapay Zekâ Risk Taşır Bağlamdan kopuk bir yapay zekâ sistemi, kurum içi süreçlerde ciddi riskler oluşturabilir: Hatalı Kararlar : Bilginin doğru bağlamda işlenmemesi sonucu yanlış eylemler tetiklenebilir. Güven Erozyonu : Müşterilere verilen yanıltıcı bilgiler güven kaybına yol açar. Verimsizlik : Süreçler tekrar manuel müdahale gerektirir, otomasyonun avantajı kaybolur. Yasal Riskler : Regülasyonlara aykırı kararlar alınabilir, denetimlerde sorun yaşanabilir. Gerçek şu ki, bir yapay zekâ çözümünün etkili olabilmesi için sadece “bilmesi” değil, “nerede, ne zaman ve neden uygulaması gerektiğini anlaması” gerekir. Kurumsal Bağlam Senaryolarla Nasıl Yönetilir? Arbalet, bu temel soruna doğrudan çözüm sunar: senaryo tabanlı bağlam yönetimi. Arbalet’te senaryolar, belirli görevlerin nasıl yürütüleceğini adım adım tanımlayan kullanıcı tanımlı süreçlerdir. Her senaryo: Ne zaman çalışacağını bilir Hangi verilere ihtiyaç duyduğunu tanımlar Bu verileri hangi kaynaklardan alacağını ve nasıl işleyeceğini tarif eder Eylemlerini kurumsal iş kurallarına göre şekillendirir Böylece: Her işlem bağlam içinde değerlendirilir Farklı sistemlerden gelen veriler ortak bir senaryo çatısında birleşir Her çıktı, tahmine değil, kurumsal mantığa dayanır Örneğin “Son siparişim gecikti, teslim edileceği adres neresi?” sorusu için Arbalet; Müşteri bilgilerini veritabanından çeker En güncel siparişin teslimat statüsünü kontrol eder Adresi senaryo içindeki bağlamla ilişkilendirir Doğru, net ve bağlamsal olarak yerinde bir yanıt üretir Sonuç: Bağlamı Yöneten Yapay Zekâ Fark Yaratır Kurumsal yapılar, süreçler arası ilişkiler ve karar zincirleri üzerine kuruludur. Bu yapılar içerisinde yapay zekâdan beklenen, yalnızca metin üretmesi değil; kuruma özgü gerçek bağlamı anlaması , yorumlaması ve uygulaması dır. Arbalet, bu bağlamı senaryo temelli bir yapı ile yöneten, hataya açık sezgisel tahminlerin ötesine geçerek deterministik ve güvenilir bir yapay zekâ platformudur. Yani asıl soru şudur: Yapay zekânız sadece konuşuyor mu, yoksa sizi gerçekten anlıyor mu?