Kurumsal yapay zeka, yapay zeka ajanları ve LLM projelerinde karşılaşacağınız terimlerin sade tanımları. Her madde terimin ne olduğunu, pratikte nerede önemli olduğunu ve diğer terimlerle bağını anlatır.
Agentic AI — Agentic AI, yapay zekanın yalnızca içerik üretmek yerine hedef alıp otonom biçimde adımlar atarak iş yapmasını sağlayan sistem yaklaşımıdır.
Anomali Tespiti — Anomali tespiti, veride normal davranıştan sapan işlem, olay veya kayıtların otomatik olarak yakalanmasıdır; dolandırıcılık, arıza ve operasyon hatalarında kullanılır.
B
Büyük Dil Modeli (LLM) — Büyük dil modeli (LLM), devasa metin verisiyle eğitilmiş ve doğal dili anlayıp üretebilen derin öğrenme modelidir; yapay zeka ajanlarının muhakeme motorudur.
C
Context Window (Bağlam Penceresi) — Context window, bir dil modelinin tek seferde dikkate alabileceği toplam token miktarıdır; talimat, doküman, konuşma geçmişi ve cevap bu sınırı paylaşır.
E
Embedding (Gömme Vektörü) — Embedding, metin, görsel veya başka bir verinin anlamını koruyarak sayısal bir vektöre dönüştürülmesidir; anlamsal arama ve RAG sistemlerinin temelidir.
Explainable AI (Açıklanabilir Yapay Zeka) — Explainable AI, bir yapay zeka sisteminin kararını neden verdiğinin insan tarafından anlaşılabilir biçimde açıklanabilmesidir; denetim, güven ve uyum için gereklidir.
F
Few-Shot ve Zero-Shot Öğrenme — Zero-shot, modelin hiç örnek görmeden; few-shot ise istem içinde verilen birkaç örnekten yola çıkarak bir görevi yapmasıdır. Fine-tuning gerektirmeyen hızlı uyarlama yöntemleridir.
Fine-Tuning (İnce Ayar) — Fine-tuning, önceden eğitilmiş bir modelin kuruma özel örneklerle yeniden eğitilerek belirli bir görev veya üslupta uzmanlaştırılmasıdır.
G
Guardrail (Korkuluk) — Guardrail, yapay zeka sisteminin neyi yapabileceğini, neyi yapamayacağını ve ne zaman insana danışacağını belirleyen teknik ve kurallı sınırlardır.
H
Halüsinasyon — Halüsinasyon, büyük dil modelinin gerçekte var olmayan bilgiyi kendinden emin biçimde üretmesidir; kurumsal sistemlerde kaynak zorunluluğu ve insan onayı ile yönetilir.
Human-in-the-Loop (Döngüde İnsan) — Human-in-the-loop, yapay zeka sisteminin belirli kararları uygulamadan önce bir insanın onayını veya düzeltmesini almasını sağlayan tasarım yaklaşımıdır.
K
KVKK ve Yapay Zeka — KVKK ve yapay zeka, kişisel veri içeren süreçlerde yapay zeka sistemlerinin veri minimizasyonu, aydınlatma, yurt dışı aktarım ve otomatik karar kurallarına uygun tasarlanmasını ifade eder.
M
Makine Öğrenmesi — Makine öğrenmesi, bilgisayarın açıkça programlanmadan veriden kalıp öğrenerek tahmin veya karar üretmesini sağlayan yapay zeka dalıdır.
MCP (Model Context Protocol) — MCP, yapay zeka modellerinin ve ajanların dış araçlara, veri kaynaklarına ve sistemlere standart bir arayüzle bağlanmasını sağlayan açık protokoldür.
MLOps — MLOps, yapay zeka modellerinin geliştirilmesi, üretime alınması, izlenmesi ve güncellenmesini kapsayan mühendislik pratiklerinin bütünüdür; prototipin üretimde yaşamasını sağlar.
Model Drift (Model Kayması) — Model drift, gerçek dünya verisi zamanla değiştiği için bir yapay zeka modelinin performansının sessizce düşmesidir; izleme ve yeniden eğitimle yönetilir.
Multi-Agent Sistem (Çoklu Ajan) — Multi-agent sistem, her biri belirli bir görevde uzmanlaşmış birden fazla yapay zeka ajanının bir orkestratör altında iş birliği yaparak karmaşık süreçleri yürütmesidir.
O
On-Premise LLM (Kurum İçi Dil Modeli) — On-premise LLM, büyük dil modelinin bulut sağlayıcı yerine kurumun kendi sunucularında veya kontrolündeki altyapıda çalıştırılmasıdır; veri gizliliği ve KVKK için tercih edilir.
Orkestrasyon (Ajan Orkestrasyonu) — Orkestrasyon, birden fazla yapay zeka ajanının, aracın ve iş adımının hangi sırayla, hangi koşulda ve hangi veriyle çalışacağını yöneten koordinasyon katmanıdır.
P
Prompt Engineering (İstem Mühendisliği) — Prompt engineering, büyük dil modelinden istenen davranışı ve çıktı kalitesini elde etmek için talimatların, bağlamın ve örneklerin sistematik biçimde tasarlanmasıdır.
R
RAG (Retrieval-Augmented Generation) — RAG, büyük dil modelinin cevap üretmeden önce kurumun kendi doküman ve verilerinden ilgili parçaları getirip bunlara dayanarak yanıt vermesini sağlayan yöntemdir.
T
Token — Token, büyük dil modelinin metni işlerken kullandığı en küçük birimdir; maliyet, hız ve bağlam penceresi token sayısıyla ölçülür.
Tool Calling (Araç Çağırma / Function Calling) — Tool calling, dil modelinin bir görevi tamamlamak için tanımlı bir fonksiyonu veya API'yi yapılandırılmış parametrelerle çağırmaya karar vermesidir; ajanların eylem mekanizmasıdır.
Ü
Üretken Yapay Zeka (Generative AI) — Üretken yapay zeka, eğitim verisinden öğrendiği kalıplarla yeni metin, görsel, ses, kod veya veri üreten yapay zeka sınıfıdır; LLM'ler ve difüzyon modelleri bu sınıftadır.
V
Vektör Veritabanı — Vektör veritabanı, embedding vektörlerini saklayıp milyonlarca kayıt arasında anlamsal yakınlık aramasını hızlı yapan özel veritabanıdır; RAG altyapısının parçasıdır.
Y
Yapay Zeka Ajanı (AI Agent) — Yapay zeka ajanı, verilen bir hedefi gerçekleştirmek için plan yapan, araç kullanan, sonucu kontrol eden ve gerekirse adımlarını değiştiren yazılım sistemidir.
