Yapay zeka nedir sorusu artık yalnızca teknoloji ekiplerinin değil; pazarlamadan insan kaynaklarına, satıştan finansa kadar her departmanın gündeminde. Ancak araçlara hızla erişmek, onları doğru kullanmak anlamına gelmiyor. Sağlam bir yapay zeka eğitimi, işe araçların menüsünü ezberlemekle değil; yapay zekanın ne olduğunu, nasıl çalıştığını ve nerede hata yaptığını anlamakla başlar.
Bu yazı, kurumsal yapay zeka eğitimi serimizin ilk bölümüdür. Temel kavramları sadeleştiriyor, LLM nedir sorusunu cevaplıyor, modellerin “kafasının” nasıl işlediğini anlatıyor, başlıca yapay zeka asistanlarını karşılaştırıyor ve gerçekçi bir beklenti çerçevesi çiziyoruz.
Bu yazıda neler var?
- Yapay zeka nedir, makine öğrenmesi ve büyük dil modelleri arasındaki fark nedir?
- Modeller nasıl çalışır? Token, bağlam penceresi ve yanlış bilgi üretimi
- Araç ekosistemi: Başlıca yapay zeka asistanları ve kurumsal kullanım farkları
- Yapay zeka neyi yapar, neyi yapamaz? Gerçekçi beklenti çerçevesi
- Sık sorulan sorular
Yapay Zeka Nedir? Makine Öğrenmesi ve Büyük Dil Modelleri Arasındaki Fark
Bu üç kavram sıkça birbirinin yerine kullanılır, oysa iç içe geçmiş katmanlardır. Yapay zeka (AI), makinelerin insan zekasını gerektiren işleri yapmasını hedefleyen en geniş şemsiyedir. Makine öğrenmesi, bu hedefe kuralları elle yazarak değil, verilerden örüntü öğrenerek ulaşan yöntemdir. Büyük dil modelleri (LLM) ise çok büyük metin yığınları üzerinde eğitilmiş, dili anlayıp üretebilen makine öğrenmesi modelleridir.
| Kavram | Kısaca ne yapar? | Gündelik örnek |
|---|---|---|
| Yapay zeka | Zeka gerektiren işleri makineye yaptırma hedefi | Navigasyonda rota önerisi |
| Makine öğrenmesi | Veriden örüntü öğrenerek tahmin yapma | Spam e-posta filtresi |
| Büyük dil modeli | Metni anlama ve üretme | ChatGPT, Claude, Gemini gibi asistanlar |
| Üretken yapay zeka | Yeni metin, görsel, ses veya kod üretme | Kampanya metni veya görsel taslağı |
LLM nedir sorusunu bu tablo üzerinden özetleyebiliriz: Yapay zekanın içindeki makine öğrenmesinin, onun da içindeki dil odaklı katmanıdır. Pratik sonuç şudur: Her yapay zeka aracı bir dil modeli değildir, ama bugün iş hayatında en çok konuştuğumuz asistanların hepsi büyük dil modellerine dayanır.
Bu ayrım neden önemli? Çünkü bir aracın ne yaptığını bildiğinizde ondan ne bekleyeceğinizi de bilirsiniz. Spam filtresi gibi bir makine öğrenmesi modeli tek bir iş için eğitilmiştir; bir büyük dil modeli ise aynı anda çeviri, özet, e-posta yazımı ve fikir üretimi gibi birçok işi yapabilir. Bu esneklik, aynı zamanda daha fazla denetim ihtiyacı demektir.
Bir başka kavram da derin öğrenmedir: Çok katmanlı yapay sinir ağlarıyla öğrenen makine öğrenmesi alt dalı. Bugünkü dil modelleri derin öğrenmeye dayanır. Teknik ayrıntıya girmeden bilmeniz gereken şudur: Model, sizin yazdığınız kuralları değil, verideki örüntüleri kullanarak çalışır.
LLM Nedir? Modeller Nasıl Çalışır? Token, Bağlam Penceresi ve Yanlış Bilgi Üretimi
LLM nedir sorusunun kısa cevabı şu: Büyük dil modeli, kendisine verilen metne bakarak bir sonraki en olası parçayı tahmin eder ve bunu tekrar tekrar yaparak cevap oluşturur. Bu parçalara token denir: Bir kelime, kelimenin bir kısmı ya da noktalama işareti olabilir. Türkçe gibi ekli dillerde bir kelime çoğunlukla birden fazla token’a bölünür; bu da aynı metnin Türkçede İngilizceye göre daha fazla token tüketebileceği anlamına gelir. Akademik çalışmalar da yaygın alt kelime (subword) yöntemlerinde Türkçenin daha fazla parçaya bölündüğünü gösteriyor; kesin oran ise kullanılan modele ve metne göre değişiyor.
Bağlam penceresi, modelin tek seferde “görebildiği” toplam metin miktarıdır. Talimatınız, yüklediğiniz belge, önceki mesajlar ve modelin cevabı bu pencerenin içine sığmak zorundadır. Pencere dolduğunda eski bilgiler dışarıda kalır; uzun sohbetlerde modelin başta verdiğiniz yönergeleri “unutmasının” nedeni budur.
Yapay zeka neden bazen yanlış bilgi üretir?
Model, doğru olanı değil istatistiksel olarak akıcı ve olası olanı üretir. Bir bilgiyi bilmediğinde “bilmiyorum” demek yerine makul görünen bir cevap uydurabilir. Buna halüsinasyon denir. Çözüm modeli suçlamak değil; kaynak belge vermek, kaynak göstermesini istemek ve kritik bilgileri insan gözüyle doğrulamaktır.
Eğitim verisi ve bilgi tarihi
Modeller belirli bir tarihe kadar olan veriyle eğitilir. Bu tarihten sonraki gelişmeleri, arama özelliği yoksa bilmezler. Güncel fiyat, mevzuat veya haber gibi konularda web araması açık bir araç kullanmak ya da güncel belgeyi modele vermek gerekir.
Günlük kullanıma yansıyan pratik sonuçlar
- Uzun belgeyi tek seferde vermek yerine ilgili bölümleri seçin.
- Önemli yönergeleri uzun sohbetin sonunda tekrar hatırlatın.
- Yeni bir konuya geçerken yeni sohbet açın; bağlam temiz kalır ve token tasarrufu sağlarsınız.
- Rakam, tarih ve alıntıları her zaman kaynağından kontrol edin.
Araç Ekosistemi: Başlıca Yapay Zeka Asistanları ve Kurumsal Kullanım Farkları
Pazarda onlarca araç var, ancak şirketlerin çoğu birkaç ana asistanla başlıyor. Güçlü yanlar model sürümleriyle sürekli değiştiği için “en iyi araç” yerine “bu iş için en uygun araç” sorusunu sormak gerekir.
- ChatGPT (OpenAI): Geniş kullanıcı tabanı, çok sayıda eklenti ve entegrasyon, genel amaçlı kullanım.
- Claude (Anthropic): Uzun belgelerle çalışma, yazım kalitesi ve ajan tabanlı iş akışlarıyla öne çıkar.
- Gemini (Google): Google Workspace ve Google ürünleriyle yakın entegrasyon.
- Microsoft Copilot: Word, Excel, Outlook ve Teams içinde, kurum verisiyle çalışan asistan yaklaşımı.
- Perplexity: Kaynak göstererek web araması yapan araştırma odaklı asistan.
Not: Araçlar tarafsız biçimde sıralanmıştır; sıralama bir üstünlük ya da tercih anlamına gelmez.
Kişisel hesap ile kurumsal hesap arasındaki fark en az model farkı kadar önemlidir. Kurumsal planlar genellikle yönetim paneli, kullanıcı ve yetki yönetimi, tek oturum açma (SSO), denetim kayıtları ve verilerin model eğitiminde kullanılmamasına dair sözleşmesel güvenceler sunar. Kişisel hesaplarda bu koruma düzeyi farklı olabilir; bu yüzden şirket verisi, şirket tarafından onaylanmış hesaplarda işlenmelidir. Bu konuyu serinin güvenlik yazısında ayrıntılı ele alıyoruz.
Araç seçerken şu soruları sorun: Verilerimiz model eğitiminde kullanılıyor mu? Yönetici paneli ve kullanıcı yönetimi var mı? Hangi uygulamalarla entegre çalışıyor? Maliyet kullanıcı başına mı, kullanım başına mı? Türkçe performansı kendi iş örneklerimizde yeterli mi?
Önerimiz, tek bir “kazanan” aramak yerine iki üç aracı aynı beş görevle karşılaştırmaktır: bir e-posta taslağı, bir uzun belge özeti, bir tablo analizi, bir sosyal medya içeriği ve bir araştırma sorusu. Çıktıları ekip olarak puanlayın. Bu küçük deney, tanıtım sunumlarından çok daha güvenilir bir karar zemini sağlar.
Yapay Zeka Neyi Yapar, Neyi Yapamaz? Gerçekçi Beklenti Çerçevesi
Yapay zekaya karşı iki yaygın hata vardır: ona her şeyi yaptırabileceğini sanmak ya da hiçbir işe yaramayacağını düşünmek. Doğrusu ikisinin arasındadır.
| Genellikle iyi yapar | Dikkat gerektirir | Tek başına bırakılmamalı |
|---|---|---|
| Taslak yazma, özetleme, çeviri | Güncel bilgi (arama yoksa) | Hukuki ve tıbbi nihai karar |
| Sınıflandırma, etiketleme | Kesin sayısal hesap | Kaynaksız istatistik ve alıntı |
| Fikir üretme, alternatif sunma | Markaya özgü ton ve kurallar | Kişisel veri içeren kritik işlemler |
| Veriyi biçimden biçime dönüştürme | Uzun ve çok adımlı görevler | Geri alınamayan eylemler |
Altın kural: Yapay zeka ilk taslağı hızla çıkarır; sorumluluk ve son onay her zaman insandadır. Bu yaklaşım, ekiplerin hem hız kazanmasını hem de hatadan korunmasını sağlar.
Gerçekçi beklenti, benimsemenin de anahtarıdır. Beklentisi çok yüksek ekipler ilk hatada vazgeçer; beklentisi çok düşük ekipler ise aracı hiç denemez. Yapay zekayı yetenekli ama denetim gerektiren bir stajyer gibi düşünmek dengeyi kurmaya yardımcı olur: Hızlıdır, çok okur, çok yazar; ancak şirketin bağlamını bilmez ve zaman zaman emin görünerek yanılır.
Sık Sorulan Sorular
Yapay zeka nedir?
Yapay zeka, makinelerin insan zekasını gerektiren işleri yapmasını hedefleyen en geniş kavramdır. Makine öğrenmesi bu hedefe verilerden örüntü öğrenerek ulaşır, büyük dil modelleri ise metni anlayıp üreten makine öğrenmesi modelleridir. Gündelik hayatta navigasyon önerisinden spam filtresine ve ChatGPT gibi asistanlara kadar pek çok araçta karşımıza çıkar.
LLM nedir?
LLM, yani büyük dil modeli, çok büyük metin yığınları üzerinde eğitilmiş ve dili anlayıp üretebilen bir makine öğrenmesi modelidir. Kendisine verilen metne bakarak bir sonraki en olası parçayı (token) tahmin eder ve bunu tekrarlayarak cevap oluşturur. ChatGPT, Claude ve Gemini gibi asistanlar büyük dil modellerine dayanır.
Yapay zeka ile makine öğrenmesi aynı şey midir?
Hayır. Yapay zeka geniş bir hedef alanıdır; makine öğrenmesi bu hedefe verilerden öğrenerek ulaşan bir yöntemdir. Büyük dil modelleri de makine öğrenmesinin bir uygulamasıdır. Yani makine öğrenmesi yapay zekanın bir alt kümesidir ve her yapay zeka aracı bir dil modeli olmak zorunda değildir.
Token nedir, neden önemlidir?
Token, modelin metni işlediği en küçük parçadır. Maliyet, hız ve bağlam penceresi sınırı token üzerinden hesaplanır; bu nedenle kısa ve net talimatlar hem ucuz hem daha doğrudur. Türkçe gibi ekli dillerde kelimeler genellikle daha fazla parçaya bölündüğü için aynı metin İngilizceye göre daha çok token tüketebilir.
Şirketim için hangi yapay zeka asistanını seçmeliyim?
Önce ihtiyaç duyduğunuz iş türünü ve kullandığınız yazılım ekosistemini belirleyin, ardından 2-3 aracı aynı örnek görevlerle test edin. Kurumsal hesap, veri güvenliği ve maliyet kriterleri seçimde belirleyicidir. Tek bir kazanan aramak yerine, ekibinizin gerçek işlerinde en iyi sonucu veren aracı puanlayarak seçin.
Yapay zeka eğitimi kimler için gereklidir?
Yapay zekayı iş akışında kullanacak her çalışan için. Teknik bilgi şart değildir; temel kavramları, riskleri ve doğru kullanım alışkanlıklarını öğrenmek yeterli bir başlangıçtır. Ekip olarak birlikte öğrenmek, ortak bir dil ve ortak güvenlik alışkanlıkları oluşturduğu için bireysel denemelerden daha sağlam sonuç verir.
Yapay zeka benim işimi elimden alır mı?
Yapay zeka tekrarlı ve taslak üretme işlerinin süresini kısaltıyor ve iş tanımlarını dönüştürüyor. Yapay zekayı iyi kullanan çalışanlar verimlilik ve karar kalitesi açısından öne çıkıyor. Bu nedenle ekip olarak öğrenmek en sağlam stratejidir; sorumluluk ve son onay ise her zaman insanda kalır.
Sonuç
Yapay zeka nedir sorusunu doğru cevaplamak, onu verimli kullanmanın ilk adımıdır. Kavramları, model mantığını ve araçların sınırlarını bilen bir ekip, hem daha hızlı hem daha güvenli ilerler. Serinin bir sonraki yazısında bu temelin üzerine, yapay zekadan istediğiniz sonucu alabilmenin anahtarı olan prompt yönetimini kuruyoruz.
“AI Temelleri ve Araç Ekosistemi” konusunu kendi iş akışlarınıza uyarlayacak, uygulamalı bir yapay zeka eğitimi arıyorsanız aşağıdaki yönlendirmeyi inceleyin.
Ekibinize Yapay Zeka Eğitimi Kazandıralım
Bu seride anlattığımız konuları kendi iş akışlarınıza uyarlayarak, uygulamalı öğrenmek ister misiniz? Sosyal Medya Kampüsü ve 1010.istanbul olarak yanınızdayız.
Sosyal Medya Kampüsü | Bireysel Eğitimler: Dijital pazarlama, sosyal medya, e-ticaret ve yapay zeka alanında kendini ileri taşımak isteyenler için uygulamalı bireysel eğitim programları. Güncel programlar için bizimle iletişime geçin.
Sosyal Medya Kampüsü | Kurumsal Eğitimler: Şirketinize ve ekibinize özel kurgulanan, kendi araçlarınız ve iş akışlarınız üzerinden ilerleyen kurumsal yapay zeka eğitimi. Bu serideki yedi modül, kurumsal programın temel içeriğini oluşturur.
1010.istanbul | Dijital Pazarlama Ajansı: SEO, sosyal medya, performans reklamları ve yapay zeka destekli dijital pazarlama stratejileriyle markanızın büyümesine ortak oluyoruz.
Yapay Zeka Eğitimi Serisinin Yazıları
- AI Temelleri, Büyük Dil Modelleri ve Araç Ekosistemi Rehberi (bu yazı)
- Etkili Prompt Yazma, Prompt Kütüphanesi ve Çıktı Kalitesi Ölçümü
- Güvenlik, KVKK, AB Yapay Zeka Yasası ve Şirket İçi AI Politikası
- AI Otomasyonu, API Nedir ve Kodsuz İş Akışı Tasarımı
- MCP Nedir? Yapay Zeka Ajanlarını Araçlara Güvenle Bağlamak
- AI Ajanları, RAG ve Şirket Bilgisiyle Çalışan Asistan Kurulumu
- Doğru AI Kullanım Alanını Seçmek, Önceliklendirmek ve Başarıyı Ölçmek
