Anasayfa » Blog » RAG Nedir? AI Ajanları ve Şirket Bilgisiyle Çalışan Asistan Kurulumu

RAG Nedir? AI Ajanları ve Şirket Bilgisiyle Çalışan Asistan Kurulumu

Lacivert zeminde bir huniden geçip parlayan kehribar küreye akan dosya ve kartlar

“Şirketimizin izin politikası nedir?”, “Bu müşteriye hangi teklif şablonunu gönderdik?” Bu soruların cevabı çoğu zaman bir klasörün derinliğinde kaybolur. RAG nedir sorusunun kısa cevabı tam burada başlıyor: Yapay zekanın cevap vermeden önce şirket dokümanlarında arama yapıp bulduğu bilgiye dayanarak yanıt üretmesini sağlayan yöntemdir. Bu yöntemi kullanan şirket bilgisi asistanları, doğru dokümanı bulup cevabı kaynağıyla birlikte sunarak zaman kaybını azaltabilir.

Bu yazıda kurumsal yapay zeka eğitimi serimizin en uygulamalı bölümünü ele alıyoruz: AI agent nedir ve asistandan farkı, RAG’in nasıl çalıştığı, bilgi tabanının nasıl hazırlanacağı ve örnek bir şirket asistanının nasıl kurulacağı.

Bu yazıda neler var?

  1. AI ajanı nedir? Asistandan farkı
  2. RAG nedir? Asistanın şirket dokümanlarından doğru bilgiyle cevap vermesi
  3. Bilgi tabanı hazırlığı: Doküman düzeni, güncellik ve yetkiye göre erişim
  4. Ajan tasarımı: Görev sınırları, insan kontrolü ve hata yönetimi
  5. Uygulama: Örnek bir şirket bilgisi asistanı nasıl kurulur?
  6. Sık sorulan sorular

AI Agent Nedir? Asistandan Farkı

Sıradan bir asistan sorduğunuza cevap verir. Ajan ise bir hedef verildiğinde adımlarını planlayan, araç kullanan, sonucu kontrol eden ve gerekirse yöntem değiştiren sistemdir. “Rakip analizi yap” dediğinizde ajan; arama yapar, sayfaları okur, bilgileri toplar, tabloya döker ve size rapor sunar. Sektördeki yaygın tanıma göre ajanlar, kendi süreçlerini ve araç kullanımlarını dinamik biçimde yönlendiren sistemlerdir; önceden yazılmış sabit adımları izleyen iş akışlarından bu yönüyle ayrılırlar.

Asistan Ajan
Çalışma biçimi Tek soru, tek cevap Hedef, plan, çoklu adım
Araç kullanımı Sınırlı veya yok Arama, dosya, uygulama araçları
Özerklik Düşük Yüksek; bu yüzden sınır ve denetim gerekir

Ajanlar güçlü olduğu kadar öngörülmesi zor da olabilir. Bu yüzden iş dünyasında en sağlam yaklaşım, ajanı geniş bir dijital çalışan olarak değil; dar görevli, izlenebilir bir uzman yardımcı olarak konumlandırmaktır. “Rakip fiyatlarını topla ve tabloya yaz” görevi, “şirketi yönet” görevinden çok daha güvenli ve ölçülebilirdir. Ajanlarda maksimum adım sayısı gibi durdurma koşulları koymak ve canlıya almadan önce izole bir ortamda kapsamlı test yapmak da yaygın önerilen güvenlik pratikleridir.

Kağıt klasörlerin üzerinde duran pirinç büyüteç

RAG Nedir? Asistanın Şirket Dokümanlarından Doğru Bilgiyle Cevap Vermesi

Bir dil modeli şirketinizin iç dokümanlarını bilmez; yalnızca eğitim sürecinde gördüğü bilgiyle çalışır. RAG (Retrieval-Augmented Generation, Türkçesiyle erişimle zenginleştirilmiş üretim), bu açığı modeli yeniden eğitmeden kapatan yöntemdir. Kavram, 2020’de Patrick Lewis ve arkadaşlarının yayımladığı akademik bir makaleyle literatüre girmiştir. Soru geldiğinde önce şirket dokümanlarında ilgili parçalar aranır, sonra bu parçalar modele bağlam olarak verilir ve model cevabını bunlara dayanarak üretir. RAG nedir sorusunu üç adımda özetleyebiliriz:

  1. Hazırlık: Dokümanlar küçük parçalara bölünür ve anlamsal arama için sayısal temsillere (embedding) dönüştürülüp bir vektör veri tabanında saklanır.
  2. Arama: Kullanıcının sorusuna anlamca en yakın parçalar bulunur.
  3. Cevap: Model, yalnızca bu parçalara dayanarak cevap üretir ve kaynağı gösterir.

Bu yaklaşım halüsinasyonu azaltır, çünkü model hafızasından değil elindeki belgeden cevap verir. Önemli olan, bilgi bulunamadığında “bu konuda dokümanlarda bilgi bulamadım” diyecek şekilde yönlendirilmesidir.

RAG’in kalitesini üç şey belirler: dokümanların bölünme biçimi, aramanın isabeti ve modele verilen talimat. Parçalar çok küçükse bağlam kaybolur, çok büyükse alakasız bilgi karışır. Bu nedenle farklı doküman türleri için (politika, SSS, sözleşme) ayrı denemeler yapmak gerekir.

RAG her sorunu çözmez: Hesaplama gerektiren, çok adımlı akıl yürütme isteyen ya da dokümanda hiç olmayan bilgiyi soran işlerde yine hata olabilir. Bu yüzden kaynak gösterme ve “bilmiyorum” diyebilme, kurumsal asistanların zorunlu özellikleri olmalıdır.

Bilgi Tabanı Hazırlığı: Doküman Düzeni, Güncellik ve Yetkiye Göre Erişim

RAG sistemlerinde kalite büyük oranda modele değil, bilgi tabanının kalitesine bağlıdır. Çöp girerse çöp çıkar.

  • Düzen: Net başlıklar, tutarlı adlandırma ve her dokümanda amaç, sahip ve tarih bilgisi.
  • Güncellik: Eski ve çelişkili sürümleri temizleyin; her dokümanın bir sahibi ve gözden geçirme tarihi olsun.
  • Yetkiye göre erişim: Asistan, kullanıcının zaten görmeye yetkili olduğu dokümanlardan cevap vermeli. İK dosyaları herkese açılmamalıdır.
  • Veri sınıflandırması: Kısıtlı verilerin bilgi tabanına girip girmeyeceği önceden karara bağlanmalıdır.

Başlangıç için basit bir doküman kartı kullanın: başlık, sahip, geçerlilik tarihi, hedef kitle ve gizlilik seviyesi. Bu beş alan hem aramayı hem yetkilendirmeyi hem de güncellik denetimini kolaylaştırır. Örneğin: Yıllık izin politikası, sahibi İK, geçerlilik 01.01.2026, tüm çalışanlar, iç kullanım.

Ajan Tasarımı: Görev Sınırları, İnsan Kontrolü ve Hata Yönetimi

  • Görev sınırı: Ajanın ne yapabileceğini ve ne yapamayacağını yazılı tanımlayın. Dar ve net görevler daha güvenilirdir.
  • İnsan kontrolü: E-posta gönderme, kayıt silme, ödeme gibi eylemlerde onay isteyin.
  • Hata yönetimi: Ajan emin olmadığında durmalı, hata durumunda bir kişiye bildirim göndermeli ve işlem kaydı tutmalıdır.
  • İzlenebilirlik: Hangi kaynaktan hangi cevabın üretildiği kayıt altında olmalıdır.

Kritik bir tasarım kararı da hangi eylemlerin otomatik, hangilerinin onaylı olacağıdır. Bilgi aramak ve özetlemek otomatik olabilir; müşteriye e-posta göndermek, kayıt değiştirmek veya ödeme yapmak onaylı olmalıdır. Ajanın her adımının kayıt altına alınması, hata olduğunda nedenini bulmayı mümkün kılar.

Bir çekmecesi ışıkla açık duran adaçayı yeşili dosya dolabı

Uygulama: Örnek Bir Şirket Bilgisi Asistanı Nasıl Kurulur?

İnsan kaynakları politikalarına cevap veren bir iç asistan üzerinden adımları görelim:

  1. Kapsamı daraltın: Yalnızca izin, yan haklar ve çalışma saatleri soruları.
  2. Dokümanları toplayın: Güncel politika dokümanlarını seçin, eski sürümleri çıkarın.
  3. Bilgi tabanına yükleyin: Onaylı bir kurumsal araç veya platform kullanın.
  4. Talimatı yazın: “Yalnızca verilen dokümanlara dayanarak cevap ver, kaynak göster, bilmiyorsan İK ekibine yönlendir.”
  5. Test edin: 20-30 gerçek soruyla doğruluğu ve “bilmiyorum” davranışını ölçün.
  6. Pilot yapın: Küçük bir kullanıcı grubuyla başlayın, geri bildirim toplayın.
  7. Sahiplenin ve güncelleyin: Bilgi tabanının sahibini ve güncelleme sıklığını belirleyin.

Pilot sonrası ölçülecek göstergeler: cevapların doğruluk oranı, kaynak gösterme oranı, “bilmiyorum” diyebilme başarısı, kullanıcı memnuniyeti ve İK ekibine gelen tekrarlı soru sayısındaki azalma. Bu sayılar, asistanın genişletilip genişletilmeyeceğine dair karar için en güçlü dayanaktır.

Sık Sorulan Sorular

RAG nedir, kısaca?

RAG, yapay zekanın cevap vermeden önce şirket dokümanlarında arama yapıp bulduğu bilgiye dayanarak cevap üretmesini sağlayan yöntemdir. Doküman parçaları soruyla birlikte modele bağlam olarak verilir. Böylece model yalnızca hafızasına güvenmez, elindeki belgeye dayanır ve cevabın kaynağını gösterebilir. Model yeniden eğitilmediği için bilgi tabanı güncellenerek cevaplar güncel tutulabilir.

AI ajanı ile chatbot arasındaki fark nedir?

AI agent nedir sorusunun kısa cevabı şudur: Chatbot genellikle sorduğunuz soruya tek seferde cevap verirken AI ajanı hedefe ulaşmak için plan yapar, arama, dosya veya uygulama gibi araçları kullanır, sonucu kontrol eder ve çok adımlı işleri yürütür. Özerkliği daha yüksek olduğu için görev sınırı, insan onayı ve işlem kaydı gibi önlemlerle birlikte kullanılması gerekir.

Şirket verisini yapay zeka asistanına yüklemek güvenli mi?

Onaylı kurumsal platformlarda, yetkilendirme ve veri sınıflandırması uygulanarak güvenli biçimde kullanılabilir. Kişisel hesaplara ve onaylanmamış araçlara şirket verisi yüklemeyin. Asistanın yalnızca kullanıcının zaten görmeye yetkili olduğu dokümanlardan cevap vermesini sağlayın ve kısıtlı verilerin bilgi tabanına girip girmeyeceğine önceden karar verin.

Şirket asistanı ne kadar sürede kurulur?

Dar kapsamlı bir pilot, dokümanlar hazırsa kısa sürede çalışır hale gelebilir. Asıl zaman, bilgi tabanını düzenlemeye gider: eski sürümleri temizlemek, her dokümana sahip ve tarih atamak ve gizlilik seviyelerini belirlemek gerekir. Küçük bir konuyla başlayıp 20-30 gerçek soruyla test etmek, kapsamı güvenle büyütmenin en pratik yoludur.

RAG ile modeli yeniden eğitmek aynı şey mi?

Hayır. RAG, modeli değiştirmeden dokümanları cevap anında bağlama ekler. Yeniden eğitim modelin kendisini değiştirir ve çok daha maliyetlidir; çoğu kurumsal bilgi asistanı için RAG yeterlidir. Sık değişen ve kaynak gösterilmesi gereken kurumsal bilgilerde RAG ayrıca bilgi tabanını güncelleyerek cevapları güncel tutma imkanı verir.

RAG halüsinasyonu tamamen önler mi?

RAG halüsinasyonu azaltır, ancak her sorunu çözmez. Arama yanlış parçayı bulursa ya da dokümanda cevap yoksa model yine hata yapabilir. Bu yüzden asistanı yalnızca verilen dokümanlara dayanmaya ve bilmediğinde “bilmiyorum” demeye yönlendirin, kaynak göstermesini isteyin ve cevap doğruluğunu düzenli test setleriyle ölçün.

Sonuç

Şirket bilgisiyle çalışan asistanlar, yapay zekanın kurumsal hafıza sorununa verdiği en pratik cevaplardan biridir. RAG nedir sorusunu bilmek ilk adım; başarının anahtarı ise modelde değil, düzenli bir bilgi tabanında, net görev sınırlarında ve insan kontrolündedir. AI agent nedir ve RAG nedir sorularının cevabı birleştiğinde ortaya güvenilir bir kurumsal asistan çıkar. Serinin son yazısında, bu fırsatlardan hangilerinin sizin için öncelikli olduğunu bulacağınız kullanım alanı atölyesini ele alıyoruz.

“AI Ajanları ve Şirket Bilgisiyle Çalışan Asistanlar” 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 İstanbul 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 İstanbul | Dijital Pazarlama Ajansı: SEO, sosyal medya, performans reklamları ve yapay zeka destekli dijital pazarlama stratejileriyle markanızın büyümesine ortak oluyoruz.

Yapay Zeka Eğitimi Serisinin Yazıları

  1. AI Temelleri, Büyük Dil Modelleri ve Araç Ekosistemi Rehberi
  2. Etkili Prompt Yazma, Prompt Kütüphanesi ve Çıktı Kalitesi Ölçümü
  3. Güvenlik, KVKK, AB Yapay Zeka Yasası ve Şirket İçi AI Politikası
  4. AI Otomasyonu, API Nedir ve Kodsuz İş Akışı Tasarımı
  5. MCP Nedir? Yapay Zeka Ajanlarını Araçlara Güvenle Bağlamak
  6. AI Ajanları, RAG ve Şirket Bilgisiyle Çalışan Asistan Kurulumu (bu yazı)
  7. Doğru AI Kullanım Alanını Seçmek, Önceliklendirmek ve Başarıyı Ölçmek

Kaynaklar

Not: Kaynaklar tarafsız biçimde listelenmiştir; sıralama bir üstünlük ya da tercih anlamına gelmez.