Yazılar

Krank muayene istasyonu kurmak isteyen bir işletme için ilk soru “hangi yapay zekâyı kullanalım?” değil, “hangi özellikleri hangi yöntemle kontrol…

Pres hattında anomali tespiti, olağandışı bir görüntü veya proses davranışını fark etmek için tasarlanabilir. Fakat “normalden farklı” sonucu, kendi başına…

Üretim hattında görüntü işleme ile kalite kontrol, kamerayı bağlayıp bir model çalıştırmaktan ibaret değil. Başlangıç noktası; hangi parçanın, hangi…

Yazılım geliştirmede yapay zekâ; gereksinimlerin anlaşılması, kod üretimi, mevcut kodun açıklanması, refactoring, test oluşturma, hata ayıklama, kod…

Üretim tesisleri her gün makinelerden, sensörlerden, kalite kontrol sistemlerinden, ERP ve MES uygulamalarından, bakım kayıtlarından, siparişlerden ve…

Finans ve muhasebe departmanları, yapay zekâ uygulamaları için oldukça elverişli bir çalışma alanı sunar. Bunun temel nedeni bu departmanların büyük…

İK'daki kullanım alanlarını kararın çalışan üzerindeki etkisine göre ayırmak yararlıdır.

Bir satış sürecini kabaca müşteri bulma, önceliklendirme, iletişim, ihtiyaç analizi, fırsat yönetimi, teklif, takip ve satış sonrası aşamalarına…

Pazarlamadaki yapay zekâ uygulamalarını iki ana grupta düşünmek yararlıdır.

Müşteri hizmetlerinde yapay zekâ kullanmak yalnızca web sitesine bir chatbot eklemek anlamına gelmez. Günümüzde yapay zekâ; müşterinin talebini anlamaktan…

Şirketlerin yapay zekâ kullanırken karşılaştığı temel sorunlardan biri artık yalnızca “Bu sistem çalışıyor mu?” değildir. Bir model teknik olarak yüksek…

Şirketlerin yapay zekâ projelerine başlarken ilk gündemi çoğu zaman model seçimidir: Hangi büyük dil modeli kullanılmalı? RAG mi kurulmalı? Fine-tuning…

Avrupa Birliği Yapay Zekâ Yasası, resmî adıyla Regulation (EU) 2024/1689 veya yaygın kullanımıyla EU AI Act, yapay zekâ sistemlerinin Avrupa Birliği…

Şirketlerin üretken yapay zekâ, makine öğrenmesi, AI agent, tahminleme veya otomatik karar destek sistemlerini kullanması çoğu zaman yalnızca bir teknoloji…

Yapay zekâ projelerinde veri güvenliği; verilerin yetkisiz erişim, ifşa, değiştirme, kayıp, kötüye kullanım ve gereksiz işlenmeye karşı korunmasını sağlayan…

Bir üretken yapay zekâ sisteminin verdiği cevabın akıcı, ayrıntılı ve kendinden emin görünmesi, cevabın doğru olduğu anlamına gelmez. Büyük dil modelleri…

Şirketlerin yapay zekâ projelerinde karşılaştığı temel mimari kararlardan biri, modellerin ve bunları destekleyen altyapının nerede çalıştırılacağıdır. Bir…

MLOps yıllardır makine öğrenmesi modellerinin veri hazırlama, eğitim, sürümleme, deployment ve monitoring süreçlerini yönetmek için kullanılıyor. Büyük dil…

Bir yapay zekâ sisteminin yalnızca kendisine verilen metin üzerinden cevap üretmesi ile şirketinizin gerçek sistemleri üzerinde çalışabilmesi arasında…

Geleneksel veritabanları, yapılandırılmış bilgileri saklamak ve belirli koşullara göre sorgulamak konusunda son derece etkilidir. Bir müşteriyi kimlik…

Büyük dil modeli veya İngilizce adıyla Large Language Model (LLM), çok büyük miktarda dil verisindeki örüntüleri öğrenen ve verilen bağlama göre token…

Bir şirket büyük dil modellerini kendi süreçlerine uyarlamak istediğinde genellikle aynı problemle karşılaşır: Genel amaçlı model şirketin ürünlerini,…

Şirketlerin kullanabileceği yapay zekâ araçlarının sayısı hızla artarken seçim problemi de giderek karmaşıklaşıyor. Metin üretimi, doküman analizi, müşteri…

Bir çalışan müşteri görüşmesinin özetini hazırlamak için kişisel hesabıyla bir üretken yapay zekâ aracına metin yüklediğinde, yazılımcı kaynak kodunu…

Şirketlerde yapay zekâ kullanımı birkaç bireysel araçla başladığında yönetim ihtiyacı sınırlı görünebilir. Ancak çalışanlar üretken yapay zekâ araçlarını…

Bir yapay zekâ sisteminin teknik olarak çalışması, projenin başarılı olduğu anlamına gelmez. Bir müşteri hizmetleri asistanı doğru cevaplar üretebilir ancak…

Bir yapay zekâ sisteminin teknik olarak başarılı olması, yatırımın başarılı olduğu anlamına gelmez. Model doğru cevaplar verebilir, kullanıcılar sistemi…

Bir şirketin yapay zekâya hazır olması, çalışanların üretken yapay zekâ araçlarını kullanabilmesinden veya şirketin bir büyük dil modeli API’sine…

Şirketlerde yapay zekâ kullanımı söz konusu olduğunda ilk soru çoğu zaman “Hangi modeli veya aracı kullanalım?” oluyor. Oysa kurumsal ölçekte daha doğru…

Şirketlerde yapay zekâ kullanımı çoğu zaman bir araç veya model seçimiyle başlıyor: Bir ekip üretken yapay zekâ kullanmaya başlıyor, başka bir departman…

Şirketlerin yapay zekâ kullanımında temel soru artık yalnızca “Bir model bize doğru cevap verebilir mi?” değil. Asıl soru giderek “Bu sistem verilen hedef…

Şirket içi dokümanlar, prosedürler, ürün notları ve sözleşme şablonları çoğu zaman farklı klasör ve sistemlere dağılır. Bir çalışan doğru belgeyi bulmak…

Şirketlerde yapay zekâ tartışması çoğu zaman araç seçimiyle başlar: Bir sohbet asistanı alınmalı mı, belge özetleme otomatikleşmeli mi, tahmin modeli…

Pek çok yazılım şirketinin yapay zeka ile ilk tanışma anına tanıklık ettim. Sansasyonel haberlerden ziyade; kurumların yapay zeka ile verimli ve ölçeklenebilir bir şekilde dönüşümlerini nasıl başlatabilecekleri hakkında edindiğim tecrübelerden bahsediyorum.

Binlerce yapay zeka paylaşımı, harcanan milyarlarca token, her hafta yapılan toplantılar ve tam olarak ne tarz sonuçlar doğuracağını bilmediğimiz entegrasyonlar. Kimilerinin balon, kimilerinin geleceğin teknolojisi dediği yapay zekanın gerçek yüzünü keşfedin.