Genel yapay zekâ bilmediğinde uydurur — ve Ar-Ge'de bunun faturası deneme maliyetidir. Argelog.AI farklı kurulur: sayıları kurumunuzun verisiyle kalibre edilmiş hesap verir, model anlatır. Emin değilse, söyler.
Her soruya akıcı bir cevap gelir — kaynağı ve güveni belirsiz. Sohbette bu bir kusurdur. Ar-Ge'de ise paradır: yanlış öneri laboratuvarda denenir, yanlış öngörü yönetim kararına girer. Ve sistem "emin değilim" demediği için kimse kontrol etmez.
Asıl tehlike yanılmak değil. Emin görünerek yanılmak.
Argelog.AI'da kritik sayılar — özellik tahminleri, güven dereceleri — dil modelinden değil, kurumunuzun kendi ölçüm verisiyle kalibre edilmiş doğrulanabilir hesaptan gelir. Yapay zekâ bu sayıları alır, kaynağıyla birlikte anlatır. Uydurabileceği yer bırakılmaz.
Sistemin önerdiği ürün tarifleri, Türkiye'nin önde gelen bir üreticisinin gerçek üretim hattında sınandı. Bütün tahminler koşudan önce yazılıp sabitlendi — sonradan düzeltme yok. Ölçümü biz değil, müşterinin kendi laboratuvarı yaptı. İki bağımsız koşu.
| Aday tarif | Önceden yazılan tahmin | Koşu 1 | Koşu 2 | Sonuç |
|---|---|---|---|---|
| Ana aday | %0,15–0,45 | %0,09 | %0,05 | En üst kalite sınıfı — iki kez |
| Yedek | %0,08–0,30 | %0,36 | %0,45 | Sınıf içinde |
| Üçüncü | %0,12–0,36 | %1,57 | %1,58 | Tutmadı — biz raporladık |
Tutma ölçütü, hedeflenen kalite sınıfının doğru öngörülmesidir; tablodaki aralıklar sistemin güven aralıklarıdır. Değerler su emme ölçümüdür (ISO 10545-3); "en üst sınıf" eşiği ≤ %0,5. Üçüncü aday için sistem koşudan önce düşük güven bildirmişti — ihtiyatı sahada haklı çıktı.
Tutmayan tahmini de biz açıkladık. Çünkü sistem zaten "emin değilim" demişti.
Özet tek cümle: artık tahmin etmiyorsunuz, ölçüyorsunuz.
Her kurumun verisi ayrı kasada durur; hiçbir analizde müşteri verileri birleştirilmez. Veri dışarı çıkamayan sektörler için kurum içi (on-premise) kurulum paketi hazırdır.
Resmî tescil belgesindeki tanım: "kurumsal Ar-Ge ve proje portföy yönetimi;
teknik bilgi/doküman yönetimi; (ilk dikey) seramik-cam."
Seramik, ürünün tanımı değil; ilk adımı. Aynı döngü — veri, kalibrasyon, doğrulama, saha —
reçetesi ve ölçümü olan her sektörde aynı biçimde uygulanır.
Hayır. Her kurumun verisi ayrı kasada tutulur ve hiçbir analizde müşteri verileri birleştirilmez — bu, pazarlama cümlesi değil mimari kuraldır ve bağımsız denetimden geçmiştir. Verinin kurum dışına hiç çıkamadığı sektörler için kurum içi kurulum paketi hazırdır.
Ürün ailesi başına yaklaşık 40 doğrulanmış kayıt yeterlidir — bu eşik tahmin değil, ölçümdür. Mevcut Excel/LIMS çıktılarınız doğrulama kapısından geçirilerek alınır; büyük model eğitimi gerekmediği için kurulum haftalar değil günler mertebesinde planlanır.
İki güvence var. Birincisi: sayılar dil modelinden değil, verinizle kalibre edilmiş hesaptan gelir; her cevap kaynağını ve güven notunu taşır. İkincisi: sistem emin olmadığında bunu açıkça söyler ve veri yetersizse kuruma özel tahmin üretmeyi reddeder. Fabrika sınavında tutmayan tek tahmin, sistemin önceden "düşük güven" bildirdiği adaydı.
Hayır; yerine geçmez, üstüne gelir. Veriyi mevcut kaynaklarınızdan (Excel, LIMS, ERP dışa aktarımları) alır; web arayüzü ve API ile çalışır. Kullanıcılarınıza yeni bir sistem öğrenme yükü bindirmez: soruyu yazarsınız, kaynaklı cevabı alırsınız.
Genel modeller bir sonraki kelimeyi tahmin ederek yazar; bilmediği yerde de aynı akıcılıkla yazmaya devam eder — buna halüsinasyon denir. Argelog.AI, bir Ar-Ge yönetim yazılımı olarak bu riske yapısal önlem alır: kritik sayılar dil modeline bırakılmaz, kurumunuzun ölçüm verisiyle kalibre edilmiş hesaptan gelir; model yalnız anlatır. Veri yetersizse sistem kuruma özel tahmin üretmeyi reddeder ve bunu söyler.
Genel sohbet araçları için bu haklı bir kaygıdır. Argelog.AI'da düzen farklıdır: verileriniz kuruma özel ayrı bir kasada tutulur ve hiçbir analizde başka kurumların verisiyle birleştirilmez — bu, bağımsız denetimden geçmiş mimari bir kuraldır. Verinin tesisten hiç çıkmaması gerekiyorsa kapalı devre (kurum içi) kurulumla sistem tamamen sizin altyapınızda çalışır; KVKK ve kurumsal veri politikası değerlendirmeniz de sadeleşir.
Burada güven bir his değil, ölçülen bir büyüklüktür. Sistem her cevapta kaynağını ve güven notunu gösterir; "bu aralıkta" dediğinde bunun gerçekte ne sıklıkla tuttuğu ölçülür — kalibrasyonsuz başlangıçtaki 0'dan ölçülen 0,90 tutma düzeyine. Fabrika karnesindeki tutmayan tek tahminin, sistemin önceden "düşük güven" bildirdiği aday olması, bu ölçümün sahadaki karşılığıdır.
Verinin kurum dışına hiç çıkamadığı durumlarda — sıkı mevzuata tabi tesisler ve sıkı veri politikası olan kurumlar. "Kapalı devre yapay zekâ" olarak da anılan bu modelde sistemin tamamı kurumunuzun kendi donanımında çalışır. Standart bulut kurulumunda da her kurumun verisi kendi ayrı kasasında tutulur.
Slayt değil, canlı sistem izlersiniz: gerçek veride soru-cevap, güven notları, fabrika karnesi. Sonunda elinizde net bir resim olur: kurumunuzda neyin, kaç veriyle, ne kadar sürede çalışacağı.