Şirket belgeleriyle konuşan yapay zeka: kurumsal hafıza

Her şirketin bir hafızası vardır: yönetmelikler, prosedürler, sözleşmeler, ürün katalogları, toplantı notları, e-posta duyuruları, eğitim sunumları. Sorun, bu hafızanın genellikle dağınık olmasıdır. Bilgi paylaşılan klasörlerde, e-posta kutularında, intranet sayfalarında ve kıdemli çalışanların kafasında durur.

Şirket belgeleriyle konuşan yapay zeka, çalışanların bu dağınık hafızaya doğal dille soru sormasını sağlar. "Yurt dışı seyahatinde otel limiti ne?" diye sorulan bir soruya, harcırah yönergesindeki ilgili maddeyi bulup özetler ve kaynağını gösterir. Güvenilir bir sistem iki şeyi garanti etmeye çalışır: cevabın hangi belgeye dayandığını göstermek ve kullanıcıya yalnızca görme yetkisi olduğu belgelerden cevap vermek.

Bu yazıda kurumsal hafızanın hangi kaynaklardan oluştuğunu, çalışanın doğru cevabı nasıl bulduğunu ve kaynak ile erişim kontrolünün neden vazgeçilmez olduğunu güncel izin politikası örneğiyle anlatıyoruz.

Kurumsal hafıza hangi kaynaklardan oluşur?

Bir şirketin bilgi varlıklarını dört grupta düşünebiliriz:

Hangi kaynaklarla başlamalı?

Belgelerle konuşan bir yapay zekanın ilk kaynakları resmi belgeler olmalıdır. Nedenleri:

• Onaylıdırlar; içerikleri şirketin resmi pozisyonunu yansıtır.
• Bir sahibi vardır; bir hata bulunduğunda kimin düzelteceği bellidir.
• Sürümlüdürler; hangisinin güncel olduğu tespit edilebilir.

Örtük bilgi kaynakları (e-posta, sohbet) değerli olabilir ama güvenilirlik ve gizlilik açısından daha dikkatli değerlendirilmelidir. Bir e-posta duyurusu sonradan geri alınmış olabilir; bir sohbet kaydı kişisel veri içerebilir.

Belge biçimleri

Kurumsal belgeler farklı biçimlerde bulunur: Word, PDF, Excel, PowerPoint, taranmış görüntüler, web sayfaları. Yapay zekanın bir belgeyi kullanabilmesi için içeriğin metne çevrilmesi gerekir. Metin tabanlı belgeler genellikle sorunsuz işlenir; taranmış belgelerde görüntüden metin çıkarma (OCR) kullanılır ve kalite, taramanın netliğine bağlıdır. Karmaşık tablolar ve çok sütunlu sayfalar dikkat gerektirir.

Çalışan doğru cevabı nasıl bulur?

Klasik yöntemde bir çalışan politika sorusunun cevabını bulmak için şu yolu izler:

1. Hangi belgede olabileceğini tahmin eder.
2. Paylaşılan klasörde veya intranette belgeyi arar.
3. Birden fazla sürüm bulur; hangisinin güncel olduğunu anlamaya çalışır.
4. 40 sayfalık belgede ilgili maddeyi arar.
5. Madde yoruma açıksa İK'ya sorar.

Belgelerle konuşan yapay zeka bu yolu kısaltır:

1. Çalışan soruyu doğal dille sorar.
2. Sistem sorunun anlamına en yakın belge bölümlerini bulur.
3. Yapay zeka bu bölümleri okuyarak cevabı oluşturur.
4. Cevapla birlikte hangi belgenin hangi bölümüne dayandığını gösterir.

Bu yöntemin teknik adı RAG'dir (retrieval-augmented generation, erişimle güçlendirilmiş üretim). Nasıl çalıştığını RAG nedir? yazımızda ayrıntılı anlattık.

Örnek: güncel izin politikası

Aşağıdaki senaryo temsilidir.

Bir lojistik şirketinde depo sorumlusu Hakan Bey, şirketin bilgi ajanına soruyor:

"Babalık izni kaç gün? Doğumdan önce kullanabilir miyim?"

Ajanın cevabı:

"Şirket izin politikasına göre babalık izni 5 iş günüdür ve ücretlidir. Politika, iznin doğum tarihinden itibaren kullanılmasını öngörüyor; doğumdan önce kullanımına ilişkin bir düzenleme yer almıyor. Özel bir durumunuz varsa İK iş ortağınızla görüşmenizi öneririm.

Kaynak: İzin Politikası (Sürüm 2026/1), Bölüm 4.3 — Doğum ve babalık izni"

Bu cevapta dikkat çeken üç nokta var:

• Kaynak gösterildi: Hakan Bey cevabı doğrulamak isterse hangi belgenin hangi bölümüne bakacağını biliyor.
• Sürüm belirtildi: Cevap güncel politikaya dayanıyor.
• Belirsizlik açıkça söylendi: Belgede olmayan bir konuda ajan tahmin yürütmedi, doğru kişiye yönlendirdi.

Cevabı kötüleştiren durumlar

Belgelerle konuşan yapay zekanın cevap kalitesi büyük ölçüde belgelerin kalitesine bağlıdır. Cevabı kötüleştiren tipik durumlar:

• Çelişen sürümler: Eski ve yeni politika aynı anda kaynakta duruyorsa yapay zeka eskisine dayanabilir.
• Eksik bilgi: Sorunun cevabı hiçbir belgede yoksa, yapay zeka ya "bulamadım" der ya da (kötü yapılandırılmışsa) genel bilgiyle cevap üretir.
• Bağlamsız parçalar: Bir tablo satırı veya madde, başlığından koparıldığında anlamını kaybedebilir.
• Kısaltmalar ve iç jargon: "FYS" veya "B2 onayı" gibi şirkete özel terimler açıklanmadıysa yapay zeka bunları yanlış yorumlayabilir.

Kaynak ve erişim kontrolü neden önemli?

Belgelerle konuşan bir yapay zeka iki temel güven sorusunu cevaplamak zorundadır:

1. "Bu cevap doğru mu?" → Kaynak gösterimi
2. "Bu cevabı görmeye yetkim var mı?" → Erişim kontrolü

Kaynak gösterimi

Kaynak gösterimi, kullanıcının cevabı doğrulayabilmesini sağlar. Yapay zeka hata yapabilir: bir maddeyi yanlış yorumlayabilir, iki bölümü birbirine karıştırabilir. Kaynak gösterildiğinde kullanıcı kritik kararlarda orijinal metne dönebilir.

Kaynak gösterimi aynı zamanda "genel bilgiyle mi cevap verdi, şirket belgesiyle mi?" sorusunu da cevaplar. Kurumsal kullanımda bu ayrım önemlidir: şirket politikası hakkında soru soran bir çalışana, internetteki genel bilgiye dayalı bir cevap verilmemelidir.

Erişim kontrolü

Şirket belgelerinin hepsi herkese açık değildir. Yönetici maaş bantları, disiplin soruşturması belgeleri, müşteri sözleşmeleri veya yönetim kurulu kararları yalnızca belirli kişilerin görebileceği bilgilerdir.

Belgelerle konuşan yapay zeka, kullanıcının zaten erişemeyeceği bir belgeden cevap üretmemelidir. Aksi hâlde yapay zeka, erişim kontrollerini aşmanın kolay bir yolu hâline gelir.

Erişim kontrolünü sağlamanın pratik yolları:

Erişim tasarımını kurumsal yapay zeka veri güvenliği yazımızda bir yetki matrisiyle ele alıyoruz.

Belgelerle konuşan yapay zeka için hazırlık listesi

• İlk aşamada kullanılacak belgeler (tercihen resmi belgeler) belirlendi
• Her belgenin güncel sürümü tespit edildi, eski sürümler kaynaktan çıkarıldı
• Belgelerin sahipleri belirlendi
• Belgeler gizlilik seviyelerine göre gruplandı
• Her grup için erişebilecek kullanıcılar tanımlandı
• Şirkete özel kısaltmalar için bir sözlük hazırlandı veya belgelere eklendi
• Taranmış belgelerin okunabilirliği kontrol edildi
• Yapay zekanın belgede cevap bulamadığında ne diyeceği tanımlandı
• Belge güncellendiğinde kaynağın nasıl yenileneceği belirlendi

ajan.io'da şirket bilgisiyle sohbet

ajan.io'da belgelerinizi bilgi alanlarına yükler, hangi ajanların ve kullanıcıların hangi bilgi alanlarına erişebileceğini belirlersiniz. Yanıtlarda dayanılan kaynaklar gösterilir. Ajanın yalnızca şirket kaynaklarıyla mı, yoksa gerektiğinde genel model bilgisiyle de mi cevap vereceğini seçebilirsiniz. Belgeler sürümlenebilir; geçerliliği biten belgeleri yönetebilir ve geri bildirimleri inceleyerek bilgiyi güncelleyebilirsiniz.

Ayrıntılar için Sohbet sayfasına göz atabilirsiniz. Belgelerin güncelliğini yönetmek için güncel belge yönetimi yazımızı okuyabilirsiniz.

Sık sorulan sorular

Yapay zeka belgelerimizi öğrenip kendi bilgisine mi katıyor?

Belgelerle konuşan sistemlerin çoğu RAG yöntemiyle çalışır: belgeler modeli yeniden eğitmek için kullanılmaz, her soruda ilgili bölümler bulunup modele bağlam olarak verilir. Bu sayede belge güncellendiğinde cevap da güncellenir ve bir belge kaynaktan kaldırıldığında artık cevaplarda kullanılmaz. Model sağlayıcısının verileri nasıl işlediği ise seçtiğiniz sağlayıcının ve planın koşullarına bağlıdır; bunu satın alma öncesinde doğrulayın.

Taranmış PDF'ler ve eski belgeler kullanılabilir mi?

Taranmış belgelerden metin çıkarılabilir; ancak kalite, taramanın netliğine, yazı tipine ve sayfa düzenine bağlıdır. El yazısı notlar, düşük çözünürlüklü taramalar ve karmaşık tablolar hatalı okunabilir. Kritik belgelerin metin tabanlı sürümlerini kullanmak her zaman daha güvenilirdir.

Yapay zeka belgede olmayan bir soruya ne cevap verir?

Bu, sistemin nasıl yapılandırıldığına bağlıdır. Kurumsal kullanımda önerilen yapılandırma, belgede cevap bulunamadığında bunun açıkça söylenmesi ve kullanıcının doğru kişiye yönlendirilmesidir. Genel bilgiyle cevap verilmesine izin veriliyorsa, cevabın şirket belgesine dayanmadığı kullanıcıya açıkça gösterilmelidir.

Kaç belgeyle başlamalıyız?

Belge sayısından çok belge kalitesi önemlidir. Tek bir konuyu (örneğin İK politikaları) kapsayan, güncel ve çelişkisiz 10–20 belge, yüzlerce karışık belgeden çok daha iyi sonuç verir. Kapsamı pilot sonuçlarına göre genişletmek en sağlıklı yaklaşımdır.