RAG Asistanı Nedir? Kurumsal Yapay Zekâ İçin Pratik Rehber

Bir şirket yöneticisi ChatGPT'ye "geçen yılki tedarikçi sözleşmemizde fesih maddesi neydi?" diye soramaz — çünkü ChatGPT sizin sözleşmenizi görmez. İşte RAG (Retrieval-Augmented Generation) tam bu boşluğu doldurur: yapay zekâ modelini sizin kendi belgelerinizle, arşivinizle, mevzuatınızla konuşur hale getirir. Bu yazıda RAG'ın ne olduğunu, neden kurumsal kullanımda zorunlu hale geldiğini ve hangi durumlarda gerçekten değer ürettiğini sade bir dille anlatıyoruz.

RAG'ı bir cümleyle anlatmak

RAG, modelin her soruya cevap vermeden önce ilgili belgeleri "okuyup" yanıtını o belgelere dayandırdığı bir yöntemdir. Yani model ezberinden değil, sizin verdiğiniz kaynaktan konuşur. Sonuç: cevaplar şirketinize özeldir, günceldir ve en önemlisi — her cümlenin hangi belgeden geldiği gösterilebilir.

Neden sadece ChatGPT yeterli değil?

• ChatGPT genel internet bilgisiyle eğitilmiştir; sizin iç verinizi bilmez.
• Bilmediği bir şeyi sorduğunuzda "uydurabilir" (halüsinasyon) — kurumsal kararlar için kabul edilemez.
• Eğitim verisi belirli bir tarihte donar; güncel sözleşmeniz veya dünkü fiyat listeniz orada yoktur.
• Veri gizliliği: hassas belgeleri genel bir sohbet aracına yapıştırmak risklidir.

RAG bu dört sorunu da çözer: yanıtlar sizin verinizden gelir, kaynak gösterilir, güncel belgeler anında dahil edilir ve kurulum tercihine göre veri şirket sınırlarından hiç çıkmaz.

RAG nasıl çalışır? (teknik olmayan anlatım)

1. Belgeleriniz (PDF, Word, Excel, e-posta arşivi) sisteme alınır ve küçük parçalara bölünür.
2. Her parça, anlamını temsil eden sayısal bir "vektöre" dönüştürülüp özel bir veri tabanında saklanır.
3. Kullanıcı soru sorduğunda, sistem soruyla en alakalı parçaları bulur.
4. Bu parçalar, soruyla birlikte yapay zekâ modeline verilir.
5. Model yalnızca bu kaynaklara dayanarak, atıflı bir yanıt üretir.

Hangi sektörlerde gerçekten işe yarar?

RAG, "çok belgeli ve doğruluğun kritik olduğu" her alanda değer üretir. En yüksek getiriyi gördüğümüz alanlar:

• Hukuk: içtihat, dilekçe ve sözleşme arşivinden kaynaklı yanıt; dilekçe taslağı hazırlama.
• Sağlık: klinik protokoller, ilaç bilgisi ve hasta dosyası özetleri.
• Üretim & kalite: kalite el kitapları, prosedürler, sertifika ve regülasyon sorgulama.
• Sigorta & finans: poliçe ve teminat dokümanlarında hızlı, doğru yanıt.
• İç destek: yeni çalışanların şirket prosedürlerini doğal dille sorgulaması.

Gerçek bir örnek

12 avukatlı bir hukuk firması için kurduğumuz RAG asistanı, firmanın kendi dilekçe ve içtihat arşivinden yanıt veriyor; her yanıt kaynak belge ve sayfa atfıyla geliyor. Sonuç: dilekçe hazırlama süresi %71 kısaldı, müvekkil sorularına ortalama yanıt süresi 4 saatten 25 dakikaya indi ve tüm veri firmanın kendi sunucusunda kaldı.

Verim almanın üç ön koşulu

1. Düzenli veri: belgeleriniz dijital ve erişilebilir olmalı (taranmış arşivler için OCR adımı ekleriz).
2. Net kullanım senaryosu: "her şeyi bilsin" değil, belirli bir işi mükemmel yapsın.
3. Ölçülebilir hedef: başarıyı 3 ay sonra nasıl ölçeceğimizi baştan tanımlarız.

Veri nereye gidiyor? Güvenlik modelleri

• Bulut (OpenAI / Anthropic): en hızlı ve uygun maliyet; kurumsal sözleşmeyle veriniz eğitimde kullanılmaz.
• Hibrit: hassas veri yerelde işlenir, model bulutta çalışır.
• Tamamen yerel (on-prem): model ve veri sizin sunucunuzda; veri firma dışına hiç çıkmaz. Hukuk, sağlık ve kamu için tercih ettiğimiz model.

Yatırım ve süre

Bir kavram kanıtı (POC) projesi 3-4 haftada, 100.000 – 180.000 ₺ aralığında kurulabilir ve sistemin sizin verinizle gerçekten çalışıp çalışmadığını gösterir. Üretime hazır kurumsal bir asistan 250.000 – 600.000 ₺, tamamen yerel kurumsal sistemler ise daha yüksek bütçelerde konumlanır.