Yapay Zekâ Otomasyonu Sözlüğü: 41 Terim, Sade Tanımlar

Yapay zekâ projelerinde aynı kelime farklı kişilerde farklı anlamlara gelebiliyor. Birlikte çalışırken bu terimleri aşağıdaki anlamlarıyla kullanıyorum.

Ajanlar ve otomasyon

Yapay zekâ ajanı: Bir hedef için birden çok adımı kendisi planlayıp araç kullanarak yürüten yazılım. Bu sitede ajan taslak hazırlar, onayı insan verir.
İş akışı otomasyonu: Belirli bir tetikleyiciyle başlayan, adımları önceden tanımlı iş akışı. Ajan kadar esnek değildir ama öngörülebilirdir.
İnsan onayı (human-in-the-loop): Kritik bir adımın, bir kişi kontrol edip onaylamadan çalışmaması. Dışarıya giden her çıktı için kullanılır.
Gölge mod: Ajanın çalıştığı ama çıktısının kullanılmadığı deneme kipi. Ajanın sonucu, insanın yaptığı işle karşılaştırılır.
Yetki seviyesi: Ajanın insan olmadan ne kadar iş yapabildiği. Gölge mod, öneri, sınırlı ve gözetimli yetki olarak kademeli artar.
İstem (prompt): Yapay zekâ modeline verilen talimat ve bağlam metni. İyi bir istem rol, görev, kısıt ve çıktı biçimini açıkça söyler.
İstem kütüphanesi: Bir ekibin tekrar eden işleri için sürümlenmiş, test edilmiş istem şablonları.
RAG (kaynağa dayalı yanıt): Modelin yanıt vermeden önce şirket belgelerinden ilgili parçaları bulup, cevabını bunlara dayandırması ve kaynağı göstermesi.
Anlam vektörü (embedding): Bir metnin anlamını sayılarla temsil eden vektör. Benzer anlamlı metinleri bulmak için kullanılır.
Bağlam penceresi: Modelin tek seferde dikkate alabildiği metin miktarı.
Halüsinasyon: Modelin akıcı ama yanlış ya da kaynağı olmayan bilgi üretmesi. Kaynağa dayalı yanıt ve insan onayıyla azaltılır, sıfırlanamaz.
MCP (Model Context Protocol): Yapay zekâ uygulamalarının araçlara ve veri kaynaklarına standart bir yolla bağlanmasını sağlayan açık protokol.
A2A (Agent2Agent): Farklı yapay zekâ ajanlarının birbirini bulup iş istemesi için açık protokol.
İstisna kuyruğu: Otomasyonun çözemediği işlerin düştüğü ve bir sorumlunun ele aldığı liste. Tekrar eden istisnalar süreci iyileştirmek için incelenir.

Ölçüm ve yöntem

Taban ölçümü (baseline): Değişiklikten önce yapılan ölçüm. Sonuç, bu değerle karşılaştırılarak konuşulur.
Sonuç ölçüsü ve faaliyet ölçüsü: Faaliyet ölçüsü yapılan işin miktarını (yazılan taslak sayısı), sonuç ölçüsü iş üzerindeki etkisini (kısalan teklif süresi) gösterir.
Kabul eşiği: Yapay zekâ çıktısının kabul edilmesi için baştan yazılan ölçülebilir sınır; örneğin düzeltmesiz onaylanan taslak oranı.
Kayma (drift): Model, veri ya da kullanım değiştikçe çıktı kalitesinin zamanla bozulması. Düzenli ölçümle fark edilir.
Çevrim süresi: Bir işin başlangıcından bitişine kadar geçen toplam süre, beklemeler dahil.
Manuel dokunuş: Bir işin tamamlanana kadar kaç kez insan eline geçtiği. Azalması, akışın sadeleştiğini gösterir.
İlk seferde doğru (FTR): Düzeltme gerekmeden ilk denemede doğru tamamlanan işlerin oranı.
OEE (toplam ekipman etkinliği): Bir makinenin kullanılabilirlik, performans ve kalite oranlarının çarpımı. Üretimde kaybın nerede olduğunu gösterir.
8D: Kalite problemlerini sekiz adımda çözen yöntem: ekip, tanım, geçici önlem, kök neden, kalıcı önlem, doğrulama, önleme ve kapanış.
Pilot tuzağı: Teknik olarak çalışan bir pilotun, sahibi, ölçüsü ya da bütçesi olmadığı için hiç kullanıma geçememesi.
Yalın (lean): Müşteriye değer katmayan adımları (bekleme, tekrar, gereksiz taşıma) ölçüp ayıklayan çalışma yaklaşımı. Toyota Üretim Sistemi'nden gelir.

Gizlilik, güvenlik ve uyum

Talimat enjeksiyonu (prompt injection): Ajanın okuduğu bir belgeye ya da e-postaya gizlenmiş talimatla onu yönlendirme girişimi.
Aşırı yetki: Bir ajana işinin gerektirdiğinden fazla erişim ya da araç verilmesi riski.
En az veri ilkesi: Bir işte yalnızca gereken veri alanlarının kullanılması.
Maskeleme ve takma adlandırma: Ad, telefon gibi kişisel bilgilerin işlenmeden önce gizlenmesi ya da kodla değiştirilmesi.
Yerel model: Şirketin kendi sunucusunda çalışan, veriyi dışarı göndermeyen yapay zekâ modeli.
Sağlayıcı bağımlılığı (vendor lock-in): Bir sistemin tek bir sağlayıcıya ya da kişiye, başkasının sürdüremeyeceği kadar bağlı olması.
Denetim kaydı: Ajanın ve kullanıcıların her adımını sonradan izlenebilecek şekilde tutan, değiştirilemeyen kayıt.
VKDA (DPIA): Veri koruma etki değerlendirmesi. Yüksek riskli kişisel veri işlemeden önce risklerin ve önlemlerin yazılı olarak değerlendirilmesi.
AB Yapay Zekâ Yasası risk sınıfları: Yasak, yüksek risk, sınırlı risk (şeffaflık yükümlülüğü) ve asgari risk. Yükümlülükler sisteme göre değil kullanım amacına göre belirlenir.
ISO/IEC 42001: Yapay zekâ yönetim sistemi standardı. Bir kurumun yapay zekâyı nasıl yönettiğini, risklerini ve sorumluluklarını tanımlar.
OWASP LLM ilk 10: Büyük dil modeli uygulamalarına özgü en önemli on güvenlik riskini sıralayan açık liste.

Görünürlük

Yapay zekâ aramalarında görünürlük (GEO): ChatGPT, Gemini ve Perplexity gibi asistanların bir kişiyi ya da işi doğru tanıyıp önerebilmesi için yapılan çalışma.
llms.txt: Sitenin kökünde duran, yapay zekâ araçlarına sitenin özetini ve önemli sayfalarını sunan kısa metin dosyası.
Yapılandırılmış veri (Schema.org): Sayfadaki kişi, hizmet ve soru-cevap gibi bilgilerin makinelerin okuyabileceği biçimde işaretlenmesi.
sameAs: Yapılandırılmış veride bir kişinin ya da kurumun başka sitelerdeki profillerini gösteren bağlantılar. Kimliğin tek kişi olarak tanınmasına yardım eder.
Kanıt merdiveni: Bir uzmanın internetteki kanıt düzeyini adım adım gösteren ölçek: yalnızca ad ve unvandan, isimli vaka ve referanslara kadar.

Terimler değil, sonuç önemli.

Bu terimlerin çoğu, yöntemin parçası olarak yalın yapay zekâ otomasyonu, veri gizliliği ve güvenceler sayfalarında daha ayrıntılı geçiyor.