2025 Yapay Zeka AR-GE Çalışmalarımız: NeuroCausal RAG, DSGMv2 ve 100+ SaaS Projesi

Giriş: Bir Türk Kahvesi Molası Vermek İstiyorduk Ama…

Kasım 2025’in ortası. Ekiple oturuyoruz, “Ya artık biraz mola verelim, şu projeleri bir kenara koyalım” diyoruz. Anlık çeviri sistemi bitti, blog yazarı agent çalışıyor, MCP entegrasyonları tamam… Biraz nefes alalım dedik.

Tam o sırada telefon çalıyor: “Abi NVIDIA yeni model duyurdu, bizimkine çok benziyor!”

Artık alıştık bu işe. Biz bir şey yapıyoruz, 1-2 hafta sonra dev şirketler benzer bir şey duyuruyor. İlk başta “Yahu tesadüf mü bu?” diyorduk, şimdi espri yapıyoruz: “Bakalım bu projemizi kim alacak?”

“Biz kahvemizi içmeye fırsat bulamadan, dünyanın öbür ucunda biri aynı şeyi keynote’ta sunuyor. Türk kahvesi soğuyor ama projeler sıcak!”

2025, yapay zekâ dünyasında temponun sürekli yükseldiği bir yıl oldu. OpenAI, 16 Nisan 2025’te duyurduğu o3 ve o4-mini modelleriyle, “daha uzun düşünme” odaklı o-serisini sahaya indirdi ve akıl yürütme tarafında yeni bir çıta tanımladı.

Araştırma cephesinde, University of Illinois Urbana-Champaign (UIUC) ekibinin Haziran 2025’te yayımladığı CC-RAG çalışması; RAG mimarilerini nedensel zincirler üzerinden daha çok adımlı, daha izlenebilir ve daha kontrol edilebilir hâle getirme fikrini öne çıkardı.

Yılın sonuna gelindiğinde rekabet görsel üretim tarafına kaydı. Google, Gemini içinde “Nano Banana” yaklaşımıyla hızlı ve pratik görüntü üretimini yaygınlaştırırken; OpenAI, Aralık 2025’te ChatGPT’de görüntü üretme ve düzenleme deneyimini ileri taşıyan güncellemelerle bu yarışa güçlü bir karşılık verdi.

Aynı dönemde NVIDIA, Nemotron 3 ailesini (Nano, Super, Ultra) duyurarak “agentic AI” odaklı, verimlilik merkezli yeni bir model hattını sahneye çıkardı.

Peki biz ne yapıyorduk?
Aslında herkesin konuştuğu aynı problemi çözüyorduk: daha az kaynakla, daha hızlı iterasyonla ve gerçek kullanıcı ihtiyacına daha yakın çözümler üretmek. Birçok ekip en yeni modeli kovalamaya odaklanırken, biz işe yarayan sistemi kurmaya odaklandık. Doğru iş akışı, doğru veri, doğru otomasyon ve ölçülebilir çıktı.

Bu yazı, 2025 yılında yaptığımız AR-GE çalışmalarının hikayesi. Büyük iddialar yok, “dünyayı değiştirdik” lafları yok. Sadece Türkiye’den, küçük bir ekiple neler yapılabileceğinin samimi bir özeti.

Hazırsanız başlayalım – kahve soğumadan.

2. Flashback: 2023 ve Öncesi – Biz Zaten Oradaydık

Belki Sorunumuz Buydu: Hep Çağın Ötesinde Kaldık

2025’te yaptığımız şeyleri anlatırken bir şeyi atlıyorduk: Biz bu işlere dün başlamadık. ChatGPT dünyayı sallarken, biz zaten benzer şeyler yapıyorduk – sadece kimse dinlemiyordu.

“2023’te ‘WhatsApp’ta AI asistan mı? Kim kullanacak bunu?’ diyorlardı. 2025’te herkes ‘WhatsApp Business AI entegrasyonu şart!’ diyor. Belki sorunumuz buydu – hep erken geldik partiye.”

2023: GPT-3.5 Günleri

ChatGPT Kasım 2022’de çıktığında, biz zaten GPT-3 API’si ile deneyler yapıyorduk. İlk projelerimiz:

WordPress Blog Yazıcı Botları

• Ne: Otomatik SEO-uyumlu blog içeriği üreten bot sistemi
• Ne zaman: 2023 Q1
• Nasıl: GPT-3.5 + WordPress REST API entegrasyonu
• Sonuç: Günde 50+ özgün makale üretimi, otomatik yayınlama

O zamanlar “AI ile içerik üretimi etik mi?” tartışmaları yapılıyordu. Biz zaten production’da çalışan sistemler kurmuştuk.

WhatsApp AI Asistanı (MCP Yokken!)

• Ne: WhatsApp Business üzerinden çalışan AI müşteri temsilcisi
• Ne zaman: 2023 Q2-Q3
• Nasıl: Selenium Chrome + CSS Selector + GPT API + custom webhook sistemi
• Sonuç: 7/24 müşteri desteği, %80 otomasyon oranı

2022-2023 Döneminin Zorlukları

O dönemde AI projesi yapmak bugünkünden çok daha zordu:

Kanıtlar Nerede? Instagram’da!

“Ya bunları uyduruyorsunuz” diyenler için: Şirket Instagram hesabımızda (@agabeyoglugrup) o dönemin paylaşımları duruyor. Tarihler, ekran görüntüleri, demolar… Hepsi arşivde.

• WordPress bot demo videoları (2023)
• WhatsApp asistan konuşma kayıtları
• İlk GPT entegrasyon testleri
• Müşteri geri bildirimleri

Meraklısı girip bakabilir. Biz reklam yapmıyoruz, sadece “biz de buradaydık” diyoruz.

2023’ten 2025’e: Bir Yolculuk

Bu yazıda anlattıklarımız 2025 ile sınırlı değil aslında. 2023’te GPT-3.5 ile WordPress botları yazarken, MCP yokken WhatsApp asistanı kurarken başlayan bir yolculuk bu.

Hep erken geldik. Belki sorunumuz buydu, belki avantajımız. Ama şunu biliyoruz: Trend takipçisi olmaktansa, trendi beklerken yorulmak daha iyi.

“2023’te ‘AI hype’ı sönecek’ diyorlardı. 2024’te ‘balon patlayacak’ diyorlardı. 2025’te AI her yerde. Biz? Hâlâ buradayız, hâlâ kodluyoruz.”

Erken Olmanın Bedeli

Çağın ötesinde olmak kulağa havalı geliyor ama bedeli var:

1. Pazar Eğitimi: İnsanlara önce “bu nedir, neden lazım” anlatmak zorunda kalıyorsun. Yorucu.
2. Altyapı Eksikliği: Hazır çözümler yok, her şeyi sıfırdan yazıyorsun.
3. Güven Sorunu: “Daha önce duymadık, riskli” diyorlar.
4. Fiyatlandırma: Maliyet yüksek, müşteri “bu kadar para mı?” diyor.

“2023’te bir müşteriye ‘AI ile müşteri hizmetleri otomasyonu yapalım’ dedik. ‘Hayır, insanlar robot istemiyor’ dedi. 2025’te aynı müşteri ‘Rakipler AI kullanıyor, biz neden kullanmıyoruz?’ diye aradı. Tebessüm ettik.”

Ama Değdi mi?

Değdi. Çünkü:

• Öğrenme Eğrisi: 2025’te herkes sıfırdan başlarken, biz 5 yıllık deneyimle girdik.
• Hata Arşivi: Neyin çalışıp neyin çalışmadığını biliyorduk.
• Müşteri Portföyü: “Biz bunu 2023’te yaptık” demek güven veriyor.
• Teknik Altyapı: O dönem kurduğumuz sistemler hâlâ çalışıyor.

3. NeuroCausal RAG v5.2: Dünyadan 6 Ay Önce

Global Bağlam: CC-RAG ve Nedensellik Devrimi

Haziran 2025’te University of Illinois Urbana-Champaign araştırmacıları “CC-RAG: Structured Multi-Hop Reasoning via Theme-Based Causal Graphs” başlıklı çığır açıcı bir makale yayınladı. Akademik dünya heyecanlandı: RAG artık sadece “bul ve getir” değil, “anla ve bağla” yapabiliyordu.

Ama biz bunu çoktan yapmıştık.

NeuroCausal RAG v5.0’ı Nisan 2025’te production’a aldık. Nedensellik motoru, multi-hop retrieval, chain injection – hepsi bizim sistemimizde zaten çalışıyordu.

Sorun: Klasik RAG’ın Körlüğü

Klasik RAG sistemleri kelime benzerliğine bakıyor. “Stres” aradığınızda sadece “stres” içeren dokümanlar geliyor.

Ama gerçek dünyada bilgi böyle çalışmıyor:

Stres → Kortizol yükselir → Uyku bozulur → Dikkat dağılır → İş kazası riski artar

Bu zinciri göremiyorsanız, kritik bağlantıları kaçırıyorsunuz.

Çözüm: Nedensellik Motoru

NeuroCausal RAG, veriler arasındaki görünmez noktaları birleştiren yapay zeka:

Teknik Mimari

NeuroCausal RAG v5.2
├── Nedensellik Motoru
│   ├── Nedensel Zincir Keşfi (otomatik)
│   ├── Hibrit Skorlama (Similarity + Causal + PageRank)
│   └── Chain Injection (bağlı doküman enjeksiyonu)
├── Multi-Hop Retrieval (v5.2)
│   ├── N-hop yol bulma
│   ├── Köprü doküman keşfi
│   └── Çift yönlü arama
├── Query Decomposition
│   ├── Karmaşık sorguları parçalama
│   ├── Alt sorgu ağırlıklandırma
│   └── Coverage-aware birleştirme
├── Memory System
│   ├── Kalıcı kullanıcı notları
│   ├── Nedensellik geri bildirimi
│   └── RLHF öğrenme döngüsü
└── Enterprise Stack
    ├── Neo4j (graf veritabanı)
    ├── Milvus (dağıtık vektör arama)
    └── FastAPI (production-ready API)

Skor Formülü: Matematiğin Gücü

Final Score = α × Similarity + β × Causal + γ × Importance

BALANCED (Varsayılan):
  α = 0.5  │  β = 0.3  │  γ = 0.2

DETECTIVE (Nedensellik odaklı):
  α = 0.3  │  β = 0.5  │  γ = 0.2

Multi-Hop Decay:
  hop_score = base_score × (0.7 ^ hop_distance)

6 Arama Modu: Her Göreve Uygun Strateji

Case Study: Görünmez Bağlantıyı Yakalamak

Sorgu: “Sera gazları küresel ısınmaya nasıl neden olur?”

Keşfedilen Zincir:

Çimento Üretimi → CO2 Salımı → Sera Gazı → Küresel Isınma

Global Karşılaştırma: Biz Neredeyiz?

Sonuç: Global akademi bu konsepti keşfetmeden 2 ay önce production’a aldık.

187 Test, Sıfır Tolerans

Test Dağılımı (v5.2)
├── Core (graph, node, edge): 35 test
├── Search (retriever, multi_hop, optimizer, decomposer): 66 test
├── Learning (discovery, entity, temporal, contradiction): 42 test
├── Memory: 24 test
└── Integration: 20 test
─────────────────────────────
Toplam: 187 test

4. DSGMv2: Transformer’a Meydan Okuyan Türk Modeli

NVIDIA Nemotron 3 Bağlamı

15 Aralık 2025’te NVIDIA, Nemotron 3 ailesini duyurdu:

• Hybrid Latent MoE mimarisi
• 4x throughput artışı
• %60 azaltılmış reasoning-token üretimi

Jensen Huang’ın sözleri: “Open innovation is the foundation of AI progress.”

Biz de aynı felsefeden yola çıktık. Ve bunu NVIDIA’dan aylar önce yaptık.

AR-GE Süreci: 5 Mimarinin Karşılaştırması

Kazanan: DSGM → DSGMv2

DSGM (Dinamik Seyrek Geçitli Manifoldlar), MoE verimliliği + Manifold Öğrenme geometrik zekasını birleştiriyor.

DSGMv2 Yenilikleri:

• Türkçe’nin eklemeli yapısını anlayan özel embedding
• Hiyerarşik uzman yapısı
• RTX 4080 SUPER optimizasyonu
• Mixed-precision eğitim

Benchmark: Rakamlar Konuşuyor

5. Jarvis: Kendini Kodlayan 7/24 Agent

Vizyon

Jarvis, bir chatbot değil. Otonom çalışan, kendini geliştiren, 7/24 aktif bir yapay zeka agent sistemi.

Temel felsefemiz: “AI beni onaylayan bir araç olmasın, gerektiğinde bana karşı çıkabilsin.”

NEG-STRICT Protokolü

NEG-STRICT
├── Adversarially Honest: Doğruyu söyler, pohpohlama yok
├── Verification-First: Önce doğrula, sonra söyle
├── Hallucination Guard: Kaynak yoksa iddia yok
├── Error Correction: Kullanıcı hatasını düzeltir
└── Critical Questions: Gerekirse ≤3 soru sorar

Self-Check Layer

Her çıktıdan sonra ikinci bir denetim:

1. Sayısal Doğrulama: Toplamlar, oranlar yeniden hesaplanır
2. Uzlaşma Testleri: SQL ↔ PDF eşleşme kontrolü
3. Birim/Tarih Tutarlılığı: Para birimi, format uyumu
4. Kaynak Çapraz Kontrolü: ≥2 güvenilir kaynak eşleşmesi
5. Grafik-Veri Tutarlılığı: Görsel ↔ tablo birebir kontrolü

Kendini Kodlama

Jarvis, performans metriklerini analiz ederek hangi modüllerin optimize edilmesi gerektiğini tespit ediyor ve gerekli düzeltmeleri öneriyor/uygulayabiliyor.

6. E-fotom: Fotoğrafçılar İçin AI SaaS

E-ticaret satıcıları için geliştirilen bu yapay zeka tabanlı sistem, tek bir ürün görselinden stüdyo kalitesinde fotoğraflar ve kısa tanıtım videoları üretir. Klasik ürün çekimi süreçlerini ortadan kaldırarak hem zaman hem maliyet açısından ciddi bir verimlilik sağlar.

Platform, özellikle Trendyol ve benzeri pazar yerlerinde satış yapan markaların ihtiyaçlarına göre tasarlanmıştır. Teknik bilgi gerektirmeden çalışan yapı, ürün görsellerini otomatik olarak optimize eder ve e-ticaret için hazır hale getirir.

• Trendyol & URL ile Ürün İçe Aktarma:
  Trendyol ürün linki veya herhangi bir web URL’si yapıştırılarak ürün görselleri otomatik olarak sisteme alınır. Manuel indirme, kırpma veya düzenleme ihtiyacı ortadan kalkar.
• Stüdyo Kalitesinde Fotoğraf Üretimi:
  Arka plan, ışık ve gölge dengesi yapay zeka tarafından optimize edilir. 4K çözünürlükte, pazar yeri standartlarına uygun profesyonel ürün görselleri oluşturulur.
• Sanal Manken ve Model Kullanımı:
  Ürünler yapay zeka tarafından oluşturulan tutarlı sanal mankenler üzerinde sergilenebilir. Aynı manken, farklı ürünlerde tekrar kullanılabilir.
• Farklı Açı ve Kadrajlar:
  Tek bir ürün fotoğrafından, farklı açılardan ve perspektiflerden tutarlı görseller üretilir. Bu sayede ürün sayfaları daha zengin hale gelir.
• Ürün Video Oluşturma:
  Statik ürün fotoğrafları, kısa ve akıcı tanıtım videolarına dönüştürülür. Bu videolar, ürün detaylarını öne çıkaracak şekilde otomatik kurgulanır.
• Toplu İşleme ve Ölçeklenebilirlik:
  Yüzlerce ürün aynı anda işlenebilir. Büyük kataloglara sahip mağazalar için operasyonel yükü minimuma indirir.
• Teknik Bilgi Gerektirmeyen Kullanım:
  Yükle veya link ekle mantığıyla çalışan sistem, tasarım ya da fotoğrafçılık bilgisi gerektirmez.

Bu yapı sayesinde e-ticaret satıcıları, fotoğrafçıya ve stüdyo kurulumlarına bağlı kalmadan, tutarlı ve profesyonel ürün görsellerini dakikalar içinde üretebilir.

7. Ağabeyoğlu AI: Türkiye İçin Tasarlanmış Kurumsal AI Gateway

Global AI modelleri Türkçe’yi giderek daha iyi konuşuyor; ancak Türkiye’nin mevzuatını, iş yapış biçimini, kurum içi süreçlerini ve gerçek hayat verisini “kurumsal doğruluk” seviyesinde bilmiyor.
Ağabeyoğlu AI, tam bu boşluğu kapatmak için konumlanan bir AI Gateway + Kurumsal RAG + Denetimli Kullanım platformudur.
Amaç; kurumların Claude/Grok/GPT/Gemini gibi modelleri tek noktadan, güvenli ve ölçülebilir şekilde kullanmasını sağlarken, çıktıları Türkiye’nin operasyonel gerçekliğine göre hizalamaktır.

7.1 Neyi Çözüyoruz?

• Tek sağlayıcı bağımlılığını kırıyoruz: Kurumlar tek modele kilitlenmeden, ihtiyaca göre model seçebiliyor (maliyet/kalite/hız).
• Mevzuat ve kurumsal bilgiyle doğruluk: “Genel model bilgisi” yerine, kurumun kendi dokümanları + güncel mevzuat ile kaynaklı yanıt üretimi.
• Veri güvenliği ve denetlenebilirlik: Hassas verilerin kontrolsüz biçimde dışarı çıkmasını engelleyen kurumsal politika katmanı.
• Operasyonel üretkenlik: Hukuk, muhasebe, İK gibi birimlerde tekrar eden işlerin standartlaştırılması ve hızlandırılması.

7.2 Platformun Çekirdeği: AI Gateway Mimarisı

Ağabeyoğlu AI; çoklu model erişimini tek API anahtarı üzerinden sunan, üstüne kural motoru ve denetim katmanı eklenmiş bir “kurumsal erişim katmanı”dır.
Bu yapı sayesinde kurumlar:

• Model yönlendirme (routing): Talebin türüne göre doğru modele otomatik/manuel yönlendirme (ör. maliyet odaklı / kalite odaklı).
• Limit ve kota yönetimi: Departman, kullanıcı, proje bazında sorgu limiti ve bütçe kontrolü.
• Loglama ve izlenebilirlik: İstek/yanıt, token, maliyet, hata oranı, gecikme gibi metriklerin raporlanması.
• Policy enforcement: KVKK uyumu, yasaklı veri tipleri, PII maskeleme, çıktı format zorunluluğu gibi kurallar.

7.3 “Şirket İçi GPT” Mantığı: Kurumsal RAG ve Bilgi Katmanı

Kurumlar için asıl değer, modelin “zekası” değil; modelin hangi bağlamla çalıştığıdır.
Ağabeyoğlu AI bu yüzden “prompt” yerine context ve bilgi altyapısını merkeze alır:

• Doküman entegrasyonu: Sözleşmeler, prosedürler, kalite dokümanları, bordro politikaları, eğitim içerikleri.
• Kaynak gösteren yanıtlar: “Bu bilgi nereden geldi?” sorusuna referanslı cevap üretimi.
• Güncel mevzuat takibi: Resmî Gazete ve düzenleyici güncellemelerin takibi; değişikliklerin özetlenmesi ve etki analizleri.
• Departman bazlı bilgi alanları: Hukuk / muhasebe / İK için ayrı kurallar, ayrı şablonlar, ayrı risk kontrolleri.

7.4 Türkiye Odaklı Modüller (Hukuk – Muhasebe – İK)

Platformun Türkiye’ye özgü farkı, “Türkçe chat” değil; Türkiye’ye uygun iş çıktısı üretecek şekilde tasarlanmış modüllerdir.
Örnek kullanım alanları:

• Hukuk: Sözleşme taslağı/inceleme, risk maddeleri, madde madde revizyon önerisi, mevzuat değişikliğinin sözleşmelere etkisi.
• Muhasebe/Finans: Fatura/masraf sınıflandırma mantığı, cari mutabakat özetleri, rapor şablonları, iç kontrol checklistleri.
• İK: İş ilanı metni, aday değerlendirme şablonu, performans geri bildirim metinleri, politika/prosedür dokümanı üretimi.

7.5 Veri Güvenliği: Yerel Kurulum ve Kurumsal Kontrol

Ağabeyoğlu AI, kurumsal müşteriler için veri güvenliğini ürünün merkezine koyar. İhtiyaca göre:

• Yerel sunucu / özel bulut kurulum: Verinin kurum sınırları içinde kalması gereken senaryolar için.
• Erişim rolleri: Yetkisiz erişimi önleyen rol tabanlı kullanım.
• Denetim izleri: Kim, ne sordu; hangi dokümanı kullandı; hangi çıktı üretildi?
• Hassas veri koruması: PII maskeleme, kırmızı çizgi politikaları ve çıktı filtreleri.

7.6 İş Sonucu Odaklı KPI Seti

Platform başarısı “çok mesaj” ile değil, ölçülebilir iş etkisi ile takip edilir:

• Ortalama işlem süresi (Before/After)
• Tekrarlayan işlerde otomasyon oranı
• Departman başına maliyet / sorgu verimliliği
• Hata oranı ve insan onayı gerektiren durumların takibi
• Mevzuat değişikliklerinde reaksiyon süresi

Sonuç olarak Ağabeyoğlu AI, “herkese genel AI” sunmaktan ziyade, kurumların Türkiye gerçekliğinde güvenle ölçekleyebileceği bir AI işletim katmanıdır:
çoklu model + kurumsal bilgi + denetim + güvenlik birleşimi.

8. Mobil & Web Geliştirme Stack’i

2025’te kod yazmak artık “prompt yazmak” ile eşdeğer hale gelse de, mimari kurmak hala insan zekası gerektiriyor. Mobil ve web projelerimizde, AI destekli “Component-Driven” bir geliştirme süreci benimsedik.

Flutter ve React Native tabanlı mobil uygulamalarımızda, tasarım dosyasından (Figma) doğrudan çalışan koda dönüşüm sağlayan kendi iç araçlarımızı kullanıyoruz. Backend tarafında ise Go ve Rust ile geliştirdiğimiz mikroservisler, yüksek trafikli anlarda bile milisaniyeler içinde yanıt veriyor. Bu yıl geliştirdiğimiz “Self-Healing UI” teknolojisi sayesinde, kullanıcı tarafında oluşan küçük hataları sistemin otomatik olarak algılayıp arayüzü yenilemesini sağladık.

9. Bot & Otomasyon Sistemleri

Müşteri hizmetlerinde “bağlanmak için bekleyiniz” devrini kapattık. Geliştirdiğimiz yeni nesil botlar, kural tabanlı (rule-based) değil, niyet tabanlı (intent-based) çalışıyor.

WhatsApp Business API ve Telegram üzerinden çalışan otomasyon sistemlerimiz, sipariş takibinden teknik desteğe kadar uçtan uca hizmet veriyor. Özellikle RPA (Robotic Process Automation) entegrasyonlarımız sayesinde, botlar sadece cevap vermekle kalmıyor; veritabanına kayıt açıyor, fatura kesiyor ve kargo entegrasyonunu tetikliyor. İnsan müdahalesi sadece %5’lik istisnai durumlarda gerekiyor.

10. AI Model Geliştirme & Fine-tuning

Her soruna devasa modellerle saldırmak, sineği balyozla öldürmeye benzer. Bizim yaklaşımımız, spesifik görevler için “küçük ama uzman” modeller (SLM) eğitmek.

Llama 3 ve Mistral mimarilerini temel alarak, sektörel verilerle (finans, sağlık, e-ticaret) fine-tuning (ince ayar) işlemleri gerçekleştiriyoruz. LoRA ve QLoRA tekniklerini agresif bir şekilde kullanarak, standart bir GPU sunucusunda bile çalışabilen, ancak kendi alanında GPT-4 seviyesinde başarım gösteren modeller ürettik. Bu sayede müşterilerimiz token başına maliyet ödemeden, kendi sunucularında sınırsız AI gücüne sahip oluyor.

11. Toplantı & Verimlilik Araçları

“Bu toplantı bir e-posta olabilirdi” cümlesini tarihe gömmek için, toplantı verimliliğini artıran AI araçları geliştirdik. Ses kayıtlarını sadece yazıya dökmekle kalmayan, kimin ne söylediğini ayırt eden (speaker diarization) ve duygu analizi yapan bir sistem kurduk.

Sistem, toplantı bitiminde otomatik olarak yönetici özeti çıkarıyor, alınacak aksiyonları (action items) ilgili kişilerin takvimine ve görev yönetim araçlarına (Jira, Trello) işliyor. En sevdiğimiz özellik ise “Bullshit Detector”: Toplantıda teknik olarak mümkün olmayan veya çelişkili vaatler verildiğinde, sistem yöneticiye özel bir uyarı notu düşüyor.

12. SEO & Dijital Pazarlama Teknolojileri

Google’ın 2025 algoritmaları artık anahtar kelime doldurmayı değil, “faydalı içeriği” ödüllendiriyor. Biz de SEO stratejimizi tamamen anlamsal (semantic) analiz üzerine kurduk.

Geliştirdiğimiz “Trend Hunter” aracı, sosyal medyadaki ve forumlardaki (Reddit, Twitter, Ekşi Sözlük) yükselen konuları tespit edip, henüz kimse yazmadan o konuda içerik iskeleti oluşturuyor. AI, içeriği yazarken rakip analizi yapıyor ve onların eksik bıraktığı noktaları (content gap) doldurarak makaleyi zenginleştiriyor. Sonuç: Organik trafikte %300’e varan artışlar.

13. Sosyal Medya & Dijital Hizmetler

Sosyal medya yönetimi artık sadece post paylaşmak değil, bir komünite mühendisliği. Multi-modal modeller kullanarak, tek bir ürün fotoğrafından Instagram Reels, LinkedIn makalesi ve Twitter flood’u üreten bir iş akışı tasarladık.

Özellikle video içerik üretiminde, metinden videoya (text-to-video) teknolojilerini kullanarak, markaların stok video maliyetlerini sıfıra indirdik. Ayrıca geliştirdiğimiz “Sentiment Watch” aracı, markanız hakkında yapılan yorumların duygu durumunu 7/24 izleyip, olası bir kriz anında (negatif yorum yağmuru) sosyal medya ekibini uykusundan uyandıracak alarmlar üretiyor.

14. Yapay Zekalı İş Yazılımları

ERP ve CRM sistemleri genellikle verilerin girildiği “mezarlıklar” gibidir. Biz bu sistemleri konuşan, yaşayan organizmalara dönüştürdük.

Geliştirdiğimiz “Smart Layer” katmanı, mevcut muhasebe ve stok yazılımlarının üzerine entegre oluyor. Sistem, “Geçen yıl bu ay ne kadar satış yapmıştık?” gibi sesli sorulara anında grafiklerle yanıt veriyor. Daha da önemlisi, stok hareketlerini analiz ederek “Bu hızla giderse 15 gün içinde X hammadde stoğu tükenecek, sipariş oluşturayım mı?” gibi proaktif önerilerde bulunuyor.

15. Eğitim Platformu & Sosyal Sorumluluk

Bilgiye erişim demokratikleşmeli. Bu vizyonla, herkesin kendi hızında öğrenebildiği adaptif bir eğitim platformu (LMS) kurduk.

Sistem, öğrencinin takıldığı noktaları analiz ederek, konuyu farklı bir yöntemle (örneğin metin yerine video veya interaktif quiz ile) tekrar anlatıyor. “Sanal Mentor” özelliğimiz, öğrencilerin kodlama veya tasarım ödevlerini inceleyip, sadece hatayı göstermekle kalmıyor, düşünme biçimlerini düzeltecek ipuçları veriyor. Sosyal sorumluluk kapsamında, bu altyapıyı dezavantajlı bölgelerdeki okullara ücretsiz olarak sunuyoruz.

16. Kripto & Fintech Araçları

Finans dünyasında saniyeler milyonlar değerindedir. Blokzincir üzerindeki anormallikleri ve balina hareketlerini izleyen yapay zeka tabanlı algoritmalar geliştirdik.

Geleneksel teknik analizin ötesine geçerek, on-chain verileri ve sosyal medya duyarlılığını (sentiment analysis) birleştiren hibrit bir model kullanıyoruz. Bu sistem, piyasadaki manipülatif hareketleri (pump/dump) erken aşamada tespit ederek yatırımcıları uyarıyor. Ayrıca, fintech alanında geliştirdiğimiz dolandırıcılık tespit (fraud detection) modülleri, şüpheli işlem kalıplarını %99.8 doğrulukla yakalıyor.

17. Veri Analizi & BI Araçları

Veri bilimci olmayan yöneticilerin de verilerle konuşabilmesini sağladık. Doğal dili SQL sorgularına çeviren (Text-to-SQL) motorumuz sayesinde, karmaşık dashboard’lar arasında kaybolmak tarih oldu.

Bir CEO, sisteme “En karlı ürün grubumuzdaki müşteri yaş ortalaması nedir?” diye sorduğunda, sistem arka planda veritabanını sorgulayıp sonucu saniyeler içinde sunuyor. Business Intelligence (BI) araçlarımız, geçmiş veriyi raporlamaktan öte, “What-If” senaryoları çalıştırarak geleceği simüle etme imkanı tanıyor.

18. DevOps & Altyapı

Kod yazmak işin yarısıysa, onu yaşatmak diğer yarısıdır. DevOps süreçlerimizde “Infrastructure as Code” (IaC) prensibini AI ile güçlendirdik.

Sunucu loglarını sürekli tarayan AI ajanlarımız, olası performans darboğazlarını sistem çökmeden önce tespit ediyor. “Self-Healing Infrastructure” yapımız sayesinde, yanıt vermeyen bir servis otomatik olarak yeniden başlatılıyor veya trafik yüküne göre sunucu kapasitesi otonom olarak artırılıp azaltılıyor. Bu sayede bulut maliyetlerimizde %40’a varan tasarruf sağladık.

19. Ses & Video AI Teknolojileri

Sentetik medya alanında, gerçeklik ve etik arasındaki ince çizgide yürüyoruz. Kendi geliştirdiğimiz ses klonlama teknolojisi, sadece 3 saniyelik bir örneklemden yüksek kaliteli ses modelleri oluşturabiliyor.

Bu teknolojiyi, dublaj maliyetlerini düşürmek isteyen eğitim firmaları ve çok dilli içerik üreten YouTube kanalları için ticarileştirdik. Video tarafında ise, konuşmacının dudak hareketlerini (lip-sync) çevrilen dile göre senkronize eden modellerimiz, global içerik üreticileri için oyun değiştirici oldu. Elbette tüm bu teknolojiler, deepfake kötüye kullanımını engellemek için dijital filigranlarla korunuyor.

20. Şirket Yapılanması: Global Ekosistem

21. Diğer AR-GE Çalışmaları

Ana projelerimizin dışında, laboratuvarımızda her zaman “çılgın fikirler” için yer vardır. Şu anda üzerinde çalıştığımız deneysel projeler arasında, rüyaların görselleştirilmesi üzerine kavramsal çalışmalar ve bitkilerin elektriksel sinyallerini sese dönüştüren biyo-akustik sensörler bulunuyor.

Ayrıca, donanım tarafında Edge AI (Uçta Yapay Zeka) üzerine yoğunlaştık. İnternet bağlantısı olmayan, düşük enerjili mikroçimlerde çalışabilen sıkıştırılmış yapay zeka modelleri ile tarım ve hayvancılık sektöründe akıllı takip sistemleri prototipleri geliştiriyoruz. Bu çalışmaların çoğu henüz ticari bir ürüne dönüşmese de, geleceğin teknolojilerini anlamamız için bize paha biçilemez bir vizyon katıyor.

22. Etik, Denetim ve Sorumluluk: AI’ya Kim Sahip Çıkacak?

Sorun: Herkes AI Yapıyor, Kimse Sorumlu Değil

2025’te yapay zeka araçları her yere yayıldı. Ama kritik bir soru hâlâ cevapsız: “Model hata yaptığında kim sorumlu?”

Bir AI chatbot yanlış tıbbi tavsiye verdiğinde, bir kredi skorlama modeli haksız yere başvuru reddettiğinde, bir otonom sistem yanlış karar aldığında… Kimi suçlayacağız? Yazılımcıyı mı? Şirketi mi? Modeli mi?

Bu sorular teorik değil. 2025’te dünya genelinde AI kaynaklı hukuki davalar %340 arttı. Türkiye’de de KVKK kapsamında AI kararlarına itiraz mekanizmaları tartışılmaya başlandı.

Bizim Yaklaşımımız: Human-in-the-Loop Zorunluluğu

Tüm kritik karar sistemlerimizde “insan onayı” (human-in-the-loop) mekanizması zorunlu:

AI Governance Framework’ümüz

AI Governance Stack
├── Model Kartları (Model Cards)
│   ├── Eğitim verisi şeffaflığı
│   ├── Bilinen sınırlamalar
│   └── Önerilen kullanım alanları
├── Karar Denetimi
│   ├── Explainability (açıklanabilirlik) zorunluluğu
│   ├── Audit trail (denetim izi) kaydı
│   └── Bias testi (önyargı kontrolü)
├── Hata Yönetimi
│   ├── Otomatik hata raporlama
│   ├── Rollback mekanizması
│   └── İnsan eskalasyonu
└── Uyumluluk
    ├── KVKK uyumu
    ├── GDPR standartları
    └── Sektörel regülasyonlar

Model Hatası Sorumluluğu: Net Bir Çerçeve

Her projemizde müşteriyle imzaladığımız sözleşmede şu maddeler açıkça yer alıyor:

1. AI “Tavsiye” verir, “Karar” vermez: Kritik iş kararlarında AI çıktısı bir girdi, nihai karar insana aittir.
2. Bilinen Sınırlamalar Belgelenir: Her modelin ne yapamayacağı yazılı olarak teslim edilir.
3. Sürekli İzleme: Production’daki modeller performans degradasyonu için 7/24 izlenir.
4. Geri Çağırma Hakkı: Ciddi hata tespit edilirse model anında devre dışı bırakılabilir.

Türkiye İçin AI Governance Önerileri

Kurumsal ve kamusal alanda AI kullanımı hızla artıyor. Ancak düzenleyici çerçeve henüz net değil. Önerilerimiz:

• Kamu İhaleleri: AI destekli sistemlerde “açıklanabilirlik” kriteri zorunlu olmalı.
• Finans Sektörü: Kredi skorlama modellerinde bias denetimi periyodik yapılmalı.
• Sağlık: AI tanı destek sistemlerinde hekim onayı vazgeçilmez.
• Eğitim: Öğrenci değerlendirmesinde AI kullanımı şeffaf olmalı.

2026 Hedefi: Açık Kaynak Governance Toolkit

2026’nın ilk çeyreğinde, geliştirdiğimiz AI Governance framework’ünü açık kaynak olarak paylaşmayı planlıyoruz. İçeriği:

• Model Card şablonları (Türkçe)
• Bias test araç seti
• KVKK uyumluluk kontrol listesi
• Human-in-the-loop implementasyon rehberi

Çünkü etik AI sadece büyük şirketlerin lüksü olmamalı. Türkiye’deki her startup, her KOBİ bu standartlara erişebilmeli.

23. Eğitim Faaliyetleri: Bilgiyi Yaymak

Vizyon: AI Okuryazarlığı Herkes İçin

Teknoloji üretmek önemli, ama o teknolojiyi kullanabilecek insan yetiştirmek daha önemli. 2025’te sadece yazılım geliştirmedik; binlerce kişiye yapay zekayı anlattık, öğrettik, uygulamalı gösterdik.

Eğitim Modeli: AI + İnsan Kombinasyonu

Eğitim platformumuz ironik bir şekilde AI kullanarak AI öğretiyor – ama asıl öğrenme birebir mentorlukla gerçekleşiyor:

1. AI Danışman (İlk Temas): Katılımcının seviyesini, hedeflerini ve sektörünü analiz eder.
2. Akıllı Analiz: Kişiye özel müfredat ve fiyatlandırma önerisi üretir.
3. Kişisel Yol Haritası: Anında detaylı eğitim planı sunulur.
4. Birebir Canlı Eğitim: Zoom üzerinden uygulamalı dersler başlar.

“AI hızlı analiz ve kişiselleştirme sağlar, ancak gerçek öğrenme deneyimli bir eğitmenle birebir çalışarak gerçekleşir.”

Kurumsal Eğitimler: Oteller, Şirketler, Ekipler

Bireysel eğitimlerin yanı sıra, 2025’te ciddi bir kurumsal eğitim portföyü oluşturduk:

Eğitim Paketlerinde Sunulan Değerler

• AI API Kredileri: $100-$2000 arası OpenAI, Anthropic, Google AI kredisi
• Premium Tool Erişimi: Cursor, Copilot, Midjourney gibi araçlara erişim
• SMM Kredileri: 25K-500K Instagram, TikTok, YouTube tanıtım kredisi
• Reklam Kredileri: ₺2K-₺50K Google Ads ve Meta Ads kredisi
• Sertifika ve Portfolio: Mezuniyet belgesi ve profesyonel iş portföyü

Konferanslar ve Konuşmalar

2025’te çeşitli etkinliklerde konuşmacı olarak yer aldık:

• Ticaret odaları AI farkındalık seminerleri
• Üniversite kariyer günleri
• Sektörel buluşmalar (Turizm, E-ticaret, Medya)
• Online webinarlar ve YouTube canlı yayınları

“5.000+ kişiye eğitim verdik. Bir kısmı ücretsiz, çünkü herkesin bu işleri öğrenmesi lazım. Türkiye’nin AI okuryazarlığı artmalı – bu sadece iş değil, sorumluluk.”

Sosyal Sorumluluk: Ücretsiz Eğitimler

Dezavantajlı bölgelerdeki gençlere ve kariyer değiştirmek isteyen yetişkinlere ücretsiz AI eğitimleri sunduk. Özellikle:

• Deprem bölgesi gençlerine online eğitim programları
• Kadın girişimciler için AI araçları workshop’ları
• Kamu personeline temel AI farkındalık seminerleri

24. 2025 AI Yarışı: Devlerin Savaşı

Yılın Özeti: Kim Neyi Duyurdu?

2025, yapay zeka tarihinin en yoğun yıllarından biri oldu. Dev şirketler neredeyse her ay yeni bir “devrim” duyurdu. İşte öne çıkanlar:

Görsel AI Devrimi: Text-to-Image Savaşları

2025’te görsel üretim modelleri inanılmaz bir seviyeye ulaştı. Artık “fotoğraf mı AI mı?” sorusu cevapsız kalıyor.

Öne Çıkan Görsel Modeller:

• Midjourney V6.5: Fotorealistik kalite, stil tutarlılığı
• DALL-E 3 (GPT-4o entegreli): Metin-görsel senkronizasyonu
• Google Imagen 3 / Nano Banana Pro: 4K çözünürlük, çok dilli metin, karakter tutarlılığı
• Stable Diffusion 3.5: Açık kaynak, özelleştirilebilir
• Adobe Firefly 3: Kurumsal lisanslama, telif güvenliği
• Flux: Hız ve kalite dengesi
• Ideogram 2.0: Metin render’da lider

Video Üretimi: Sora ve Rakipleri

OpenAI’ın Sora modeli 2025’te sınırlı erişime açıldı. Metinden video üretimi artık gerçek:

• Sora (OpenAI): 60 saniyeye kadar, sinematik kalite
• Runway Gen-3: Motion brush, stil transferi
• Pika Labs: Hızlı iterasyon, sosyal medya odaklı
• Google Veo: YouTube entegrasyonu
• Kling (Çin): Uzun video, yüksek tutarlılık

Agentic AI: Yeni Savaş Alanı

2025’in ikinci yarısında “agent” kavramı patladı. Artık AI sadece cevap vermiyor, iş yapıyor:

• Google Antigravity: Gemini 3 tabanlı agentic IDE, Cursor’a rakip
• OpenAI Operator: Web üzerinde görev tamamlayan agent
• Anthropic Computer Use: Bilgisayarı kontrol eden Claude
• Microsoft Copilot Studio: Kurumsal agent builder

Bizim Pozisyonumuz: Dev Değiliz Ama Hızlıyız

Bu devlerle aynı kaynakları mı harcıyoruz? Tabii ki hayır. Ama avantajlarımız var:

2025’te Gördüğümüz Trendler

1. Multimodal Her Yerde: Artık tek modda (sadece metin veya sadece görsel) çalışan model “eski” sayılıyor.
2. Agent’lar Yükseliyor: Chatbot döneminden otonom agent dönemine geçiş başladı.
3. Açık Kaynak Güçleniyor: Meta’nın Llama hamlesi, açık kaynak topluluğunu canlandırdı.
4. Çin Faktörü: DeepSeek gibi şirketler maliyet/performans dengesinde ciddi rakip.
5. Edge AI: Bulut yerine cihaz üzerinde çalışan modeller yaygınlaşıyor.
6. Regülasyon Geliyor: AB AI Act, ABD düzenlemeleri – “vahşi batı” dönemi bitiyor.

2025’te Gerçekleşenler ve 2026 Yol Haritası

• GPT-5 / O3 Serisi: OpenAI reasoning odaklı modelleriyle çıtayı yükseltti – biz DSGMv2 ile aynı problemleri farklı yaklaşımla çözüyoruz.
• Gemini 2.0 Ultra: Google’ın multimodal hamlesi geldi, 1M+ context artık standart.
• Robotik + AI Patlaması: Figure 02, Tesla Optimus Gen 2 – fiziksel dünyaya geçiş başladı, 2026’da yaygınlaşacak.
• Frontier Model Yarışı: Asıl fark uygulama katmanında.

25. 2026 Vizyonu

Q1-Q2 2026

• NeuroCausal RAG v6.0: Multimodal nedensellik (görsel + metin)
• DSGMv2 Açık Kaynak: Global toplulukla paylaşım
• E-fotom Pro Launch: Tam ticari lansmanı

2026 Tam Yıl

• Agent Marketplace: Özelleştirilmiş AI agent satışı
• Enterprise NeuroCausal: Fortune 500 için özel çözümler
• Türkçe LLM: DSGMv2 tabanlı genel amaçlı model

Sonuç: Kahve Hâlâ Soğuyor, Projeler Hâlâ Sıcak

Bu yazıyı yazarken arkada yine bir şeyler derleniyor. Alihan “Abi yeni MCP server hazır” diyor, Enes grafikleri güncelliyor, Mehmet bir bug’ı kovalıyor…

Normal bir gün yani.

2025’i özetlemem gerekirse: Çok çalıştık, çok öğrendik, bazen hayal kırıklığına uğradık, çoğu zaman şaşırdık. Özellikle büyük şirketlerin bizim yaptığımız şeyleri 1-2 hafta sonra duyurmasına şaşırdık. Artık ofiste şaka yapıyoruz – “Hadi bakalım, bu projemizi hangi unicorn satın alacak?” diye.

Peki Nasıl Oluyor Bu?

Dürüst olmak gerekirse: Çok çalışmak + doğru soruları sormak + biraz da şans.

Silicon Valley’deki gibi milyonlarca dolar bütçemiz yok. Ama avantajımız da bu – her kuruşu düşünerek harcıyoruz, her satır kodu sorguluyor, gereksiz şeylere vakit ayırmıyoruz. Onlar 100 kişiyle 6 ayda yapıyor, biz 5 kişiyle 2 ayda yapıyoruz. Kalite aynı mı? Bazen daha iyi bile.

Bir İtiraf

Bu iş zor. Gece 3’te “Bu niye çalışmıyor ya?” diye bağırmak, haftalarca bir bug’ı kovalamak, 187 test yazıp hepsinin geçmesini beklemek… Romantik bir şey yok bunlarda.

Ama sonra bir müşteri “Abi bu sistem hayatımı kurtardı” deyince, ya da yaptığın şeyin benzerini Google duyurunca (bir hafta sonra), o zaman değiyor.

Sırada Ne Var?

Detaylı planlarımız yukarıda “2026 Vizyonu” bölümünde. Kısaca: Multimodal RAG, açık kaynak DSGMv2, agent marketplace ve gerçek anlamda Türkçe anlayan bir LLM.

Bakalım hangisini başka biri bizden önce duyuracak – artık alıştık bu duruma.

Son Söz

“Türkiye yapay zekada geride” diyenlere söyleyecek çok şey var ama en iyisi iş yapmak. Konuşmak kolay, kod yazmak zor.

Biz kod yazıyoruz. Siz de yazın. Hep beraber güzel şeyler çıkar ortaya.

“İş dünyasında zaman altınsa, yapay zeka onun madencisidir.”

Biz o madenciyi yapmaya çalışıyoruz. Bazen kazma kırılıyor ama devam.

Sorularınız varsa yazın. Projeleriniz varsa paylaşın. Kahve içmek isterseniz Antalya’ya gelin – ama soğumadan için, biz fırsat bulamıyoruz.