Ketum

Kurum içi Türkçe LLM veri hazırlığı

Türkçe verinizi yapay zekâya hazırlıyoruz: sizin sunucunuzda, ölçerek.

Destek kayıtlarınızı, e-postalarınızı ve yazışmalarınızı temizliyor, içindeki kişisel verileri maskeliyor ve ne kadar başarılı olduğumuzu sayıyla raporluyoruz. Ham veriniz kurumunuzdan çıkmaz.

Tanışma görüşmesi isteyin Nasıl çalışır
Sentetik örnek · maskelenmiş çıktı

Merhaba, ben KİŞİ. Siparişim hâlâ gelmedi. Telefonum TELEFON, teslimat adresim ADRES. İade için IBAN numaram IBAN.

Saygılarımla,
KİŞİ

Kişi adı, telefon, e-posta, TCKN, IBAN, kart, adres, plaka

Sorun

Yapay zekâ projeleri modelde değil, veride takılıyor

Veri dağınık

Destek kayıtları, e-postalar, yazışmalar: HTML artıkları, imzalar, otomatik yanıtlar ve aynı konuşmanın onlarca kopyası.

İçinde kişisel veri var

Ad, telefon, adres, IBAN, TC kimlik numarası. Hukuk birimi haklı olarak “bu veri dışarı çıkmaz” diyor.

Zaman gidiyor

Mühendisler haftalarını temizliğe harcıyor; proje hukuk onayını beklerken duruyor.

GPU faturası çoğu zaman asıl maliyet değildir. Asıl maliyet, veriyi güvenle hazırlamak için geçen zamandır.

Türkçe neden ayrı bir iş

Aynı içerik Türkçede yaklaşık iki kat token tutuyor

Ekler yüzünden “İstanbul’da” gibi kelimeler birkaç parçaya bölünür. Eğitim süresi, maliyet ve modelin bir seferde okuyabildiği metin bu oranla değişir.

Ölçüm sentetik destek yazışmalarıyla, Qwen3-8B tokenizer’ı ile yapıldı. Sizin verinizdeki oranı pilot ölçer.

2,66 token / kelime
Türkçe, bizim ölçümümüz
~1,3 token / kelime
İngilizce, yaygın kabul

Ne yapıyoruz

Ham veriden eğitime hazır veriye beş adım

  1. 1

    Temizle

    HTML artığı, imza satırları, görünmez karakterler

  2. 2

    Süz

    Çok kısa, otomatik yanıt ve Türkçe olmayan kayıtlar

  3. 3

    Maskele

    Telefon, e-posta, IBAN, TCKN, kart, plaka, adres, kişi adı

  4. 4

    Tekilleştir

    Birebir ve yakın tekrarlar ayıklanır

  5. 5

    Ölç

    Kaçak oranı, token sayısı, maliyet, kabul tablosu

Her elenen kaydın nedeni yazılır. Aynı veri ve aynı ayarla çalıştırıldığında sonuç bire bir aynıdır.

Fark

“Temizledik” demiyoruz, ne kadar temizlediğimizi ölçüyoruz

Kaçak oranı, güven aralığıyla

Maskelenmiş kayıtlardan rastgele bir örneklem sizin ekibinizce incelenir. Gözden kaçan kişisel veri sayılır ve %95 güven üst sınırı hesaplanır.

Kanarya kayıtlar

Veriye içeriğini bildiğimiz sahte kişisel veriler eklenir. Kaçının yakalandığı otomatik sayılır.

Yöntem nasıl okunur, örnek

≤ %1,5

200 kayıt incelenip hiç kaçak bulunmazsa, gerçek kaçak oranı %95 güvenle en fazla %1,5’tir.

Gerçek sayı sizin verinizde, pilotta ölçülür.

Güvenlik

Ham veriniz sunucunuzdan hiç çıkmaz

Sizin makinenizde

Araç sizin sunucunuzda ya da dizüstünüzde çalışır. Bulut hesabı, API anahtarı ya da dış servis gerekmez.

İnternetsiz kurulum

Gerekli bileşenler paketin içinde gelir. Kapalı ağda kurulabilir, kurulum kendi kendini doğrular.

Bize gelen yalnızca özet

Sayılar, oranlar ve kabul tablosu. Örnek kayıtları sizin ekibiniz kendi ekranında inceler.

Aynı veri ve aynı ayarla iki farklı bilgisayarda (Linux ve Windows) çalıştırıldı; çıktı dosyalarının parmak izleri (SHA-256) bire bir aynı çıktı.

Pilot

10 iş günü, sizin verinizin bir dilimiyle

  1. Gün 1–2

    Kurulum ve ön inceleme

    Araç kurulur ve kendini doğrular. Veri okunur; alanlar ve sorunlar raporlanır.

  2. Gün 3–5

    Ayar turu

    İlk çalışma; ekibiniz bir örneklemi inceler. Kaçan adlar ve kalıplar ayara eklenir.

  3. Gün 6–8

    Kabul ölçümü

    Ayar dondurulur. Daha önce görülmemiş, ayrı bir örneklem incelenir ve ölçülür.

  4. Gün 9–10

    Rapor ve teslim

    Kabul tablosu, maliyet tahmini ve eğitime hazır veri teslim edilir.

Ayar için ve kabul için iki ayrı örneklem kullanılır; böylece sonuç “kendi sınavını kendi hazırlayan” bir ölçüm olmaz. Takvim, ekibinizin inceleme için ayırabildiği zamana bağlıdır.

Sonraki adım

Kendi verinizle bir yapay zekâ projesi mi planlıyorsunuz?

  1. 1

    30 dakikalık tanışma

    Hangi veri, hangi model, hangi engel

  2. 2

    Alan listesi

    Verinin içeriği değil, yalnızca sütun adları ve hacmi

  3. 3

    Pilot teklifi

    Kapsam, yazılı kabul kriterleri ve takvim

ketumveri@hotmail.com Kısa bir e-posta yeterli: sektörünüz ve hangi veriyle çalışmak istediğiniz.