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.
Türkçe, bizim ölçümümüz
İngilizce, yaygın kabul
Ne yapıyoruz
Ham veriden eğitime hazır veriye beş adım
-
1
Temizle
HTML artığı, imza satırları, görünmez karakterler
-
2
Süz
Çok kısa, otomatik yanıt ve Türkçe olmayan kayıtlar
-
3
Maskele
Telefon, e-posta, IBAN, TCKN, kart, plaka, adres, kişi adı
-
4
Tekilleştir
Birebir ve yakın tekrarlar ayıklanır
-
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
≤ %1,5200 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
-
Gün 1–2
Kurulum ve ön inceleme
Araç kurulur ve kendini doğrular. Veri okunur; alanlar ve sorunlar raporlanır.
-
Gün 3–5
Ayar turu
İlk çalışma; ekibiniz bir örneklemi inceler. Kaçan adlar ve kalıplar ayara eklenir.
-
Gün 6–8
Kabul ölçümü
Ayar dondurulur. Daha önce görülmemiş, ayrı bir örneklem incelenir ve ölçülür.
-
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
30 dakikalık tanışma
Hangi veri, hangi model, hangi engel
-
2
Alan listesi
Verinin içeriği değil, yalnızca sütun adları ve hacmi
-
3
Pilot teklifi
Kapsam, yazılı kabul kriterleri ve takvim