Yapay zekâ, makinelerin görme, dil, karar verme ve öğrenme gibi normalde insan zekâsı gerektiren işleri yapmasını sağlayan yöntemlerin genel adıdır. Bugün kurumlarda en çok makine öğrenmesi, derin öğrenme ve büyük dil modelleri (LLM) biçiminde kullanılıyor.
Bu alandaki çalışmalar
Abdulaziz Akyol, 2021'den bu yana CX Teknoloji'de yapay zekâyı sahada, gerçek kameralar ve üretim hatları üzerinde çalıştırıyor. Yazılarında modeli laboratuvardan sahaya taşımanın, doğruluğu ölçmenin ve yapay zekâyı kurumsal BT yönetişimiyle birleştirmenin pratik yanlarını anlatıyor.
- Sahada %96'ya varan doğrulukla çalışan görüntü analitiği modelleri (CX Teknoloji)
- Model drift, yeniden eğitim ve veri seti disiplini üzerine saha notları
- Kurumsal RAG, yapay zekâ ajanları ve MCP mimarisi
- AB Yapay Zekâ Yasası ve KVKK ile uyumlu yapay zekâ projeleri
Sık sorulan sorular (3)
Şirketler yapay zekâya nereden başlamalı?
Ölçülebilir bir iş sorunuyla ve verisi hazır tek bir kullanım senaryosuyla. Değer × uygulanabilirlik matrisiyle seçilen, 90 gün içinde üretime alınabilecek bir proje; büyük platform yatırımlarından önce organizasyona öğrenme ve güven kazandırır.
Yapay zekâ projeleri neden sahada başarısız olur?
Çoğu zaman model değil veri ve ortam yüzünden: laboratuvardaki veri sahadaki ışığı, açıyı ve değişkenliği temsil etmez; doğruluk sahada ölçülmez; model zamanla veriden uzaklaşır (drift). Saha kalibrasyonu ve sürekli ölçüm bu farkı kapatır.
Abdulaziz Akyol yapay zekâ alanında ne yapıyor?
Kurucusu olduğu CX Teknoloji'de mevcut IP kameraları gerçek zamanlı karar veren sistemlere dönüştüren görüntü işleme ve IoT çözümleri geliştiriyor; perakende, iş güvenliği, üretim ve lojistik alanlarında beş kategoride 23 hazır çözüm sunuyor.
- Eski ERP ve legacy sistemlere yapay zekâ bağlamak: sistemi değiştirmeden entegrasyon desenleriYazılım geliştirmeYapay zekâ için ERP'yi yenilemek gerekmez. Eski sistemlere dokunmadan veri ambarı, API katmanı, olay akışı ve insan onaylı yazma desenleri.
- Gölge yapay zekâ (shadow AI): çalışanlarınız zaten kullanıyor, CIO ne yapmalı?LiderlikÇalışanların izinsiz kullandığı yapay zekâ araçlarını yasaklamak işe yaramaz. Gölge yapay zekâyı görünür kılma, güvenli alternatif ve kısa politika rehberi.
- GPU altyapısı: bulutta kiralamak mı, kendi sunucunu almak mı? CIO için karar yöntemiYazılım geliştirmeYapay zekâ için GPU bulutta mı kiralanmalı, satın mı alınmalı? Kullanım oranı, veri konumu, gecikme ve toplam sahip olma maliyetiyle karar yöntemi.
- ISO/IEC 42001 yapay zekâ yönetim sistemi: CIO için ne anlama geliyor, nereden başlanır?LiderlikISO/IEC 42001, yapay zekâ için ilk sertifikalanabilir yönetim sistemi standardı. ISO 27001 olan bir şirkette CIO için kapsam, ilk adımlar ve sık hatalar.
- LLM güvenliği: prompt injection ve veri sızıntısına karşı CIO ve CISO için kontrol listesiYapay zekâBüyük dil modelleri yeni bir saldırı yüzeyi açıyor. Prompt injection, veri sızıntısı ve aşırı yetkili ajanlara karşı CIO ve CISO için mimari kontrol listesi.
- Yapay zekâ çağında BT organizasyonu: hangi roller gerekiyor, ekip nasıl dönüştürülür?LiderlikYapay zekâ projeleri için BT ekibinde hangi roller gerekir, hangileri dışarıdan alınır? Ürün sahibi, veri mühendisi, MLOps ve CIO için dönüşüm planı.
- Yapay zekâ tedarikçi sözleşmesi: veri sahipliği, model eğitimi, performans ve çıkış maddeleriLiderlikYapay zekâ hizmeti alırken sözleşmede neler olmalı? Veri sahipliği, model eğitimi, ölçülebilir performans, model değişikliği ve çıkış maddeleri.
- Yönetim kuruluna yapay zekâ yatırımı nasıl anlatılır: ROI tablosu yerine karar diliLiderlikYapay zekâ bütçesini yönetim kurulunda savunmak için iyimser ROI tablosu yetmez. Problem, ölçüm, aşamalı yatırım ve risk diliyle kurulan sunum yapısı.
- Görüntü İşleme Firması Nasıl Seçilir? Kriterler ve 14 SoruYapay zekâGörüntü işleme firması seçerken neye bakılır? Sahada ölçülmüş doğruluk, yazılı pilot ölçütü, veri güvenliği, entegrasyon, destek ve teklifte sorulacak 14 soru.
- Yapay Zekâ Kamera Fiyatları Neye Bağlı? Maliyet KalemleriYapay zekâYapay zekâ kamera fiyatları neye göre değişir? Kamera, senaryo, sunucu, lisans, kurulum ve gizli kalemler; plaka tanıma maliyeti ve teklif için hazırlanacaklar.
- AB Yapay Zekâ Yasası (EU AI Act): Türk şirketleri için pratik uyum rehberiYapay zekâAB Yapay Zekâ Yasası Türk şirketlerine ne zaman uygulanır? Risk sınıfları, GPAI, Digital Omnibus sonrası takvim, görüntü analitiği ve uyum kontrol listesi.
- CIO'lar için yapay zekâ yol haritası: 90 günde ilk üretim projesiLiderlikCIO'lar için 90 günde ilk yapay zekâ üretim projesi: senaryo seçme matrisi, veri hazırlığı, yap-al kararı, 30-60-90 gün planı, metrikler, yönetişim ve bütçe.
- Edge AI'da model hızlandırma: ONNX, TensorRT ve INT8 quantizationYapay zekâPyTorch modelini ONNX'e aktarıp ONNX Runtime ve TensorRT ile hızlandırmak: FP16, INT8 kalibrasyonu, doğruluk kaybı ve p50/p95 gecikme ölçümü, kodlarıyla.
- Kurumsal RAG: şirket dokümanlarıyla konuşan yapay zekâ asistanı nasıl kurulurYapay zekâŞirket dokümanlarından kaynak göstererek yanıt veren RAG asistanı kurmak: ayrıştırma, parçalama, embedding, pgvector, hibrit arama, belge yetkisi ve KVKK.
- Yapay zekâ ajanları ve MCP: şirketler için mimari, güvenlik ve ilk projeYapay zekâYapay zekâ ajanı ve MCP nedir, ERP ve CRM'e nasıl güvenle bağlanır? Mimari, en az yetki, istem enjeksiyonu, insan onayı, denetim kaydı ve ilk proje seçimi.
- Mevcut kameralarla görüntü analitiği: RTSP akışından olaya giden zincirGörüntü işlemeMevcut IP kameralarla gerçek zamanlı analitik: RTSP akışı, GPU'da kare çözme, tespit ve takip, kural motoru ve olay çıkışından oluşan beş halkalık zincir.
- Kişi sayma doğruluğunu %96'ya çıkarmak: saha kalibrasyonu notlarıGörüntü işlemeLaboratuvarda %99 çıkan model sahada %85'e düşer. Farkı kapatan kamera açısı, sayım çizgisi, gece verisi ve ölçüm yöntemi: %96,2'ye giderken tutulan notlar.
- Ajan Tabanlı Yapay Zekâ: Uyarı Vermekten Karar AlmayaYapay zekâAgentic AI fabrikada ne yapar? Uyarı üreten sistemden, kural zinciri kurup aksiyon tetikleyen otonom ajanlara geçiş.
- AB Yapay Zekâ Yasası (AI Act): Fabrikada Kamera AnalitiğiYapay zekâAI Act Türkiye'deki fabrikayı kapsar mı? Risk sınıfları, iş yerinde duygu tanıma yasağı, İSG kamera analitiği, KVKK ve hazırlanacak uyum belgeleri.
- IoT ve kamera analitiğini birleştirmek: MQTT ve olay tabanlı mimariIoTKamera en zengin sensördür. PLC, kapı kontağı ve sıcaklık sensörüyle aynı olay hattına bağlanınca yeni bilgi çıkar: olay şeması, MQTT konu yapısı ve dersler.
- Veri Yönetişimi: Analitik Verisi Kimin, Nerede, Ne Kadar Süre?Yapay zekâGörüntü analitiğinde veri yönetişimi: saklama süreleri, erişim yetkileri, veri sahipliği ve denetim izi tasarımı.
- İnsan ve Yapay Zekâ İş Birliği: Operatörün Yerini Almak Değil, Gözünü BüyütmekYapay zekâEndüstriyel yapay zekâda insan-makine iş birliği: karar destek tasarımı, otomasyon güveni ve sahiplenme kültürü.
- Tespit modellerini sahada ayakta tutmak: drift, yeniden eğitim ve veri seti disipliniYapay zekâModel eğitmek işin kısa kısmı; zor olan, 40 lokasyondaki modeli mevsim, ışık ve yerleşim değişirken doğru tutmak. Drift izleme, veri seti ve sürüm disiplini.