ConAI Compass Sayı 24

Hoş geldiniz.

ConAI Compass’ın 24. sayısında, yapay zekânın iş hayatında üç farklı ama aslında birbirini tamamlayan kullanım alanına odaklandık: anlamak, doğru kullanmak ve kontrolü elinde tutmak.

İlk olarak, çoğu profesyonelin aşina olduğu bir probleme baktık. Excel dosyaları genelde tüm cevabı içinde barındırır, ama o cevaba ulaşmak zaman alır. CSV Dashboard ile, ham veriyi hızlıca okunabilir ve yorumlanabilir hale getiren bir yaklaşımı paylaştık.

Teknoloji tarafında ise Anthropic’in yeni modeli Opus 4.7’yi kendi kullanım senaryolarımız üzerinden inceledik. Modelin daha güçlü hale gelirken aynı zamanda kullanıcıdan daha fazla netlik bekleyen bir yapıya evrildiğini gördük. Bu da AI kullanımında küçük ama önemli bir değişime işaret ediyor.

Son olarak, Ollama üzerinden tamamen lokal çalışan bir AI modelinin nasıl kurulabileceğini ele aldık. Verinin cihaz dışına çıkmadığı bu yapı, özellikle kontrol ve maliyet tarafında farklı bir alternatif sunuyor.

Bu üç başlık birlikte okunduğunda ortak bir yön ortaya çıkıyor: Yapay zekâ artık sadece cevap veren bir araç değil. Veriyi anlamlandıran, doğru kullanıldığında daha iyi sonuç veren ve gerektiğinde tamamen sizin kontrolünüzde çalışan bir sistem haline geliyor.

Keyifli okumalar.

Bu bülteni okuyan her yeni kişi, yapay zekâyı daha sağlıklı tartışan bir iş dünyasına küçük bir katkı demek.

Eğer siz de faydalı bulduysanız, aşağıdaki linki çevrenizle paylaşabilirsiniz.

Excel dosyaları genelde bir şey anlatır. Ama çoğu zaman ilk bakışta ne anlattığını çıkarmak kolay değildir. Satırlar uzar, kolonlar çoğalır, filtreler açılır, bir iki pivot denenir… Bir süre sonra dosyaya bakarsınız ama ne olup bittiğini anlayamazsınız.

Geçtiğimiz hafta okuyucumuz Nilüfer Hanım da bundan dert yandı: “Her ay operasyon ekibinden bir Excel geliyor. Açıyorum; 2.000 satır, 3.000 satır. Uzun uzun bakıyorum ama ne söylediğini anlamakta zorlanıyorum. Bazen direkt kapatıyorum. Şunu yükleyip ‘bu bana ne anlatıyor?’ diye sorabileceğim bir şey olsa her şeyi değiştirirdi.”

Aslında problem tanıdık. Veri var ama içgörüye ulaşmak zaman alıyor. Çünkü dosya size cevabı vermiyor, siz o cevabı çıkarmaya çalışıyorsunuz.

Biz de buradan yola çıkarak küçük bir araç yaptık.

CSV Dashboard’un mantığı basit. Excel ya da CSV dosyanızı yüklüyorsunuz, gerisini araç hallediyor. Önce veriyi inceliyor, sonra temizliyor ve ardından otomatik olarak bir dashboard oluşturuyor.

Ama mesele sadece grafik üretmek değil. Asıl değer, verinin ne söylediğini görünür hale getirmesinde.

Hangi metrik gerçekten önemli, trend nereye gidiyor, bir yerde bir anomali var mı… Bunlar siz sormadan ortaya çıkıyor.

Nilüfer Hanım’ın paylaştığı dosyada da benzer bir şey oldu. Genel tablo stabil görünüyordu ama detaylara inince belirli bir segmentte son iki ayda ciddi bir düşüş olduğu ortaya çıktı. Tabloya bakarken bunu yakalamak zor, ama karar verirken kaçırılmaması gereken bir sinyal.

Ücretsiz Deneyebilirsiniz

Eğer siz de Excel dosyalarına bakıp “Bu bana ne anlatıyor?” diye düşünüyorsanız:

👉 https://excel-to-dashboard.conais.com/

Anthropic yeni modeli Opus 4.7’yi kullanıma sunduğunu geçtiğimiz haftaiçi duyurdu. Biz de yeni modelin öne çıkan yönlerine sizler için göz attık, işte vibe check raporu:

Yeni Opus 4.7, önceki versiyona göre daha keskin bir model olmuş. Ancak aynı zamanda daha fazla netlik isteyen bir yapıya sahip. Ne yapacağını net bir şekilde anlatabilirseniz, şimdiye kadar gördüğümüz en güçlü kod üretim performansını sergiliyor, ancak ne istediğinizi açıkça söylemezseniz ilerlemek yerine beklemeyi tercih ediyor, inisiyatif almıyor.

ConAI ekibi olarak modeli kendi iş akışlarımızda test ettik. Bu testlerde en belirleyici değişken “spesifiklik” oldu. Detaylı bir brief ile model hem zor teknik görevleri başarıyla tamamladı hem de oldukça temiz ve doğrudan metinler üretti. Ancak yönlendirme zayıf olduğunda ya ek açıklama bekledi ya da hatalı varsayımlarla ilerledi.

Bu değişim bilinçli bir tercih gibi görünüyor. Önceki versiyon olan 4.6, kullanıcı adına ciddi miktarda “prompt tamamlama” yapıyordu. Opus 4.7 ile birlikte bu davranış geri çekilmiş. Model artık daha fazla açık talimat bekliyor ve bu yüzden olsa gerek, önceki versiyonlarda gayet verimli çalışan bazı prompt’larımız ilk denememizde zayıf sonuçlar verdi.

Aslında bu değişimi de biraz bekliyorduk çünkü Anthropic modellerinde son bir yıldır dikkatimizi çeken bir döngü var. Bir versiyon fazla proaktif davranırken, bir sonraki modelde bu davranış törpüleniyor ve yeni model daha kontrollü hale getiriliyor. Opus 4.7 de bu denge arayışının bir parçası olarak daha “geri çekilmiş” bir model gibi konumlanmış.

Anthropic, Opus 4.7’yi daha hassas, daha tutarlı ve kendi çıktısını daha iyi kontrol eden bir model olarak tasarlamış. Yaptığımız denemelerde, bu iddianın büyük ölçüde karşılık bulduğunu gördük. Ancak fark sadece teknik iyileştirmelerde değil, modelin çalışma biçiminde de belirgin.

Self-verification

Model, çıktısını vermeden önce kendi üretimini talimatla karşılaştırıyor. Bu sadece yüzeysel bir kontrol değil; özellikle çok adımlı işlerde planını gözden geçirip mantık hatalarını yakalayabiliyor. Daha önce kullanıcıların “çıktıyı tekrar kontrol ettir” gibi prompt’larla manuel olarak yaptığı bir pratik, artık modelin varsayılan davranışının parçası haline gelmiş durumda.

Uzun Süreli Görevler

Opus 4.7’nin en net fark yarattığı alanlardan biri uzun süreli işler. Saatler sürebilecek görevlerde bağlamı koruma ve işi sürdürebilme performansı belirgin şekilde artmış. Önceki versiyonlarda başlayan ama yarım kalan iş akışlarının, bu modelde daha tutarlı şekilde tamamlandığını gördük. Bu da özellikle arka planda çalışan, kesintisiz iş senaryolarını daha gerçekçi hale getiriyor.

Benchmark Performansı

Modelin teknik performansı da bu davranış değişimini destekliyor. Özellikle yazılım geliştirme benchmark’larında ciddi artışlar var. Zor görevlerde başarı oranlarının yükseldiği, daha fazla üretim senaryosunun çözülebildiği görülüyor. Bu da modelin yalnızca daha “dikkatli” değil, aynı zamanda daha yetkin olduğunu gösteriyor.

Görsel Anlama

Görsel işleme tarafında yapılan iyileştirme, pratik kullanımda fark yaratıyor. Model daha yüksek çözünürlükte görselleri işleyebiliyor ve özellikle arayüz, layout ve küçük tasarım hatalarında önceki modellere göre daha hassas davranıyor. Bu, front-end ve ürün tarafında çalışan ekipler için doğrudan bir kullanım avantajı yaratıyor.

Yeni “Effort” Seviyesi

Eklenen “extra high” çalışma seviyesi, modelin nasıl kullanılacağını daha esnek hale getiriyor. Daha derin analiz ve uzun süreli görevler için bu seviye önerilirken, hızlı iterasyon gereken işlerde daha düşük seviyeler tercih edilebiliyor. Bu da modeli tek bir kullanım modundan çıkarıp, farklı iş tiplerine uyum sağlayabilen bir araca dönüştürüyor.

Sunum ve İçerik Üretimi

Modelin içerik üretiminde, özellikle sunum tarafında belirgin bir iyileşme var. Daha tutarlı, daha düzenli ve görsel olarak daha dengeli çıktılar üretebiliyor. Bunun arkasında hem dil tarafındaki netleşme hem de görsel anlama kapasitesindeki artış birlikte çalışıyor.

Opus 4.7, ilk kullanımda çok çarpıcı görünmeyebilir. Daha az konuşan, daha az genişleyen ve daha kontrollü bir model hissi veriyor. Ancak üzerine gidildikçe ve doğru şekilde yönlendirildiğinde daha derin ve kaliteli çıktılar ürettiği ortaya çıkıyor.

Bununla birlikte modelin daha literal yapısı bazı alışkanlıkları değiştiriyor. Önceki versiyonlarda çalışan prompt’ların birebir aynı şekilde kullanılmasının her zaman iyi sonuç vermediğini gördük. Bu da kullanıcı tarafında bir adaptasyon gerektiriyor.

Bazı kullanım senaryolarında modelin daha temkinli davranması avantaj sağlarken, bazı durumlarda önceki versiyonun “inisiyatif alan” yapısı daha faydalı olabilir.

AI tool’lar ile ilgili akla gelen en önemli dezavantaj kişisel kullanımın bulut servisleri üzerinden yapılmak istenmemesi. Bazılarımız kişisel sırlarını bile chatbot ile paylaşmaya eğilimli ancak bu verilerin birtakım şirketler tarafından kullanıldığını hayal etmek pek de hoş birşey değil.

Çoğu AI aracı bulutta çalışır. Bir şey yazarsınız, veri bir sunucuya gider, model orada çalışır ve sonuç geri gelir. Bu yapı pratik, hatta bu tip araçların yayılabilmesi ve kullanıcı dostu olabilmesi için zorunlu bile ancak kullanım tercihleri açısından her zaman ideal değil. Özellikle hassas veriyle çalışırken ya da daha kontrollü bir ortam istediğinizde, modelin tamamen sizin bilgisayarınızda çalışmasını istiyor olabilirsiniz.

Bu haftaki rehberde, Ollama kullanarak herhangi bir abonelik olmadan, veri dışarı çıkmadan, doğrudan kendi bilgisayarınızda bir AI modeli nasıl çalıştırabileceğinizi gösteriyoruz.

Bu yöntem özellikle şu durumlarda işe yarar:

Kurulum oldukça basit.

Önce Ollama’yı indirmeniz gerekiyor:

👉 https://ollama.com/download

Mac, Windows ve Linux için uygun versiyonu indirip kurun. Kurulum tamamlandıktan sonra uygulamayı bir kez açmanız yeterli.

Uygulamayı açtıktan sonra “New Chat” bölümüne girin.

İlk kullanım için hafif bir model seçmek önemli. Örneğin:

gemma3 (~3GB)
8GB RAM’e sahip çoğu laptopta rahat çalışır

Modeli seçtiğinizde otomatik olarak indirilmeye başlar. İşlem internet bağlantınıza göre birkaç dakika sürebilir.

Model indirildikten sonra herhangi bir prompt yazıp Enter’a basmanız yeterli.

Bu noktada aslında şunu yapmış oluyorsunuz:
Gerçek bir AI modeli, tamamen sizin bilgisayarınızda çalışıyor.

Ne API var, ne abonelik, ne de dış veri akışı.

En iyi test: interneti kapatmak.

Uçuş moduna geçin ve tekrar bir prompt yazın. Model hâlâ çalışıyorsa, her şey doğru kurulmuş demektir.

Ollama sadece chat için değil, başka görevlere de koşar. İsterseniz:

Böylece modeliniz basit bir chat bot olmaktan çıkıp, kendi AI altyapınızı kurabileceğiniz bir platforma dönüşür.

💡 İpucu

Başlangıçta küçük modellerle başlayın. Daha büyük modeller daha iyi sonuç verir ama ciddi RAM ve işlem gücü ister. Kullanım alışkanlığı oturduktan sonra kademeli olarak daha güçlü modellere geçmek daha sağlıklı olur.

Daha profesyonel ve şirketinize özelleştirilmiş yapılara ihtiyaç duyuyorsanız [email protected] üzerinden bizimle iletişime geçebilirsiniz.

Bu hafta da ConAI Compass’ın sonuna geldik. Yapay zekânın kurumlara, profesyonellere ve sürdürülebilirlik hedeflerine nasıl somut değer kattığını birlikte inceledik.

ConAIs olarak, teknolojiyi sadece bir araç değil, stratejik büyümenin ve dönüşümün katalizörü olarak görüyoruz. Eğer kurumunuzda yapay zekâyı yapılandırmak, iş süreçlerinize entegre etmek veya sürdürülebilirlik hedeflerinizle uyumlu hale getirmek istiyorsanız, aşağıdaki alanlarda size destek olabiliriz:

🔹 AI Stratejisi ve Dönüşüm Danışmanlığı – İş birimlerine özel yapay zekâ yol haritaları, veri altyapısı planlaması ve pilot uygulama tasarımı.

🔹 AI Uygulamaları ve Otomasyon Geliştirme – Üretken yapay zekâ destekli iç süreç otomasyonları, müşteri etkileşim sistemleri ve karar destek araçları.

🔹 Sürdürülebilirlik ve AI Çözümleri – Scope 3 veri takibi, enerji verimliliği analitiği ve karbon azaltım stratejilerini destekleyen yapay zekâ modelleri.

🔹 Eğitim ve Kapasite Geliştirme – Kurum içi ekiplerin yapay zekâyı etkin kullanması için atölye, uygulamalı eğitim ve yöneticiye özel oryantasyon programları.

ConAIs ile tanışın; birlikte daha akıllı, daha sürdürülebilir ve daha verimli bir gelecek inşa edelim.