Rehber

RAG Nedir? Şirket Belgelerinden Yanıt Veren Yapay Zeka

Bir yapay zeka modelinin şirketinizin belgelerinden nasıl yanıt verdiği ve bu yöntemin hangi durumlarda yetersiz kaldığı.

2026-11-105 dk okuma

RAG (Retrieval-Augmented Generation, Türkçesiyle erişim destekli üretim), bir yapay zeka dil modelinin soruları şirketinizin kendi belgelerinden yanıtlamasını sağlayan yöntemdir. Model yazmaya başlamadan önce bir arama adımı, soruyla ilgili metin bölümlerini bulur. Model yanıtı bu bölümlerden üretir ve onları kaynak olarak gösterir.

Bu sırada modelin kendisi değişmez. Kalıcı olarak bir şey öğrenmez, her soruda ilgili metni yeniden okur. Bu nedenle RAG; GPT, Claude veya açık ağırlıklı bir model gibi genel bir modeli tek bir şirketin bilgisiyle çalışır hâle getirmenin en yaygın yoludur.

RAG adım adım nasıl çalışır?

1. Belgeler bölünür ve indekslenir. El kitapları, yönergeler, sözleşmeler, wiki sayfaları ve PDF dosyaları çoğunlukla birkaç paragraflık kısa bölümlere ayrılır. Bir gömme (embedding) modeli her bölüm için o bölümün anlamını temsil eden bir sayı dizisi, yani bir vektör hesaplar. Bölümler ve vektörler bir indekste saklanır. Birçok sistem buna ek olarak klasik bir anahtar kelime indeksi de tutar, çünkü ürün kodu gibi kesin ifadeler bu yolla daha güvenilir bulunur.

2. Soru, ilgili bölümleri getirir. Bir kullanıcı soru sorduğunda soru da aynı yöntemle vektöre çevrilir. İndeks, anlamı soruya en yakın olan bölümleri döndürür. Bu genellikle birkaç bölümdür. Kelimelerin birebir aynı olması gerekmez: “Yurt dışından çalışma” diye sorulan soru, başlığı “Almanya dışında uzaktan çalışma” olan yönergeyi de bulur.

3. Model bu bölümlerden yanıt verir ve kaynağını gösterir. Soru ile bulunan bölümler, yalnızca bu metne dayanarak yanıt vermesi talimatıyla birlikte dil modeline iletilir. Yanıtta kullanılan bölümlere atıf yapılır. Okuyan kişi kaynağı açıp kontrol edebilir.

Uygun bir bölüm bulunamazsa iyi kurulmuş bir sistem bunu açıkça söyler, tahmin yürütmez.

RAG şirkette ne işe yarar?

RAG, yanıtın bir yerde yazılı olduğu ve çalışanların onu aramakla vakit kaybettiği her durumda işe yarar.

  • Şirket içi sorular. İzin kuralları, seyahat masrafları, BT talimatları, işe uyum süreci. Çalışanlar günlük dille sorar, yanıtı dayandığı sayfayla birlikte alır.
  • Destek ve servis. Ekip, tam arama terimini bilmeden kılavuzlardaki ve önceki çözümlerdeki doğru bölümü bulur.
  • Satış ve proje işleri. Ürün bilgileri, fiyat kuralları ve eski teklifler içeriğe göre aranabilir.
  • Teknik dokümantasyon. Çok sayıda dosyaya dağılmış bakım talimatları, standartlar ve şartnameler.

Şirket bilgisi için geliştirdiğimiz yapay zeka ajanı Aven bu prensiple çalışır: Ekibin kaydettiği bilgiden yanıt verir ve her yanıtta kaynağın bağlantısını gösterir.

RAG nerede yetersiz kalır?

Kalitesiz kaynak belgeler. RAG, belgelerde ne yazıyorsa onu aktarır. Bir yönergenin iki sürümü birbiriyle çelişiyorsa veya güncel kuralı yalnızca bir kişi biliyorsa yanıt yanlış olur ya da hiç çıkmaz. Metin tanıma uygulanmamış taranmış PDF dosyaları ve resim olarak kaydedilmiş tablolar ise hiç bulunamaz.

Eksik yetkilendirme. İndeks kimin neyi okuyabileceğini dikkate almıyorsa sistem içeriği yanlış kişilere gösterir ya da sistemi işe yaramayacak kadar kısıtlamak gerekir. Erişim yetkileri kaynak sistemlerden alınmalı ve daha arama adımında, model herhangi bir metni görmeden önce uygulanmalıdır.

Hesaplama gerektiren sorular. “Gelecek yıl kaç sözleşmenin süresi doluyor?” veya “Mart ayında ortalama sipariş tutarı neydi?” gibi sorular, bulunan beş metin bölümünden yanıtlanamaz. Bu sorular tüm veri üzerinde bir hesaplama, yani metin araması yerine bir veritabanı sorgusu gerektirir. İyi bir sistem bu soruları tanır ve uygun araca yönlendirir ya da yanıtlayamadığını söyler.

RAG mi, ince ayar (fine-tuning) mı?

Bu ikisi sık sık karıştırılır. İnce ayarda model örneklerle ek eğitimden geçirilir ve davranışı değişir. RAG yönteminde model olduğu gibi kalır, yalnızca okuyacağı metin ona verilir.

RAG İnce ayar
Ne değişir? Modelin her soruda okuduğu metin Modelin kendisi
Ne için uygundur? Bilgi: olgular, kurallar, belgeler Davranış: üslup, biçim, alan terimleri
Güncelleme Yeni belge indekslenir Model yeniden eğitilir
Kaynak Her yanıtta gösterilebilir Gösterilemez
Erişim yetkileri Kişi bazında uygulanabilir Uygulanamaz, bilgi modelin içindedir

Şirket bilgisi için doğru başlangıç RAG yöntemidir. İnce ayar, modelin farklı yazması veya farklı biçimlendirmesi gerektiğinde işe yarar. Modele bilgi eklemenin güvenilir bir yolu değildir. On-premise yapay zeka rehberimiz bu kararı daha ayrıntılı ele alıyor.

Başlamak için şirketin neye ihtiyacı var?

  • Net bir kullanım alanı. Şirket bilgisinin tamamı yerine tek bir ekip ve o ekibin her gün sorduğu sorular.
  • Bu alana ait belgeler. Güncel, okunabilir biçimde ve yeri belli.
  • İçerikten sorumlu bir kişi. Hangi sürümün geçerli olduğuna karar verir ve eksikleri tamamlar.
  • Verinin nerede işlenebileceğine dair bir karar. Veri işleme sözleşmesiyle AB'de barındırılan bir bulut modeli ya da, belgeler şirket dışına çıkmamalıysa, kendi sunucularınız. Bu kurulumu yerel LLM sayfamızda anlatıyoruz.
  • Yanıtı bilinen test soruları. Ekibin gerçek sorularından oluşan bir liste, aramanın doğru bölümleri bulup bulmadığını ve yapılan bir değişikliğin sistemi iyileştirip iyileştirmediğini gösterir.

Şirketlere özel RAG sistemleri kuruyoruz. Bir proje, gerçek veriler üzerinde iki ila dört haftalık bir kavram kanıtı çalışmasıyla başlar.

Sık sorulan sorular

RAG neyin kısaltmasıdır?

Retrieval-Augmented Generation ifadesinin kısaltmasıdır. “Retrieval” ilgili metin bölümlerinin aranıp getirilmesi, “generation” modelin yanıtı yazmasıdır. “Augmented” ise bulunan metnin modele verilen girdiye eklenmesi anlamına gelir.

RAG sistemi nedir?

Bir RAG sistemi üç parçadan oluşur: belgelerin indeksi, bu indekste yapılan arama ve yanıtı yazan dil modeli. Şirket ortamında bunlara kaynak sistemlerle bağlantı, erişim yetkileri ve kullanılan kaynakların kaydı da eklenir.

RAG, ChatGPT'ye dosya yüklemekle aynı şey mi?

Prensip benzerdir. Fark ölçekte ve kontroldedir: Bir şirket için kurulan RAG sistemi binlerce belgeyi indeksler, güncel tutar, erişim yetkilerini uygular ve bir yanıtta hangi kaynakların kullanıldığını kaydeder.

RAG kullanan bir yapay zeka yine de yanıt uydurur mu?

Çok daha seyrek uydurur, çünkü yanıtı hafızasından değil kendisine verilen metinden üretir. Yine de bir bölümü yanlış yorumlayabilir veya iki bölümü hatalı biçimde birleştirebilir. Yanıtlarda kaynak gösterilmesinin nedeni budur; önemli bilgileri kaynağından kontrol edebilirsiniz.

RAG bulut sağlayıcısı olmadan çalışır mı?

Evet. Gömme modeli, indeks ve dil modeli tümüyle kendi donanımınızda çalışabilir; böylece ne belgeler ne de sorular şirket ağının dışına çıkar.

Aklınızda bir proje mi var?

Yapay zeka proje sihirbazımıza ne geliştirdiğinizi anlatın; kapsam, yaklaşım, bütçe ve zaman çizelgesi hakkında dakikalar içinde dürüst bir değerlendirme alın — ücretsiz, satış görüşmesi yok.

Proje sihirbazını başlat