Ne geliştiriyoruz

Startup'lar ve küçük-orta ölçekli şirketler için üretime hazır AI özellikleri geliştiriyoruz. Brief genellikle aynı: "Ürüne AI entegre etmek istiyoruz, ama görüştüğümüz tüm ajanslar bize aynı chatbot demosunu satmak istiyor." Biz bunu yapmıyoruz.

• Ürününüzün içinde aksiyon alan özel AI agentları — bir yan panele cıvatalanmış genel copilot'lar değil
• Sizin verinizle eğitilmiş RAG sistemleri: dokümanlar, ticket'lar, kod tabanları, knowledge base'ler, dahili wiki'ler
• Mevcut uygulamalara entegre LLM özellikleri: taslak oluşturma, özetleme, sınıflandırma, bilgi çıkarımı
• LLM'leri vitrin süsü olarak değil, gerçekten değer kattığı yerde kullanan workflow otomasyonu
• Veriler perimeterinizden çıkamadığında kendi altyapınızda private LLM deployment'ları

Hype değil, mühendisler tarafından geliştirildi

AI özelliklerini demo etmek kolay, yayına almak zordur. Zor kısımlar — değerlendirme harness'ları, retrieval kalitesi, token bütçeleri, fallback yolları, observability, maliyet kontrolü — şık bir demo ile ödeme yapan müşterilerin önüne koyabileceğiniz bir şey arasındaki farkı yaratır.

Biz tam da bu kısımlara odaklanıyoruz. Sonuç, üretimde ayakta kalan AI entegrasyonları — lansman duyurusundan sonra sessizce rafa kaldırılan pilot projeler değil.

• Hazır wrapper yok — her agent ve pipeline sizin verinize ve ürününüze göre inşa edilir
• Gerçek mühendislik disiplini: testler, evaller, monitoring, retry'lar, graceful degradation
• LLM'lerin yapamadıkları konusunda dürüst — bir problem AI olmadan daha iyi çözülüyorsa size bunu söyleriz
• PoC'den üretime: çoğu AI projesi demo aşamasında ölür, bizimkiler ölmez

Stack ve Tooling

Modelden bağımsız çalışıyoruz ve iş için doğru aracı seçiyoruz. Çoğu proje için bu, net bir migration path'e sahip bir frontier model anlamına gelir (OpenAI GPT, Anthropic Claude, Google Gemini); hassas veriler için ise genellikle VPC'nizde çalışan açık kaynak modeller (Llama, Mistral, Qwen).

Modeller: OpenAI, Anthropic Claude, Google Gemini ve Ollama, vLLM veya Hugging Face üzerinden açık kaynak. Framework'ler: LangChain, LlamaIndex; framework'ler ayak bağı olduğunda bolca düz Python. Vektör ve retrieval: Pinecone, Weaviate, Qdrant, pgvector, reranking ile hybrid search. Eval ve observability: LangSmith, Langfuse, özel eval harness'ları. Altyapı: AWS, Hetzner, Docker — verileriniz nerede yaşıyorsa orada.

Verileriniz sizinle kalır

Varsayılan olarak GDPR uyumlu — AB veri ikametgâhına sahip bir AB şirketiyiz ve verilerinizi açık ve sözleşmeyle belirlenmiş bir neden olmadan üçüncü taraflara göndermeyiz. Hassas iş yükleri için altyapınızda private LLM'ler deploy ederiz; böylece prompt'lar ve embedding'ler ağınızdan asla çıkmaz.

Bu yelpazede nerede konumlanacağınız sizin kararınız: hız önemli olduğunda managed API sağlayıcıları, egemenlik önemli olduğunda private deployment. Bu kararı, FUD'a değil, gerçek verinize, gerçek kullanıcılarınıza ve gerçek regülasyon riskinize göre vermenizde yardımcı oluruz.

• AWS, Hetzner veya on-prem altyapınızda private LLM deployment
• Private deployment gereğinden fazlaysa API sağlayıcılarıyla zero-retention konfigürasyonları
• İmzalanmış DPA'lar, AB veri ikametgâhı, verileriniz üzerinde eğitim yok
• Veri koruma sorumlunuzun ve müşterilerinizin neyin nereye gittiğini bilebilmesi için net veri akış diyagramları

Nasıl çalışıyoruz

Diğer çalışmalarımızdaki modelin aynısı: küçük, kıdemli bir ekip, junior yok, kodu yazan mühendislere doğrudan erişim. AI projelerinde genellikle dar kapsamlı bir PoC ile başlarız — yaklaşımın gerçek verinizde işe yaradığını kanıtlamak için iki ila dört hafta — ardından üretim build'inin kapsamını oradan belirleriz.

Ücretsiz bir teknik değerlendirmeyle başlayın: ne inşa etmeye çalıştığınızı anlatın, verileriniz hakkında paylaşabildiğinizi paylaşın; AI'ın doğru çözüm olup olmadığı, hangi yaklaşımı tercih edeceğimiz, kaba bir zaman çizelgesi ve risklerin nerede olduğu hakkında 24 saat içinde yazılı bir yanıt gönderelim. Satış görüşmesine gerek yok.