İstanbul'daki Erkan Ulu Okulları'nda kullanılan iki sistem ve App Store'da yayında olan üç uygulama.
Özel Beşiktaş Erkan Ulu Ortaokulu'nun yapay zekâ destekli ödev platformu. Öğrenciler el yazısı ödevlerinin fotoğrafını yükler; her soru öğretmenin cevap anahtarına göre doğru, yanlış ya da kısmen doğru olarak işaretlenir ve açıklanır.
Çoktan seçmeli cevap kâğıtlarını telefon fotoğraflarından ve taramalardan okur. Bir YOLO modeli cevap satırlarını bulur; vLLM ile çalışan, özel olarak eğitilmiş açık kaynaklı bir görsel-dil modeli işaretlenen şıkkı okur.
MUST: See, Eat, Visitİstanbul, Miami ve New York için şehir rehberi. Yapay zekâ asistanı, 1.800'den fazla seçilmiş mekândan oluşan kendi veritabanına dayanarak cevap verir ve cevapları kaydedilebilir gezi planlarına dönüştürür.
1in46: AI Dream InterpreterSesle tutulan bir rüya günlüğü. Rüyaları yaklaşık 6.300 pasajlık klasik rüya literatürü üzerinde RAG ile yorumlar.
Mawla: Quran, Prayer TimesNamaz vakitleri, Kur'an ve kıble bulucunun yanında, günlük dinî sorulara kaynak göstererek cevap veren sesli bir asistan sunar.
Kurumsal bir yapay zekâ asistanı cevabını modelin genel bilgisinden değil, sizin belgelerinizden ve kayıtlarınızdan almalıdır. Bunun yöntemi RAG'dir: soru gelince önce ilgili pasajlar bulunur, model cevabını bu pasajlara dayanarak yazar ve kaynağını gösterebilir. MUST, 1in46 ve Mawla'daki asistanlar da tanımlı kaynaklardan cevap verir.
Cevap belgelerinizde duruyorsa, belgeler zamanla değişiyorsa ve cevabın kaynağı gösterilmeliyse. Örnek: 1in46, yaklaşık 6.300 pasajlık arşivinden seçtiği pasajlara dayanarak yorum yapar.
Görev dar ve ölçülebilirse ve hazır model yeterli doğruluğa ulaşmıyorsa. Örnek: Otocropper'ın taranmış sayfalarda soru bölgelerini bulan modeli. Ayrıntılar: model eğitimi ve ince ayar.
Ajan, bir işi adımlara bölen bir yapay zekâ sistemidir: sabit işleri araçlar yapar, yorum gerektiren kararı model verir, neyin kaydedileceğine kontroller karar verir. Böylece daha az hata fark edilmeden geçer. Optik form okuma ajanı dört adımda çalışır:
YOLO modeli fotoğraftaki her cevap satırını bulur ve kırpar; eğik, gölgeli ya da kırışık kâğıtlarda da.
Görsel-dil modeli, yarısı silinmiş işaretler ve düzeltmeler dahil, öğrencinin hangi şıkkı kastettiğini okur.
Her okumanın bir güven puanı vardır. Düşük puanlı satır farklı bir istemle yeniden okunur; sonuç kâğıdın düzenine göre doğrulanır.
Hâlâ emin olunamayan kâğıt tahmin edilmez, öğretmenin inceleme kuyruğuna gider. Kontrolden geçen sonuçlar portala kaydedilir.
Aynı ilke ödev platformunda da geçerlidir: öğretmen yapay zekânın kararlarını panelden inceler ve gerekirse değiştirir.
Yapay zekâ her iş için doğru araç değildir. Bir şey geliştirmeden önce, bir modelin işi sizin verinizde güvenilir biçimde yapıp yapamayacağını ölçerek söyleriz.
Sistemin göreceği belge, fotoğraf ya da kayıtlar kötü örnekler dahil toplanır: zayıf ışık, eğik sayfa, rastgele işaretler.
Modelin eğitiminde hiç kullanılmayan bir test verisi ayrılır. Otocropper, eğitimde kullanılmamış 238 sayfalık bir kitapla ölçüldü.
Neyin bir istemle, neyin belge aramasıyla, neyin eğitilmiş bir modelle ya da basit kurallarla çözüleceği ve riskler yazıya geçer. Planı biz hayata geçirebiliriz; kendi ekibiniz ya da başka bir firma da uygulayabilir.
Değerlendirmenin fiyatı, 15 dakikalık ücretsiz ön görüşmeden sonra neyin inceleneceğine göre belirlenir. Ayrıntılar fiyatlandırma sayfasında.
Cevap projenin mimarisine bağlıdır. Yayındaki iki örnek:
Web uygulaması Vercel'de, API ve arka plan işleyicisi Render'da çalışır; veriler Supabase Postgres veritabanında tutulur. Yapay zekâ özellikleri Gemini ve Claude modelleriyle çalışır.
Model, OCR ve Python uygulamanın içindedir. Otocropper öğretmenin Mac'inde internet bağlantısı olmadan çalışır; verinin buluta çıkmaması gereken işlerde bu yol seçilebilir.
Sistem kontrol edilecek şekilde kurulur. Optik form okuma ajanı emin olamadığı kâğıtları öğretmenin inceleme kuyruğuna gönderir; ödev platformunda öğretmenin kararı her zaman geçerlidir.
İşe göre seçeriz. Ödev platformunda Gemini ve Claude, MUST ve 1in46'da Claude, optik form okumada özel olarak eğitilmiş açık kaynaklı bir görsel-dil modeli, Otocropper'da ince ayar yapılmış bir RT-DETRv2 modeli çalışır.
Süre kapsama bağlıdır ve yazılı teklifte kilometre taşlarıyla birlikte yer alır. Örnek: Dijital Yanlış Defteri'nin geliştirilmesi Mart 2026'da başladı, ilk öğrenciler platformu Mayıs 2026'da kullandı.
Fiyat listesi yoktur. Maliyet, işin bir istemle mi, belge aramasıyla mı, yoksa eğitilmiş bir modelle mi çözüleceğine bağlıdır. Ön görüşmeden sonra yazılı kapsam ve tek bir sabit fiyat alırsınız. Modelleri çalıştırmanın maliyeti RAG maliyeti ve LoRA ince ayar maliyeti yazılarında hesaplanıyor (İngilizce).
İşin birkaç gerçek örneğini ve doğru sonucun neye benzediğini gönderin. Bir istemin mi, belge aramasının mı, yoksa eğitilmiş bir modelin mi gerektiğini anlamak için bu yeterlidir.
Ya da arayın: +90 533 644 73 73 (telefon ve WhatsApp)
Projeyi kim yapıyor
Kurucu ve CEO, Stratagem Systems
Stüdyoyu 2023'te Houston, Teksas'ta kurdu; bugün İstanbul'dan çalışıyor. Kodu kendisi yazıyor.