ChatGPT'yi İşine Nasıl Entegre Edersin? — Eğitmen Model Olarak Ilura'da

Kısa cevap

ChatGPT’yi (GPT-4o veya GPT-4 Turbo) Ilura’da eğitmen model olarak bağlarsın. Senin OpenAI API anahtarın → Tezgah Ayarlar → eğitmen olarak seç. Günlük çalışma yerel modelde (Llama/Mistral) yapılır; haftalık eğitim seansında ChatGPT senin onay/red kararlarını okur, yerel modele LoRA adapter üretir. Yerel model her hafta biraz daha senin tarzında karar verir.

ChatGPT eğitmen rolünde — kavram

İki yanlış varsayım yaygın:

1. “ChatGPT’yi şirkete sokmak = ChatGPT Plus aboneliği vermek” — bu kişisel kullanım. Şirket çapında entegrasyon değil.
2. “ChatGPT yerine yerel model” — yanlış kategoriler. Yerel model her gün çalışır; ChatGPT haftada bir.

Doğru çerçeve: hibrit mimari.

[Sen]
  ↓ üç soru
[Yerel model] ←─ her gün, sınırsız çağrı, veri makinende
  ↓ onay/red
[Tezgah saklıyor — yerel sqlite]
  ↓ haftalık seans (sen onaylar)
[Özetleme + PII maskeleme]
  ↓
[ChatGPT eğitmen] ← haftada bir, anonimleştirilmiş örnek
  ↓ LoRA adapter
[Yerel modele uygula]
  ↓
[Yerel model — senin tarzında]

Yerel model günlük çalışır; ChatGPT öğretmen rolünde haftalık görünür. İkisi birlikte tek bir agent oluşturur.

OpenAI API anahtarı — adım adım

1. Anahtarı oluştur

platform.openai.com → giriş yap → API keys → “Create new secret key”. Anahtar bir kez gösterilir; güvenli bir yere kopyala (şifre yöneticisi).

2. Aylık limit belirle

OpenAI panelinde Usage limits → soft limit + hard limit. Tipik girişimci için:

• Soft limit: $30 (uyarı maili gelir)
• Hard limit: $50 (kesilir)

Beklenmedik faturalar bu sınırla engellenir.

3. Modeli seç

Eğitmen olarak iki ana seçenek:

GPT-4o çoğu kullanıcı için doğru tercih. Çok dar bütçe varsa GPT-4o mini denenebilir — Türkçe nüansları biraz daha zayıf yakalıyor.

Tezgah’ta eğitmen anahtarını bağla

Adımlar:

1. Tezgah’ı aç
2. Ayarlar (sağ üst, dişli)
3. Eğitmen modelleri sekmesi
4. OpenAI satırı → “Anahtar ekle” → API anahtarını yapıştır
5. Test bağlantısı → “Bağlantı tamam ✓” mesajı
6. Eğitmen olarak GPT-4o seç → Kaydet

Anahtar OS keyring’inde (macOS Keychain, Windows Credential Manager, Linux Secret Service) şifreli saklanır. Config dosyasına yazılmaz; bilgisayarından çıkmaz.

Haftalık eğitim seansında neler oluyor?

Diyelim ki Atlas adlı agent’ın bir hafta boyunca müşteri maillerini triyaj etti. 87 onay, 23 düzeltme, 4 ertele = 114 örnek topladı.

Cuma akşamı Tezgah sana sorar:

“Bu hafta 114 örnek topladık. Eğitmene gönderelim mi?”

Sen “evet” dersin. Arka planda olan:

1. Özetleme

Her örnek tam metin değil, iskelet halinde gönderilir:

[Örnek 47]
Görev tipi: müşteri mail triyajı
Aciliyet: yüksek
Karar: yanıt taslak hazırlandı
Kullanıcı: düzeltti
Düzeltme: "tonun çok formal"

Gerçek müşteri verisi (mail içeriği, isim, kurum) bu özette yok.

2. PII maskeleme

Eğer örnekte kişisel veri kalmışsa otomatik maskelenir:

• Telefon: [TEL]
• E-posta: [EMAIL]
• TC kimlik: [TC]
• IBAN: [IBAN]
• İsim: [KİŞİ]

Regex + NER iki katmanlı tespit. Maskeleme öncesi insan-okunabilir bir önizleme gösterir — sen “tamam” dersen gönderilir.

3. Eğitmene istek

Anonim örnekler GPT-4o’ya gönderilir. Tezgah eğitmen modele şu soruyu sorar:

“Bu kullanıcı senin verdiğin yanıtların %X’ini düzeltti. Düzeltme örüntüsünü çıkar; yerel modelin gelecekte aynı düzeltmeleri yapmasına gerek kalmayacak şekilde yönlendirme cümleleri öner.”

GPT-4o yönlendirme cümleleri ve örnek-bazlı tercih çiftleri üretir.

4. LoRA adapter

Üretilen tercih çiftleri (DPO formatı) yerel modele küçük bir adapter olarak uygulanır. Adapter yaklaşık 50-200 MB; yerel model ağırlıklarına minimal ince-ayar.

5. Yerel modele uygula

Sen “uygula” dersin. Yerel model artık:

• Senin tonunu daha iyi yakalıyor
• Önceki düzeltme örüntülerini tekrar etmiyor
• Yine yerel — tüm günlük çalışma yerel modelde

Sonuç: Bir hafta sonra yerel model biraz daha senin gibi karar veriyor.

VRL — iki sinyalli ödül

Tezgah sadece “kullanıcı onayladı/düzeltti” sinyalini değil, iki katmanlı ödül kullanır:

1. Kullanıcı onayı — sen ne dedin?
2. Sonuç ne oldu? — mail gönderildi mi, müşteri yanıtladı mı, dosya açıldı mı?

İki sinyal birleşince gerçek dünya çıktısı ödül haline gelir. “Yanıt iyi göründü, gönderdim” + “Müşteri 5 dakikada cevap verdi” = pozitif sinyal. “Yanıt iyi göründü, gönderdim” + “Müşteri 2 gün sessiz” = belirsiz sinyal.

GPT-4o bu iki katmanı görerek daha incelikli yönlendirme üretir.

KVKK çerçevesi — eğitmen entegrasyonunda

Şirketinde KVKK çerçevesi varsa, eğitmen entegrasyonu üç noktada özen ister:

1. Veri sahibi rıza

Müşteri verisi içeren örnekler eğitime gidiyor (özetli + maskeli) — bunu Aydınlatma Metni’ne ekle. Tipik formül:

“Müşteri etkileşimleri, yapay zeka modelimizin Türk dilinde yanıt kalitesini iyileştirmek amacıyla anonimleştirilmiş ve yapısal özet halinde işlenir. Hiçbir kişisel veri yapay zeka eğitmenine açık metin olarak gönderilmez.”

2. Yurt dışı aktarım

OpenAI ABD’de. Maskeleme sonrası gönderilen veri kişisel veri tanımı dışında olabilir (anonimleştirme kuralları sağlanırsa) — ama emin olmak için DPO sürecini şirket DPO’sunla görüş.

3. KVKK §6 (özel nitelikli)

Sağlık verisi, biyometrik veri, ceza kayıtları gibi özel nitelikli veriler için pod izolasyonu kullan. O agent’ın haftalık seansı tetiklenmez; tüm öğrenme yerel kalır. Detay: KVKK uyumlu yapay zeka.

Tipik üç-aylık ChatGPT eğitmen maliyeti

Bir agent için (Atlas örneği):

Üç aylık toplam: $10-28 — çoğu girişimci için kayda değer olmayan rakam.

Birden fazla agent yetiştiriyorsan rakam orantılı artar (3 agent → ~$30-90/ay).

Hibrit kullanım deseni

Pratik yaklaşım:

İki tüketim şekli paralel: kendi kullanımın için ChatGPT web, şirket agent’ı için ChatGPT API eğitmen.

Yaygın yanılgılar

“ChatGPT’yi entegre etmek = ChatGPT Plus aboneliği vermek.” Hayır — Plus kişisel kullanım. Şirket entegrasyonu için API anahtarı gerek. Plus aboneliği API tüketimini kapsamıyor.

“ChatGPT yerel modelin yerine geçer.” Yanlış kategoriler. Yerel model günlük (sürekli, sınırsız); ChatGPT haftalık (eğitmen, sen onaylar). İkisi paralel hibrit.

“ChatGPT verilerimi eğitime kullanır.” API tarafında varsayılan opt-out — OpenAI sözleşmesinde taahhütlü. Ek olarak Tezgah örnekleri özetleyip maskeler; ham veri zaten gitmiyor.

“Birden fazla eğitmen şart.” Yeterli değil — iyi olur. Tek eğitmenle (GPT-4o) çoğu agent yetişir. Birden fazla eğitmen A/B karşılaştırma için: hangi eğitmen senin tarzına yakın? Tezgah panelinde bunu gösterir.

Sona

ChatGPT’yi şirkete sokmak için eğitmen model çerçevesini kullan. Yerel agent günlük çalışır; ChatGPT haftada bir senin tarzını yerel modele aktarır. Veri makinende kalır, KVKK çerçevesi mimaride. Tezgah’ta API anahtarını bağla — beş dakikalık iş.

Aynı entegrasyonu Claude ve Gemini için de yap; A/B karşılaştırma yapabilirsin.