Yapay zekâ modelleri son yıllarda akıl yürütme, uzun bağlamları işleme ve farklı görevleri yerine getirme konusunda önemli ilerlemeler kaydetti. Ancak özellikle kurumsal yapay zekâ ajanlarında güvenilir sonuçlar elde etmek için yalnızca güçlü bir modele sahip olmak yeterli değil. Dataiku’nun 31 Ağustos 2026 tarihli analizine göre, yapay zekâ sistemlerine sağlanan bağlamın niteliği kritik bir rol oynuyor; eksik veya hatalı bağlam, modellerin yanlış yanıtlar üretmesine, halüsinasyonlara ve güvenilir olmayan sonuçlara yol açabiliyor.
Doğru bağlam neden önemli?
Bağlamın kritik olduğu kullanım alanlarından biri, doğal dille veri analizi. Text2SQL olarak bilinen bu yaklaşımda kullanıcıların doğal dilde sorduğu sorular SQL sorgularına dönüştürülüyor.
Bu sistemin doğru çalışabilmesi için yapay zekânın yalnızca kullanıcının ne istediğini anlaması yeterli değil. Aynı zamanda veritabanındaki tabloların yapısını anlaması ve geçerli SQL sözdizimi oluşturması gerekiyor.
Dolayısıyla yapay zekâ tarafından oluşturulan SQL sorgularında birden fazla hata noktası ortaya çıkabiliyor. Modelin yeteneğini artırmak tek başına sorguların kalitesini garanti etmiyor.
Doğru model ile doğru bağlamın birlikte kullanılması gerekiyor.
Bu noktada son dönemde öne çıkan kavramlardan biri olan Context Engineering (Bağlam Mühendisliği) devreye giriyor.
Prompt Engineering’den Context Engineering’e
Bağlam mühendisliği, 2025’in ortalarından itibaren prompt engineering yaklaşımının devamı niteliğinde daha fazla dikkat çekmeye başladı.
AI araştırmacısı Andrej Karpathy’nin tanımına göre context engineering, modelin bir sonraki adım için ihtiyaç duyduğu doğru bilgilerin bağlam penceresine dikkatli biçimde yerleştirilmesi anlamına geliyor.
Buradaki kritik nokta, modele mümkün olduğunca fazla bilgi vermek değil. Modelin görevi gerçekleştirmesi için gerçekten ihtiyaç duyduğu bilgiyi seçmek gerekiyor.
Çok fazla bağlam sağlamak da performansı olumsuz etkileyebiliyor. Bu nedenle sistemlerin hem bilgi bütünlüğünü koruması hem de modele gereğinden fazla veri yüklememesi gerekiyor.
Text2SQL için doğru bağlam nasıl oluşturulmalı?
Text2SQL sistemlerinde doğru bağlamı sağlamanın yollarından biri semantik modeller kullanmak.
Semantik modeller; metriklerin tanımlarını, eş anlamlı ifadeleri ve tablolar arasındaki birleştirme anahtarlarını yönetilen bir yapı içerisinde tanımlayabiliyor. Böylece her kullanıcı sorusu için aynı bilgilerin baştan oluşturulmasına gerek kalmıyor.
Dataiku’nun aktardığına göre Anthropic de benzer bir yaklaşımın sonuçlarını gözlemledi. Şirketin analiz ajanında, doğru tabloları ve tanımları gösteren düzenlenmiş ve yapılandırılmış bağlamın sağlanmasıyla doğruluk oranının %21 seviyesini aşamazken sürekli olarak %95’in üzerine çıktığı belirtiliyor.
Ancak semantik modelin varlığı tek başına yeterli değil. Modelin ilgili bölümlerinin doğru zamanda ajana aktarılması gerekiyor.
Örneğin kullanıcı belirli bir metriği soruyorsa tüm semantik modelin bağlam penceresine yüklenmesi gerekmeyebilir. Ajanın yalnızca ilgili metriğin tanımına, doğru birleştirme bilgisine veya doğrulanmış bir sorguya ihtiyacı olabilir.
Aynı durum verilerdeki değerler için de geçerli. Kullanıcı “batı bölgesi” ifadesini kullandığında sistemin, veritabanındaki ilgili sütunda bu değerin gerçekten nasıl tanımlandığını kontrol etmesi gerekebilir.
En büyük sorun teknik değil, organizasyonel
Bağlam mühendisliğinin en zor kısmı yalnızca teknolojiyle ilgili değil. Asıl sorun, iş açısından önemli bilgilerin nerede bulunduğu ve bu bilginin kime ait olduğu noktasında ortaya çıkıyor.
Bir metriğin nasıl tanımlandığı veya hangi istisnaların geçerli olduğu gibi kritik bilgiler çoğu zaman çalışanların deneyimlerinde bulunuyor ya da elektronik tablolar ve BI araçları arasında dağılmış durumda.
Bu nedenle bağlamın oluşturulması için iş birimleri ile BT ekiplerinin birlikte çalışması gerekiyor.
BT ekibi verinin sahibi olurken, iş birimleri verinin ne anlama geldiğini biliyor. Bu iki taraf arasındaki ortak sahiplik, kurumların güvenebileceği yapay zekâ sistemleri oluşturulmasında belirleyici hale geliyor.
Dataiku bu süreci nasıl kolaylaştırıyor?
Dataiku’ya göre bağlam mühendisliğindeki temel sorunlardan biri, semantik katmanın nerede oluşturulduğu ve kimin tarafından yönetildiği.
Dataiku’nun yaklaşımında semantik modeller doğrudan belirli bir veritabanının içerisinde değil, veritabanının üzerinde konumlanıyor. Böylece metadata veri setini takip ediyor ve bir veri tanımı, verinin hangi veri ambarında bulunduğundan bağımsız olarak uygulanabiliyor.
Platform ayrıca teknik ve iş kullanıcılarının aynı ortamda birlikte çalışmasına olanak sağlayan ortak bir yapı sunuyor.
Bu yaklaşım, BT’nin veriden, iş birimlerinin ise verinin anlamından sorumlu olduğu ortak sahiplik modelini yeni bir ekip veya süreç oluşturmadan mevcut çalışma ortamına taşıyor.
Bağlam mühendisliği sürekli bir süreç olacak
Yapay zekâ sistemlerinde doğru bağlamı oluşturmak tek seferlik bir işlem değil. İş süreçleri değiştikçe tanımların da güncel tutulması gerekiyor.
Dataiku’ya göre bu sürecin tek bir yönetilen ve teknoloji bağımsız ortamda, veriye ve verinin anlamını bilen kişilere yakın şekilde yürütülmesi, bağlam yönetiminin sürdürülebilir olmasını sağlayabilir.
Kurumsal yapay zekâ açısından bakıldığında sonuç net: Daha güçlü bir model her zaman daha iyi sonuç anlamına gelmiyor. Modelin doğru bilgiyi, doğru zamanda ve doğru biçimde alması da en az modelin kendisi kadar önemli.
