RAG Nedir — Belgelerinizden Cevap Veren AI’nın Arkasındaki Fikir

RAG (Retrieval-Augmented Generation), bir yapay zeka modelinin cevap üretmeden önce ilgili belgelerinizde veya verinizde arama yapmasını, sonra yalnızca bulduğu bilgiye dayanarak yanıt vermesini sağlayan bir tekniktir. Türkçe karşılığı getirme-destekli üretim gibi bir şey olsa da sektörde herkes İngilizce kısaltmasını, RAG’ı, kullanıyor. Örneğin işletmenizin 200 sayfalık bir ürün kataloğu varsa, RAG sayesinde AI bu kataloğu ezbere bilmek zorunda kalmadan doğru sayfayı bulup oradan cevap verir.

RAG Olmadan vs RAG İle — Fark Ne

Fark, AI’nın cevap verirken nereye baktığında.

• RAG olmadan: AI yalnızca eğitim verisindeki genel bilgiye dayanır. Sizin şirketinizin fiyat listesini, iç prosedürünü veya geçen ay imzalanan sözleşmeyi bilmez — bunları hiç görmemiştir. Bir soru sorduğunuzda ya bilmiyorum der ya da, daha kötüsü, kulağa doğru gelen ama uydurma bir cevap üretir. Buna halüsinasyon deniyor.
• RAG ile: AI önce sizin belgelerinizde arama yapar, ilgili pasajı bulur, sonra yalnızca o pasaja dayanarak cevap verir. Halüsinasyon riski düşer çünkü model havadan sallamıyor, elindeki gerçek metne bakıyor. Cevap sizin gerçek verinize dayanıyor, genel internet bilgisine değil.

RAG Nasıl Çalışır — Basit Adımlar

Teknik detaya girmeden, üç adımda özetleyeyim:

1. Belgeleriniz parçalara bölünüp indekslenir. PDF’leriniz, Word dosyalarınız, SSS sayfalarınız küçük parçalara ayrılır ve bir tür arama motoruna, teknik adıyla vektör veritabanına, yüklenir. Bunu dev bir kütüphanenin her sayfasına etiket yapıştırmak gibi düşünün.
2. Siz soru sorduğunuzda sistem önce arama yapar. Sorunuz bu indekste taranır ve en alakalı birkaç parça bulunur — Google’da arama yapıp ilk sonuçları görmek gibi, sadece burada arama alanı sizin kendi belgeleriniz.
3. Bulunan parçalar ve sorunuz birlikte AI modeline verilir. Model bu bağlamı okur ve yalnızca ona dayanarak cevap üretir. Bu bağlamın modele nasıl sığdırıldığını merak ediyorsanız bağlam penceresi (context window) yazımda anlattım.

Bütün bunları sıfırdan kurmanın adım adım süreci ayrı bir konu — onu Belgelerinizden Cevap Veren AI Kurma yazısında anlattım.

RAG Nerede Kullanılır

RAG’ı en çok şu üç yerde görüyorum:

• Şirket içi SSS/prosedür asistanı: çalışanların izin talebi nasıl yapılır, bu müşteriye hangi indirim uygulanır gibi soruları iç dokümantasyona bakarak cevaplanır.
• Müşteri destek botu: ürün kılavuzu, iade politikası, teknik SSS gibi belgeler üzerinden çalışıp gerçek destek ekibinin söyleyeceğine yakın cevap verir.
• Hukuki/sözleşme arama sistemi: yüzlerce sözleşme arasında hangi sözleşmede fesih maddesi 30 gün gibi bir soruyu saniyeler içinde cevaplar.

Bu üçünü adım adım kurmak istiyorsanız süreç Belgelerinizden Cevap Veren AI Kurma yazısında. RAG tek başına bir özellik değil — daha büyük agentic AI sistemlerinin de temel yapı taşlarından biri.

RAG’ın Sınırları — Dürüst Bakış

RAG’ı olduğundan fazla göstermeyeyim, üç gerçek sınırı var:

• Halüsinasyonu azaltır, sıfırlamaz. Belgede hiç olmayan bir soru sorarsanız model yine de bir şeyler uydurabilir — sadece ihtimali düşer. Bu konuyu Halüsinasyon Nedir yazımda ayrıntılı işledim.
• İndeksleme kalitesi düşükse yanlış parça bulunur. Belgeleriniz kötü bölünmüşse, bir cümle ortadan kesilmişse, bir tablo bozulmuşsa, sistem alakasız veya eksik bir pasaj bulup ona dayanarak cevap verebilir.
• Güncel olmayan belge, yanlış cevap demektir. RAG sihirli değil — indekslediğiniz belge geçen yılın fiyat listesiyse, AI o eski fiyatı gayet emin bir tonla söyler.

Benim Operasyonumdan Bir Gözlem

Kurduğum bir RAG sisteminde ilk denemede cevaplar teknik olarak doğruydu ama kullanışsızdı. Sistem belgeyi cümle cümle değil, sayfa sayfa bölmüştü; bir sayfanın sonundaki soru ile cevabı bir sonraki sayfaya düşünce sistem ikisini birbirinden koparıp getiriyordu. Çözüm kod değil, parçalama mantığını değiştirmekti: parçaları anlam sınırına göre, başlık ve paragraf bazında, bölünce isabet oranı belirgin şekilde arttı. RAG’ın en çok göz ardı edilen kısmı budur — model seçimi değil, belgeyi nasıl böldüğünüz.

Bu İşi Benden İsteyebilirsiniz

Bu işi benden isteyebilirsiniz: genelde 2 saat ile 2 hafta arası süren, tamamen uzaktan, saatlik ücretli bir iş. Belgelerinizi RAG ile AI’ya bağlamak isterseniz Belgelerinizden Cevap Veren Yapay Zeka hizmet sayfasından iletişime geçebilirsiniz.

Sıkça Sorulan Sorular

RAG ile fine-tuning arasındaki fark nedir?

Fine-tuning modelin kendisini yeniden eğitmektir — pahalı, zaman alır ve model yine de eski bilgiyi ezberler. RAG ise modeli hiç değiştirmez; sadece cevap vermeden önce ona doğru belgeyi gösterir. Çoğu işletme için RAG daha ucuz ve daha çabuk kurulur.

RAG kaç belgeye kadar çalışır?

Pratikte sınır yok — birkaç dosyadan on binlerce belgeye kadar ölçeklenebilir. Sınırı belirleyen belge sayısı değil, vektör veritabanınızın kurulumu ve indeksleme kalitesi.

RAG kurmak pahalı mı?

Küçük bir SSS/prosedür asistanı birkaç saatte kurulabilir; büyük ve çok kaynaklı bir sistem birkaç haftaya yayılabilir. Fiyat, belge sayısına ve entegrasyon karmaşıklığına göre değişir — net rakamı iş kapsamını konuştuktan sonra veriyorum.

RAG olmadan da ChatGPT gibi araçlara belge yükleyebiliyorum, farkı ne?

Sohbet arayüzüne tek seferlik dosya yüklemek küçük ölçekte bir RAG’a benzer. Ama üretim seviyesinde bir sistemde çok sayıda belge, güncelleme ve çoklu kullanıcı söz konusu olduğunda elle yükleme yetmez; indeksleme ve arama otomatikleşmesi gerekir.