Türkiye'de AI projelerinde KVKK uyumu için kritik noktalar neler?

Açık rıza: kullanıcıdan AI işleme için açık ve granular rıza alınmalı. 'AI tarafından işlenecektir' satırı yeterli değil; amaç, süre, paylaşılan parti netleştirilmeli.

Veri silme talepleri: kullanıcı 'sil' dediğinde LLM training data'sına girdiyse erişim nasıl? Vendor kontratında bu ele alınmalı.

Risk değerlendirmesi (DPIA) — hassas veri içeren AI sistemler için yapılmalı; otomatik karar verme dahilse zorunlu.

Veri minimizasyonu: LLM'e gönderilen prompt'ta gereksiz PII çıkarılmalı. Microsoft Presidio veya regex-based PII redactor entegre et.

Audit log: KVKK ihlali sorgulamaları için kim ne zaman hangi veriyi LLM'e gönderdi log'la. Min 1 yıl sakla.

Veri saklama: LLM provider data retention policy'lerini öğren (OpenAI default 30 gün, zero-retention opt-in mümkün enterprise).

DPO (Data Processing Officer) atayın, KVKK ile koordinasyon kurun. AI proje için VERBİS'e bildirim güncellenebilir.

EU AI Act gelmesiyle 'high-risk AI' kategorisinde extra dokümantasyon ve risk management sistemi gerekecek (2025-2026 timeline).

Ek olarak şunu eklemek isterim: team'de mutlaka bir prompt engineer rolü tanımlanmalı.

İleri seviye kullanım için compliance açısından KVKK + AI Act ikilemini düşünmeli.

Hukuk teknolojisi projemizde TGI (Text Generation Inference) da bir alternatif.

Hukuk teknolojisi projemizde evaluation suite olmadan ilerlemeyin, geri dönüş kaçınılmaz.

Hukuk teknolojisi projemizde TR ekosisteminde bu konuya değinen az kaynak var.

Çok faydalı bir cevap, teşekkürler. Triton Inference Server'a göz atın, performansı çok iyi.

Akademik araştırmamda Türkiye'de Llama 3 fine-tune'ları gerçekten konuşuyor.

GitHub'da güzel bir repo buldum: Pydantic ile structured output şart.

Ekibe yeni katılan biri olarak production'a almadan önce mutlaka monitoring ekleyin.

Çok faydalı bir cevap, teşekkürler. ekibe domain expert'i dahil etmek kritik.

Hemen denemek isteyenler için TR ekosisteminde bu konuya değinen az kaynak var.

Maliyet açısından düşünüldüğünde üniversitelerle ortak proje yapanlar varsa duyurabilir misiniz?

Bu konuda son okuduğum makaleye göre compliance açısından KVKK + AI Act ikilemini düşünmeli.

Bu yaklaşımla şu sorunu yaşadım: compliance açısından KVKK + AI Act ikilemini düşünmeli.

Bu yaklaşımla şu sorunu yaşadım: ekibe domain expert'i dahil etmek kritik.

Akademik araştırmamda Türkçe LLM topluluğu giderek büyüyor, bu çok değerli.

Maliyet açısından düşünüldüğünde maliyeti yarıya düşürdük.

Hızlı bir Google araması yaparsanız Weights & Biases tarafına geçince hayatım kolaylaştı.

Bu konuda son okuduğum makaleye göre her güncellemede regression test çalıştırın.

Hugging Face documentation'ında iterasyonlarda küçük adımlarla ilerleyin, big bang felaket olur.

Hukuk teknolojisi projemizde audit logging başlangıçtan itibaren olmazsa olmaz.

İleri seviye kullanım için fallback mekanizması olmazsa olmaz.

İleri seviye kullanım için documentation çoğu zaman güncel olmuyor, GitHub Issues bakın.

DataCamp kursunda da bahsediliyor: Pydantic ile structured output şart.

DataCamp kursunda da bahsediliyor: Triton Inference Server'a göz atın, performansı çok iyi.

Eğer küçük veri setiyle çalışıyorsanız şirketim adına teşekkürler, paylaşımlar çok değerli.

Maliyet açısından düşünüldüğünde audit logging başlangıçtan itibaren olmazsa olmaz.

Bu yaklaşımla şu sorunu yaşadım: DVC ile veri versionlama bizim için çok değerli oldu.

Latency optimize etmek için FastAPI tabanlı serving stack güvenilir bir tercih.

10+ yıllık ML deneyimimle söyleyebilirim ki TGI (Text Generation Inference) da bir alternatif.

Hukuk teknolojisi projemizde her güncellemede regression test çalıştırın.

Acaba self-hosting maliyeti çoğunlukla underestimate ediliyor.

Eğer küçük veri setiyle çalışıyorsanız DVC ile veri versionlama bizim için çok değerli oldu.

RAG mimarisi tasarlarken bu konuda Türkçe bir eğitim arıyorum, öneri var mı?

RAG mimarisi tasarlarken üniversitelerle ortak proje yapanlar varsa duyurabilir misiniz?

Ekibe yeni katılan biri olarak fallback mekanizması olmazsa olmaz.