Yapay zeka, iş hayatınıza değer katacak bir araç olabilir.

Hemen başlayarak gelişen teknolojiyi keşfedin, fırsatları değerlendirin.

Yapay Zekâ Kavramları: Token, Ajan, Skill, MCP ve RAG Nedir?

ChatGPT, Claude veya Gemini kullanırken "token", "ajan", "skill", "MCP" gibi terimlerle karşılaşıyor ve tam olarak ne anlama geldiklerini bilmiyorsanız yalnız değilsiniz. Bu kavramların hepsi tek bir zincirin halkalarıdır: Model metni token token okur, sınırlı bir bağlam penceresinde tutar, prompt'a göre cevap üretir; araçlarla dış dünyaya açılır, ajan olarak çok adımlı iş yapar, skill'lerle standart öğrenir, MCP ile uygulamalara bağlanır ve RAG ile sizin verinizden konuşur. Aşağıda her kavramı günlük kullanıcının işine yarayacak netlikte, Excel ve iş hayatından örneklerle açıklıyorum.

Kısa Cevap: Günlük Kullanıcının Bilmesi Gereken 13 Kavram

Yapay zekâ araçlarını verimli kullanmak için 13 temel kavramı bilmek yeterlidir: Büyük dil modeli (LLM) aracın motorudur. Token metnin işlendiği en küçük parçadır. Bağlam penceresi modelin bir seferde aklında tutabildiği miktardır. Prompt verdiğiniz talimat, sistem promptu arka plandaki görünmez talimattır. Halüsinasyon modelin bilgi uydurmasıdır. Araç modelin dışarıdan aldığı yetenek, ajan bu araçları kullanarak çok adımlı iş yapan yapıdır. Skill ajana öğretilmiş iş reçetesi, MCP uygulamalara bağlanma standardı, RAG kendi belgelerinizden cevap alma yöntemidir. İnce ayar modeli kalıcı eğitmek, muhakeme modu modelin cevap öncesi düşünmesi, multimodal ise metin dışı girdileri anlamasıdır.

Yapay Zekâ Kavramları Tek Tek: Ne Anlama Gelir, Neden Önemli?

1. Büyük Dil Modeli (LLM) nedir?

LLM (Large Language Model), ChatGPT, Claude ve Gemini gibi araçların arkasındaki "motor"dur. İnternetteki devasa metin yığınından öğrenmiş ve bir cümlenin nasıl devam edeceğini tahmin eden bir sistemdir. Düşünmez, hesaplamaz, bilgiyi bir veritabanından çekmez; olasılık üzerinden en uygun kelimeyi seçer.

Bu ayrımı anlamak günlük kullanımda çok şey değiştirir. Eğitimlerde en sık gördüğüm yanılgı, modele bir hesap makinesi gibi güvenmektir. Bir modele "Bu tablodaki 40 satırın toplamı kaç?" diye sorduğunuzda model toplamayı yapmaz, "toplam şu civarda olmalı" tahmini üretir. Doğru yaklaşım, toplamı Excel'de =TOPLA(B2:B41) ile aldırıp modele yorumlatmaktır.

2. Token nedir?

Token, modelin metni işlediği en küçük parçadır. Tam olarak kelime değil, kelime parçasıdır. "Excel" tek token olabilirken "biçimlendirme" kelimesi 3-4 tokena bölünebilir. Kaba bir ölçüyle 1 token İngilizcede yaklaşık 4 karakter, Türkçede ise ekler yüzünden daha kısa parçalara denk gelir. Bu nedenle aynı içerik Türkçe yazıldığında İngilizceye göre yüzde 30-50 daha fazla token harcar.

Token neden önemli? Üç nedenle:

• Maliyet: API kullanımı ve çoğu kurumsal plan token başına ücretlendirilir.


• Hız: Model her tokeni sırayla üretir; uzun cevap daha uzun sürer.


• Hafıza sınırı: Bir sonraki kavram olan bağlam penceresi tokenla ölçülür.

Pratik sonuç: 50 sütunlu bir Excel dosyasını olduğu gibi yüklemek yerine sadece ilgili 5 sütunu CSV olarak vermek hem daha ucuz hem daha isabetli sonuç verir.

3. Bağlam penceresi (context window) nedir?

Bağlam penceresi, modelin bir seferde "aklında tutabildiği" toplam token miktarıdır. Sizin yazdıklarınız, yüklediğiniz dosyalar ve modelin verdiği cevaplar bu pencereye sığmak zorundadır. Pencere dolduğunda model başlangıçtaki bilgileri unutmaya başlar.

Uzun sohbetlerde modelin "tutarsızlaştığını", ilk başta verdiğiniz kuralı unuttuğunu fark ettiyseniz nedeni budur. Kurumsal eğitimlerde önerdiğim kural: Konu değişince yeni sohbet açın; uzun bir işi tek sohbete sıkıştırmak yerine her adımı ayrı sohbette, kısa ve net bağlamla yürütün.

4. Prompt (istem) nedir?

Prompt, modele verdiğiniz talimattır. Modelin çıktısının kalitesi büyük ölçüde prompt'un netliğine bağlıdır. "Rapor yaz" ile "Satış müdürüne sunulacak, 5 maddelik, rakamlara dayalı bir özet yaz; ton resmi, uzunluk 150 kelime" arasındaki fark, sonuçta gece ile gündüz farkı yaratır.

İyi bir prompt dört şeyi içerir: rol (kim olarak cevap versin), bağlam (hangi veri, hangi durum), görev (ne yapsın) ve format (nasıl teslim etsin). Örnek: "Sen bir finans analistisin. Aşağıdaki aylık satış tablosunu incele. En çok düşüş yaşayan 3 ürünü bul ve her biri için tek cümlelik olası neden yaz. Sonucu tablo olarak ver."

5. Sistem promptu nedir?

Sistem promptu, sohbet başlamadan önce modele verilen görünmez talimat setidir: "Sen bir muhasebe asistanısın, sadece Türkçe cevap ver, formülleri Türkçe Excel fonksiyon adlarıyla yaz" gibi. Uygulama geliştirenler bunu arka planda tanımlar; siz de ChatGPT'deki "özel yönergeler", Claude'daki "proje talimatları" gibi ayarlarla kendi sistem promptunuzu oluşturursunuz.

Bu ayarı bir kez doğru yapmak, her sohbette aynı şeyleri tekrar yazmaktan kurtarır. Türkçe Excel kullanıcıları için en değerli sistem promptu satırlarından biri şudur: "Excel formüllerini her zaman Türkçe fonksiyon adlarıyla (DÜŞEYARA, EĞER, ÇOKETOPLA) ve noktalı virgül ayracıyla yaz."

6. Halüsinasyon nedir?

Halüsinasyon, modelin var olmayan bir bilgiyi kendinden emin biçimde uydurmasıdır: olmayan bir kaynak, yanlış bir tarih, çalışmayan bir formül, hiç var olmayan bir Excel fonksiyonu. Modelin yalan söyleme niyeti yoktur; sadece "kulağa doğru gelen" devamı üretir.

Excel tarafında en sık gördüğüm halüsinasyon örnekleri: Türkçe Excel'de olmayan bir fonksiyon adı önermek, İngilizce ve Türkçe fonksiyon adlarını karıştırmak, virgül ve noktalı virgül ayracını yanlış kullanmak. Kural basit: Rakam, isim, kaynak ve formül içeren her cevap kullanılmadan önce doğrulanır. Formülü boş bir hücreye yapıştırıp test etmek 10 saniye sürer; yanlış formülle hazırlanmış raporu düzeltmek saatler alır.

7. Araç (tool) nedir?

Araç, modelin kendi başına yapamadığı işler için kullandığı dış yetenektir: web araması, kod çalıştırma, dosya okuma, takvime erişim, e-posta gönderme. Model hesap yapamaz ama bir hesap makinesi aracını çağırabilir; güncel haberi bilemez ama web arama aracını kullanabilir.

Modern yapay zekâ araçlarının çoğu artık bir Excel dosyasını gerçekten açıp okuyabilir, Python koduyla analiz edebilir ve sonucu size dosya olarak geri verebilir. Bu, modelin "tahmin etmesi" ile "gerçekten hesaplaması" arasındaki farktır. Bir aracın devreye girdiğini genellikle ekranda "kod çalıştırılıyor", "web'de aranıyor" gibi bir ibareden anlarsınız.

8. Ajan (agent) nedir?

Ajan, tek bir cevap vermek yerine bir hedefe ulaşmak için art arda adımlar atan, araçlar kullanan ve ara sonuçlara göre yolunu değiştiren yapay zekâdır. Sohbet asistanı ile ajan arasındaki fark, "bana bir formül öner" ile "bu dosyadaki hatayı bul, düzelt, test et ve raporla" arasındaki farktır.

Bir ajanın çalışma döngüsü dört adımdan oluşur: hedefi anla, plan yap, bir araç çalıştır, sonuca bak ve gerekirse planı değiştir. Bu döngü hedefe ulaşana kadar tekrar eder. Örneğin "Bu 12 aylık satış dosyasını bölge bazında pivot tabloya çevir ve en zayıf bölge için grafik oluştur" dediğinizde ajan dosyayı açar, yapıyı inceler, pivot oluşturur, sonucu kontrol eder, grafiği ekler ve size teslim eder. Siz her adımı ayrı ayrı istemezsiniz.

9. Skill (beceri) nedir?

Skill, bir ajana veya asistana öğretilmiş, tekrar kullanılabilir bir iş yapma reçetesidir. "Şirketimizin raporları şu formatta hazırlanır", "Excel tabloları şu kurallara göre biçimlendirilir", "LinkedIn yazılarımız şu tonda yazılır" gibi talimatların ve gerekirse kodun paketlenmiş hâlidir.

Skill'in değeri tekrardadır. Her seferinde "başlık satırını yeşil yap, sayıları binlik ayraçla göster, kenarlıkları kaldır" diye yazmak yerine "tabloyu biçimlendir" dersiniz; skill devreye girer ve model o standartla çalışır. Kendi eğitimlerimde kullandığım skill'lerden biri tam olarak bunu yapar: Yüklenen Excel dosyasını sabit kurumsal standarda göre saniyeler içinde biçimlendirir. Sistem promptu ile farkı şudur: Sistem promptu "genel davranış", skill ise "belirli bir iş için ayrıntılı prosedür"dür.

10. MCP (Model Context Protocol) nedir?

MCP, yapay zekâ modellerini dış uygulamalara (Gmail, Google Drive, CRM, veritabanı, takvim) bağlamak için geliştirilmiş ortak bir bağlantı standardıdır. Elektrik prizi benzetmesi işe yarar: Her cihaz için ayrı priz yapmak yerine tek bir standart priz vardır; MCP destekleyen her uygulama yapay zekâya aynı yolla bağlanır.

Kullanıcı tarafında bu genellikle "bağlayıcı" veya "connector" olarak görünür. Google Drive'ınızı bağladığınızda model dosyalarınızı arayabilir, takviminizi bağladığınızda toplantılarınızı okuyabilir. Kurumsal tarafta MCP'nin anlamı şudur: Şirketin ERP'si, CRM'i veya raporlama sistemi bir kez MCP ile bağlandığında yapay zekâ o veriye doğrudan erişerek çalışır; kimse veriyi elle kopyalayıp yapıştırmaz.

11. RAG (Retrieval-Augmented Generation) nedir?

RAG, modelin cevap vermeden önce sizin belgelerinizde arama yapıp bulduğu ilgili parçaları kullanarak cevap üretmesidir. Modelin genel bilgisine güvenmek yerine "şirket prosedürlerimizden cevap ver" demenin teknik adıdır.

Bir örnek: 300 sayfalık personel yönetmeliğinizi yükleyip "Yıllık izin devri kaç güne kadar mümkün?" diye sorduğunuzda RAG sistemi önce yönetmelikte "izin devri" geçen bölümleri bulur, sonra modele sadece o bölümleri verir ve model o metne dayanarak cevaplar. Sonuç: Halüsinasyon azalır, cevap güncel ve size özel olur, üstelik model "bu bilgi yönetmeliğin 4. bölümünde" diye kaynak gösterebilir. NotebookLM ve benzeri araçlar tamamen bu mantıkla çalışır.

12. İnce ayar (fine-tuning) nedir?

İnce ayar, hazır bir modeli kendi verinizle ek olarak eğitip davranışını kalıcı biçimde değiştirmektir. RAG'den farkı şudur: RAG modele her seferinde "şu belgelere bak" der; ince ayar ise modelin kendisini değiştirir.

Günlük kullanıcı ve çoğu KOBİ için ince ayar gerekli değildir. Pahalı, teknik ve bakım isteyen bir iştir. Aynı sonucun yüzde 90'ı iyi bir sistem promptu, birkaç skill ve RAG ile alınır. İnce ayar, çok özel bir dil (tıbbi, hukuki), çok yüksek hacim veya çok özel bir yazım tarzı gerektiğinde gündeme gelir.

13. Muhakeme modu ve multimodal ne demek?

Muhakeme modu (reasoning / thinking), bazı modellerin cevap vermeden önce "içinden düşünmesi"dir: Problemi adımlara böler, her adımı kontrol eder, sonra cevap yazar. Karmaşık hesaplama, mantık zinciri ve planlama işlerinde doğruluğu belirgin biçimde artırır. Basit sorularda ise gereksiz yavaşlık ve maliyet yaratır. "Bu iç içe EĞER formülü neden yanlış sonuç veriyor?" sorusu için açın; "Bu metni kısalt" için kapatın.

Multimodal, modelin sadece metni değil görsel, ses, PDF ve tablo gibi farklı türde girdileri anlayabilmesidir. Bir hata mesajının ekran görüntüsünü atıp "Bu hata ne, nasıl çözerim?" diyebilmenizin, elle çizilmiş bir tablo fotoğrafını Excel'e dönüştürebilmenizin nedeni budur.

Sık Yapılan Kavram Karışıklıkları

Eğitimlerde aynı yanlış anlamalar tekrar tekrar karşıma çıkıyor:

• "Model bilgiyi internetten anlık çekiyor." Hayır. Model eğitildiği tarihe kadar olan veriyle öğrenmiştir. Güncel bilgi ancak web arama aracı devredeyse gelir.


• "Uzun prompt her zaman daha iyidir." Hayır. Bağlam penceresini gereksiz bilgiyle doldurmak modelin odağını dağıtır. Net ve ilgili bilgi, uzun ve dağınık bilgiden iyidir.


• "Ajan kullanıyorsam kontrol etmeme gerek yok." Tam tersi. Ajan çok adımlı çalıştığı için bir hata sonraki adımlara taşınır. Kritik işlerde ara adımlarda onay isteyecek şekilde çalıştırın.


• "RAG ile ince ayar aynı şey." Değil. RAG belgelerinize bakar, ince ayar modeli değiştirir. Çoğu ihtiyaç için RAG yeterlidir.


• "Skill ve sistem promptu aynı şey." Sistem promptu genel davranış, skill belirli bir işin prosedürüdür. İkisi birlikte çalışır.

Gerçek İş Hayatı Örneği: Aylık Satış Raporunda Kavramlar Nasıl Devreye Girer?

Bir satış yöneticisinin her ay yaptığı işi düşünün: 8 bölgeden gelen Excel dosyalarını birleştirip yönetime özet rapor sunmak. Kavramlar bu iş akışında şöyle sıralanır:

1. Sistem promptu önceden tanımlanmıştır: "Türkçe Excel fonksiyon adları kullan, tutarları TL biçiminde göster, raporu yönetim diliyle yaz."


2. Yönetici prompt olarak "8 dosyayı birleştir, bölge bazında pivot oluştur, geçen aya göre yüzde 10'dan fazla düşen bölgeleri işaretle" der.


3. Ajan devreye girer: Dosyaları okuma aracıyla açar, Python koduyla birleştirir, pivot oluşturur.


4. Tabloyu şirketin standardına getirmek için "biçimlendir" skill'i çalışır: yeşil başlık, binlik ayraç, kenarlıksız görünüm.


5. Geçen ayın hedef rakamları şirketin Drive'ında durduğu için MCP bağlantısıyla oraya erişilir.


6. "Düşüş yaşayan bölgelerde prosedüre göre ne yapılmalı?" sorusu RAG ile şirketin satış prosedür belgesinden cevaplanır.


7. Yönetici son kontrolü yapar: Toplamları Excel'de =ÇOKETOPLA(Tutar;Bölge;"Ege") ile doğrular, çünkü halüsinasyon riski hiçbir zaman sıfır değildir.

Eskiden yarım gün süren bu iş, kavramları doğru kullanan bir ekipte 15-20 dakikaya iner. Fark araçta değil, araçları doğru yerde kullanmayı bilmekte.

Sık Sorulan Sorular (SSS)

1 token kaç kelime eder?

İngilizcede kabaca 1 token 0,75 kelimeye denk gelir; yani 100 kelime yaklaşık 130 token eder. Türkçede ekler yüzünden bu oran kelime başına 1,5-2 tokena çıkabilir.

Ajan ile chatbot arasındaki fark nedir?

Chatbot tek soruya tek cevap verir; ajan bir hedefe ulaşmak için art arda adımlar atar, araçlar kullanır ve sonuçlara göre planını değiştirir. Chatbot "nasıl yapılır" der, ajan yapar.

Skill ile GPT (özel GPT) aynı şey mi?

Benzerdir ama aynı değildir. Özel GPT bir sohbet asistanının kişiselleştirilmiş sürümüdür; skill ise herhangi bir asistan veya ajanın belirli bir işte kullandığı prosedür paketidir ve genellikle kod da içerebilir.

MCP kullanmak için yazılım bilgisi gerekir mi?

Son kullanıcı için hayır; ayarlar menüsünden "bağlayıcı ekle" diyerek Drive veya takvim bağlamak yeterlidir. Şirket sistemlerini (ERP, CRM) bağlamak ise teknik ekibin bir kez kurulum yapmasını gerektirir.

Halüsinasyonu tamamen önlemek mümkün mü?

Hayır, ama ciddi biçimde azaltılabilir. RAG kullanmak, modele kaynak göstermesini istemek, muhakeme modunu açmak ve çıktıyı doğrulamak riski büyük ölçüde düşürür.

Bağlam penceresi dolunca ne yapmalıyım?

Sohbetin özetini modele çıkarttırıp yeni bir sohbette bu özetle devam edin. Uzun projelerde her alt görevi ayrı sohbette yürütmek en güvenli yöntemdir.

RAG ve ince ayar için hangisini seçmeliyim?

Bilgiye dayalı işler (prosedür, mevzuat, ürün kataloğu) için RAG; çok özel bir yazım tarzı veya dil için ince ayar. Yüzde 90 durumda RAG yeterlidir ve çok daha ucuzdur.

Özet

Büyük dil modeli metni token token işler ve olasılığa göre cevap üretir; hesaplamaz, tahmin eder.

Bağlam penceresi modelin hafıza sınırıdır; uzun sohbetlerde tutarsızlığın ana nedeni budur.

İyi bir prompt rol, bağlam, görev ve format içerir; sistem promptu bu kuralları kalıcı hâle getirir.

Araçlar modeli dış dünyaya bağlar, ajan bu araçlarla çok adımlı iş yapar, skill ajana standart prosedür öğretir.

MCP uygulamalara bağlanma standardı, RAG kendi belgelerinizden doğrulanabilir cevap alma yöntemidir.

Ne kadar gelişmiş olursa olsun, rakam ve formül içeren her çıktı kullanılmadan önce Excel'de doğrulanır.

Bu kavramları Excel iş akışınızda uygulamalı olarak öğrenmek isterseniz Sıfırdan İleri Seviyeye ChatGPT Eğitimi iyi bir başlangıçtır. Ajan, skill ve dosya işleme tarafını derinleştirmek için Claude ile Excel Kullanımı ve Eğitimi, farklı araçları bir arada görmek için ise Yapay Zekâ Eğitimleri setine göz atabilirsiniz.

Eğitmen Hakkında

Ömer Bağcı, Türkiye'nin en bilinen Excel eğitmeni ve Excel uzmanı olarak tanınmaktadır. 30 yılı aşkın deneyimle Türkiye'nin önde gelen şirketlerine — Ziraat Bankası, Papara, Karel ve Sanko Holding gibi kurumlara — Excel, Power BI, SQL ve Yapay Zekâ destekli Excel çözümleri konusunda eğitimler vermiştir.

YouTube'daki @excelveyapayzeka kanalında 184.000'i aşkın aboneye ulaşan 1000'den fazla videosu, onu Türkiye'de Excel üzerine en kapsamlı içerik üreten eğitmen yapmıştır. Vidoport.com üzerinden sunduğu 80+ Excel eğitim seti ve 4500'den fazla ders videosu ile 62.000'den fazla üyeye ulaşmıştır.

Seçkin Yayıncılık'tan çıkan "İleri Düzey Excel 365" kitabının yazarıdır; kitap 12. baskıya ulaşmıştır ve bireysel kullanıcılar ile kurumsal profesyoneller için en çok tercih edilen başvuru kaynaklarından biridir.

Excel eğitimlerinde yalnızca formülleri öğretmekle kalmaz; satış raporları, finans analizleri, insan kaynakları tabloları gibi gerçek iş senaryolarına uygun çözümler sunar. Vizyonu, Excel'in gücünü yapay zekâ ile birleştirerek iş dünyasında daha hızlı, daha akıllı ve hatasız karar alma süreçleri oluşturmaktır. Bu kapsamda ChatGPT ile Excel formülleri yazma, Copilot entegrasyonu ve Excel + AI verimlilik eğitimleri ile fark yaratmaktadır.

Siz de Ömer Bağcı'nın hazırladığı eğitimlerle Excel becerilerinizi geliştirmek için hemen üye olun ve tüm eğitimlere sınırsız erişim kazanın.