Yapay Zeka & AI Agent Terimleri Sözlüğü

Yapay zekâ, AI Agent ve konuşma teknolojileri etrafında sık geçen terimleri, CBOT'un platformunda nasıl karşılık bulduklarını da göstererek bir arada topladık.

A

Agentic AITemel Kavramlar: Bir yapay zekâ sisteminin tek bir soruya cevap vermekle kalmayıp, bir hedefe ulaşmak için birden çok adımı kendi başına planlayıp yürütmesidir: bilgiye ulaşır, karar verir, bir aracı çağırır, sonucu değerlendirir ve gerekirse planını değiştirir. CBOT'un platform yaklaşımını bu kategori tanımlar. Detaylı mimari: Agentic AI.
AI AgentTemel Kavramlar: Bir görevi uçtan uca yürütebilen, karar alabilen ve gerektiğinde sistemlere bağlanıp işlem yapabilen yapay zekâ yazılımıdır. Klasik bir chatbottan farkı, sadece soru cevaplamakla sınırlı kalmayıp bir süreci (kimlik doğrulama, borç sorgulama, randevu oluşturma gibi) baştan sona yürütebilmesidir. CBOT'ta bu terim iki katmanda kullanılır: kanal bazlı AI Agent'lar (Voice AI, mesajlaşma, canlı sohbet) ve rol bazlı Dijital Çalışanlar (TAHSİLDAR, GÜVEN, ADİL, KALYA gibi isimli, belirli bir işi üstlenen agent'lar). Platforma genel bakış: Platformu Keşfedin.
AI Altyapısı ve InferenceAltyapı: Bir yapay zekâ modelinin eğitildikten sonra gerçek zamanlı olarak çalıştırıldığı, yani her kullanıcı isteğine cevap ürettiği aşamadır (buna "çıkarım" da denir). Bu aşamanın hızı ve maliyeti, modelin kendisi kadar donanım ve mimari seçimlerine bağlıdır. Detaylı inceleme: AI Altyapısı ve Inference, CBOT Araştırma.
AI Yönetişimi (AI Governance)Yönetişim: Bir kurumun yapay zekâ sistemlerini hangi kurallarla geliştirdiğini, denetlediğini ve riske karşı nasıl koruma altına aldığını tanımlayan çerçevedir. Risk değerlendirmesi, insan gözetimi, açıklanabilirlik ve model yaşam döngüsü yönetimini kapsar. Detaylı sayfa: AI Yönetişimi ve Güvenliği.
Attention MekanizmasıAltyapı: Bir dil modelinin bir cümledeki her kelimeyi işlerken, diğer hangi kelimelere "dikkat etmesi" gerektiğini hesapladığı temel mekanizmadır. "Banka hesabımı kapattım ama kartım hâlâ duruyor" cümlesinde "kartım"ın hangi hesaba ait olduğunu doğru bağlamaya çalışan şey budur. Bugünün büyük dil modellerinin (transformer mimarisi) temelini oluşturur.

B

Bağlam Penceresi (Context Window)Altyapı: Bir dil modelinin tek seferde "hatırlayabildiği" metin miktarıdır. Geçmiş konuşma, talimatlar ve bilgi kaynakları bu pencerenin içine sığmak zorundadır. Pencere doldukça model konuşmanın başındaki detayları unutabilir; uzun sesli görüşmelerde bu, tasarım aşamasında hesaba katılması gereken bir sınırdır.
Bias (Model Yanlılığı)Yönetişim: Bir modelin eğitim verisinden devraldığı, belirli gruplara veya durumlara karşı sistematik olarak farklı (ve haksız) sonuçlar üretme eğilimidir. Örneğin bir tahsilat modeli, isim veya bölgeye göre farklı bir ton kullanmaya eğilim gösteriyorsa bu bir bias belirtisidir ve düzenli test edilmesi gerekir.

C

Chain-of-Thought (Düşünce Zinciri)Temel Kavramlar: Bir dil modelinin doğrudan sonuca atlamak yerine, kendi akıl yürütme adımlarını sırayla "düşünerek" ilerlemesidir. Çok adımlı bir karar gerektiren durumlarda (örneğin bir istisna talebinin uygun olup olmadığını birden fazla kurala göre değerlendirmek) bu yaklaşım modelin hata yapma olasılığını azaltır.
ChatbotTemel Kavramlar: Önceden tanımlanmış kurallara veya basit bir dil modeline dayanarak soru-cevap yürüten, genellikle tek adımlı yanıtlarla sınırlı yazılımdır. AI Agent ile karıştırılır ama aralarındaki fark önemlidir: chatbot bilgi verir, AI Agent işlemi tamamlar. "Kart limitim ne kadar?" sorusuna chatbot bir açıklama döner; bir AI Agent kimliği doğrulayıp gerçek limiti sorgulayıp söyleyebilir, gerekirse artırım talebini de başlatabilir.
Continuous Batching (Sürekli Toplu İşleme)Altyapı: Bir çıkarım sunucusunun, farklı zamanlarda gelen birden çok isteği tek tek sırayla değil, aynı anda işleyerek donanımı daha verimli kullanmasıdır. Bu teknik olmadan, yoğun saatlerde her yeni arama bir öncekinin bitmesini "beklermiş gibi" davranan bir sistemle karşılaşılır; günümüz çıkarım altyapılarında eşzamanlı görüşme sayısını doğrudan etkileyen bir optimizasyondur.

Ç

Çoklu AI Agent Mimarisi (Multi-Agent)AI Agent Tasarımı: Tek bir büyük agent yerine, her biri belirli bir işte uzmanlaşmış birden çok agent'ın birlikte çalışmasıdır. Biri niyeti anlar, biri doğrulama yapar, biri işlemi yürütür. Karmaşık süreçlerde tek agent'a her şeyi yüklemek yerine bu şekilde bölmek, hem daha isabetli hem daha kolay test edilebilir sonuçlar verir. Detaylı yaklaşım: Çoklu AI Agent Mimarileri.

D

Damıtma (Model Distillation)Altyapı: Büyük ve yavaş bir modelin bilgisinin, çok daha küçük ve hızlı bir modele "öğretilerek" aktarılmasıdır. Amaç, orijinal modelin yeteneğine yakın ama çok daha ucuz ve hızlı çalışan bir sürüm elde etmektir. Özellikle gecikmenin kritik olduğu sesli AI'da tercih edilen bir yöntemdir.
Decode AşamasıAltyapı: Bir dil modelinin, anlamlandırdığı girdiye karşılık cevabı kelime kelime (daha doğrusu token token) ürettiği aşamadır. Prefill aşamasının aksine bu aşama sıralı ilerler. Bir sonraki token'ı üretmek için bir öncekinin tamamlanmış olması gerekir, bu yüzden hızı donanımın bellek erişim kapasitesiyle sınırlıdır. Bkz. Prefill Aşaması.
Dijital ÇalışanAI Agent Tasarımı: CBOT'un, belirli bir iş rolünü uçtan uca üstlenen, ismi ve göreviyle tanımlanmış AI Agent'lara verdiği isimdir: TAHSİLDAR (tahsilat), GÜVEN (hasar), ADİL (acil durum), KALYA (kalite). Genel "AI Agent" teriminden farkı, belirsiz bir yeteneği değil, bir kurumdaki gerçek bir çalışanın yaptığı işi tanımlanmış sınırlarla devralmasıdır. Tüm rolleri görün: AI Agent Portfolyosu.
Doğal Dil Anlama (NLU)AI Agent Tasarımı: Bir sistemin kullanıcının yazdığı ya da söylediği cümledeki niyeti ve gerekli bilgileri (örneğin tarih, tutar, ürün adı) ayrıştırabilme yeteneğidir. "Yarına kadar öderim" cümlesinden hem bir taahhüt niyetini hem de bir tarihi çıkarabilmek NLU'nun işidir.
Doğal Dil İşleme (NLP)AI Agent Tasarımı: İnsan dilini bilgisayarların işleyebileceği bir forma çeviren, anlama ve üretme süreçlerinin tamamını kapsayan daha geniş alandır. NLU bu alanın "anlama" kısmına odaklanan bir alt dalıdır.

E

Embedding (Gömme Vektörü)Altyapı: Bir kelimenin, cümlenin veya belgenin anlamını, birbirine yakın anlamlı içeriklerin matematiksel olarak da birbirine yakın konumlandığı bir sayı dizisine (vektöre) çevirme işlemidir. RAG sisteminin "ilgili bilgiyi bulma" adımı, arka planda bu vektörler arasında benzerlik hesaplayarak çalışır.
EskalasyonAI Agent Tasarımı: Bir AI Agent'ın, kendi yetki veya güven sınırının dışına çıkan bir durumu fark edip konuşmayı ya bir insana ya da daha yetkili bir sürece devretmesidir. İyi tasarlanmış bir eskalasyon, agent'ın başarısızlığı değil, sistemin güvenilirliğinin bir parçasıdır. Detaylı çerçeve: Uç Durumlar ve Eskalasyon.

F

Fine-Tuning (İnce Ayar)AI Agent Tasarımı: Genel amaçlı bir dil modelinin, belirli bir kurumun terminolojisine, tonuna veya sektörüne göre ek eğitimle uyarlanmasıdır. Her kurum için sıfırdan model eğitmek yerine, var olan güçlü bir modeli bu şekilde özelleştirmek çok daha hızlı ve ölçülebilir sonuç verir.
Function CallingAI Agent Tasarımı: Tool Calling ile aynı yeteneği tanımlar. Modelin bir dış sistemi/fonksiyonu ne zaman ve hangi parametrelerle çağıracağına kendi karar vermesidir. Bkz. Tool Calling.

G

GPU / Çıkarım ÇipiAltyapı: Bir dil modelinin hem eğitilirken hem de gerçek zamanlı çalışırken (çıkarım) ihtiyaç duyduğu, aynı anda binlerce hesaplamayı paralel yürütebilen özel donanımdır. Bir AI Agent'ın maliyetinin büyük bölümü, aslında bu donanımın kullanım verimliliğiyle ilgilidir.
GQA / MQA (Gruplanmış / Çoklu Sorgu Dikkati)Altyapı: Bir dil modelinin bellekte tuttuğu ara hesaplamaları (KV Cache) azaltmak için kullanılan mimari tekniklerdir. Her "dikkat başlığının" kendi belleğini tutması yerine, birden fazla başlığın belleği paylaşmasını sağlar. Sonuç, aynı donanımla çok daha fazla eşzamanlı görüşmeyi düşük gecikmeyle karşılayabilmektir.
Grounding (Bilgi Tabanına Dayandırma)AI Agent Tasarımı: Bir AI Agent'ın verdiği cevabın, kendi tahmininden değil, kendisine verilen doğrulanmış bir kaynaktan (bir doküman, bir veritabanı kaydı, bir case study) geldiğinden emin olma pratiğidir. Grounding zayıfsa model, gerçek bir kaynağı olmayan ama makul görünen bilgiler üretebilir. Bkz. Halüsinasyon.
Guardrails (Koruma Kuralları)AI Agent Tasarımı: Bir AI Agent'ın asla yapmaması ya da söylememesi gereken şeyleri tanımlayan, model davranışının etrafına çizilmiş sabit sınırlardır. Örneğin doğrulanmamış bir müşteri adını referans göstermemesi ya da yetkisi olmayan bir işlemi onaylamaması. İyi bir guardrail, modelin "iyi niyetli ama yanlış" bir karar almasını engelleyen son kontrol katmanıdır.

H

Halüsinasyon (AI Hallucination)AI Agent Tasarımı: Bir dil modelinin, elinde doğrulanmış bir kaynak olmadığı halde kendinden emin bir şekilde yanlış veya uydurma bir bilgi üretmesidir. Örneğin bir AI Agent, gerçekte doğrulanmamış bir müşteri referansını "biliyormuş" gibi ifade edebilir. Bunu önlemenin yolu, agent'ı sadece doğrulanmış kaynaklardan konuşmaya zorlayan kurallar ve mimaridir. Bkz. Grounding, Guardrails.
HiperparametreAltyapı: Bir modelin kendisinin öğrenmediği, geliştirici tarafından önceden belirlenen ayarlardır. Örneğin cevabın ne kadar "yaratıcı" olacağını belirleyen sıcaklık (temperature) değeri. Bkz. Sampling.

I

ISO/IEC 42001Yönetişim: Yapay zekâ yönetim sistemleri için uluslararası bir standarttır. Bir kurumun AI sistemlerini nasıl geliştirdiğini, riske karşı nasıl kontrol ettiğini ve nasıl denetlediğini çerçeveler. Bankacılık ve kamu gibi düzenlemeye tabi sektörlerde artık bir tedarikçi kriteri haline geliyor. Detaylı sayfa: ISO 42001 ve AI Yönetişimi.

İ

İnsan Gözetimi (Human-in-the-Loop)Yönetişim: Bir AI Agent'ın belirli kararları (yüksek tutarlı bir taahhüt, hassas bir istisna) otomatik almak yerine bir insanın onayına sunmasıdır. Her sürecin tam otomasyona uygun olmadığını kabul eden bir tasarım ilkesidir.

K

Konuşma Tasarımı (Conversation Design)AI Agent Tasarımı: Bir AI Agent'ın nasıl soru sorduğunu, nasıl dinlediğini ve nasıl yön verdiğini planlayan disiplindir. Bir arayüz tasarımı gibi ama ekran yerine diyalog üzerinden çalışır. Temel ilkeler: Konuşma Tasarımının Temelleri.
KV Cache (Anahtar-Değer Önbelleği)Altyapı: Bir dil modelinin, bir cevabı üretirken önceki tüm token'lar için yeniden hesaplama yapmaması için ara sonuçları bellekte tuttuğu yapıdır. Konuşma uzadıkça bu önbellek büyür ve bellek kullanımı artar. Uzun sesli görüşmelerde sistem kapasitesini belirleyen en önemli darboğazlardan biridir. Bkz. PagedAttention, GQA/MQA.

L

Latency (Gecikme) ve Throughput (İşlem Hacmi)Altyapı: Latency, tek bir isteğin ne kadar sürede cevaplandığıdır; throughput, sistemin aynı anda ne kadar isteği karşılayabildiğidir. Bu ikisi genellikle birbirine karşıt çalışır. Bir sunucuyu daha fazla eşzamanlı görüşme karşılayacak şekilde ayarlamak (throughput'u artırmak), tek görüşmenin gecikmesini (latency) bir miktar yükseltebilir. Sesli AI'da doğru dengeyi bulmak kritik bir mühendislik kararıdır.
LLM (Büyük Dil Modeli)Temel Kavramlar: Devasa miktarda metinle eğitilmiş, bir sonraki kelimeyi tahmin ederek dil üretmeyi öğrenmiş yapay zekâ modelidir (Large Language Model). Bugün AI Agent'ların "anlama" ve "konuşma" yeteneğinin temelini bu modeller oluşturur, ama bir LLM tek başına bir AI Agent değildir. Agent, LLM'in üzerine karar verme, araç çağırma ve hafıza gibi katmanlar eklenerek kurulur. CBOT'ta bu katman nasıl yönetiliyor: LLM Orkestrasyonu, CBOT LLM.

M

MCP (Model Context Protocol / Model Bağlam Protokolü)Altyapı: Bir yapay zekâ modelinin dış araçlara, veritabanlarına veya sistemlere standart bir şekilde bağlanmasını sağlayan açık protokoldür. Her entegrasyonu sıfırdan özel kod yazarak değil, ortak bir "arayüz dili" üzerinden kurmayı mümkün kılar. Agentic mimarilerde entegrasyon hızını doğrudan etkiler.
Model Sapması (Drift)Yönetişim: Bir modelin zaman içinde, eğitildiği andaki performansından sessizce uzaklaşmasıdır. Kullanıcı davranışı değişir, yeni ürünler çıkar, dil kalıpları evrilir ve model bunlara ayak uyduramayabilir. Fark edilmezse agent'ın cevap kalitesi kimsenin bir şey değiştirmediği halde düşer. Detaylı yönetim: Sapmayı (Drift) Yönetme.

N

Nicemleme (Quantization)Altyapı: Bir modelin sayısal hesaplamalarının hassasiyetini düşürerek (örneğin 16-bit yerine 8-bit ile hesap yaparak) modeli daha küçük ve daha hızlı hale getirme tekniğidir. Doğru uygulandığında cevap kalitesinde gözle görülür bir kayıp olmadan, hem maliyeti hem gecikmeyi ciddi oranda azaltabilir; agresif uygulandığında ise doğruluk kaybı riski doğar.
Niyet Tanıma (Intent Recognition)AI Agent Tasarımı: Bir kullanıcının söylediği ya da yazdığı cümlenin arkasındaki asıl amacı belirleme işlemidir. "Kartımı kaybettim" cümlesinin arkasında hem bir panik hem de net bir aksiyon isteği (bloke etme) vardır; niyet tanıma bunu ayırt eder.

O

OrkestrasyonAltyapı: Bir AI Agent'ın tek bir modelle değil, birden fazla bileşenle (farklı modeller, araçlar, kural motorları) birlikte çalıştığı durumlarda, hangi bileşenin ne zaman devreye gireceğine karar veren yönetim katmanıdır. Karmaşık bir görüşmede "önce niyeti anla, sonra doğrula, sonra ilgili aracı çağır" sırasını yöneten de budur.
Otonom AI (Autonomous AI)AI Agent Tasarımı: Bir sistemin, her adımda insana danışmadan kendi kararlarını alıp uygulayabilme derecesidir. Otonomluk ikili bir durum değil, bir ölçektir. Bir AI Agent belirli kararlarda tam otonom, daha riskli kararlarda insana danışan bir karışım olarak tasarlanabilir. Bkz. İnsan Gözetimi.

Ö

Önbellekleme: Prefix Cache ve Semantic CacheAltyapı: İkisi de tekrar eden hesaplamalardan kaçınma amacı taşır ama farklı katmanlarda çalışır: prefix cache, aynı sistem talimatıyla başlayan görüşmelerin baş kısmını yeniden hesaplamaz; semantic cache, daha önce anlamca çok benzer bir soruya verilmiş cevabı, o soru birebir aynı kelimelerle sorulmasa bile tekrar kullanır. İkisi birlikte, yoğun trafikte hem maliyeti hem gecikmeyi düşürür.

P

PagedAttentionAltyapı: KV Cache'i tek bir bitişik bellek bloğu yerine, işletim sistemlerindeki sayfalama mantığına benzer şekilde küçük parçalar halinde yöneten bir tekniktir. Bunun pratik sonucu, bellekte oluşan israfın azalması ve aynı donanımla çok daha fazla eşzamanlı görüşmenin karşılanabilmesidir.
Parametre SayısıAltyapı: Bir modelin eğitim sırasında öğrendiği, davranışını belirleyen sayısal değerlerin toplam adedidir (7B = 7 milyar parametre gibi ifade edilir). Daha fazla parametre genelde daha güçlü bir model anlamına gelir, ama aynı zamanda daha fazla hesaplama gücü ve daha yüksek gecikme demektir. Bu yüzden "en büyük model" her zaman "en doğru tercih" değildir.
Persona (AI Agent Personası)AI Agent Tasarımı: Bir AI Agent'ın ses tonu, kelime seçimi ve karakterinin, temsil ettiği kurumun kimliğiyle tutarlı şekilde tanımlanmasıdır. TAHSİLDAR'ın tonu ile bir sigorta agent'ının tonu aynı olmamalıdır. İkisinin muhatap olduğu duygu durumu farklıdır. Detaylı çerçeve: Ses ve Persona.
Prefill AşamasıAltyapı: Bir dil modelinin, kullanıcının girdisini (soruyu, konuşma geçmişini) ilk kez okuyup işlediği aşamadır. Bu aşama paralel çalışabildiği için genellikle hızlıdır; asıl darboğaz bir sonraki aşamada, cevabın kelime kelime üretildiği decode aşamasında yaşanır. Bkz. Decode Aşaması, TTFT/TTFA.
Prompt MühendisliğiTemel Kavramlar: Bir dil modeline verilen talimatların, modelin istenen şekilde ve tutarlı davranmasını sağlayacak şekilde tasarlanması disiplinidir. İyi bir prompt sadece "ne yapılacağını" değil, hangi durumlarda ne yapılMAYACAĞINI da netleştirir. Belirsizlik bırakılan her nokta, modelin kendi başına (ve bazen yanlış) karar vermesi anlamına gelir.

R

RAG (Retrieval-Augmented Generation)AI Agent Tasarımı: Bir dil modelinin cevap üretmeden önce, ilgili bilgiyi güncel bir kaynaktan (dokümanlar, bir bilgi tabanı) gerçek zamanlı olarak çekip cevabına dahil etmesidir. Modelin sadece eğitim sırasında öğrendiği (ve zamanla eskiyen) bilgiyle değil, o an geçerli olan bilgiyle konuşmasını sağlar. Halüsinasyonu azaltmanın en etkili yollarından biridir.
Roofline ModelAltyapı: Bir çıkarım işleminin hızını neyin sınırladığını anlamak için kullanılan mühendislik çerçevesidir: darboğaz ya işlemci gücüdür ya da veriyi bellekten taşıma hızıdır. Sesli AI'da tek bir kullanıcıya cevap üretirken darboğaz genellikle bellek tarafındadır. Bu da neden daha güçlü bir işlemci almanın tek başına gecikmeyi çözmediğini açıklar. Detaylı çerçeve: CBOT Araştırma.

S

Sampling (Top-p, Top-k, Temperature)Altyapı: Bir dil modelinin bir sonraki kelimeyi seçerken ne kadar "öngörülebilir" ya da ne kadar "çeşitli" davranacağını belirleyen ayarlardır. Düşük bir sıcaklık (temperature) değeri modeli daha tutarlı ve temkinli yapar; bir tahsilat ya da bankacılık agent'ında genellikle bu tercih edilir, çünkü yaratıcılıktan çok güvenilirlik aranır.
Sesli Yapay Zekâ (Voice AI)Sesli AI Agent: Bir AI Agent'ın telefon görüşmesi üzerinden, yazıyla değil sesle etkileşim kurmasıdır. Konuşmayı anlamlandırmak, doğal bir sesle cevap vermek ve gerçek zamanlı karar almak aynı anda gerçekleşir. Yazılı kanallara göre gecikme toleransı çok daha düşüktür. Platform sayfası: Voice AI.
Sıfır Atış / Az Atış Öğrenme (Zero-shot / Few-shot Learning)Temel Kavramlar: Bir modele yeni bir görevi hiç örnek vermeden (sıfır atış) ya da sadece birkaç örnekle (az atış) öğretebilme yeteneğidir. Bir AI Agent'a yeni bir senaryo tanıtırken, o senaryonun onlarca örneğini toplamak yerine birkaç iyi seçilmiş örnekle yola çıkabilmek, devreye alma süresini kısaltır.
Sistem Promptu (System Prompt)Temel Kavramlar: Bir AI Agent'ın her görüşmeye başlamadan önce arka planda aldığı, kullanıcıya görünmeyen temel talimat setidir. Kim olduğu, nasıl davranması gerektiği, hangi sınırları asla aşmaması gerektiği burada tanımlanır. Guardrails'in büyük kısmı teknik olarak bu katmanda uygulanır.
Speculative Decoding (Spekülatif Kod Çözme)Altyapı: Küçük ve hızlı bir modelin olası bir sonraki birkaç kelimeyi "tahmin" edip, büyük ve daha güçlü modelin bu tahminleri tek seferde doğrulamasına dayanan hızlandırma tekniğidir. Tahmin doğru çıktığında, büyük model kelime kelime üretim yapmak yerine birkaç kelimeyi aynı anda onaylamış olur. Bu da cevap süresini gözle görülür şekilde kısaltabilir.
STT / TTS (Speech-to-Text / Text-to-Speech)Sesli AI Agent: STT, söylenen sesi yazıya çeviren bileşendir; TTS, üretilen yazılı cevabı doğal bir sese çevirendir. Sesli bir AI Agent'ta kullanıcı konuştuğunda önce STT, model cevabı ürettikten sonra TTS devreye girer. Bu iki bileşenin hızı, toplam gecikmenin önemli bir parçasını oluşturur.

T

TokenTemel Kavramlar: Bir dil modelinin metni işlerken kullandığı en küçük birimdir. Bir kelime, bir kelime parçası ya da bir noktalama işareti olabilir. Modelin hem hızı hem maliyeti işlediği token sayısıyla doğrudan ilişkilidir.
Tool Calling (Araç Çağırma)AI Agent Tasarımı: Bir AI Agent'ın, konuşma sırasında ihtiyaç duyduğu bilgiye ya da işleme kendi başına karar verip bir sistemi (bir API, bir veritabanı sorgusu) çağırarak ulaşmasıdır. Bir agent'ı "sadece konuşan" bir sistemden "iş yapan" bir sisteme dönüştüren temel yetenek budur. Kurulum çerçevesi: Backend Entegrasyonları ve Erişim Kuralları.
Transformer MimarisiAltyapı: Bugünün büyük dil modellerinin neredeyse tamamının üzerine kurulduğu mimaridir; temel yeniliği, bir cümledeki kelimeleri sırayla değil, birbirleriyle olan ilişkilerini (attention mekanizması ile) aynı anda değerlendirerek işlemesidir. Bu, hem daha iyi bağlam anlayışına hem de paralel hesaplama sayesinde daha hızlı eğitime imkân tanır.
Turn-Taking (Söz Sırası Yönetimi)Sesli AI Agent: Bir sesli AI Agent'ın, kullanıcının konuşmasının gerçekten bitip bitmediğini (bir düşünme durağı mı yoksa cümlenin sonu mu) doğru anlayarak ne zaman cevap vermeye başlayacağına karar vermesidir. Bu yanlış yapıldığında agent ya kullanıcının sözünü kesecek kadar erken ya da rahatsız edici bir sessizlik yaratacak kadar geç cevap verir.
TTFT / TTFA (Time to First Token / Time to First Audio)Sesli AI Agent: TTFT, bir modelin isteği aldıktan sonra ilk kelimeyi üretmesine kadar geçen süredir; TTFA, sesli bir AI Agent'ta bu ilk kelimenin sese çevrilip kullanıcıya ulaşmasına kadar geçen toplam süredir. İnsan kulağı yaklaşık yarım saniyeden uzun süren sessizlikleri "tuhaf" olarak algılar. Bu yüzden sesli AI'da bu metrik, yazılı kanallardakinden çok daha sıkı bir bütçeyle yönetilir.

V

Vektör Veritabanı (Vector Database)Altyapı: Metinlerin anlamsal olarak (kelimelerin birebir eşleşmesine değil, anlamına göre) aranabildiği özel bir veritabanı türüdür. RAG sisteminin arka planında, "en ilgili bilgiyi" bulmak için genellikle bu tür bir veritabanı çalışır. Bkz. Embedding.

Y

Yapay Zekâ AjanıTemel Kavramlar: "AI Agent" teriminin Türkçe karşılığı olarak da kullanılır. Bkz. AI Agent.