LLM Nedir? Büyük Dil Modelleri ve İşletmeler
Yapay zeka destekli taslak; yayından önce baştan sona okunur ve iddialar birincil kaynaklara karşı kontrol edilir. İçerik üretim sürecimiz

LLM (Large Language Model, büyük dil modeli), çok büyük miktarda metinle eğitilmiş ve bir metnin devamında hangi parçanın gelme olasılığının yüksek olduğunu tahmin ederek yanıt üreten yapay zeka modelidir. ChatGPT, Gemini, Claude ve Copilot gibi asistanların arkasında bu tür modeller çalışır. İşletme için önemli olan, modelin işletme hakkındaki bilgiyi eğitim verisinden mi, yoksa o anda yaptığı aramadan mı aldığıdır.
"LLM nedir" araması yapan biri iki farklı cevapla karşılaşabilir: hukuk alanında yüksek lisans derecesinin kısaltması ve yapay zekadaki büyük dil modeli. Bu yazı ikincisini anlatır. Büyük dil modelleri artık müşterinin bir işletmeyi aradığı yerlerden biridir; "[ilçe] çevresinde güvenilir bir [hizmet] öner" diye soran kişiye cevabı bu modeller yazar. Bu yüzden modelin nasıl çalıştığını kabaca bilmek, işletmenin bu cevaplarda nasıl yer alabileceğini anlamanın başlangıcıdır.
LLM nedir? Kısa cevap
LLM, metin üzerinde eğitilmiş, metni parçalara ayırarak işleyen ve bir sonraki parçayı olasılıklarla tahmin ederek yeni metin üreten büyük bir dil modelidir. Google'ın büyük dil modellerine giriş içeriği temel kavramı şöyle tanımlar: bir dil modeli, daha uzun bir jeton dizisinde bir jetonun veya jeton dizisinin gerçekleşme olasılığını tahmin eder; jeton ise bir kelime, alt kelime ya da tek bir karakter olabilir.
Bu tanımdan üç pratik sonuç çıkar:
- Model metni anlamaz gibi değil, olasılıkla tahmin eder: her yanıt, eğitimde öğrenilen kalıplara göre en olası devamın seçilmesiyle kurulur.
- Model doğru bilgiyi garanti etmez: olası bir devam, her zaman doğru bir bilgi değildir; model akıcı ama yanlış bir cümle de üretebilir.
- Modelin bildiği, eğitildiği veriyle sınırlıdır: eğitim verisinde olmayan ya da sonradan değişen bir bilgiyi model, ek bir kaynağa bakmadan bilemez.
Üçüncü sonuç işletme için en önemlisidir. Bir işletmenin adresi, hizmetleri ya da fiyatları değiştiğinde, model bu değişikliği ancak güncel kaynaklara erişerek öğrenebilir.
Büyük dil modeli nasıl çalışır?
Büyük dil modeli, metni jeton adı verilen küçük parçalara böler, bu parçaların birbirine göre olasılıklarını eğitim sırasında öğrenir ve yanıt üretirken her adımda bir sonraki jetonu bu olasılıklara göre seçer. Yanıt, jeton jeton kurulan bir dizidir.
Google'ın içeriği jetonu dil modellemenin en küçük birimi olarak tanımlar ve bir örnek verir: "When I hear rain on my roof, I ___ in my kitchen" cümlesinde model, boşluğu dolduracak farklı jetonlara farklı olasılıklar atar. Aynı içerik, tokenleştirmenin dile özgü olduğunu ve İngilizce için bir jetonun yaklaşık 4 karaktere ya da bir kelimenin dörtte üçüne karşılık geldiğini belirtir. Türkçe gibi eklemeli dillerde bir kelimenin kaç jetona bölündüğü farklıdır; belge bunun için ayrı bir oran vermez.
Bu çalışma biçiminin işletme için sonucu şudur: model, bir işletme hakkında soru sorulduğunda o işletmeye dair öğrendiği ya da önüne konan metinlerdeki kalıpları kullanır. İşletme hakkındaki bilgi farklı kaynaklarda farklı yazılmışsa, model bu farklılıkları birleştirmeye ya da birini seçmeye çalışır ve yanlış bir sonuç üretebilir.
| Kavram | Kısa anlamı | İşletme için sonucu |
|---|---|---|
| Jeton | Modelin işlediği en küçük metin parçası | Metin ne kadar açık ve tutarlıysa model o kadar doğru kalıp bulur |
| Eğitim verisi | Modelin öğrendiği metinlerin bütünü | Eski ya da eksik bilgi, modelin "bildiği" bilgi olarak kalabilir |
| Olasılık | Bir sonraki jetonun seçilme ihtimali | Model en olası cevabı verir, en doğru cevabı değil |
| Bağlam | Yanıt üretilirken modele verilen metin | Arama sonucuyla verilen güncel bilgi, eğitim verisinin önüne geçebilir |
LLM ile ChatGPT, Gemini ve Claude arasındaki fark nedir?
ChatGPT, Gemini, Claude ve Copilot birer üründür; her biri bir ya da birden fazla büyük dil modelini, arama, dosya okuma ya da araç kullanma gibi ek yeteneklerle birlikte sunar. LLM bu ürünlerin içindeki modeldir, ürünün tamamı değildir.
Bu ayrım bir işletmenin bilgisinin nereden geldiğini anlamak için önemlidir. Yalnızca modelin kendisi kullanıldığında, yanıt eğitim verisine dayanır. Ürün arama yapabiliyorsa, model o anda webden bulduğu kaynakları da okur ve yanıtı bu kaynaklara dayandırabilir. Hangi asistanın hangi kaynakları nasıl seçtiğini karşılaştıran yapay zeka arama motorları yazısı, ürünler arasındaki bu farkı ayrıntılı ele alır.
Pratikte bir müşterinin "bana [hizmet] öner" sorusu, aramayı açık bir asistanda güncel web kaynaklarıyla, aramayı kapalı bir modelde ise yalnızca eğitim verisiyle cevaplanır. Aynı soru iki farklı ortamda iki farklı cevap alabilir; bu yüzden tek bir asistanda yapılan tek bir deneme, işletmenin genel görünürlüğü hakkında kesin bir sonuç vermez.
LLM işletme hakkındaki bilgiyi nereden alır?
Büyük dil modeli işletme hakkındaki bilgiyi iki yoldan alabilir: eğitim sırasında okuduğu metinlerden ve yanıt üretirken ürünün yaptığı aramalardan gelen güncel kaynaklardan. Hangi yolun kullanıldığı, ürünün özelliklerine ve sorunun türüne bağlıdır.
Eğitim tarafında bilgi, modelin eğitildiği tarihe kadar webde ve diğer kaynaklarda bulunan metinlerden gelir. Arama tarafında ise ürün, soruya göre web araması yapar ve bulduğu sayfaları modele bağlam olarak verir. OpenAI bu iki işi farklı tarayıcılarla yürütür. OpenAI tarayıcıları belgesine göre GPTBot, üretken yapay zeka temel modellerinin eğitiminde kullanılabilecek içerikleri taramak için kullanılır ve GPTBot'un engellenmesi sitenin içeriğinin bu eğitimde kullanılmaması gerektiğini belirtir. OAI-SearchBot ise ChatGPT'nin arama özelliklerinde web sitelerini arama sonuçlarında göstermek için kullanılır; belge, OAI-SearchBot'u engelleyen sitelerin ChatGPT arama yanıtlarında gösterilmeyeceğini, ancak gezinme bağlantısı olarak yine görünebileceğini yazar.
Bu ayrım işletmeye net bir karar verdirir: sitenin ChatGPT aramasında görünmesi isteniyorsa OAI-SearchBot'un robots.txt dosyasında engellenmemesi gerekir. Bir sitenin yapay zeka tarayıcılarına gerçekten açık olup olmadığını robots.txt ve sunucu yanıtı düzeyinde kontrol etmeyi anlatan AI botları sitenize giriyor mu yazısı, bu kararın teknik doğrulamasını verir.
LLM neden yanlış bilgi verir?
Büyük dil modeli, en olası devamı ürettiği için bazen akıcı ama yanlış bir bilgi verebilir; bu durum eksik ya da çelişkili kaynaklarda, eski eğitim verisinde ya da soru belirsiz olduğunda daha olasıdır. Model kendi yanıtının doğru olup olmadığını kendiliğinden bilemez.
İşletme açısından yanlış bilginin kaynakları şunlar olabilir:
- Çelişkili künye: işletmenin adı, adresi ya da telefonu farklı sitelerde farklı yazılmış.
- Eski bilgi: taşınmış, adı değişmiş ya da hizmeti değişmiş bir işletmenin eski bilgisi hâlâ webde duruyor.
- Benzer isim: aynı ya da benzer adı taşıyan başka bir işletmeyle karışıklık.
- Eksik kaynak: işletmenin hizmetlerini açıkça anlatan bir sayfa yok, model boşluğu tahminle dolduruyor.
Bu kaynakların ortak çözümü, işletme bilgisinin her yerde aynı ve açık yazılmasıdır. Bir yapay zeka asistanı işletmeyi yanlış tanıttığında hangi sırayla kontrol yapılacağını ve hangi kaynakların düzeltileceğini anlatan yapay zeka markanızı yanlış tanıtıyorsa yazısı, bu sorunun adım adım çözümünü verir.
Burada bir sınır da yazılmalıdır: işletme, bir modelin ne yanıt vereceğini doğrudan kontrol edemez. Yapılabilecek olan, modelin erişebileceği kaynakları doğru, tutarlı ve güncel tutmaktır; sonuç yine modelin ve ürünün kendi işleyişine bağlıdır.
LLM'ler kaynak olarak hangi sayfaları gösterir?
Arama yapabilen asistanlar, yanıtı kurarken kullandıkları kaynaklardan bazılarını bağlantı olarak gösterebilir; hangi sayfaların gösterildiği ürüne, soruya ve o anki arama sonuçlarına göre değişir. Gösterilen kaynaklar arasında işletmenin kendi sitesi kadar üçüncü taraf siteler de yer alabilir.
Bir işletmenin kaynak olarak görünme olasılığını, sayfasının soruyu açıkça cevaplaması ve aranabilir olması destekler. Ama yalnızca kendi site yeterli olmayabilir: bazı sorularda asistanlar liste sayfaları, rehber siteler ya da haber sitelerini kaynak olarak öne çıkarabilir. ChatGPT ve Perplexity'nin belirli sorularda hangi tür kaynakları gösterdiğini kendi ölçümüyle sınıflayan ChatGPT ve Perplexity kaynak analizi, bu kaynak türlerinin dağılımını veriyle gösterir.
Perplexity gibi kaynak göstermeyi ürünün merkezine koyan asistanlar, yanıtla birlikte kaynak listesini de verir. Perplexity'nin nasıl çalıştığını ve hangi kullanımlarda öne çıktığını anlatan Perplexity nedir yazısı, kaynak gösteren bir asistanın işletme açısından ne anlama geldiğini açıklar.
LLM ve query fan-out nasıl birlikte çalışır?
Yapay zeka destekli arama özelliklerinde model, kullanıcının sorusunu anlamlandırır; arama tekniği soruyu alt konulara bölüp her biri için kaynak toplar; model bu kaynakları okuyarak yanıtı yazar. Google bu tekniği Türkçe belgelerinde "sorgu yayma" olarak adlandırır.
Bu işbirliği, işletmenin içerik planı için önemli bir sonuç doğurur: tek bir uzun soru, birden fazla alt soru üzerinden cevaplanabilir ve her alt soru için farklı bir kaynak seçilebilir. Bir sitenin bu alt soruların her birine açık bir cevap vermesi, yanıtın birden fazla parçasında kaynak olma olasılığını destekler. Sorunun alt sorulara nasıl bölündüğünü ve içerik planının buna göre nasıl kurulacağını anlatan query fan-out yazısı, modelin önüne konan kaynakların nasıl seçildiğini ayrıntılı ele alır.
Bu süreçte modelin yaptığı iş, kaynaklardan aldığı bilgiyi birleştirmektir. Kaynaklar birbiriyle çelişiyorsa model birini seçebilir ya da çelişkiyi yanıtına taşıyabilir. İşletmenin kendi sayfasındaki bilgi ile üçüncü taraf sayfalardaki bilgi aynıysa, model için seçim kolaylaşır.
İşletme sitesi LLM'ler için nasıl hazırlanır?
İşletme sitesi büyük dil modelleri için ayrı bir teknik formatla değil, açık, tutarlı ve aranabilir içerikle hazırlanır: hizmetler ayrı sayfalarda anlatılır, künye her yerde aynı yazılır, önemli bilgi metin olarak sunulur ve yapay zeka tarayıcıları engellenmez. Bu ilkeler klasik arama için de geçerlidir.
Hazırlık listesi şöyle kurulabilir:
- Künye: işletme adı, adres, telefon, e-posta ve çalışma saatleri sitede, İşletme Profili'nde ve sosyal hesaplarda aynı.
- Hizmet sayfaları: her ana hizmet için ne olduğu, kimin için uygun olduğu, nerede verildiği ve sürecin nasıl işlediği yazılı.
- Soru-cevap düzeni: müşterinin sık sorduğu sorular sayfalarda başlık olarak geçiyor ve hemen altında doğrudan cevaplanıyor.
- Metin olarak bilgi: fiyatlandırma biçimi, kapsam ve süreç yalnızca görselde ya da videoda değil, metinde de var.
- Tarayıcı erişimi: robots.txt, arama için kullanılan yapay zeka tarayıcılarını engellemiyor.
- Dış kaynaklar: işletmenin listelendiği rehber ve dizin sitelerindeki bilgiler güncel.
Bu listenin içerik tarafını ayrıntılı ele alan büyük dil modelleri için içerik optimizasyonu yazısı, içerik yazarken modelin bilgiyi doğru alıntılamasını kolaylaştıran düzenleri gösterir. Bu düzenlerin Google için ayrıca gerekmediğini, Google'ın kendi belgesinin yapay zeka özellikleri için ek şart olmadığını yazdığını da hatırlamak gerekir; hazırlık, iyi bir web sitesinin temel kurallarının uygulanmasıdır.
LLM'ler işletmede hangi işlerde kullanılabilir?
Büyük dil modelleri, işletmenin müşteriye görünürlüğünün yanında işletmenin kendi işlerinde de kullanılabilir: müşteri sorularını yanıtlayan asistanlar, metin taslağı hazırlama, gelen talepleri sınıflandırma ve özetleme bunların başında gelir. Her kullanımda aynı sınır geçerlidir: model olası bir devam üretir, doğru bilgiyi kendiliğinden garanti etmez.
Kullanım alanları ve dikkat edilecek noktalar şöyle eşlenebilir:
| Kullanım | İşe yaradığı yer | Dikkat edilecek nokta |
|---|---|---|
| Müşteri hizmetleri asistanı | Sık sorulan soruları hızlı yanıtlamak | Cevaplar işletmenin onaylı bilgi tabanına dayanmalı |
| Metin taslağı | Ürün açıklaması, e-posta, sosyal medya metni | Her taslak bir insan tarafından okunup doğrulanmalı |
| Talep sınıflandırma | Gelen formları konuya ve aciliyete göre ayırmak | Kişisel veri işleniyorsa aydınlatma ve aktarım kuralları |
| Özetleme | Uzun yazışmaları ya da notları kısaltmak | Özetin kaynağa sadık olup olmadığının kontrolü |
Müşteriyle konuşan bir asistan kurulduğunda iki kural öne çıkar. Birincisi, asistanın cevapları işletmenin kendi doğrulanmış bilgisine dayanmalıdır; model kendi eğitim verisinden fiyat ya da süre uydurursa müşteri yanlış bilgilendirilmiş olur. İkincisi, asistan bir konuda emin değilse ya da konu kişiye özel bir karar gerektiriyorsa insana yönlendirmelidir.
Metin taslağı için de kural benzerdir. Model hızlı bir başlangıç verir, ama taslaktaki her olgu, sayı ve iddia yayından önce kontrol edilir. Bu kontrol yalnızca doğruluk için değil, işletmenin sesinin korunması için de gereklidir.
İşletme LLM'lerdeki görünürlüğünü nasıl izler?
İşletme, büyük dil modeli tabanlı asistanlardaki görünürlüğünü sabit bir soru setini belirli aralıklarla sorup yanıtları kaydederek ve sitesine bu asistanlardan gelen trafiği analitik araçla izleyerek takip edebilir. İki yöntemin de sınırı vardır ve birlikte okunur.
Soru testinde dikkat edilecek noktalar şunlardır:
- Sabit soru seti: aynı sorular aynı biçimde sorulur, böylece zaman içindeki değişim görülür.
- Koşul kaydı: hangi asistan, hangi tarih, hangi hesap, arama açık mı kapalı mı not edilir.
- Tekrar: aynı soru birden fazla kez sorulur, çünkü yanıtlar değişebilir.
- Ayrım: işletme adının yanıtta geçmesi ile işletme sitesinin kaynak olarak gösterilmesi ayrı sayılır.
Trafik tarafında Google Analytics, ChatGPT, Gemini, Copilot gibi kaynaklardan gelen ziyaretleri ayrı bir kanal olarak gösterebilir. Bu kanaldaki ziyaret sayısı, asistanların siteye ne kadar yönlendirme yaptığını gösterir; ama yanıtta adı geçip tıklanmayan görünürlüğü göstermez.
Asistanlarda görünmenin sitenin dışındaki bir parçası da vardır: işletmeyi doğrudan asistanların bilgi kaynaklarına eklemek. ChatGPT'ye işletme bilgisinin hangi yollarla ulaştırılabildiğini ve hangi yolların bugün mümkün olmadığını anlatan ChatGPT'ye işletme ve site ekleme yazısı, bu tarafın gerçekçi sınırlarını çizer. Büyük dil modellerini işletme açısından anlamanın amacı, modeli kontrol etmek değil, modelin işletmeye dair bulacağı her bilginin doğru ve tutarlı olmasını sağlamaktır.
Sıkça Sorulan Sorular
LLM ne demek, açılımı nedir?
Yapay zeka alanında LLM, İngilizce "Large Language Model" ifadesinin kısaltmasıdır ve Türkçede büyük dil modeli olarak karşılanır. Çok büyük miktarda metinle eğitilmiş, metni jeton adı verilen parçalara ayırarak işleyen ve bir sonraki parçanın olasılığını tahmin ederek yanıt üreten modeldir. Hukuk alanında ise aynı kısaltma bir yüksek lisans derecesini ifade eder.
ChatGPT bir LLM midir?
ChatGPT bir üründür; içinde OpenAI'ın büyük dil modellerinden biri ya da birkaçı çalışır ve ürün bu modelleri web araması, dosya okuma gibi ek yeteneklerle birlikte sunar. Model ile ürün arasındaki fark önemlidir: arama açıkken yanıt güncel web kaynaklarına dayanabilir, kapalıyken yalnızca modelin eğitim verisine dayanır.
LLM işletmem hakkında bilgiyi nereden öğrenir?
İki yoldan: eğitim verisinden ve ürünün yanıt sırasında yaptığı aramalardan. OpenAI'ın tarayıcılar belgesine göre GPTBot eğitimde kullanılabilecek içeriği tarar; OAI-SearchBot ise ChatGPT'nin arama özelliklerinde siteleri göstermek için kullanılır ve onu engelleyen siteler ChatGPT arama yanıtlarında gösterilmez. Bu yüzden arama tarayıcılarının robots.txt ile engellenmemesi önemlidir.
LLM neden yanlış bilgi verir?
Model en olası devamı üretir ve kendi yanıtının doğruluğunu kendiliğinden bilemez. İşletme bilgisi farklı sitelerde farklı yazılmışsa, eski bilgi hâlâ webde duruyorsa ya da benzer adlı başka bir işletme varsa model yanlış bir sonuç üretebilir. Çözüm, işletme bilgisinin sitede ve diğer kaynaklarda aynı, açık ve güncel tutulmasıdır.
Web sitemi LLM'ler için ayrıca optimize etmem gerekir mi?
Google, Yapay Zeka Bakışı ve Yapay Zeka Modu için ek şart ya da özel optimizasyon gerekmediğini yazar. Diğer asistanlar için de temel ilkeler aynıdır: hizmetlerin ayrı sayfalarda açıkça anlatılması, künyenin her yerde aynı yazılması, önemli bilginin metin olarak sunulması ve arama için kullanılan yapay zeka tarayıcılarının engellenmemesi.