# LLM ve ChatGPT entegrasyonu

> LLM entegrasyonu, ChatGPT, Claude veya Gemini gibi büyük dil modellerini API üzerinden mevcut yazılımınıza, ERP veya CRM sisteminize bağlayıp ekranlarınıza yeni bir yetenek eklemektir: metni özetlemek, sınıflandırmak, alan çıkarmak, taslak yazmak. Corrplus olarak doğru modeli seçiyor, maliyeti ve verinin nerede işlendiğini baştan planlıyor, özelliği ölçülebilir şekilde canlıya alıyoruz.

URL: https://corrplus.net/tr/hizmetler/llm-entegrasyonu/
Güncellendi: 2026-10-22
Corrplus Ekibi

## Kimler için

- Kendi yazılım ürününe yapay zeka özelliği eklemek isteyen SaaS ve yazılım şirketleri
- Logo, Mikro, Netsis, SAP veya kendi geliştirdiği ERP'de serbest metin, açıklama ve belge alanlarıyla uğraşan şirketler
- HubSpot, Salesforce veya Dynamics 365 kayıtlarını özetlemek, sınıflandırmak ve zenginleştirmek isteyen ekipler
- OpenAI API ile prototip yapmış ama maliyet, hız veya veri konumu nedeniyle canlıya alamamış ekipler

## Ne zaman uygun değil

- Yapay zekanın hangi işe ekleneceği henüz belli olmayan şirketler. Önce kullanım senaryosunu yapay zeka danışmanlığıyla netleştiririz.
- Yalnız çalışanların ChatGPT veya Copilot kullanmasını isteyen ekipler. Bu bir lisans ve eğitim konusudur, entegrasyon değil.

## Teslim ettiklerimiz

- **Model seçim raporu**: Aynı görev için birkaç modelin sizin örnek verinizle karşılaştırması: kalite, gecikme, işlem başına maliyet ve verinin işlendiği bölge.
- **Entegrasyon katmanı**: Yazılımınızla model sağlayıcı arasında duran, model değiştirmeyi tek ayarla mümkün kılan servis; API anahtarı yönetimi, yeniden deneme ve önbellek dahil.
- **Talimat ve çıktı şeması**: Sürümlenmiş talimatlar ve modelin yazılımınıza bozuk veri döndürmemesi için yapılandırılmış (JSON) çıktı kuralları.
- **Değerlendirme seti**: Gerçek örneklerden test vakaları; model veya talimat değiştiğinde kalite otomatik ölçülür.
- **Maliyet ve kullanım izleme**: Özellik, müşteri veya kullanıcı bazında token tüketimi ve bütçe uyarıları.

## Nasıl çalışıyoruz

- **Keşif**: Özelliğin hangi ekranda, hangi veriyle, kim için çalışacağını ve başarının nasıl ölçüleceğini birlikte tanımlıyoruz.
- **Tasarım**: Aday modelleri örnek verinizle karşılaştırıyor, kişisel verinin nereye gideceğini KVKK açısından belirliyor, mimariyi ve teklifi yazıyoruz.
- **Kurulum**: Entegrasyon katmanını ve ilk özelliği kısa döngülerle kuruyor, önce sınırlı bir kullanıcı grubuna açıyoruz.
- **İşletme**: Kalite ve maliyeti izliyor, yeni model sürümlerini test setiyle değerlendirip gerektiğinde geçiş yapıyoruz.

## Kullandığımız araçlar

OpenAI API, Anthropic Claude API, Google Gemini API, Azure OpenAI, Amazon Bedrock, Açık modeller (Llama, Mistral, Qwen) ve vLLM, Ollama, LiteLLM, Langfuse, Supabase

**Süre:** Tek bir özelliğin ilk canlı sürümü genellikle 3–6 hafta içinde

**Fiyatlandırma:** Keşif görüşmesinden sonra sabit kapsamlı proje teklifi; model kullanım maliyeti sizin hesabınızda; isteğe bağlı aylık işletme.

## LLM entegrasyonu hangi işleri çözer?

Ekranlarınızdaki serbest metin genellikle en az işlenen veridir: müşteri talebinin açıklaması, servis formundaki arıza notu, tedarikçi e-postası. Dil modeli bu metni okuyup yapılandırılmış veriye çevirebilir veya üzerinden taslak yazabilir. Tipik örnekler:

- Servis kaydındaki arıza notunu sınıflandırıp doğru ekibe atamak
- CRM'deki görüşme notlarından özet ve sonraki adımı çıkarmak
- Tedarikçi e-postasından sipariş numarası, tarih ve tutarı ERP alanlarına yazmak
- Ürün açıklamalarını Trendyol ve Hepsiburada kurallarına göre yeniden yazmak
- e-Fatura ve e-Arşiv belgelerindeki açıklama satırlarını muhasebe koduna eşlemek için öneri üretmek
- Kendi SaaS ürününüze "özetle" veya "taslak oluştur" düğmesi eklemek

## Hangi model, nerede çalışmalı?

Model seçimi tek bir karar değil; kalite, maliyet, hız ve verinin nerede işlendiği arasında bir dengedir.

| Seçenek | Ne zaman uygun | Veri nerede işlenir | Dikkat edilecek |
|---|---|---|---|
| OpenAI API | Geniş görev yelpazesi, olgun araçlar | Sağlayıcının bulutu | Yurt dışına aktarım değerlendirmesi |
| Anthropic Claude API | Uzun belgeler ve araç kullanımı | Sağlayıcının bulutu | Yurt dışına aktarım değerlendirmesi |
| Google Gemini API | Google Cloud kullananlar, görsel ve belge girdisi | Google Cloud, bölge seçimiyle | Ücretsiz katmanın koşulları farklı |
| Azure OpenAI | Microsoft altyapısındaki kurumlar | Seçilen Azure bölgesi | Kurumsal sözleşme ve kota |
| Açık modeller (Llama, Mistral, Qwen) | Veri dışarı çıkmamalı veya hacim çok yüksek | Kendi sunucunuz | GPU maliyeti ve bakım |

Model kalitesi dile ve göreve göre değişir. Türkçe metinlerde genel sıralamalar her zaman yol göstermez; bu yüzden karşılaştırmayı sizin Türkçe örneklerinizle yapıyoruz. Entegrasyon katmanını da modelden bağımsız kuruyoruz. Bugün bir modelle başlayıp yarın daha ucuz veya daha iyi bir modele geçmek kodunuzu değiştirmeyi gerektirmez.

## Yapay zeka ajanı ve RAG'den farkı ne?

LLM entegrasyonu tek ve tanımlı bir görevdir: girdi belli, çıktı belli, yazılımınızın mevcut ekranında çalışır. [Yapay zeka ajanı](/tr/hizmetler/yapay-zeka-ajani-gelistirme/) ise bir hedef için birden çok adımı kendisi planlar ve araçlarla uygular; daha esnektir ama denetimi daha zordur. [RAG bilgi asistanı](/tr/hizmetler/rag-kurumsal-bilgi-asistani/) çalışanların şirket belgelerine soru sorduğu ayrı bir uygulamadır. Bir entegrasyon RAG'den yararlanabilir, ama amacı belgeleri sorgulatmak değil, var olan bir iş adımını hızlandırmaktır. Öngörülebilirlik istiyorsanız entegrasyonla başlayın.

## Nasıl başlıyoruz?

İlk görüşmede yapay zeka eklemek istediğiniz ekranı ve birkaç gerçek örnek veriyi birlikte inceliyoruz. Ardından aday modelleri bu örneklerle karşılaştırıp kaliteyi ve işlem başına maliyeti yan yana gösteriyoruz. Karar bu karşılaştırmaya dayanır, tahmine değil. Kapsam henüz net değilse iki haftalık [yapay zeka keşif programı](/tr/yapay-zeka-kesif-programi/) ile başlıyoruz.

## Sık sorulan sorular

### Hangi modeli seçmeliyiz: OpenAI mı, Claude mı, Gemini mi?

Tek doğru cevap yok. Aynı görevi sizin örnek verinizle birkaç modelde deniyor, kalite, hız ve işlem başına maliyeti yan yana koyuyoruz. Entegrasyon katmanı model değiştirmeyi kolaylaştırdığı için bugünkü seçim sizi bağlamaz.

### API maliyetini nasıl kontrol ediyorsunuz?

Basit işleri küçük ve ucuz modellere veriyor, tekrarlanan istekleri önbelleğe alıyor, gereksiz uzun bağlamı kırpıyoruz. Özellik ve kullanıcı bazında tüketimi izliyor, bütçe sınırına yaklaşıldığında uyarı veriyoruz.

### Verilerimiz model eğitiminde kullanılır mı?

Büyük sağlayıcılar ücretli API ve kurumsal planlarda gönderilen veriyi varsayılan olarak model eğitiminde kullanmadıklarını belirtiyor; ücretsiz katmanlarda koşullar farklı olabilir. Güncel koşulları her sağlayıcı için birlikte kontrol ediyoruz. Tam kontrol gerekiyorsa açık modeli kendi sunucunuzda çalıştırıyoruz.

### Verinin Türkiye'de veya AB'de kalması gerekiyorsa?

Seçenekler var: Azure OpenAI veya Google Cloud'da bölge seçimi, ya da Llama, Mistral, Qwen gibi açık modelleri kendi sunucunuzda veya Türkiye'deki bir veri merkezinde çalıştırmak. Yurt dışına aktarım değerlendirmesini hukuk danışmanınızla birlikte yapıyoruz.

### Logo veya Netsis gibi yerel ERP'lere entegre edilebilir mi?

Çoğu zaman evet. Veritabanı, web servis veya dosya aktarımı üzerinden veriyi alıp modelin sonucunu ilgili alana geri yazıyoruz. ERP'nin kendisini değiştirmeden yanına küçük bir servis eklemek en sık kullandığımız yol.

### Fine-tuning gerekir mi?

Çoğu projede hayır. İyi yazılmış talimat, örnekler ve gerektiğinde RAG yeterli olur. Fine-tuning, çok yüksek hacimde aynı biçimi tutarlı üretmek veya küçük bir modeli tek bir göreve uzmanlaştırmak gerektiğinde değerlendirilir.