Dokuz iş, sıfır müşteri adı.

Dış görünürlüğü izleyen veri vardı; onu üst yönetimin kullanacağı rapora çeviren sistem yoktu. İhtiyaç sabit şablon değil, doğal dille istenen her raporu sistemdeki veriden, kaynağı göstererek üreten kapalı devre bir platformdu.

Ürün tanımından hedef mimariye: sistem sınırı, 35 alanlık master veri şeması, "orkestratör + tek işli modül ajanları + rapor durum nesnesi" prompt mimarisi, kaynak/güven/audit kuralları. "Kaynaksız iddia rapora giremez."

Her hafta 7 mecradan gelen binlerce kayıt elle temizlenip 40+ slaytlık sunuma işleniyordu; tutarlılık kişiye bağlıydı.

Ham CSV'den sunuma giden hattı modüler bir Python pipeline olarak kurdum; her kural bir karar kaydına bağlandı, pipeline değerleri kayıttan okur.

Prompt "spam" dediğinde %97,8 haklıydı ama alakasız içeriğin yalnızca %23'ünü yakalıyordu; bir dönemde 3.901 kayıt raporlara sızıyordu.

Kök neden: platform kuralını ezen bir tie-break cümlesi. Promptu sert bir ifade kapısı etrafında yeniden yazdım; 137 kayıtlık, 7 katmanlı regresyon seti kurdum.

Tek etiket, iki ayrı karar. Tek doğruluk yüzdesi ikisini karıştırıyordu; hata kimin, tekrar eder mi — cevap yoktu.

İki ekseni ayrı ölçen, etiket↔gerekçe çelişkisini otomatik yakalayan, determinizmi ayrıca kontrol eden protokol; her bulgu sahiplenilir.

"Dış sağlayıcının spam analizi iyi mi?" sorusuna sayısal cevap gerekiyordu; 2.525 kayıt, 5 mecra.

Ağırlıklı altı boyut: teknik gürültü, marka-dışı içerik, adaş gürültü, tekrar, kesinlik, karar tutarlılığı. Sağlayıcı çıktısı kayıt kayıt karşılaştırıldı.

Kurallar e-posta ve hafızada; AI tek soru için 82 bin karakter okuyordu, aynı dosyada iki farklı değer vardı.

Karar kayıtlarından üretilen katmanlı vault; router, lookup, 22 kurallı linter, 12 benchmark. Hiçbir satır silinmedi.

Raporların belirli saatte belirli kişilere gönderilmesi elle yapılıyordu; unutma ve yanlış alıcı riski.

Yapay zekâ içermeyen, sabit kurallı tarayıcı otomasyonu: iş klasörü modeli, tek alıcı listesi, kuru çalıştırma, kanıt, log.

Yorumlar şubeyle eşleşmiyordu; "hangi şube negatif yorum alıyor" cevapsızdı.

Şube listesinden sorgu varyantları üreten, adayları adres/ilçe/isim parçalarına göre puanlayan eşleştirici; sonuç sentiment tablosuna bağlandı.

Yüzlerce markanın dijital görünürlüğünü tek karşılaştırılabilir skora indirmek.

Skorlamaya uygun veri yapısı, skor formülü kurgusu, marka sorgu setleri, sektörel analiz tabloları.