Pi, İstanbul merkezli bağımsız bir yapay zeka stüdyosudur. 2023'ten beri üretimde çalışan AI sistemleri kuruyoruz. Slayt sunup gitmiyor, pilot bırakıp kaybolmuyor, üretimde tutuyor ve bakımını yapıyoruz.

Hangi sektörlerde çalışıyorsunuz?

Saha hizmetleri, sigorta, hukuk, perakende, üretim, lojistik, turizm/MICE ve bankacılık sektörlerinde çalışıyoruz. 7 sektörde aktif üretim sistemlerimiz var.

Ortalama bir proje ne kadar sürer?

Pilot teslim süremiz ortalama 6 hafta. Üretime geçiş genelde 3-4 ay arasında oluyor. Bakım ve sürekli iyileştirme anlaşmamızla devam ediyor.

Brief göndermek için ne yapmalıyım?

Sayfadaki brief formunu doldurabilirsiniz. İyi bir brief somut sayılar, mevcut süreç, spesifik ağrı noktaları ve sınırlamaları içerir. Sayfada 6 örnek brief'imiz var.

Bütçesiz / küçük şirketler için çalışıyor musunuz?

Her ölçek için çalışmıyoruz. Tipik proje aralığımız 150K – 5M ₺. Henüz net olmayan durumlar için keşif görüşmesi yapıyoruz, bu görüşme ücretsizdir.

Pi — Üretim Yapay Zeka Stüdyosu

Yaklaşım

Yapay zeka vaat etmez, iş yapar.

Bizim için bir model accuracy puanı bir şey ifade etmez. Bir ekibin sahada, gerçek bir müşterinin önünde, gerçek bir kararı daha hızlı ve doğru almasını sağlayan sistem ifade eder.

01

İş problemi, model değil.

Önce sahaya iniyoruz. Ekibinizin günlük rutinini anlamadan model kurmuyoruz. "AI eklenebilir mi" değil, "saatler nereye gidiyor" sorusuyla başlıyoruz.

02

Demo değil, devir.

POC'u bitirip rapor bırakmıyoruz. Sistemleri sizin altyapınızda, sizin ekiplerinizin operasyonel olarak yönettiği şekilde teslim ediyoruz. Belgeleme ve eğitim dahil.

03

Ölçülebilir KPI.

Her projeye bir "başarı tanımı" yazıyoruz: dakika, kuruş, hata oranı. Bu sayı tutmazsa biz bitmemiş sayıyoruz. İşin matematiğinden kaçmıyoruz.

Seçilmiş vakalar

Sahaya inmiş dört iş.

Her vaka farklı bir sektörde, farklı bir bağlamda — saha ekibi rotalama, MICE kongre yönetimi, e-ticaret talep tahmini, hukuk sözleşme analizi. Ortak nokta: hepsi şu an üretimde çalışıyor ve ölçülen sonuçlar veriyor.

01

Saha Hizmetleri / İlaçlama

60 ekipli saha filosu için operasyonel beyin.

Computer Vision OR-Tools React Native FastAPI PostgreSQL Whisper

Problem

60 ekipli, günde 400+ servis veren bir ulusal ilaçlama firması. Rota planlama bir kişide, kâğıt iş emirleri, müşteri raporları el yazısı. Müdür "ekibim nerede" sorusunu telefonla soruyordu. Aynı bölgeye iki ekip gönderildiği günler vardı.

Çözüm

Tek bir saha operasyon platformu: gece otomatik rota optimizasyonu (trafik + müşteri tipine göre öncelik), saha ekibinin telefondan fotoğraf çektiği zararlının computer vision ile tespiti, sesle Türkçe iş raporu, otomatik PDF müşteri raporu. Müdür ekrandan filoyu canlı görüyor.

−%38

Ekip başı rota süresi

+%52

Günlük tamamlanan iş

14 ay

Üretimde, kesintisiz

02

Turizm / MICE Organizasyon

5.000 katılımcılı kongreyi yöneten ajan.

LLM Agents RAG Anthropic Claude Çoklu-dil PMS entegrasyonları WhatsApp Business

Problem

Bir MICE organizatörü, yılda 60+ etkinlik. Her etkinlik = ortalama 47 tedarikçi (otel, transfer, catering, AV, sahne), 4-6 dilde iletişim, sürekli değişen programlar. Proje yöneticisi günde 200+ e-posta atıyor. Bir tedarikçi cevap vermezse haber 4 saat sonra anlaşılıyor.

Çözüm

Bir "ajan ekibi" — her tedarikçi tipine özelleşmiş Claude tabanlı ajanlar. E-posta + WhatsApp üstünden tedarikçi iletişimini yürütüyor, teyit alıyor, geç kalanı tespit edip yedek tedarikçiye otomatik teklif gönderiyor. Yönetici sadece kritik kararı onaylıyor. 4 dilde eşzamanlı çalışıyor.

−%71

Tedarikçi iletişim süresi

4

Dilde eşzamanlı operasyon

9 ay

Üretimde, 23 etkinlik

03

E-ticaret / Talep Tahmini

18.000 SKU için günlük talep tahmini — stok-out %62 azaldı.

Time Series ML LightGBM Prophet Feature Engineering Apache Airflow

Problem

18.000 SKU'lu bir e-ticaret operasyonu. Geleneksel "geçen yıl aynı dönem +20%" yaklaşımı sezonsallık, kampanya etkisi, hava durumu, tatil günleri ve rekabet fiyatını ıskalıyor. Stok-out'ta satış kaybı, ölü stokta sermaye bağlanıyor. Her SKU için her gün manuel sipariş kararı vermek matematiksel olarak imkansız.

Çözüm

Her SKU için 60+ özellik (sezonsallık, promosyon, hava durumu, rekabet fiyatı, tatil takvimi, marketing harcaması, anahtar kelime arama hacmi) ile günlük talep tahmini. LightGBM + Prophet hibrit modeli, %95 güven aralığıyla. 7-30-90 gün ileri görüş. Tedarikçi sipariş önerisi, ölü stok için likidasyon planı, dinamik fiyatlama girdisi.

−%62

Stok-out azalması

MAPE 11.4

Tahmin doğruluğu

₺ 18M

Serbest kalan sermaye

04

Hukuk / Kurumsal Sözleşme

Bin sayfalık sözleşmede risk avcısı.

RAG Claude Opus Hibrit arama Hukuki ince ayar SharePoint entegrasyonu

Problem

Kurumsal hukuk departmanı, gelen tedarikçi sözleşmelerini madde madde inceliyor. Bir sözleşme ortalama 6 saat. Junior avukatlar zamanın çoğunu "standart maddeden sapma" tespit etmekle geçiriyor. Risk taşıyan tek bir madde gözden kaçtığında sonuçları ağır.

Çözüm

Şirketin kendi standart sözleşmeleri ve geçmiş kabul edilebilir sapma örnekleriyle eğitilmiş bir RAG sistemi. Yeni sözleşme yüklenir yüklenmez 7-10 dakikada risk haritası çıkıyor: hangi madde sapıyor, ne kadar sapıyor, geçmişte benzer madde nasıl müzakere edildi. Avukat saatlerini düşük seviye taramaya değil müzakereye veriyor.

6sa → 12dk

Sözleşme ön-inceleme

%94

Risk maddesi geri çağırma

3.4K

Aylık taranan belge

Ne yapıyoruz

Beş derin yetkinlik.

"Her şeyi yaparız" demiyoruz. Yıllardır gerçekten ürettiğimiz, üretimde tuttuğumuz, bakımını yaptığımız beş alan var: bilgisayarlı görü (computer vision), LLM agent geliştirme, RAG bilgi sistemleri, operasyonel optimizasyon ve MLOps & üretim AI. Sınırlarımızı biliyoruz. Sigorta hasar tespiti ve saha yönetimi AI sayfalarımızda detaylı çözümler.

Computer Vision

Hasar tespiti, kalite kontrol, sayım, OCR ve plaka okuma, üretim hattı denetimi, perakende reyon analizi. Modeli sizin verinizle ince ayarlıyoruz.

YOLOSAMCLIPPaddleOCR

LLM Ajanları

Tek bir chatbot değil — birbirine konuşan, araç kullanan, işi bitiren ajan ekipleri. Tedarikçi yönetimi, müşteri hizmetleri, operasyon otomasyonu.

ClaudeGPT-4MCPLangGraph

RAG ve Bilgi Sistemleri

İç dokümanlarınız üzerinde gerçekten cevap üreten arama. Hukuk, hasta dosyası, müşteri geçmişi, ürün kataloğu — kaynak göstererek çalışır.

Hibrit aramaVoyagePgVectorReranking

Tahmin ve Optimizasyon

Talep tahmini, rota optimizasyonu, dinamik fiyatlama, stok ve personel planlama. Klasik OR ile modern ML'i birleştiriyoruz.

OR-ToolsProphetXGBoostPuLP

Üretim MLOps

Modeli yapmak işin %20'si. Geri kalanı: izleme, drift tespiti, yeniden eğitme, A/B testi, rollback, maliyet kontrolü. Sistemleriniz bir asistana ihtiyaç duymadan kendi kendine çalışır.

ModalWeights & BiasesSentryPostHog

Entegrasyon Mühendisliği

ERP, CRM, PMS, SharePoint, SAP. Mevcut sisteminiz değişmez — yeni yetenek üstüne giyilir. Eski hat çalışırken yeni hattı kurarız.

RESTSOAPwebhookSDK

Brief örnekleri · KVKK uyumlu

Bir brief nasıl yazılır?

Gerçek müşterilerimizden gelen brief örnekleri. KVKK gereği isim ve şirket adları XXX ile maskelendi. Kendi briefinizi yazarken ilham alabilirsiniz — somut sayılar, gerçek ağrı noktaları, mevcut süreç ve sınırlamalar.

#01 Saha hizmetleri · İlaçlama

maskeli

01İSİMXXX

02E-POSTAxxx@xxx.com.tr

03ŞİRKETXXX İlaçlama A.Ş.

04SEKTÖRSaha hizmetleri

05 NE YAPMAK İSTİYORSUNUZ?

Sahada 38 ekibimiz var, İstanbul'un 12 ilçesinde günde ortalama 180-220 iş yapıyoruz. Rota planlaması ve iş atama hâlâ 2 kişinin elle Excel'de yaptığı bir iş. Trafik, son dakika iptaller, müşterinin "bugün gelmesin" demesi gibi durumlarda planı yeniden kurmak 1-2 saatimizi alıyor. Aynı gün bazen aynı sokağa 3 ayrı ekip gönderiyoruz.

İhtiyacımız: (1) Akıllı rota planlama — trafik ve önceki performans verisini kullansın. (2) Saha mobil app'i — iş alımı, fotoğraf, müşteri imzası, otomatik PDF rapor. (3) Müşteri bildirimleri — "ekip yola çıktı, 15dk içinde" SMS otomatik.

06BÜTÇE 500K – 1M ₺

#02 Sigorta · Hasar tespiti

maskeli

01İSİMXXX

02E-POSTAxxx@xxx.com

03ŞİRKETXXX Sigorta

04SEKTÖRSigorta

05 NE YAPMAK İSTİYORSUNUZ?

Yılda 47.000 küçük hasar dosyası işliyoruz (kasko + trafik). Müşteri fotoğraf gönderiyor, ekspere atanıyor, eksper 2-4 saat içinde dosyaya bakıyor. Ortalama dosya açma süremiz 6 saat. Müşteri memnuniyetinde "hızlı geri dönüş" en şikayet edilen 3 konudan biri.

Acentelerin %72'si zaten fotoğrafı gönderiyor — yapay zekayla ön-değerlendirme yapıp basit dosyaları (sadece çizik, tampon eziği, ayna kırılması) otomatik onaylayabilir miyiz? Hedef: dosyaların %40-50'sini insan eli değmeden 3 dakikada açmak. SBM entegrasyonu var, oraya bağlanmalıyız.

06BÜTÇE 1M+ ₺

#03 Hukuk · Sözleşme incelemesi

maskeli

01İSİMAv. XXX

02E-POSTAxxx@xxx-legal.com

03ŞİRKETXXX Hukuk Bürosu

04SEKTÖRHukuk

05 NE YAPMAK İSTİYORSUNUZ?

Kurumsal müşterilerimiz için ayda ortalama 60-80 tedarikçi sözleşmesi inceliyoruz. Çoğu 200-800 sayfa arası, çoğu İngilizce. Bir avukat tek başına ortalama 8-12 saatte bir sözleşme tarayıp risk noktalarını çıkarabiliyor.

Sözleşmelerdeki standart risk maddeleri ortak: sınırsız sorumluluk, tek taraflı fesih, yetki mahkemesi, KVKK/GDPR uyumu, fikri mülkiyet. Bunları otomatik tespit edip avukata "şu sayfada şu risk var" diyen bir sistem istiyoruz. Sözleşme veritabanımız var (2400 dosya, sonuçları işaretli).

NOT: Veri bizden çıkmamalı. Hibrit / on-prem dağıtım gerekli.

06BÜTÇE 1M+ ₺

#04 Üretim · Fabrika QC

maskeli

01İSİMXXX

02E-POSTAxxx@xxx-endustri.com

03ŞİRKETXXX Endüstri (otomotiv yan sanayi)

04SEKTÖRÜretim / Endüstri

05 NE YAPMAK İSTİYORSUNUZ?

Pres hatlarımızda günde 40.000 parça üretiyoruz. Şu an QC: hattın sonunda 3 vardiyalı operatör görsel kontrol yapıyor. Kaçırma oranı %1.8 — yani günde ~720 hatalı parça müşteriye gidiyor, geri dönüyor, cezalı oluyor.

Hatların 4'üne kamera kurup AI ile çatlak / çapak / pres izi / boya kusuru tespiti yapmak istiyoruz. Her hat dakikada 60-120 parça hızında. Karar süresi: parça başına 200ms altında olmalı. Veri: son 6 ayın etiketli hata fotoğrafları (~12.000 örnek).

06BÜTÇE 500K – 1M ₺

#05 Perakende · Müşteri AI agent

maskeli

01İSİMXXX

02E-POSTAxxx@xxx.com.tr

03ŞİRKETXXX Mobilya (online + 18 mağaza)

04SEKTÖRPerakende / E-ticaret

05 NE YAPMAK İSTİYORSUNUZ?

WhatsApp Business hattımıza günde ~2.400 mesaj geliyor. %60'ı "X ürünü stokta mı / ne zaman gelir / kaç gün taşıma" gibi tekrar eden sorular. 14 kişi cevaplıyor, çoğu sistemden bilgi çekip yapıştırıyor.

Bu tekrar eden soruları cevaplayan bir AI agent kurmak istiyoruz: stok sorgusu (SAP'e bağlı), ürün önerisi, sipariş takibi, insana devredebilme. Agent'ın kapatamadığı satış fırsatlarını insana yönlendirsin, etiketlesin. 18 aylık WhatsApp arşivimiz var.

06BÜTÇE 150K – 500K ₺

#06 Lojistik · Henüz net değil

maskeli

01İSİMXXX

02E-POSTAxxx@xxx-holding.com

03ŞİRKETXXX Holding

04SEKTÖRLojistik

05 NE YAPMAK İSTİYORSUNUZ?

Açık konuşayım: yapay zekayla ne yapabileceğimizi tam olarak bilmiyoruz. Ama operasyonda kayıp olduğunu biliyoruz.

8 depomuz, 240 araçlık filomuz var. Sürücülerin günlük raporları kâğıt + Excel. Filo bakımı planlı değil, arızalandığında bakım yapılıyor. Müşteri talepleri telefonla geliyor, çoğu kez 2-3 yere giriliyor.

Bir oturum yapıp en yüksek kayıplı 1-2 noktayı tespit edebilir miyiz? Acelemiz yok, ama 6 ay sonra somut bir şey çalışıyor olsun istiyoruz.

06BÜTÇE Henüz bilmiyorum

İpuçları

İyi bir brief'in 5 özelliği

01

Somut sayılar

✓ "38 ekip, 180 iş/gün"

✗ "Büyük operasyon"

02

Mevcut süreç

✓ "Excel + WhatsApp + manuel PDF"

✗ "Bir sistemimiz var"

03

Spesifik ağrı

✓ "Aynı sokağa 3 ayrı ekip gidiyor"

✗ "Verimlilik düşük"

04

Daha önce ne denendi

✓ "Hazır ürün baktık, uymadı"

✗ (boş)

05

Sınırlamalar

✓ "Veri on-prem kalmalı, 200ms karar"

✗ (sonradan ortaya çıkıyor)

Hazırsanız —

Briefimi yazayım →

Teknoloji yığını

Üretimde kullandığımız araçlar.

"Trendy stack" peşinde değiliz. Bunlar yıllardır üretimde tuttuğumuz, gerçek müşteri yükü altında test ettiğimiz, gözümüzü kapatıp güvendiğimiz araçlar.

Büyük dil & görü modelleri

Anthropic Claude OpenAI GPT Google Gemini Meta Llama Qwen Mistral

Bilgisayarlı görü

PyTorch YOLOv8 SAM 2 CLIP PaddleOCR DETR

Ajan & orkestrasyon

MCP LangGraph LlamaIndex Temporal Inngest

Bilgi & RAG

PgVector Voyage AI Cohere Rerank Qdrant Elasticsearch

Optimizasyon & klasik ML

OR-Tools Prophet XGBoost PuLP scikit-learn

Altyapı & üretim

FastAPI PostgreSQL Redis Modal Docker Vercel

examples/route_agent.py

prod

# Saha ekibine günlük rota üretimi — üretim kodundan örnek
from agents import RouteAgent
from integrations import traffic, workforce, jobs

agent = RouteAgent(
    model="claude-opus-4-7",
    constraints=traffic.snapshot("istanbul/avr"),
    workforce=workforce.active_today(),
    priority="vip_first",
)

routes = await agent.optimize(
    pending=jobs.queue(limit=400),
    rebalance_every=15,  # dakika
)

for tech, route in routes:
    await tech.dispatch(route, channel="mobile")

Bir Pi projesinin yolculuğu

Beş sahne, bir üretim hattı.

Her vakamız bu beş aşamadan geçti — sigortadan hukuka, sahadan üretime. Slogan değil, gerçek üretim süreci.

01 / 05 Hafta 1

Keşif

İlk hafta ofisinizdeyiz. Operasyonu kendi gözümüzle görüyoruz. Veri nerede tıkanıyor? Hangi karar en pahalı? Neyi gerçekten ölçebiliyoruz?

Saha gezisi + 5-10 mülakat
Veri akışı haritası
Başarı tanımı (KPI mutabakatı)

→ Çıktı: 1 sayfalık problem brief'i

Hangi karar en pahalı?

Veri nerede tıkanıyor?

Hangi süreç manuel?

Modeli kim eğitecek?

Başarı = ?

02 / 05 Hafta 2-3

Prototip

En kritik soruya cevap veren minimum çalışan örnek. Tıklanır, çalışır, sayı verir. "Bu problem AI ile çözülebilir mi?" sorusunu kapatıyoruz — hayır ise, açıkça söylüyoruz.

Model seçimi + ilk eğitim
Gerçek veriyle test
İlk metrikler (precision, recall, latency)

→ Çıktı: Tıklanır prototip + benchmark raporu

import torch
from pi.models import DetectorV2
model = DetectorV2("weights.pt")
result = model.predict("image.jpg")
# F1: 0.91, latency: 180ms

Doğruluk0%

Latency0ms

Throughput0/sn

03 / 05 Hafta 4-6

Pilot

Sınırlı kapsamla sahaya iniyoruz. Bir bölge, bir ekip, bir ürün hattı. Gerçek kullanıcı, gerçek hata, gerçek sayı. Lab değil, saha. Mobil uygulama + web panel + entegrasyon.

Saha ekibiyle paralel çalışma
Günlük metrik takibi
İlk müşteri/operatör geri bildirimi

→ Çıktı: Kanıtlanmış değer + go/no-go kararı

Pi Saha

Sefaköy — 3 ekip

Bakırköy — 2 ekip

Avcılar — 1 ekip

Canlı Veri Raporlar Ekipler

+38%

Kapasite

-42%

Yakıt

+22

NPS

04 / 05 Hafta 7-12

Üretim

Tam yayılım. Sizin altyapınızda, sizin verinizle, sizin ekibinizle. Bakım, izleme, alarmlar, dokümantasyon, eğitim — hepsi dahil. KVKK uyumu, on-premise/hibrit/cloud seçenekleri. Üretim hattı dönüyor.

SAP/CRM/ERP entegrasyonu
Audit log + erişim kontrolü
Ekip eğitimi + dokümantasyon

→ Çıktı: Tam ölçek üretim sistemi

Üretim Konsolu

SAĞLIK: İYİ

Bugün işlenen

0

Uptime

99.97%

P95 latency

142ms

14 günlük trend

05 / 05 Sürekli

Bakım & İyileştirme

AI sistemleri "kur ve unut" değildir. Veri değişir, müşteri değişir, model bozulur. Sürekli izleme, aylık iyileştirme, drift yakalama, yeni özellik. Sistem sizin, biz arkadayız.

Drift monitoring + retrain
Aylık iyileştirme paketi
SLA: 8x5 veya 24x7

→ Çıktı: Sürdürülebilir, büyüyen sistem

Sistem Sağlığı 14:32:08

API

200

Model v3.2

F1 0.93

DB

12ms

Drift

0.08

Queue

3

Uptime

99.97%

Bu beş sahne, her vakamızda tekrarlanır — vaka sayfanızdaki sayılar buradan gelir.

Kendi yolculuğunuzu başlatın →

Slayt değil, saha.
Pilot değil, üretim.

Aldık. Teşekkürler.

Yapay zeka vaat etmez, iş yapar.

Sahaya inmiş dört iş.

60 ekipli saha filosu için operasyonel beyin.

5.000 katılımcılı kongreyi yöneten ajan.

18.000 SKU için günlük talep tahmini — stok-out %62 azaldı.

Bin sayfalık sözleşmede risk avcısı.

Beş derin yetkinlik.

Bir brief nasıl yazılır?

İyi bir brief'in 5 özelliği

Somut sayılar

Mevcut süreç

Spesifik ağrı

Daha önce ne denendi

Sınırlamalar

Üretimde kullandığımız araçlar.

Beş sahne, bir üretim hattı.

Keşif

Prototip

Pilot

Üretim

Bakım & İyileştirme

Slayt değil, saha.Pilot değil, üretim.

Aldık. Teşekkürler.

Yapay zeka vaat etmez, iş yapar.

Sahaya inmiş dört iş.

60 ekipli saha filosu için operasyonel beyin.

5.000 katılımcılı kongreyi yöneten ajan.

18.000 SKU için günlük talep tahmini — stok-out %62 azaldı.

Bin sayfalık sözleşmede risk avcısı.

Beş derin yetkinlik.

Bir brief nasıl yazılır?

İyi bir brief'in 5 özelliği

Somut sayılar

Mevcut süreç

Spesifik ağrı

Daha önce ne denendi

Sınırlamalar

Üretimde kullandığımız araçlar.

Beş sahne, bir üretim hattı.

Keşif

Prototip

Pilot

Üretim

Bakım & İyileştirme

Slayt değil, saha.
Pilot değil, üretim.