Problem → Çözüm
Problem
Operasyon ve bölge müdürleri basit bir soru için bile veri ekibine Jira açıyor, cevap 2-3 gün sonra geliyor. Veri ekibinin zamanının %40’ı tekrarlayan ad-hoc sorgularla geçiyor; doğrudan SQL erişimi vermek ise güvenlik ve maliyet riski.
Çözüm
Ops Copilot, Slack’te doğal dil sorusunu semantik katman ve şema RAG’i ile SQL’e çevirir, salt okunur ve satır seviyesinde yetkilendirilmiş bir replika üzerinde çalıştırır, sonucu tablo, grafik ve tek cümlelik yorumla döner. Her sorgu SQL’i ile birlikte gösterilir, böylece sonuç denetlenebilir.
Temel özellikler
Yapay zeka nerede devreye giriyor?
Text-to-SQL agent’ı şema RAG’i, semantik metrik katmanı ve SQL doğrulayıcı döngüsüyle çalışır; hatalı SQL’i kendi düzeltir, yetki dışına asla çıkamaz.
- Şema RAG: 1.200 tablo/kolon açıklaması + 300 doğrulanmış soru-SQL örneği pgvector’da; few-shot seçimi benzerlikle
- Claude Sonnet SQL üretir → sqlglot AST ile sadece SELECT, izinli tablo ve zorunlu LIMIT kontrolü → EXPLAIN maliyeti > 5 GB ise reddet; hata olursa en fazla 2 self-repair turu
- Eval: 400 soruluk golden set’te execution accuracy %87; her prompt değişikliği CI’da regression gate’ten geçer, Langfuse ile trace
Nasıl çalışır?
Stack
Arayüz
Backend
AI / ML
Veri
Altyapı & DevOps
Pazarlama & lansman
Başarı metrikleri (hedef)
MVP yol haritası
Bir fikri production’a taşırken ilk sorum şu: ölçülebilir mi ve mevcut sistemi bozmadan nasıl açılır? Yaklaşık 4 yıl, ayda yüz milyonlarca CDN isteği alan bir embed script üzerinde çalıştım. Kademeli geçiş ve gerçek test kapsamı benim için vazgeçilmez. Remote çalışmaya hazırım.