Guardian Angel: Kişisel AI Asistanları Sohbet Kutusundan Çıkıyor

Bugünkü chatbotlar çoğunlukla kullanıcı soru sorduğunda çalışıyor. Daha kullanışlı senaryo ise modelin, açık izinlerle e-posta, takvim, dosya, tarayıcı ve iş araçlarını okuyarak kullanıcıya risk uyarısı, öncelik önerisi ve bağlamlı özet sunması.

Gwern’in Guardian Angels yazısı bu fikri tartışıyor: LLM’ler yalnızca cevap üreten araçlar değil, kullanıcının dijital ortamında hataları ve güvenlik açıklarını erken fark eden kişisel yardımcılar olabilir. Buradaki kritik nokta, asistanın her şeyi otomatik yapması değil; hangi riski, hangi veriye dayanarak gördüğünü açıkça göstermesidir.

Sohbetbot Değil, Sınırlı Yetkili Koruma Katmanı

Guardian Angel yaklaşımı, modeli tek bir sohbet ekranına hapsetmez. Asistan; Gmail veya Outlook, Google Calendar veya Microsoft 365, Drive veya OneDrive, tarayıcı eklentisi, PDF okuyucu ve gerekirse terminal eklentisi gibi araçlardan okuma yetkisiyle veri alır.

Bu yapı klasik antivirüs ya da spam filtresinden farklıdır. Antivirüs çoğunlukla bilinen imza, alan adı veya dosya davranışı arar. LLM tabanlı katman ise niyet, bağlam ve kullanıcının normal iş akışı üzerinden değerlendirme yapar.

Örneğin bir KOBİ sahibine, muhasebecisinden gelmiş gibi görünen bir IBAN değişikliği e-postası geldiğini düşünelim. Sistem şu kontrolleri yapabilir:

• Gönderen alan adı daha önce kullanılan alan adıyla aynı mı?
• IBAN, daha önce ödeme yapılan tedarikçi listesinde var mı?
• Talep edilen tutar, son 6 aydaki ödeme aralığının dışında mı?
• E-postada aciliyet baskısı, telefonla teyidi engelleyen ifade veya sıra dışı yazım tarzı var mı?

Benzer şekilde bir geliştirici terminale curl ... | sh benzeri bir komut yapıştırmadan önce asistan, komutun uzak bir betiği indirip doğrudan çalıştırdığını açıklayabilir. Ama ilk sürümde komutu engellemek yerine, risk puanı ve gerekçe sunması daha güvenli olur.

Bugün bu fikrin parçaları piyasada mevcut: ChatGPT’nin Memory özelliği, Microsoft Copilot’un Microsoft 365 içindeki bağlamsal çalışması, Claude’un bilgisayar kullanımına dönük yetenekleri, Apple Intelligence’ın cihaz içi kişiselleştirme vurgusu ve Llama ile Qwen gibi açık ağırlıklı modeller. Asıl ürün fırsatı, bunları genel bir süper asistan gibi değil, belirli iş akışlarına bağlı denetlenebilir yardımcı katmanlar olarak tasarlamakta.

Türkiye’de İlk Kullanım Alanları

Türkiye’de bu yaklaşımın en hızlı değer üretebileceği alanlar, hatanın doğrudan para, zaman veya yasal risk doğurduğu iş akışlarıdır.

• KOBİ muhasebe güvenliği: Sahte fatura, sahte kargo bildirimi, banka taklidi SMS, tedarikçi taklidi e-posta ve IBAN değişikliği talepleri pratikte sık karşılaşılan risklerdir. Asistan; tedarikçi adı, vergi numarası, IBAN, önceki ödeme tutarları ve e-posta alan adlarını karşılaştırarak kullanıcıya net uyarı verebilir. Örneğin “Bu IBAN daha önce kullanılmamış; tutar son 6 aylık ortalamanın 3 katı; gönderen alan adı önceki yazışmalardan farklı” gibi açıklama üretmelidir.

• Belge ve uyum işleri: E-fatura, KEP, UETS, sözleşme, ihale dokümanı ve KVKK metinleri küçük ekiplerde ciddi zaman alır. Asistan; eksik imza, tarih uyuşmazlığı, tutar farklılığı, otomatik yenileme maddesi, cezai şart, yetki belgesi eksikliği veya kişisel veri aktarımı gibi alanları işaretleyebilir. Burada amaç hukuki karar vermek değil, insanın incelemesi gereken maddeleri görünür kılmaktır.

• Dikkat ve iş takibi: Slack, Teams, WhatsApp Business, e-posta ve CRM arasında çalışan ekiplerde sorun çoğu zaman bilgi eksikliği değil, öncelik karmaşasıdır. Asistan, “bugün yanıt bekleyen işler”, “müşteri tarafında bloke olan konular” ve “takvimde çakışan toplantılar” gibi listeler çıkarabilir. Her madde; kaynak mesaj, sorumlu kişi ve son tarih ile birlikte verilmelidir.

Öğrenciler için de benzer bir kullanım alanı var: burs başvuruları, akademik takvim, ders notları, staj ilanları ve e-posta trafiği tek bir kontrol listesine dönüştürülebilir. Ancak öğrencilerde de aynı kural geçerlidir: sistem önce hatırlatmalı ve açıklamalı, kullanıcı adına başvuru yapma veya e-posta gönderme gibi aksiyonlara hemen geçmemelidir.

Ürün Geliştirmek İsteyenler İçin MVP Planı

Bu fikri denemek için büyük ve her şeyi kapsayan bir platform kurmaya gerek yok. Daha doğru başlangıç, tek dikeye odaklanan, okuma yetkili ve ölçülebilir çıktılar üreten bir MVP’dir.

• Tek iş akışı seçin: İlk sürüm için “muhasebe e-postalarında IBAN ve fatura riski”, “sözleşmelerde kritik madde taraması” veya “geliştirici komut güvenliği” gibi dar bir alan seçin.

• Başarı metriğini baştan tanımlayın: Örneğin 10 pilot şirket, 1.000 geçmiş e-posta veya 500 sözleşme maddesi üzerinde test yapılabilir. Yanlış pozitif oranı, kaç kritik riskin yakalandığı ve kullanıcının uyarıyı faydalı bulup bulmadığı ayrı ayrı ölçülmelidir.

• İlk sürümde yalnızca analiz yapın: Model e-posta silmemeli, ödeme başlatmamalı, dosya taşımamalı, komut çalıştırmamalı. Çıktı; risk puanı, kısa gerekçe ve kontrol edilecek kaynaklardan oluşmalı