LLM'lerle Doğal Dil Veri Sorgusu
Doğal dille soru sormak BI'ı kolaylaştırır ama model rakam uydurabilir. Soruyu doğrulanmış bir rapor tanımına çevirmek neden güvenli, anlatıyoruz.

'Geçen çeyrekte hangi bölgede marj düştü?' sorusunu bir kutuya yazıp cevap almak çekici. Büyük dil modelleri (LLM) bunu mümkün kılıyor; ama iş rakamdayken sorun şudur: model akıcı bir cümle kurar, rakamı doğru hesapladığı anlamına gelmez.
İki yaklaşım
- Modele SQL yazdırmak: hızlı bir prototip verir. Ancak aynı soruya farklı günlerde farklı sorgu çıkabilir, tablo ya da filtre yanlış seçilebilir ve çıkan rakamın panelle aynı olduğunu kanıtlamak zordur.
- Modele rapor tanımı doldurtmak: model serbest SQL yazmaz; yalnızca önceden tanımlı ölçü ve boyutlardan oluşan yapılandırılmış bir tanımı doldurur. Bir doğrulayıcı tanımı denetler, ardından sabit bir derleyici SQL'i üretir.
Neden ikincisi
Panel ile doğal dil aynı derleyiciden geçerse iki farklı sayı üretmek yapısal olarak imkânsızlaşır. Aritmetik modele bırakılmaz; hesap deterministik kodda yapılır, model yalnızca sonucu yorumlar. Katalogda olmayan bir ölçü istenirse sistem uydurmak yerine hata verir.
Floemdata'da durum
Bu, Floemdata Analytics'in tasarım yaklaşımıdır: raporlar bugün tanımlı bir ölçü ve boyut kataloğundan tek bir derleyiciyle üretiliyor; paneldeki firma özeti ekranı ise bu yolun dışında kendi sorgusuyla hesaplanıyor ve iki yolun aynı sonucu verdiği henüz ölçülmedi (doğrulanmadı). Doğal dil katmanı (yapay zekâ asistanı) yol haritasında; henüz bir ürün özelliği değildir (doğrulanmadı).
Doğal dil BI denemeden önce
- Sık sorulan 10 soruyu yazın ve her birini doğru cevabı bilinen bir raporla eşleştirin.
- Sistem emin olmadığında soru sorsun ya da reddetsin; tahmin yürütmesin.
- Her cevabın yanında hangi ölçünün ve filtrenin kullanıldığı görünsün.
- Veri erişimi kişiye göre sınırlı kalsın; kullanıcının göremediği veri cevaba karışmasın.
Özet: doğal dil bir arayüzdür, hesap motoru değil. Soruyu doğrulanmış bir tanıma çevirin, rakamı koda bırakın.