V7, finans, sigorta ve gayrimenkul şirketlerinin dağınık belge ve verilerindeki iş bağlamını yapay zekâ ajanlarına kazandırmayı amaçlıyor. 2018’de Rizzoli ve Edwardsson tarafından kurulan şirketin V7 Go platformu, milyonlarca dosyadaki bilgileri Context Graph adlı yapıda topluyor. Bu yapı; varlıkları, ilişkileri ve kaynak kanıtlarını birbirine bağlayarak ajanların bilgiyi yeniden aramak yerine doğrudan sorgulamasını sağlıyor.
V7 Go, yapılandırılmış bilgi çıkarımı için GPT‑5.6 Luna’yı; karmaşık talimatlar, akıl yürütme ve araç kullanımında GPT‑5.6 Terra ve Sol’u kullanıyor. En zor Context Graph sorgularında GPT‑6 Astra da test ediliyor. Şirket, ajanların 50–100 adımlı iş akışlarını dakikalar içinde tamamladığını ve her karar için denetlenebilir kayıt tuttuğunu belirtiyor. Sistem SharePoint ve Google Drive gibi depolardan şirketleri, fonları, kişileri, ilişkileri ve finansal ölçütleri çıkararak bunları kaynak belgelerdeki kanıtlarla eşleştiriyor; grafikte yeterli bilgi yoksa RAG ile belgeleri aramaya devam ediyor.
V7’nin HERB testinde yalnızca erişime dayalı sistem, resmi temel modele göre %69 daha iyi sonuç verdi ve yanıtlanamayan sorulardaki halüsinasyonları %38 azalttı. Context Graph’ın şirket müşterilerindeki etkileri şöyle bildirildi:
- Varlık yöneticileri, anlaşma taramasını 21x hızlandırarak tam günlük süreci 15 dakikaya indirdi.
- Bir finans hizmetleri ekibi inceleme süresini 100 saatin üzerindeyken 10 saatin altına düşürdü ve görev başına uzman maliyetinden $12,000 tasarruf etti.
- Sigorta ekipleri, geçmiş hasar ve poliçe bilgilerini ajanlara açtıktan sonra hasar işleme hatalarını manuel temele kıyasla %13.5 azalttı.
V7 Go’daki iş akışları; kod, daha küçük modellere devir, dosya üretimi ve dış entegrasyonları bir arada yönetiyor. V7’nin testleri alıntı doğruluğu, belge çıkarımı, yanıt doğruluğu, talimat takibi, gecikme ve maliyeti kapsıyor. GPT‑5.6 Luna, GPT‑5.4 mini’ye göre belge başına maliyeti %78 düşürdü. Responses API’ye geçiş, bazı PDF ağırlıklı süreçlerde token kullanımını yaklaşık %5 azalttı.
En zor grafik sorgularında GPT‑5.6 Sol %78, GPT‑6 Astra ise %89 doğruluk elde etti; iki model kolay, orta ve zor seviyelerde yaklaşık %100’e ulaştı. V7 Go’nun MCP desteği, Context Graph ve iş akışlarının ChatGPT, Codex ve uyumlu istemcilerden kullanılmasını sağlıyor; orta uzunluktaki iş akışı oluşturma süresi yaklaşık bir saatten 20 dakikaya indi. V7 ayrıca grafikteki değişikliklerle tetiklenen, tutarsızlıkları işaretleyen daha proaktif iş akışları geliştiriyor.
Neden önemli
Bu gelişme, finans, sigorta ve gayrimenkul şirketlerinde yapay zekâ ajanlarının yalnızca belge arayan araçlar olmaktan çıkarılıp, belgeler arasındaki ilişkileri ve dayanakları kullanabilen sistemlere dönüştürülmesini hedefliyor. Böylece özellikle anlaşma inceleme, finansal değerlendirme ve hasar işleme gibi yoğun belge gerektiren süreçlerde insan uzmanların bilgiye erişim biçimi değişebilir. Şirketin müşteri örnekleri, bunun işlem süreleri, uzman maliyetleri ve hata oranları üzerinde etkili olabildiğini gösteriyor; ancak bu sonuçlar V7’nin kendi bildirimlerine dayanıyor. GPT-6 Astra’nın en zor sorgulardaki performansı da aynı kapsamda, V7’nin test koşulları içinde değerlendirilmelidir. Açık kalan soru, Context Graph yaklaşımının farklı kurumların belge yapıları ve iş akışlarında aynı doğruluk ve maliyet sonuçlarını sağlayıp sağlayamayacağıdır.
Terim: ajan
Yapay zekâ ajanı, tek bir yanıt üretmek yerine hedefe ulaşmak için araç çağırıp çok adımlı iş yürüten yazılımdır.