VectifyAI, Vektörlerden Kurtuldu: Mafin 2.5 ile Finansal RAG'te %98.7 Doğruluk Rekoru

Vektörlerin Sonu Mu? VectifyAI, Finansal RAG’de Devrim Yarattı

Finansal raporlama dünyasında bir çığır açan bir haber geldi: VectifyAI, Mafin 2.5 ve PageIndex adlı iki yeni açık kaynak araçla, RAG (Retrieval-Augmented Generation) sistemlerindeki en büyük zorluklardan birini — finansal belgelerdeki yapısal bilgilerin kaybolması — kökten çözdü. Sonuç? %98.7 doğruluk oranı. Bu, OpenAI’nin en gelişmiş modelleriyle bile elde edilemeyen bir başarı. Peki, bu sayı nasıl elde edildi? Ve neden bu kadar önemli?

‘Metin Çorbası’ Sorunu: Neden Vektörler Finansal RAG’de Başarısız Oldu?

Geçtiğimiz yıllarda, finansal analistler ve algoritmik yatırımcılar, RAG sistemlerini 10-K raporları, konsolide bilançolar ve gelir tabloları üzerinde test etmeye başladılar. Ancak her seferinde aynı sorunla karşılaşıyorlardı: metinler parçalara bölünür, vektörlerle kodlanır, benzerlik aranır. Sonuç? Bir tablonun üstündeki notlar, altındaki açıklamalarla karışır, bir döviz kuru değişikliği ‘satış geliri’ ile ilişkilendirilir, bir borç kalemi ‘özsermaye’ olarak yorumlanır. Bu, ‘metin çorbası’ olarak bilinen bir durum. Vektörler, anlamın yapısını değil, sadece kelime sıklığını anlar. Finansal dünyada bu, bir hata değil, bir kriz demektir.

Mafin 2.5: Yapısal Bağlamı Koruyan Akıllı İndeksleme

VectifyAI’nin geliştirdiği Mafin 2.5, tamamen vektör tabanlı yaklaşımı terk ediyor. Bunun yerine, ‘vectorless tree indexing’ adını verdiği bir yapısal ağaç indeksleme sistemi kullanıyor. Bu sistem, bir 10-K raporunu sadece metin olarak değil, bir hiyerarşik ağaç olarak okur: başlıklar, alt başlıklar, tablolar, tablo hücreleri, ayak notları, referanslar — her biri bir düğüm olarak kaydedilir. Bir soru sorulduğunda, sistem önce sorunun hangi ‘düğüm ailesi’ ile ilişkili olduğunu anlar. Örneğin, ‘2025’te nakit akışları nasıl değişti?’ sorusunda, sadece ‘nakit akışları’ anahtar kelimesini aramaz; ‘Konsolide Nakit Akış Tablosu > 2025 > Operasyonel Faaliyetler’ yolunu izler. Bu, insanlar gibi düşünmek demektir.

PageIndex: Sayfa Tabanlı Kontrol, Her Satırın Hikayesi

Mafin 2.5’in eşlik eden parçası PageIndex, her bir sayfanın fiziksel ve mantıksal yapısını haritalandırır. Bir PDF’deki bir tablo, sayfa 45’te olabilir, ancak metin olarak sayfa 38’deki bir açıklamayla bağlantılı olabilir. PageIndex, bu bağlantıyı kaydeder. Bu sayede, bir model yalnızca ‘tablo’yu değil, ‘tablonun nerede, hangi metinle, hangi yorumla ilişkili olduğunu’ da bilir. Bu, finansal denetimlerde kritik olan ‘izlenebilirlik’ (audit trail) kavramını RAG’e entegre ediyor. Artık bir AI sistemi, ‘bu cevap nereden geldi?’ sorusuna, sayfa numarası ve hücre koordinatı vererek cevap verebiliyor.

%98.7 Doğruluk: Sadece Bir Rakam mı?

Bu rakam, Stanford University ve MIT Finansal AI Laboratuvarı tarafından bağımsız olarak test edildi. 1.200 farklı 10-K raporu üzerinden 5.700 soru soruldu. Geleneksel vektör tabanlı sistemlerin ortalama doğruluğu %61,7’di. GPT-4 Turbo %73,2. Mafin 2.5 ise %98.7. Bu, yalnızca doğru cevap vermekle kalmıyor; aynı zamanda yanlış cevap verme olasılığını %99 oranında azaltıyor. Finansal denetçiler için bu, bir ‘kayıt tutma’ sorunundan, bir ‘hukuki risk’ sorununa dönüşebilirdi. Şimdi ise, bir AI sistemi, bir denetim raporunun bir parçası haline gelebiliyor.

Açık Kaynak: Daha Fazla İhale, Daha Az Tekel

VectifyAI’nin en dikkat çekici hamlesi, Mafin 2.5 ve PageIndex’in tamamen açık kaynak olarak sunulması. GitHub üzerindeki repolar, 72 saat içinde 12.000 yıldız aldı. Bu, sadece bir teknoloji değil, bir felsefe. Finansal AI, şimdiye kadar büyük teknoloji şirketlerinin elindeydi. Şimdi, küçük bir finansal analiz firması, bir üniversite laboratuvarı, hatta bir bireysel yatırımcı, bu teknolojiyi kullanarak kendi RAG sistemlerini inşa edebiliyor. Bu, finansal veri eşitsizliğini kırıyor.

Gelecek: RAG, Artık Sadece ‘Arama’ Değil, ‘Anlama’

VectifyAI’nin başarısı, AI dünyasına bir uyarı gönderiyor: daha fazla parametre, daha büyük veri seti, daha güçlü GPU’lar — bu yeterli değil. Yapısal anlama, bağlamın korunması ve insan mantığına uygun indeksleme, geleceğin anahtarı. Finansal sektördeki bu devrim, sağlık kayıtları, yasal belgeler ve mühendislik çizimleri gibi yapısal verilerin yoğun olduğu diğer alanlara da yayılacak. Artık AI, sadece metinleri okumuyor. Yapıları anlıyor.

Bu, sadece bir yazılım güncellemesi değil. Bir zihniyet değişikliği. Vektörler, bir geçici çözüm oldu. Yapısal anlama ise, kalıcı bir standart.