Mağaza verisini AI’a hazırlamak, yalnız dosyadaki boş satırları temizlemek değildir. Önce hangi görev için hangi alanların gerçekten gerekli olduğu belirlenmelidir. Ürün açıklaması hazırlamak için müşteri adresleri veya tüm sipariş geçmişi çoğu durumda gerekli değildir. Gereksiz veri, hem değerlendirmeyi zorlaştırır hem de istenmeyen paylaşım alanını büyütür.
Bu rehber görev odaklı bir hazırlık önerir. Belirli bir sağlayıcının saklama veya eğitim politikasını varsaymaz; kullanılacak hizmetin güncel koşulları ve hesap ayarları ayrıca incelenmelidir. Burada herhangi bir mağaza verisi dışarı aktarılmamaktadır.
Görevden başlayan bir alan listesi çıkarmak
“Bütün katalogu analiz et” yerine beklenen çıktı yazılır. Örneğin eksik ürün özelliklerini işaretlemek için ürün kimliği, kategori ve ilgili özellik alanları yeterli olabilir. Müşteri destek konularını gruplamak için ise kişisel bilgilerden arındırılmış olay özeti gerekebilir.
Her alanın karşısına kullanım amacı konur. Açıklanamayan alan ilk aktarımın dışında bırakılır. Daha sonra gerçekten gerekirse sınırlı biçimde eklenebilir. Bu yaklaşım, dosyayı topluca gönderip modelin gerekli bilgiyi seçmesini beklemekten daha denetlenebilirdir.
Bilgiyi üç ayrı grupta incelemek
| Grup | Örnek | Önerilen hazırlık |
|---|---|---|
| Görev için gerekli iş verisi | Ürün ölçüsü ve malzeme | Kaynağı ve birimiyle korumak |
| Kimlik veya iletişim bilgisi | Adres, e-posta, telefon | Gerekmiyorsa çıkarmak; gerekiyorsa kontrollü kullanım tasarlamak |
| Gizli sistem bilgisi | Şifre, erişim anahtarı, bağlantı sırrı | Model girdisinden tamamen uzak tutmak |
Serbest metin alanları ayrıca taranmalıdır. Yapılandırılmış müşteri sütunları çıkarılmış olsa bile notların içinde telefon veya sipariş ayrıntısı kalabilir. Gerçek veriye ihtiyaç olmayan geliştirme testlerinde sentetik örnekler tercih edilir.
Temizlik ile anlam kaybını ayırmak
Farklı para birimlerini aynı sayı gibi birleştirmek, birimleri silmek veya bütün boş alanları sıfıra çevirmek veri temizliği değildir. “Bilinmiyor”, “uygulanamaz” ve “sıfır” farklı anlam taşır. Modelin bu ayrımı koruyabilmesi için veri sözlüğü eklenir.
Ürün ve varyant kimlikleri sabit tutulmalıdır. Görünen isimler değişse bile sonuçların doğru kayda geri bağlanması gerekir. Yinelenen satırlar temizlenirken aynı ürünün farklı varyantları yanlışlıkla birleştirilmemelidir.
Girdi içeriğini talimat saymamak
Ürün açıklaması, müşteri notu veya dışarıdan alınmış belge içinde komut gibi görünen metin bulunabilir. Bu içerik görev verisidir; sistemin yetkisini değiştiremez. OWASP, dolaylı prompt injection riskinin dış içerik üzerinden model davranışını etkileyebildiğini açıklar. OWASP prompt injection kaynağı bu ayrımın neden gerekli olduğunu gösterir.
Yalnız “özel bilgiyi paylaşma” cümlesi eklemek yeterli bir veri koruma düzeni değildir. Erişim, alan seçimi ve çıktı paylaşımı uygulama düzeyinde sınırlandırılmalıdır. OWASP hassas bilgi ifşası kaynağı istem içindeki kısıtların tek başına güvence oluşturmadığını ele alır.
Küçük örnekle doğrulamak
İlk denemede az sayıda, temsil edici ve gözden geçirilmiş kayıt kullanırım. Çıktının doğru ürüne bağlandığını, eksik alanları uydurmadığını ve gereksiz kişisel bilgi üretmediğini kontrol ederim. Hata örnekleri veri hazırlama kuralına geri yazılır.
AI ürün açıklamalarını kontrol etmek çıktı incelemesini; otomasyon mu AI agent mı? ise görevin hangi araçla çözülmesinin daha uygun olduğunu tamamlıyor. İyi hazırlığın ölçüsü dosyanın küçülmesi değil, görev için yeterli ve anlamı korunmuş verinin kontrollü biçimde kullanılabilmesidir.