Starling bu mimarinin ortaya çıkardığı sistemi “Domain Language Model” (DLM) olarak adlandırıyor. DLM’de genel amaçlı ve durumsuz bir büyük dil modeline, kurumun yapılandırılmış ve yönetişimden geçmiş belleği çalışma anında sağlanıyor; modelin bu bilgiyi kendi içinde kalıcı olarak saklaması beklenmiyor.

Bunu bir kütüphane kataloğuna benzetmek mümkün: Kullanılan kütüphaneci, yani yapay zekâ modeli, zaman içinde değişebilir; ancak katalog ve kurumun temel bilgi koleksiyonu kalıcı kalır.

Mimari nasıl çalışıyor?

• Sabit anlamsal adresler: Kurum içinde tekrar tekrar kullanılan kavramlara kalıcı tanımlayıcılar veriliyor. Örneğin rekabetçi konum için kullanılan bir adres, model veya arama yöntemi değişse bile aynı kavramı göstermeye devam ediyor. Böylece sistem, değişken arama sonuçlarından çıkarım yapmak yerine kanonik kaydı bulmayı hedefliyor.
• İki parçalı bilgi tabanı: Starling’in tanımında Org Library, yönetişimden geçmiş ve sürümlenmiş kurumsal kayıtları barındırıyor. Resources ise destekleyici kaynakları, çalışma belgelerini ve üretilen dokümanları içeriyor. İlk bölüm “kanon” niteliğindeki bilgiyi, ikinci bölüm ise referans ve üretim süreçlerini destekliyor.
• Metin öncelikli depolama: Kayıtlar, opak model durumları yerine okunabilir ve kayıpsız düz metin Markdown dosyaları olarak tutuluyor. Bu yapı, bilgiyi insanlar ve yazılımlar için incelenebilir, sürümlenebilir ve taşınabilir kılmayı amaçlıyor.
• Makine tarafında bağlam seçimi: Makine tarafındaki bir manifest, model için ilgili depo içeriğini seçip bir araya getiriyor. Hangi bilginin yetkili ve güncel kabul edileceğine ise insan yönetişimi karar veriyor. Starling, bunun kontrolsüz bilgi sapmasını önlemeye yardımcı olacağını savunuyor.
• MCP bağlantısı: Starling, Anthropic’in Model Context Protocol’ünü (MCP) yapay zekâ modellerinin dış kurumsal bağlama erişmesini sağlayan bağlantı katmanı olarak konumlandırıyor. UCA ise bu bağlamın ortak sınıflandırmasını ve anlamsal adreslemesini sağlıyor. Şirketin hedeflediği sonuç, tek bir yapay zekâ sağlayıcısına kalıcı bağımlılık yerine model değiştirilebilirliği.

“Yapay zekâ egemenliği” ne anlama geliyor?

Starling CEO’su Chris Kincade’ın temel argümanına göre yapay zekâ egemenliği yalnızca GPU’lara sahip olmak, altyapıyı kurum içinde barındırmak ya da yerel bir model sağlayıcısı seçmekten ibaret değil. Bu bakış açısında asıl mesele; kurumun kararlarını, politikalarını, çalışma bilgisini, kaynak geçmişini ve erişim izinlerini kontrol etmeye devam etmesi. Yani yapay zekânın dayandığı “kanon” kurumun elinde kalmalı.

Bu yaklaşımın vaat edilen sonuçları şunlar:

• Kullanılan model değiştirilse, güncellense, erişilemez hâle gelse veya yönetişim gerekçeleriyle kullanımdan kaldırılmış olsa bile kurum kendi belleğini koruyabilir ve başka bir modeli aynı kayıtlara bağlayabilir.
• Değerli varlık, belirli bir sağlayıcının sohbet geçmişi ya da özel bellek özelliği değil; kurumun kontrolündeki depo ve sınıflandırma şeması olur. Bu da sağlayıcıya bağımlılığı azaltabilir.
• Kalıcı kurumsal bilgi modelden bağımsız olarak depoda tutulduğu için sistemin denetlenebilirliği ve dayanıklılığı artabilir.

Starling’in yaklaşımını özetleyen ifade de bu: “Model unutur; kurum hatırlar.” Model, değiştirilebilir bir akıl yürütme motoru; kurumun yönetişimden geçmiş belleği ise kalıcı varlık olarak görülüyor.

Kullanım alanları ve benimsenme iddiaları

Starling’in kendi materyallerinde SelfOS’tan Brady Patterson’ın, bilgiye “açık bir çapa” kazandırmanın bağlam kaybını ve veri sapmasını azalttığını söylediği bir destek ifadesi yer alıyor.

Şirket bu yaklaşımı kişisel koçluk, pazarlama, inşaat yönetimi ve hukuk hizmetleri gibi alanlarla ilişkilendiriyor. Wrks Online’ın QuillOS ürünü de bu kapsamda anılıyor. Ancak mevcut kanıtlar, QuillOS bağlantısını, bu uygulamaların ölçeğini veya performans sonuçlarını bağımsız biçimde doğrulamak için yeterli değil. Bu nedenle daha güçlü benimsenme iddiaları için yetersiz kanıt bulunuyor.

Aynı şekilde SelfOS ifadesi de ürünün etkinliğine ilişkin bağımsız doğrulama değil, bir uygulayıcı desteği olarak değerlendirilmelidir.

En önemli sınırlama

UCA standardı ve Starling MX henüz yeni. Teknik ve ticari iddiaların önemli bölümü Starling’in kendi materyallerine veya lansman haberlerine dayanıyor. Taşınabilir, metin tabanlı ve yönetişimden geçmiş kurumsal bellek fikri kavramsal olarak makul görünse de mevcut bilgiler, gerçek kullanım senaryolarında daha yüksek doğruluk, daha düşük maliyet, daha güçlü güvenlik veya kesin bir sağlayıcı bağımsızlığı sağladığını ortaya koymuyor.

Dolayısıyla UCA şu aşamada kanıtlanmış bir performans üstünlüğünden çok, kurumsal bilginin yapay zekâ modellerinden ayrıştırılmasını öneren yeni bir mimari yaklaşım olarak görülmeli.

Starling bu mimarinin ortaya çıkardığı sistemi “Domain Language Model” (DLM) olarak adlandırıyor. DLM’de genel amaçlı ve durumsuz bir büyük dil modeline, kurumun yapılandırılmış ve yönetişimden geçmiş belleği çalışma anında sağlanıyor; modelin bu bilgiyi kendi içinde kalıcı olarak saklaması beklenmiyor.

Bunu bir kütüphane kataloğuna benzetmek mümkün: Kullanılan kütüphaneci, yani yapay zekâ modeli, zaman içinde değişebilir; ancak katalog ve kurumun temel bilgi koleksiyonu kalıcı kalır.

Mimari nasıl çalışıyor?

• Sabit anlamsal adresler: Kurum içinde tekrar tekrar kullanılan kavramlara kalıcı tanımlayıcılar veriliyor. Örneğin rekabetçi konum için kullanılan bir adres, model veya arama yöntemi değişse bile aynı kavramı göstermeye devam ediyor. Böylece sistem, değişken arama sonuçlarından çıkarım yapmak yerine kanonik kaydı bulmayı hedefliyor.
• İki parçalı bilgi tabanı: Starling’in tanımında Org Library, yönetişimden geçmiş ve sürümlenmiş kurumsal kayıtları barındırıyor. Resources ise destekleyici kaynakları, çalışma belgelerini ve üretilen dokümanları içeriyor. İlk bölüm “kanon” niteliğindeki bilgiyi, ikinci bölüm ise referans ve üretim süreçlerini destekliyor.
• Metin öncelikli depolama: Kayıtlar, opak model durumları yerine okunabilir ve kayıpsız düz metin Markdown dosyaları olarak tutuluyor. Bu yapı, bilgiyi insanlar ve yazılımlar için incelenebilir, sürümlenebilir ve taşınabilir kılmayı amaçlıyor.
• Makine tarafında bağlam seçimi: Makine tarafındaki bir manifest, model için ilgili depo içeriğini seçip bir araya getiriyor. Hangi bilginin yetkili ve güncel kabul edileceğine ise insan yönetişimi karar veriyor. Starling, bunun kontrolsüz bilgi sapmasını önlemeye yardımcı olacağını savunuyor.
• MCP bağlantısı: Starling, Anthropic’in Model Context Protocol’ünü (MCP) yapay zekâ modellerinin dış kurumsal bağlama erişmesini sağlayan bağlantı katmanı olarak konumlandırıyor. UCA ise bu bağlamın ortak sınıflandırmasını ve anlamsal adreslemesini sağlıyor. Şirketin hedeflediği sonuç, tek bir yapay zekâ sağlayıcısına kalıcı bağımlılık yerine model değiştirilebilirliği.

“Yapay zekâ egemenliği” ne anlama geliyor?

Starling CEO’su Chris Kincade’ın temel argümanına göre yapay zekâ egemenliği yalnızca GPU’lara sahip olmak, altyapıyı kurum içinde barındırmak ya da yerel bir model sağlayıcısı seçmekten ibaret değil. Bu bakış açısında asıl mesele; kurumun kararlarını, politikalarını, çalışma bilgisini, kaynak geçmişini ve erişim izinlerini kontrol etmeye devam etmesi. Yani yapay zekânın dayandığı “kanon” kurumun elinde kalmalı.

Bu yaklaşımın vaat edilen sonuçları şunlar:

• Kullanılan model değiştirilse, güncellense, erişilemez hâle gelse veya yönetişim gerekçeleriyle kullanımdan kaldırılmış olsa bile kurum kendi belleğini koruyabilir ve başka bir modeli aynı kayıtlara bağlayabilir.
• Değerli varlık, belirli bir sağlayıcının sohbet geçmişi ya da özel bellek özelliği değil; kurumun kontrolündeki depo ve sınıflandırma şeması olur. Bu da sağlayıcıya bağımlılığı azaltabilir.
• Kalıcı kurumsal bilgi modelden bağımsız olarak depoda tutulduğu için sistemin denetlenebilirliği ve dayanıklılığı artabilir.

Starling’in yaklaşımını özetleyen ifade de bu: “Model unutur; kurum hatırlar.” Model, değiştirilebilir bir akıl yürütme motoru; kurumun yönetişimden geçmiş belleği ise kalıcı varlık olarak görülüyor.

Kullanım alanları ve benimsenme iddiaları

Starling’in kendi materyallerinde SelfOS’tan Brady Patterson’ın, bilgiye “açık bir çapa” kazandırmanın bağlam kaybını ve veri sapmasını azalttığını söylediği bir destek ifadesi yer alıyor.

Şirket bu yaklaşımı kişisel koçluk, pazarlama, inşaat yönetimi ve hukuk hizmetleri gibi alanlarla ilişkilendiriyor. Wrks Online’ın QuillOS ürünü de bu kapsamda anılıyor. Ancak mevcut kanıtlar, QuillOS bağlantısını, bu uygulamaların ölçeğini veya performans sonuçlarını bağımsız biçimde doğrulamak için yeterli değil. Bu nedenle daha güçlü benimsenme iddiaları için yetersiz kanıt bulunuyor.

Aynı şekilde SelfOS ifadesi de ürünün etkinliğine ilişkin bağımsız doğrulama değil, bir uygulayıcı desteği olarak değerlendirilmelidir.

En önemli sınırlama

UCA standardı ve Starling MX henüz yeni. Teknik ve ticari iddiaların önemli bölümü Starling’in kendi materyallerine veya lansman haberlerine dayanıyor. Taşınabilir, metin tabanlı ve yönetişimden geçmiş kurumsal bellek fikri kavramsal olarak makul görünse de mevcut bilgiler, gerçek kullanım senaryolarında daha yüksek doğruluk, daha düşük maliyet, daha güçlü güvenlik veya kesin bir sağlayıcı bağımsızlığı sağladığını ortaya koymuyor.

Dolayısıyla UCA şu aşamada kanıtlanmış bir performans üstünlüğünden çok, kurumsal bilginin yapay zekâ modellerinden ayrıştırılmasını öneren yeni bir mimari yaklaşım olarak görülmeli.