AI VC Benchmark: 11 AI Ajanı Gerçek Girişim Sermayesi Görevlerinde

Erken aşama VC’lerle ortaklık kurarak iki analist iş akışını insan tarafından doğrulanmış altın standartlı karşılaştırmalara dönüştürdük ve 11 AI ajanını bunlarla puanladık. Görevleri, sonuçları ve puanlama yöntemini görün:

Girişim sermayesi karşılaştırma sonuçları

11 modelin her biri her görevi bir kez çalıştırdı. Puanlar 100 üzerindendir. Kimi K3 puanlanabilir fırsat belirleme çalışması üretemedi ve 0 olarak kaydedildi.

Her iki görev de güncel veri ve akıl yürütme becerisi gerektirir:

• Fırsat belirleme: VC’lerin belirli kriterleri vardır ve iş ortaklarımız, belirli bir ülkeden kurucular tarafından oluşturulmuş erken aşama yapay zeka şirketlerini saptamak istedi
• Durum tespiti sırasında rakip belirleme

Diaspora fırsat belirleme sonuçları

Alanın büyük kısmı puanların yarısını geçti ve lider ile kuyruk arasında geniş bir uçurumla geniş bir orta banda yayıldı. Puanlama tablosu bu dağılımı açıklıyor. Bir satır, her kriter kanıt taşıdığında puan kazanır, dolayısıyla bir ajan, kurucu kökenini, kuruluş yılını ve fonlamayı doğrulayabildiği hızda puan toplar, akla yatkın isimleri sıralayabildiği hızda değil. Nitelikli şirketler son 18 ay içinde kurulmuştu, bu da onları eğitim verilerinin erişiminin ötesine taşır; dolayısıyla dağılım, ezberlenmiş bilgiden ziyade arama derinliğini ve doğrulama disiplinini yansıtır. Lider ajan bile puanların önemli bir kısmını masada bıraktı, yani taze, kanıt kapılı bir altın setin tam olarak hatırlanması, zaman bütçesi altında çalışan mevcut ajanlar için hâlâ ulaşılamaz durumda.

Rakip haritalama sonuçları

Dağılım üç kademeye ayrılmıştır, her biri bir puanlama mekanizmasına karşılık gelir. En iyi çift, hedefin rakip kategorilerinin birkaçını örtmüş ve yakın rakip grubunun bir kısmını yakalamıştır. Orta bant, bir ajanın iyi bilinen analist ve inceleme isimlerini temizce haritalayıp hedefe en yakın küçük, yeni rakipleri kaçırdığında ortaya çıkar: sağlam bir çalışma, kayıp hatırlama puanları ve düz ıska cezalarıyla iki kez cezalandırılır. Sıfıra yakın kuyruk en öğretici olandır, çünkü bu kadar düşük bir puan boş bir dosya gerektirmez. Kaçırılan rakipler ve döndürülen rakip olmayanlar için cezalar, düzgün bir CSV’nin kazandığı her şeyi silebilir; böylece yanlış şirketlerin kendinden emin, iyi biçimlendirilmiş bir haritası, hiçbir harita olmamasıyla aynı değeri taşır.

İki görevin sonuçları neden ayrışır?

Fırsat belirleme, beş belirtilmiş kriterin mekanik doğrulamasını ödüllendirir; rakip haritalama, niş bir araştırma firmasının pazarının nerede bittiğine dair, kontrol edilecek bir kriter listesi olmadan karar vermeyi talep eder. Bu karar, alanı biçimlendirme veya hızdan çok daha fazla ayırdı ve birkaç ajanın keskin pozisyon değiştirirken sütunlar arasında liderin değişmesinin sebebidir. Bir araştırma iş akışındaki güç, bir sonraki hakkında pek az şey söyler; bu yüzden bir ajan seçen ekipler, onu tek bir liderlik tablosuna güvenmek yerine otomatikleştirmeyi planladıkları iş akışında test etmelidir.

Girişim sermayesi karşılaştırma metodolojisi

Her görev, herhangi bir çalıştırma başlamadan önce analist rolünü, çıktı dosyasını, araç erişimini ve zaman bütçesini sabitleyen, yazdığımız bir şartname dosyası olarak dağıtılır. Tablo bu şartnameleri özetler:

Süre sınırı her çalıştırmayı keser: bir ajan bu pencere içinde araştırma yapmalı, doğrulamalı ve CSV’sini teslim etmelidir; fırsat belirleme daha uzun bütçeye sahiptir çünkü düzinelerce aday şirketi beş kritere göre doğrularken rakip haritalama tek bir hedefi inceler.

Her ikisi de ajanı, bir girişim sermayesi fonunda kıdemsiz analistin sahip olduğu bir role yerleştirir ve her ikisi de atomik hücreli, kaynak URL’lerini çözen ve yorum içermeyen bir CSV gerektirir. Tüm gerçekler dondurulmuş bir anlık görüntü tarihine göre yargılanır ve fonlama verileri sürüklendiği için altın setler üç ayda bir tekrar doğrulanır.

Görev 1: Diaspora fırsat belirleme

Ajan, diaspora kurucularına odaklanmış erken aşama bir fonda fırsat belirleme analisti olarak hareket eder. Anlık görüntü tarihi itibarıyla bu yatırım kriterlerinin tümünü karşılayan yapay zeka şirketlerini döndürmelidir:

• Fonlama $5M'nin altında. Toplam açıklanmış sermaye, bir değerleme veya gelir rakamı değildir. Fonlama açıklanmamışsa, pozitif kanıt miktarın eşiğin altında olduğunu gösteriyorsa şirket geçerlidir. Aksi takdirde, dışlanmalıdır.
• 2025 veya 2026'da kurulmuş. Daha önceki her şey geçersizdir.
• Kamuya açık kanıtlı kurucu kökeni. En az bir kurucu belirli bir ülkede doğmuş, bu ülkedeki bir kurumda eğitim görmüş veya belirli bir uyruğa doğmuş olmalıdır.
• Merkez yurt dışında. Şirketin kendisi Türkiye dışında konumlanmıştır.
• AI odaklı. Hem altyapı katmanı hem de uygulama katmanı şirketler geçerlidir.

Her satır, her rakamı ajanın açtığı bir kaynak URL ile eşleştirir. Uydurma veya ulaşılamaz bir URL, desteklediği satırı geçersiz kılar.

Nasıl puanlanır?

Puanlama gizli bir altın doğruluk setine göre çalışır: modelin hiç görmediği, doğrulanmış nitelikli şirketlerden oluşan bir altın set. Dört boyut uygulanır:

• Hatırlama doğrulanmış nitelikli şirket altın setine karşı.
• Kesinlik her biri tam olarak bir kriteri karşılamayan yakın-ıskalamalar tuzağına karşı. Adlandırılmış diskalifiyeler sabit ceza taşır.
• Veri doğruluğu kaydedilmiş bir tohumla çekilmiş sabit rastgele bir satır örneklemi üzerinde, böylece bir puanlama geçişi yeniden üretilebilir: merkez, kuruluş yılı, tolerans dahilindeki fonlama ve yanındaki iddiayı destekleyen kaynaklar.
• Biçim uygunluğu: sütun sırası, atomik hücreler, sayısal fonlama, geçerli CSV.

Listeyi makul ancak doğrulanmamış şirketlerle şişirmek, hatırlamada kazandırdığından daha fazlasını kesinlikte kaybeder. Tasarım, daha az sayıda, tamamen doğrulanmış satırı ödüllendirir.

Görev 2: Rakip haritalama

Ajan, potansiyel bir yatırımcı için bir hedef şirket üzerinde ticari durum tespiti yapar. Puanlanan çalıştırma için, ajanları kendi şirketimize yönlendirdik: hedef AIMultiple’ın kendisidir; bu da kimin bizimle rekabet ettiğini birinci elden bilgimizle doğrulamamıza olanak tanıdı. Görev: hedefin doğrudan rakiplerini belirle, her birini kamuya açık verilerle kanıtla ve bunları bir CSV belgesi olarak döndür.

Kapsam kuralları neyin rakip sayılacağını tanımlar:

• İkame edilebilirlik. Bir şirket, hedefin rekabet ettiği herhangi bir kategoride, örtüşen müşterilere ikame edilebilir bir ürün veya hizmet sunduğunda geçerli olur.
• Tam kategori kapsamı. Hedef birden çok kategoride faaliyet gösterir. Ajan, her birindeki rakipleri, yalnızca en bariz olanı değil, kapsamalıdır.
• Dışlamalar. Hedefin hakkında yazdığı, ortaklık kurduğu veya listelediği ancak rekabet etmediği şirketler. Komşu bir kategorideki bitişik oyuncular. Hedefin kendisi.

Bu genişlikteki bir hedef için kapsamlı bir harita 15 ile 8 arası rakip içerir. Her satır, rakibin LinkedIn sayfasını, açıklanmış toplam fonlamayı (veya Açıklanmadı), merkez ülkeyi, kuruluş yılını ve LinkedIn çalışan sayısını, her ölçümün yanında bir kaynak URL ile içerir. Ölçümlerin yanında iki muhakeme sütunu bulunur: hedefe göre bir farklılaştırıcı ve dahil edilme gerekçesi; her birinin genel değil, spesifik olması gerekir. Bir fonlama rakamı bir fonlama kaynağıyla desteklenmelidir.

Nasıl puanlanır?

Puanlama, rakip kategorisine göre düzenlenmiş gizli bir altın doğruluk setine göre çalışır. Beş boyut uygulanır:

• Kesinlik. Döndürülen her rakip olmayan puanı düşürür. Hedefin sadece kıyasladığı SEO araçları ve AI model satıcıları gibi adlandırılmış diskalifiyeler sabit ceza taşır. Tek bir kategori bulunan setin çoğunu oluşturduğunda, fazla ağırlığı azaltan yumuşak bir şişirme önleyici koruma devreye girer. Rakipler iki ağırlık düzeyi taşır. Hedefin çekirdek çalışmasına en yakın firmalar olan, kaçırılmaması gereken küçük bir rakip seti, standart bir girişin üç katı ağırlığındadır. Uzman incelemesi sonrasında altın sette bulunmayan gerçek bir rakip yine de kredi kazanır; böylece eksik bir altın set doğru bir buluşu cezalandırmaz.
• Ceza kademeleri. Hatırlama ağırlığından bağımsız olarak, ajanın döndüremediği her kaçırılmaması gereken rakip, yakınlığa göre büyüklüğü belirlenen sabit bir ceza çıkarır. Hedefin en yakın rakiplerini kaçırmak, rutin bir hatırlama açığı olarak değil, temel bir durum tespiti başarısızlığı olarak değerlendirilir.
• Fonlama doğruluğu. Tolerans dahilinde kontrol edilen örneklenmiş satırlar; Açıklanmadı ve N/A (kamu) geçerli oldukları yerde doğru cevaplar olarak kabul edilir.
• Ölçüm kanıtı ve muhakeme. Gerekli ölçümler mevcut, atomik, kaynaklı ve tolerans dahilinde doğru. Farklılaştırıcı ve gerekçe hücreleri, basmakalıp ifadelere karşı spesifiklik açısından puanlanır.

Kriterler neden örüntü eşleştirmeye direnir?

Her iki görev, ajanların zaman baskısı altında aldığı kestirme yolları engellemek içinşa edilmiştir:

• Tahmin yapmak başarısız olur. Bir rakamın kamuya açık olmadığı yerde, puanlanan cevap kanıtlanmış bir boşluktur, bir tahmin değil. Uydurulmuş bir sayı iki kez puan kaybettirir, biri doğrulukta diğeri kesinlikte; dolayısıyla bilinmeyeni itiraf etmek, doldurmaktan daha iyi performans gösterir.
• Cevaplar ilk arama sayfasının ötesinde bulunur. Her iki altın set de, eğitim verilerinin henüz yakalayamadığı genç veya seyrek belgelenmiş şirketlere yaslanır; bu nedenle puanlar hatırlamaya değil, canlı, katmanlı aramaya bağlıdır.
• Kanıt, çıkarımdan üstündür. Akla yatkın bir sinyal, tanıdık gelen bir isim veya yüksek sıralamalı bir sayfa bir gerçeği tesis etmez; alıntılanabilir bir kayıt eder. Her iki puanlama tablosu da iddianın yanındaki kaynağı puanlar, iddianın kendisini değil.
• Kapsamlılık ve kesinlik birbirini çeker. Doğrulanmamış isimlerle şişirmek, kazandırdığından daha fazlasına mal olurken, aşırı temkinli bir kısa liste hatırlamayı kaybeder. Puanlama, ajanları bir fonun bir analistten beklediği dengeye doğru iter: her bulgu doğrulanmış, hiçbir gerçek bulgu atlanmamış.

Görevlerin inşası

Her karşılaştırma, iş geliştirme ve araştırma operasyonlarımızdaki gerçek bir iş akışı olarak başladı. Orijinal analist şartnamelerini sabit bir yapıya sahip görev dosyalarına dönüştürdük: rol, uygunluk kuralları, kesin çıktı sütunları, araç erişimi ve bir süre sınırı. Puanlama tabloları kriter başına puanlarla ayrı dosyalarda bulunur: biçim ve aritmetik otomatik kontrollerden geçer ve yargı çağrıları bir insan değerlendiriciye gider.

Her iki görevde de üç tasarım kuralı taşındı:

• Her rakam, ajanın açtığı bir kaynağa ihtiyaç duyar. Yalın ana sayfalar ve arama sonucu sayfaları sayılmaz.
• Açıklanmadı, uydurulmuştan üstündür. Özel bir ön-tohum turu için Açıklanmadı yazmak puan kazandırır; bir sayı uydurmak iki kez puan kaybettirir, biri doğruluk için diğeri kesinlik için.
• Atomik çıktı. Hücre başına bir değer, tam sütun sırası. İçerik değerlendirilmeden önce yapı ihlalleri puan kaybettirir.

Sızıntı kontrolü

Erken çalıştırmalar bize metodolojideki en önemli dersi öğretti. Puanlama tablosu dosyası, modelin çalışma dizininden erişilebilir olduğunda, model onu okudu ve altın doğruluk setini kopyaladı. Puanlar araştırma yeteneğiyle ilgisiz nedenlerle yükseldi.

Artık her puanlama tablosu bir koşum-izolasyon şartı taşır: model yalnızca prompt dosyasını alır, başka hiçbir şeyi almaz ve değerlendirici puanlama tablosunu daha sonra uygular. Puanlama tablosunun erişilebilir olduğu herhangi bir çalıştırma geçersiz sayılır. Bu kontrolü atlayan karşılaştırma inşacıları, ajanlarının yapabileceklerini abartacaktır.

Puanlama tabloları neyi ölçer?

Puanlama tabloları her iki görevde de ortak bir puanlama felsefesini paylaşır:

• Doğrulanmış altın doğruluk setine karşı hatırlama. Altın setteki her nitelikli şirket veya rakip, herhangi bir model puanlanmadan önce bir insan araştırmacı tarafından kamu kayıtlarına göre doğrulanmıştır.
• Adlandırılmış tuzaklarla kesinlik. Her iki altın doğruluk seti de tam olarak bir kriteri karşılamayan yakın-ıskalamalar taşır ve bunlar sabit cezaya sahip adlandırılmış diskalifiyelerdir; böylece doğrulama olmadan örüntü eşleştirme yakalanır.
• Uydurma için negatif puanlar. Halüsinasyonlu bir fonlama rakamı veya ölü bir kaynak URL’si sıfır puanlamak yerine puan çıkarır. Dürüst boşluklar, kendinden emin hatalardan üstündür.
• Sürüklenme yönetimi. Fonlama, değerlemeler ve çalışan sayıları değişir. Her puanlama tablosu bir anlık görüntü tarihi taşır, sürüklenmeye eğilimli verileri işaretler ve her puanlama geçişinden önce tekrar doğrulama gerektirir.
• Karma kontrol. Hatırlama, kesinlik ve biçim kontrolleri otomatik olarak çalışır. Kurucu köken kanıtları ve dahil etme gerekçeleri bir insan değerlendiriciye gider.

Düşük puanlar, iyi cevapları tavanlarla ezmekten değil, görevi gerçekten zorlaştırmaktan gelir. Hatırlama, kesinlik, doğruluk ve dürüstlük her biri farklı bir başarısızlık moduna çeker; böylece bir model, zayıf araştırmasını kendine güvenli biçimlendirmeyle telafi edemez.

Kıyaslamalarımızı ve veri odaklı içgörülerimizi kaçırmayın. Düğme Google'ı açar; AIMultiple'ı seçmeniz, Google arama sonuçlarında AIMultiple'ı daha sık görmek istediğinizi onaylar.

Tercih edilen kaynak olarak ekle

Girişim sermayesi işi AI ajanlarını neden iyi test eder?

Girişim sermayesi firmaları analist emeğiyle çalışır. Anlaşma akışı elemeleri ve durum tespiti çok adımlı araştırma görevleridir. Her biri web araştırması, kaynak doğrulama ve yapılandırılmış çıktı gerektirir. Her biri aynı zamanda akla yatkın görünen yanlış cevaplar üretir; bu da onları taklit etmeyi zorlaştırır ve puanlamayı faydalı kılar.

Bu özellikler, VC analist işini güçlü bir karşılaştırma alanı haline getirir:

• Doğrulanabilir altın doğruluk seti. Fonlama turları, kuruluş yılları ve çalışan sayıları kamu kayıtlarına göre kontrol edilebilir.
• Uydurma baskısı. Bir rakamı bulamayan modeller onu uydurma eğilimindedir. Görevler bunu doğrudan açığa çıkarır.
• Gerçek ekonomik değer. Durum tespitinin kısımlarını otomatikleştiren bir fon kendi maliyet yapısını değiştirir. Karşılaştırma, bugün birinin para ödediği işi ölçer.

İleri okumalar

• AIM Ajan Destekli Pazarlama Karşılaştırması
• AI Tabanlı Hisse Senedi Alım Satımı: Hangi Gen AI Aracı Daha İyi
• Ajan Destekli AI Finans Karşılaştırması

SSS'ler

Bu araştırmayı kaynak gösterin

Yayınlayacağınız yere uygun formatı seçin. Bağlantılı sürümü CMS'inize yapıştırmak, geri bağlantıyı korur.

@misc{phd2026,
  author = {PhD., Ezgi Arslan, and Kalelioğlu, Berk},
  title  = {{AI VC Benchmark: 11 AI Ajanı Gerçek Girişim Sermayesi Görevlerinde}},
  year   = {2026},
  month  = jul,
  howpublished    = {\url{https://aimultiple.com/ai-vc}},
  note   = {AIMultiple. Erişim tarihi: 21 Temmuz 2026}
}

Ezgi Arslan, PhD.

Sektör Analisti

Takip Et

Ezgi, finans alanında uzmanlaşmış olarak İşletme Doktorasına sahiptir ve AIMultiple'da Sektör Analisti olarak görev yapmaktadır. Sürdürülebilirlik, anket ve duygu analizi, finans alanında AI agent uygulamaları, cevap motoru optimizasyonu, firewall yönetimi ve satın alma teknolojileri gibi alanlardaki uzmanlığıyla teknoloji ve iş dünyasının kesişim noktasında araştırma ve içgörüleri yönlendirmektedir.

Tam Profili Görüntüle

Teknik olarak inceleyen

Berk Kalelioğlu

Yapay Zeka Araştırmacısı

Takip Et

Berk, AIMultiple'da yapay zeka araştırmacısıdır ve etmen tabanlı yapay zeka sistemleri ile dil modellerine odaklanmaktadır.

Tam Profili Görüntüle

Yorum yapan ilk kişi olun

E-posta adresiniz yayınlanmayacak. Tüm alanlar gereklidir. Yorumlar orijinal dilinde bırakılır.

Ad

E-posta Adresi

Yorum

0/450

Yorumu Gönder