01
Bağlam
Araç değer kaybı hesaplamaları, karmaşık formüller ve bilirkişilerin inisiyatifleri arasında sıkışmış, öngörülemez bir süreçtir. OtoDeğer AI, geçmişe dönük 7.000'den fazla gerçek bilirkişi raporunu analiz ederek bu kaosu matematiksel bir düzleme oturtmak ve hukuki/sigorta süreçlerinde 'Acaba ne kadar değer kaybı çıkar?' sorusunu saniyeler içinde yanıtlamak için geliştirildi.
02
Problem
Binlerce formatsız PDF raporundan hatasız veri çekmek, plastik/vidalı/kaynaklı parça ayrımlarını modele öğretmek ve enflasyon problemini aşmak için modeli TL tahmini yerine 'Rayiç Bedel Oranı' tahmin etmeye yönlendirmek.
03
Çözüm
Gemini 2.0 Flash modeli kullanılarak PDF'lerden JSON formatında temiz veri seti oluşturuldu. Bilirkişi davranışları 'Target Encoding' ile puanlandı, parçalar hasar şiddetine göre sayısallaştırıldı ve CatBoost algoritması ile enflasyondan etkilenmeyen oran tabanlı bir makine öğrenmesi modeli inşa edildi.
04
Sonuç
Bilirkişi kararlarına %85 oranında yaklaşan yüksek doğruluklu bir model elde edildi. Haftalar süren muhtemel değer kaybı analizi süreci, hatasız çalışan bir API çağrısı ile saniyelere indirildi.