Yapay zekâ ajanı (AI agent) nedir, şirkette ne işe yarar?

Yapay zekâ ajanı (AI agent), bir hedefe ulaşmak için hangi adımı atacağına kendisi karar veren ve bu adımları araç çağırarak uygulayan bir yapay zekâ sistemidir. Örneğin e-postayı okur, kayıt sistemine bakar, taslak hazırlar, gerekirse işi bir çalışana devreder. Kural tabanlı bir iş akışında adımları siz yazarsınız; ajanda adımları model seçer.

Ben ajanları şirketlerde güçlü ama dar kullanılması gereken bir araç olarak görüyorum. Serbest metinle gelen ve her seferinde biraz farklı olan işlerde zaman kazandırıyorlar; aynı girdiye hep aynı sonucun gerektiği işlerde ise sabit kurallı bir akıştan daha az güvenilirler. Özel yazılım geliştiren bir ekipte çalıştığım için tarafsız sayılmam; bu yüzden her seçeneğin bedelini de yazıyorum.

Yapay zekâ ajanı (AI agent) nedir, chatbot ve otomasyondan farkı ne?

Yapay zekâ ajanı, büyük dil modeli gibi bir yapay zekâ modelinin bir hedef doğrultusunda araç kullanarak birden fazla adımı kendi başına yürüttüğü yazılımdır. Araç, modelin çağırabildiği her işlevdir: müşteri kaydını okumak, stok sorgulamak, e-posta taslağı oluşturmak, takvime bakmak. Model her adımın sonucunu görür ve bir sonraki adımı ona göre seçer. "Yapay zekâ ajanı", "AI ajanı" ve "AI agent" aynı şeyi anlatır; "agentic AI" ise bu çalışma biçiminin genel adıdır.

Yapay zekâ ajanını sohbet botundan ve kural tabanlı iş akışından ayırmak, hangisinin seçileceğini kolaylaştırır. Bir sohbet botu (chatbot) soruya cevap üretir ve genellikle başka bir sisteme dokunmaz. Kural tabanlı bir iş akışı, önceden çizilmiş adımları sırayla uygular: "Form gelirse kaydı aç, yöneticiye bildir." Ajan bu ikisinin arasında durur: cevap üretmenin ötesinde iş yapar ve hangi işi hangi sırayla yapacağına hedefe ve eldeki bilgiye bakarak karar verir.

Ajan esneklik kazandırır, karşılığında öngörülebilirliği bir miktar azaltır: aynı e-postayı iki kez verdiğinizde iki biraz farklı yol izleyebilir. Bu yüzden "ajan mı, akış mı" sorusunu teknolojiden önce işin kendisine sorardım: bu işte esneklik mi daha değerli, her seferinde aynı sonuç mu?

Yapay zekâ ajanı nasıl çalışır?

Bir yapay zekâ ajanı genellikle dört parçadan oluşur (model, araçlar, bağlam ve hafıza, hedef ve durma koşulu) ve bu parçalar bir döngü içinde birlikte çalışır:

• Model: Metni okuyup bir sonraki adıma karar veren yapay zekâ modelidir. Ajanın karar veren kısmı budur, ama kendi başına hiçbir sisteme erişemez.
• Araçlar: Modelin çağırabildiği işlevlerdir: veritabanında arama, bir API'ye istek, dosya okuma, e-posta taslağı. Ajanın neye dokunabileceğini araç listesi belirler.
• Bağlam ve hafıza: Görevin talimatı, o ana kadar atılan adımlar ve gerekiyorsa geçmiş kayıtlardır. Model her adımda bunları yeniden okur.
• Hedef ve durma koşulu: Ajanın işi ne zaman bitmiş sayacağı ve en fazla kaç adım atabileceğidir. Durma koşulu olmayan bir ajan döngüye girmeye açıktır.

Ajanın döngüsü şöyle işler: görevi ve elindeki bilgiyi okur, bir araç çağırmaya karar verir, aracın sonucunu görür ve hedefe ulaşıp ulaşmadığını değerlendirir. Ulaşmadıysa bir sonraki adımı seçer. Tek bir ajan bu döngüyü kendisi yürütür; çoklu ajan (multi-agent) sistemlerinde ise işi parçalara bölen bir ajan, uzmanlaşmış başka ajanlara görev dağıtır. KOBİ ölçeğindeki işlerde tek ajanla ve kısa bir araç listesiyle başlamayı tercih ederdim, çünkü her ek ajan hata ayıklamayı ve maliyeti büyütür.

Yapay zekâ ajanı kavramı büyük dil modellerinden eskidir. Yapay zekâ ders kitapları ajanları basit refleks ajanı (bir koşula sabit bir tepki veren), hedef tabanlı ajan (bir hedefe göre adım seçen) ve öğrenen ajan (deneyimle davranışını iyileştiren) gibi türlere ayırır. Bu yazıda anlattığım ajan, hedef tabanlı ajanın büyük dil modeliyle kurulan hâlidir. Robotik süreç otomasyonu (RPA) ise ekrandaki tıklama ve yazma adımlarını önceden kaydedilmiş bir senaryoyla tekrarlar; yani kural tabanlıdır ve yolu kendisi seçmez.

AI agent örnekleri: yapay zekâ ajanları şirkette ne işe yarar?

Bir AI agent'ın şirkette en çok işe yaradığı yer, serbest metinle gelen, birden fazla sisteme bakmayı gerektiren ve sonunda bir taslak ya da kayıt üreten tekrarlayan işlerdir. KOBİ'lerde tipik adaylar şunlardır:

• Gelen kutusu ayıklama: Ortak e-posta kutusuna gelen talepleri türüne göre ayırıp ilgili kişiye yönlendirmek.
• Belge okuma: Tedarikçi faturası, irsaliye ya da sipariş formundaki alanları okuyup kayda hazırlamak.
• Teklif ve cevap taslağı: Müşteri kaydına ve stoka bakarak bir teklif ya da cevap taslağı hazırlamak.
• İç bilgi sorusu: Çalışanın sorduğu bir prosedür ya da sipariş sorusunu şirketin kendi kayıtlarından cevaplamak.

Bu bölümdeki toptancı örneği varsayımsaldır; bir müşteri vakası değildir.

Varsayımsal örnekteki şirket, İstanbul'da endüstriyel yedek parça satan on beş kişilik bir toptancıdır. Sipariş durumu ve fiyat soruları ortak bir e-posta kutusuna serbest metinle geliyor; müşteri kayıtları bir CRM'de, stok ve siparişler bir ERP'de. İki satış destek çalışanı her e-postayı okuyup iki sisteme bakarak cevap yazıyor. Varsayım olarak günde 40 e-posta geldiğini ve her birinin ortalama 6 dakika sürdüğünü düşünün: bu, ekipten günde yaklaşık 4 saat (40 × 6 = 240 dakika) alır. Hedef, bu zamanın büyük kısmını cevap yazmaktan kontrol etmeye kaydırmak.

Ajanlı süreç, ilk sürümde şu adımlarla çalışır:

1. E-posta gelir; kural tabanlı bir adım onu sıraya alır ve ajanı başlatır.
2. Ajan e-postayı okur, gönderenin hangi müşteri olduğunu CRM'de arar ve talebin türünü belirler: sipariş durumu, fiyat sorusu ya da şikâyet.
3. Sipariş durumu sorusuysa ERP'den siparişi okur ve sevkiyat bilgisini içeren bir cevap taslağı hazırlar.
4. Fiyat sorusuysa stok ve liste fiyatını okur; teklif belirlenen tutarın üzerindeyse ya da indirim isteniyorsa taslağı satış sorumlusunun onayına gönderir.
5. Şikâyet, iade talebi ya da sınıflandıramadığı bir e-posta gelirse işi hiç denemeden bir çalışana devreder ve kısa bir özet ekler.
6. Okunan kayıt, çağrılan araç, verilen karar ve taslağın son hâli kaydedilir; ilk haftalarda müşteriye giden her cevap bir çalışanın onayından geçer.

Toptancı örneğinde yapay zekâ ajanının işi dar ve okumaya dayalı: iki sistemde arama yapıyor ve taslak yazıyor. Fiyatı değiştirme, sipariş oluşturma ya da e-postayı kendisi gönderme yetkisi yok. Ben ilk sürümü tam olarak böyle kurardım; ajan güven kazandıkça, örneğin sipariş durumu cevaplarının onaysız gitmesine izin verilebilir. Birinci ve altıncı adımların kural tabanlı olduğuna da dikkat edin: iyi bir ajan projesi işin büyük kısmını sabit kurallarla yürütür ve modeli sadece yorum gereken yere koyar.

Yapay zekâ ajanı mı, kural tabanlı iş akışı mı? Hangisi ne zaman daha güvenilir?

Kural tabanlı iş akışı, girdisi yapılandırılmış ve kuralı yazılabilen işlerde yapay zekâ ajanından daha güvenilirdir; ajan ise girdinin serbest metin olduğu ve her vakanın biraz farklı olduğu işlerde öne çıkar. Ayrımı yaparken dört soruya bakardım: girdi formdan mı geliyor yoksa e-postadan mı, kural bir cümleyle yazılabiliyor mu, yanlış bir adımın bedeli ne ve sonucu kim kontrol edecek. Kural tabanlı akışın nasıl kurulacağını şirketlerde yapay zekâ otomasyonu yazımızda ayrıca anlattık.

• Kural tabanlı akışı seçin: Girdi bir formdan, tablodan ya da başka bir sistemden yapılandırılmış geliyorsa; kural "tutar belirli bir değerin üzerindeyse onaya gönder" gibi açıkça yazılabiliyorsa; aynı girdiye her seferinde aynı sonuç gerekiyorsa (fatura kesmek, stoktan düşmek, ödeme).
• Yapay zekâ ajanını seçin: Girdi serbest metin, belge ya da e-postaysa; işi bitirmek için birkaç sisteme bakmak gerekiyorsa; her vaka biraz farklıysa ve bir çalışan şu an bu farkı okuyarak karar veriyorsa.
• İşi bir çalışanda bırakın: Karar hukuki, mali ya da müşteri ilişkisi açısından ağır sonuç doğuruyorsa; vaka nadir ve her seferinde yeni bir yorum istiyorsa; sorumluluğu bir kişinin taşıması gerekiyorsa.

Kural tabanlı akış, ajan ve çalışan birbirini dışlamaz. Benim önereceğim düzen karma bir düzendir: akışın iskeleti kurallarla çalışır, yorum gereken tek bir adımda ajan devreye girer, belirlenen eşiklerin üzerinde son kararı bir çalışan verir. Sadece yapay zekâ kullanmış olmak için kurallarla çözülebilecek bir işe ajan koymak, maliyeti ve hata riskini gereksiz yere artırır.

Kural tabanlı iş akışı, yapay zekâ ajanı ve bir çalışan; belirsiz girdi, tutarlılık, hata biçimi, denetlenebilirlik, maliyet, veri ve sorumluluk açısından farklı davranır. Bu karşılaştırma genel eğilimi gösterir; kendi süreciniz için bir deneme döneminde doğrulanmalıdır.

Yapay zekâ ajanı, çalışanın okuma ve arama yükünü üstlendiğinde en iyi sonucu verir. Kural tabanlı akış, ajan ve çalışan arasındaki en kritik fark bana göre hata biçimidir: akış bozulduğunda bunu hemen görürsünüz, ajanın hatası ise sessiz kalabilir. Kayıt ve onay mekanizmalarını bu yüzden her ajanın ilk sürümüne koyardım.

Yapay zekâ ajanı nasıl oluşturulur? Hazır araç mı, özel yazılım mı?

Yapay zekâ ajanı genellikle üç yoldan biriyle oluşturulur: ajan kurmaya yarayan hazır araçlarla, yapay zekâ adımı eklenebilen otomasyon platformlarıyla ya da şirketin kendi sistemlerine bağlanan özel yazılımla. Hazır araçlar hızlı başlangıç sağlar: ekrandan talimat yazarsınız, hazır bağlantıları seçersiniz ve ilk denemeyi kısa sürede görürsünüz. Abonelik ücreti kullanıcı, çalıştırma ya da görev sayısıyla büyüyebilir. Bağlantılar aracın destekledikleriyle sınırlı kalır. Kayıtlar da genellikle satıcının ortamında tutulur.

Özel yazılımla kurulan bir ajanın avantajları uzun vadede ortaya çıkar. Kurallar ve onay eşikleri bir ürünün ayarlarına sığdırılmak yerine sizin sürecinize göre yazılır. Ajan kendi ERP'nize, CRM'inize ve iç veritabanınıza doğrudan bağlanır; çalıştırma kayıtları sizin seçtiğiniz sunucuda, sizin veritabanınızda tutulur. Modele gönderilen metin ise model sağlayıcısına gider; bunun KVKK tarafı ayrıca ele alınmalıdır. Kullanıcı ya da ekip eklendikçe kullanıcı başına yazılım lisansı genellikle doğmaz; büyüyen kalemler model kullanımı, sunucu ve bakımdır. Kaynak kod, sunucu ve model hesapları şirketinizin adına açılabilir; bunu sözleşmeye yazdırın.

Özel yazılımla ajan kurmanın da bir bedeli var ve ben bunu teklif aşamasında açıkça konuşmayı doğru buluyorum. İlk sürüm hazır bir aracı kurmaktan daha uzun sürer ve başlangıç maliyeti genellikle daha yüksektir. Sistemi şirket içinde sahiplenecek, kuralları güncelleyecek ve sonuçları izleyecek biri olmalıdır. Değerlendirme de bir kerelik değildir: model ya da talimat her değiştiğinde test setinin yeniden çalıştırılması gerekir.

Yapay zekâ destekli geliştirme araçlarının özel yazılımın yazım süresini kısalttığını düşünüyorum; kapsam ve güvenlik kararlarını ise hâlâ bir mühendisin sahiplenmesi gerekiyor (yapay zekâ ile uygulama geliştirmenin sınırları). Süreç tek bir sisteme bakıyorsa, hacim düşükse, çalıştırma kayıtlarının satıcının ortamında tutulması sizin için sorun değilse ya da bir fikri denemek istiyorsanız hazır bir araç yeter. Genel karşılaştırma için özel yazılım mı hazır yazılım mı yazımıza bakabilirsiniz.

Bir yapay zekâ ajanına hangi yetkiler ve sınırlar verilmeli?

Bir yapay zekâ ajanına görevini yapmaya yetecek kadar yetki verilmeli ve geri alınamayan her işlem bir insanın onayına bağlanmalıdır. OWASP Top 10 for LLM Applications 2025 listesi, Ekim 2026 itibarıyla bu riski LLM06:2025 Excessive Agency (aşırı yetki) (yeni sekmede açılır) başlığıyla ele alıyor. Önerileri arasında araçlara gereken en dar kapsamda erişim vermek ve yüksek etkili işlemler için insan onayı istemek var. Ben sınırları şu başlıklarla yazıya dökerdim:

• Okuma ve yazma ayrımı: Ajan kayıtları okuyabilir; kayıt oluşturmak, değiştirmek ve silmek ayrı araçlardır ve her biri ayrıca onaylanır.
• En dar erişim: Ajanın kullandığı hesap sadece gereken tablolara ve alanlara erişir. Yönetici hesabıyla çalışan bir ajan kurmazdım.
• Onay eşikleri: Belirli bir tutarın üzerindeki teklif, iade, indirim ve müşteriye giden ilk mesajlar bir çalışanın onayından geçer.
• Harcama ve adım sınırı: Tek çalıştırmadaki en fazla adım, yeniden deneme sayısı ve günlük model harcaması için üst sınır konur; sınır aşılınca ajan durur ve haber verir.
• İzinli alıcılar ve kanallar: Ajan yalnızca belirli adreslere ve kanallara yazabilir; ödeme yapamaz, yeni alıcı ekleyemez.
• Kapatma düğmesi: Ajanı tek bir ayarla durdurup işi tamamen çalışanlara geri vermek mümkün olmalıdır.

Yapay zekâ ajanı işi insana ne zaman ve nasıl devretmeli?

İnsana devir, ajanın emin olmadığı, yetkisinin dışında kalan ya da müşteri açısından hassas olan bir işin tüm bağlamıyla bir çalışana aktarılmasıdır. Devir koşullarını önceden yazardım: talep sınıflandırılamadıysa, müşteri şikâyet ediyorsa, işlem para ya da sözleşme içeriyorsa, aynı müşteri kısa sürede ikinci kez yazıyorsa iş çalışana geçer.

Devirde ajanın okuduğu kayıtlar, denediği adımlar ve neden durduğu tek bir özet olarak çalışana gelmeli; müşteri de bir insanla konuşacağını bilmeli. Ajan ücretli bir mesajlaşma kanalından yazıyorsa, kanalın maliyetini ayrıca hesaplamanızı öneririm (mesajlaşma API'si fiyatlandırma yazımız).

Yapay zekâ ajanının çalışması nasıl kaydedilir ve ölçülür?

Yapay zekâ ajanının her çalıştırması; gelen girdi, çağrılan araçlar ve parametreleri, araçlardan dönen sonuçlar, verilen karar, model sürümü ve maliyetle birlikte kaydedilmelidir. Bu kayıt olmadan bir hatanın nedenini bulmak, müşteriye ne söylendiğini göstermek ya da maliyeti izlemek mümkün olmaz. Kayıtlar kişisel veri de içerdiği için kimin görebileceği ve ne kadar süre tutulacağı baştan belirlenmelidir.

Ajanın kalitesini bir test setiyle ölçerdim: geçmişten sonucu bilinen birkaç düzine vaka seçilir, kişisel veriler maskelenir ve ajan bu vakalarda çalıştırılır. Model, talimat ya da araç listesi her değiştiğinde aynı set yeniden çalıştırılır; sonuç kötüleştiyse değişiklik canlıya alınmaz. Canlıda ise onay oranı, devir oranı, düzeltilen taslakların oranı ve çalıştırma başına maliyet bir panelde izlenmeli. Bu tür iç panelleri kurumsal paneller ve iç araçlar kapsamında geliştiriyoruz.

Yapay zekâ ajanı nerede hata yapar?

Yapay zekâ ajanlarında sık karşılaşılan hata türlerinden dördü şunlardır: yanlış aracı ya da yanlış parametreyi seçer, döngüye girer, okuduğu bir metindeki talimata kanar ve bilmediği bir şeyi kendinden emin bir dille söyler. Bu hataların hiçbiri tamamen ortadan kalkmaz; tasarımın amacı onları erken yakalamak ve zararını sınırlamaktır.

• Yanlış araç çağrısı: Ajan doğru müşteri yerine benzer adlı başka bir müşterinin kaydını açar ya da sipariş numarasını yanlış alana yazar. Önlem: parametreleri doğrulayan kod, okuma ile yazmanın ayrılması ve yazma işlemlerinde onay.
• Döngü: Bir araç hata verdiğinde ajan aynı adımı tekrar tekrar dener; iş durur, maliyet büyür. Önlem: adım ve yeniden deneme sınırı, hata durumunda insana devir.
• Prompt injection (talimat enjeksiyonu): Ajanın okuduğu bir e-postaya, PDF'e ya da web sayfasına gizlenmiş bir cümle, modele önceki talimatları yok saymasını söyler. OWASP, LLM01:2025 Prompt Injection (yeni sekmede açılır) başlığında web siteleri ya da dosyalar gibi dış kaynaklardan gelen bu dolaylı türü ayrıca tanımlıyor (Ekim 2026 itibarıyla). Önlem: dışarıdan gelen metni talimat değil veri olarak ele almak, yetkileri dar tutmak, hassas işlemleri onaya bağlamak.
• Kendinden emin yanlış cevap: Model, kayıtta olmayan bir teslim tarihini ya da yanlış bir fiyatı akıcı bir dille yazabilir. Önlem: cevapta sadece araçlardan okunan verinin kullanılması, kaynağı olmayan rakamların taslakta işaretlenmesi ve müşteriye giden cevaplarda onay.

Yapay zekâ ajanının hata türleri arasında en çok ciddiye aldığım risk prompt injection'dır, çünkü ajanın işi zaten dışarıdan gelen metni okumaktır. Müşteri e-postalarını okuyup aynı zamanda e-posta gönderebilen bir ajanı, yazma yetkisi dar ve onaylı olmadan canlıya almazdım.

Bir yapay zekâ ajanını çalıştırmanın maliyetini ne belirler?

Yapay zekâ ajanının maliyeti iki parçadan oluşur: bir kerelik kurulum maliyeti ve her çalıştırmada tekrarlanan kullanım maliyeti. Kullanım tarafında model sağlayıcıları ücreti genellikle işlenen metin miktarına göre alır; güncel birim fiyatı sağlayıcının kendi fiyat sayfasından ve sözleşmesinden okumak gerekir. Fiyatlar modele, sağlayıcıya ve kura göre sık değiştiği için burada rakam vermiyorum. Çalıştırma başına maliyeti şu kalemler belirler:

• Model çağrısı sayısı: Ajanın bir işi bitirmek için attığı her adım en az bir model çağrısıdır; adım sayısı arttıkça maliyet artar.
• Bağlam uzunluğu: Her adımda modele gönderilen talimat, geçmiş adımlar ve belgeler büyüdükçe çağrı pahalılaşır. Uzun bir PDF'i her adımda yeniden göndermek tipik bir israftır.
• Model seçimi: Sınıflandırma gibi basit adımlar küçük ve ucuz bir modelle, yorum gerektiren adımlar daha güçlü bir modelle yapılabilir.
• Araç çağrıları: Ücretli dış servislere, örneğin mesajlaşma kanallarına yapılan çağrıların kendi ücreti vardır.
• Yeniden denemeler ve döngüler: Sınırı olmayan bir ajan, tek bir hatalı vakada beklenenden çok daha fazla harcayabilir.
• İnsan kontrol süresi: Onay ve örneklem incelemesi için çalışanın harcadığı zaman da maliyettir ve ilk haftalarda yüksektir.
• Bakım ve değerlendirme: Test setinin güncellenmesi ve kayıtların saklanması süreklidir.

Yapay zekâ ajanının maliyet kalemlerini tahmin etmek yerine ölçmenizi öneririm: test setini çalıştırırken her vakanın maliyetini kaydedin, aylık hacminizle çarpın ve sonucu aynı işe çalışanların harcadığı zamanla yan yana koyun. Teklifleri karşılaştırırken nelere bakacağınızı yazılım yaptırma maliyeti yazımızda ele aldık.

Yapay zekâ ajanı kullanırken KVKK açısından nelere dikkat edilmeli?

Yapay zekâ ajanı kişisel veri okuyorsa, KVKK açısından ilk soru bu verinin hangi modele, hangi ülkedeki sunucuya ve hangi sözleşmeyle gittiğidir. Yurt dışına aktarımı düzenleyen 9. madde, 6698 sayılı Kişisel Verilerin Korunması Kanunu (yeni sekmede açılır) içinde 2 Mart 2024 tarihli 7499 sayılı Kanun'la değişen hâliyle, aktarımı bir yeterlilik kararına ya da standart sözleşme gibi uygun güvencelere bağlıyor; bunlar yoksa yalnızca sınırlı arızi durumlarda aktarıma izin veriyor. Standart sözleşme, imzalandıktan sonra beş iş günü içinde Kişisel Verileri Koruma Kurumu'na bildirilmelidir (Ekim 2026 itibarıyla).

6698 sayılı Kanun'un 12. maddesine göre, veriler sizin adınıza başka bir şirket tarafından işlendiğinde güvenlik tedbirlerinden o şirketle birlikte sorumlusunuz. Model sağlayıcısı, barındırma şirketi ve ajanı kuran yazılım firması bu zincirin parçası olabilir; her birinin veri işleyen olup olmadığını sözleşmeyle netleştirin.

Kişisel Verileri Koruma Kurumu'nun Rehberler sayfasında yayımlanan Üretken Yapay Zekâ ve Kişisel Verilerin Korunması Rehberi (yeni sekmede açılır), Ekim 2026 itibarıyla kavramlar listesinde yapay zekâ ajanını (AI agent) da sayıyor. Rehber; veri sorumlusu ile veri işleyenin belirlenmesi, yurt dışına aktarım, şeffaflık ve veri güvenliği için ayrı başlıklar içeriyor.

Yapay zekâ ajanında KVKK uyumu için uygulamada üç şeye bakardım: modele sadece görev için gereken alanların gitmesi, sağlayıcının gönderilen veriyi model eğitimi için kullanıp kullanmadığının sözleşmede yazılı olması ve kişisel veri içeren ajan kayıtları için bir saklama süresi. Bu yazı hukuki tavsiye değildir; aktarım ve aydınlatma metinleri için bir avukata danışın.

Yapay zekâ ajanı projesine nasıl başlanır?

Ben bir yapay zekâ ajanı projesine tek bir süreç, okuma ağırlıklı bir ilk sürüm ve önceden yazılmış bir başarı ölçütüyle başlardım. Seçeceğim süreç serbest metinle gelen, sık tekrarlanan, birkaç sisteme bakmayı gerektiren ve hatası geri alınabilen bir süreç olurdu. Önce sürecin şu anki hâlini ölçerdim: bir vaka ne kadar sürüyor, ne sıklıkla hata çıkıyor, sonucu kim kontrol ediyor.

Ajan projesinin ikinci adımında geçmiş vakalardan bir test seti hazırlar, ajanın yetkilerini ve devir koşullarını yazıya dökerdim. İlk sürümde ajan sadece okur ve taslak üretir; müşteriye giden her şey onaydan geçer. Birkaç hafta boyunca onay oranı, düzeltme oranı ve çalıştırma başına maliyet izlenir. Sonuçlar ölçütü karşılıyorsa yetkiler adım adım genişletilir; karşılamıyorsa süreç kural tabanlı bir akışa döndürülür.

UlvionTech olarak yapay zekâ otomasyonu projelerinde kapsamı kodlamadan önce yazıya döküyor, yazılı kapsamdan sonra sabit fiyat veriyor ve kaynak kodu, sunucuyu ve hesapları müşterinin adına kuruyoruz. Çalışma biçimimizin ayrıntıları yapay zekâ otomasyonu hizmetimizin sayfasında yer alıyor.

Yapay zekâ ajanı için yazılım firmasına hangi sorular sorulmalı?

Yapay zekâ ajanı için görüştüğünüz yazılım firmasına ajanın ne yapacağını, ama en çok neyi yapamayacağını, nasıl ölçüleceğini ve kimin adına çalışacağını sorun. Görüşmeye götürebileceğiniz kontrol listesi:

• Ajan hangi sistemleri okuyacak, hangilerine yazacak; yazma işlemlerinden hangileri onaylı olacak?
• Ajanın kullandığı hesapların yetkileri nasıl sınırlanacak?
• Adım, yeniden deneme ve harcama sınırı ne olacak; sınır aşılınca ne olacak?
• Ajan hangi durumlarda insana devredecek ve devirde çalışana ne gelecek?
• Çalıştırma kayıtları nerede, ne kadar süre tutulacak ve kim görebilecek?
• Test seti nasıl hazırlanacak ve model değişince kim yeniden çalıştıracak?
• Veriler hangi ülkede işlenecek ve sağlayıcı veriyi eğitim için kullanıyor mu?
• Prompt injection'a karşı hangi önlemler alınacak?
• Kaynak kod, sunucu ve model hesapları kimin adına olacak?

Görüşmeden önce sürecinizi bir sayfada yazmak bu soruların cevabını hızlandırır; nasıl hazırlanacağını yazılım yaptırmak istiyorum: brief şablonu yazımızda anlattık.

Yapay zekâ ajanı projelerinde sık yapılan hatalar nelerdir?

Bana göre yapay zekâ ajanı projelerindeki hataların önemli bir kısmı kapsam ve sahiplik eksikliğinden çıkar. Bu liste bir müşteri vakasına dayanmaz; ajanların çalışma biçiminden doğan genel risk örüntülerini toplar:

• İşi ajana uydurmak: Kurallarla çözülebilecek bir işe, yapay zekâ kullanmış olmak için ajan koymak.
• Geniş yetkiyle başlamak: İlk sürüme okuma, yazma, gönderme ve silme yetkisini birlikte vermek.
• Test seti ve kayıt olmadan canlıya almak: Ajanı birkaç örnekle deneyip müşterilere açmak; hata çıktığında kararın izini bulamamak.
• Sahipsiz bırakmak: Kuralları güncelleyecek ve sonuçları izleyecek bir kişi atamamak.
• Veri akışını sonradan düşünmek: Hangi kişisel verinin hangi sağlayıcıya gittiğini proje bittikten sonra sormak.

Hangi durumlarda UlvionTech ile yapay zekâ ajanı projesi yapılmamalı?

UlvionTech ile bir yapay zekâ ajanı projesi; iş basit bir kurala sığıyorsa, süreç netleşmemişse, sistemin sahibi yoksa ya da hacim çok düşükse mantıklı değildir. Bu durumları açıkça yazıyoruz:

• Basit bir otomasyon yetiyorsa: Girdi yapılandırılmışsa ve kural bir cümleyle yazılabiliyorsa, kural tabanlı bir akış ya da hazır bir otomasyon aracı çoğu zaman daha ucuz ve daha güvenilirdir.
• Süreç henüz netleşmediyse: İşin nasıl yapılacağı çalışanlar arasında bile tartışmalıysa önce süreci yazıya dökmek gerekir. Belirsiz bir süreci ajana vermek belirsizliği hızlandırır.
• Sistemi sahiplenecek kimse yoksa: Ajanın sonuçlarını izleyecek, kuralları güncelleyecek ve devredilen işleri alacak bir kişi atanamıyorsa, özel bir ajan kısa sürede bakımsız kalır.
• Hacim çok düşükse: Ayda birkaç vaka için kurulum ve bakım maliyeti, kazanılan zamanı aşabilir.
• Kullandığınız hazır araç işinizi görüyorsa: Değiştirmek için maliyet, veri konumu ya da eksik entegrasyon gibi somut bir sorun yoksa değiştirmeyin.

Sürecinizin bir ajana mı, kural tabanlı bir akışa mı uygun olduğundan emin değilseniz, süreci birkaç cümleyle anlatarak bize yazabilirsiniz; hangisinin daha uygun olduğunu ve nedenini birlikte netleştiririz.