AI agent, bir hedef doğrultusunda model çağrılarını araç kullanımı ve durum yönetimiyle birleştiren sistemdir. "Otonom" etiketi sınırsız yetki veya hatasız çalışma anlamına gelmez. Bu yazı, agent iş akışlarını ölçülebilir görevler, insan onayı ve geri alma mekanizmalarıyla değerlendirmek için bir çerçeve sunar.
AI Agent Nedir?
Basit tanımla: AI agent, belirli bir hedef için modelin bir veya daha fazla aracı seçmesine, sonuçları değerlendirmesine ve tanımlı sınırlar içinde sonraki adımı üretmesine izin veren yazılım sistemidir.
Sohbet ürünleri ile agentlar arasında kesin bir çizgi yoktur; modern sohbet ürünleri de arama, kod veya dosya araçları kullanabilir. Fark genellikle görevin birden fazla adımı, dış sistem eylemleri, kalıcı durum ve onay akışı içermesidir.
Chatbot ve AI Agent Nasıl Ayrıştırılabilir?
Aşağıdaki tablo kesin bir ürün sınıflandırması değil, iki tipik kurulumun karşılaştırmasıdır. Modern chatbotlar da araç ve durum kullanabilir; "agent" etiketi tek başına daha fazla yetenek veya kalite kanıtlamaz.
| Özellik | Geleneksel Chatbot | AI Agent |
|---|---|---|
| Çalışma şekli | Doğrudan yanıt veya yönlendirme | Bir hedef için birden fazla adım ve araç çağrısı |
| Planlama | Basit yanıtta gerekmeyebilir | Açık veya örtük plan kullanabilir |
| Araç kullanımı | Ürüne göre bulunabilir | İş akışının merkezi parçası olabilir |
| Durum | Sohbet veya oturum bağlamı | Tasarlanırsa oturumlar arası durum kullanabilir |
| Karar verme | Kullanıcı, kural veya model yönlendirmeli olabilir | Risk düzeyine göre otomatik veya onaylı olabilir |
| Görev kapsamı | Tek veya sınırlı adım olabilir | Çok adımlı olabilir; karmaşık olmak zorunda değildir |
AI Agent Nasıl Çalışır?
Bir AI Agent'ın temel döngüsü şöyle:
- Algılama (Perceive): Çevreden bilgi toplar — veritabanı sorgusu, web araması, API çağrısı
- Planlama (Plan): Hedefe ulaşmak için adımları belirler
- Eylem (Act): Planı uygulamaya koyar — araçları kullanır, API'ları çağırır, dosya oluşturur
- Değerlendirme (Evaluate): Sonucu kontrol eder, gerekirse planı günceller
- Sonlandırma: Başarı, hata, bütçe, tur sınırı veya insan müdahalesi koşulunda durur
OpenAI'ın Agents SDK dokümanı da agent döngüsü yanında araçlar, guardrail, insan onayı ve tracing gibi kontrol katmanlarını ayrı bileşenler olarak ele alır. Üretim tasarımında bu kontrolleri iş riskine göre değerlendirin.
Gerçek Dünya AI Agent Örnekleri
1. Yazılım Geliştirme Agentları
Kodlama, agent iş akışlarının görünür örneklerinden biridir. Ürün kapsamı hızla değiştiği için aşağıdaki yetenekleri sağlayıcı belgelerinden doğrulayın:
Claude Code (Anthropic): Terminal ve geliştirme araçları üzerinden kod tabanı inceleme, değişiklik hazırlama ve komut çalıştırma görevlerinde kullanılabilir. "Kimlik doğrulama ekle" gibi geniş bir talimatın eksiksiz ve güvenli sonuç vereceği varsayılmamalıdır; kapsam, test ve review gerekir.
GitHub Copilot cloud agent: Uygun hesaplarda issue veya prompt üzerinden bir görev üstlenip dal üzerinde değişiklik hazırlayabilir ve pull request açabilir. GitHub, agent çıktısının bir insan katkısı gibi ayrıntılı incelenmesini resmi review rehberinde özellikle ister.
Bu araçları kıdem seviyeleriyle etiketlemek yerine kendi deponuzda küçük, geri alınabilir görevlerle değerlendirin: doğru dosyaları bulma, test başarısı, güvenlik bulgusu, gereksiz diff ve insan düzeltme süresi.
2. Araştırma ve Analiz Agentları
Web araştırma araçları: Uygun ürünlerde çok adımlı web araştırması ve kaynaklı rapor taslağı sunabilir. Ürün adını, erişimi ve kaynak kapsamını sağlayıcının güncel belgesinden doğrulayın; bağlantı verilmesi kaynakların çapraz kontrol edildiğini veya raporun eksiksiz olduğunu göstermez.
Hipotetik görev: "Türkiye e-ticaret pazarı için yalnızca resmi kurum ve şirket raporlarını kullan; her iddiaya bağlantı ekle; tarih ve kapsam uyuşmazlıklarını ayrı yaz." Çıktıdaki her bağlantıyı açın ve iddianın gerçekten desteklendiğini kontrol edin.
3. Müşteri Hizmetleri Agentları
Araç entegrasyonu bulunan agentlar, bilgi yanıtının yanında tanımlı işlemleri de destekleyebilir:
- Müşteri geçmişini analiz edip kişiselleştirilmiş yanıtlar üretme
- Yetki ve onay akışı varsa sipariş durumunu kontrol etme veya iade/fatura işlemi için taslak başlatma
- Karmaşık sorunları analiz edip çözüm önerisi sunma
- Gerektiğinde insan temsilciye devretme ve bağlam aktarma
Hipotetik pilot: Orta ölçekli bir e-ticaret şirketi, agentı önce yalnızca sipariş durumu ve politika sorularında dener. Başarı; doğru çözüm oranı, yanlış işlem sayısı, insan devrine kadar geçen süre ve müşteri geri bildirimiyle ölçülür. Bu senaryo gerçekleşmiş bir müşteri vakası değildir ve belirli bir otomasyon oranı vaat etmez.
4. Pazarlama ve Satış Agentları
- Lead scoring: Potansiyel müşteriler için açıklanabilir puan önerisi üretme; nihai önceliği insan veya denetlenebilir kuralla belirleme
- Email otomasyon: İzin ve tercih kayıtlarına göre kişiselleştirilmiş email taslağı hazırlama
- Sosyal medya yönetimi: İçerik planlama, onaylı yayınlama ve etkileşim analizi
- Reklam optimizasyonu: Kampanya verisini özetleme ve bütçe önerisi hazırlama; harcama değişiklikleri için onay sınırı kullanma
Multi-Agent Sistemler: AI Takım Çalışması
Multi-agent sistemlerde görevler birden fazla uzmanlaşmış agent veya alt akış arasında bölünür. Bu mimari bazı karmaşık süreçlerde yararlı olabilir, ancak daha fazla maliyet, hata yüzeyi ve gözlemlenebilirlik ihtiyacı getirir.
Multi-Agent Mimarisi Nasıl Çalışır?
Her agent belirli araç ve çıktı şemasına sahip olabilir; bir orkestratör sıralamayı, devirleri ve sonlandırma koşullarını yönetir.
Hipotetik örnek senaryo — İçerik üretim pipeline'ı:
- Araştırma Agent'ı: Konuyu araştırır, rakip içerikleri analiz eder, anahtar kelimeleri belirler
- Yazar Agent'ı: Araştırma verilerine dayanarak taslak oluşturur
- SEO Agent'ı: Arama niyeti, başlık, meta bilgi ve iç bağlantı önerisi hazırlar; sıralama iddiası üretmez.
- Editör Agent'ı: Dil, tutarlılık ve kalite kontrolü yapar
- Koordinatör Agent: Sürecin akışını yönetir, darboğazları tespit eder
Bu yapı sorumlulukları ayrı adımlara bölebilir; daha kaliteli sonuç verdiği varsayılmamalıdır. Aynı modelin hatası agentlar arasında yayılabilir; her devir gecikme ve maliyet ekler. Basit görevde tek agent daha ölçülebilir olabilir.
Multi-Agent Framework'leri
- OpenAI Agents SDK: Araç, handoff, guardrail, tracing ve insan onayı bileşenleri
- CrewAI: Rol ve görev tabanlı agent orkestrasyonu
- Microsoft Agent Framework: Microsoft ekosisteminde agent iş akışları
- LangGraph: Durum ve yönlendirme grafiği tabanlı orkestrasyon
Bir framework'ü "kurumsal" veya "en kolay" diye seçmeyin. Lisans, sürüm kararlılığı, gözlemlenebilirlik, onay akışı ve sağlayıcı bağımlılığını küçük bir prototiple test edin.
İşletmeler İçin AI Agent Stratejisi
Nereden Başlamalı?
- Tekrarlayan görevleri belirleyin: Ekibinizin en çok zaman harcadığı, tekrarlayan ve kural tabanlı görevleri listeleyin
- Pilot proje seçin: Geri alınabilir ve kapsamı dar bir alanla başlayın (örn: insan onaylı destek taslağı veya rapor özeti)
- İnsan-AI işbirliği modelini tanımlayın: Agent tamamen otonom mu çalışacak, yoksa belirli adımlarda insan onayı mı gerekecek?
- Ölçüm metrikleri belirleyin: Başarıyı nasıl ölçeceksiniz? (zaman tasarrufu, hata oranı, müşteri memnuniyeti)
- Kademeli olarak genişletin: Pilot projeden elde ettiğiniz öğrenmeleri diğer alanlara uygulayın
Maliyet ve ROI
Sabit "tipik maliyet" aralığı; kur, model fiyatı, entegrasyon, güvenlik, insan kontrolü ve çağrı hacmi değiştikçe yanıltıcı olur. En az şu kalemleri ayrı tahmin edin:
- Model, arama, depolama ve üçüncü taraf API kullanımı
- Geliştirme, entegrasyon, değerlendirme seti ve güvenlik testi
- İzleme, hata inceleme, insan onayı ve bakım
- Yanlış işlem, kesinti ve sağlayıcı/model geçiş maliyeti
Tamamen hipotetik ROI hesabı: Bir süreç ayda 75.000 TL doğrudan işçilik maliyeti taşıyor, kontrollü pilot bunun gerçekten %60'ını ortadan kaldırıyor ve agentın tüm aylık maliyeti 15.000 TL oluyorsa brüt fark 30.000 TL'dir (75.000 x 0,60 - 15.000). Bu bir müşteri sonucu veya teklif değildir. Kalite kaybı, yeniden işleme, vergi, geçiş ve risk maliyetleri eklenmeden "net tasarruf" sayılmaz.
Dikkat Edilmesi Gerekenler
- Otonom, kontrolsüz demek değildir: Hangi eylemlerin onaysız yapılabileceğini, hangilerinde insan onayı gerektiğini risk sınıfına göre tanımlayın.
- Hata yönetimi: Agentlar hata yapabilir. Hata durumlarında ne olacağını önceden planlayın. Geri alma (rollback) mekanizmaları kurun.
- Güvenlik: Agentlara minimum yetki verin (least privilege). Veritabanı erişimi, API anahtarları ve hassas veriler konusunda dikkatli olun.
- Maliyet kontrolü: Otonom agentlar kontrolsüz çalışırsa API maliyetleri beklenenden fazla artabilir. Kullanım limitleri ve bütçe uyarıları ayarlayın.
- Şeffaflık: Kullanıcının beklentisi, sektör ve yürürlükteki kurallar doğrultusunda AI kullanımını ve insan desteğine geçiş yolunu açıkça anlatın. Hukuki yükümlülük için somut kullanımınızı uzmanla değerlendirin.
Sonuç
AI agentlar, çok adımlı ve araç kullanan iş akışları kurmak için kullanılabilir. Tekrarlayan görevlerde bile yanlış araç seçimi, hatalı veri veya beklenmeyen durum oluşabilir; "mükemmel otomasyon" beklentisi doğru değildir. Riskli veya geri döndürülemez işlemlerde insan gözetimi, yetki sınırı ve kayıt gerekir.
Riski sınırlayan bir yaklaşım, düşük riskli bir görevle başlayıp taban performansı, hata maliyeti ve insan müdahalesini ölçerek kapsamı kademeli genişletmektir. Erken başlamak tek başına rekabet veya verimlilik avantajı garanti etmez.
AI agent stratejisi ve kontrollü pilot kapsamını değerlendirmek için Maviona ile görüşün.
