AI agent (yapay zeka ajanı), kendisine verilen bir hedefi gerçekleştirmek için plan yapan, araç kullanan, sonucu kontrol eden ve gerekirse adımlarını değiştiren yazılım sistemidir. Bu tanım kısa ama içindeki her fiil önemli: plan yapmak, araç kullanmak ve sonucu kontrol etmek. Bir dil modeline soru sorup cevap almak ajan değildir; modelin cevabı doğrultusunda ERP’de kayıt açan, e-posta gönderen, sonucu doğrulayan ve hata varsa yeniden deneyen sistem ajandır. Bu yazıda AI agent kavramını bileşenleriyle açıklıyor, somut örnekler veriyor ve Türkiye’deki işletmelerde nerede işe yaradığını anlatıyoruz.
Yazılım dünyasında “ajan” fikri yeni değil; otonom karar veren programlar on yıllardır akademik literatürde var. Kavramın 2023 sonrasında işletme gündemine girmesinin nedeni, büyük dil modellerinin (LLM) iki şeyi aynı anda yapabilir hâle gelmesidir: serbest metni anlamak ve yapılandırılmış bir çıktı üretmek. Model artık “müşteri iade istiyor, siparişi 14 gün içinde, ürün açılmamış” bilgisini okuyup “iade_baslat(siparis_no=…, neden=…)” biçiminde bir fonksiyon çağrısı üretebiliyor. Bu yetenek, tool calling olarak adlandırılır ve ajanların eylem mekanizmasının temelidir.
Dolayısıyla AI agent, bir LLM’in etrafına kurulmuş bir yürütme döngüsüdür. Model düşünür, sistem eyleme geçer, sonuç modele geri döner, model bir sonraki adıma karar verir. Döngü, hedef tamamlanana ya da tanımlı bir sınıra çarpana kadar sürer. Bu yaklaşımın genel adı agentic AI‘dır.
Çalışan her ajanda, isimleri değişse de şu beş parça bulunur. Birini eksik bırakırsanız elinizde ya bir chatbot ya da kırılgan bir otomasyon kalır.
Genellikle bir LLM. Hedefi anlar, alt adımlara böler, hangi aracı hangi parametreyle çağıracağına karar verir, gelen sonucu yorumlar. Modelin kalitesi ajanın karar kalitesini belirler; ancak en iyi model bile doğru araç ve sınır tanımı olmadan güvenilir bir ajan üretmez.
Ajanın dünyayla temas ettiği noktalar: veritabanı sorgusu, CRM’e kayıt yazma, ERP’den stok çekme, e-posta gönderme, bir web sayfasını okuma, hesap makinesi. Her araç, modelin anlayabileceği bir tanımla (adı, ne yaptığı, aldığı parametreler) sisteme kaydedilir. Kurumsal projelerde araç tanımını standartlaştırmak için MCP (Model Context Protocol) giderek yaygınlaşıyor; biz de entegrasyonlarımızı bu standart üzerine kuruyoruz.
Kısa vadeli hafıza, o anki görev bağlamıdır: ne istendi, hangi adımlar atıldı, ne sonuç alındı. Uzun vadeli hafıza ise kurumun dokümanları, geçmiş işlemler ve politika metinleridir. Bunlar RAG ile ajanın erişimine açılır: ajan karar vermeden önce ilgili doküman parçalarını getirir ve cevabını bunlara dayandırır. Bu, halüsinasyon riskini azaltmanın en pratik yoludur.
Ajanı chatbot’tan ayıran parça budur. Ajan tek seferde cevap üretmez; “gözle, düşün, eyleme geç, sonucu kontrol et” döngüsünü tekrarlar. Araç çağrısı hata dönerse alternatif dener, beklenmeyen bir durumla karşılaşırsa yeniden planlar ya da insana sorar.
Guardrail olarak da bilinen bu katman, ajanın neyi yapabileceğini, neyi yapamayacağını ve ne zaman duracağını tanımlar. Hangi araçlara erişebilir, hangi tutarın üzerinde onay ister, kaç adım sonra vazgeçer. Üretim ortamındaki ajanlarda korkuluk tasarımı, model seçiminden daha fazla zaman alır ve almalıdır.
Muhasebeye bir tedarikçi faturası e-postayla gelir. Ajan e-postayı okur, PDF’ten fatura kalemlerini çıkarır, ERP’deki satın alma siparişiyle eşleştirir. Tutarlar uyuşuyorsa kaydı “onaya hazır” durumuna alır; uyuşmuyorsa farkı hesaplar, tedarikçiye standart bir soru e-postası taslağı hazırlar ve muhasebe uzmanına gönderilmek üzere kuyruğa koyar. Burada muhakeme motoru LLM, araçlar e-posta okuma/PDF ayrıştırma/ERP sorgusu, hafıza eşleştirme kuralları ve geçmiş faturalar, korkuluk ise “ajan ödeme başlatamaz, yalnızca hazırlar” kuralıdır.
Değil, ama sıkça karıştırılır. Chatbot kullanıcıyla konuşur ve metin üretir; iş bittiğinde ortada bir cevap vardır, yapılmış bir iş yoktur. Klasik otomasyon (RPA ya da iş akışı aracı) önceden çizilmiş adımları aynı sırayla uygular; adımların dışında bir durum oluşursa durur. Ajan ise hedefi alır, adımları kendisi seçer ve sonuca göre yolunu değiştirir.
Pratikte üçü birlikte çalışır. Ajan, kullanıcıyla chatbot arayüzünden konuşabilir, bir adımda RPA botunu tetikleyebilir. Hangi sürecin hangi yaklaşımı gerektirdiğini ayırt etmek, proje başarısının yarısıdır; bu ayrımı yapay zeka ajanları hizmet sayfamızda karşılaştırma tablosuyla anlattık.
Ajanlar, otonomi düzeyine ve yapıya göre sınıflandırılabilir:
Türkiye’deki işletmelerle çalışırken ajanların en çok değer ürettiği alanlar, çok adımlı ve çok sistemli süreçler. Sık karşılaştığımız senaryolar:
Pazaryerlerinde satış yapan bir firma için fiyat, günde onlarca kez değişen bir değişkendir. Rakip fiyatını izleyen, kâr marjı ve stok sınırları içinde fiyatı güncelleyen, buybox kaybını fark edince müdahale eden bir ajan, bu işi insan ekibinden alır. SellBox ürünümüz pazaryeri satıcıları için tam olarak bu ajanı çalıştırır.
Bayi veya müşteriden gelen talebi okuyan, ürün kataloğundan kalemleri seçen, iskonto politikasını uygulayan ve onaya hazır teklif belgesi üreten ajanlar. Teklif Robotu bu ajanın paketlenmiş hâlidir; yaygın ERP sistemleriyle entegre çalışır.
Kurumu ilgilendiren haber, ihale ve mevzuat kaynaklarını tarayan, ilgili olanı sınıflandırıp özetleyen, kritik olanı anında ileten izleme ajanları. NewsTracker bu alandaki ürünümüz.
Sipariş durumunu sistemden kontrol eden, iade başlatan, randevu değiştiren, çözemediği konuyu özetleyerek doğru ekibe devreden destek ajanları. Chatbot’tan farkı, konuşmanın sonunda işin yapılmış olmasıdır.
“Bu müşteriyle son üç yılda hangi sözleşme koşullarında çalıştık” sorusuna CRM, dosya sunucusu ve e-posta arşivini tarayarak kaynak göstererek cevap veren bilgi ajanları. KVKK nedeniyle çoğu kurum bu ajanı on-premise LLM ile, veri kurum dışına çıkmadan kurmayı tercih ediyor.
Ajan projelerinde en sık görülen hata, “her şeyi yapan asistan” hedefiyle başlamaktır. Böyle bir sistem hiçbir işi güvenilir yapamaz. Doğru başlangıç şu üç soruya cevap vermektir:
Bu cevaplar netleştikten sonra 2-4 haftada gerçek verinizle çalışan bir prototip, ardından 2-3 ay içinde üretimde bir sistem kurulabilir. Adım adım yol haritası için yapay zeka projesi nasıl başlatılır rehberimize, hazır ürün ve özel geliştirme seçeneklerinin karşılaştırması için işletmeler için yapay zeka çözümleri sayfasına bakabilirsiniz.
Hayır. Asistan, kullanıcının sorusuna cevap verir veya taslak hazırlar; eylemi insan yapar. Ajan, hedefi aldıktan sonra araçlar kullanarak eylemi kendisi gerçekleştirir ve sonucu kontrol eder. Pek çok ajan projesi asistan modunda başlayıp güven kazandıkça otonom moda geçer.
Çoğu durumda hayır. Ajanlar hazır LLM’ler üzerine kurulur; kuruma özel bilgi RAG ile, davranış kuralları prompt ve korkuluklarla verilir. Fine-tuning yalnızca çok özel bir dil veya format gereksinimi olduğunda gündeme gelir.
Sistemi işleten kurumda. Bu yüzden geri alınamaz işlemler insan onayına bağlanır, her ajan kararı zaman damgalı olarak loglanır ve pilot aşamasında hata oranı ölçülerek ajanın yetki alanı buna göre ayarlanır. İyi tasarlanmış bir ajan, hata yapmayan değil, hatasının sınırı belli olan ajandır.
Evet, özellikle pazaryeri satışı veya teklif hazırlama gibi tekrarlı işleri olan işletmeler için hazır ürünler (SellBox, Teklif Robotu gibi) özel geliştirmeye gerek kalmadan ajan kullanmayı mümkün kılar. Özel ajan geliştirme, süreç hacmi ve karmaşıklığı arttığında anlamlı olur.
Otuz dakikalık bir görüşmede hangi sürecinizin AI agent için uygun olduğunu, hangi sistemlere bağlanması gerektiğini ve prototip için ne gerektiğini birlikte netleştirelim. Taahhüt gerektirmez.
Ücretsiz keşif görüşmesi planlayın → Özel geliştirme seçenekleri için özel yapay zeka çözümleri sayfamıza da göz atabilirsiniz.
