“Bize bir chatbot lazım” diye başlayan görüşmelerin önemli bir kısmı, ihtiyacın aslında bir otomasyon ya da bir yapay zeka ajanı olduğunun fark edilmesiyle devam eder. Tersi de olur: ajan isteyen bir ekibin sorununu iyi tanımlanmış bir iş akışı aracı çözer. Üç yaklaşım da “yazılım iş yapsın” vaadini taşır, ama farklı sorunlar için tasarlanmıştır. Bu yazıda AI agent, chatbot ve klasik otomasyonu aynı kriterlerle karşılaştırıyor, hangi durumda hangisinin doğru seçim olduğunu anlatıyoruz.
Önceden çizilmiş bir adım dizisini her seferinde aynı şekilde uygular. “Form gelince alanları ERP’ye yaz, ardından e-posta gönder” gibi. Karar mantığı insan tarafından önceden kurallara dökülmüştür. Kurallar dışında bir durum oluşursa süreç durur veya hata verir. Güçlü yanı öngörülebilirliktir; zayıf yanı, gerçek dünyanın kurallara sığmayan kısmıdır.
Kullanıcıyla doğal dilde konuşur. Kural tabanlı eski chatbot’lar sabit akışları takip eder; LLM tabanlı yeni nesil asistanlar ise serbest soruları anlar, RAG ile kurum dokümanlarından cevap üretir. Ancak konuşmanın sonunda çıktı metindir: “iade şu şekilde yapılır” der, iadeyi başlatmaz.
Yapay zeka ajanı, hedef alır, adımları kendisi planlar, tool calling ile sistemlerde eylem yapar, sonucu kontrol eder ve gerekirse yolunu değiştirir. Konuşmanın ya da tetikleyicinin sonunda ortada tamamlanmış bir iş vardır: açılmış kayıt, hazırlanmış teklif, güncellenmiş fiyat.
| Kriter | Klasik otomasyon | Chatbot / asistan | Yapay zeka ajanı |
|---|---|---|---|
| Tetikleyici | Sabit olay (dosya geldi, saat oldu) | Kullanıcı mesajı | Hedef, olay veya kullanıcı talebi |
| Karar mekanizması | Önceden yazılmış kural | Metin üretimi | Planlama + araç seçimi + sonuç değerlendirme |
| Girdi yapısı | Yapılandırılmış (form, tablo) | Serbest metin | Her ikisi; e-posta, PDF, API yanıtı |
| Beklenmeyen durum | Durur, hata kaydı | Cevap uydurabilir | Yeniden planlar veya insana sorar |
| Çıktı | Aynı işlem, her seferinde | Metin cevap | Tamamlanmış iş |
| Öngörülebilirlik | Çok yüksek | Orta | Orta; korkuluklarla yönetilir |
| Kurulum eforu | Düşük-orta | Düşük-orta | Orta-yüksek |
| Sürekli maliyet | Lisans + bakım | LLM kullanım + bakım | LLM kullanım + entegrasyon bakımı + izleme |
| Ölçüm | İşlem sayısı, hata oranı | Çözüm oranı, memnuniyet | Tamamlanan iş, insan müdahale oranı, doğruluk |
| Uygun olduğu süreç | Değişmeyen, yapılandırılmış | Bilgi erişimi, ilk temas | Değişken, çok adımlı, çok sistemli |
Örnek: Her sabah 08:00’de bankadan gelen ekstre dosyasını alıp muhasebe sistemine yüklemek. Burada ajan kurmak gereksiz maliyettir.
Örnek: Bir e-ticaret sitesinde ürün ve kargo sorularına RAG tabanlı bir asistanla cevap vermek. Konuşma sonunda müşteri bilgi almıştır; iade varsa panelden kendisi başlatır.
Örnek: Bayiden gelen “geçen ayki siparişin aynısından yüzde yirmi fazla, ama yeni model varsa onu ver” mesajını okuyup ERP’den geçmiş siparişi çeken, kataloğu kontrol eden, iskonto politikasını uygulayan ve onaya hazır teklif üreten sistem. Teklif Robotu tam olarak bu işi yapar.
Trendyol’da satış yapan bir firma düşünün. Sipariş dosyalarının her gece ERP’ye aktarılması klasik otomasyondur. Müşterilerin “kargom nerede” sorusuna cevap veren arayüz bir chatbottur. Rakip fiyatlarını izleyip marj sınırları içinde fiyatı güncelleyen ve buybox kaybında müdahale eden katman ise bir ajandır; SellBox bu katmanı sağlar. Üç yaklaşım rakip değil, aynı operasyonun farklı parçalarıdır.
LLM tabanlı asistana “iadeyi de başlat” demek, araç erişimi ve kontrol döngüsü olmadan çalışmaz. Model iadeyi başlattığını söyler ama başlatmaz; bu, halüsinasyonun müşteriye yansıyan hâlidir. Eylem gerekiyorsa araç tanımı, yetki ve onay katmanı tasarlanmalıdır.
Sabit bir süreci ajanla yapmak, öngörülebilirliği gereksiz yere feda etmektir. Her LLM çağrısı maliyet ve değişkenlik getirir. Kurala dökülebilen adımlar kural olarak kalmalı; ajan yalnızca yargı gerektiren noktalarda devreye girmelidir.
Her yeni istisna için RPA akışına bir dal eklemek, birkaç ay sonra kimsenin okuyamadığı bir şemaya dönüşür. Varyasyon yüksekse, karar katmanını bir ajana devretmek daha sürdürülebilirdir.
Elinizdeki süreç için şu soruları cevaplayın:
Bu ayrımı birlikte yapmak kurumsal yapay zeka danışmanlığı hizmetimizin ilk adımıdır. Hangi yaklaşımı seçerseniz seçin, mevcut sistemlerinize bağlanmak için yapay zeka entegrasyonu gerekir; Logo, Netsis, SAP, Salesforce, Trendyol ve Hepsiburada ile deneyimimiz var.
Çoğu kurum sıfırdan başlamaz; elinde ya bir RPA altyapısı ya da bir chatbot vardır. Bu varlıkları atmak yerine üzerine inşa etmek genellikle daha ekonomiktir.
Mevcut RPA akışlarınızda en çok istisna üreten, en sık “elle müdahale” gerektiren adımı bulun. O adımın karar mantığını bir ajana devredip uygulamayı mevcut bota bırakmak, en düşük riskli geçiştir. Ajan “ne yapılacağına” karar verir, bot “yapar”. Geri kalan akış değişmez.
Mevcut asistanınızın en sık devrettiği talep türünü ölçün. Bu talep bir işlem gerektiriyorsa (sipariş sorgulama, iade, randevu) ilk ajan senaryonuz budur. Konuşma arayüzü ve bilgi tabanı korunur; araç erişimi, kimlik doğrulama ve onay kapısı eklenir. Böylece ajan projesi, chatbot’un ölçülmüş bir eksikliğinden doğar, varsayımdan değil.
Pilot sonunda bir ajanın yaptığı işin aslında sabit kurallara indirgenebildiği görülürse, o adımı deterministik koda çevirmek doğru karardır. Model çağrısı ucuzlamış olsa da kural, modelden her zaman daha hızlı, daha ucuz ve daha öngörülebilirdir. Ajanın ölçülen davranışından kural çıkarmak, pek çok projede bilinçli olarak kullandığımız bir yöntemdir: ajan önce varyasyonu keşfeder, sonra keşfedilen kalıplar otomasyona devredilir ve ajan yalnızca kalan istisnalarla ilgilenir.
Yeni katmanın her kararı loglanmalı ve pilot süresince mevcut yöntemle paralel çalıştırılarak karşılaştırılmalıdır. Karşılaştırma verisi olmadan “ajan daha iyi” iddiası savunulamaz; verisi olduğunda ise genişleme kararı kolaylaşır.
Çoğu durumda evet. Konuşma arayüzü ve bilgi tabanı korunur; üzerine araç erişimi (sipariş sorgulama, iade başlatma gibi), onay kapıları ve denetim izi eklenir. Dönüşüm, sıfırdan projeye göre daha kısa sürer ama entegrasyon ve güvenlik tasarımı atlanamaz.
Evet ve sık görülen bir modeldir. Ajan, karar verdikten sonra uygulamayı mevcut RPA botuna devredebilir; özellikle API’si olmayan eski sistemlerde RPA, ajanın “eli” olarak çalışır.
Kurulum eforu genellikle daha yüksektir çünkü entegrasyon, korkuluk ve izleme tasarımı gerekir. Buna karşılık ajan tamamlanmış iş ürettiği için getirisi de doğrudan ölçülebilir. Doğru karşılaştırma kurulum maliyeti değil, sürecin bugün tükettiği insan zamanıyla kıyaslanan toplam maliyettir.
En çok zaman tüketen tek süreci seçin ve yukarıdaki testi uygulayın. Pazaryeri satışı veya teklif hazırlama gibi yaygın süreçler için hazır ajan ürünleri özel geliştirme gerektirmeden kullanılabilir; işletmeler için yapay zeka çözümleri sayfasında seçenekler karşılaştırılmıştır.
Otuz dakikalık bir görüşmede süreçlerinizi birlikte sınıflandıralım: hangisi otomasyon, hangisi chatbot, hangisi ajan. Yanlış araca yatırım yapmadan önce doğru soruyu sormak için. Taahhüt gerektirmez.
Ücretsiz keşif görüşmesi planlayın → Ajan yaklaşımının ayrıntıları için yapay zeka ajanları sayfamıza göz atabilirsiniz.
