Yapay Zeka Ajanı Gerçekte Nedir? Ajanlar, Sohbet Botları ve İş Akışları
Yapay zeka ajanı, bir dil modelinin adımlara karar verip bir görevi tamamlamak için araç seçtiği yazılımdır. Sohbet botu yalnızca yanıt verir; iş akışı ise sabit adımları izler.
7 dk. okuma

İçindekiler
Yapay zeka ajanı, bir dil modelinin bir görevi tamamlamak için hangi adımları atacağına ve hangi araçları kullanacağına karar verdiği, sonucu kontrol ettiği ve iş bittiğinde ya da tıkandığında durup kontrolü bir insana devrettiği yazılımdır. Sohbet botu yalnızca mesajlara yanıt verir. İş akışı ise birinin önceden belirlediği adımları çalıştırır.
Bir toptan dağıtım şirketinde operasyon müdürü olduğunuzu ve bir haftada üç tedarikçi demosu izlediğinizi düşünün. İlki teslimat sürelerine dair soruları yanıtlayan bir web sitesi sohbet penceresini gösteriyor. İkincisi her yeni web siparişini muhasebe sistemine kopyalayan bir otomasyonu. Üçüncüsü, bir tedarikçinin geciken sevkiyata dair e-postasını okuyan, etkilenen siparişleri bulan, her müşteriye bir mesaj taslağı hazırlayan ve göndermeden önce onay bekleyen bir sistemi. Üç satıcı da ürününe "yapay zeka ajanı" diyor. Yalnızca üçüncüsü gerçekten öyle.
Yapay zeka ajanı nedir?
Yapay zeka ajanı, bir büyük dil modelinin (LLM) kendi sürecini yönettiği sistemdir: görev bitene kadar, o ana kadar gördüklerine dayanarak bir sonraki adıma ve kullanılacak araca kendisi karar verir. Belirleyici özellik, yolu sabit bir betiğin değil modelin kontrol etmesidir.
En yaygın kullanılan modellerin arkasındaki iki şirket bunu benzer biçimde tanımlıyor. Anthropic, Building effective agents (Aralık 2024) yazısında iki tür sistemi ayırır: "İş akışları, LLM'lerin ve araçların önceden tanımlı kod yolları üzerinden orkestre edildiği sistemlerdir. Ajanlar ise LLM'lerin kendi süreçlerini ve araç kullanımlarını dinamik olarak yönettiği, görevleri nasıl tamamlayacakları üzerinde kontrolü ellerinde tuttuğu sistemlerdir."
OpenAI'ın A practical guide to building agents rehberi bunu tek cümleyle ifade eder: "Ajanlar, sizin adınıza görevleri bağımsız olarak tamamlayan sistemlerdir." Üç temel bileşen sayar:
Model: akıl yürütme ve karar verme işini yapan LLM.
Araçlar: ajanın eylem gerçekleştirmek için kullanabildiği harici fonksiyonlar veya API'ler; örneğin bir CRM sorgusu ya da bir e-posta gönderimi.
Talimatlar: ajanın nasıl davranacağını tanımlayan açık yönergeler ve korkuluklar.
Bu anlamda araç, modelin veri okumak ya da kendi dışında bir şeyi değiştirmek için çağırmasına izin verilen herhangi bir fonksiyondur.
Yapay zeka ajanı bir sohbet botundan nasıl farklıdır?
Sohbet botu yanıtlar; ajan eyleme geçer. Sohbet botu bir mesaj alır ve bir yanıt döndürür; ajan ise bir görevi tamamlamak için başka sistemler üzerinde, bir konuşma olsun ya da olmasın, birkaç adım atabilir.
OpenAI'ın rehberi bu konuda açıktır: bir LLM kullanan ama iş akışının nasıl yürüyeceğini ona bırakmayan uygulamalar, "basit sohbet botları, tek turlu LLM'ler veya duygu sınıflandırıcıları gibi", ajan değildir.
Çizgi arayüzle ilgili değildir. Bir sohbet penceresi bir ajanın önünde durabilir, bir ajan da hiç sohbet olmadan, gelen bir e-posta ya da veritabanındaki yeni bir satırla tetiklenerek çalışabilir. Önemli olan yanıtın arkasında ne olduğudur:
Sistem metni yalnızca zaten bildiğinden ya da getirdiğinden taslak haline getiriyorsa, bir sohbet botudur.
Bir siparişi sorgulamaya, bir rezervasyonu değiştirmeye ya da bir bilet açmaya karar veriyor ve bu adımların sırasını kendisi seçiyorsa, bir ajandır.
Yapay zeka ajanı bir iş akışından veya otomasyondan nasıl farklıdır?
İş akışı, bir insanın önceden tasarladığı bir yolu izler; ajan ise kendi yoluna çalışma zamanında karar verir. İkisi de bir LLM kullanabilir ve ikisi de aynı araçları çağırabilir.

Otomasyon, bir insanın düğmeye basmasına gerek kalmadan çalışan ve genellikle n8n, Zapier veya Make gibi bir araçta kurulan bir iş akışıdır. Yararlı "yapay zeka otomasyonlarının" çoğu içinde bir LLM adımı olan iş akışlarıdır: bu e-postayı sınıflandır, şu alanları çıkar, bu görüşmeyi özetle. Anthropic'in makalesi bu kalıpları prompt chaining, routing, parallelization, orchestrator-workers ve evaluator-optimizer olarak adlandırır. Hepsinde sırayı hâlâ bir geliştirici belirler.
Ajanlar, sohbet botları ve iş akışları yan yana
Sohbet botu. Adımlara kim karar verir: adım yok; her mesaja yanıt verir. Araç kullanır mı: nadiren veya yalnızca bilgi getirme için. En uygun olduğu iş: bilinen içerikten soruları yanıtlamak. Ana risk: yanlış ya da uydurma yanıtlar.
LLM adımlı iş akışı. Adımlara kim karar verir: onu tasarlayan kişi. Araç kullanır mı: evet, sabit bir sırayla. En uygun olduğu iş: net kuralları ama dağınık girdileri olan tekrarlanabilir süreçler. Ana risk: kimsenin tasarlamadığı durumlarda bozulur.
Yapay zeka ajanı. Adımlara kim karar verir: sizin koyduğunuz sınırlar içinde model. Araç kullanır mı: evet, çalışma zamanında seçilerek. En uygun olduğu iş: adım sayısının ve sırasının önceden bilinemediği açık uçlu görevler. Ana risk: gerçek yetkilerle atılan yanlış adımlar.
Uygulamada üretimdeki sistemlerin çoğu üçünü karıştırır. Bir iş akışı zor bir adımı bir ajana devredebilir, bir ajan da bir iş akışını araçlarından biri olarak çağırabilir.
Bir işletme ne zaman iş akışı yerine ajan kullanmalı?
Ajanı yalnızca adımlar önceden yazılamıyorsa kullanın; yazılabiliyorsa iş akışı daha ucuz, daha hızlı ve test etmesi daha kolaydır. Anthropic'in tavsiyesi "mümkün olan en basit çözümü" bulmak ve karmaşıklığı yalnızca gerektiğinde eklemektir.
OpenAI'ın rehberi bir görevin ajana uygun olduğunu gösteren üç işaret sıralar:
Karmaşık karar verme: bir iade talebini onaylamak gibi yargı, istisna ya da bağlama duyarlı kararlar.
Bakımı zor kurallar: her güncellemenin maliyetli ya da hataya açık olduğu, tedarikçi güvenlik incelemeleri gibi çok büyük kural setleri.
Yapılandırılmamış veriye yoğun bağımlılık: bir konut sigortası talebini işlemek gibi belgeleri okumak, doğal dili yorumlamak ya da kullanıcılarla konuşmak.
Şunu ekler: "Bir ajan kurmaya karar vermeden önce kullanım senaryonuzun bu ölçütleri net biçimde karşılayabildiğini doğrulayın. Aksi halde deterministik bir çözüm yeterli olabilir." Anthropic aynı noktayı öbür taraftan vurgular: ajanlar "gerekli adım sayısını öngörmenin zor ya da imkansız olduğu açık uçlu problemler" için uygundur.
Yukarıdaki dağıtıcı için web siparişlerini muhasebeye kopyalamak bir iş akışıdır. Her tedarikçinin farklı yazdığı ve etkilenen siparişlerin değiştiği bir gecikme e-postasını ele almak ise ajanın maliyetini çıkardığı yerdir. n8n, Zapier ve Make karşılaştırmamız bu seçimin iş akışı tarafını ele alıyor.
Bir yapay zeka ajanının gerçek iş yapabilmesi için nelere ihtiyacı var?
Bir ajanın net talimatlara, işi görecek en küçük araç kümesine, geri alınması zor her eylemden önce bir kontrol noktasına ve yaptığı her şeyin kaydına ihtiyacı vardır. Bunlar olmadan ajan bir sistem değil, bir demodur.

OpenAI'ın rehberi, "bir iş akışının ne zaman tamamlandığını fark eden ve gerekirse eylemlerini proaktif olarak düzelten" ve başarısız olduğunda "yürütmeyi durdurup kontrolü kullanıcıya geri aktarabilen" bir ajanı tarif eder. Anthropic'in makalesi, ajanların özerkliğinin "daha yüksek maliyet ve birikimli hatalar potansiyeli" anlamına geldiği uyarısını yapar ve korkuluklarla birlikte kum havuzu (sandbox) ortamlarında test etmeyi önerir. Devlet rehberleri de aynı yöndedir: Five Eyes kurumlarının Careful adoption of agentic AI services belgesi, kuruluşlara "ajan tabanlı yapay zekayı, net tanımlı düşük riskli görevlerle başlayarak kademeli olarak devreye almalarını" tavsiye eder.
Bir ajan canlıya çıkmadan önce kontrol listesi
Görev, girdileri ve bitmiş hali yazılı olarak belirlenmiştir.
Ajanın kendi kimliği vardır ve yalnızca bu görevin gerektirdiği yetkilere sahiptir.
Okumalar kendi başına çalışır; yazma, silme ve giden mesajlar bir insanı bekler.
Her araç çağrısı, girdileri, sonucu ve arkasındaki kimlikle birlikte kaydedilir.
Geçmişteki gerçek vakalardan oluşan bir test seti vardır ve ajanın bu sette ürettiği sonuçlar gözden geçirilmiştir.
Ajanın lansmandan sonra bir sahibi vardır ve onu tek adımda kapatabilir.
Ajan iş sistemlerine Model Context Protocol (MCP) üzerinden bağlanıyorsa, önce MCP sunucusunu güvenceye alma rehberimiz yetki tarafını ele alıyor. İnsanların bir ajanın eylemlerini onaylamak ve geri almak için kullandığı ekranlar için yapay zeka ajanları için tasarım yazısına bakın.
Vizio AI olarak nasıl yaklaşıyoruz
Görevi adımlar halinde yazarak ve bunlardan hangilerinin bir insan tarafından önceden belirlenebileceğini sorarak başlıyoruz. Bunlar bir iş akışına dönüşüyor. Yalnızca dağınık girdi üzerinde yargı gerektiren adımlar ajana gidiyor; çoğu zaman bunun tüm süreç değil, bir ya da iki adım olduğu ortaya çıkıyor.
Ajan doğru yanıt olduğunda ona dar bir iş, kendi kimlik bilgilerini, önce okuma erişimini ve her yazma işleminde bir onay adımını veriyoruz. Canlı vakaları görmeden önce geçmiş vakalar üzerinde çalıştırıyor, her araç çağrısını müşterinin mevcut izleme sistemine kaydediyor ve yetkilerini yalnızca kayıtlar beklendiği gibi davrandığını gösterdiğinde genişletiyoruz. Teslimden sonra talimatların ve kapatma düğmesinin sahibi müşterinin ekibi oluyor.
Bu, DX Studio'muzun arkasındaki iştir.
Kaynaklar
Anthropic, Building effective agents (19 December 2024): https://www.anthropic.com/engineering/building-effective-agents
OpenAI, A practical guide to building agents (PDF): https://cdn.openai.com/business-guides-and-resources/a-practical-guide-to-building-agents.pdf
ASD's ACSC, CISA, NSA, Canadian Centre for Cyber Security, NCSC-NZ and NCSC-UK, Careful adoption of agentic AI services (1 May 2026): https://www.cyber.gov.au/business-government/secure-design/artificial-intelligence/careful-adoption-of-agentic-ai-services
SSS.
Daha Fazla Oku

Attribution That Survives Your Tool Stack: Keeping UTMs From Ad to Booking to CRM

Clean Your CRM Data Before You Add AI: Dedupe, Grain and Ownership

Semantic Layer First: Getting Your BI Ready for AI Agents

How F&B CMOs Use Generative AI In Business For Location Decisions

How Real Estate Firms Use Business Analytics For City Parks To Drive Value

Data Storytelling and Visualization

When Does a Business Actually Need Digital Transformation?

Analytics for Product Recommendations

Data Analyst vs. Data Quality Analyst

The Best NoSQL Analytics Tools 2024



