İçeriğe geç

Sözlük

Yapay Zekâ ve Makine Öğrenimi

Agentic İş Akışı

Agentic iş akışı, bir büyük dil modelinin sabit bir senaryoyu izlemek veya tek bir prompt'u yanıtlamak yerine adımları kendisi planladığı, araçları çağırdığı, sonuçları kontrol ettiği ve bir sonraki adıma kendisi karar verdiği çok adımlı bir süreçtir.

Güncelleme: · Hazırlayan: VIZIO AI ekibi

Agentic iş akışı nedir?

Sıradan otomasyondan farkı, bir sonraki adıma kimin karar verdiğidir: agentic bir iş akışında buna model karar verir. Bir Zapier zap'i her seferinde aynı yolu izler; agentic bir sistem ise durumu okur, bir araç seçer, sonucu inceler ve bir hedefe ulaşılana veya bir sınıra varılana kadar döngüyü sürdürür.

Agentic iş akışlarının çoğu beş parçayı bir araya getirir:

  • Bir hedef: "bu tedarikçi faturasını satın alma siparişiyle mutabık hale getir."

  • Bir model: akıl yürüten ve plan yapan bir büyük dil modeli.

  • Araçlar: modelin çağırabileceği API'ler, veritabanı sorguları, arama veya kod çalıştırma.

  • Bellek ve durum: nelerin denendiği ve neler öğrenildiği.

  • Guardrail'ler: adım sınırları, yetkiler ve onay kapıları.

Yaygın agentic iş akışı kalıpları nelerdir?

Üretimdeki sistemlerin çoğu, tamamen otonom bir agent yerine iyi anlaşılmış birkaç kalıp kullanır.

  1. Prompt zincirleme: her biri bir model çağrısıyla yürütülen, aralarında kontroller bulunan sabit adımlar.

  2. Yönlendirme: bir model girdiyi sınıflandırır ve doğru uzman yola gönderir.

  3. Araç kullanım döngüsü: model bir yanıta ulaşana kadar araçları tekrar tekrar çağırır (genellikle ReAct olarak adlandırılır: akıl yürüt, eyleme geç, gözlemle).

  4. Orkestratör ve çalışanlar: bir model bir görevi böler ve parçalarını alt agent'lara devreder.

  5. Değerlendirici ve optimize edici: bir model taslak hazırlar, bir diğeri kriterlere göre eleştirir ve taslak revize edilir.

İşe yarayan en basit kalıpla başlayın; eklenen her otonomi katmanı maliyet, gecikme ve yeni başarısızlık biçimleri getirir.

Agentic iş akışı pratikte nasıl görünür?

İyi bir ilk agentic iş akışı, şu anda bir insanın sistemler arasında veri kopyaladığı dağınık ve tekrarlayan bir görevi üstlenir. Müşteri hizmetleri ekibi bütün gün "gönderim nerede?" e-postalarını yanıtlayan 60 kişilik bir lojistik (freight forwarding) firmasını düşünün.

Diyelim ki ekip OpenAI API ve LangGraph ile bir agent geliştiriyor. Agent her e-posta için referans numarasını çıkarır, taşıma yönetim sistemini sorgular, durum güncel değilse kargo firmasının takip API'sini kontrol eder ve bir yanıt taslağı hazırlar. Gönderim vaat edilen tarihin ötesinde gecikmişse, taslağı göndermek yerine kanıtları ekleyerek bir insana yönlendirir.

Her araç çağrısı kayıt altına alınır. Ekip her hafta 50 konuşmalık bir örneği inceler, kaç taslağın düzenlenmeden gönderildiğini ölçer ve agent'ın hata yaptığı yerlerde prompt'ları veya araçları sıkılaştırır.

Riskler nelerdir ve agentic iş akışlarından ne zaman kaçınmalısınız?

Bir agent'ın attığı her ek adım, bir hatayı katlamak için yeni bir fırsattır; bu yüzden otonomi arttıkça güvenilirlik düşer. Her adım %95 oranında doğruysa, on adımlı bir zincir yalnızca yaklaşık %60 oranında tamamen doğrudur (0.95¹⁰ ≈ 0.60).

  • Kontrolden çıkan döngüler: sonsuza kadar yeniden deneyip API harcamasını eriten agent'lar; adım ve maliyet sınırları koyun.

  • Prompt injection: bir e-posta veya web sayfasının içinde agent'a araçlarını kötüye kullanmasını söyleyen metin.

  • Aşırı geniş yetkiler: yazma işlemi zorunlu olmadıkça salt okuma erişimi verin.

  • Hata ayıklaması zor başarısızlıklar: izler (trace) olmadan, agent'ın neden bir yolu seçtiğini kimse bilemez.

Adımlar hiç değişmiyorsa agent'lardan kaçının; deterministik bir iş akışı otomasyonu daha ucuzdur ve test edilmesi daha kolaydır.

Agentic iş akışları oluşturmak için hangi araçlar kullanılır?

Yığının üç katmanı vardır: modeller, orkestrasyon framework'leri ve araç bağlayıcıları. Seçimler ne kadar kontrole ihtiyaç duyduğunuza bağlıdır.

  • Modeller: OpenAI, Anthropic Claude, Google Gemini veya Llama gibi açık modeller.

  • Orkestrasyon: LangGraph, OpenAI Agents SDK, CrewAI, Microsoft AutoGen veya LlamaIndex workflows.

  • Araç erişimi: Model Context Protocol, agent'ların veri kaynaklarına ve uygulamalara nasıl bağlanacağını standartlaştırır.

  • Low-code: n8n ve Zapier artık daha basit durumlar için yapay zekâ agent adımları sunuyor.

  • Gözlemlenebilirlik: izleme ve değerlendirme için LangSmith veya Langfuse.

Bunlardan herhangi birini yapay zekâ guardrail'leri ve geri alınması maliyetli eylemler için bir human-in-the-loop adımıyla eşleştirin.

Agentic iş akışı ve kural tabanlı otomasyon

Agentic iş akışı

Kural tabanlı otomasyon

Bir sonraki adımı kim seçer

Model, çalışma anında

Tasarımcı, önceden

Dağınık girdiyi işleme

Evet, sınırlar dahilinde

Zayıf

Öngörülebilirlik

Değişken; değerlendirme gerektirir

Yüksek; aynı girdi, aynı yol

Tipik araçlar

LangGraph, OpenAI Agents SDK, CrewAI

Zapier, Make, n8n, Power Automate

Çalıştırma başına maliyet

Daha yüksek, her adımda model çağrıları

Düşük

VIZIO AI agentic iş akışlarını nasıl kuruyor?

VIZIO AI, her agent'ın dar bir görevi olduğu ve lansmandan önce gerçek veriler üzerinde test edildiği çoklu agent sistemleri kurar. Auli AI için Venture Studio'muz, yapılandırılmış mağaza verilerini analiz etmek ve fiyatlandırma, envanter ve kârlılık önerileri üretmek için büyük dil modellerini kullanan bir çoklu agent sistemi geliştirdi. MVP şimdiden 1.000'den fazla kullanıcı tarafından kullanılıyor.

Güneydoğu Asya odaklı bir teknoloji danışmanlık firması için DX Studio'muz, doğrulanmış kaynaklar ve bir vektör veritabanıyla desteklenen bir yapay zekâ chatbot'u geliştirerek finansal araştırma süresini %65 azalttı.

Nereden başlamalı: birden fazla sistemi kapsayan tekrarlayan bir görevi haritalayın, ardından modelin herhangi bir eylemde bulunmasına izin vermeden önce yalnızca sorgulama adımlarını otomatikleştirin.

Facebook logosu
X logosu
LinkedIn logosu
Reddit logosu
Telegram logosu

Önce yapay zekâyı düşünün.
Geleceğin hızında ilerleyin.

Sıradakini birlikte inşa edelim! Ürün fikirlerinden akıllı iş akışlarına, veri odaklı sistemlerden ölçeklenebilir büyüme operasyonlarına kadar.

Strateji Görüşmesi Planlayın