Otonom Yapay Zeka Ajanı: Tanımı, Çalışma Şekli ve Kullanım Alanları

Tanım: otonom bir yapay zeka ajanı nedir

Otonom bir yapay zeka ajanı, bir durumu algılamak, bir eylem kararı vermek ve bunu gerçek araçlarla uygulamak için bir dil modeli kullanan; bu döngüyü, her ara adımı bir insanın onaylamasına gerek kalmadan belirli bir hedefe ulaşana kadar tekrarlayan bir programdır.

Bu tanım pazarlama amaçlı bir buluş değildir. Bilgisayar biliminde ajan kavramı, üretken yapay zekadan çok önce ortaya çıkmıştır. Yapay zeka üzerine referans kitaplarında Stuart Russell ve Peter Norvig bir ajanı, "algılayıcılar aracılığıyla ortamını algılayan ve eyleyiciler aracılığıyla o ortam üzerinde harekete geçen her şey" olarak tanımlar (kaynak: Wikipedia, Russell ve Norvig'e atıfla). Bir termostat, kelimenin tam anlamıyla, çok basit bir ajandır: bir sıcaklık algılar, karar verir, bir ısıtıcıyı devreye sokar. Otonom bir yapay zeka ajanı da aynı mekanizmayı uygular, ancak karar veren beyin olarak bir dil modeli, algılayıcı ve eyleyici olarak da dijital araçlara (API'ler, dosyalar, mesajlaşma) erişim kullanır.

Bu sistemleri geliştiren büyük laboratuvarlar, her biri kendi ifadesiyle olsa da aynı ayrıma varıyor. Anthropic için fark, izlenen yolun kimin kontrolünde olduğunda: "iş akışları, LLM'lerin ve araçların önceden tanımlanmış kod yolları üzerinden yönlendirildiği sistemlerdir; ajanlar ise LLM'lerin kendi süreçlerini ve araç kullanımını dinamik olarak yönettiği sistemlerdir" (kaynak: Building Effective Agents, Anthropic). OpenAI, ajanları, önceden planlanmış adımları yalnızca yürüten klasik yazılımların aksine, kullanıcı adına yüksek düzeyde bağımsızlıkla eksiksiz bir iş akışını tamamlayabilen sistemler olarak tanımlıyor (kaynak: A practical guide to building agents, OpenAI). Google, ajanlara dair teknik raporunda orkestrasyon katmanını ekliyor: bir ajan, bir modeli (karar verici), bir orkestrasyon katmanını (gözlemle, muhakeme et, eyle döngüsünü yöneten) ve araçları bir araya getirir (kaynak: Agents, Wiesinger, Marlow, Vuskovic, Google). IBM ise daha operasyonel bir ifade kullanıyor: mevcut araçlardan kendi eylem dizilerini tasarlayarak görevleri otonom biçimde tamamlayan bir sistem (kaynak: What Are AI Agents?, IBM).

Bu tanımlar üç noktada kesişiyor ve işletmenizi donatmak istiyorsanız asıl önemli olan da bu: muhakeme yapan bir model, gerçek dünya üzerinde söz hakkı veren araçlar ve her adımda insan tarafından yeniden ifade edilmeye gerek kalmadan birden çok adımı birbirine bağlayabilme yeteneği. "Otonomi", "denetimsiz" anlamına gelmez, "mikro yönetime tabi olmayan" anlamına gelir. Bu, önemli bir nüanstır; önlemlere ayrılan bölümde bu konuya tekrar döneceğiz.

Son bir terminoloji notu, sık sık kafa karışıklığına yol açar: otonom bir yapay zeka ajanı, çoklu ajan sistemiyle aynı şey değildir. Tek bir ajan, bir görevi baştan sona kendi başına tamamlayabilir. Birden fazla uzmanlaşmış ajan aynı hedef için iş birliği yaptığında ise buna çoklu ajan orkestrasyonu denir; bu, kendi başına bir yazıyı hak edecek kadar yoğun bir konudur: çoklu ajan sistemleri, birden fazla ajan tek bir ajandan ne zaman daha iyidir.

Otonom bir ajan nasıl çalışır

Teknik olarak otonom bir yapay zeka ajanı, yukarıda anılan tüm kaynaklarda benzer isimlerle karşımıza çıkan üç unsur etrafında döner: bir karar döngüsü, araçlar ve bellek.

Algıla, karar ver, eyle döngüsü

Bir ajanın merkezinde, kendini tekrar eden bir döngü bulunur: bir sinyal algılar (gelen bir mesaj, açılan bir ticket, planlanmış bir son tarih), hedefi ve zaten bildikleri ışığında bu sinyal üzerine muhakeme yürütür, atılacak sonraki adıma karar verir, bunu uygular, ardından bir sonraki adıma karar vermek için bu eylemin sonucunu gözlemler. Bu döngü, hedefe ulaşılana ya da ajan tek başına alamayacağı bir kararla karşılaşana kadar sürer.

Bu tek yönlü bir yolculuk değildir. Bir hata raporu alan bir ajan, tek bir araç çağrısıyla yetinmez: son commit'lere bakabilir, açık ticket'larla çapraz kontrol yapabilir, bir özet yazabilir, ardından doğru kişiyi bilgilendirebilir; her adım bir sonrakini besler. Bir ajanı basit bir fonksiyon çağrısından ayıran şey, her geri bildirimde ayarlanan bu çok adımlı muhakemedir.

Araçlar: ajana gerçeklik üzerinde söz hakkı veren şey

Tek başına bir dil modeli yalnızca metin üretir. Bu metni eyleme dönüştüren şey ise araçlara erişimdir: bir Slack API'sini çağırıp mesaj göndermek, bir CRM veritabanını sorgulamak, bir Jira ticket'ı oluşturmak, bir dosyayı okumak. Bir modeli bu araçlara tek biçimli şekilde bağlamak için standart haline gelen protokol, Anthropic'in 2024'ün sonunda açtığı Model Context Protocol'dür (MCP): "geliştiricilerin veri kaynakları ile yapay zeka destekli araçlar arasında güvenli, çift yönlü bağlantılar kurmasına olanak tanıyan açık bir standart" (kaynak: Introducing the Model Context Protocol, Anthropic). MCP'den önce her araç entegrasyonu özel bir konektör gerektiriyordu. O tarihten bu yana MCP, birçok model sağlayıcısının benimsediği ortak bir dile dönüştü; bu da ajan geliştiren ekiplerin işini büyük ölçüde kolaylaştırıyor. Tam tanımı MCP hakkındaki sözlük yazımızda ve araç çağırma (tool calling) yazısında bulabilirsiniz.

Somut olarak Atako'da her ajan, araçlara şirket düzeyinde kurulan bağlantılar üzerinden erişir (Slack, Notion, HubSpot, Jira, GitHub, Google Drive, Gmail, Zendesk, Airtable, Trello ve yaklaşık kırk araç daha) ve her araç çağrısı, çalıştırılmadan önce hassas bir izin kontrolünden geçer. Bu mekanizmanın ayrıntılarını önlemler bölümünde ele alıyoruz.

Bellek: bir ajanın adımdan adıma öğrenmesini sağlayan şey

Bellek olmadan bir ajan, her seansta sıfırdan başlayan bir sohbet botu gibi, iki mesaj arasında her şeyi unutur. Adına layık otonom bir ajan, o güne kadar yaptıklarının, oluşturduğu veya aldığı dosyaların ve yönettiği planlı görevlerin bağlamını korur. Bu bellek, ajanın yalnızca tek bir mesaja yanıt vermesini değil, bir dosyayı günler boyunca takip edebilmesini sağlar.

Atako'da her ajan, paylaşılan bir kaynak havuzunda değil, kendi izole çalışma ortamında çalışır. Bu bellek, ajanın kendisinin oluşturduğu planlı görevler, ürettiği dosyalar ve alt ajanlara devrettiği işler, yeniden başlatmalar ve duraklamalar dahil olmak üzere ajanın tüm yaşam döngüsü boyunca kalıcı kalır. Bir ajan, ek bir kapasite tüketmeden geçici bir işi tek seferlik bir alt ajana da devredebilir; bu alt ajanın çalışması, ana ajanın etkinlik günlüğünde adımlar olarak görünür. Ajan kavramını genel olarak derinleştirmek için yapay zeka ajanı nedir ve otonom yapay zeka ajanı, tanımı yazılarına bakabilirsiniz.

Otonomi ile tetikleyiciyle çalışan iş akışı arasındaki fark

Bu, günümüz pazarındaki en belirleyici ama aynı zamanda en çok yanlış anlaşılan ayrımdır. Yapay zeka ile işleri otomatikleştiren iki büyük araç ailesi vardır ve bunlar aynı ihtiyaca yanıt vermez.

Tetikleyiciyle çalışan iş akışı. Bir insan, önceden sabit bir yol tanımlar: belirli bir olay gerçekleşirse (bir e posta gelirse, bir form gönderilirse, bir tarihe ulaşılırsa), şu adımlar bu sırayla ve bu kurallarla çalıştırılır. Make, n8n, Zapier, Lindy, Microsoft Copilot Studio veya Salesforce Agentforce gibi araçlar, bir adımın içinde yapay zeka bileşeni olsun ya da olmasın (örneğin bir metni yeniden yazmak için bir modeli çağıran bir düğüm), bu tür bir otomasyonu kurmayı sağlar. Bu, tekrar eden ve iyi tanımlanmış bir görev için öngörülebilir, denetlenebilir ve hızlı kurulan bir yöntemdir. Aynı zamanda katıdır da: durum öngörülen yoldan saparsa, iş akışı başarısız olur ya da tutarsız bir sonuç üretir, çünkü bu durum grafikte kimse tarafından öngörülmemiştir.

Asenkron otonom ajan. Ona bir adımlar dizisi değil, bir hedef verilir. Hedefe ulaşmak için kendi yolunu seçer, yol boyunca keşfettiklerine uyum sağlar, tek bir çalıştırma süresiyle sınırlı kalmadan kendi ortamında sürekli çalışır ve yalnızca tek başına almaya yetkili olmadığı ya da alacak durumda olmadığı belirli bir karar için insana başvurur. Değişken ya da önceden iyi tanımlanmamış bir görevle karşılaşınca daha esnektir. Yapısı gereği daha az öngörülebilirdir de: çerçeveyi ve izinleri kontrol edersiniz, her hareketi değil.

Anthropic bu dengeyi kendi teknik rehberinde iyi özetliyor: üretimdeki sistemlerin çoğunun otonom bir ajana ihtiyacı yoktur, net adımları ve iyi sınırlandırılmış araçları olan bir iş akışı çoğu zaman yeterlidir ve mümkün olan en basit çözümden başlayıp, sağladığı esneklik gerekçelendirdiği ölçüde ajan karmaşıklığı eklemek daha doğrudur (kaynak: Building Effective Agents, Anthropic). Bu bir pratisyen görüşüdür, mutlak bir kural değil, ama gerçekçi olma erdemi var: otonominin bir bedeli vardır (öngörülemezlik, denetim ve bazen token tüketimi açısından) ve bu bedel, ancak görev sabit bir yolu yetersiz kılacak kadar değişkense değerlidir.

Atako'da tutumumuz nettir: ikinci aile için inşa ediyoruz. Bir Atako ajanı tek bir istek için başlatılıp sonra bir kenara atılmaz; sürekli çalışır, sohbet, e posta, webhook ya da kendi yönettiği bir cron üzerinden ulaşılabilir ve bağlamını bir etkileşimden diğerine korur. Bu, tekrar eden ve iyi tanımlanmış bir görev için hâlâ doğru seçim olan iş akışı araçlarına dair bir değer yargısı değildir. Sabit bir yolu yetersiz kılacak kadar değişkenlik taşıyan görevler için mimari bir tercihtir: nedeni hiçbir zaman aynı olmayan bir olayı triyaj etmek, ifadesi her seferinde değişen bir ticket'ı nitelendirmek, anomalileri birbirine benzemeyen bir satış pipeline'ını takip etmek. Bu ayrımın ayrıntıları için üretken yapay zeka ile otonom ajanlar arasındaki farklar yazısına ve sözlükteki yapay zeka ajanı (agentic AI) tanımına da bakabilirsiniz.

Kurumsal ortamda somut otonom yapay zeka ajanı kullanım alanları

Teori faydalıdır, ama otonom bir yapay zeka ajanı hafta hafta gerçekte yaptıklarına göre değerlendirilir. İşte gerçekten kullanılan araç türleriyle birlikte, belgelenmiş beş kullanım alanı.

Mühendislikte olay ve CI triyajı. Bir ajan CI/CD pipeline'larını sürekli izler, bir hatanın niteliğini sınıflandırır, son commit'lerle ilişkilendirir, Slack ve Jira üzerinden bilgilendirir ve bir ticket açar, bir olay raporu hazırlar, ardından dosyayı kapanışa kadar takip eder. İnsan, incelemenin ve düzeltmenin kontrolünü elinde tutar; ajan ise her seferinde uzmanlık gerektirmeyen ama zaman alan triyaj ve dokümantasyon işini üstlenir. Ayrıntılar: CI triyajı ve olay müdahalesi için yapay zeka ajanı.

Kritik hata tespiti. Bir ajan hataları, gecikmeleri ve logları sürekli izler, sinyalleri gruplandırır, zaten açık olan destek ticket'larıyla çapraz kontrol yaparak önem derecelerini değerlendirir, GitHub veya Linear üzerinde yapılandırılmış bir issue oluşturur ve Slack'te yükseltir; önem düzeyi gerektiriyorsa PagerDuty üzerinden uyarı da tetikler. Ayrıntılar: kritik hata tespiti için yapay zeka ajanı.

Destek ticket'larının triyajı ve yanıtlanması. Bir ajan kuyruğu kısa aralıklarla izler, her ticket'ı kategorize edip önceliklendirir, yanıt zaten belgelenmişse bilgi tabanı üzerinden otomatik yanıt verir, sözleşmesel yanıt süresi taahhütlerini takip edip gerektiğinde yükseltir, mevcut makroları önerir veya uygular. Ayrıntılar: destek ticket'larının otomasyonu.

Satış pipeline'ının takibi (RevOps). Bir ajan CRM'i düzenli aralıklarla izler, gelen lead'leri zenginleştirir, pipeline'ı faturalama ve gerçek ürün kullanımıyla eşleştirir, haftalık bir rapor üretir ve bir tahmini bozmadan önce veri anomalilerini işaret eder. İnsan, haftalık incelemeyi ve düzeltmelerin onayını elinde tutar. Ayrıntılar: RevOps otomasyonu için yapay zeka ajanı.

Sürüm (release) etrafında ürün iletişimi. Bir ajan bir sürümü tespit eder (GitHub etiketleri veya bir Jira sprint'inin kapanışı üzerinden), değişiklikleri çıkarır, her kitleye uygun içerik üretir (kullanıcıya yönelik changelog, plana göre segmentlenmiş e posta, sosyal medya paylaşımı, yardım merkezi makalesi) ve birden fazla kanalda yayımlar. Yayından önce içerik onayı, büyük sürümler için isteğe bağlı olarak tanımlanır; bu eşiği belirlemek işletmeye kalmıştır. Ayrıntılar: ürün iletişimi için yapay zeka ajanı.

Bu beş örnekte ortak olan şey şudur: ajan, izleme, triyaj ve ilk taslak yazma gibi tekrar eden işleri üstlenirken, insan işletmeyi gerçekten ilgilendiren konularda (bir düzeltme, stratejik bir müşteriye verilen yanıt, kamuya açık bir duyuru) karar verici olmaya devam eder. Bir dağıtımın uzun vadede ayakta kalmasını sağlayan, bir ekibi tamamen değiştirecek bir ajan hırsı değil, bu sorumluluk paylaşımıdır.

Bir yapay zeka ajanının maliyeti ne kadardır, karşılığında ne alınır

Ciddi bir işletme otonom bir ajanı değerlendirmeye başladığında iki soru sistematik olarak gündeme gelir: maliyeti nedir ve harcadığından fazlasını kazandırdığı nasıl ölçülür. Bunlar her biri kendi başına bir yazıyı hak edecek kadar yoğun konulardır; burada ana kalemleri özetliyoruz.

Maliyet. Genel olarak üç bileşene ayrılır: dil modeline yapılan çağrıların maliyeti (yukarıda anlatılan döngünün karmaşıklığına ve gidiş geliş sayısına, dolayısıyla görevin karmaşıklığına bağlıdır), ajanı barındıran ve yöneten platformun maliyeti, ve kurulum ile denetimin insan maliyeti. Atako da dahil olmak üzere bazı platformlar, platform üzerinde tüketilen krediler yerine kendi LLM sağlayıcı API anahtarınızla (BYOK, Bring Your Own Key olarak adlandırılan bir seçenek) bir ajanı çalıştırmanıza izin verir; bu da hacme göre maliyet yapısını değiştirir. Kalemlerin büyüklük mertebeleriyle birlikte ayrıntısı, bir yapay zeka ajanının kurumsal maliyeti ne kadardır yazımızda yer alıyor.

Getiri. Otonom bir yapay zeka ajanı, klasik bir yazılım projesi gibi ölçülmez. Doğru yaklaşım, ajanın doğrudan kullanılabilir bir sonuç ürettiği durumlar ile yalnızca işi kabaca hazırladığı durumları dikkatle ayırarak, geri kazanılan insan zamanını (ve değerini) aynı dönemdeki toplam ajan maliyetiyle karşılaştırmaktır. Hesaplama yöntemimizin ayrıntısı bir yapay zeka ajanının ROI'sini ölçmek yazısında.

Somut bir fiyat referansı için: Atako platformunda bir ajan slotu (aynı anda bir aktif ajan çalıştırma kapasitesi), dahil modellerin kullanımını karşılamak üzere aylık 1.000 kredi dahil olmak üzere ayda 20 avro veya yılda 200 avroya mal olur; sınırsız sayıda insan üyeye ise ek ücret yansımaz. Bu genel bir kural değil, bir referans noktasıdır: diğer platformlar farklı ücretlendirir (kullanıcı başına, gerçekleştirilen görev başına, sabit abonelik), doğru seçim büyük ölçüde gerçek kullanım hacminize bağlıdır.

Riskler ve önlemler: devreye almadan önce kilitlenmesi gerekenler

Bir ajanın karar verme özerkliği, tam da BT ve güvenlik ekiplerini haklı olarak endişelendiren şeydir. Kendi yolunu seçen bir ajan, teoride yanlış olanı da seçebilir. Ciddi tüm ajan mimarilerinde karşımıza çıkan ve her devreye almadan önce talep edilmesi gereken üç önlem vardır.

Genel değil, açık izinler. Bir ajanın bir araca asla genel bir erişimi olmamalıdır ("Slack'te her şeyi yapabilir" gibi); bunun yerine tanımlı bir kapsamla (yalnızca okuma veya okuma ve yazma) ve mümkünse bir son kullanma tarihiyle, izin verilen eylemlerin net bir listesi olmalıdır. Bu, sorumlu bir ajan dağıtımını şekillendiren yönetişim ve önlem ilkesidir; ayrıntıları önlemler ve yönetişim sözlük yazımızda. Atako'da bu mekanizmaya grant adı verilir: bir aracı şirket düzeyinde bağlamak, açık bir grant oluşturulmadan hiçbir ajana erişim sağlamaz; ilke, izin verilmediği sürece varsayılan olarak reddetmedir (deny-by-default).

Hassas eylemlerde insan onay noktası. Tüm eylemler eşit ağırlıkta değildir. Mevcut bir konuşma dizisinde yanıt vermenin sonuçları, soğuk bir e postayı bir yabancıya göndermek veya kamuya açık içerik yayımlamakla aynı değildir. Doğru yaklaşım, her şeyde onay istemek (bu otonominin asıl amacını öldürür) ya da hiçbir şeyde istememek (bu da işletmeyi riske atar) yerine, yüksek etkili eylemleri belirleyip bunların önüne bir insan onay noktası koymaktır. Bu, döngüde insan (human-in-the-loop) ilkesidir; ayrıntıları human-in-the-loop sözlük yazımızda.

Ajanın yaptıklarının eksiksiz gözlemlenebilirliği. Gözlemlenemeyen bir ajan, muhakemesi ne kadar sağlam olursa olsun güvenilemeyecek bir ajandır. Gerçekleştirilen her eylem için şu soruların yanıtlanabilmesi gerekir: hangi ajan, hangi araç, hangi kesin eylem, hangi sonuçla, hangi zaman damgasıyla. Bu, ajan gözlemlenebilirliği kavramıdır; ayrıntıları ilgili sözlük yazımızda. Atako'da her araç çağrısı kayıt altına alınır (ajan, bağlantı, sağlayıcı, eylem, durum, gecikme, zaman damgası); bu kayıtlar ajanın zaman çizelgesinde görülebilir ve yöneticiler için dışa aktarılabilir genel bir görünüm de sunulur.

Sık unutulan son bir nokta: kimlik bilgilerinin güvenliği. İyi kurulmuş bir ajan, bağlı bir aracın API anahtarını veya token'ını asla açık metin olarak görmemeli, yalnızca bu sırrı tutan bir aracı üzerinden bir çağrıyı tetikleyebilmelidir. Atako bunu "ajanlar hiçbir zaman gizli anahtarlarınıza erişemez" garantisi altında belgeler; bu, zarf tipi şifreleme (AES-256-GCM) ve gerektiğinde anında, kalıcı iptal ile desteklenir.

Bu üç önlem riski tamamen ortadan kaldırmaz, zaten hiçbir sistem bunu yapamaz. Yaptıkları şey, bir hatayı sessiz ve yaygın olmaktan çıkarıp tespit edilebilir, kapsamı sınırlı ve düzeltilebilir hale getirerek riski yönetilebilir kılmaktır.

Otonom bir yapay zeka ajanıyla nasıl başlanır

Sıfırdan başlıyorsanız, mantıklı sıralama aşağı yukarı şöyledir. Öncelikle, tekrar eden, zaman alan ama her tekrarında ifadesi değişen bir görev belirleyin; otonominin basit bir iş akışına kıyasla en fazla değer kattığı alan burasıdır. Ardından, görevin zaten içerdiği araçları listeleyin (mesajlaşma, CRM, proje yönetimi, bilgi tabanı): bir ajan, ancak ekibinizin gerçekten kullandığı şeylere bağlanabildiği ölçüde işe yarar. Sonra, bir olay sizi buna zorlamadan önce, ajanı oluşturmadan bile önce, yukarıda bahsedilen izinleri ve insan onay noktalarını belirleyin.

Atako da dahil olmak üzere çoğu platform, acil bir mali taahhüt olmadan bu işleyişi test etmek için bir deneme sunar: Atako'da deneme süresi kredi kartı gerekmeden 14 gün sürer, en fazla 3 aktif ajan ve 1.500 kredi dahildir; etkinleştirmek için telefon numarası doğrulaması istenir. Bu, bir aboneliğe karar vermeden önce ilk aracı bağlamaya, bir ajana ilk hedefi tanımlamaya ve gerçek durumlarda nasıl davrandığını gözlemlemeye yeter. Planların ve fiyatların tam ayrıntısı fiyatlandırma sayfamızda.

Otonom bir yapay zeka ajanı, bir kez teslim edilip bırakılan bir proje değildir. Zamanla geliştirilen bir yazılım iş arkadaşıdır: kazanılan güvene göre izinleri daraltır veya genişletirsiniz, ihtiyaç doğdukça araç eklersiniz, nerede zorlandığını anlamak için etkinlik zaman çizelgesini izlersiniz. İlk dağıtımı başarıyla yürüten işletme, en geniş kapsamı seçen değil, ölçülebilecek kadar iyi tanımlanmış ve otonomiyi gerekçelendirecek kadar değişken bir görev seçen işletmedir.