Ajan Temelli Yapay Zekanın İnşası — Büyük Resim

Depo yönetiminden çıkan 6 yazılık serinin önsözü.

Yapay zekayı bir asistan olarak kullandığınızda ne yaptığınızı biliyorsunuz. Soruyorsunuz, cevap alıyorsunuz. Model size bir şeyler üretiyor, siz o çıktıyı değerlendirip karar alıyorsunuz. Döngünün içindeki insan sizsiniz. Yapay zekâ öneriye kadar geliyor, oradan siz devralıyorsunuz.

Ajan temelli Yapay Zekâ (AYZ) veya İngilizce ifadesiyle Agentic AI, bu döngüyü değiştiriyor.

Bir ajan, hedef verildiğinde harekete geçen sistemdir. Araçlara erişir, veriyi sorgular, ara kararlar alır, bir sonraki adımı planlar. Siz her adımı onaylamak zorunda değilsiniz; sistem kendi akışında ilerler. Bu önemli bir fark, çünkü artık bir asistan değil, bir karar aktörü var karşınızda.

,

Bu geçişi küresel ölçekte de gözlemliyoruz. Gartner'ın son analizleri net bir tablo çiziyor: yapay zekâ ajanlar deney aşamasının ötesine geçti. Kurumlar artık "Bunu deneyelim mi?" sorusunu değil, "Bunu nasıl doğru yapalım?" sorusunu soruyor. Yani anlayacağınız, ajanlar asistan rolünden çıkıp iş süreçlerinin içine girmiş durumda. Ancak değer yaratmak için teknoloji tek başına yetmiyor. Bunu sahada net görüyorum.

Süreç dönüşmeden kurulan ajan, yalnızca mevcut karmaşayı daha hızlı döndüren bir makineye dönüşür. İş yapış biçimleri yeniden tasarlanmadan eklenen her katman, yeni bir yük oluşturur. Doğru bağlam verilmeden çalışan ajan yanlış kararlar üretir. Veri kalitesi yoksa ne kadar akıllı model kullanırsanız kullanın, çıktı güvenilmez olur. Bunların hepsinin üstünde, organizasyonel hazırlık olmadan hiçbir mimari ayakta durmaz.

AYZ’nin inşasını görünür kılmak, güvenilir ajanların nasıl oluşturulabileceğini ve baştan uca nasıl mimari ile hayata geçirilebileceğini göstermek adına bir yazı serisi planladım ve yazdım. Bu seriyi teorik bir çerçeveyle değil, somut bir problemle başlayarak yazdım. Depo yönetimi.

Kulağa sıradan geliyor, biliyorum. Burası gerçekten ajanlar için mükemmel bir test alanı. Gerçek zamanlı veri var. Çok adımlı kararlar var. En önemlisi, bir şey yanlış gittiğinde sonuç görünür. Raftan düşen ürün sayılabilir, hatalı atama raporlanabilir. Bu görünürlük, mimari kararları hem mümkün hem zorunlu kılar.

Bu sistemde dört ajan çalışıyor. Burada paylaşmak istediğim bir tablo var:

Dört ajanın ikisi büyük dil modeli kullanmıyor ve bu beni önemli bir tespitin içine sürükledi.

AYZ, büyük dil modeli kullanan sistem demek değildir.

AYZ’yi ajantik yapan üç şey var: her ajanın rol ve sorumluluğunun net tanımlanmış olması, ajanların çıktılarının birbirini beslemesi ve sistemin insan entegrasyonunu bilinçli biçimde tasarlamış olması. Büyük dil modelleri bunun içinde bir araç. Olabilir de olmayabilir de.

Peki insan bu sistemde nerede duruyor?

Bu soruyu doğru cevaplamak, mimari açıdan belki de en kritik tasarım kararı.İki farklı model var.

• Human-in-the-loop modelinde sistem durur, insan devreye girmeden ilerleyemez. Bu model, kararın yasal bir taahhüt içerdiği, finansal bir yükümlülük doğurduğu ya da geri alınamaz olduğu her noktada devreye girer. Depo sistemindeki örnek somut: fazla mesai onayı bir yasal taahhüttür. Sistemi bu kararı kendi başına veremez, vermemeli de.

• Human-on-the-loop ise farklı. Sistem çalışır, insan izler. Rutin atamalar, uyumluluk kontrolleri, stok denge denetimleri. Bunlar ajan tarafından yürütülür, insan yalnızca anomali anında devreye girer. Her adımı onaylamak zorunda değildir.
  

Bu iki model arasındaki seçim keyfi değil. Sürecin kritikliğine, kararın geri alınabilirliğine ve yasal yükümlülüğüne göre belirleniyor. Tasarım aşamasında yapılmazsa, ajan ya aşırı kısıtlanır ve değeri sıfırlanır ya da fazla serbest bırakılır ve kontrol kaybı başlar.

Yazdığım altı yazılık seri, bir bütünün katman katman açılımı. Sırasıyla okumak büyük resmi görmenizi sağlar; ilgilendiğiniz katmandan başlamak da mümkün.

1. Data Layer: Veri katmanı çürükse, ajan da çürük karar alır. Tüm mimarinin temeli burada başlıyor. 🔗 Güvenilir Ajan İnşa Etmenin İlk Adımı: Data Layer
   

2. Semantic Layer: Veri var ama anlam üretilmeden karar alınamaz. RAG altyapısının temeli bu katmanda kuruluyor. 🔗 Güvenilir Ajan İnşa Etmenin İkinci Adımı: Semantic Layer
   

3. Ontology & Knowledge Graph: Kavramlar arasındaki ilişkileri anlayan ajan bağlam içinde düşünebilir. Ajanın hafızası burası. 🔗 Ajanın Hafızası: Ontology ve Knowledge Graph
   

4. Orchestration: Ajan tek adımda değil, zincir halinde karar alır. Bu zinciri güvenilir kılan mekanizma orchestration. 🔗 Ajanların Beyni: Orchestration ile Karar Mekanizması
   

5. Observability: Gözlemlenemeyen sistem yönetilemez. Ajanın sinir sistemi — içeride ne olduğunu canlı görmek neden şart? 🔗 Ajanın Sinir Sistemi: Observability ile Sistemi Canlı İzlemek
   

6. Audit & Açıklanabilirlik: Güven dağıtım anında değil, her karardan sonra yeniden kazanılır. Hesap verebilir ajan nasıl inşa edilir? 🔗 Yapay Zeka Ajanının Kararına Güvenebilir miyiz?
   

İyi tasarlanmış bir ajan sistemi insanı devre dışı bırakmaz. Güçlendirir. Daha iyi sorular sormasını, daha hızlı analiz yapmasını, daha net seçenekler görmesini sağlar, ama stratejiyi belirleyen, önceliği koyan, riski üstlenen hep insan olduğu unutulmamalı.

Ajanlar zeki olabilir. Güvenilir olmak için zekâ yetmez. Güvenilirlik doğru veriyle, anlamlı bağlamla, şeffaf kararlarla ve hesap verebilir mimarilerle inşa edilir. Katman katman. Adım adım ve her zaman süreç tasarımıyla birlikte.

Dr. Şükrü İmre

Not: Bu yazı serisindeki use case tasarımı, mimari yaklaşım, katman kararları ve human-in-the-loop noktaları tarafımdan kurgulanmış ve tanımlanmıştır. Kod geliştirme ve yazı düzenleme süreçlerinde Claude (Anthropic) ile iş birliği yapılmıştır. Tüm içerik test edilmiş ve doğrulanmıştır.