Türkçe Yapay Zeka Ajanları: İşletmeler İçin Uygulama Rehberi

Türkçe yapay zeka ajanı, kullanıcıya yalnız metin yazan bir sohbet botundan farklıdır. Bir hedefi yorumlar, gerektiğinde arama veya dosya aracını çağırır, ara sonuçları modele geri verir ve nihai çıktıyı hazırlar. Ancak daha fazla yetki, daha fazla hata yüzeyi demektir. İyi ajan tasarımı “ne kadar otonom?” sorusundan önce “hangi sınırlar içinde, hangi kanıtla ve kimin onayıyla?” sorusunu yanıtlar.

Türkçe yapay zeka aracı kullanan işletmeler için asıl değer; satış metni üretmekten çok belge toplama, karşılaştırma, raporlama ve tekrar eden operasyonları kontrollü bir akışa dönüştürmektir.

1 Chatbot, workflow ve ajan farkı

Chatbot tek turda soru-cevap üretir. Workflow önceden tanımlanmış adımları izler: dosyayı al, metni çıkar, sınıflandır, sonucu kaydet. Ajan ise hangi adım veya aracın gerektiğine bağlama göre karar verebilir. Bu üç yapı rakip değildir; güvenilir sistemlerde deterministik workflow ile sınırlı ajan kararı birlikte kullanılır.

Örneğin “Antalya-İzmir rotası hazırla” isteğinde rota aracı, rota üzerindeki yerler ve tarih verilmişse hava durumu gerekir. “Antalya hakkında iki cümle yaz” isteğinde bu araçların hiçbiri çağrılmamalıdır. Her mesaja bütün araçları çalıştırmak hem maliyeti hem ilgisiz kaynak kartı riskini artırır.

2 Türkçe niyet ve tarih çözümleme

Türkçe kullanıcılar aynı isteği “bul”, “baksana”, “karşılaştırabilir misin”, “şuna göre çıkar” veya eksiltili cümlelerle verebilir. Katı anahtar kelime listesi bu çeşitliliği kaçırır. Buna karşılık her mesajdan önce ayrı, ağır bir planner modeli çalıştırmak da basit sohbette gecikme yaratır.

Pratik çözüm, ana modelin yapılandırılmış tool calling yeteneğini kullanmaktır. Model ya nihai cevap döndürür ya da adı ve argümanları doğrulanmış bir araç çağrısı üretir. “Yarın”, “önümüzdeki hafta” gibi ifadeler sunucu tarihi ve kullanıcının saat dilimiyle mutlak tarihe çevrilmeli; tarih bilinmiyorsa ajan tahmin etmemelidir.

3 İşletmelerde uygulanabilir beş ajan akışı

• Belge araştırma: Seçili PDF'lerden iddia, sayfa ve çelişki tablosu çıkarma.
• Satın alma: Teknik şartnameye göre ürün bulma, fiyat ve satıcı kaynaklarını karşılaştırma.
• Toplantı sonrası: Notlardan karar, sorumlu ve tarih çıkarıp onay sonrası görev sistemine aktarma.
• Raporlama: Veritabanı veya hesap tablosundan metrik çekip açıklamalı yönetim raporu üretme.
• İç destek: Kurum belgelerine dayanarak prosedür sorularını kaynak gösterecek biçimde yanıtlama.

Bu akışlarda “e-posta gönder”, “ödeme yap”, “kaydı sil” gibi geri dönüşü zor eylemler insan onayı olmadan çalışmamalıdır. Araştırma ve taslak üretimi daha düşük riskliyken dış sisteme yazma daha yüksek yetki gerektirir.

4 Araç sözleşmesi ve güvenlik sınırı

Her aracın adı, amacı, zorunlu parametreleri, izinleri, zaman aşımı ve hata biçimi açık olmalıdır. Modelin ürettiği argümanlar JSON şemasıyla doğrulanmalı; URL alanları SSRF, dosya alanları sahiplik ve path traversal, veritabanı araçları ise kullanıcı/tenant yetkisi açısından kontrol edilmelidir. Model “çağır” dedi diye backend güvenlik kontrolünü atlayamaz.

Prompt injection özellikle web ve belge ajanlarında önemlidir. Bir sayfadaki “önceki talimatları unut” metni veri olarak kalmalı, sistem talimatına dönüşmemelidir. Araç sonucu güvenilmeyen içerik olarak etiketlenmeli ve ajan yalnız kullanıcının verdiği yetki kapsamında hareket etmelidir.

5 Tek ajan mı, çok ajan mı?

Çok ajanlı mimari her zaman daha gelişmiş değildir. Koordinasyon turları gecikme, token maliyeti ve hata takibini büyütür. Tek ajan ve iyi tanımlanmış araçlarla çözülebilen iş, sırf mimari gösteriş için araştırmacı-yazar-hakem ajanlarına bölünmemelidir. OpenAI'nin pratik ajan rehberi de basit bir ajanla başlayıp ihtiyaç kanıtlandığında çok ajanlı yapıya geçmeyi öneriyor.

Çok ajan ancak görevler gerçekten bağımsız paralelleşiyorsa, ayrı yetki alanları varsa veya sonuçların farklı uzman ölçütleriyle değerlendirilmesi gerekiyorsa anlamlıdır. Nihai birleştirme adımında kaynakların ve çelişkilerin kaybolmaması gerekir.

6 Kalite, gecikme ve maliyet ölçümü

Ajan eval'i yalnız son metni puanlamamalıdır. Doğru araç seçimi, gereksiz araç çağrısı, argüman doğruluğu, araç başarı oranı, toplam tur sayısı, ilk anlamlı yanıt süresi, görev tamamlama süresi ve insan müdahalesi izlenmelidir. Basit sohbetin altı saniye beklemesi, ajan kalitesinden bağımsız bir ürün hatasıdır.

OpenAI'nin 2026 araştırması ajanların daha uzun görevlerde kullanıldığını bildirirken Google ATLAS verisi tam otomasyonun hâlâ azınlıkta olduğunu gösteriyor. Birlikte okunduğunda makul strateji, insanı devreden çıkarmak değil; uzun işi ajana yaptırıp kritik kararı insanda tutmaktır.

7 Uygulamaya geçiş kontrol listesi

• İlk akış tek, ölçülebilir ve düşük riskli bir görev mi?
• Araçlar en az yetki ilkesiyle sınırlandırıldı mı?
• Her dış veri kaynağının tarihi ve bağlantısı korunuyor mu?
• Yazma/silme/gönderme eylemlerinde insan onayı var mı?
• Tool çağrısı, fallback, timeout ve maliyet loglanıyor mu?
• Türkçe tarih, para birimi ve alan terminolojisi test edildi mi?

Kaynakça

1. How agents are transforming work, 2026.
2. A Practical Guide to Building Agents, 2026.
3. Google ATLAS: Understanding the AI economy, 2026.
4. Yao, S. ve ark. (2022). ReAct: Synergizing Reasoning and Acting in Language Models.