# AI Agent Ne Zaman Gerekli? > AI agent nedir ve bir otomasyon ne zaman agent'a ihtiyaç duyar? Müşteri destek süreci, workflow ile agent arasındaki farkı somutlaştırıyor. > 💡 **Özet: Ana Çıkarımlar** > - **Workflow'da adımların sırasını yazılım, agent'ta ise model seçer.** Agent, cevap üretmenin yanında sıradaki adımı ve kullanacağı aracı da belirleyebilir. > - **İzlenecek yol önceden biliniyorsa workflow daha iyi bir başlangıçtır.** Yeni bilgi geldikçe sonraki adımın değişmesi gerekiyorsa agent'ın hareket alanı işe yarayabilir. > - **Agent esnekliği karşılıksız değildir.** Daha fazla hareket alanı, daha fazla değerlendirme, güvenlik kontrolü, hata ayıklama ve işletim yükü getirir. Bir müşteri destek ekibinin gelen talepleri daha hızlı sonuçlandırmak istediğini düşünün. Müşteriler sipariş numarası vermeden yazıyor, aynı mesajda birkaç farklı sorun anlatıyor ve şirketin kullandığı ifadeleri bilmiyor. Sabit kurallar bu mesajları anlamakta zorlanıyor. Bu nedenle ekip bir dil modelinden yararlanmaya karar veriyor. Ekip böylece AI kullanmaya karar verir. Fakat modelin sistem içinde nasıl çalışacağı hâlâ belli değildir. Model mesajı okuyup iade talebi olduğunu anlayabilir. Ardından yazılım sipariş kaydını açar, süreyi ve ürün koşullarını kontrol eder. Model bu bilgilerle bir cevap hazırlar, temsilci de müşteriye gönderir. Burada akışın sırasını yazılım belirler. Aynı sistemi başka türlü de kurabiliriz. Model, mesajı okuduktan sonra hangi bilgiye ihtiyaç duyduğuna kendisi karar verir. Sipariş sistemine bakabilir, iade politikasını açabilir, müşteriden eksik bilgi isteyebilir veya konuşmayı bir temsilciye aktarabilir. Her adımda aldığı sonuca göre sırada ne yapacağını yeniden seçer. İlk sistem bir workflow, yani adımları yazılım tarafından belirlenmiş iş akışıdır. İkincisi ise agent'tır. Agent kelimesini chatbot yerine kullanmıyorum. Buradaki fark, dil modelinin cevap üretmesinin yanında işi ilerletmek için sıradaki adımı ve kullanacağı aracı da seçebilmesidir. Bu ayrım teknik bir isimlendirme tartışması gibi görünebilir. Oysa sistemin maliyetini, hata biçimini ve ne kadar denetlenebileceğini doğrudan değiştirir. ## Workflow ne sağlar? İade sürecindeki adımlar biliniyorsa yazılım bu sırayı her talepte aynı biçimde uygular. Model müşterinin dağınık mesajını yorumlar ve cevap taslağı hazırlar. Süre kontrolünü, yetkiyi ve kaydın gerçekten oluşturulup oluşturulmadığını ise yazılım doğrular. Bu yapıda model önemli bir iş yapar fakat akışı yönetmez. Nerede devreye gireceği, hangi veriyi göreceği ve çıktısının nereye aktarılacağı baştan bellidir. Bu tercih günlük işletimde fark yaratır. Bir iade yanlış ilerlediğinde hangi adımın hata verdiğini daha kolay bulabilirsiniz. Test edeceğiniz yollar bellidir. Model değişse bile sürecin geri kalanı aynı kurallarla çalışmaya devam eder. [Anthropic'in agent geliştirme rehberi](https://www.anthropic.com/engineering/building-effective-agents){.dofollow target="_blank" rel="noopener"} de workflow ile agent'ı benzer biçimde ayırıyor. Workflow'da model, yazılımın belirlediği yol içinde çalışıyor. Agent'ta ise modeli kullanan sistem, hedefe ulaşmak için gerekli adımları ve araçları çalışma sırasında seçiyor. Rehber, önce en sade çalışan çözümün kurulmasını öneriyor. Adımları zaten bildiğiniz bir süreçte, yazılımın bildiği sırayı her talepte modele yeniden seçtirirsiniz. Karşılığında da daha fazla test, kayıt ve hata senaryosu üstlenirsiniz. ## Aynı ayrım iki gerçek sistemde nasıl görünür? Vanity'de yılda yaklaşık 100 bin lead'in doğru satış temsilcisine dağıtılması gerekiyordu. Ülke, dil, vardiya, izin, kapasite ve önceki sahiplik gibi birçok değişken vardı. Karar karmaşıktı fakat kurallar biliniyordu. [Geliştirdiğimiz lead yönetimi sistemi](/tr/kurallardan-kararlara-vanityde-gercek-zamanli-karar-destek-ve-satis-yonetim-platformu){target="_blank" rel="noopener"}, bu kuralları uygulayıp sonucu CRM'e aktardı. Dil modeline ihtiyaç duymayan bir workflow kurduk. [Redar](/tr/redar-kap-bildirimleri-icin-yapay-zeka-destekli-ozet-ve-uyari-sistemi){target="_blank" rel="noopener"} ise KAP bildirimlerini ve seçili açık kaynakları takip etmek için kullandığımız özel bir finans paneli. Yapısı düzenli olan kaynakları yazılım kurallarıyla ayrıştırıyor. Kaynak bozulduğunda veya metin düzensiz geldiğinde dil modeli alanları çıkarmaya ve özet hazırlamaya yardım ediyor. Verinin alınması, hangi yolun kullanılacağı ve sonucun web arayüzüyle Telegram'a gönderilmesi yine yazılım tarafından yönetiliyor. İlk örnekte AI bulunmuyor. İkincisinde model önemli bir adımı üstleniyor. Fakat iki sistemde de akışın sırasını yazılım belirliyor. Bir sistemde dil modeli kullanılması, onu kendiliğinden agent yapmıyor. ## Agent ne zaman işe yarar? Bazı işlerde izlenecek yolu baştan güvenilir biçimde yazamazsınız. Bir satın alma ekibinin yeni bir tedarikçi aradığını düşünün. Sistem önce mevcut tedarikçi listesini inceleyebilir. Gerekli sertifikayı bulamazsa resmî sicil kayıtlarına bakması, teslimat bölgesini doğrulaması veya eksik fiyat bilgisi için kullanıcıya dönmesi gerekebilir. Sıradaki araştırma adımı, bir önceki adımda ne bulunduğuna bağlıdır. Bilgisayar sistemlerindeki arıza teşhisi de benzer biçimde ilerler. Önce servisin çalışıp çalışmadığına bakarsınız. Aldığınız cevaba göre logları, ağ bağlantısını veya son ayar değişikliğini incelemeniz gerekebilir. Yeni bilgi geldikçe teşhis yolu değişir. Microsoft Research'ün [FLASH çalışması](https://www.microsoft.com/en-us/research/uploads/prod/2024/10/FLASH_Paper.pdf){.dofollow target="_blank" rel="noopener"}, bu tür bir problemi 250 gerçek sistem arızası üzerinde inceledi. Agent, kullandığı araçlardan gelen sonuçlara göre bir sonraki teşhis adımını seçti. Tamamlanan adımları ve mevcut durumu ayrıca izleyen sürüm, çalışmada karşılaştırıldığı diğer yöntemlerden daha iyi sonuç verdi. Araştırma beş arıza senaryosuyla sınırlı. Bazı araç çıktılarının yorumlandığı bölümde başarı belirgin biçimde düştü. Dolayısıyla sonuç her açık uçlu işi agent'a bırakmamızı söylemiyor. Daha dar bir noktayı destekliyor: Yeni bilgi izlenecek yolu değiştiriyorsa, modele sıradaki adımı seçme imkânı vermek işe yarayabilir. Fakat bu serbestliğin de sınırı olmalı. Agent hangi sistemlere erişebilir? Bir işlemi kendi başına tamamlayabilir mi? Başarılı olduğunu nasıl anlayacak ve ne zaman duracak? Bu sorular cevapsız kaldığında esneklik, işletilmesi zor bir sisteme dönüşür. ## Bütün sistemi tek bir kelimeyle tanımlamak zorunda değiliz Aynı müşteri destek sistemi iki yaklaşımı birlikte kullanabilir. Yazılım müşterinin kimliğini doğrular, işlem sınırlarını uygular ve yapılan değişikliği kaydeder. Model mesajı yorumlar. Açık uçlu bir sorun çıktığında sınırlı araçlara sahip bir agent çözüm arayabilir. Para iadesi gibi geri alınması zor bir işlemde yine yazılım kuralı veya insan onayı devreye girer. Bu nedenle “workflow mu, agent mı?” sorusunun cevabı bütün sistem için tek bir seçim olmak zorunda değil. Modelin her adımda ne kadar hareket alanına ihtiyaç duyduğuna ayrı ayrı bakılabilir. Adımlar biliniyorsa workflow daha öngörülebilir bir başlangıçtır. Sıradaki adım ancak yeni bilgi geldikten sonra seçilebiliyorsa agent anlam kazanır. Kararı agent'ın daha gelişmiş görünmesine göre değil, bu esnekliğin sonuçları gerçekten iyileştirip iyileştirmediğine göre vermek gerekir. Bu noktaya gelmeden önce daha temel karar hâlâ geçerli: Süreç gerçekten AI gerektiriyor mu? [Bir süreci otomatikleştirirken yapay zekânın ne zaman gerekli olduğunu önceki yazıda gerçek örneklerle ele aldım](/tr/surec-otomasyonunda-yapay-zeka-ne-zaman-kullanilmali). Model, bilgi, yetki ve ölçümle ilgili diğer kararları [yapay zekâ sistemi tasarlama rehberinde](/tr/sirketiniz-icin-yapay-zeka-sistemi-nasil-tasarlanir) bir arada görebilirsiniz. --- Language: Turkish License: CC BY 4.0 License URL: https://creativecommons.org/licenses/by/4.0/ Scope: Evren Bal-authored text, unless this article expressly states otherwise. Excluded: Third-party material, quoted excerpts, logos, and separately marked images retain their own rights. Attribution: Credit Evren Bal, link to the canonical source and license, and indicate changes. Source: https://evrenbal.com/tr/ai-agent-ne-zaman-gerekli-workflow-ne-zaman-yeterli