Jitendra Putcha, Tredence COO’su – Röportaj Serisi

Jitendra Putcha, Tredence COO’su, yapay zeka, veri analitiği, dijital dönüşüm, teslimat ve kurumsal teknoloji hizmetleri alanında neredeyse otuz yıllık deneyime sahip deneyimli bir teknoloji ve operasyon yöneticisidir. Nisan 2026’da Tredence’e katılmadan önce, Mastech Digital’te Chief Delivery Officer olarak görev yaptı ve strateji, dönüşüm, P&L sorumlulukları ve hizmet teslimatını yöneten yürütme liderlik ekibinin bir parçasıydı. Daha önce LTIMindtree ve LTI’de birkaç yıl çalıştı ve sonunda Senior Vice President ve Global Head of Data & AI olarak görev alarak kurumsal AI benimsemesi, üretken AI, AI ajanları, veri ve analitik hizmetleri, ürün mühendisliği ve platform geliştirme sorumluluğunu taşıdı. Öncesinde Putcha, Cognizant’ta neredeyse 18 yıl çalıştı ve Vice President of AI & Analytics ve Hyderabad Center Head gibi üst düzey liderlik pozisyonlarında ilerleyerek küresel veri ve analitik teslimatı, AI odaklı dönüşüm ve sektörler genelinde analitik yeteneklerin ölçeklendirilmesi üzerine çalıştı. Daha önceki kariyerinde Wipro ve DSQ Software’de görev alarak veri ambarı, iş zekâsı, analitik ve büyük ölçekli kurumsal teslimat konularında temellerini oluşturdu.

Tredence, AI’da “son mil” sorunu olarak adlandırdığı, içgörü üretimi ile bunların ölçülebilir iş sonuçlarına dönüştürülmesi arasındaki boşluğu ele almaya odaklanan küresel bir veri bilimi ve AI çözümleri şirketidir. 2013 yılında kurulan şirket, sektör uzmanlığını veri mühendisliği, veri bilimi, makine öğrenimi, üretken AI, AI ajanları, bulut teknolojileri ve özel hızlandırıcılarla birleştirerek işletmelerin AI’yı ölçekli bir şekilde operasyonelleştirmesine yardımcı olur. Tredence, 4,200’den fazla çalışanı olduğunu ve perakende, tüketici paketli ürünler, teknoloji, telekomünikasyon, sağlık, seyahat, sanayi ve diğer sektörlerdeki şirketlerle çalıştığını belirtiyor. Yaklaşımı, analitiği ve AI’yı sadece modellerde veya panolarda durmak yerine gerçek iş süreçlerine entegre etmeye vurgu yapar; yetenekleri kurumsal düzeyde üretken AI, çok modlu ve ajan tabanlı sistemler, sorumlu AI, veri modernizasyonu ve AI yönetişimini kapsar.

28 yılı aşkın süredir kurumsal veri, analitik, AI ve büyük ölçekli küresel teslimat alanlarında deneyime sahipsiniz; Cognizant, LTIMindtree ve Mastech Digital’de liderlik rolleri üstlendikten sonra 2026’da Tredence’in Chief Operating Officer’ı olarak katıldınız. Bu büyüme aşamasında sizi Tredence’e çeken nedir ve işletmeler deneyim aşamasından ölçekli AI’ya geçerken AI odaklı bir hizmet şirketinin nasıl çalıştığını ve değer sunduğunu yeniden şekillendirmek için en büyük fırsatı nerede görüyorsunuz?

Beni Tredence’e çeken, şirketin ne kadar sağlam temellere dayanmasıydı. Kariyerimde pek çok teknoloji değişimi gördüm, ancak derin AI uzmanlığını doğrudan gerçek iş sonuçlarıyla bağlayan bir organizasyon bulmak nadirdir. Tredence sadece AI’dan bahsetmekle kalmaz; gerçek kurumsal sorunları çözen çözümler üretir.

Şu anda sektör, inanılmaz bir dönüm noktasında. Test aşamasını geride bırakıyor ve zor soruyu soruyor: AI’yı günlük operasyonlarımıza nasıl entegre ederiz? Buna AI’nın “son mil” dediğimiz aşama denir: içgörü üretimi ile bu içgörülerin belirli kişi, süreç ya da karara ulaşarak faydalı bir sonuç üretmesini sağlama arasındaki boşluğu kapatmak.

Buradaki fırsat sadece daha havalı araçlar dağıtmakla ilgili değil. Bir yürütme sorununu çözmek, organizasyonların farklı düşünmelerine yardımcı olmak ve ölçülebilir değer görmekle ilgilidir. COO olarak görevim bu avantajı korumaktır. Operasyonlarımızı ölçeklendirirken çevikliğimizi ya da müşteri odaklılığımızı kaybetmemeyi, yüksek seviyeli AI hedeflerini gerçek dünyada getiriler haline getirmeyi sağlamak istiyorum.

Kuruluşların umut vaat eden AI pilotlarını yürütmeye devam ettiğini görüyoruz, ancak bunlar anlamlı üretim sistemlerine dönüşmüyor. Duraklayan projelere baktığınızda en yaygın başarısızlık noktaları nelerdir ve bu sorunların hangilerini yöneticiler hâlâ hafife alıyor?

Doğrusunu söylemek gerekirse, çoğu AI pilotu teknolojinin başarısız olması nedeniyle başarısız olmaz. AI’ı güçlü bir motor gibi görüp, etrafında gerçek arabayı inşa etmeyi unuttuğumuz için başarısız olurlar. Şöyle düşünün: Temiz yakıt, bir direksiyon ve bir sürücü olmadan dünya sınıfı bir motor tamamen işe yaramaz.

Üç temel faktörü hafife alırsanız, AI modeliniz de garajda terkedilmiş kalır. Güvenilir veri, temiz yakıtınızdır. Veriniz dağınık ve düzensiz bir temel ise, motor tıkanır ve modeliniz güvenilir olmayan yanıtlar verir. Güçlü yönetişim ise direksiyonunuzdur. Açık kurallar ve güvenlik sınırlamaları olmadan, ekipler riske çok korktukları için arabayı yola çıkarmaktan çekinirler.

Son olarak, net iş sorumluluğu sizin sürücünüzdür ve yöneticilerin en çok hafife aldığı unsur budur. Bir iş lideri direksiyonu eline almaz, aracı savunmaz ve doğrudan ekibinin günlük iş akışına entegre etmezse, proje sonuç üretmekte zorlanır. “Demo tuzağından” kaçınmalıyız. Başarı, çok sayıda pilot başlatmak ya da test motorları toplamakla ilgili değildir. Veri güvenliğini sağlamak, net sınırlandırmalar koymak, gerçek sorumluluk atamak ve AI’yı işinizin her gün nasıl çalıştığına sessizce entegre etmekle ilgilidir.

Tredence uzun süredir AI’nın “son mil”ini içgörüleri eyleme bağlamak olarak tanımlıyor. Agentic AI, yazılımın kararları yürütmesine izin vererek bunu çok daha ileriye taşıyabilir. AI bir eylemi önermeden o eylemi otonom olarak aldırdığında son-mil sorunu nasıl değişir?

Geçmişte, AI’nın son miliyle başa çıkmak, bir GPS ile araba sürmeye çok benziyordu. Ekran tam olarak nereye dönmeniz gerektiğini söylüyordu, ama hâlâ direksiyonu fiziksel olarak çevirmeniz gerekiyordu. Agentic AI bunu tamamen tersine çeviriyor. Artık araba temelde kendini sürüyor.

Bu, tüm konuşmayı değiştiriyor. Artık bir yöneticiyi bir gösterge tablosundaki grafiğe güvenmeye ikna etmeye çalışmıyoruz; bizim yerimize kararlar alabilecek sistemler inşa ediyoruz. Gerçek zorluk artık insanları veriye bakmaya zorlamak değil; ne kadar kontrolü yazılıma devretmeye rahat olduğumuzu belirlemek.

Rutin, düşük riskli görevler için, örneğin envanter kayıtlarını güncellemek ya da veri dosyalarını temizlemek gibi, bir ajentin otomatik pilotta çalışmasına izin vermek çok mantıklı çünkü geleneksel kurumsal gecikmeleri ortadan kaldırıyor. Ancak bir karar büyük bir finansal işlem, hassas bir müşteri şikayeti ya da yasal bir sınırı etkilediğinde, devreye girecek ve fren yapacak bir insanın hazır olması gerekir.

Sonuçta, agentic AI ile kazanan şirketler sadece en akıllı teknolojiye sahip olanlar olmayacak. Yazılımın tek başına çalışabileceği ve insan yargısının direksiyonu yeniden alması gereken yerler arasında kristal netliğinde sınırlar çizen organizasyonlar olacak.

Bir ajanslı işletmenin alan bağlamı, yönetişim ve akıllı yürütmeyi bir arada çalıştırması gerektiğini savundunuz. Şirketlerin sadece bir LLM ya da AI ajanını mevcut veri yığınlarının üzerine yerleştirmesi neden yeterli değil ve hangi mimari değişiklikler gerekiyor?

Bir LLM’yi kurumsal verinin üzerine koymak, akıllı bir çalışanı işe alıp ona ilk günden şirketin tüm belgelerine erişim vermek gibi bir şey. Akıllı ve yetenekli olabilirler, ama hâlâ sistemlerinizin, süreçlerinizin, iç kurallarınızın ve düzenlemelerinizin nasıl çalıştığını bilmiyorlar.

İşletmeler benzer bir zorlukla karşı karşıya çünkü ortamları doğal olarak karmaşıktır. Veri birden fazla sistemde bulunur ve iş kuralları yıllar içinde sessizce evrilmiştir. Bunun üzerine, uyum yükümlülükleri sektör ve coğrafyaya göre değişir. Ajanların etkili bir şekilde çalışabilmesi için sadece bilgi değil, bağlam da gerekir.

Bu yüzden kurumsal AI’ı üç katmanlı bir mimari olarak düşünüyoruz. İlk katman güvenilir bir veri temeli. İkinci katman alan zekâsı, iş bağlamını, ilişkileri, tanımları ve iş akışlarını yakalar. Üçüncü katman deneyim katmanı ve kapalı döngü yürütme, burada ajanlar yönetişimli sınırlar içinde akıl yürütüp hareket edebilir.

Birçok kuruluş ilk katmana büyük yatırımlar yaptı ve bazıları ikinci katmanın unsurlarını inşa etti. Ancak gerçek fırsat, üç katmanın da birleştirilmesinde yatıyor.

Bağlam ve yönetişim olmadan, en yetenekli model bile iş gerçekliğiyle uyumlu olmayan makul cevaplar üretebilir. Kurumsal AI daha fazla zekâya ihtiyaç duymuyor. Daha fazla bağlama ihtiyaç duyuyor.

“AI ajanı” sektörde hızla en çok aşırı kullanılan terimlerden biri haline geldi. Teknik açıdan, gerçekten faydalı bir kurumsal ajanı birkaç araç ve iş akışıyla bağlanmış bir sohbet botundan ayıran nedir?

Gerçekten faydalı bir kurumsal ajan, ne kadar akıcı konuştuğundan çok, sorumlu bir şekilde neler başarabileceğiyle tanımlanır. Şu anda, insanların “ajan” dediği birçok şey sadece birkaç API’ye bağlanmış sohbet botları. Temel bir soruya yanıt verebilir ya da basit, katı bir iş akışını tetikleyebilirler. Bu kullanışlıdır, ama dönüştürücü değildir.

Gerçek bir kurumsal ajan sadece bir senaryoyu takip etmez; bir son hedefi anlar, farklı seçenekler arasında akıl yürütür, birden fazla eski sistemde çalışır, değişiklik olduğunda uyum sağlar ve şirket yönetişimi sınırları içinde sıkı bir şekilde kalır. Bunu bir arama motoru ile güvenilir bir operasyon yöneticisi arasındaki fark olarak görüyorum. Biri size bilgi verir; diğeri işi tamamlamak için sorumluluk alır.

Bunu yapabilmek için ajanların derin alan bağlamına ihtiyacı vardır. Örneğin bir perakende envanter ajanı sadece bir elektronik tabloya bakamaz; aynı anda tedarik döngülerini, talep kalıplarını, hizmet seviyelerini ve marj etkilerini anlamalıdır. Gerçek bir ajanı sofistike bir sohbet botundan ayıran sohbet arayüzü değil, alan anlayışı, hafıza, akıl yürütme, arka uç orkestrasyonu ve yerleşik sorumluluktur. Sonuçta, işletmelerin bakması gereken başka bir arayüze ihtiyacı yok. Güvenilir ve ölçekli bir şekilde işi yürütebilen sistemlere ihtiyacımız var.

Tredence, özellikle perakende ve tüketim malları gibi sektörlerde endüstri‑spesifik AI’ye büyük önem veriyor. Temel modeller daha yetenekli hale geldikçe, alan uzmanlığı hâlâ nerede avantaj sağlıyor ve zekânın ne kadarının nihai olarak belirli bir sektörün iş akışlarını, terminolojisini, kısıtlamalarını ve ekonomisini anlamaktan gelmesi gerekiyor?

Temel modeller inanılmaz derecede güçlü hale geldi, ancak alan uzmanlığı ham zekâ ile gerçek fayda arasındaki farkı oluşturur. Bu, aynı yüksek güçlü tıp kitabını bir cerraha, bir kurumsal avukata ve bir perakende yöneticisine vermek gibidir. Kitaptaki bilgi aynı olsa da, yalnızca hastayı, ameliyathaneyi ve işin risklerini gerçekten anlayan kişi için değerlidir. 

Her sektörün kendi görünmez kuralları, benzersiz ekonomisi, katı düzenlemeleri ve günlük operasyonel kısıtlamaları vardır. Örneğin perakendede, teknik olarak tahmin doğruluğunuzu artıran ancak yanlışlıkla raflarda büyük stok dışı durumlarına yol açan bir AI önerisi yardımcı değildir—bu bir sorumluluktur.

Derin alan zekâsını genel amaçlı modellere uyguladığımızda, iş sonuçları devasa olur. Örneğin, Tredence’te müşterilerimiz için inanılmaz ve doğrulanmış sonuçlar veren alan‑spesifik çözümler uyguladık. Bir süpermarket tahmin programı yaklaşık 200 milyon $ değer yarattı ve yeniden stok eşleşme oranlarını %90’ın üzerine çıkardı. Bir üretim tedarik zinciri platformu ilk yılda 10 milyon $ tasarruf sağladı. Bir perakende iş akışı modernizasyonu analist çabasını %70 azalttı, diğer bir program ise 100 milyon $ kayıp azaltımı elde etti.

Temel modeller elektrik gibi metalaşmış bir hizmet haline geldikçe, gerçek rekabet avantajı tamamen genel zekâyı kesin iş sonuçlarına dönüştürmek için en iyi özel bağlam ve iş akışı anlayışına sahip olana kayar.

Yeniden kullanılabilir AI platformları oluşturmak ile her işletmenin özgün veri ve süreçlerine göre sistemleri özelleştirmek arasında bir gerilim vardır. Neyin standartlaştırılması gerektiğini, neyin özelleştirilmesi gerektiğini nasıl belirlersiniz ve aşırı özelleştirme sonunda AI ölçeklendirmesinin kendi engeli haline gelebilir mi?

Standart bir platform ile özel özellikler arasındaki doğru dengeyi bulmak her zaman zor bir karardır. Şahsen bunu şehir planlamasına benzetiyorum. Tabii ki yollarınızı, enerji şebekelerinizi ve su hatlarınızı standartlaştırmanız gerekir, ancak bu, mahalledeki her evin bir kopyası olması gerektiği anlamına gelmez.

Aynı kural AI’ye de uygulanır. Veri güvenliği, yönetişim ve izleme gibi konular tamamen standartlaştırılmalıdır. Temelde görünmez bir kurumsal altyapı haline gelmelidirler. Bunu verimli kılmak için şirketlerin yeniden kullanılabilir ajanlar için iç bir pazar yeri oluşturmalarını öneririm; böylece ekipler sürekli tekerleği yeniden icat etmek zorunda kalmaz.

Ancak gerçek iş akışlarınız esnek kalmalıdır, çünkü benzersiz rekabet avantajınız burada yatar. Şu anda en büyük risk yetersiz özelleştirme değil, aşırı özelleştirmedir. Her bir AI dağıtımı son derece benzersiz, izole bir mühendislik projesine dönüştüğünde, ölçeklendirme bir kabusa dönüşür ve bakım maliyetleri fırlar. Hedef, tekrarlanabilir bir yetenek inşa etmektir. Sağlam bir temeli standartlaştırır ve ekiplerin kendi ihtiyaçlarına hızlıca uyarlayabilmeleri için gerekli blokları sağlarsınız. AI yeteneklerini kullanma ve yeniden kullanma becerisi, benimsenmeyi hızlandıran ve daha hızlı değer elde edilmesini ve daha güçlü ROI sağlayan temel bir ayırt edici faktör haline gelir.

Ajanlar karar verme ve görev yürütme yeteneği kazandıkça, işletmeler özerkliğin nerede uygun olduğunu ve insan onayının nerede zorunlu kalması gerektiğini nasıl belirlemelidir? Organizasyonların çok hızlı ya da çok temkinli hareket ettiğini düşündüğünüz belirli iş fonksiyonları var mı?

AI’ye özerklik verirken, risk her zaman kuralları belirlemelidir, sadece teknolojinin neyi yapabildiği değil. Bir ajanın bir süreci baştan sona yürütebilmesi, güvenlik ipini tamamen kesmeniz gerektiği anlamına gelmez. Envanter kaydı tutma veya arka ofis dosyalarını senkronize etme gibi rutin, günlük görevler tam otomasyon için mükemmeldir çünkü büyük operasyonel darboğazları ortadan kaldırırlar. Ancak bir karar katı düzenlemeler, büyük mali harcamalar veya yüksek riskli müşteri sorunlarını içerdiğinde, kesinlikle bir insanın devrede olması gerekir.

Şu anda şirketlerin tedarik zinciri ve arka ofis operasyonlarında çok temkinli davrandığını görüyorum. Ajansların bugün güvenle zaman kazandırabileceği rutin satın alma ve fatura eşleştirmeyi otomatikleştirmede adım adım ilerliyorlar. Öte yandan, müşteri hizmetleri ve yasal uyumda çok hızlı hareket ediyorlar; özerk ajanları öngörülemeyen müşteri anlaşmazlıklarına veya gerçek koruma mekanizmaları olmadan otomatik sözleşme incelemelerine itiyorlar. Buradaki hedef sorumlu otomasyon, maksimum otomasyon değil.

Öncü modeller daha ucuz ve daha yetenekli hale geldikçe, AI hizmet şirketlerinin rolü muhtemelen değişecek. Değer, modelleri inşa etmekten veri mimarisi, entegrasyon, değerlendirme, orkestrasyon, yönetişim ve AI etrafında iş süreçlerini yeniden tasarlamaya doğru giderek artıyor mu? Değerli kalmaya devam edecek AI hizmet firmalarını ne ayıracak?

Değerin yaratıldığı yerde doğal bir kayma yaşandığını görüyoruz. Birkaç yıl önce ham bilişim altyapısı büyük bir rekabet avantajıydı. Bugün ise büyük ölçüde bir hizmet haline geldi ve AI modelleri de aynı yönde hızla ilerliyor.

Şirketler artık daha büyük modeller aramıyor. Daha hızlı kararlar, daha yüksek verimlilik ve net iş sonuçları istiyorlar. Bu nedenle, değer tamamen modelin etrafındaki ekosisteme kaydı — temiz veri mimarisi, sıkı yönetişim, akıllı orkestrasyon ve AI’ı ölçeklenebilir bir şekilde pratik hâle getirmek için iş akışlarını tamamen yeniden düşünmek gibi unsurlara. Kazananlar mutlaka en sofistike teknolojiye sahip şirketler olmayacak, bunun yerine teknolojiyi somut iş sonuçlarına dönüştürebilenler olacak.

Ayrıca şirketlerin AI’ye bir portföy yaklaşımı benimsediğini görüyoruz. Sınır (frontier) modeller, açık ağırlıklı modeller ve daha küçük uzmanlaşmış modeller, kullanım durumu, maliyet, gecikme ve yönetişim gereksinimlerine bağlı olarak her birinin oynayacağı bir rol var. AI olgunlaştıkça, başarı motoru kim inşa ettiğine değil, iş içinde nasıl kullanılacağını bilenlere göre belirlenecek. Benim “uygulama ritmi” dediğim şey, nihayetinde kazananları diğerlerinden ayıracak.

Birkaç yıl ileriyi düşündüğümüzde, şirketler bugün karşılaştıkları veri, yönetişim ve entegrasyon sorunlarını başarıyla aşarsa, AI-native büyük bir şirket gerçekte nasıl bir şey olur? Ajentlerin çalışanlar tarafından kullanılan araçlar olarak kalmasını mı bekliyorsunuz, yoksa koordine AI ajan ağları tarafından işletilen tüm iş akışları ve iş fonksiyonlarının giderek daha fazla görülmesini mi bekleyeceksiniz?

AI-native bir işletme sadece birkaç ek yazılım aracıyla geleneksel bir şirket olmayacak. Temelde yeniden hayal edilen bir işletme olacak. İnternet ve dijital çağlarda benzer dönüşümler gördük; teknoloji sadece işletmelerin nasıl çalıştığını değil, nasıl yapılandırıldığını da değiştirdi. Bu şirketler çok farklı şekillerde işlev görecek. 

Bugün, işletmeler yazılım tarafından desteklenen manuel görevler yapan insanlar etrafında organize edilmiştir. Gelecekte, tüm iş akışları koordine AI ajan ağları tarafından orkestre edilebilir ve insanlar giderek daha çok denetleyici ve stratejik bir rol üstlenecek. Bu, elektriğin fabrikaları dönüştürmesi gibi bir şey. Fabrikayı ortadan kaldırmadı; tamamen tasarımını ve işletimini değiştirdi.

Bu gelecekteki şirketlerde, ajanlar operasyonları sürekli izleyecek, fırsatları işaretleyecek ve farklı departmanlar arasında rutin yürütmeyi yönetecek. Bu, insanların ortadan kaybolacağı anlamına gelmez; işlerimiz çok daha stratejik hâle gelecek ve tamamen yargı, yenilik ve ilişki kurmaya kayacak. 

Kazananlar en çok ajanı dağıtan şirketler olmayacak. En güvenilir veri, alan zekâsı ve insan denetiminin en güçlü karışımını inşa edenler olacak. Gelecek tamamen otonom işletmelerle ilgili değil; insanlarla ajanların birlikte çalıştığı, yalnızca birinin tek başına ulaşamayacağı hedeflere ulaşan akıllı bir şekilde orkestre edilmiş işletmelerle ilgili.

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Tredence adresini ziyaret etmelidir.