Agentik AI Nedir? Sistemlerin Planlama, Araç Kullanma ve Görev Tamamlama Şekli

Agentik AI, bir hedefi takip edebilen, bir sonraki ne yapılacağını belirleyebilen, araçları kullanan, sonucu gözlemleyen ve yaklaşımını ayarlayan yapay zekadır. Tek bir yanıt üretip durmak yerine, bir ajan görevi tamamlayana, bir sınıra ulaşana ya da işi bir kişiye geri teslim edene kadar bir kontrol döngüsü içinde çalışır.

Bu ayrım önemlidir çünkü en etkili AI sistemleri artık yalnızca sohbetin ötesine geçiyor. Kaynaklar arasında arama yapabilir, veri tabanlarını sorgulayabilir, kod çalıştırabilir, yazılım yönetebilir, iş sistemlerini güncelleyebilir ve diğer ajanlarla koordinasyon sağlayabilir. Daha yüksek özerklik daha faydalı işler ortaya çıkarabilir, ancak aynı zamanda güvenilirlik, izinler, izleme ve insan kontrolünün çok daha önemli olmasını gerektirir.

Bir AI sistemini ajan hâline getiren nedir?

Bir modeli ajan yapan tek bir eşik yoktur. Ajans bir spektrum üzerindedir. Bir uçta, bir dil modeli bir isteme yanıt verir. Diğer uçta, bir sistem geniş bir hedef alır, bunu adımlara böler, araçları seçer, yeni bilgilere tepki verir ve uzun bir süre boyunca devam eder.

Özerklik de çok boyutludur. Bir ajan kendi araştırma sorgularını seçebilir ancak hiçbir şey yayınlayamaz; bir diğeri sabit bir planı izlerken üretim sistemini değiştirme iznine sahip olabilir. “Ne kadar ajan” olduğunu değerlendirmek, planlama özgürlüğü, araç erişimi, çalışma süresi, geri döndürülebilirlik ve hatanın sonuçları gibi unsurlara ayrı ayrı bakmayı gerektirir.

Yararlı bir test, yolu kimin belirlediğini sormaktır. Geleneksel bir iş akışında geliştirici önceden sıralamayı tanımlar: adım A, ardından B, ardından C. Bir ajanik sistemde model, hangi adımların gerekli olduğu ve hangi sırayla yapılacağı konusunda bir miktar takdir yetkisine sahiptir. Anthropic’in etkili ajanlar oluşturma rehberi, önceden tanımlı kod yolları ile kendi süreç ve araç kullanımını dinamik olarak yönlendiren ajanlar arasındaki aynı pratik ayrımı ortaya koyar.

Çoğu üretim ajanı beş unsurdan oluşur:

• Bir model: hedefi yorumlayan ve eylemleri seçen akıl yürütme ve dil motoru.
• Talimatlar: sistem kuralları, görev tanımı, politikalar ve başarı tanımları.
• Araçlar: ajanı arama yapmaya, hesaplamaya, veri getirmeye, dosya yazmaya, API çağırmaya veya arayüzleri çalıştırmaya olanak tanıyan işlevler.
• Durum veya hafıza: bir adımdan diğerine, bazen oturumlar arası taşınan bilgi.
• Bir kontrol döngüsü: modeli sonuçlarla besleyen ve devam edip etmeyecek, yeniden deneyecek, yardım isteyecek ya da durduracak kararını veren çalışma zamanı.

Ajan döngüsü: planla, uygula, gözlemle ve uyum sağla

Uygulamalar farklılık gösterse de, bir ajan tipik olarak tekrarlayan dört aşamalı bir model izler.

1. Hedefi yorumla

Ajan, istenen sonucu, ilgili kısıtlamaları ve eksik bilgileri belirler. Güçlü bir görev tanımı yalnızca ne yapılacağını değil, ne zaman tamamlanmış sayılacağını da içerir. “Bu şirketi araştır” ifadesi belirsizdir; “Son üç yıllık yıllık raporlarını karşılaştır ve maddi değişiklikleri işaretle” gibi bir tanım ölçülebilir bir hedef oluşturur.

2. Bir eylem seç

Model doğrudan yanıt verebilir, bir plan oluşturabilir, bir aracı çağırabilir, bir alt görevi devredebilir ya da açıklama isteyebilir. Eylem genellikle yazılımın yürütmeden önce doğrulamasına olanak tanıyan yapılandırılmış bir formatta sunulur. İşte bu aşama, ajan tasarımının olasılıksal model çıktısını kontrollü bir sistem operasyonuna dönüştürdüğü yerdir.

3. Sonucu gözlemle

Çalışma zamanı araç çıktısını, bir hatayı, değişen bir arayüzü ya da diğer çevresel geri bildirimi döndürür. Ajan bu gözlemi çalışma bağlamına ekler. Arama zayıf kanıt döndürürse ya da bir API argümanını reddederse, sonraki karar bu yeni durumu yansıtmalıdır.

4. Uyumu sağla ya da dur

Ajan ilerlemeyi değerlendirir ve başka bir eylem seçer. Planını revize edebilir, farklı bir araç deneyebilir, sonucu doğrulayabilir ya da hedefin tamamlandığını belirleyebilir. OpenAI, bu etkileşimi model, araçları ve ortam arasındaki bir döngü olarak modelden ajana geçiş tartışmasında tanımlar.

Bu desen, dış gözlemlerin sonraki akıl yürütmeyi güncelleyebildiği ReAct yaklaşımına benzer. Orijinal ReAct makalesi, çevresel geri bildirim olmadan tam bir plan üretmeye alternatif bir tasarım olarak kabul edilmesinde etkili olmuştur.

Agentik AI ve üretken AI karşılaştırması

Üretken AI, metin, görüntü, ses, video ya da kod gibi yeni içerik üreten sistemleri tanımlar. Agentik AI ise bir sistemin bir hedefi nasıl takip ettiğini açıklar. Kategoriler örtüşür ancak birbirinin yerine geçmez.

Üretken bir model, bir e-posta taslağı oluşturabilir ancak ajan değildir. Bir ajan, e-postayı taslaklamak için üretken modeli kullanabilir, doğru alıcıyı bulabilir, politikayı kontrol edebilir, ek oluşturabilir ve mesajı inceleme kuyruğuna yerleştirebilir. Model zekâ sağlar; çevreleyen ajan sistemi ise araçları, durumu, orkestrasyonu ve kontrolleri sağlar.

Agentik sistemlerin faydalı olduğu alanlar

Ajanlar, hedefe giden yol önceden tam olarak tanımlanamadığında, ancak ilerleme gözlemlenip kontrol edilebildiğinde en değerli olur. Yaygın örnekler şunlardır:

• Araştırma: birden çok kaynağı arama, boşlukları doldurma, kanıtları karşılaştırma ve atıflı bir rapor oluşturma.
• Yazılım mühendisliği: bir depoyu gezme, kod düzenleme, test çalıştırma, hataları yorumlama ve yineleme.
• Müşteri operasyonları: hesap bağlamını toplama, politikayı uygulama, çözüm önerme ve istisnaları yükseltme.
• Veri analizi: veri seti seçme, sorgular yazma, anormallikleri kontrol etme, görselleştirme üretme ve bulguları açıklama.
• BT operasyonları: uyarıları araştırma, tanı toplama, iyileştirme önerme ve onaylı çalışma kitaplarını yürütme.
• İdari işler: takvimleri, belgeleri, formları, onayları ve sistemler arası güncellemeleri koordine etme.

Her adım bilinen ve sabit bir iş akışı olduğunda geleneksel otomasyon genellikle daha iyidir. Sıradan otomasyon yeterli olduğunda bir ajan eklemek maliyeti ve değişkenliği artırabilir, gerçek bir değer katmaz.

Ajanı otomasyondan ne zaman kullanmalısınız?

En uygun mimari iki soruya bağlıdır: yol ne kadar öngörülebilir ve hatalı bir eylemin maliyeti ne kadar yüksek? Bir sistem, modele daha fazla özgürlük tanıdığı için daha gelişmiş hâle gelmez. Birçok yüksek riskli ortamda, en güçlü tasarım belirleyici yazılımı dar bir ajanik bileşenle bilinçli bir şekilde birleştirir.

Yararlı bir uzlaşı sınırlı ajansdır. Ajan, bilgi toplama, onaylı bir aracı çağırma ya da bir taslağı revize etme konusunda karar verebilir; deterministik kod ise şemaları, erişim kurallarını, bütçeleri ve son onayı zorlar. Bu, özerkliği korurken olasılıksal bir modelin kendi otoritesini denetlemesini gerektirmez.

Agentik AI neden zordur?

Bir ajan, yerel olarak makul bir karar vererek görevi yanlış bir yöne götürebilir. Küçük hatalar uzun bir yolculukta birikerek, ikna edici bir son yanıtın altında hatalı ya da güvensiz bir süreci gizleyebilir.

Bu birikimli etki, ajan değerlendirmesinin sıradan yanıt değerlendirmesinden farklı olmasının bir nedenidir. Başarısız bir görev, modelin planında, yanıltıcı bir araç sonucunda, hatalı bir durum güncellemesinde, erken durma kararında ya da güvensiz bir izin sınırında ortaya çıkabilir. Öte yandan, doğru bir son yanıt, bir sonraki çalıştırmada başarısız olacak kırılgan bir yolun ürünü olabilir. Bu yüzden ekipler hem sonuç metriklerine hem de yol izine dair kanıtlara ihtiyaç duyar.

Başlıca zorluklar şunlardır:

• Güvenilirlik: aynı görev, tekrarlanan denemelerde farklı yollar ve sonuçlar üretebilir.
• Temellendirme: model, araç çıktısını, arayüz durumunu ya da kullanıcının gerçek niyetini yanlış anlayabilir.
• İzinler: faydalı bir ajan anlamlı erişim gerektirebilir, ancak geniş erişim bir hatanın sonuçlarını büyütür.
• Prompt enjeksiyonu: güvenilmeyen içerik, ajanı yönlendirmek ya da veri sızdırmak için tasarlanmış talimatlar içerebilir.
• Maliyet ve gecikme: her ek model çağrısı, araç kullanımı, doğrulama adımı ya da alt ajan kaynak ve zaman tüketir.
• Değerlendirme: yalnızca nihai sonucu yargılamak, kırılgan akıl yürütmeyi, politika ihlallerini ya da şanslı başarıyı gözden kaçırabilir.

Bir AI ajanını kontrol altında tutmanın yolları

Güvenli özerklik tasarlanır, varsayılmaz. Ajan, görev için gereken minimum araç ve veriyi almalıdır. Yüksek etkili eylemler — mesaj gönderme, para transferi, veri silme ya da üretim sistemlerini değiştirme gibi — açık onay ya da sıkı bir politika gerektirmelidir.

Güçlü sistemler ayrıca planlamayı yürütmeden ayırır. Araç argümanları şemalara göre doğrulanabilir; eylemler sandbox ortamlarında çalıştırılabilir; hassas işlemler izinli listelere konulabilir; çıktılar başka bir sisteme girdi olmadan önce kontrol edilebilir. Zaman, token ve eylem bütçeleri, kafası karışmış bir ajanın sonsuz döngüde takılmasını önler.

Gözlemlenebilirlik de aynı derecede önemlidir. Ekipler talimatları, araç çağrılarını, ara gözlemleri, onayları, hataları ve nihai sonucu kaydetmelidir. Bu yolculuk hata ayıklamayı ve değerlendirmeyi mümkün kılar. Anthropic’in güvenilir ajanlar üzerine çalışması, net otorite sınırları ve anlamlı insan kontrolünü temel tasarım gereksinimi olarak vurgular.

Geri döndürülebilirlik bu kontrolleri şekillendirmelidir. Kamu bir web sayfasını okumak geri alınabilir bir işlemdir çünkü bir değişiklik yapmaz; bir geri ödeme yapmak, müşteriye e-posta göndermek ya da bir bulut kaynağını silmek geri alınamaz. Olgun bir ajan sistemi, eylemleri sonuçlarına göre sınıflandırır, geri alınması zor işlemler için daha güçlü yetkilendirme ister ve yürütmeyi — modeli değil — nihai karar vericisi olarak belirler.

Agentik AI ne demek değildir

“Agentik” bilinçli, öz farkındalıklı ya da bağımsız motive olmuş anlamına gelmez. Sistemin görünür inisiyatifi, bir sonraki adımı seçmesi için sürekli olarak modele sorulan bir modelin içinde çalışan bir yazılımdan kaynaklanır. Hedefleri, araçları, izinleri, durma koşulları ve ortamı tamamen insanlar tarafından tasarlanmıştır.

Ayrıca genel zekâ garantisi vermez. Bir ajan dar bir ortamda çok yetenekli olabilir, ancak arayüz, veri ya da görev değiştiğinde kırılgan hâle gelebilir. Özerklik bu yüzden gösterilen performansa göre kalibre edilmelidir, modelin akıcı konuşmasına göre değil.

Sonuç

Agentik AI, bir modeli yalnızca yanıt üreticisinden hedef yönelimli bir sistemin bir bileşenine dönüştürür. Tanımlayıcı özellik belirli bir model ya da protokol değil; sistemin eylem seçtiği, araçları kullandığı, ne olduğunu gözlemlediği ve uyum sağladığı kapalı döngüdür.

En etkili ajanlar bu esnekliği dar bir kapsam, en düşük ayrıcalıklı erişim, görünür yolculuklar, titiz değerlendirme ve kritik sınırda insan kontrolüyle birleştirir. Merkezi soru artık sadece “Model doğru yanıtı üretebilir mi?” değil, aynı zamanda “Bütün sistem güvenilir bir süreçle doğru sonuca ulaşabilir mi?” sorusudur.