Agentik AI Nedir? Sistemler Nasıl Planlar, Araçları Kullanır ve Görevleri Tamamlar

Agentik AI, bir hedefi takip edebilmek için bir sonraki adımı belirleyip araçları kullanarak 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 kontrol döngüsü içinde çalışır.

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

Bir AI Sistemini Agentik Kılan Nedir?

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

Özerklik aynı zamanda çok boyutludur. Bir ajan kendi araştırma sorgularını seçebilir ancak hiçbir şey yayımlayamaz; bir diğeri sabit bir planı izlerken üretim sisteminde değişiklik yapma iznine sahip olabilir. “Ne kadar agentik” olduğunu değerlendirmek, planlama özgürlüğü, araç erişimi, çalışma süresi, geri dönüşüm ve hatanın sonuçları gibi unsurlara ayrı ayrı bakmayı gerektirir.

Yararlı bir test, yolun kim tarafından belirlendiğini sormaktır. Geleneksel bir iş akışında geliştirici önceden sıralamayı tanımlar: adım A, ardından B, ardından C. Agentik bir sistemde model, hangi adımların gerektiği ve hangi sırayla yapılacağı konusunda bir miktar takdir yetkisine sahiptir. Anthropic’in etkili ajanlar oluşturma rehberi, önceden tanımlı kod yolları ile kendi süreçlerini ve araç kullanımını dinamik olarak yönlendiren ajanlar arasındaki pratik ayrımı aynı şekilde vurgular.

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 yarayan işlevler.
• Durum veya bellek: bir adımdan diğerine ve bazen oturumlar arası taşınan bilgi.
• Kontrol döngüsü: modeli sonuçlarla besleyen ve devam edip etmeyeceğine, yeniden deneyeceğine, yardım isteyeceğine ya da duracağına karar veren çalışma zamanı.

Ajan Döngüsü: Planla, Uygula, Gözlemle ve Uyarlama

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

1. Hedefi Yorumla

Ajan, istenen sonucu, ilgili kısıtlamaları ve eksik bilgileri belirler. Güçlü bir görev tanımı sadece ne yapılacağını değil, ne zaman tamamlanmış sayılacağını da içerir. “Bu şirketi araştır” ifadesi belirsizdir; “Son üç yıllık yıllık raporlarını karşılaştıran, kaynakça ekleyen ve önemli değişiklikleri işaretleyen bir rapor üret” gibi bir tanım ölçülebilir bir hedef sunar.

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 aşamada ajan tasarımı, olasılıksal model çıktısını kontrollü bir sistem operasyonuna dönüştürür.

3. Sonucu Gözlemle

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

4. Uyarlama ya da Durdurma

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

Bu desen, dışsal gözlemlerin sonraki akıl yürütmeyi güncelleyebildiği ReAct yaklaşımıyla ilişkilidir. Orijinal ReAct makalesi, çevresel geri bildirim olmadan tam bir plan üretmeye alternatif bir tasarım olarak kabul edilmesini sağlamıştır.

Agentik AI ve Üretken AI

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 çakışabilir ancak birbirinin yerine geçmez.

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

Agentik Sistemlerin Kullanışlı Olduğu Yerler

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

• Araştırma: birden fazla kaynağı arama, boşlukları giderme, kanıtları karşılaştırma ve kaynakça ekli bir rapor oluşturma.
• Yazılım mühendisliği: bir depoyu gezme, kodu düzenleme, test çalıştırma, hataları yorumlama ve yineleme.
• Müşteri operasyonları: hesap bağlamını toplama, politikaları uygulama, çözüm önerme ve istisnaları yükseltme.
• Veri analizi: veri seti seçme, sorgular yazma, anormallikleri kontrol etme, görselleştirme üretme ve bulguları açıklama.
• BT operasyonları: uyarıları inceleme, tanı toplama, iyileştirme önerme ve onaylı runbook’ları yürütme.
• İdari işler: takvimleri, belgeleri, formları, onayları ve sistemler arası güncellemeleri koordine etme.

Süreç sabit ve her adım biliniyorsa sabit bir iş akışı genellikle daha iyidir. Normal otomasyonun yeterli olduğu durumlarda bir ajan eklemek maliyeti ve değişkenliği artırabilir, gerçek bir değer katmayabilir.

Bir Ajanı Otomasyon Yerine Ne Zaman Kullanmalısınız?

En iyi mimari iki soruya bağlıdır: yol ne kadar öngörülebilir ve hatalı bir eylem ne kadar maliyetli? Bir sistem, modele daha fazla özgürlük tanıdığı için otomatik olarak daha gelişmiş hale gelmez. Birçok yüksek riskli ortamda, en güçlü tasarım, deterministik yazılımı dar bir agentik bileşenle bilinçli bir şekilde birleştirir.

Yararlı bir uzlaşma 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 uygular. Bu, özerkliği korurken olasılıksal modelin kendi yetkisini denetlemesini gerektirmez.

Agentik AI Neden Zordur?

Bir ajan, yerel olarak makul bir karar vererek görevi yanlış bir yöne yönlendirebilir. Küçük hatalar uzun bir yolculukta birikerek, ikna edici bir son yanıtın aslında hatalı veya güvensiz bir sürecin sonucunu gizlemesine yol açar.

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 olabilecek kırılgan bir yolun ürünü olabilir. Bu yüzden ekiplerin hem sonuç ölçütlerine hem de yol kanıtına ihtiyaçları vardır.

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: Yararlı bir ajan anlamlı erişime ihtiyaç duyabilir, 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: Sadece nihai sonuca bakmak, kırılgan akıl yürütmeyi, politika ihlallerini ya da şans eseri başarıyı gözden kaçırabilir.

AI Ajanını Kontrol Altında Tutmanın Yolları

Güvenli özerklik tasarlanır, varsayılmaz. Ajan, görev için gereken en az araç ve veriyle donatılmalıdır. Mesaj gönderme, para transferi, veri silme ya da üretim sistemlerini değiştirme gibi yüksek etkili eylemler açık onay ya da sıkı bir politika gerektirmelidir.

Güçlü sistemler planlamayı yürütmeden ayırır. Araç argümanları şemalara göre doğrulanabilir; eylemler sandbox ortamlarında çalıştırılabilir; hassas işlemler izin listesine alınabilir; çıktılar başka bir sisteme girdi olmadan önce kontrol edilebilir. Zaman, token ve eylem bütçeleri, kafası karışmış bir ajanın sonsuz döngüye girmesini önler.

Gözlemlenebilirlik de aynı derecede kritiktir. Ekipler talimatların, araç çağrılarının, ara gözlemlerin, onayların, hataların ve nihai sonucun kaydına ihtiyaç duyar. Bu iz, hata ayıklamayı ve değerlendirmeyi mümkün kılar. Anthropic’in güvenilir ajanlar üzerine çalışması, net yetki sınırları ve anlamlı insan kontrolünü temel tasarım gereksinimleri olarak vurgular.

Geri dönüşlülük bu kontrolleri şekillendirmelidir. Kamu bir web sayfasını okumak kolayca geri alınabilir çünkü hiçbir şey değiştirilmez; bir iade işlemi, müşteriye e-posta gönderimi ya da bulut kaynağının silinmesi geri alınamaz. Olgun bir ajan sistemi, eylemleri sonuçlarına göre sınıflandırır, geri alınması zor işlemler için daha güçlü yetkilendirme gerektirir ve yürütme izni verme kararını modele değil çalışma zamanına bırakır.

Agentik AI Ne Anlamına Gelmez?

“Agentik”, bilinçli, öz farkındalıklı ya da bağımsız motivasyonlu olduğu anlamına gelmez. Sistemin görünür inisiyatifi, bir yazılım içinde çalışan ve sürekli bir sonraki adımı seçmesi istenen bir modelden kaynaklanır. Hedefleri, araçları, izinleri, durma koşulları ve ortamı tamamen insanlar tarafından tasarlanır.

Ayrıca genel zekâ garantisi de vermez. Bir ajan dar bir ortamda son derece yetenekli olabilir, ancak arayüz, veri ya da görev değiştiğinde kırılganlaşır. Özerklik, modelin akıcı sesine göre değil, gösterdiği performansa göre ayarlanmalıdır.

Agentik AI Hakkında Hatırlanması Gerekenler

Agentik AI, bir modeli yalnızca yanıt üreten bir yapıdan, hedef yönelimli bir sistemin bileşeni haline getirir. Tanımlayıcı özellik belirli bir model ya da protokol değil; sistemin eylem seçtiği, araçları kullandığı, ne olduğunu gözlemlediği ve uyarladığı kapalı döngüdür.

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