Otomasyon Agentic AI Değildir

Akış ile kontrollü hareket alanı arasındaki fark.

Bugün birçok yapay zekâ projesi “agentic” olarak tanımlanıyor; oysa özünde yalnızca belirli adımlarında bir dil modeli kullanılan otomatik iş akışlarından ibaretler. Bir tetikleyici zinciri başlatır, veriler aktarılır, bir model metin üretir ve ardından önceden belirlenmiş sonraki adım çalışır. Bu yapı son derece faydalı olabilir. Ancak bir hedef ve kural çerçevesi içinde sistemin nasıl devam edeceğine kendisinin karar verebildiği bir mimariden farklıdır.

Bu ayrım akademik değildir. Sistemin nasıl planlanması, test edilmesi, izlenmesi ve sınırlandırılması gerektiğini değiştirir. Klasik otomasyon öncelikle doğru çalışan bir akışa ihtiyaç duyar. Agentic AI ise buna ek olarak kontrollü bir hareket alanına ihtiyaç duyar. Yalnızca sırada ne olacağını belirlemekten çıkıp modelin hangi sonraki adımın anlamlı olduğuna karar vermesine izin verdiğimiz anda mimari değişir.

Bu nedenle asıl soru “Bu sistem bir ajan mı?” olmamalıdır. Daha verimli soru şudur: Sistem hangi kararları kendi verebilir, hangileri sabit kalmalıdır?

Otomasyon önceden tasarlanmış bir yoldur

Otomasyon, bilinen bir sürecin yazılım tarafından yürütülmesidir. Bir olay tanımlı bir diziyi başlatır. Adımlar basit kurallar, veri tabanı sorguları, API çağrıları veya yapay zekâ modelleri içerebilir. Belirleyici olan, zincirin herhangi bir yerinde yapay zekâ bulunup bulunmaması değildir. Belirleyici olan süreç mantığının nerede bulunduğudur.

Klasik otomasyonda bu mantık büyük ölçüde modelin dışındadır. Bir geliştirici, uzman veya workflow sistemi belirli bir durumdan sonra ne olacağını önceden tanımlamıştır. A gerçekleşirse B çalışır. C koşulu doğruysa D'ye, değilse E'ye gidilir. Yüzlerce dalı olan karmaşık bir süreç bile tamamen otomatik olabilir ve yine de agentic olmayabilir.

Kararlı süreçlerde bu bir avantajdır. Öngörülebilir akışları test etmek, tekrar üretmek ve izlemek daha kolaydır. Faturaların bilinen bir kanaldan geldiği, sabit bir adlandırma kuralına göre kaydedildiği, belirli bir klasöre taşındığı ve ardından muhasebe arayüzüne aktarıldığı bir süreçte deterministik otomasyon doğru çözüm olabilir. Her çalıştırmada dosyalarla ne yapacağını yeniden düşünen bir ajan, ek maliyet ve belirsizlik yaratabilir.

Bu yüzden otomasyon “eski” veya daha düşük bir seçenek değildir. Problem iyi yapılandırılmışsa çoğu zaman daha güçlü mimaridir.

Zincirde bir LLM bulunması sistemi otomatik olarak ajan yapmaz

Karışıklık genellikle bir workflow'a LLM eklendiği anda başlar. Örneğin sistem bir e-posta alır, modeli kullanarak sınıflandırır ve sınıfa göre sabit bir işlem çalıştırır. Sınıflandırma olasılıksal olabilir; fakat bütün sürecin kontrolü yine de büyük ölçüde otomatik ve önceden tanımlıdır.

Aynı durum birden fazla prompttan oluşan zincirler için de geçerlidir. Prompt A her zaman Prompt B'yi, B de her zaman C'yi tetikliyorsa elimizde yapay zekâ destekli bir pipeline vardır. Bu yapı gelişmiş olabilir ve çok iyi sonuçlar üretebilir. Ancak model, yürütme yolunun önemli bölümlerini kendisi yönetmeye başladığında agentic hale gelir.

Bu ayrım önemlidir çünkü “yapay zekâ” ile “agency” aynı özellik değildir. Bir sistem tek tek adımlarda çok zeki işler yapabilir ama sürecin kontrolünde neredeyse hiç söz sahibi olmayabilir. Tersine, daha basit bir model; araç seçebiliyor, ara sonuçları değerlendirebiliyor, tekrar başlatabiliyor ve sonraki adımı belirleyebiliyorsa önemli bir hareket alanına sahip olabilir.

Teknik soru bu nedenle “Tek adım ne kadar akıllı?” değil, “Model çalışma zamanında sürecin ne kadarını kontrol ediyor?” olmalıdır.

Agentic AI süreç kontrolünün bir bölümünü çalışma zamanına taşır

Agentic sistemler workflow kontrolünün bir kısmını önceden yazılmış süreç mantığından çalışma zamanına taşır. Modele bir hedef, bağlam, araçlar, kurallar ve sınırlar verilir. Model bu çerçevede sıradaki en anlamlı eylemi seçer.

Bir ajan önce dosya okuyabilir, sonra bilgi tabanında arama yapabilir, kritik bir bilginin eksik olduğunu fark edip ek araştırma başlatabilir, yeni kanıtı değerlendirebilir ve ancak bundan sonra rapor üretebilir. Tam sıra her çalıştırmada aynı olmak zorunda değildir.

Anthropic bu mimari sınırı açık biçimde tanımlar: workflow'larda modeller ve araçlar önceden tanımlanmış kod yolları üzerinden orkestre edilir; ajanlarda ise model kendi sürecini ve araç kullanımını daha dinamik biçimde yönlendirir.^[1] OpenAI de benzer şekilde, modelin yalnızca tekil görevler yaptığı LLM uygulamaları ile workflow yürütmesini yöneten, duruma göre araç seçen, hataları düzeltebilen ve gerektiğinde durup kontrolü insana devredebilen ajanları ayırır.^[2]

Bu esneklik büyük kural ağaçlarının yerini alabilir. Fakat aynı zamanda yeni bir hata yüzeyi oluşturur. Sisteme verilen her yeni karar olanağı, yanlış karar verebileceği yeni bir noktadır.

Gerçek fark bir sonraki karardadır

En temiz sınır tek bir soruyla bulunabilir: Bir sonraki adımı kim belirliyor?

Otomasyonda önceden tasarlanmış akış karar verir. Model bir adımın içinde sınıflandırma, özetleme, veri çıkarma veya metin üretme yapabilir; fakat sonraki sistem durumu yine kurallarla belirlenir. Agentic sistemde ise model, mevcut durumdan hareketle hangi eylemin, aracın veya alt yolun sırada olması gerektiğine karar verebilir.

Tablo aynı zamanda kategorilerin ikili olmadığını gösterir. Katı otomasyon ile geniş kapsamlı agency arasında büyük ve pratik bir tasarım alanı vardır.

“Otonomi” yerine hareket alanını ölçmek daha yararlıdır

Otonomi kelimesi yapay zekâ tartışmalarında hızla gereğinden büyük hale gelir. Bir sistem ya tamamen otonom ya da tamamen insan kontrollü değildir. Gerçek sistemler bir süreklilik üzerinde çalışır.

Bir asistan yalnızca öneri sunabilir. Başka bir sistem üç onaylı eylem arasından seçim yapabilir. Daha agentic bir sistem hangi araçları hangi sırada kullanacağını ve bir alt problemin tekrar ele alınıp alınmayacağını belirleyebilir. Daha geniş bir sistem dış eylemler başlatabilir, verileri değiştirebilir veya yeni bir kullanıcı komutu olmadan daha uzun süre çalışabilir.

Bu nedenle sistem tasarımında belirsiz “otonomi” etiketi yerine hareket alanı daha faydalıdır. Sistemin gerçekte hangi kararları verebildiğini açıkça tanımlamaya zorlar.

En az altı boyutu ayrı düşünmek gerekir: Sıralama – model çalışma sırasını belirleyebilir mi? Araç seçimi – veri ve eylem araçları arasında seçim yapabilir mi? Bilgi edinme – eksik bağlamı fark edip yeni kanıt isteyebilir mi? Görev parçalama – alt görevleri oluşturabilir veya yeniden düzenleyebilir mi? Toparlanma – hata sonrasında farklı bir strateji seçebilir mi? Ve çıkış ve eskalasyon – bitirebilir, durabilir veya insanı devreye alabilir mi?

Bu boyutların ne kadarı model tarafından kontrol edilirse yürütme o kadar agentic hale gelir. Ancak hepsini maksimum düzeyde açmak zorunlu değildir.

Durum bilgisi agentic yapıyı operasyonel hale getirir

Agentic bir sistem boşlukta karar vermez. Hedefi ve sonraki seçenekleri yorumlayabilmek için güncel bir duruma ihtiyaç duyar.

Bu durum; hangi görevlerin bittiğini, hangi kanıtların mevcut olduğunu, hangi varsayımların geçerli kaldığını, hangi araçların kullanılabilir olduğunu, hangi denemelerin başarısız olduğunu, ne kadar bütçe kaldığını ve hangi kararların açık olduğunu içerebilir. Operasyonel durum olmadan “otonomi” kolayca büyük bir prompt içinde daha uzun metin üretimine dönüşür.

Akıllı tekil fonksiyon ile operasyonel ajan arasındaki fark burada görünür. Bir sınıflandırıcı mesajı çok iyi kategorize edebilir. Bir ajan ise ayrıca bu sınıflandırmanın sürecin geri kalanı için ne anlama geldiğini değerlendirmelidir.

Agency bu nedenle yalnızca modelin yeteneği değildir. Model, durum, araçlar, izinler, kurallar ve exit koşullarının birleşiminden oluşur.

Her değişken workflow agentic değildir

Klasik yazılım çok dinamik görünebilir. Yüzlerce kural, event handler ve dal içerebilir; kullanıcıya, veri değerine ve hata durumuna göre değişebilir. Hangi yolun seçileceği tamamen kod içinde tanımlı olduğu sürece süreç esas olarak kod tarafından orkestre edilir.

Tersine, görsel olarak basit bir ajan gerçek süreç takdirine sahip olabilir. Yalnızca üç aracı olabilir. Fakat hangi aracı ne zaman kullanacağına, bir adımı tekrar edip etmeyeceğine, daha fazla bilgi gerekip gerekmediğine ve ne zaman bitireceğine model karar veriyorsa önemli workflow kontrolü modeldedir.

Fark “basit-karmaşık” ya da “kural-yapay zekâ” değildir. Fark önceden tanımlanmış yol seçimi ile model tarafından çalışma zamanında yapılan yol seçimi arasındadır.

Agency bütçesi: Bu görev ne kadar karar alanına ihtiyaç duyuyor?

Yararlı bir planlama sorusu şudur: Bu sistemin agency bütçesi ne kadar büyük olmalı? Burada kastedilen, bilinçli olarak izin verilen karar alanıdır.

Küçük bir agency bütçesinde sistem yalnızca birkaç net kararı verebilir. Bilinen araçlar arasında seçim yapabilir, eksik bilgiyi fark edebilir ve insan onayı isteyebilir. Daha büyük bütçe; daha fazla sıralama, araç kullanımı, tekrar ve belki de dış sistemlerde doğrudan değişiklik anlamına gelir.

Bu bütçe teknolojik heyecana göre değil, görevin mantığına göre verilmelidir. Kurallar ne kadar kararlıysa, hatanın maliyeti ne kadar yüksekse ve tekrarlanabilirlik ne kadar önemliyse serbest karar alanı genellikle o kadar küçük olmalıdır. Bilgi ne kadar yapılandırılmamışsa, hedefe giden yol ne kadar değişkense ve ara durumlara göre muhakeme ne kadar önemliyse sınırlı agentic yapı o kadar faydalı olabilir.

Bu bakış açısı agentic tasarımı planlanabilir hale getirir. “Daha fazla otonomi” tartışmak yerine hangi kararların devredileceği, hangi araçlara erişilebileceği, hangi eylemlerin geri alınabilir olması gerektiği ve ne zaman eskalasyon yapılacağı tanımlanabilir.

Agentic yapı maksimum özgürlük demek değildir

Sık görülen bir hata şudur: Agentic AI daha bağımsız kararlara dayanıyorsa, daha iyi bir ajan mümkün olduğunca çok kararı kendi vermelidir. Bu doğru değildir.

Profesyonel sistemlerde bilinçli sınırlandırma çoğu zaman kalite göstergesidir. Bir araştırma ajanı onaylı kaynak alanında özgürce arama yapabilir fakat yayınlayamaz. Bir coding ajanı test çalıştırabilir ve izole çalışma alanında dosya değiştirebilir fakat doğrudan production'a deploy edemez. Bir destek ajanı çözüm önerebilir ama yüksek tutarlı iade işlemini eskale eder.

Soru sistemin eylem yapıp yapamaması değildir. Soru bu görevin hangi eylem bölümünün mantıklı biçimde devredilebileceğidir.

Sınırın kendisi mimari bir bileşene dönüşür. İyi ajan her şeyi yapabilen ajan değil; karar alanı görevin değişkenliği ve riskiyle uyumlu olan ajandır.

En güçlü tasarım çoğu zaman hibrittir

Gerçek projelerde en iyi mimari çoğu zaman ne tamamen deterministik ne de maksimum agentic olur. Güçlü sistemler iki mantığı birleştirir.

Deterministik dış katman girdileri doğrulayabilir, izinleri uygulayabilir, hassas verileri filtreleyebilir, zaman ve maliyet limitlerini koyabilir ve hangi eylemlerin teknik olarak mümkün olduğunu belirleyebilir. Bu çerçevenin içinde ajan, bağlam yorumlama ve esnek karar gerektiren işi üstlenebilir.

Bunu kararlı bir kabuk ve adaptif bir çekirdek olarak düşünebiliriz. Kabuk güvenlik ve süreç sınırlarını sabitler. Çekirdek bu sınırlar içinde hedefe nasıl ulaşacağını seçer.

Hibrit mimari hata teşhisini de kolaylaştırır. Hangi parçaların deterministik, hangilerinin model kontrollü olduğu açıksa sorunların veri, kural, araç veya ajan kararı kaynaklı olup olmadığı daha net araştırılır.

Nelerin deterministik kalması gerekir?

Kurallar tamamen biliniyorsa, istisnalar sınırlıysa veya yanlış kararın sonucu yüksekse deterministik mantık özellikle değerlidir. Format doğrulama, kimlik doğrulama, izin kontrolleri, sert bütçe sınırları, değiştirilemez politika kuralları, teknik stop koşulları ve geri dönüşü zor eylemler bu gruba girebilir.

Bu, bu süreçlerde yapay zekâ kullanılamaz anlamına gelmez. Model içerik çıkarabilir, isteği sınıflandırabilir veya öneri oluşturabilir; kritik geçiş yine kod, politika veya insan onayıyla kontrol edilebilir.

İyi sistemler yorumlama gereken yerde model zekâsını, öngörülebilirliğin başlı başına kalite kriteri olduğu yerde deterministik yazılımı kullanır.

Agentic AI nerede gerçek değer üretir?

Hedef yeterince net olduğu halde yol bütünüyle önceden tarif edilemiyorsa agentic yapı değer kazanır. Araştırma, analiz, karmaşık doküman çalışmaları, istisna yönetimi, dinamik planlama ve sonraki adımın ara sonuçlara bağlı olduğu görevler tipik örneklerdir.

Ajan burada yalnızca daha hızlı bir otomasyon parçası değildir. Kontrollü bir sistem içindeki çalışma zamanı karar vericisidir.

Özellikle istisna kurallarıyla şişmiş süreçler güçlü adaylardır. İnsanlar sürekli “Normalde A geçerli ama B ve C birlikteyse ve D'ye de bağlıysa...” diyorsa yüzüncü if-else bloğu yerine model destekli yorumlama anlamlı olabilir. Yine de modelin her downstream sonucu kendisinin çalıştırması gerekmez.

Bir kararı yorumlama yeteneği ile o kararın sonucunu uygulama yetkisi ayrı katmanlardır.

Bir ajanın hedefe, duruma, araçlara ve çıkışa ihtiyacı vardır

Agentic sistem yalnızca “daha fazla özgürlük” verildiğinde sağlam hale gelmez. Yapısız hareket alanı gelişmiş mimari değil, kötü sınırlandırılmış belirsizliktir.

Dört unsur temeldir. Birincisi, ilerlemeyi değerlendirecek kadar somut bir hedef. İkincisi, güncel durum: hangi bilgi var, hangi adımlar yapıldı, hangi varsayımlar geçerli? Üçüncüsü, açık hakları ve dönüş değerleri olan araçlar. Dördüncüsü, exit ve eskalasyon koşulları.

Son unsur sıkça küçümsenir. Ajan tamamlandığını, daha fazla adımın fayda üretmediğini ve insanın devralması gerektiğini anlayabilmelidir. Belirsizlikte sadece devam eden bir sistem çok otonom değil, kötü yönetilen bir sistemdir.

Retry limitleri, zaman bütçeleri, maliyet bütçeleri, izin verilen araç sınıfları, geri alınabilir eylemler ve insan onayları baştan mimarinin parçası olmalıdır.

Proaktiflik işletim modunu değiştirir

Bir başka sınır, sistemin yalnızca doğrudan kullanıcı isteğine cevap vermek yerine sürekli çalışmaya başladığı noktada görünür. Ajan düzenli olarak proje durumunu inceleyebilir, blokajları bulabilir ve araştırma, güncelleme veya eskalasyon gerekip gerekmediğine karar verebilir.

Bu, işletim modunu değiştirir. Reaktif sistem yalnızca tetiklendiğinde çalışır. Proaktif sistem durumları yorumlayıp eylemi kendi başlatabilir. Bu faydalıdır ama izin yönetimi, monitoring ve stop mekanizmaları için gereksinimleri büyütür.

Sürekli çalışan sistemlerde hangi durumların eylem başlatmaya yetkili olduğu açık olmalıdır. Aksi halde sistem sürekli meşgul olabilir ama sürekli değer üretmeyebilir.

Proaktiflik yalnızca konfor özelliği değildir. Karar yüzeyini genişletir ve ek bir izin gibi tasarlanmalıdır.

Hareket alanı kendine özgü hata sınıfları üretir

Otomasyon çoğunlukla yanlış kural, beklenmeyen veri veya entegrasyon arızası nedeniyle bozulur. Agentic sistemler bunlara yeni hata sınıfları ekler.

Ajan görevi yanlış parçalayabilir. Makul görünen ama yanlış bir araç seçebilir. Yerel bir ilerlemeyi genel hedefle karıştırabilir. Çok erken durabilir, gereğinden fazla iterasyon yapabilir veya yanlış toparlanma stratejisiyle sorunu büyütebilir. Seçtiği rota en baştan sorunlu olsa bile sonucu ikna edici biçimde açıklayabilir.

Kalite kontrolü bu nedenle değişmelidir. Sadece nihai çıktıya bakmak yeterli değildir. Önemli kararların izin verilen ve anlamlı yollar üzerinden oluşup oluşmadığı da test edilmelidir.

Bu, modelin tüm iç temsillerini açmak anlamına gelmez. Operasyonel açıdan önemli olayların görünür olması anlamına gelir: araç çağrıları, durum değişiklikleri, eskalasyonlar, başarısız denemeler, kullanılan kanıt ve yürütülen eylemler.

Ajanları test etmek yol ve sınırları test etmektir

Deterministik workflow çoğu zaman sabit girdiler ve beklenen çıktılarla test edilebilir. Agentic sistemlerde ek olarak davranış ve yol testleri gerekir.

İyi bir test seti sadece normal durumu içermez. Bir kaynak eksikse, iki kaynak çelişiyorsa, araç çalışmıyorsa, bütçe bitmek üzereyse, eylem geri döndürülemiyorsa veya hedef belirsizleşiyorsa ne olduğunu da sınar.

Ajan kalitesi bu nedenle yalnızca çıktı kalitesi değildir. Karar kalitesi, sınır uyumu ve toparlanma yeteneğini de kapsar.

Decision Surface Map agentic yapıyı test edilebilir kılar

Planlama için yararlı bir artefakt Decision Surface Map olabilir. Her önemli karar için kimin karar verebildiğini, hangi bilginin gerekli olduğunu, kararın etkisini ve nasıl geri alınacağını veya eskale edileceğini gösterir.

Bu harita tartışmayı somutlaştırır. “Yeterince otonom mu?” veya “fazla otonom mu?” yerine model kontrollü kararların nerede olduğu görülür. Testler, guardrail'ler ve onay noktaları tam buralara yerleştirilebilir.

Geri alınabilirlik küçümsenen bir otonomi sınırıdır

Her karar aynı kontrol düzeyini gerektirmez. Yanlış bir arama tekrar yapılabilir. Yanlış gönderilen mesaj, silinen dosya veya tetiklenen ödeme çok daha zor geri alınabilir.

Bu nedenle hareket alanı geri alınabilirliğe göre de ayarlanmalıdır. Read-only araştırma, yazma eylemlerinden daha geniş devredilebilir. Taslaklar otonom üretilebilirken yayınlama yetkisi ayrılabilir. İzole sandbox içindeki değişiklikler doğrudan production değişikliklerinden daha düşük risklidir.

Bu ayrım sadece riski azaltmaz. Düşük etkili alanlarda sonuçlar kontrol altında kaldığı için çoğu zaman daha fazla agentic özgürlük verilmesini mümkün kılar.

Maliyet, gecikme ve varyans tasarımın parçasıdır

Ajanlar ek adımlar planlayabildikleri, araç deneyebildikleri, sonuçları değerlendirebildikleri ve tekrar yapabildikleri için daha karmaşık işleri çözebilir. Aynı mekanizmalar ek maliyet ve gecikme üretir.

Varyans da artar. Deterministik workflow aynı yolu tekrarlamaya çalışır. Ajan benzer koşullarda farklı ama izin verilen yollar seçebilir. Araştırmada bu faydalı olabilir; ancak test, tahmin ve kapasite planlamasını zorlaştırır.

Anthropic bu nedenle işe yarayan en basit mimariyle başlamayı önerir.^[1] OpenAI de use case model kontrollü workflow kararlarına ihtiyaç duymuyorsa deterministik çözümün yeterli olabileceğini belirtir.^[2]

Profesyonel soru “Ne kadar agentic yapı ekleyebiliriz?” değil, “Hangi ek karar alanı, ek maliyetini gerçekten hak ediyor?” olmalıdır.

Hareket alanı büyüdükçe gözlemlenebilirlik daha önemli olur

Sistem ne kadar çok karar veriyorsa hangi operasyonel yolu seçtiğini anlamak o kadar önemli hale gelir. Deterministik akışta yol büyük ölçüde koddan çıkarılabilir. Agentic akışta önemli seçimler çalışma zamanında ortaya çıkar.

Bu nedenle ajanlar yalnızca son cevap üretmemelidir. Üretim ortamında önemli durum değişikliklerini, araç çağrılarını, hataları, eskalasyonları ve bitirme nedenlerini görünür kılacak yeterli telemetri gerekir. Bu, modelin bütün iç temsilini açıklamak değildir; operasyonel süreci denetlenebilir hale getirmektir.

İyi bir ajan yalnızca çıktı bırakmaz; önemli eylemlerinin ve durum değişikliklerinin anlaşılır izini de bırakır.

Aynı süreç, üç farklı mimari

Bir proje ekibinin e-postalar, görüşme notları ve dokümanlardan düzenli olarak yeni müşteri gereksinimleri aldığını düşünelim.

Saf otomasyonda giriş tetikleyicisi yeni dosyaları algılar, kurallara göre kaydeder, metadata çıkarır ve bildirim gönderir. Akış kararlıdır; fakat bir mesajın yalnızca soru mu, gerçek bir scope değişikliği mi yoksa çelişkili bir talep mi olduğunu anlayamaz.

Hibrit tasarımda teknik giriş otomatik kalır. Materyal güvenli biçimde kaydedilip sınıflandırıldıktan sonra ajan içeriği yorumlar. Yeni gereksinimi mevcut scope ile karşılaştırır, çelişkileri arar ve gerekçeli bir öneri hazırlar. Fakat bağlayıcı proje planını kendi başına değiştiremez; yapılandırılmış change proposal üretip sorumlu kişiye eskale eder.

Daha geniş agentic tasarımda aynı sistem ek sorular oluşturabilir, eksik bağlamı araştırabilir, alternatifleri değerlendirebilir, görevleri yeniden önceliklendirebilir ve planın bazı bölümlerini güncelleyebilir. Bu güçlüdür ama test edilmesi gereken yüzeyi büyütür. Artık yalnızca metin kalitesi değil; doğru kaynak, doğru varsayım, doğru görev ve doğru eylem seçimi de değerlendirilmelidir.

Üç mimari arasındaki temel fark model değil, karar sınırının nereye yerleştirildiğidir.

Agentic görünümü taklit eden beş anti-pattern

1. Ajan etiketi taşıyan cron job

Her çalıştırmada aynı prompt zincirini yürüten zamanlanmış süreç, çıktısı zeki görünse bile otomasyondur.

2. Yüz satırlık “otonom” adım-adım prompt

Bütün yol ayrıntılı biçimde önceden yazılmışsa modelin süreç kontrolü azdır. Bu iyi bir workflow olabilir; “ajan” demek mimariyi değiştirmez.

3. Her küçük iş için ajan

Bilinen kural güvenilir biçimde kodlanabiliyorsa ajan çoğu zaman yalnızca maliyet, varyans ve bakım yükü ekler.

4. Stop koşulu olmayan ajan

“Memnun olana kadar devam et” denilen sistem sağlam agency değil, açık döngü riski taşır.

5. Yalnızca metinde var olan human gate

İnsan onayı ancak mimari gerçek anlamda onay gelene kadar eylemi engelliyorsa koruma sağlar. “Önce sor” talimatı teknik gate ile aynı değildir.

Bu anti-pattern'ler temel prensibi gösterir: Agency bir etiket değil, süreç kontrolünün test edilebilir dağılımıdır.

Hareket alanı canvas'ı

Yedi soru agentic tasarımı önemli ölçüde netleştirebilir:

Bir ekip bu yedi soruya cevap verebiliyorsa uzun bir persona promptundan daha fazla gerçek ajan mimarisi tasarlamış demektir.

Bir ajanın ajan gibi görünmesi gerekmez

Agentic yapı çoğu zaman arayüze göre değerlendirilir. Bir ürün ilerleme adımları, araç çağrıları veya animasyonlu “çalışıyorum” görünümü gösterdiğinde otonom hissedilir. Başka bir agentic süreç arka planda görünmeden çalışıp yalnızca yapılandırılmış sonuç döndürebilir.

Arayüz mimari soruyu cevaplamaz. Önemli olan modelin operasyonel seçimlere sahip olup olmadığıdır. Bir adımı atlayabilir mi? Yeni kanıt toplayabilir mi? Araç değiştirebilir mi? Ara sonuçtan sonra planı değiştirebilir mi? Görevin çözülemediğini belirtebilir mi?

Görünür aktivite agency kanıtı değildir; görünmez çalışma da determinizm kanıtı değildir. Doğru değerlendirme arayüzün altında başlar: hangi durum geçişini kod, hangisini model seçiyor?

Yetkiler modelin yeteneklerinden daha dar olmalıdır

Güçlü bir model teknik olarak araştırabilir, kod çalıştırabilir, dosya değiştirebilir, mesaj gönderebilir ve dış sistemleri kullanabilir. Bu, tek bir rolün hepsini yapmasına izin verilmesi gerektiği anlamına gelmez.

Profesyonel ajan tasarımı capability ile authority'yi ayırır. Capability sistemin teknik olarak ne yapabildiğini, authority ise bu süreçte ne yapmasına izin verildiğini anlatır. Arada policy'ler, araç izinleri, veri bölgeleri, yazma hakları ve insan kararları bulunur.

Araştırma modu geniş okuma erişimine ihtiyaç duyabilir ama yazma hakkına ihtiyaç duymaz. Dosya düzenleme modu çalışma klasöründe yazabilir fakat mesaj veya ödeme sistemlerine erişmeyebilir. Ajan riskli bir eylemi önerebilir ama uygulama yetkisine sahip olmayabilir.

Yetkinin hassas biçimde sınırlandırılması, modelin bütün potansiyel etki alanını açmadan yararlı karar alanı vermenin temel yollarından biridir.

Öneriden etkiye geçiş kritik bir eştir

Agentic AI tartışmaları düşünme, planlama ve araç kullanımına odaklanır. Pratikte en az bunlar kadar önemli başka bir sınır vardır: Model dış dünyayı ne zaman değiştiriyor?

Öncelik değişikliğini öneren sistem ile proje planını gerçekten yeniden yazan sistem aynı risk tipinde değildir. E-posta taslağı üreten ajan ile gönderen ajan farklıdır. Veriyi analiz etmek, silmek veya taşımaktan daha az müdahalecidir.

Bu evrensel bir güvenlik modeli değildir fakat güçlü bir tasarım prensibidir. Sistem gözlem ve öneri alanında oldukça agentic olabilirken gerçek değişiklikler daha sıkı sınırlandırılabilir.

Agentic sistemlerin yalnızca hedefe değil, sona da ihtiyacı vardır

Hedef nereye gidileceğini söyler. Ancak ne zaman yeterli çalışıldığını her zaman söylemez.

Açık uçlu görevler teorik olarak sonsuza kadar geliştirilebilir. Araştırmaya bir kaynak daha eklenebilir, doküman bir kez daha düzenlenebilir, kod bir kez daha optimize edilebilir. Bitirme mantığı yoksa hedef odaklılık kontrolsüz iterasyona dönüşebilir.

Bu nedenle agentic run başarı kriterlerinin yanında stop kriterleri de taşımalıdır: maksimum iterasyon, yeterli kanıt, birkaç adım boyunca anlamlı ilerleme olmaması, maliyet bütçesinin bitmesi, tekrarlanan araç hatası veya yalnızca insan kararıyla çözülebilecek belirsizlik.

Olgun sistem sadece “Hedefe ulaştım” değil, “İzin verilen koşullar altında artık anlamlı biçimde ilerleyemiyorum” da diyebilmelidir. Bu agency'nin başarısızlığı değil, kontrollü agency'nin özelliğidir.

Gerçek tasarım kuralı: mümkün olduğunca az, gerektiği kadar çok özgürlük

En ilginç ajan mimarisi en geniş hareket alanına sahip olan değildir. Hareket alanı doğru sınırlandırılmış olandır.

Sistem problemdeki değişkenliği işleyebilecek kadar özgür, fakat gerekenden daha özgür olmamalıdır. Katı kuralların pratik olmadığı yerlerde karar verebilmeli; öngörülebilirlik, maliyet kontrolü, güvenlik veya açık sorumluluk daha önemliyse deterministik kalmalıdır.

Böylece Agentic AI bir moda sözcüğü olmaktan çıkıp proje mimarisine dönüşür. Otomasyon güvenilir yolları tanımlar. Agency sınırlı karar alanları açar. İyi sistemler ikisini bilinçli biçimde birleştirir.

Olgunluk, yapay zekânın ne kadar otonom göründüğüyle değil; hareket alanının gerekçelendirilmiş, gözlemlenebilir, test edilebilir, geri alınabilir ve her zaman sınırlandırılabilir olmasıyla ölçülür.

Bir sonraki adım daha fazla otonomi eklemek değildir. Seçilen hareket alanını açık rollere çevirmektir: Kim orkestre eder? Kim uzman işi yapar? Kim review eder? Kim dokümante eder? Hangi kararlar insanda kalır?

Daha fazla okuma için açık kaynaklar