Son dönemde AI agent konusu ciddi şekilde gündemde. Ama açık konuşmak gerekirse, birçok yerde hâlâ fazla yüzeysel anlatılıyor.

Ben de son dönemde bu konuyu daha yakından takip ediyorum. Özellikle veri, raporlama ve iş süreçleri tarafında çalışan biri olarak, bu sistemlerin gerçekten neyi değiştirdiğini ve nerede abartıldığını görmek daha kolay oluyor.

Son haftalarda aldığım AI eğitimleriyle birlikte bu alana biraz daha dikkatli bakmaya başladım.

AI agent = ChatGPT değildir.

AI Agent Gerçekte Nedir?

ChatGPT gibi sistemlerde akış genelde basittir:

• soru sorarsınız
• cevap alırsınız
• süreç biter

AI agent tarafında ise mantık değişir.

Sistem yalnızca cevap üretmez. Hedefi anlamaya çalışır, görevi adımlara böler, gerekli araçları kullanır ve sonuca ulaşmaya çalışır.

ChatGPT cevap verir.

AI agent işi tamamlamaya çalışır.

Neden Bu Kadar Konuşuluyor?

Benim en net gözlemlediğim değişim şu:

Eskiden problem veri üretmekti.

Bugün problem veriyle ne yapacağımız.

Son dönemde üzerinde çalıştığım bir sistemde (kurum adı vermeyeyim), aynı veri seti üzerinden farklı ekiplerin farklı sonuçlara vardığını gördüm.

• bir ekip düşüş var diyordu
• diğeri normal diyordu
• üçüncü ekip veri eksik diyordu

Üçü de teknik olarak haklıydı.

Veri tek başına karar üretmiyor. Yorum, sonucu belirliyor.

Teknik Olarak AI Agent Nasıl Çalışır?

Pratikte bu sistemler genelde 4 katmanlı bir yapıdan oluşur:

1. LLM (Karar Motoru)

• bir sonraki adım ne olmalı?
• hangi aracı kullanmalıyım?
• bu veri yeterli mi?

2. Memory (Hafıza)

Kısa vadeli hafıza

• o anki görev
• context

Uzun vadeli hafıza

• şirket verileri
• geçmiş kayıtlar
• dokümanlar
• vector database

Veri yoksa agent konuşur. Doğru veri varsa agent iş üretir.

3. Tools (Gerçek Güç)

• SQL sorgusu yazabilir
• API çağırabilir
• veri çekebilir
• rapor oluşturabilir

Kendi testlerimde şu senaryoyu denedim:

Son 30 günün verisini çek, önceki dönemle karşılaştır ve anormal değişimleri bul.

• SQL yazdı
• veriyi çekti
• farkları hesapladı
• özet çıkardı

Doğru hesaplıyor ama her zaman doğru yorumlamıyor.

4. Planning (Planlama)

1. veriyi çek
2. analiz et
3. karşılaştır
4. özetle
5. paylaş

Bu akışı artık sistem kuruyor.

Sonuç olarak, yapay zekâ işleri hızlandıran, süreçleri sadeleştiren ve birçok noktada ciddi verimlilik sağlayan güçlü bir araç. Ancak karar verme sürecinin kendisini ortadan kaldırmıyor. Çünkü karar yalnızca veriye bakarak verilen bir çıktı değil; bağlamı anlamayı, riskleri tartmayı ve çoğu zaman belirsizlik içinde seçim yapmayı gerektiriyor. Yapay zekâ seçenekleri genişletebilir, alternatifleri gösterebilir ve süreci hızlandırabilir; ancak hangi seçeneğin doğru olduğuna karar veren hâlâ insan. Bu yüzden mesele daha az düşünmek değil, neyi düşünmeye değer bulduğunu bilmek. Ve bu noktada anlam üretme sorumluluğu hâlâ bizde kalmaya devam ediyor.

Bu noktada asıl soru şuna dönüşüyor: Hangi işi AI’ya bırakacağız? Çünkü her şeyi otomatikleştirebiliriz; ancak yön seçimi, sorumluluk ve karar verme hâlâ insana ait. Ve bu, değişmesi en zor şeylerden biri.

Bu yazıyla birlikte genel çerçeveyi çizmiş olduk. Şimdi sıra daha somut örneklerde.

“İşe AI Katmak” serimiz ile devam edeceğiz ve ilk durağımız sigorta sektörü olacak.

Gerçek problemler, gerçek çözümler.