AI Agent Foundation Eğitim Programı
Yapay Zekâ Ajanlarıyla Dijital İş Gücünü Tasarlamak
Hakkında
Bu program, yapay zekâ ajanlarını bir araç merakının ötesine taşıyarak tasarım, mimari, ekonomi ve yönetişim boyutlarıyla uçtan uca ele alır. Dokuz bölüm boyunca katılımcılar önce zemini kurar: veri demokratikleşmesinin bilgiye erişimi nasıl dönüştürdüğü, otomasyon ile RPA'nın deterministik doğası, yapay zekânın karar yeteneği ve bu ikisinin kesişiminden doğan agentic AI. Ajanın üç bileşeni — hafıza, beyin olarak büyük dil modeli ve aksiyon kanalları — tanımlandıktan sonra iş gücünün dönüşümü ele alınır: uygulayıcı rolünden, ajanlara görev veren ve onları yöneten dijital lider rolüne geçiş. Programın teknik omurgası ajanın beynindeki karar anını açar: bir sonraki tokenın nasıl seçildiği, sıcaklık ile top-k ve top-p parametrelerinin çıktıyı nasıl şekillendirdiği, aynı prompta neden farklı yanıtlar alındığı ve modelin zekâ, hız, gecikme, fiyat, bağlam penceresi ve güvenlik endeksleri üzerinden nasıl seçileceği. Devamında prompt mimarilerinden ajanlara geçiş, uzmanlaşmanın halüsinasyonu azaltmadaki rolü, araç entegrasyonu karmaşıklığını çözen standartlar ile ajandan ajana iletişim ve ödeme protokolleri işlenir. Çok ajanlı sistemler; sıralı devir, yönetici–çalışan, hiyerarşik ve uzlaşma tabanlı orkestrasyon modelleriyle karşılaştırılır, hafıza türleri ve erişim tabanlı bilgi mimarisi tasarlanır. Program, güven mimarisiyle tamamlanır: güvenlik bariyerleri, en az yetki ilkesi, dört kademeli insan gözetimi, limit tabanlı onay akışları, model kayması izleme, versiyonlama ve yasal uyum. Program, ajanik sistemleri yalnızca kurmayı değil sorumluluk bilinciyle yönetmeyi hedefleyen herkes için tasarlanmıştır.
Eğitim Kapsamındaki İçerikler
1. Veri demokratikleşmesi ve yaşam boyu öğrenmenin ajanlar çağındaki belirleyici rolü
2. Otomasyon, RPA, yapay zekâ ve agentic AI arasındaki ayrımın vaka analizleriyle netleştirilmesi
3. Ajanın anatomisi: Hafıza, beyin olarak dil modeli ve aksiyon kanallarının bütünlüğü
4. Sektörel uygulama panoraması: Prodüksiyon, sağlık, üretim, tarım, eğitim, savunma ve ajan tabanlı ödemeler
5. İş gücünün üç fazlı dönüşümü ve uygulayıcılıktan dijital liderliğe geçiş
6. Ajanik döngü ve bağlam mühendisliğinin ajan tasarımındaki merkezi konumu
7. Bir sonraki tokenın seçimi ve sıcaklık, top-k, top-p parametrelerinin çıktı üzerindeki etkisi
8. Yapay zekânın gizli kaosu: Aynı prompta neden farklı cevaplar alındığı
9. Model eğitim yöntemlerinden türetilen prompt disiplini ve iyi–kötü örnek kullanımı
10. Model seçim kriterleri: Zekâ, çıktı hızı, gecikme, fiyat, bağlam penceresi ve uçtan uca yanıt süresi
11. Bağımsız benchmark ve güvenlik endeksleriyle karşılaştırmalı model değerlendirmesi
12. Sıfır, tek ve az örnekli prompt yöntemleri ile zincirleme ve düşünce ağacı mimarileri
13. Ajan uzmanlaşması ve aşırı araç yüklemenin halüsinasyon riskini artırması
14. Araç entegrasyonu karmaşıklığını çözen standartlar ve merkezî erişim yönetimi
15. Yetki–hız–risk dengesi, en az yetki ilkesi ve ajan aksiyonlarının loglanması
16. Ajandan ajana iletişim ve ajan tabanlı ödeme protokollerinin işleyişi
17. Tek ajan mı çok ajan mı kararı ve ajanik yatırımın KPI ile ölçülmesi
18. Orkestrasyon modelleri: Sıralı devir, yönetici–çalışan, hiyerarşik yapılar ve uzlaşma mimarisi
19. Ajan hafıza türleri ve bilgiyi eğitmek yerine erişim tabanlı tutmanın avantajları
20. Güvenlik bariyerleri, dört kademeli insan gözetimi, model kayması izleme ve yasal uyum
İçerik
1 video
Bu açılış bölümü, ajan kavramını tanımlamadan önce onu anlamlı kılan zemini kuruyor. Yaşam boyu öğrenme ve teknoloji okuryazarlığının 2030'un çekirdek becerileri arasında yer alması, ansiklopedilerden arama motorlarına ve oradan üretken yapay zekâya uzanan veri demokratikleşmesi hikâyesiyle birlikte ele alınıyor. Ardından sektörde en çok karıştırılan ayrım netleştiriliyor: otomasyon ve RPA deterministik olarak hep aynı işi yaparken, yapay zekâ karar ve planlama getirir; bu ikisinin kesişiminden, hem düşünebilen hem de aksiyon alabilen agentic AI doğar. Bu ayrım, gerçek vakalar üzerinden kurgulanmış bir quiz ile pekiştiriliyor. Bölüm daha sonra sektörel panoramaya geçiyor: prodüksiyonun demokratikleşmesi, AI influencerlar, oyun dünyasındaki NPC'ler, humanoid robotlar, ilaç keşfi, tıpta ön tanı sistemleri, tarımda hassas ilaçlama, kişiselleştirilmiş eğitim, uydu görüntüsü üzerinde çalışan agentic vision ve ajanların kendi başına alışveriş yaptığı ödeme senaryoları. Kapanışta ajanın anatomisi tanımlanıyor — hafıza, beyin olarak büyük dil modeli ve aksiyon alabildiği sistemlere bağlantı — ve dil modellerinin nasıl eğitildiği, antropomorfizmin riskleri, insan ile yapay zekânın yetkinlik kesişimi ve ajanın planla-uygula-gözlemle döngüsü ile bağlam mühendisliği kavramına giriş yapılıyor.
Bölümde Ele Alınan Temel İçerikler
1. Öğrenme, unutma ve yeniden öğrenme: 2030'un çekirdek becerileri ve veri demokratikleşmesinin bilgiye erişimi dönüştürmesi.
2. Otomasyon, RPA, yapay zekâ ve agentic AI ayrımı: Deterministik betiklerden karar veren ve aksiyon alan sistemlere.
3. Sektörel panorama: Prodüksiyon, oyun, üretim, ilaç keşfi, sağlık, tarım, eğitim, savunma ve ajan tabanlı ödeme örnekleri.
4. Ajanın anatomisi: Hafıza, beyin olarak büyük dil modeli ve aksiyon kanallarının birlikte bir ajanı oluşturması.
5. Dil modeli ile ajan arasındaki temel fark, antropomorfizm riski ve planla–uygula–gözlemle döngüsü.
Öğrenme Çıktıları
Bu bölümü tamamlayan katılımcı:
1. Bir iş senaryosunun otomasyon, RPA, yapay zekâ mı yoksa agentic AI mı gerektirdiğini ayırt edebilir.
2. Bir yapay zekâ ajanının üç temel bileşenini tanımlayarak eksik bileşenli bir sistemi teşhis edebilir.
3. Agentic AI'ın farklı sektörlerdeki uygulama örneklerini kendi alanına uyarlayarak fırsat alanları belirleyebilir.
4. Büyük dil modellerinin eğitim aşamalarını ve antropomorfizm riskini açıklayarak araçları bilinçli kullanabilir.
5. Ajanın görev döngüsünü tarif ederek bağlam mühendisliğinin ajan tasarımındaki merkezi rolünü gerekçelendirebilir.
Eğitmen (1):
1 video
Bu bölüm, ajanların organizasyonel karşılığını ve teknik çekirdeğini birlikte ele alıyor. Önce ajanik döngü ve bağlam kavramı tazeleniyor: ajanın elindeki araçlar, geçmiş etkileşimler ve hafızası tek bir dünyada birleşir ve bağlam mühendisliği bu dünyayı tasarlama disiplinidir. Ardından iş gücünün dönüşümü üç faz üzerinden anlatılıyor — insana eşlik eden asistan, ekip içine giren ajanlar ve nihayetinde operasyonel yükün tamamen ajanlara devredildiği, insanın lider konumunda kaldığı yapı. Yazılım ekiplerinde geliştirici, test uzmanı ve proje yöneticisi rollerinin tamamının ajanlardan oluştuğu takım örnekleri, bu geçişin şimdiden başladığını gösteriyor. Bu noktada bölümün ana tezi devreye giriyor: rapor hazırlayan, tablo dolduran, e-posta yazan uygulayıcı rolünden, işin mantığını, tarihçesini, kültürünü, etiğini ve ekonomisini bilen dijital lider rolüne geçiş kaçınılmazdır. Bölümün ikinci yarısı ajanın beynine iniyor: transformer tabanlı bir modelin bir sonraki kelimeyi nasıl seçtiği canlı bir demo ile gösteriliyor, sıcaklık parametresi düşürülüp yükseltilerek olasılık dağılımının nasıl daraldığı ve genişlediği izleniyor ve top-k ile top-p parametrelerinin bu seçimi nasıl sınırladığı somutlaştırılıyor.
Bölümde Ele Alınan Temel İçerikler
1. Ajanik döngü ve bağlam: Araçlar, hafıza ve geçmiş etkileşimlerin ajanın tek dünyasında birleşmesi.
2. İş gücünün üç fazlı dönüşümü: Asistanlı çalışmadan insan–ajan ekiplerine ve ajan patronluğuna.
3. Uygulayıcılıktan dijital liderliğe geçiş ve bu rolün gerektirdiği alan bilgisi, kültür, etik ve ekonomi hâkimiyeti.
4. Ajanın beyni: Transformer tabanlı bir modelin bir sonraki tokenı olasılıklar üzerinden seçmesi.
5. Hiperparametrelerin canlı gösterimi: Sıcaklığın olasılık dağılımını daraltması ve top-k ile top-p'nin seçim havuzunu sınırlaması.
Öğrenme Çıktıları
Bu bölümü tamamlayan katılımcı:
1. Ajanik döngünün aşamalarını ve bağlamın bu döngüdeki işlevini açıklayabilir.
2. Kendi rolünü uygulayıcı–dijital lider ekseninde konumlandırarak devredilebilir operasyonel işleri belirleyebilir.
3. Bir insan–ajan ekibinde hangi görevlerin ajanlara, hangilerinin insana ait olması gerektiğini gerekçelendirebilir.
4. Bir dil modelinin bir sonraki kelimeyi olasılık üzerinden nasıl seçtiğini örnekle anlatabilir.
5. Yaratıcı ve tutarlılık gerektiren işler için sıcaklık, top-k ve top-p değerlerini bilinçli biçimde belirleyebilir.
Eğitmen (1):
1 video
Bu bölüm, uygulamada en sık karşılaşılan ve en az anlaşılan soruyu ele alıyor: hiperparametreleri sabitlesem bile neden aynı prompta farklı cevaplar alıyorum? Yanıt donanım katmanında aranıyor. Modeller, bulut ortamında yüzlerce ekran kartı üzerinde paralel çalışan devasa matris işlemlerinin sonucudur; bu işlemlerin sırasının değişmesi, kayan noktalı sayılarda mikro hatalar doğurur ve virgülden sonraki bir basamağın değişmesi bile bambaşka bir kelimenin seçilmesine, dolayısıyla bambaşka bir paragrafa yol açabilir. Bu iddia teoride bırakılmıyor: bir model karşılaştırma ortamında aynı model üç ayrı örnekte, ikisi düşük ikisi yüksek sıcaklıkta çalıştırılarak aynı prompt gönderiliyor ve düşük sıcaklıklı örneklerin birbirine yakın, yüksek sıcaklıklı örneğin ise tamamen farklı çıktı ürettiği canlı olarak gösteriliyor. Bölümün ikinci yarısı modellerin eğitim yöntemlerine dönüyor — denetimli öğrenme, doğrudan tercih optimizasyonu ve pekiştirmeli öğrenme — ve buradan kritik bir çıkarım yapılıyor: model nasıl eğitiliyorsa prompt da öyle yazılmalıdır. İstenen çıktı örneği kadar istenmeyen çıktı örneğinin de verilmesi, tek promptta sonuca ulaşmayı sağlar. Kötü prompt örnekleri üzerinden format, ton, uzunluk ve hedef kitle belirsizliğinin nasıl gereksiz iterasyona yol açtığı gösteriliyor.
Bölümde Ele Alınan Temel İçerikler
1. Yapay zekânın gizli kaosu: Paralel matris işlemleri ve kayan nokta hatalarının aynı prompta farklı çıktı ürettirmesi.
2. Canlı karşılaştırma: Aynı modelin farklı sıcaklık değerlerinde aynı prompta verdiği yanıtların yan yana test edilmesi.
3. Model eğitim yöntemleri: Denetimli öğrenme, doğrudan tercih optimizasyonu ve pekiştirmeli öğrenmenin mantığı.
4. Eğitim ile prompt arasındaki ayna etkisi: İstenen ve istenmeyen örneklerin birlikte verilmesinin iterasyonu azaltması.
5. Kötü prompt anatomisi ve ajan talimatları: Format, ton, uzunluk ve hedef kitle belirsizliğinin çıktı kalitesine maliyeti.
Öğrenme Çıktıları
Bu bölümü tamamlayan katılımcı:
1. Aynı prompta farklı yanıt alınmasının donanımsal ve olasılıksal nedenlerini açıklayabilir.
2. Bir modeli farklı hiperparametrelerle karşılaştırmalı olarak test ederek davranış farkını gözlemleyebilir.
3. Üç temel model eğitim yöntemini ayırt ederek hangisinin hangi ihtiyaca uygun olduğunu değerlendirebilir.
4. İstenen ve istenmeyen çıktı örneklerini içeren, tek seferde sonuca ulaştıran promptlar yazabilir.
5. Bir ajanın talimatlarını, davranışını ve araç kullanım sırasını belirleyecek netlikte tanımlayabilir.
Eğitmen (1):
1 video
Bu bölüm, bir ajanın arkasında çalışacak dil modelinin nasıl seçileceğini altı somut kriter üzerinden ele alıyor. Birincisi zekâ düzeyi: yapılan iş gerçekten en güçlü modeli gerektiriyor mu, yoksa daha ucuz bir model aynı çıktıyı üretebiliyor mu? İkincisi çıktı hızı; düşünen bir modelin yanıt süresi ile düşünmeyen bir modelinki arasındaki fark, özellikle üst yönetime hizmet veren ajanlarda belirleyici olur. Üçüncüsü gecikme ve ilk token süresi, dördüncüsü fiyat — ajanik sistemler yoğun token tükettiği için maliyet kontrolü kritik hâle gelir. Beşincisi bağlam penceresinin genişliği, altıncısı ise uçtan uca yanıt süresi; arka planda çalışan otonom bir e-posta akışında gecikme önemsizken, yöneticinin önüne anlık gösterge paneli çıkaran bir akışta belirleyicidir. Bölüm daha sonra bu kriterleri ölçmeye yarayan bağımsız kaynaklara geçiyor: talimat takibi, terminal ve telekom gibi ajanik benchmarklar ile model karşılaştırma platformları üzerinden hız, zekâ ve görev başına maliyet analizleri gösteriliyor. Son olarak performansın yanında güvenlik boyutu ele alınıyor: risk değerlendirmesi, mevcut zararlar ve güvenlik çerçeveleri üzerinden puanlanan güvenlik endeksleri incelenerek ucuz ama düşük güvenlik skorlu modellerin taşıdığı risk tartışılıyor.
Bölümde Ele Alınan Temel İçerikler
1. Model seçiminin altı kriteri: Zekâ düzeyi, çıktı hızı, gecikme ve ilk token süresi, fiyat, bağlam penceresi ve uçtan uca yanıt süresi.
2. Token yoğun ajanik sistemlerde maliyet yönetimi ve gereksiz güçlü model seçiminin ekonomik bedeli.
3. Kullanıcı profiline göre model tercihi: Üst yönetime hizmet veren ajan ile arka planda çalışan otonom akışın farklı ihtiyaçları.
4. Bağımsız benchmarklar: Talimat takibi, terminal ve telekom endeksleri ile model karşılaştırma platformlarının kullanımı.
5. Güvenlik endeksleri: Risk değerlendirmesi, zararlı içerik üretimi ve güvenlik çerçevesi puanlarının seçime dâhil edilmesi.
Öğrenme Çıktıları
Bu bölümü tamamlayan katılımcı:
1. Bir ajan projesi için gereken model zekâ düzeyini işin kritikliğine göre gerekçelendirerek belirleyebilir.
2. Gecikme, çıktı hızı ve uçtan uca yanıt süresi kavramlarını ayırt ederek kullanıcı deneyimine uygun model seçebilir.
3. Ajanik bir sistemin token maliyetini öngörerek maliyet–fayda dengesini değerlendirebilir.
4. Bağımsız benchmark platformlarını kullanarak modelleri hız, zekâ ve görev başına maliyet açısından karşılaştırabilir.
5. Güvenlik endekslerini seçim kriterlerine dâhil ederek kurumsal risk profiline uygun model tercihi yapabilir.
Eğitmen (1):
1 video
Bu bölüm, prompt tekniklerinden başlayıp ajanların araçlarla konuştuğu standarda uzanan bir hat çiziyor. Önce sıfır örnekli, tek örnekli ve az örnekli prompt yöntemleri gerçek bir ürün açıklaması senaryosu üzerinden karşılaştırılıyor; hiç örnek verilmediğinde ortaya çıkan sıradan metnin, beğenilen bir örnek eklendiğinde ve ardından istenmeyen bir örnek de tanımlandığında nasıl belirgin biçimde iyileştiği adım adım gösteriliyor. Ardından çoklu prompt mimarileri ele alınıyor: çıktının adım adım işlendiği zincirleme yapılar, birden fazla düşünce yolunun üretilip aralarından en umut vericisinin seçildiği ağaç yapıları, aynı görevin birbirinden habersiz birden çok modele verilip çoğunluğun kararının kabul edildiği tutarlılık mekanizmaları ve düşünme ile aksiyonun bir döngü içinde birbirini beslediği yaklaşımlar. Bölümün ikinci yarısında ajanın sınırları tartışılıyor: bir ajana ne kadar çok görev ve araç verilirse halüsinasyon ve hata riski o kadar artar, bu yüzden her ajan kendi uzmanlık alanında tasarlanmalı ve yalnızca o alana ait araçlara erişmelidir. Araç bağlamanın doğurduğu entegrasyon kaosu somutlaştırıldıktan sonra bunu çözen standart tanıtılıyor: kaynaklar, araçlar ve promptlar üzerinden çalışan, ajanlar için evrensel bir bağlantı katmanı işlevi gören model bağlam protokolü.
Bölümde Ele Alınan Temel İçerikler
1. Sıfır, tek ve az örnekli prompt yöntemlerinin aynı görev üzerinde karşılaştırmalı gösterimi.
2. Çoklu prompt mimarileri: Zincirleme yapılar, düşünce ağaçları, çoğunluk oylamasıyla tutarlılık ve düşün–uygula döngüleri.
3. Ajan uzmanlaşması: Aşırı görev ve araç yüklemenin halüsinasyon ile hata riskini artırması.
4. Entegrasyon kaosu: Onlarca aracın ve metodun tek tek bağlanmasının doğurduğu kombinatoryal karmaşıklık.
5. Model bağlam protokolü: Kaynaklar, araçlar ve promptlar üzerinden çalışan evrensel ajan–araç bağlantı standardı.
Öğrenme Çıktıları
Bu bölümü tamamlayan katılımcı:
1. Sıfır, tek ve az örnekli prompt yöntemleri arasından göreve uygun olanı seçerek uygulayabilir.
2. Zincirleme, düşünce ağacı ve çoğunluk oylaması mimarilerini karşılaştırarak uygun kurguyu tasarlayabilir.
3. Bir ajanın görev ve araç kapsamını uzmanlık alanıyla sınırlandırarak halüsinasyon riskini azaltabilir.
4. Araç entegrasyonunun doğurduğu karmaşıklığı tanımlayarak standart tabanlı bir çözümün faydasını gerekçelendirebilir.
5. Model bağlam protokolünün üç bileşenini açıklayarak bir ajan için uygun araç setini tasarlayabilir.
Eğitmen (1):
1 video
Bu bölüm, ajan yönetişiminin merkezindeki gerilimi ele alıyor: yetki arttıkça hız artar, ama risk de aynı oranda büyür. Ajan sayısı ve bağlı araç sayısı arttıkça araç entegrasyonundaki kaosun bu kez standart sunucular düzeyinde yeniden ortaya çıktığı, bu yüzden kurumların merkezî bir geçit katmanına yöneldiği anlatılıyor: hangi ajanın hangi sunucuya, hangi koşulda erişeceği tek noktadan yönetilir. Ardından güvenli ajan mimarisinin dört sütunu kuruluyor — en az yetki ilkesi, riskli aksiyonlarda insan onayı, sürekli loglama ve izleme, ve ajanların tıpkı çalışanlar gibi performans üzerinden değerlendirilmesi. Bu son nokta bölümün en çarpıcı çerçevesini oluşturuyor: bir ajan artık işe alınan, görev başarımı ölçülen, hata oranı izlenen ve buna göre yaygınlaştırılan bir ekip üyesi gibi ele alınıyor. Yetki seviyeleri somut bir merdiven üzerinden örnekleniyor: stok sorgulama gibi salt okuma işlemleri tam otonom bırakılabilirken, taslak e-posta yazma ile e-postayı göndermek arasındaki fark kritik bir eşiktir; kurum dışına çıkan iletişimde insan onayı önerilir, ödeme yapma, veri silme ve ayar değiştirme gibi işlemlerde ise insan onayı zorunludur. Bölüm, yanlış yetkilendirmenin yol açtığı gerçek olay örnekleriyle riskin soyut olmadığını gösteriyor.
Bölümde Ele Alınan Temel İçerikler
1. Merkezî geçit katmanı: Ajan ve araç sayısı arttıkça erişim yönetiminin tek noktadan kurgulanması.
2. Yetki–hız–risk üçgeni: Yüksek yetkinin otonomi kazandırırken katastrofik hata olasılığını da büyütmesi.
3. Güvenli ajan mimarisinin dört sütunu: En az yetki, insan onayı, sürekli loglama ve performans değerlendirmesi.
4. Ajanın bir ekip üyesi gibi değerlendirilmesi: Görev başarımı, hata oranı ve yaygınlaştırma kararı.
5. Yetki seviyeleri merdiveni: Salt okumadan taslak üretmeye, kurum dışı iletişimden ödeme ve veri silmeye uzanan eşikler.
Öğrenme Çıktıları
Bu bölümü tamamlayan katılımcı:
1. Bir ajanın görevini analiz ederek en az yetki ilkesine uygun erişim setini tanımlayabilir.
2. Yetki düzeyi ile hız ve risk arasındaki dengeyi kurumsal risk iştahına göre kurgulayabilir.
3. Hangi ajan aksiyonlarının tam otonom, hangilerinin insan onaylı olması gerektiğini sınıflandırabilir.
4. Ajan aksiyonları için loglama ve izleme mekanizması tasarlayarak performansı ölçülebilir hâle getirebilir.
5. Yanlış yetkilendirmeden doğabilecek geri dönülemez senaryoları öngörerek önleyici tasarım kararları alabilir.
Eğitmen (1):
1 video
Bu bölüm, ajanların yalnızca araçlarla değil birbirleriyle ve dış dünyayla nasıl konuştuğunu ele alıyor. Araç erişimini standartlaştıran protokolün yanına, ajanların birbirleriyle yönetilebilir biçimde iletişim kurmasını sağlayan ajandan ajana standardı ve ajanların kullanıcı adına bütçe sınırları içinde alışveriş yapabilmesini mümkün kılan ödeme protokolleri ekleniyor. Ardından tek ajanlı akıl yürütme döngüsünden çok ajanlı sistemlere geçiliyor ve bu geçiş bir şirket organizasyonuna benzetiliyor: yönetici görevi alır, ilgili uzmana delege eder, çıktıyı toplar ve sonucu üretir. Burada durum takibi kritik hâle gelir; tek bir görevin hangi ajanlar üzerinden hangi aksiyonlarla ilerlediği izlenebilir olmalı ve zincirin herhangi bir halkası başarısız olduğunda akış doğru yere yönlendirilebilmelidir. Aynı görevin birbirinden habersiz birden çok ajana verilip çoğunluğun çıktısının kabul edildiği uzlaşma mimarisi, halüsinasyonu azaltmanın etkili bir yolu olarak inceleniyor. Bölümün belki de en önemli uyarısı ise ekonomik: her problem ajan gerektirmez. Otomatize edilmek istenen iş bazen manuel yapıldığında çok daha düşük maliyetlidir; bu yüzden ajanik yatırımın doğru KPI'lerle ölçülmesi ve tek ajan mı çok ajan mı sorusunun baştan yanıtlanması gerekir.
Bölümde Ele Alınan Temel İçerikler
1. Ajanik iletişim standartları: Araç erişimi, ajandan ajana iletişim ve ajan tabanlı ödeme protokolleri.
2. Tek ajanlı akıl yürütme döngüsü ile çok ajanlı yönetici–çalışan kurgusunun karşılaştırılması.
3. Durum ve iz takibi: Bir görevin hangi ajanlardan hangi aksiyonlarla geçtiğinin izlenebilir olması ve hata yönlendirmesi.
4. Uzlaşma mimarisi: Aynı görevin izole ajanlara verilip çoğunluk kararıyla halüsinasyonun azaltılması.
5. Ajanik yatırımın KPI'leri: Her problemin ajan gerektirmediği ve maliyet–fayda muhakemesinin önceliği.
Öğrenme Çıktıları
Bu bölümü tamamlayan katılımcı:
1. Ajanik iletişim standartlarının işlevlerini ayırt ederek sisteminde hangisine ihtiyaç duyduğunu belirleyebilir.
2. Bir problemin tek ajanla mı yoksa çok ajanlı bir ekiple mi çözülmesi gerektiğine gerekçeli karar verebilir.
3. Çok ajanlı bir akışta durum takibi ve hata yönlendirmesi içeren bir kontrol kurgusu tasarlayabilir.
4. Uzlaşma ve çoğunluk oylaması mimarisini uygun senaryolarda halüsinasyon azaltıcı olarak uygulayabilir.
5. Bir ajan projesinin KPI'lerini tanımlayarak yatırımın maliyetini karşılayıp karşılamayacağını değerlendirebilir.
Eğitmen (1):
1 video
Bu bölüm, ajanik sistemleri karmaşıklık seviyeleri üzerinden sınıflandırarak başlıyor: bilgi yığınından soru cevaplayan ajanlar, stratejik planlama yapıp kendi hatalarını düzelterek iterasyonla çıktı üreten ajanlar ve takım hâlinde çalışan iş birlikçi ajanlar. Tek bir uzmanlık alanı yetiyorsa monolitik bir ajanın en hızlı ve en basit çözüm olduğu vurgulandıktan sonra çok ajanlı tasarım seçenekleri karşılaştırılıyor: her ajanın işini bitirip bir sonrakine devrettiği sıralı devir, organizasyon şemasına en çok benzediği için en sık önerilen yönetici–çalışan kurgusu, dallanarak derinleşen hiyerarşik yapılar ve farklı uzmanlıklardaki ajanların bir konuyu tartışarak uzlaşıya vardığı yaklaşımlar. Araştırmacı, yazar ve editör ajanlardan oluşan bir içerik üretim ekibi, sıralı devrin somut örneği olarak inceleniyor. Bölümün ikinci yarısı hafıza tasarımına ayrılıyor: anlık oturumu hatırlayan çalışma belleği, kullanıcı tercihleri ve kurumsal dokümanları tutan kalıcı bilgi deposu ve bunlar arasındaki ayrımın çıktı kalitesine etkisi. Bilginin neden modele eğitilmek yerine vektör veri tabanlarında tutulup ihtiyaç anında çekildiği maliyet ve enerji gerekçeleriyle açıklanıyor; ajanın kullanıcının tercihlerini de hesaba katarak kendi arama stratejisini kurduğu ajanik erişim yaklaşımı, geleneksel yönteme kıyasla üstünlükleriyle ele alınıyor.
Bölümde Ele Alınan Temel İçerikler
1. Ajan karmaşıklık seviyeleri: Soru–cevap ajanlarından kendi hatasını düzelten ve takım hâlinde çalışan ajanlara.
2. Monolitik tek ajan ile çok ajanlı ekip arasındaki tercih ve her birinin avantaj–dezavantaj dengesi.
3. Çok ajanlı tasarım seçenekleri: Sıralı devir, yönetici–çalışan kurgusu, hiyerarşik yapılar ve tartışma ile uzlaşma.
4. Ajan hafıza türleri: Çalışma belleği ile kalıcı bilgi deposunun ayrımı ve çıktı kalitesine etkisi.
5. Bilgiyi eğitmek yerine erişmek: Vektör veri tabanları, geleneksel erişim ve stratejik ajanik erişim yaklaşımı.
Öğrenme Çıktıları
Bu bölümü tamamlayan katılımcı:
1. Bir ajanik sistemi karmaşıklık seviyesine göre sınıflandırarak uygun tasarım düzeyini belirleyebilir.
2. Tek ajan ile çok ajanlı ekip arasında iş tanımına dayalı gerekçeli bir tercih yapabilir.
3. Sıralı devir, yönetici–çalışan ve hiyerarşik orkestrasyon modellerini karşılaştırarak sistemine uygun olanı seçebilir.
4. Bir ajan için kısa süreli ve kalıcı hafıza ihtiyacını ayırt ederek hafıza mimarisini tasarlayabilir.
5. Kurumsal bilgiyi modele eğitmek yerine erişim tabanlı tutmanın maliyet ve doğruluk avantajlarını gerekçelendirebilir.
Eğitmen (1):
1 video
Kapanış bölümü, ajanik sistemlerde güveni üç temel taş üzerine kuruyor: güvenlik bariyerleri, insan onay mekanizmaları ve risk ile geri dönüş yeteneği. Bariyerlerin nasıl aşılabildiği somut olarak gösteriliyor — zararlı içerik talebi kodlanmış biçimde iletildiğinde, denetleyici olarak küçük bir model kullanıldığı için isteğin gizli anlamı kaçırılabilir ve asıl model zararlı çıktı üretebilir; bu yüzden girdi, ara işlem ve çıktı katmanlarının tamamının denetlenmesi ve enjeksiyon türü saldırılara karşı hazırlıklı olunması gerekir. En az yetki ilkesi, yetki karışıklığı problemi üzerinden yeniden ele alınıyor: ajanın erişimi, onunla konuşan kullanıcının yetkisiyle sınırlı olmalı ve yetkilendirme kararı asla modele bırakılmamalıdır. Bulut sağlayıcıya bağımlılığın süreklilik riski, kişisel verilerin maskelenmesi ve yerel mevzuat uyumu ayrıca ele alınıyor. İnsan gözetimi dört kademede tanımlanıyor — insan onaylı, insan gözetimli, insansız ve yalnızca insan — ve limit aşımında finans yöneticisine yönlendiren bir onay akışı örneklendiriliyor. Havacılıkta ekip kaynak yönetiminin kontrol listeleriyle çözdüğü sorunun kurumsal yapay zekâdaki karşılığı kuruluyor. Bölüm, model kayması ve kendini iyileştirme, hakem model ile kalite ölçümü, versiyonlama ve geri alma ile yasal uyum başlıklarıyla programı sorumluluk vurgusuyla kapatıyor.
Bölümde Ele Alınan Temel İçerikler
1. Güvenin üç temel taşı: Güvenlik bariyerleri, insan onay mekanizmaları ve risk ile geri dönüş yeteneği.
2. Bariyerlerin aşılması: Kodlanmış zararlı istekler, denetleyici model seçiminin önemi ve enjeksiyon saldırılarına karşı çok katmanlı kontrol.
3. Yetki karışıklığı ve veri güvenliği: Ajan erişiminin kullanıcı yetkisiyle sınırlanması, kişisel veri maskeleme ve mevzuat uyumu.
4. Dört kademeli insan gözetimi ve limit tabanlı onay akışları ile havacılıktan alınan kontrol listesi dersi.
5. Sürdürülebilirlik: Model kayması, kendini iyileştirme, hakem model ile kalite ölçümü, versiyonlama ve geri alma.
Öğrenme Çıktıları
Bu bölümü tamamlayan katılımcı:
1. Bir ajanik sistem için girdi, ara işlem ve çıktı katmanlarını kapsayan çok katmanlı güvenlik bariyerleri tasarlayabilir.
2. Yetki karışıklığı riskini tanıyarak ajan erişimini kullanıcı yetkisiyle hizalayan deterministik kontroller kurgulayabilir.
3. Kişisel verileri maskeleme ve mevzuat uyumu gerekliliklerini ajan mimarisine baştan dâhil edebilir.
4. Bir iş akışının risk düzeyine göre dört gözetim kademesinden uygun olanı seçerek limit tabanlı onay akışı tasarlayabilir.
5. Model kaymasına karşı izleme, hakem model ile kalite ölçümü ve versiyonlama tabanlı geri alma mekanizmaları kurabilir.
Eğitmen (1):
