Ajan Tabanlı Yapay Zeka mı Üretken Yapay Zeka mı? İçerik Üretmekten İş Yürütmeye

Temel ayrım: Yanıt üretmek ile hedefe doğru hareket etmek

Üretken yapay zeka (İngilizce literatürde generative), eğitildiği verideki örüntülerden yola çıkarak yeni içerik üreten modelleri anlatır: metin, görsel, ses, kod ya da video. Kullanıcı bir istem (prompt) yazar, model bir çıktı üretir ve etkileşim orada biter. Bir pazarlama metninin taslağını yazdırmak, bir sözleşmeyi özetletmek ya da bir ürün görseli oluşturmak tipik kullanımlardır.

Agentic AI ya da ajan tabanlı yapay zeka ise bir hedefi gerçekleştirmek için kendi başına plan yapan, adımları sıralayan, araçları (arama, veritabanı sorgusu, e-posta, takvim, kod çalıştırma) kullanan ve her adımın sonucuna göre bir sonraki adımı belirleyen sistemleri anlatır. Kullanıcı "şu tedarikçinin geciken siparişlerini bul, durumlarını sor ve özet rapor hazırla" gibi bir hedef verir; ajan bu hedefi alt görevlere böler ve yürütür.

Bu ikisi birbirinin alternatifi değil, katmanlardır. Tipik bir yapay zeka ajanının "aklı" bir büyük dil modeli, yani üretken bir yapay zeka modelidir. Ajan tabanlı sistem, bu modelin etrafına hedef, bellek, araç ve kontrol döngüsü ekleyerek onu bir işi uçtan uca yürütebilir hale getirir.

Ortak zemin: Aynı modeller, aynı sınırlar

Her iki yaklaşım da büyük dil modellerinin dil anlama ve üretme yeteneğine dayanır. Bu nedenle ikisi de aynı temel sınırları taşır: Model gerçek dışı bilgi üretebilir (halüsinasyon), istemdeki belirsizliği yanlış yorumlayabilir ve eğitim verisindeki önyargıları yansıtabilir.

İkisinde de çıktının kalitesi bağlama bağlıdır. Kurumun kendi belgelerini modele erişilebilir kılan geri getirme destekli üretim (RAG), iyi tasarlanmış istemler ve net talimatlar hem bir içerik üretme aracında hem de bir ajanda sonucu belirgin biçimde iyileştirir.

Veri güvenliği ve uyum soruları da ortaktır: Hangi verinin modele gönderildiği, nerede işlendiği, kişisel verilerin korunması mevzuatına nasıl uyulduğu ve çıktının kim tarafından onaylandığı her iki kullanımda da yanıtlanmalıdır.

Ölçüt ölçüt ajan tabanlı ve üretken yapay zeka

• Temel işlev: Üretken yapay zeka / istenen içeriği üretmek. Ajan tabanlı yapay zeka / bir hedefi gerçekleştirmek için eylem planlamak ve yürütmek.
• Etkileşim biçimi: Üretken / istem ve yanıt, insan her adımı başlatır. Ajan / hedef verilir, sistem birden fazla adımı kendisi zincirler.
• Dış dünyaya etki: Üretken / çıktı bir metin ya da görseldir, kullanımı insana kalır. Ajan / araçlar aracılığıyla sistemlerde işlem yapabilir: kayıt oluşturur, e-posta gönderir, kod çalıştırır.
• Bellek ve durum: Üretken / genellikle oturum içi bağlamla sınırlıdır. Ajan / görevin durumunu, ara sonuçları ve gerektiğinde uzun süreli belleği yönetir.
• Hata etkisi: Üretken / yanlış bir taslak ortaya çıkar, insan fark edip düzeltir. Ajan / yanlış bir adım zincirleme etkiler doğurabilir, örneğin hatalı bir kaydı birçok sisteme yayabilir.
• Denetim ihtiyacı: Üretken / çıktının gözden geçirilmesi. Ajan / yetki sınırları, onay noktaları, işlem kayıtları ve geri alma mekanizmaları.
• Kurulum karmaşıklığı: Üretken / hazır araçlarla hemen kullanılabilir. Ajan / araç entegrasyonu, yetkilendirme, test ve izleme altyapısı gerektirir.
• Maliyet profili: Üretken / istem başına öngörülebilir. Ajan / görevin kaç adım ve kaç model çağrısı süreceğine göre değişken.

Üretken yapay zeka hangi işlerde yeterli?

İşin sonucu bir içerikse ve o içeriği bir insan gözden geçirip kullanacaksa, ajan kurmaya gerek yoktur. Üretken yapay zeka bu durumlarda hızlı, ucuz ve düşük risklidir.

• Rapor, e-posta, sunum ve teklif taslakları.
• Uzun belgelerin özetlenmesi, toplantı notlarının düzenlenmesi.
• Pazarlama görselleri, ürün açıklamaları, sosyal medya içerik varyasyonları.
• Kod parçası yazdırma, hata açıklaması, sorgu oluşturma.
• Çeviri ve ton uyarlama.

Örneğin bir insan kaynakları uzmanı yeni bir pozisyon için iş ilanı taslağı istiyorsa, üretken bir modele rol tanımını ve şirketin üslubunu vermesi yeterlidir. İlanı yayınlamak, başvuruları toplamak ve görüşme planlamak ise farklı bir sorudur.

Ajan tabanlı yapay zeka hangi işlerde fark yaratır?

İş birden fazla adımdan oluşuyor, bu adımlar farklı sistemlere dokunuyor ve her adımın sonucu bir sonrakini etkiliyorsa ajan yaklaşımı anlam kazanır. Burada amaç içerik değil, bir sürecin sonuçlanmasıdır.

• Müşteri talebini sınıflandırıp ilgili sistemde kaydı açan, eksik bilgiyi müşteriden isteyen ve çözümü öneren destek akışları.
• Birden fazla kaynaktan veri toplayıp karşılaştıran ve bulguları raporlayan araştırma görevleri.
• Kod tabanında bir hatayı bulan, düzeltmeyi yazan, testleri çalıştıran ve inceleme için değişiklik öneren yazılım ajanları.
• Fatura, sipariş ve ödeme kayıtlarını eşleştirip uyuşmazlıkları işaretleyen finans operasyonları.

Örneğin bir satın alma ekibinde ajan, geciken siparişleri ERP'den çeker, her tedarikçiye durum soran e-postayı hazırlar, gelen yanıtları okuyup yeni teslim tarihlerini kaydeder ve kritik gecikmeleri bir insana iletir. Her adımı bir insanın başlatması gerekmez; ancak e-postaların gönderimi gibi dış etkisi olan adımlar için onay noktası konabilir.

Ajan kurarken dikkat edilmesi gereken riskler

Ajan tabanlı sistemlere işlem yetkisi vermek, üretken yapay zekanın taşımadığı yeni riskler getirir. Bu riskler teknoloji seçiminden çok tasarım kararlarıyla yönetilir.

• En az yetki ilkesi: Ajan yalnız görevi için gereken araçlara ve verilere erişmeli; okuma ve yazma yetkileri ayrılmalıdır.
• İnsan onayı: Geri alınamayan işlemler (ödeme, silme, dış iletişim) için onay adımı tasarlanmalıdır.
• İstem enjeksiyonu: Ajanın okuduğu bir e-posta ya da web sayfası, ona gizli talimat vermeye çalışabilir; dış içerik talimat olarak değil veri olarak ele alınmalıdır.
• Döngü ve maliyet kontrolü: Ajanın sonsuz döngüye girmesini önleyen adım ve bütçe sınırları konmalıdır.
• İzlenebilirlik: Her adımın, kullanılan aracın ve kararın gerekçesinin kaydı tutulmalıdır.
• Değerlendirme: Ajan, gerçek senaryolara dayanan test setleriyle düzenli olarak sınanmalıdır.

Bu önlemler, ajanı küçük ve iyi tanımlı bir görevle başlatıp güven kazandıkça kapsamını genişletmeyi mümkün kılar.

Bu konuları Mindset programlarında nerede çalışırsınız?

Agentic Workflows Mimarisi programı ajan iş akışlarının kavramsal temelleri, tasarım desenleri, durum yönetimi ve kalıcılık, araç ekosistemi ve entegrasyonlar ile güvenlik, yönetişim ve uyum modüllerini içerir. Yapay Zeka Ajanları ile Kurumsal Otomasyon programı ise kurumsal süreç analizi ve otomasyon haritası, ajan geliştirme ve entegrasyon, çok ajanlı sistemler ve üretim ortamında ajan yönetimine odaklanır.

Yazılım ekipleri için Yapay Zeka Ajanlarıyla Geliştirme Otomasyonu (Agentic Coding) programı ajan mimarisi, araç tasarımı ve yetki sınırları, bağlam ve bellek yönetimi ile insan gözetimi ve güvenlik konularını geliştirme iş akışına entegrasyonla birlikte işler.