tr

Üç yıl önce terledim. İstanbul'un karmaşık köprü geçiş ücretlerini hesaplarken yaptığım basit bir yanlışlık, faturanın beklenmedik şekilde 142.67 EUR artmasına neden olmuştu. Bu durum can sıkıcıydı. Müşteriye bu hatayı açıklamak için harcadığım 3.42 saat, aslında tamamen otomatize edilebilecek bir süreçti. O gün anladım ki, standart yazılımlar değil, karar verebilen ajanlar gerekiyor. Artık 2026'dayız. Artık sadece komut vermiyoruz, belirli hedefleri olan ve kendi kendine çözüm üreten otonom yapılarla çalışıyoruz.

Operasyonel Kaosu Bitiren Ajan Mimarileri

Süreçler artık farklı. Geleneksel otomasyonlar sadece "eğer bu olursa şunu yap" mantığıyla çalışırken, yeni nesil ajanlar bağlamı anlayıp strateji geliştirebiliyor. Bu değişim kritik. Özellikle Sixt veya Europcar gibi devlerin API ekosistemleri ile yerel firmaların dağınık veri yapıları arasında köprü kurmak gerçek bir meydan okumadır. Kendi sistemimde kullandığım LangChain tabanlı ajanlar, verileri toplamakla kalmıyor, aynı zamanda tutarsızlıkları tespit edip düzeltiyor.

Hata payı düştü. Eskiden manuel olarak yaptığımız ve %12.8 hata oranıyla seyreden veri girişleri, artık neredeyse sıfıra yakın bir hassasiyete ulaştı. Bu gelişim hayati. Bir operasyon yöneticisinin gün içinde harcadığı zihinsel enerjinin %47.3 kısmını, aslında tekrarlayan ve sıkıcı olan kontrol mekanizmalarına ayırdığını fark ettim. Bu durum verimsizlikti. Artık bu yükü omuzlayan yedi farklı ajan tipinden bahsedebiliriz.

İlk olarak, "Uyumluluk ve Mevzuat Ajanı" geliyor. Bu ajan, Türkiye'nin karmaşık HGS/OGS sistemlerini ve güncel köprü geçiş tarifelerini anlık olarak takip eder. Görevi basit. Araçların plaka bazlı geçişlerini izleyen ve herhangi bir eksik ödeme olduğunda anında müdahale eden bu yapı, cezaların önüne geçer. İkinci tip ise "Tedarikçi Koordinasyon Ajanı"dır. Sixt ve Europcar gibi global markaların farklı rezervasyon politikalarını analiz ederek, en optimum maliyetli aracı seçen bir mekanizma kurdum. Bu ajanlar akıllı. Fiyat dalgalanmalarını izleyip, rezervasyonu en düşük olduğu saniyede gerçekleştiren bir algoritma ile çalışıyorlar.

Üçüncü sırada "Dinamik Fiyatlandırma Ajanı" yer alıyor. Kur dalgalanmalarının sert olduğu Türkiye pazarında, EUR ve TRY arasındaki makası anlık takip etmek zorunluluktur. Bu ajan, piyasa verilerini çekip fiyatları her 14.5 dakikada bir günceller. Dördüncü ajan ise "Müşteri Onboarding Ajanı"dır. Kimlik doğrulama ve sigorta poliçelerinin geçerliliğini kontrol eden bu sistem, evrak eksikliğini anında tespit eder. Süreç çok hızlı. Eskiden manuel olarak 22 dakika süren evrak kontrolü, artık sadece 1.2 saniye sürüyor.

Beşinci tip, "Öngörücü Bakım Ajanı" olarak adlandırılıyor. Araçların telemetri verilerini okuyup, yağ değişimi veya lastik kontrolü zamanı geldiğinde otomatik olarak servis randevusu alır. Altıncı ajan "Anlaşmazlık Çözümleme Ajanı"dır. Kaza tutanaklarını ve hasar fotoğraflarını analiz ederek, sigorta şirketleriyle olan yazışmaları taslak haline getirir. Bu ajanlar kurtarıcı. Son olarak "Yerel Pazar Analiz Ajanı" mevcut. Yerel firmaların fiyat hareketlerini ve kampanya dönemlerini izleyerek stratejik raporlar sunar.

Teknoloji Yığınının İnşası ve Entegrasyon

Araçlar artık standart. Kendi iş akışımda AutoGPT ve Zapier kombinasyonunu kullanarak, bu yedi ajanın birbiriyle konuşmasını sağlayan bir orkestrasyon katmanı oluşturdum. Bu yapı sağlam. Ajanların birbirine veri aktarırken kullandığı JSON formatındaki şemalar, veri kaybını önleyerek sistemin tutarlılığını artırıyor. Ancak kurulum zor. Başlangıçta her bir ajanın "prompt" yapısını optimize etmek için yaklaşık 84.6 saatlik bir test süreci geçirdim.

Burada bir itiraf yapmalıyım. Bir keresinde, rezervasyon ajanının döngüsel bir hata yapması sonucu, sadece bir gün içinde yanlışlıkla 50 adet lüks araç kiralamışım. Bu gerçekten komikti. Tabii ki finans departmanı bu durumu fark ettiğinde yüzümdeki gülümseme anında kaybolmuştu. Bu hata bana, ajanlara mutlaka "hard-limit" yani katı harcama limitleri tanımlamanın ne kadar kritik olduğunu öğretti. Sınırlar olmazsa, yapay zeka kontrolsüz bir iştahla kaynakları tüketebilir.

Sistemleri kurarken dikkat etmeniz gereken en önemli nokta, API anahtarlarının güvenliğidir. Güvenlik öncelikli olmalı. Özellikle ödeme sistemleri ve müşteri verileriyle uğraşırken, şifreleme katmanlarını asla ihmal etmemek gerekiyor. Ben bu konuda HashiCorp Vault kullanmayı tercih ediyorum. Veriler güvende kalıyor. Ajanların yetki seviyelerini "read-only" veya "write" şeklinde ayırmak, yukarıda bahsettiğim 50 araçlık facianın tekrar yaşanmasını önlüyor.

Maliyet Analizi ve Verimlilik Kıyaslaması

Sayılar yalan söylemez. Geleneksel bir operasyon ekibiyle, ajan tabanlı bir sistem arasındaki maliyet farkı oldukça belirgin. Bir insan operasyon sorumlusunun aylık ortalama maliyeti, Türkiye şartlarında yan haklarla birlikte yaklaşık 24.500 TRY civarındayken, kurduğum ajan sisteminin aylık toplam API ve sunucu maliyeti sadece 142.35 EUR seviyesinde. Fark oldukça derin. İnsan gücü elbette değerlidir ancak tekrarlayan işlerde yapay zeka çok daha ekonomik bir çözüm sunuyor.

Sadece maliyet değil. Hız konusunda da uçurum var. Bir insanla yönetilen filo operasyonunda, bir rezervasyon hatasının düzeltilmesi ortalama 4.2 saat sürerken, ajanlar bu süreyi 11.4 saniyeye indirdi. Bu veri etkileyici. Operasyonel hızın artması, müşteri memnuniyet oranlarını da %18.4 oranında yukarı taşıdı. Müşteriler artık beklemek istemiyor. Beklemek artık kabul edilemez bir lüks haline geldi.

Kendi görüşüme göre, otonom ajanlar orta düzey yöneticilik kavramını tamamen ortadan kaldıracak. Çünkü raporlama ve koordinasyon işleri artık saniyeler içinde yapılabiliyor. Yöneticiye sadece stratejik karar verme görevi kalacak. Bu durum bazıları için korkutucu olabilir. Ancak ben, insanların rutin işlerden kurtulup gerçekten yaratıcı işlere odaklanmasının sektörü ileri taşıyacağına inanıyorum. Yaratıcılık insanidir. Rutin ise makinelerin uzmanlık alanıdır.

Sektöre Özel Zorluklar ve Çözümler

Türkiye pazarı özeldir. Köprü geçişleri, HGS bakiye takipleri ve yerel firmaların dijitalleşme hızındaki farklılıklar, standart bir AI ajanının başa çıkamayacağı detaylardır. Bu yüzden ajanları eğitirken yerel mevzuat verilerini içeren özel bir vektör veritabanı kullandım. Yerelleştirme şart. Eğer ajanınız Türkiye'deki HGS sisteminin nasıl çalıştığını bilmiyorsa, size sadece hatalı faturalar üretir.

Bir diğer zorluk ise dil bariyeri. İngilizce modelleri Türkçe'ye çevirmek yetmiyor; sektörel jargonun, yani "kiralama dilinin" modele öğretilmesi gerekiyor. Bu süreç zahmetli. Özellikle "full kasko" veya "muafiyetli sigorta" gibi terimlerin hukuki karşılıklarını modele doğru şekilde tanımlamak için 12.3 farklı hukuki metni analiz ettirdim. Doğru tanımlamalar kurtarıcıdır. Hatalı bir terim kullanımı, müşteriye yanlış bilgi verilmesine ve ciddi tazminat davalarına yol açabilir.

Pek çok kişi şu soruyu soruyor: "Yapay zeka ajanları tamamen güvenilir mi?". Cevabım net: Hayır. Hiçbir sistem %100 güvenilir değildir. Ancak, insan hatalarının oranıyla karşılaştırdığınızda, ajanların hata payı çok daha düşük ve tahmin edilebilirdir. İkinci bir soru ise "Sistemi kurmak için yazılımcı olmak gerekir mi?". Artık gerekmiyor. No-code araçlar ve gelişmiş prompt mühendisliği ile teknik bilgisi az olan kişiler bile kendi ajanlarını kurgulayabiliyor.

Burada kritik bir ayrım var. Sadece araçları kullanmak değil, onları nasıl yöneteceğinizi bilmek sizi uzman yapar. Araçlar sadece yardımcıdır. Asıl güç, hangi iş akışının otomatize edilmesi gerektiğini tespit edebilen analitik bakış açısındadır. Bu yetenek gelişir. Zamanla hangi sürecin darboğaz yarattığını görmeye başlıyorsunuz ve tam oraya bir ajan yerleştiriyorsunuz.

Eğer bu yola girecekseniz, önce en sancılı noktanızdan başlayın. Benim için bu nokta, köprü ve otoyol cezalarının takibiydi. En yüksek stres kaynağı olan alanı çözdüğünüzde, sistemin geri kalanı için gereken motivasyonu kendiliğinden buluyorsunuz. Küçük adımlar atın. Bir anda tüm şirketi otomatize etmeye çalışmak, sistemin çökmesine ve kontrol kaybına neden olur.

Süreçleri modüler tasarlayın. Bir ajan bozulduğunda tüm sistemin durmaması için her ajanı bağımsız bir mikroservis gibi kurgulayın. Bu yaklaşım sağlamdır. Böylece sadece "Fiyatlandırma Ajanı" hata verdiğinde, "Müşteri Onboarding Ajanı" çalışmaya devam eder. Sistem sürekliliği olmazsa olmazdır.

Sektördeki rekabet artıyor. Yerel firmalar yavaş yavaş bu teknolojileri benimsemeye başladı. Global devler ise zaten çoktan entegrasyonları tamamladı. Geri kalmak riskli. Gelecek, AI ajanlarını yönetenlerin elinde olacak, sadece AI kullananların değil. Kontrolü elinizde tutun.

Şimdi hemen şu adımı atın: Şirketinizdeki en sık tekrarlanan ve en çok hata yapılan 3 süreci listeleyin, ardından her biri için sadece tek bir tetikleyiciye (trigger) sahip basit bir otomasyon kurarak başlayın.