Yapay zekâ ajanı nedir, sabit iş akışından farkı ne?
Yapay zekâ ajanı, bir hedefe ulaşmak için araç ve sonraki adım seçimini bulunan bilgiye göre yapabilen sistemdir. Sabit iş akışı, yani workflow, adımların ve izinli dalların önceden kodlandığı süreçtir. Dil modeli içeren bir iş akışı kendiliğinden özerk ajan olmaz. Talebi sınıflandırıp siparişi okuyan, ardından taslak hazırlayıp onaya gönderen sistemde sonraki adımı kod seçebilir. Ajan ise önce hangi kaydı araştıracağına veya gelen sonuca göre hangi soruyu soracağına karar verebilir.
Anthropic'in ajan mimarisi rehberi, önceden tanımlı yollarla çalışan iş akışlarını dinamik araç seçen ajanlardan ayırır. Tasarım açısından önemli soru, modele süreç üzerinde ne kadar denetim verilmesi gerektiğidir. Sadece yanıtın doğal dilde olması veya API çağrılması bu ayrımı belirlemez. Sabit iş akışı da olasılıksal model çıktısı içerebilir; sabit olan her cevabın aynı olması değil, izinli adımların sınırıdır. Siz bu sınırı kayıt, hata yönetimi ve onay kurallarıyla görünür tutabilirsiniz. Özerklik yeni seçenekler açtığında bunların gerçekten işe yaradığını ölçmeniz gerekir.
Ajan mı iş akışı mı: özerklik karar ağacı
Aşağıdaki soruları sırayla cevaplayın. İlk satırdan çıkan sabit yol, ileride ajan eklemenizi engellemez; önce karşılaştıracağınız çalışan bir temel oluşturur. Adımların ekonomik biçimde listelenemediği yerde ikinci soruya geçin. Başarı tanımı ve güvenli durma koşulları yoksa özerkliği artırmadan bunları yazın. Risk ve bütçe satırları da mimariyi tek başına seçmez; ajanı nerede sınırlamanız gerektiğini gösterir.
| Karar sorusu | Evet ise | Hayır ise |
|---|---|---|
| Adımlar yönetilebilir kurallarla seçiliyor mu? | Sabit iş akışı kur | Sonraki soruya geç |
| Başarı ve durma koşulu açık mı? | Kanıt ihtiyacını değerlendir | Önce ölçüt ve insan devri yaz |
| Sonraki adım ara kanıta bağlı mı? | Sınırlı ajan adımı adaydır | İş akışını basitleştir |
| Dış etkiler sabit kapıyla sınırlandırılıyor mu? | Okuma ve öneriyi pilota al | Önce yetki ve onay kur |
| Ek başarı maliyet ve süreyi karşılıyor mu? | Ölçülen kapsamda ajan kullan | Sabit referans akışı iyileştir |
Bu karar ağacında “ajan adımı” tüm sistemi serbest bırakmak anlamına gelmez. Sabit bir talep alma akışının ortasında sınırlı araştırma yapıp yine sabit onaya dönebilirsiniz. Kararınızı hangi örneklerde sabit yolun eksik kaldığına bağlayın; “karmaşık iş” gibi genel bir sıfat, modelin hangi özgürlüğe ihtiyacı olduğunu anlatmaz.
Önce sabit iş akışını referans olarak kurun
Görevi başlatan olayı, gereken veriyi ve beklenen son durumu yazın. Destek talebinde bunlar mesaj, sipariş kaydı ve kanıtlı yanıt taslağı olabilir. Kimlik doğrulama, kayıt seçimi, bilgi getirme, taslak hazırlama, onay ve uygulama adımlarını ayırın. Bilinen dalları kodda tanımlayın: sipariş durumu sorgusu sipariş sistemine, fatura sorgusu fatura sistemine gitsin. Sınıflandırıcı kararsızsa açıklama sorusu veya insan devri olsun; bu belirsizlik tek başına ajan gerektirmez.
LangGraph'ın iş akışları ve ajanlar belgeleri, yönlendirme, sıralı adımlar ve dinamik araç kullanımı için farklı örnekler sunar. Çatı seçimi sürecin sahibini veya güvenlik sınırını belirlemez. Her adımın girişini, çıktısını ve başarısızlık davranışını siz tanımlamalısınız. Model çıktısını doğrulamadan bir sonraki sisteme taşımayın. Eksik sipariş kimliği ile yanlış müşteri kimliği farklı sorunlardır; ilkinde soru sorulur, ikincisinde erişim reddedilir.
Referans akışta gerçekçi vakaları çalıştırıp başarısızlıkları sınıflandırın. Eksik veri, yetersiz kaynak ve entegrasyon hatasını “ajan lazım” etiketiyle birleştirmeyin. Aynı eksik kaydı ajan da bulamayabilir. Sabit yolun sorunu yalnızca kötü bir araç açıklamasıysa açıklamayı düzeltin. Modelin esnek seçim yapması, ancak sabit yönlendirmenin sık sık işe yarar bir bilgi yolunu kapattığı örneklerde ayrı bir aday çözüm olur.
Ajana verilecek özgürlük nasıl sınırlandırılır?
Ajana açık bir hedef, erişebileceği kaynaklar ve izinli araçlar verin. Okuma, öneri ve uygulamayı ayırın; kanıt toplama esnek olurken kayıt değiştirme, dışarı mesaj gönderme ve para hareketi sunucuda sabit denetimden geçsin. Onay varsa tam hedefe ve değişmez parametrelere bağlansın. Kullanıcı veya araç çıktısı daha geniş yetki istese bile bunu model kararıyla açmayın. Yanlış eylemin geri alınabilir olması denetimi kaldırmaz, toparlanma yolunu belirler.
Görev başına süre, çağrı sayısı ve maliyet sınırı koyun. Aynı aracın aynı girdilerle sonuç vermeden yinelenmesi, belirsiz hedef veya kaynak çelişkisi durma nedeni olsun. Ajan durduğunda insana yalnızca “başaramadım” yazmasın; bulunan kayıtları, eksik bilgiyi, denenmiş yolları ve önerilen sonraki adımı taşısın. Modelin ne düşündüğünü tahmin etmek yerine araç çağrılarını, girdileri, sonuç durumlarını ve zamanları izleyin. Dış hizmet zaman aşımında yazmayı tekrar etmeden işlemin gerçekleşip gerçekleşmediğini sorgulayın.
Özerklik kapsamını sürümleyin. Yeni araç eklemek, bütçeyi yükseltmek veya durma kuralını değiştirmek test gerektiren bir davranış değişikliğidir. Aynı görev için güvenli farklı yollar mümkünse yalnızca tek çağrı sırasına puan vermeyin. Modelin daha çok adım atmasını değil izinli sonuca daha güvenilir ulaşmasını hedefleyin. Çoklu ajan kullanımı da ayrı bir karardır; tek görevin sonraki adımı belirsiz diye otomatik olarak bir ajan ekibi kurmanız gerekmez.
Varsayımsal örnek: 200 destek talebinde karma tasarım
Varsayımsal bir test kümesinde 200 destek talebi bulunsun: 160 rutin sipariş, fatura veya hesap sorusu; 40 birden fazla kaydı karşılaştırmayı gerektiren olay. Örneğin “Kargo hasarlı geldi, faturada eski adres var, iş arkadaşım daha önce talep açtı” mesajı sipariş, sevkiyat ve talep sistemindeki kanıtı birleştirmeyi gerektirsin. Sabit yol 160 rutin talebin 152'sini, 40 karmaşık talebin 18'ini doğru tamamlasın: toplam 170, yani %85.
Aynı sabit talep alma akışı, yalnızca karmaşık 40 talepte sınırlı ajan araştırmasına başvursun. Rutin başarı 152 olarak kalırken karmaşık başarı 30'a çıksın; toplam 182, yani %91 olsun. Fark 12 talep, yani 6 puandır. Bunlar varsayımsal sonuçlardır. Ortalama işlem maliyeti rutin talepte 0,04 avro, ajan yolunda 0,16 avro kabul edilirse karma tasarımın test maliyeti 12,80 avrodur; tüm 200 talebi aynı ajan maliyetiyle işlemek 32 avro eder. Yalnızca sabit iş akışıyla 200 talep 8 avro tutar; karma tasarım 4,80 avro fazlasıyla 12 talebi daha doğru sonuçlandırır, yani doğru sonuçlanan her ek talep yaklaşık 0,40 avroya mal olur. Bu hesap eşit birim maliyet varsayımıyla yalnızca iki yönlendirme seçimini gösterir.
Başarı artışı tek kabul ölçütü olmasın. Ajanın iadeyi kendiliğinden uygulamaması, doğru müşteriyi seçmesi ve belirsiz kayıtta devretmesi de gerekir. İnsan incelemesinin süresini ve yapılan düzeltmeleri ölçün. Kabul kriteri sağlanırsa ajanı yalnızca test edilmiş karmaşık kapsamda açın; rutin yola taşımak için ayrı karşılaştırma yapın.
Karşılaştırmalı test planı
- Aynı vakaları kullanın. Rutin, belirsiz ve çok kayıtlı örnekleri sabit yol ve ajan adayında çalıştırın. Veriyi, izinleri ve beklenen son durumları eşit tutun.
- Sonucu izden ayırın. Doğru taslak, doğru hedef ve doğru insan devrini değerlendirin. Anthropic'in ajan değerlendirme rehberi, işlem izini ortamda oluşan son durumdan ayırır.
- Riskli hataları ayrıca sayın. Onaysız uygulama, başka müşteri kaydı, yinelenen yazma ve kaçırılan insan devri genel başarı oranının içinde kaybolmasın.
- Süre ve bütçeyi ölçün. Ortanca yanında yavaş vakaları, çağrı sayısını, token kullanımını ve insan inceleme yükünü kaydedin. Sınır dolunca gerçekten durulduğunu doğrulayın.
- Değişkenliği kontrol edin. Zor vakaları birden fazla denemeyle çalıştırın. Model veya araç değişince ayrı tutulan testleri tekrarlayın; ilk iyi denemeyi genel başarı saymayın.
Sık yapılan hatalar
- Dil modeli veya API kullanan her otomasyona ajan diyerek kontrol sınırını belirsizleştirmek.
- Sabit referans akışı ölçmeden daha fazla özerkliğin faydalı olduğunu varsaymak.
- Kaynak veya entegrasyon eksikliğini ajan ekleyerek çözmeye çalışmak.
- Başarı oranı artınca yetkisiz eylemleri ve insan inceleme yükünü gözden kaçırmak.
- Süre, çağrı ve durma sınırı koymadan başarısız döngüyü açık bırakmak.
Hatson Tech bunu nasıl kuruyor?
Projeye gerçek görevler ve çalışan sabit süreçle başlıyoruz. Belirsiz kararları, araç izinlerini ve kabul ölçütlerini yapay zekâ ajanı geliştirme kapsamında birlikte çıkarıp ajan adayını aynı vakalarda karşılaştırıyoruz. Temel kavram için yapay zekâ ajanları rehberimize, görev bölme kararı için çoklu ajan sistemleri yazımıza bakabilirsiniz. Pilotun çıktısı yalnızca bir demo değil; hangi görevlerde modelin seçim yaptığı, nerede durduğu ve hangi dış etkilerin onaya bağlı kaldığı belli bir uygulama planıdır.