FlowX Summit Next Edition 2026 için Mandarin Oriental Bosphorus’taydım. Global IT International, Google Cloud ve Weoll iş birliğiyle gerçekleştirilen etkinliğe dair izlenimlerimi yazımda bulabilirsiniz.
Global IT International, Google Cloud ve Weoll iş birliğiyle gerçekleştirilen etkinlik bu kez “Ajanik Dönüşümün Yol Haritası” odağıyla düzenlendi. Program, yapay zekâ ajanlarının kurumların karar alma mekanizmalarından iş süreçlerine, altyapıdan güvenliğe, yatırımın geri dönüşünden insan ve yapay zekânın birlikte çalışacağı yeni organizasyon modeline kadar uzanan oldukça geniş bir alanı kapsıyordu. Günün devamında yapay zekâ ajanlarının kimlik güvenliği, Gemini ile sistemler arası iş akışları, yapay zekâ yatırımlarının geri dönüşü ve kurumlar için 10 adımlık ajanik dönüşüm yol haritası da ele alınacaktı.
Ben etkinliği kahve arasına kadar takip edebildim. Dolayısıyla bu yazıda günün ilk üç oturumunda aldığım notları, canlı demoda gördüklerimi ve bende kalan bazı soru işaretlerini paylaşacağım. Aslında daha etkinliğin ilk birkaç dakikasında gün boyunca konuşulacak dönüşümün oldukça sembolik bir örneğiyle karşılaştık. Çünkü etkinliğin sunucularından biri insan değildi.
Bizi karşılayan, programı anlatan ve konuşmacıları sahneye davet eden Weoll’un Metal Yaka yapay zekâ ajanlarından biriydi. Kendisini de doğrudan “Weoll’un yapay zekâ ajanlarından biri” ve gün boyunca katılımcılara eşlik edecek “Metal Yaka ekibinin” bir üyesi olarak tanıttı. İlk FlowX Summit’te yapay zekâ ajanlarının ve geleceğin iş gücünün konuşulduğunu hatırlatarak bu kez insanların ve yapay zekâ ajanlarının yan yana çalıştığı yeni dünyanın biraz daha içine girileceğini anlattı.
Weoll’un kendi tanımı da burada önemli. Şirket, Metal Yaka’yı klasik bir yapay zekâ asistanından özellikle ayırıyor. Yaklaşımın merkezinde yalnızca soru cevaplayan veya bilgi üreten bir sistem değil. Veriyi analiz eden, karar mekanizmalarını işleten ve kurumun belirlediği yetki sınırları içinde aksiyona geçebilen dijital çalışan fikri bulunuyor. Weoll bunu “yönetilen otonomi” yaklaşımıyla tanımlıyor; yani ajan çalışıyor ancak hangi noktada kendi başına ilerleyebileceği ve hangi noktada insan onayı isteyeceği kurum tarafından belirleniyor.
Bu nedenle gün boyunca insanlarla yapay zekâ ajanlarının birlikte çalışacağı yeni organizasyon yapısının konuşulduğu bir etkinliğin açılışını bir yapay zekâ ajanının yapması bana hoş bir sahne gösterisinden biraz daha fazlası gibi geldi. Anlatılacak gelecek senaryosunun küçük bir örneği, daha etkinliğin ilk dakikalarında uygulanmaya başlanmıştı.
Yapay Zekâda Operasyondan Orkestrasyona
Günün ilk konuşmacısı Global IT International Executive Vice President’i Burak Akusta oldu. “Ajanik İşletmeye Geçiş: 2026 ve Sonrası İçin Dijital Senfoni” başlıklı sunumunda Akusta’nın ortaya koyduğu temel mesele, bana göre bugün kurumsal yapay zekâ tartışmasının geldiği noktayı oldukça iyi özetliyor.
Şirketler üretken yapay zekâyla tanıştı. Sohbet botları ve yapay zekâ asistanları kurumların içine girdi. Çalışanlar içerik üretmekten rapor özetlemeye, e-posta yazmaktan bilgi aramaya kadar pek çok alanda bu araçları kullanmaya başladı. Ancak Akusta’nın “üretken yapay zekâ paradoksu” olarak tarif ettiği noktada artık başka bir soru soruluyor: Bütün bu kullanımın şirketin operasyonlarına ve bilançosuna gerçek etkisi nerede?
Bugüne kadar yaygınlaşan yapay zekâ uygulamalarının önemli bölümü reaktif çalışıyordu. İnsan bir komut veriyor, sistem yanıt üretiyor ve bir sonraki adım için yine insan müdahalesi gerekiyordu. Üstelik bu sistemler çoğu zaman şirketin ERP, CRM veya diğer kurumsal uygulamalarında doğrudan aksiyon alamıyordu. Akusta’nın anlattığı ajanik modelde ise yapay zekâ kurumsal hafızaya erişebiliyor, bağlamı koruyabiliyor, bir hedefi alt görevlere ayırabiliyor, farklı araçları kullanabiliyor ve tanımlanan sınırlar içinde kurum adına aksiyon alabiliyor. Birden fazla ajanın farklı uzmanlıklarla birbirine görev verdiği çoklu ajan mimarileri de bu yapının önemli parçalarından biri haline geliyor.
Buradaki değişimi yalnızca “daha gelişmiş yapay zekâ” olarak okumamak gerektiğini düşünüyorum. Çünkü yapay zekâya yalnızca bir metin veya rapor ürettirdiğinizde kurumun çalışma modeli büyük ölçüde aynı kalıyor. Ancak yapay zekâ şirket verilerine ulaşıyor, başka sistemleri çalıştırıyor, görev oluşturuyor ve sürecin bazı aşamalarını kendi başına ilerletmeye başlıyorsa artık yalnızca kullandığınız araç değil, işin nasıl yapıldığı değişiyor.
Akusta’nın kullandığı “orkestrasyon” kavramı bu yüzden oldukça önemliydi. Yeni dönemde insanın rolünü de yalnızca komut veren kişi olarak tarif etmiyor. İnsan stratejiyi ve sınırları belirleyen, istisnai durumlarda sürece giren, kritik karar noktalarında onay veren ve giderek daha fazla sayıda dijital çalışanı orkestre eden bir konuma doğru ilerliyor.
Kurumların Yeni Sermayesi Dijital Hafıza
Sunumda benim özellikle not aldığım kavramlardan biri de “yaşayan dijital sermaye” oldu. Kurumların yıllardır ürettiği bilgi aslında farklı klasörlerde, e-postalarda, ERP sistemlerinde, müşteri ilişkileri yönetimi uygulamalarında, veri ambarlarında ve çalışanların kişisel hafızalarında dağınık durumda bulunuyor. Ajanların bu kaynaklara güvenli biçimde erişebilmesi, bilginin yalnızca arşivlenen bir veri olmaktan çıkıp gerektiğinde kullanılabilen kurumsal hafızaya dönüşmesi anlamına geliyor.
Bunun çalışan hareketliliği açısından da ilginç bir sonucu var. Kurumsal hayatta hepimizin bildiği “Bu işi Ahmet Bey biliyordu ama ayrıldı”, “Bu sürecin nasıl çalıştığını yalnızca Mehmet Bey biliyor” problemi, organizasyonlarda görünmeyen ama önemli bir bilgi kaybına neden oluyor. Ajanların kurum politikalarını, süreçleri, uygulama biçimlerini ve kurumsal dili öğrenmesi, bu bilginin kişilerden tamamen bağımsızlaşacağı anlamına gelmese de kurumsal hafızanın daha sürdürülebilir hale gelmesini sağlayabilir.
Akusta’nın burada kullandığı bir diğer kavram ise “karar temettüsü” oldu. Karar döngülerinin günlerden saatlere, bazı durumlarda saniyelere indirilmesi; operasyonel varlıkların daha etkin kullanılması ve insan dikkatinden kaçabilecek fırsatların ajanlar tarafından yakalanması bu yeni değerin parçaları olarak tarif edildi. Kurumların büyüme kapasitesinin yalnızca çalışan sayısındaki artışla değil, sahip oldukları dijital sermayenin ve yapay zekâ ajanlarının oluşturduğu kapasite çarpanıyla da ilişkilendirileceği bir modelden söz ediliyor.
Bu yaklaşım bana oldukça düşündürücü geliyor. Çünkü yıllardır şirketlerin “insan sermayesi” kavramını konuşuyoruz. Önümüzdeki dönemde bunun yanına gerçek anlamda dijital iş gücü sermayesi kavramı eklenebilir.
Her Ajan Başarı Hikâyesine Dönüşmeyecek
Etkinlikte yalnızca iyimser bir yapay zekâ tablosu çizilmemesi de önemliydi. Akusta, pilot projelerle gerçek üretim ortamı arasındaki farkın altını özellikle çizdi. Sunumda aktardığı verilere göre kurumların önemli bölümü ajan projeleri başlatmış olsa da yüksek performans gösteren ajan ağına ulaşan şirketlerin oranı çok daha sınırlı kalıyor; pilotlardan üretim ortamına geçildiğinde başarı oranının ciddi şekilde düştüğü belirtiliyor. Akusta ayrıca Gartner’ın, değer üretemeyen önemli sayıda ajanik projenin önümüzdeki dönemde sonlandırılacağı yönündeki öngörüsünü de paylaştı.
Bence burası ajanik yapay zekâ tartışmasının en önemli gerçeklik kontrollerinden biri. Çünkü bugün bir ajan geliştirmek giderek kolaylaşıyor. Teknik ekiplerin yanında iş birimleri de doğal dil veya düşük kodlu araçlarla kendi ihtiyaçları için ajanlar oluşturabiliyor. Ancak kolay ajan üretilebilmesi, bu ajanların otomatik olarak kurum için değer yaratacağı anlamına gelmiyor.
Üstelik burada başka bir risk daha ortaya çıkıyor: ajan yayılması. Her departmanın kendi ihtiyacına göre birbirinden bağımsız ajanlar geliştirdiği, bu ajanların hangi verilere eriştiğinin ve hangi aksiyonları gerçekleştirdiğinin merkezi olarak izlenemediği bir yapı, verimlilikten çok yeni bir karmaşa yaratabilir.
Akusta bu nedenle üç önemli alana dikkat çekti. Bunlardan ilki ajan kimliği yani her dijital çalışanın tıpkı bir insan çalışan gibi hangi sistemlere ve verilere erişebileceğinin tanımlanması. İkincisi, ajanların davranışlarının izlenmesi ve insan müdahalelerinden öğrenebilmesi için telemetri ve geri besleme mekanizmalarının kurulması. Üçüncüsü ise ajanların ve sistemlerin birbirleriyle belirli standartlar üzerinden iletişim kurabilmesi.
Kısacası önümüzdeki dönemde şirketlerin sorusu yalnızca “Yapay zekâ ajanımız var mı?” olmayacak. Bana göre çok daha kritik soru şu olacak: Kaç ajanımız var, hangisi ne yapıyor, neye erişiyor ve bunların tamamını kim yönetiyor?
Yapay Zekânın Hızı Kurumların Hızını Geçiyor
Ardından Google Cloud Türkiye Ülke Müdürü Önder Güler sahneye çıktı. “Pioneering Türkiye’s AI Frontier” başlıklı oturumda Güler, Türkiye’deki bulut yatırımlarından yapay zekânın ulaştığı yeni ölçeğe kadar uzanan daha geniş bir perspektif çizdi.
Konuşmasında benim özellikle dikkatimi çeken noktalardan biri, teknolojinin gelişme hızıyla kurumların karar alma ve dönüşüm hızları arasında oluşmaya başlayan makastı. Güler, birkaç yıl önce yazılım dünyasında önemli sürüm değişikliklerinin yıllarla ölçüldüğünü; bugün ise birkaç ay içinde bile teknolojik gündemi değiştiren gelişmeler yaşandığını anlattı. Üstelik inovasyonun hızı artarken şirketlerin yönetişim, güvenlik, altyapı ve karar alma mekanizmalarının aynı hızda ilerlemediğine dikkat çekti.
Bana göre kurumsal yapay zekâ tartışmalarının biraz gözden kaçan taraflarından biri de bu. Teknoloji şirketleri birkaç ay içinde yeni modeller ve yeni kabiliyetler sunabiliyor ama büyük bir kurumun veri mimarisini, güvenlik politikalarını, yetkilendirme sistemlerini veya çalışma biçimini aynı hızda değiştirmek mümkün değil. Böylece teknolojinin sunduğu imkânlarla kurumun bunları güvenli biçimde kullanabilme kapasitesi arasında giderek büyüyen bir mesafe oluşuyor.
Güler’in sunumunda bunun çok somut bir başka karşılığı vardı: insan ölçeği ile yapay zekâ ölçeği arasındaki fark.
Bir şirkette insanların veri ambarına göndereceği sorgu sayısı belirli sınırlar içinde tahmin edilebilir. Çalışanların mesaisi, mola saatleri ve fiziksel kapasitesi var. Ancak ajanların dünyasında aynı varsayım geçerli değil. Bir yapay zekâ ajanı uzun süreli bir görevi başlatıp arka planda saatlerce çalışabilir, sürekli veri sorgulayabilir, başka sistemlerle iletişim kurabilir ve müşteriler adına çalışan uygulamalar üzerinden aynı anda çok sayıda işlem yürütebilir. Bir başka ifadeyle ajan uyumuyor, mola vermiyor ve mesaisi sona ermiyor.
Güler bu nedenle insan ölçeğinde binlerce veya yüz binlerce sorguyu karşılamak üzere tasarlanan altyapının, ajanların devreye girmesiyle çok farklı bir trafikle karşılaşabileceğine dikkat çekti.
Bu çok önemli bir nokta. Çünkü ajanik dönüşümü yalnızca bir yapay zekâ yazılımı dönüşümü olarak ele almak eksik kalıyor. Arkasında veri merkezlerinden işlem kapasitesine, ağ altyapısından veri platformlarına, maliyet yönetiminden güvenliğe kadar çok büyük bir altyapı dönüşümü bulunuyor.
Kurumsal Yapay Zekâda Yeni Soru Ölçek
Önder Güler’in altını çizdiği diğer önemli konu da pilot projelerden büyük ölçekli kullanıma geçişti. Bir yapay zekâ uygulamasını birkaç çalışanla test etmekle, aynı sistemi 100 bin kullanıcının önüne koymak arasında çok büyük fark var. Kullanıcı ve ajan sayısı arttıkça yönetişim, maliyet optimizasyonu, kimlik yönetimi ve hangi sistemlere hangi yetkiyle erişildiğinin kontrolü kritik hale geliyor.
Burada benim aklımda kalan düşünce şu oldu: Bugün yapay zekâ dünyasında tartışmaların önemli bölümü hâlâ hangi modelin daha hızlı, daha akıllı veya daha yetenekli olduğu üzerinden ilerliyor. Kurumsal tarafta ise uzun vadede başka sorular çok daha belirleyici olabilir. Bu sistem 10 kullanıcıdan 10 bin kullanıcıya çıktığında ne oluyor? Maliyeti nasıl değişiyor? Güvenlik aynı seviyede korunabiliyor mu? Ajanların erişim haklarını takip edebiliyor muyuz? Bir hata olduğunda hangi ajanın hangi kararı neden verdiğini görebiliyor muyuz?
Yani kurumlar için model performansı önemli olmaya devam edecek ama ölçeklenebilirlik ve yönetişim, yapay zekâ seçimlerinin sessiz ama belirleyici kriterleri haline geliyor.
Günün En Sevdiğim Kavramı Bağlam Vergisi
Burak Akusta ile Global IT International Senior Data & ML Engineer Rabia Özdemir tarafından gerçekleştirilen “Veriden Karara, Karardan Aksiyona: Ajanlar İş Başında” oturumu ise benim için sabah bölümünün en somut ve öğretici kısmıydı.
Burada yeni ve oldukça hoşuma giden bir kavramla karşılaştım: bağlam vergisi.
Kurumsal hayatta günümüzün önemli bir bölümünü aslında yeni bir şey üretmekten çok bilgi aramak ve taşımak için harcıyoruz. Müşteriye ilişkin kullanım verisini bir sistemde buluyoruz, sözleşmesini başka bir klasörden açıyoruz, geçmiş e-postalara gidiyoruz, destek kaydını Jira’dan kontrol ediyoruz, bir başka ekipten bilgi istiyoruz ve bütün bu parçaları zihnimizde bir araya getirerek karar vermeye çalışıyoruz.
Üstelik bugün birçok kurumsal yazılımın kendi yapay zekâ asistanı bulunuyor. Ancak A uygulamasındaki yapay zekânın verdiği cevabı alıp B uygulamasına götürüyor, oradaki sonucu C sistemine taşıyor ve en sonunda bunları yine kendimiz birleştiriyorsak aslında teknoloji değişmiş olsa da çalışma biçimimiz çok değişmemiş demektir.
Akusta’nın “bağlam vergisi” veya “verimlilik vergisi” olarak tanımladığı mesele tam olarak bu. Farklı sistemlerde duran veriyi tek bir iş bağlamında bir araya getirememenin yarattığı görünmez zaman ve verimlilik kaybı. Gemini Enterprise burada farklı veri kaynaklarını ve sistemleri aynı bağlam içinde bir araya getiren bir “kurumsal ajanik sinir sistemi” olarak konumlandırıldı.
Bence bu kavramı ajanik dönüşümün iş dünyasındaki değerini anlatırken daha fazla duyacağız. Çünkü yapay zekânın asıl katkısı her zaman bir işi beş dakika daha hızlı yaptırmak olmayabilir. Bazen asıl kazanç, çalışanların yıllardır farkında olmadan ödediği sistemler arası geçiş ve bilgi toplama maliyetini ortadan kaldırmak olabilir.
Bir Müşteri Krizi Nasıl Birkaç Sistemi Birleştirdi?
Canlı demoda bunun gerçek hayatta nasıl çalışabileceği bir müşteri senaryosu üzerinden gösterildi. Rabia Özdemir, kurgusal bir şirkette Enterprise Account Manager rolünü üstlendi. Portföyündeki bir müşterinin sözleşme yenileme tarihi yaklaşıyordu ve müşterinin mevcut durumunu anlayarak nasıl bir teklifle gidilmesi gerektiğini belirlemesi gerekiyordu.
Normal şartlarda bu analiz için farklı sistemlere girmek gerekirdi. İlk olarak müşterinin kullanım verileri incelendi. Gemini Enterprise üzerinden doğal dille soru soruldu ve arka plandaki BigQuery verilerinden müşterinin hangi servisleri kullandığı, kullanımında düşüş bulunup bulunmadığı ve hata oranlarında değişiklik olup olmadığı çıkarıldı. Kullanıcının SQL sorgusu yazmasına gerek kalmadı; sistem oluşturduğu sorguyu da şeffaf biçimde gösterdi.
Ardından müşterinin sözleşmesine geçildi. Bu kez yapılandırılmış bir veri tabanı değil, OneDrive üzerinde bulunan doküman kullanıldı. Sözleşmenin yenileme tarihi, mevcut taahhütler ve müşterinin sahip olduğu haklar belirlendi. Daha sonra kullanım verisi ile sözleşme bilgisi aynı bağlam içinde birleştirildi. Böylece müşteride yalnızca teknik bir sorun olmadığı, sözleşme açısından da bir risk oluştuğu görüldü.
Sonraki aşamada geçmiş e-postalar tarandı. Teknik ekipten ve müşteri yönetiminden gelen mesajlarda yaşanan sorunların daha önce bildirildiği, yeterli aksiyon alınamadığı ve müşterinin alternatif sağlayıcıları değerlendirebileceği ortaya çıktı. Bunun üzerine aynı problemin başka müşterilerde yaşanıp yaşanmadığı veri üzerinden kontrol edildi ve sorunun yalnızca bu müşteriye özgü olmadığı görüldü. Ardından Jira kaydına gidildi; teknik ekibin problemi tespit ettiği ancak çözümün ileri bir döneme ertelendiği anlaşıldı.
Bütün bunları özellikle ayrıntılı anlatıyorum çünkü canlı demoda benim için önemli olan kullanılan modelden çok çalışma biçimindeki değişiklikti. Bir account manager’ın normal şartlarda farklı ekiplerden bilgi isteyerek ve farklı uygulamalar arasında dolaşarak oluşturacağı bağlam, birkaç doğal dil sorgusuyla tek yerde kurulmuş oldu.
Cevap Vermekten Aksiyon Almaya
Demo bundan sonra daha da ilginçleşti çünkü sistem yalnızca problemin ne olduğunu açıklamakla kalmadı, aksiyon almaya başladı.
Jira kaydının önceliğinin yükseltilmesi istendi. Sistem işlemi doğrudan gerçekleştirmeden önce kullanıcıdan onay aldı. Ardından şirket içindeki teknik ekibe ve müşteriye gönderilmek üzere farklı üsluplarda e-postalar hazırladı. Müşteriye 72 saatlik çözüm planı oluşturulması, ihtiyaç duyduğu araştırmanın yapılması ve yeni teklif hazırlığı da sürecin devamına eklendi.
Deep Research özelliği kullanılarak hem dış kaynaklardan hem de kurumun kendi müşteriye ilişkin verilerinden yararlanan bir araştırma gerçekleştirildi. Daha sonra müşterinin en fazla kullandığı hizmetler incelendi ve yeni teklif hazırlanırken kurum içinde daha önce tanımlanmış teklif hazırlama kuralları devreye sokuldu. “Skills” olarak anlatılan bu yapı sayesinde kurumun teklif standardı, dili veya başka bir prosedürü her seferinde yeniden prompt içine yazılmak yerine kurumsal bir beceri olarak ajanların kullanımına sunulabiliyor.
Bu kısmın yalnızca verimlilik açısından değil, kurumsal tutarlılık açısından da önemli olduğunu düşünüyorum. Çünkü çalışanlar müşterilerle farklı üsluplarda iletişim kurabiliyor veya kurum içindeki bazı standartları farklı yorumlayabiliyor. Kurumsal dilin, politika ve prosedürlerin ajanların kullanabileceği beceriler haline gelmesi, yapay zekâyı yalnızca hızlandırıcı değil aynı zamanda standardizasyon aracı haline getirebilir.
Bir Kez Yapılan İş Ajana Dönüşüyor
Demonun son bölümünde ise aynı işlemleri her müşteri için tekrar tekrar yapmamak amacıyla bir no-code ajan oluşturuldu. Kullanıcının teknik bilgiye veya kod yazmaya ihtiyacı olmadan doğal dille ajanın ne yapacağı, hangi kurallara uyacağı ve hangi sistemlere bağlanacağı tarif edildi.
Ajan daha sonra belirli aralıklarla çalıştırılabilecek, farklı account manager’larla paylaşılabilecek ve müşterilerin durumunu otomatik olarak kontrol edebilecek bir yapıya dönüştürüldü. Çalışanın erişim yetkileri de korunmaya devam ediyor; örneğin kullanıcının Jira’da belirli bir bilgiye erişme hakkı yoksa onun adına çalışan ajan da bu bilgiye ulaşamıyor.
Rabia Özdemir’in özetlediği şekliyle demo sırasında yeni bir sistem kurulmadı ve veriler başka bir ortama taşınmadı. Farklı kaynaklara mevcut bağlantılar üzerinden erişildi. Microsoft ortamındaki verilerin Google tarafına taşınmadığı, verilerin mevcut ortamlarında kalmaya devam ettiği ve Gemini Enterprise’ın bunlara kullanıcının kişisel yetkileri çerçevesinde eriştiği özellikle belirtildi.
Burak Akusta’nın verdiği örneğe göre ilk kez adım adım yapılan bu süreç 15-20 dakika sürebilirken, yapı bir ajana dönüştürüldüğünde benzer bir işlemin birkaç dakika seviyesine indirilebilmesi mümkün hale geliyor.
İşte bence “ajan” kelimesinin gerçekten anlam kazandığı nokta da burada. Aynı işi her defasında yapay zekâyla sohbet ederek yeniden yaptığınızda hâlâ bir asistan kullanıyorsunuz. Ancak bir kez tarif ettiğiniz işi siz tekrar anlatmadan belirli kurallar ve yetkiler dahilinde tekrar tekrar yürütebilen bir yapı oluşturduğunuzda, dijital iş gücü kavramına yaklaşmaya başlıyorsunuz.
Human in the Loop Aslında Yetki Tasarımı
Etkinlik boyunca sık sık geçen human in the loop kavramı, canlı demo sırasında çok daha somut hale geldi. Bir yapay zekâ ajanının müşteri verisini incelemesiyle Jira kaydını değiştirmesi aynı risk seviyesine sahip değil. Bir e-posta taslağı hazırlamasıyla o e-postayı müşteriye doğrudan göndermesi de aynı şey değil. Finansal bir işlemi incelemesi, başlatması veya onaylaması arasında ise çok daha büyük farklar bulunuyor.
Bu nedenle ajanik dönüşümün yalnızca bir teknoloji mimarisi kurmak olmadığını düşünüyorum. Kurumların aynı zamanda çok ciddi bir yetki mimarisi tasarlaması gerekecek. Hangi ajan hangi sisteme erişebilir, hangi bilgileri yalnızca okuyabilir, hangi kayıtları değiştirebilir, hangi tutara kadar işlem gerçekleştirebilir, hangi noktada insan onayı gerekir, gerçekleştirdiği işlemlerin kaydı nasıl tutulur ve bir ajan başka bir ajanı görevlendirebilir mi gibi sorular, yapay zekâ yönetişiminin günlük operasyonlara dokunan yeni başlıkları olacak.
Weoll’un Metal Yaka yaklaşımında kullandığı “yönetilen otonomi” kavramını bu nedenle anlamlı buluyorum. Şirketin resmi anlatımında da kritik adımlarda insan onayının zorunlu tutulabileceği, ajanın hangi kararları alabileceğinin kurum tarafından belirlendiği ve işlemlerin geriye dönük izlenebildiği belirtiliyor.
Bence önümüzdeki dönemin önemli sorusu yapay zekâya ne kadar yetenek kazandırabileceğimiz değil; bu yeteneklerin sınırlarını ne kadar doğru çizebileceğimiz olacak.
TikTak Örneği Teoriyi Sahaya Taşıdı
Kahve arasından hemen önce sahnede bu kez gerçek bir şirket deneyimi vardı. TikTak CTO’su Necdet Alpmen ve Head of Software Engineering Serkan Burak Böke, şirketin yapay zekâyı operasyonlarında nasıl kullandığını ve bundan sonraki planlarını anlattı. Alpmen’in TikTak CTO’luğu şirket tarafından da duyurulmuş durumda; Böke de TikTak’ın yazılım mühendisliği tarafına liderlik ediyor.
Araç paylaşımı, yapay zekânın operasyonel değerini görmek açısından oldukça ilginç bir alan. Binlerce aracın sahada olduğu bir yapıda park sorunlarından trafik cezalarına, kazalardan müşteri desteğine, kimlik doğrulamadan saha operasyonlarına kadar çok sayıda süreç eş zamanlı yürütülüyor. TikTak tarafı da yapay zekâ kullanımında kısa vadeli hedeflerinden birini operasyonel verimlilik ve müşteriye daha hızlı hizmet verme olarak tanımladı.
Şirketin halihazırda kimlik doğrulama, yüz eşleştirme ve canlılık kontrollerinde yapay zekâ kullandığı; otopark fişlerinin daha önce çalışanlar tarafından manuel incelendiği sürecin otomasyona taşındığı anlatıldı. Gelecek projeler arasında ise araç fotoğraflarından hasar tespiti, aracın temizlik durumunun belirlenmesi ve operasyon ekiplerine otomatik görev atanması gibi kullanım alanları bulunuyor.
TikTak’ın platform seçiminde öne çıkardığı kriterler de bence önemliydi. Veri güvenliği, kişisel verilerin korunması, maliyet yönetimi, ölçeklenebilirlik ve mevcut sistemlerle entegrasyon temel başlıklar arasında yer aldı. Şirket ayrıca müşteri çağrı merkezi operasyonunda yapay zekâ ajanlarının kullanıldığını ve ajanlarla gerçekleştirilen çağrı süresinin 1 milyon dakikanın üzerine çıktığını aktardı. Yapay zekânın Product Discovery süreçlerinde de müşterilerin şikâyetlerini analiz ederek ürün ekiplerinin geliştirme yol haritasına veri sağlaması için kullanıldığı belirtildi.
TikTak örneği günün başından itibaren anlatılan teorik çerçeveyi sahaya taşıdığı için özellikle değerliydi. Çünkü burada yapay zekâdan yalnızca içerik üretmesini istemiyoruz. Kimlik doğruluyor, operasyonel veriyi işliyor, müşterilerle konuşuyor, ürün geliştirme ekiplerine sinyal üretiyor ve ileride fiziksel dünyadaki araçların durumunu fotoğraflardan anlayarak operasyon başlatabilecek bir yapıya doğru ilerliyor.
İnsan Ne Yapacak?
TikTak oturumunun sonunda sorulan soru aslında günün tamamını birbirine bağladı: İnsan ve yapay zekâ birlikte çalıştığında çalışma modeli nasıl değişecek?
Necdet Alpmen’in değerlendirmesinde insan giderek ajanları orkestre eden, süreçlerin sınırlarını belirleyen ve ajanların güvenli biçimde çalışmasını sağlayan bir role doğru evriliyor. Serkan Burak Böke ise günlük kurumsal hayatın çok tanıdık bir örneğini verdi: toplantılar. Ajanların toplantı notlarına, iş takip sistemlerine, dokümanlara ve e-postalara erişebildiği bir yapıda, önceki toplantıda alınan kararların ne kadarının aksiyona dönüştüğünü takip etmek, görevleri doğru ekiplere yönlendirmek ve hatta yeni bir toplantıya gerçekten ihtiyaç olup olmadığını sorgulamak mümkün hale gelebilir.
Bu örnek bana göre ajanik yapay zekânın en önemli tarafını gösteriyor. Çünkü mesele insanı her süreçten çıkarmak değil. İnsanların zamanını sistemler arasında bilgi taşımak, geçmiş toplantı notlarında aksiyon aramak, aynı veriyi farklı platformlardan toplamak gibi işlerden kurtarıp daha fazla değerlendirme, yaratıcılık, karar ve ilişki yönetimi gerektiren alanlara kaydırmak.
Ama bunun kendiliğinden gerçekleşeceğini düşünmüyorum. Kurumların teknolojinin yanında iş tasarımını da değiştirmesi gerekecek.
FlowX Summit’ten Benim Not Defterimde Kalan
FlowX Summit Next Edition’ın takip edebildiğim ilk bölümünden bende kalan en güçlü düşünce şu oldu: Yapay zekâ ile ilgili ilk dönemimiz ağırlıklı olarak üretme dönemiydi. Metin ürettik, kod ürettik, görsel oluşturduk, e-posta yazdırdık, raporları özetlettik ve sunum hazırlattık. Bunların önemli bölümü bireysel üretkenliği artırdı fakat şirketlerin temel çalışma biçimini değiştirmedi.
Şimdi ikinci bir döneme giriyoruz. Yapay zekâya yalnızca bir şey ürettirmiyor, giderek daha fazla iş yaptırıyoruz.
Aradaki fark düşündüğümüzden daha büyük olabilir. Bir yapay zekânın PowerPoint hazırlaması şirketinizin organizasyon şemasını değiştirmez. Ama CRM’e girdiğinde, müşteriyi analiz ettiğinde, Jira kaydını değiştirdiğinde, ERP üzerinde işlem başlattığında, başka bir ajanı görevlendirdiğinde ve iş akışının bir bölümünü insan müdahalesi olmadan yürüttüğünde organizasyonun kendisi değişmeye başlar.
Bunun sonucunda iş tanımları da değişecek. Yöneticilerin sorumlulukları değişecek. BT ekiplerinin rolü değişecek. Yetkilendirme ve güvenlik modelleri değişecek. Performansı nasıl ölçtüğümüz değişecek. Belki zaman içinde “ekip” dediğimiz kavram bile yalnızca insan çalışanlardan oluşan bir yapıyı ifade etmeyecek.
Tam da bu nedenle etkinliğin başında Weoll’un Metal Yaka yapay zekâ ajanının sahnede konuşmacıları anons etmesini yalnızca dikkat çekici bir teknoloji demosu olarak görmedim. Bir anlamda gün boyunca anlatılacak dünyanın küçük bir provasıydı. Bugün bir yapay zekâ ajanı bir etkinliğin akışına dahil oluyor; yarın aynı yaklaşım şirketlerin müşteri hizmetlerinden finansa, insan kaynaklarından operasyonlara kadar yüzlerce sürecin içine yerleşebilir.
Bence bundan sonraki asıl yarış da kimin en fazla yapay zekâ ajanına sahip olacağı üzerinden yaşanmayacak. Asıl fark, insanlarla birlikte çalışan bu yeni dijital iş gücünü kimin daha doğru tasarladığı, yönettiği ve orkestre ettiği noktada ortaya çıkacak.
Ve sanırım FlowX Summit’in kahve arasına kadar tuttuğum notların bende bıraktığı en net cümle de bu oldu. Ajanik dönüşüm, yapay zekâyı şirkete eklemek değil; şirketi yapay zekâ ajanlarının da çalıştığı bir dünyaya göre yeniden düşünmek demek.
