Generative AI ile ilk tanıştığımızda epey şaşırdık. Ancak bu hype treni çok uzun yol almadı. Çünkü zamanla anladık ki yapay zekanın asıl potansiyeli, yalnızca içerik üretmekte değil; karar alabilen, hedef odaklı hareket eden otonom yapay zeka asistanlarında yatıyor. Yani AI Agent'ları dediğimiz daha üstün becerilere sahip, kıdemli asistanlarda. Bu içerikte Agentic AI dönemine ve AI Agent kavramına daha yakından bakıyoruz. İyi okumalar!
İçindekiler:
- Agentic AI ve AI Agents Nedir?
- Agentic AI versus Generative AI: Üreten mi, Yöneten mi?
- AI Agent’lar Nasıl Çalışır?
- Örneklerle Agentic AI
- Yapay Zekaya Sorduk: Agentic AI ve AI Agents Nedir?
Agentic AI ve AI Agents Nedir?
Agentic AI, belirli hedeflere ulaşmak için bağımsız biçimde karar veren ve aksiyona geçen otonom yapay zeka sistemlerini tanımlayan bir yaklaşımdır. AI Agent ise çevresini algılayabilen, kendi kendine öğrenen, veriye dayalı kararlar verip bağımsızca eyleme geçen bir yapay zeka sistemidir. Bu AI Agent’lar bazen tamamen dijital (örneğin bir yazılım uygulaması), bazen fiziksel (örneğin bir robot), bazen de dijital ve fiziksel ögeleri bir araya getiren karma yapılar (otonom araçlar) olabilir. Şu ana kadar konuştuklarımız belki bir-iki sene öncesinde bizim için bilim kurgu hikayesiydi. Her ne kadar Agentic AI büyüyen bir alan olsa da, halihazırdaki AI uygulamalarından ne şekilde farklı olduğunu kestiremeyebiliriz. Ama özün özü bugün Agentic AI, Generative AI’ya göre çok daha etkili ve verimli bir yapı olarak karşımıza çıkıyor.
Agentic AI versus Generative AI: Üreten mi, Yöneten mi?
Agentic AI ve Generative AI arasındaki farkın en kısa hali; biri üreten diğeri ise yöneten bir kapasiteye sahiptir. Generative AI kullanıcının prompt’una yanıt olarak orijinal içerikler (görsel, metin, yazılım…) üretir. Öte yandan Agentic AI, sürekli prompt almaya ihtiyaç duymaksızın harekete geçer. Örneğin, ChatGPT’den bir blog yazısı yazmasını isteyebiliriz. Ancak Agentic AI yalnızca içerik üretmekle kalmaz; içeriği düzenler, günceller ve otomatik olarak ilgili platformlarda devamlı yayınlar. Yani içeriği yönetir. Şimdi GenAI ve Agentic AI’yı birbirinden ayıran temel özelliklerin detaylarına inelim:
AI Agent’lar Nasıl Çalışır?
Tüm bunlar kulağa çok güzel geliyor. Ancak asıl yanıtlamak istediğimiz soru şu: ‘Peki, bu nasıl mümkün oluyor?’ Öncelikle AI Agent’ların temelinde geniş dil modelleri (LLM) olduğunu belirtmek önemli. Bildiğimiz ChatGPT gibi LLM’ler, yanıtlarını eğitildikleri veri setlerine dayanarak üretirken, AI Agent’lar güncel bilgiyi sağlamak için arka planda tool calling adı verilen bir teknoloji kullanır. Böylece karmaşık hedeflere ulaşmak için alt görevleri otonom biçimde oluşturabilirler. Tool calling’i ve AI Agent’ların nasıl çalıştığını şu şekilde örnekleyebiliriz: Mesela bir AI agent, “bugün hava nasıl?” sorusuna doğrudan yanıt veremeyebilir. Ancak “tool calling” sayesinde bir hava durumu API’sini çağırarak güncel bilgiyi alıp yanıtlayabilir. Bu tool calling, insan etkileşiminden bağımsız çalışır.
Ayrıca AI Agent’ların kullanıcı beklentilerine uyum sağlamasına, geçmiş etkileşimleri hafızasında tutmasına ve geleceğe yönelik planlar yapmasına olanak tanır. Ancak AI Agent’ların işleyişini ve otonom davranışlarını anlamak için bakmamız gereken 3 agentic bileşen ve adım var:
Hedef Belirleme ve Planlama (Goal initialization and planning)
AI Agent’ları otonom şekilde kendi kararlarıyla davransa da, hedefleri bir insanın belirlemesine gerek duyar. Bu otonom davranışları etkileyen üç etmen bulunur:
- AI Agent’larını tasarlayan ve eğiten geliştirme ekibi
- Agent’ı deploy eden, yani dağıtan ve kullanıcının erişimini sağlayan ekip
- AI agent’a belirli hedefler veren ve ve kullanması için araçları belirleyen kullanıcı.
Tüm bu aşamalar sonrasında AI Agent karmaşık gerçekleştirmek için görevleri alt görevlere böler.
Araçlarla Sorgulama (Reasoning using available tools)
AI Agent’ları, algıladıkları bilgiye dayanarak hareket etse de karmaşık görevleri tek başına çözemezler. Bu noktada, dış veri setleri, web aramaları, API’ler veya diğer ajanlar gibi araçlardan destek alırlar. Böylece eksik bilgiyi tamamlayarak planlarını günceller ve kendini düzeltirler.
Öğrenme ve Geri Bildirim (Learning and reflection)
AI Agent’ları, hem kullanıcılardan hem de diğer AI Agent’larından aldıkları geri bildirimlerle kendini geliştirmeye devam eder. Kullanıcının verdiği geri bildirimler, Agent’ın performansını artırmak ve tercihlere uyum sağlamak için bellekte saklanır. Diğer Agent’lardan gelen geri bildirimler ise, sistemin kendi içinde kendini iyileştirmesini sağlar. Bu da kullanıcının bir müdahale etmesi gerekliliğini azaltır. Bu süreç, “iteratif iyileştirme” olarak adlandırılır ve geçmişteki problemlerin tekrar yaşanmasını önlemek amacıyla geri bildirimler bilgi tabanında depolanır.
Örneklerle Agentic AI
Agentic AI kullanıcıların hayatını çok daha kolay kılan, geleneksek AI’lara göre üstün verimlilik sağlayan bir teknoloji. Bu faydaları bir de iş başında görelim diyerek, gerçek hayatta Agentic AI kullanım durumlarını bir özetleyelim istedik:
- Müşteri deneyiminde AI agent'lar, sanal asistan olarak görev alır ve daha iyi bir deneyim sağlar. Örneğin sanal asistanlar olarak karşımıza çıkan bu Agent’lar mental sağlık desteği veye mülakat simülasyonları gibi görevlerle hizmeti iyileştirebilir.
- Sağlık hizmetlerinde çoklu agent sistemleri, acil servislerde tedavi planlaması ve ilaç yönetimi gibi sağlık alanlarında zaman kazandırabilir.
- Acil durum müdahalesi gerektiğinde sosyal medyadaki yardım ihtiyacı olan kullanıcıların bilgilerini derleyip konumlarını haritalandırarak kurtarma çalışmalarına destek olur.
- Finans ve tedarik zincirinde gerçek zamanlı veri analizleri yapar, piyasa trendlerini öngörür ve tedarik zinciri yönetimini optimize eder.
Yapay Zekaya Sorduk: Agentic AI ve AI Agents Nedir?
Bu son bölümde konumuz olan Agentic AI ve AI Agent’ı bir de yapay zekaya sorduk. Bakalım bu konu hakkında ne demiş:
Agentic AI, özerk ve hedef odaklı yapay zeka sistemleridir; kullanıcı talimatları ve çevresel verilerle sürekli öğrenir, karar verir ve eyleme geçer. Geleneksel AI’dan farklı olarak, yalnızca yanıt vermekle kalmaz, fırsatları önceden tespit eder ve karmaşık görevleri otonom şekilde yerine getirir. İş süreçlerini otomatikleştirerek verimliliği artırır, karar alma süreçlerini destekler ve kişiselleştirilmiş deneyimler sunar. Örneğin, akıllı enerji yönetiminde agentic AI, enerji talebini tahmin eder, yenilenebilir kaynakları yönetir ve şebeke dengesini sağlar; böylece daha sürdürülebilir ve esnek sistemler oluşturur.
.png)
