Yeni bir çalışanı işe aldığınızı düşünün.
İlk gün bilgisayarını veriyorsunuz, şirketin bütün sistemlerine erişim açıyorsunuz ve tek bir cümle söylüyorsunuz:
“Faydalı olabileceğin ne varsa yap.”
Bunu iyi bir onboarding olarak görmezdik.
Ama AI agent’ları kurarken buna çok yakın bir şey yapıyoruz.
Güçlü bir model seçiyoruz. Araçlara erişim veriyoruz. CRM’i, GitHub’ı, Slack’i, dokümanları bağlıyoruz. Sonra agent’ın doğru işi, doğru şekilde ve doğru sınırlar içinde yapmasını bekliyoruz.
Sorun şu: Bir agent’ın ne yapabildiğini bilmesi, ne yapması gerektiğini bildiği anlamına gelmiyor.
Ve agent’lar daha fazla sorumluluk almaya başladıkça, bu fark giderek daha önemli hale geliyor.
Akıllı olmak, rol sahibi olmak değildir
Bugünkü modeller oldukça geniş bir görev alanında çalışabiliyor.
Aynı model kod yazabilir, bir müşteri e-postasını yanıtlayabilir, bir iş ilanını değerlendirebilir, veriyi analiz edebilir veya bir kampanya fikri üretebilir.
Bu esneklik etkileyici.
Ama organizasyon içinde tam da bu yüzden bir probleme dönüşebilir.
Çünkü gerçek şirketlerde insanları yalnızca “yeteneklerine” göre çalıştırmıyoruz. Onlara rol veriyoruz.
Bir yazılım geliştiricisi teknik olarak müşteriye yanıt verebilir. Bir proje yöneticisi kod okuyabilir. Bir satış yöneticisi ürün backlog’una yorum yapabilir.
Ama organizasyon, herkesin yapabileceği her şeyi yapması üzerine kurulmaz.
Kimin neden sorumlu olduğu bellidir.
- Kim karar verebilir?
- Kim yalnızca öneri sunabilir?
- Hangi sistemlere erişebilir?
- Hangi konuda başka birine dönmesi gerekir?
- İşin tamamlandığını neye göre anlarız?
Bu sorular bir insan çalışan için ne kadar temel ise, bir AI agent için de o kadar temel hale geliyor.
Prompt ile iş tanımı aynı şey değil
Agent’larla çalışırken kolayca prompt seviyesinde kalabiliyoruz.
- “Bu müşteriye cevap ver.”
- “Bu ticket’ı çöz.”
- “Bu adayları değerlendir.”
- “Bu kampanyayı analiz et.”
Bunların hepsi görev tanımıdır.
Ama hiçbiri rol tanımı değildir.
Bir prompt, o anda yapılacak işi tarif eder.
Bir job description ise o agent’ın organizasyon içinde neden var olduğunu tarif eder.
Örneğin bir customer support agent için yalnızca “müşteri sorularını yanıtla” demek yeterli değildir.
- Nasıl bir müşteri deneyimi yaratması bekleniyor?
- Hangi talepleri kendi başına çözebilir?
- Hangi iadeler için onay gerekir?
- Fiyat konusunda ne kadar inisiyatif alabilir?
- Hangi bilgileri müşteriye asla açıklamamalı?
- Bir talebi ne zaman insana devretmeli?
- Markanın dili nasıl olmalı?
- Başarılı olup olmadığını neye göre ölçeceğiz?
Bunlar tek bir prompt’un içine sıkıştırılacak detaylar değil.
Bunlar rolün kendisi.
İyi bir agent job description’ı neyi belirler?
Burada insan kaynaklarındaki klasik iş ilanını kopyalamaktan bahsetmiyoruz.
Bir agent’ın “iş tanımı” daha operasyonel olmak zorunda.
- Amaç — Bu agent neden var? Hangi iş sonucundan sorumlu?
- Sorumluluk alanı — Hangi görevleri doğrudan üstlenebilir, hangileri onun işi değildir?
- Karar sınırları — Hangi kararları kendi başına alabilir? Hangi noktada onay ister? Hangi durumda işi durdurup insana döner?
- Araçlar ve erişimler — Hangi sistemleri kullanabilir? Hangi verileri görebilir? Hangi aksiyonları gerçekleştirebilir?
- Hafıza — Neyi hatırlaması gerekir? Projeye özel bağlam mı, müşteri geçmişi mi, şirket kuralları mı? Hangi bilgi kalıcı olmalı, hangisi görev bittikten sonra taşınmamalı?
- Başarı kriteri — Bir agent’ın “çalışıyor olması” yeterli değildir. İyi çalışıp çalışmadığını anlayabilmemiz gerekir.
Bütün bunlar bir araya geldiğinde ortaya yalnızca daha uzun bir system prompt çıkmaz.
Ortaya bir rol çıkar.
Aynı model, farklı çalışanlar
AI Workforce fikrinin önemli taraflarından biri de burada ortaya çıkıyor.
Aynı temel modelden gelen iki agent, organizasyon açısından aynı çalışan olmak zorunda değil.
Bir developer agent düşünün.
- Repository’ye erişebilir.
- Ticket’ları okuyabilir.
- Kod değiştirebilir.
- Test çalıştırabilir.
- Pull request açabilir.
Ama production’a doğrudan deploy etme yetkisi olmayabilir. Mimari bir değişiklikte onay istemesi gerekebilir. Projeye ait coding standards ve geçmiş teknik kararlar onun bağlamının parçası olabilir.
Şimdi aynı model ailesiyle çalışan bir recruitment agent düşünün.
- CV’leri okuyabilir.
- Adayları role göre sınıflandırabilir.
- Mülakat notlarını özetleyebilir.
- Uygun adaylar için sonraki adımı hazırlayabilir.
Ama bir adayı tek başına reddetme yetkisi olmayabilir. Hassas kişisel verileri farklı sistemlere taşıyamaz. Değerlendirme kriterlerini kendi kendine değiştiremez.
Model aynı olabilir.
Agent aynı değildir.
Çünkü rol, erişim, hafıza, sınırlar ve başarı kriteri farklıdır.
“Bir tane çok güçlü agent yapalım” fikri neden sorunlu?
İlk bakışta tek bir super-agent cazip geliyor.
Şirketin bütün sistemlerine bağlansın.
Her şeyi bilsin.
Gelen her işi çözsün.
Teknik olarak mümkün hale geldikçe bu yaklaşım daha da çekici görünebilir.
Ama organizasyonlar yıllardır bunun tersini yapıyor.
- İşi bölüyorlar.
- Rolleri ayırıyorlar.
- Yetkileri sınırlandırıyorlar.
- Uzmanlık oluşturuyorlar.
- Sorumluluğu görünür hale getiriyorlar.
Bunun nedeni yalnızca insanların kapasitesinin sınırlı olması değil.
Aynı zamanda güven, denetlenebilirlik ve hesap verebilirlik.
Bir agent yanlış bir karar verdiğinde “AI böyle yaptı” cevabı yeterli değildir.
- O agent bu kararı almaya yetkili miydi?
- Doğru bilgiye erişiyor muydu?
- Görevi gerçekten onun sorumluluk alanında mıydı?
- Hangi kurala göre hareket etti?
- Neden insana dönmedi?
Rol net değilse bu soruların cevabı da net olmaz.
Daha fazla otonomi, daha net rol gerektirir
Agent teknolojisinde doğal eğilim daha fazla otonomi vermek.
Daha az soru sorsun.
Daha fazla işi kendi tamamlasın.
Daha uzun süre bağımsız çalışsın.
Bu doğru bir yön olabilir.
Ama agent daha otonom hale geldikçe rol tanımının önemi azalmaz. Tam tersine artar.
Bir assistant yanlış bir öneri verdiğinde insan onu görüp reddedebilir.
Bir agent yanlış bir varsayımla birkaç saat çalışabilir, sistemlerde değişiklik yapabilir, müşteriye mesaj gönderebilir veya başka agent’ları tetikleyebilir.
Bu yüzden iyi agent tasarımı “ne kadar bağımsız çalışabilir?” sorusuyla başlamamalı.
Önce “hangi alanın sorumluluğunu güvenle üstlenebilir?” sorusunu cevaplamalı.
Otonomi, rolün üstüne kurulmalı.
Rolün yerine geçmemeli.
İnsan yöneticiler için de yeni bir beceri
Burada yalnızca AI ekiplerinin çözmesi gereken teknik bir problem yok.
Yöneticilerin de yeni bir beceri geliştirmesi gerekiyor.
İşi agent’a verebilmek için önce işi tanımlayabilmek gerekiyor.
- Bu rolün amacı ne?
- Hangi sonuçtan sorumlu?
- Hangi kararlar gerçekten insan muhakemesi gerektiriyor?
- Hangi istisnalar var?
- Başarılı işi nasıl tanıyoruz?
Aslında agent’lar şirketlerde uzun süredir var olan bir problemi daha görünür hale getiriyor:
Bazı işlerimizin sınırlarını biz de yeterince net bilmiyoruz.
Süreç bir kişinin tecrübesinde yaşıyor.
Karar kuralları yazılı değil.
İstisnalar sözlü aktarılıyor.
Kimin neden sorumlu olduğu bazen ancak bir şey ters gittiğinde ortaya çıkıyor.
Bir agent’a iş tanımı yazmaya çalıştığınızda bu belirsizlikler hemen görünür oluyor.
Bu kötü bir şey değil.
Tam tersine, AI Workforce kurmanın yan etkilerinden biri şirketin kendi çalışma biçimini daha açık hale getirmesi olabilir.
Rakita’da rolü neden merkeze koyuyoruz?
Rakita’da agent’ları yalnızca bir modele bağlanmış araçlar olarak düşünmüyoruz.
Bir agent’ın bir görevi gerçekten sahiplenebilmesi için hangi rolde çalıştığını bilmesi gerekiyor.
Kurt bunun iyi bir örneği.
Kurt’un görevi “kod yazabilen AI” olmak değil.
Bir projede developer rolünü üstlenmesi gerekiyor.
- Hangi repository’de çalıştığını bilmesi.
- Projenin kurallarını tanıması.
- Kendisine verilen ticket’ın sınırını anlaması.
- Doğru araçları kullanması.
- Yaptığı değişikliği test etmesi.
- Sonucu ekibin mevcut geliştirme akışına uygun şekilde teslim etmesi gerekiyor.
Başka bir agent müşteri destek rolünde çalışıyorsa onun dünyası tamamen farklı.
Aynı AI altyapısını paylaşabilirler.
Ama aynı işi yapmazlar, aynı şeyleri hatırlamazlar, aynı araçlara erişmezler ve aynı kararları alamazlar.
Bizce AI Workforce ile tek bir güçlü AI arasındaki temel farklardan biri tam olarak bu.
Workforce dediğiniz şey, rolleri olan bir organizasyondur.
Agent’ın kişiliği ile rolünü karıştırmayın
Bir agent’ın tonu, üslubu veya karakteri faydalı olabilir.
Ama kişilik, iş tanımının yerine geçmez.
“Dost canlısı ol.”
“Proaktif davran.”
“Senior developer gibi düşün.”
Bunlar davranışı şekillendirebilir.
Ama agent’ın hangi sonuçtan sorumlu olduğunu, neye yetkili olduğunu veya nerede durması gerektiğini söylemez.
Bir agent’ın nasıl konuştuğu ile neyin sorumluluğunu taşıdığı farklı katmanlardır.
Önce rol net olmalı.
Sonra o rolün nasıl davranacağını tasarlayabilirsiniz.
AI agent kurmadan önce sorulması gereken soru
Şirketler bugün genellikle şu soruyla başlıyor:
“Hangi modeli kullanalım?”
Yakında daha önemli bir soru soracağımızı düşünüyoruz:
“Bu agent’ı hangi işi yapmak için işe alıyoruz?”
Çünkü iyi bir model size kapasite verir.
Araçlar size aksiyon alma imkânı verir.
Hafıza süreklilik sağlar.
Ama bunların hepsini anlamlı bir çalışana dönüştüren şey roldür.
Model intelligence tells an agent what it can do.
Its role tells it what it should do.
Ve gerçek bir AI Workforce kurmak istiyorsanız, agent’larınıza sadece prompt değil, iş tanımı da vermeniz gerekir.