AI-Ready ne demek?

Son dönemde neredeyse herkes AI kullanıyor. LLM entegre ediliyor, chat arayüzü ekleniyor, sistem SQL üretiyor, rapor yazıyor.

Buraya kadar pek bir problem yok ama benim gördüğüm temel bir karışıklık var: AI kullanmak ile AI ile çalışabilen bir sistem tasarlamak aynı şey değil.

Bu ayrımı netleştirmek için üç kavramı açıklamak gerekli: agent, multi-agent ve AI-Ready.

Agent

Agent dediğimiz şey, belirli bir görevi yerine getiren karar mekanizması. Bir metni analiz edebilir, bir sorgu üretebilir, bir aksiyon önerebilir. Doğru tanımlanmış araçlarla birlikte oldukça verimli çalışır.

Bugün birçok sistem aslında bu seviyede. Tek bir ajan var, belli araçlara erişiyor ve verilen görevi yerine getiriyor. Basit ve iyi tanımlı problemler için bu gayet yeterli ama süreç karmaşıklaştığında, tek adımlı karar mekanizması zorlanmaya başlıyor.

Multi-agent

Gerçek dünya süreçleri genelde çok adımlı ve geri beslemeli. Bir yerden veri alınıyor, başka bir yerde analiz ediliyor, sonuç değerlendiriliyor, gerekiyorsa yeniden planlama yapılıyor.

Multi-agent burada devreye giriyor. Bir ajan veri toplar, bir diğeri analiz eder, bir başkası çıktıyı doğrular. Süreç gerektiğinde yeniden kurgulanır ama burada kritik olan şey ajan sayısı değil, orkestrasyon.

Multi-agent sistemin çalışabilmesi için bir orkestrasyon katmanı gerekir. Hangi ajan ne zaman devreye girecek, hangi araç kullanılacak, çıktı yeterli mi, süreç devam etmeli mi gibi kararlar burada verilir.

Bazı senaryolarda tek güçlü bir agent yeterlidir. Ancak karar noktaları arttıkça ve süreç dinamikleştikçe multi-agent yaklaşım daha ölçeklenebilir hale gelir.

Bazen ne farkı var diye soruluyor, Arbalet ürünü multi-agent platformlar için iyi bir örnek. Ancak bu yazının konusu bu değil.

AI-Ready ne demek?

Çoğu kurum şunu söylüyor: API’lerimiz var, REST servislerimiz var, OpenAPI dokümanımız var, AI bu servisleri çağırabiliyor. Teknik olarak doğru ama bu, sistemin AI-Ready olduğu anlamına gelmiyor. Önce kısa bir örnek:

REST olmak sorun değil. OpenAPI olması da değil. Problem, sistemin yalnızca entegrasyon perspektifiyle tasarlanmış olması.

Klasik entegrasyon yaklaşımı şunu varsayar: Sistemi çağıran taraf yapıyı biliyordur. Hangi endpoint ne işe yarıyor, hangi parametre ne anlama geliyor, süreç nasıl ilerlemeli önceden tasarlanmıştır.

LLM tabanlı sistemlerde ise çoğu zaman yalnızca amaç verilir.

“Satış performansını analiz et, riskli müşterileri belirle ve bir özet çıkar.”

Burada hangi servisin çağrılacağı, hangi metriklerin risk tanımına girdiği, hangi sırayla ilerlenmesi gerektiği önceden sabit değildir. Görev akışı dinamik olarak oluşur.

Eğer sistem bu dinamikliği kaldıracak şekilde tasarlanmamışsa, teknik olarak AI entegre edilmiş olabilir; ama AI-Ready değildir.

AI-Ready olmak için birkaç temel direği gerekli;

1. Keşfedilebilirlik

Araçlar ve servisler yalnızca teknik olarak çağrılabilir olmamalı, ne yaptıklarını makine tarafından anlaşılabilir (bu kısım çok önemli) şekilde tarif edebilmelidir. Girdi-çıktı yapısı, iş bağlamı ve etkisi açık olmalıdır.

Sadece endpoint listesi paylaşmak yeterli değil; anlam katmanı gerekir. Bu anlam sizin ilgilendiğiniz iş alanınızdaki jargonla değil, yapay zekanın anlayacağı bir şekilde tariflenmelidir. Mesela “Aidat” kelimesinin anlamı iş alanına göre çok değişkendir.

2. Semantik katman

LLM tablo isimleriyle değil, kavramlarla çalışır. Domain modeli görünür değilse, veri şeması iş kavramlarıyla eşleşmiyorsa, sistem AI için teknik ama anlamsız kalır. “tbl_cst_trx_01” ile kastedilenin aslında “Müşteri Satış İşlemleri” olduğunu LLM anlayamaz.

AI-Ready bir sistemde domain modeli açıkça temsil edilir. Veri ile iş kavramı arasında semantik bir köprü vardır.

3. İş kurallarının erişilebilirliği

Bir risk tanımı yalnızca backend kodunun içinde gömülü ise, LLM bunu bilemez. İş kuralları açıklanabilir, referans alınabilir ve gerektiğinde çağrılabilir şekilde modellenmelidir.

4. Guardrails

Belirsizlikle çalışmak kontrolsüzlük demek değildir. Yetki sınırları, veri erişim politikaları ve hangi aracın hangi bağlamda kullanılabileceği net tanımlanır. Dinamiklik ile kontrol birlikte tasarlanır.

Doğru sıralama bence;

Önce sistemi AI-Ready tasarlarsın. Sonra bu yapıyı ister o ürünün içinde veya ister dışında tekil ya da multi-agent mimariye bağlarsın.

Tersi yapıldığında genelde şu olur: LLM çağrılır, mevcut endpoint’ler zorlanır, eksikler prompt ile kapatılmaya çalışılır. Sistem çalışır gibi görünür ama karmaşıklık arttıkça kırılganlık artar.

Bu, AI entegrasyonudur. AI mimarisi değildir. Entegrasyona hazır bir sistem, önceden kurgulanmış ve deterministik akışlar için tasarlanmıştır. Geliştiricinin ön bilgisine dayanır.

AI-Ready bir sistem ise amaç bazlı talepleri karşılayabilecek şekilde modellenmiştir. Keşfedilebilir, semantik olarak anlamlı, dinamik görev akışına açık ve aynı zamanda kontrollü ve izlenebilirdir.

AI bir özellik değil, bir mimari prensip. Sisteminiz AI-Ready değilse, AI kullanıyor olabilirsiniz ama AI ile gerçekten çalışan bir sistem kurmuş olmazsınız.

Aa! Unutmadan Emakin 9.0 geliyor. 🚀