İlk yazımızda 2026'nın temel gerilimini konuşmuştuk: yapay zekayı kullanan kurum çok, ondan kazanan kurum az. Bu yazıda aynı gerilimin yeni cephesine bakıyoruz. Çünkü kurumsal yazılımda sorular değişiyor. Birkaç yıl önce mesele "yazılımımızda bir yapay zeka asistanı var mı" idi. Bugün soru şu: "Yazılımımız bizim adımıza karar verip iş yapabiliyor mu?"
Bu, copilot'tan otonom ajanlara geçişin özüdür. Ve görünüşte küçük bir terminoloji farkı gibi duran bu ayrım, kurumsal yazılım mimarisini, iş akışlarını ve risk yönetimini baştan etkiliyor.
Önce tanımı netleştirelim, çünkü piyasadaki en büyük karışıklık burada başlıyor.
Bir copilot (asistan), insan girdisine bağlıdır. Siz bir şey sorarsınız, o önerir; siz onaylarsınız, o tamamlar. Değerli ama pasif bir araçtır; sürücü koltuğunda hep insan oturur.
Bir ajan ise bir hedef verildiğinde adımları kendisi planlar, birden fazla aracı sırayla kullanır, veriye dayanarak karar verir ve süreci uçtan uca yürütür. Yani "öneren" değil, "eyleme geçen" yapay zekadır.
Bu ayrım önemli, çünkü Gartner'a göre satıcıların önemli bir kısmı mevcut asistanlarını, kural tabanlı otomasyonlarını veya sohbet botlarını esaslı bir ajan yeteneği eklemeden "ajan" diye yeniden etiketliyor; sektörde "agent washing" (ajan yıkama) denen durum bu. Gartner, binlerce sözde ajan satıcısından yalnızca yaklaşık 130'unu gerçek kabul ediyor.1 Karar verici için ilk pratik ders bu: Bir ürünün "ajan" demesi, ajan olduğu anlamına gelmez.
Geçişin gerçek olduğunu veriler doğruluyor:
Kısacası kurumsal yazılım, klavye merkezli arayüzlerden hedef merkezli, kendi başına iş yürüten sistemlere doğru bir eşikten geçiyor. Ama tablonun ikinci yarısı, ilk yazımızın tezini birebir tekrar ediyor.
Coşkulu rakamların hemen yanında, soğukkanlı bir uyarı var.
Gartner, agentic AI projelerinin %40'tan fazlasının 2027 sonuna kadar iptal edileceğini tahmin ediyor; nedenler artan maliyetler, belirsiz iş değeri ve yetersiz risk kontrolleri.1 McKinsey'in verisi de aynı yöne işaret ediyor: Kurumların neredeyse üçte ikisi ajanlarla deney yapmış, ancak %10'dan azı bunları somut değer üretecek ölçeğe taşıyabilmiş. Kurumların onda sekizi de en büyük engel olarak veri sınırlamalarını gösteriyor.4
Bu tablonun arkasında McKinsey'in "gen AI paradoksu" dediği durum yatıyor. Paradoks şu: Kurumların yaklaşık %80'i bir biçimde üretken yapay zeka kullanıyor, ama kabaca aynı oranı kar-zarar tablosunda kayda değer bir etki göremediğini söylüyor. Yani benimseme neredeyse evrensel, getiri ise nadir.5
Peki neden? Çünkü yaygınlaşan kullanımların çoğu yüzeysel. Her departmana açılan genel amaçlı copilot'lar ve sohbet botları (yatay kullanım) hızla yayıldı, ama faydaları dağınık kaldı. Asıl etkiyi yaratan, tek bir işe veya fonksiyona özel çözümler (dikey kullanım) ise teknik, organizasyonel, veri ve kültürel engeller yüzünden çoğu zaman pilot aşamasını geçemiyor.
Ajanlar bu açığı otomatik olarak kapatmaz. Yanlış kurulduklarında pilotta kalma riskini büyütürler, çünkü bir asistanın hatası bir öneriyle sınırlıyken, bir ajanın hatası doğrudan eyleme dönüşür.
Ajanları "üstüne eklenen bir özellik" olarak görmek, projelerin pilotta kalmasının baş sebebidir. Çünkü gerçek bir ajan mimarisi, yazılımın altyapısında dört şeyi gerektirir:
McKinsey, bunu başaran kurumların ortak özelliğinin teknolojiyi satın almak değil, iş akışlarını sıfırdan yeniden tasarlamak olduğunu vurguluyor.6 Somut bir örnek, Deutsche Telekom'un mobil şebeke performansını gerçek zamanlı izleyen, sorun gidermeye yardımcı olan ve çözümleri optimize eden "RAN Guardian" ajanı. Buradaki kritik nokta şu: Ajan bir gösteri ortamında değil, canlı operasyonun içinde gerçek bir aktör olarak çalışıyor. Pilot ile değer arasındaki fark da tam olarak burada; ajanın bir sunumda ne yapabildiği değil, günlük işin içinde tekrarlanabilir biçimde iş görüp görmediği önemli.6
Bir teknoloji holdingi olarak hem kurumsal yazılım hem de mobil oyun tarafında ürün geliştirirken edindiğimiz deneyim de aynı yöne işaret ediyor: Yapay zeka, ürünün üstüne sonradan iliştirilen bir katman değil, ürünün nasıl tasarlandığını baştan belirleyen bir yaklaşım olduğunda değer üretiyor.
Bir sistem kendi başına eyleme geçtiğinde, hata da kendi başına eyleme dönüşür. Bu yüzden ajan entegrasyonu bir güvenlik ve yönetişim meselesidir.
Gartner, kurumsal üretken yapay zeka uygulamalarının %25'inin 2028'e kadar yılda en az beş küçük güvenlik olayı yaşayacağını öngörüyor (2025'te bu oran %9'du); ajanların birbirine ve verilere bağlanmasını sağlayan protokoller, hız ve esneklik için tasarlandığından, güvenlik açıkları sıradan kullanım sırasında bile yüzeye çıkabiliyor.7
Pratik çerçeve nettir: Ajanlara verilen izinler, insan rollerinden devralınmamalı; ajana özel ve dar kapsamlı tanımlanmalıdır. Günlük yönetişim iş birimlerinin sorumluluğunda olmalı; ortak güvenlik kuralları, sınırlar ve denetim ise merkezi veri/yapay zeka ekibine ait olmalı. McKinsey'in "federatif" dediği bu model, birimlerin özerkliği ile kurumsal hesap verebilirliği dengeler.4
İlk yazımızda da paylaştığımız gibi, TÜİK verilerine göre Türkiye'de yapay zeka kullanan girişimlerin oranı 2021'deki %2,7'den 2025'te yaklaşık %7,5'e yükseldi. Ama benimsemenin önündeki en büyük engel teknolojinin kendisi değil: girişimlerin yaklaşık dörtte üçü nitelikli insan kaynağı eksikliğini, üçte ikisi maliyeti, üçte ikisine yakını da hukuki belirsizliği işaret ediyor.8
Bu, ajan çağında daha da kritik hale geliyor. Çünkü ajanları üretime almak; veriyi ürünleştirebilen, MLOps yürütebilen ve orkestrasyon ile yönetişimi kurabilen ekipler gerektiriyor. Yani çıtayı, copilot kullanımından bir kademe yukarı taşıyor. Türkiye'deki kurumlar için doğru hamle, yapay zekayı her sürece azar azar serpiştiren yüzeysel denemeleri çoğaltmak değil; dar ama değeri net tek bir iş akışında derinleşmek.
Deneyimimiz ve verilerin işaret ettiği yol, "ajan ekleyelim" yaklaşımının tam tersi:
Maliyet boyutunu da hafife almamak gerekiyor: McKinsey, yapay zeka yüklerinin BT altyapı maliyetlerini 2030'a kadar iki ila üç katına çıkarabileceğini, bütçelerin ise sabit kaldığını belirtiyor.6 Bu yüzden ajan entegrasyonu bir "teknoloji alma" kararı değil, bir bütçe ve disiplin kararıdır.
Copilot'tan ajana geçiş, kurumsal yazılımın en gerçek dönüşümlerinden biri. Ama ilk yazımızın tezi burada da geçerli: Geçiş otomatik değer üretmiyor. Kazananlar, ajanı bir özellik gibi ekleyenler değil; iş akışını, veriyi ve yönetişimi baştan tasarlayanlar olacak.
Peki ajanların ölçeklenememesinin bir numaralı sebebi veriyse, o zaman asıl konuşulması gereken konu veri altyapısının temelleridir. Serinin bir sonraki yazısında tam da bunu ele alacağız.
Copilot ile ajan arasındaki fark pratikte ne demek? Copilot öneri verir, kararı ve tamamlamayı insana bırakır. Ajan ise hedefi alır, adımları kendi planlar, araçları kullanır ve süreci uçtan uca yürütür. Fark "yardımcı" ile "yürütücü" arasındaki farktır.
Mevcut kurumsal yazılımıma ajan eklemek yeterli mi? Genellikle hayır. Eski sistemlere ajan iliştirmek teknik olarak karmaşıktır ve çoğu zaman iş akışını bozar. Sürdürülebilir yol, yüksek değerli akışı ajanla sıfırdan yeniden tasarlamaktır.1
Neden ajan projelerinin büyük kısmı başarısız oluyor? Başlıca sebepler artan maliyet, belirsiz iş değeri, zayıf risk kontrolleri ve dağınık veri. Gartner, projelerin %40'tan fazlasının 2027 sonuna kadar iptal edilebileceğini öngörüyor.1
Ajanlar yeni bir güvenlik riski mi yaratıyor? Evet. Otonom eylem yeni bir saldırı yüzeyi açar. İzinler insan rollerinden devralınmamalı, ajana özel ve dar tanımlanmalı; denetim izi ve federatif yönetişim ilk günden kurulmalıdır.7
Türkiye'deki bir kurum nereden başlamalı? Yapay zekayı her yere yüzeysel biçimde yaymak yerine, değeri net tek bir iş akışında derinleşerek başlamalı. En büyük engel teknoloji değil, nitelikli ekip ve veri olgunluğu olduğundan, önce bu temeli kurmak gerekir.8
Gartner, "Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027," 25 Haziran 2025. https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027 ↩ ↩2 ↩3 ↩4 ↩5 ↩6
Gartner, "Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026, Up from Less Than 5% in 2025," 26 Ağustos 2025. https://www.gartner.com/en/newsroom/press-releases/2025-08-26-gartner-predicts-40-percent-of-enterprise-apps-will-feature-task-specific-ai-agents-by-2026-up-from-less-than-5-percent-in-2025 ↩
McKinsey & Company, "The state of AI in 2025: Agents, innovation, and transformation," 5 Kasım 2025. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai ↩
McKinsey & Company, "Building the foundations for agentic AI at scale," 2 Nisan 2026. https://www.mckinsey.com/capabilities/mckinsey-technology/our-insights/building-the-foundations-for-agentic-ai-at-scale ↩ ↩2 ↩3
McKinsey & Company, "Seizing the agentic AI advantage," 13 Haziran 2025. https://www.mckinsey.com/capabilities/quantumblack/our-insights/seizing-the-agentic-ai-advantage ↩
McKinsey & Company, "Reimagining tech infrastructure for and with agentic AI," 23 Nisan 2026. https://www.mckinsey.com/capabilities/mckinsey-technology/our-insights/reimagining-tech-infrastructure-for-and-with-agentic-ai ↩ ↩2 ↩3 ↩4
Gartner, "Gartner Predicts 25% of All Enterprise GenAI Applications Will Experience At Least Five Minor Security Incidents Per Year By 2028," 9 Nisan 2026. https://www.gartner.com/en/newsroom/press-releases/2026-04-09-gartner-predicts-25-percent-of-all-enterprise-gen-ai-applications-will-experience-at-least-five-minor-security-incidents-per-year-by-2028 ↩ ↩2
TÜİK, Girişimlerde Bilişim Teknolojileri Kullanım Araştırması, 2025. https://www.tuik.gov.tr (İlk yazıda kullandığınız tam bülten bağlantısını buraya ekleyin.) ↩ ↩2