Agentic AI Nedir? AI Agent ve Üretken Yapay Zekadan Farkı (Gerçek Örnekle)

Agentic AI nedir, AI agent nedir ve ikisi üretken yapay zekadan nasıl ayrılır? Bu üç terim çoğu zaman aynı şeyi anlatıyormuş gibi kullanılıyor: üretken yapay zeka (generative AI), AI agent ve agentic AI. Birbirleriyle ilişkililer ama birbirlerinin yerine geçmezler; aradaki fark, yazılıma neyi güvenle devredebileceğinizi belirler. Bu rehber her biri için tek cümlelik bir yanıt veriyor, ardından gerçek bir agent çalışmasını adım adım gösteriyor ki fark soyut kalmasın.

Kısa yanıt: agentic AI, AI agent ve üretken yapay zeka

Üretken yapay zeka (generative AI), bir prompt'tan yeni içerik oluşturan modeldir: e-postayı yazar, PDF'i özetler, ürün açıklamasının taslağını çıkarır. Bir istek girer, bir içerik çıkar.

AI agent (yapay zeka ajanı), böyle bir modelin etrafına kurulan bir sistemdir. Bir hedef alır, hangi aracı çağıracağına karar verir (kataloğu aramak, müsaitliği kontrol etmek, rezervasyon oluşturmak), sonucu okur ve yeniden karar verir; bu, hedefe ulaşana ya da işi bir insana devredene kadar sürer.

Agentic AI, bu şekilde davranan sistemlerin genel adıdır. JetBrains bunu güzel özetliyor: "Agentic AI bir sistemin nasıl davrandığını, AI agent ise sistemin ne olduğunu tanımlar." Pratikte bir tedarikçi "agentic AI" dediğinde, bir ya da daha fazla AI agent'tan oluşan yazılımı kastediyor.

Bir AI agent çalışması nasıl görünür

Çoğu makale tanımlarda kalıyor. Bir agent bir isteği ele aldığında gerçekte olan şu. Bir misafir asistana yazıyor: "Bu akşam saat 8 civarı Ada Bistro'da 4 kişilik masa ayırt." (Ada Bistro hayali bir restoran.) Agent'ın üç aracı var: check_availability, create_booking ve send_confirmation.

user      Bu akşam saat 8 civarı Ada Bistro'da 4 kişilik masa ayırt.

model     → call check_availability { date: "2026-10-30", party: 4, around: "20:00" }
tool      ← { slots: ["19:30", "20:45"] }            # 20:00 dolu

model     20:00 dolu. 19:30 mu, 20:45 mi?            # soruyor, çünkü hedef değişti
user      20:45 olur.

model     → call create_booking { date: "2026-10-30", time: "20:45", party: 4 }
tool      ← { booking_id: "AB-1042", status: "confirmed" }

model     → call send_confirmation { booking_id: "AB-1042", channel: "email" }
tool      ← { sent: true }

model     Rezervasyon tamam: Ada Bistro, bu akşam 20:45, 4 kişilik masa. Onay gönderildi.

Bu kayıtta onu agentic yapan üç şey var. Model hangi aracı hangi sırayla çağıracağını kendisi seçti. Sonucu okudu ve 20:00 dolu olunca rotasını değiştirdi. Ve tahmin yürütmek yerine durup sordu, çünkü rezervasyon müşteriyi bir şeyin altına sokacaktı. Bir chatbot "Rezervasyon bağlantısı burada" diye yanıt verirdi. Üretken yapay zeka ise Ada Bistro hakkında güzel bir cümle yazardı.

Red Hat mekanik farkı iyi anlatıyor: "Üretken yapay zeka içerik oluşturmak için genellikle bir kez çıkarım (inference) yaparken … agentic AI çıkarım döngüsünü çoğu zaman tekrar tekrar çalıştırır." Her döngü token ve zaman harcar; agent'ların tek bir çağrıya göre daha yavaş ve daha pahalı olmasının nedeni bu.

Yelpaze: chatbot'tan çoklu agent sistemine

Bunları ayrı kategoriler yerine aynı merdivenin basamakları olarak görmek işe yarar. Her basamak modele daha fazla kontrol verir ve daha fazla risk ekler.

1. 1Tek model çağrısı. Bir prompt, belki getirilen belgelerle birlikte (RAG). Soruları yanıtlar, metin taslağı çıkarır.
2. 2İş akışı. Kodunuz sabit adımları çalıştırır; bazılarını model üstlenir (sınıflandırma, bilgi çıkarma, taslak). Öngörülebilir ve ucuzdur.
3. 3Agent. Adımlara model karar verir ve verdiğiniz yetkiler içinde, döngü hâlinde araç çağırır.
4. 4Çoklu agent sistemi. Ayrı rolleri olan birkaç agent (araştırma, taslak, kontrol) işi birbirine devreder; genellikle bir orkestratörün yönetiminde.

Anthropic 2. ve 3. basamak arasındaki çizgiyi net çiziyor: "İş akışları, LLM'lerin ve araçların önceden tanımlanmış kod yolları üzerinden yönetildiği sistemlerdir. Agent'lar ise LLM'lerin kendi süreçlerini ve araç kullanımlarını dinamik olarak yönettiği sistemlerdir." Semroi'de de aynı çizgiyi kullanıyoruz, çünkü bir şeyler ters gittiğinde önemli olan bu: iş akışında hata veren adımı gösterebilirsiniz; agent'ta ise çalışma kaydını (trace) okursunuz.

İnternetteki tanımlar neden birbirini tutmuyor

Üst sıralardaki üç makaleyi okursanız agentic AI için üç farklı tanım bulursunuz. Yanlış değiller; farklı seviyeleri anlatıyorlar:

• Bir davranış olarak agentic AI (IBM, JetBrains): plan yapan, araç kullanan ve duruma uyum sağlayan her sistem. Tek bir agent da agentic olabilir.
• Bir orkestrasyon katmanı olarak agentic AI (birçok tedarikçi blogu): agentic AI, birlikte koordine edilen çok sayıda agent demektir; tek bir agent "sadece" bir AI agent'tır.
• İş akışı mı, agent mı (Anthropic): asıl soru adımları kimin kontrol ettiği; kodunuz mu, model mi.

Akademik bir derleme çalışması, "AI Agents vs. Agentic AI: A Conceptual Taxonomy, Applications and Challenges" (arXiv:2505.10468), ikinci görüşü benimsiyor: bir yanda belirli bir göreve odaklı tekil agent'lar, diğer yanda iş birliği yapan çoklu agent sistemleri. Satın alma kararları için en kullanışlı olan üçüncü görüş, çünkü sistemin ne kadar öngörülebilir olacağını söylüyor.

Agentic AI ve üretken yapay zeka (generative AI) farkı

Üretken yapay zeka bir yetenek, agentic AI ise onu kullanmanın bir yolu. Bugün her AI agent üretken bir model üzerinde çalışıyor, dolayısıyla ikisi rakip değil. Farklar dört noktada ortaya çıkıyor:

İşe yarar bir kural: iş, bir insanın çıktıyı bir yere kopyalamasıyla bitiyorsa üretken yapay zekaya ihtiyacınız var. İş, yazılımın bunu kendisinin yapmasıyla bitiyorsa karşınızdaki şey bir agent.

AI agent ve chatbot farkı

Chatbot konuşur, agent harekete geçer. Modern chatbot'lar agent'larla aynı dil modelleri üzerinde çalışır; yani fark zekâda değil, erişimde. Elementum işin ne kadar ciddi olduğunu somutlaştırıyor: "Yanlış yanıt veren bir chatbot bir müşteri hizmetleri sorunu yaratır. Yanlış bir işlem gerçekleştiren bir agent ise anında finansal kayba yol açabilir." Bu yüzden bir agent'ın, chatbot'un ihtiyaç duymadığı şeylere ihtiyacı var: kapsamı sınırlı yetkiler, geri alınamaz işlemlerden önce onay, her araç çağrısının kaydı ve yayına almadan önce testler.

Sektörel bir örnek için otellerde AI agent'lar rehberimize bakın; orada soruları yanıtlamak ile rezervasyonları değiştirmek arasındaki çizgi, tasarım probleminin ta kendisi.

Bir ürünün gerçekten agentic olduğunu nasıl anlarsınız

Gartner Haziran 2025'te "birçok tedarikçinin 'agent washing' yaparak bu abartıya katkıda bulunduğu" uyarısında bulundu ve "binlerce agentic AI tedarikçisinden yalnızca yaklaşık 130'unun gerçek olduğunu" tahmin etti. Gerçek bir agent'ı yeniden etiketlenmiş bir chatbot'tan beş soru ayırır:

1. 1Hangi işlemleri yapabiliyor? Araç listesini isteyin. Yanıt "soruları yanıtlıyor" ise bu bir chatbot.
2. 2Adımların sırasına kim karar veriyor? Her yol bir akış oluşturucuda (flow builder) çizilmişse bu bir iş akışı (ki tam da ihtiyacınız olan şey olabilir).
3. 3Bir adım başarısız olursa ne oluyor? Gerçek bir agent hatayı okur ve yeniden dener, başka bir yol seçer ya da işi bir insana aktarır.
4. 4Çalışma kaydını (trace) görebiliyor muyum? Bir çalışmadaki her araç çağrısını, girdisini ve sonucunu okuyabilmeniz gerekir.
5. 5Nasıl test edildi? Demo değil; değerlendirme setini ve gerçek isteklerdeki başarı oranını isteyin.

Gerçekten bir agent'a ihtiyacınız var mı?

Çoğu zaman hayır. Anthropic "mümkün olan en basit çözümü" bulmayı öneriyor ve "tek LLM çağrılarını retrieval ve bağlam içi örneklerle optimize etmenin genellikle yeterli olduğunu" belirtiyor. Gartner, agentic AI projelerinin %40'ından fazlasının "artan maliyetler, belirsiz iş değeri veya yetersiz risk kontrolleri nedeniyle" 2027 sonuna kadar iptal edileceğini öngörüyor ve "bugün agentic olarak konumlandırılan birçok kullanım senaryosunun aslında agentic bir uygulama gerektirmediğini" ekliyor.

Bir agent, görevin birçok olası yolu olduğunda, dağınık girdilere (e-postalar, serbest metin, belgeler) dayandığında ve birden fazla sistemde bir işlemle sonuçlandığında maliyetini hak eder. İptal edilen bir konaklamayı yeniden ayarlamak, bir teklif talebini önceliklendirmek ya da bir müşterinin her zamanki ürünlerini yeniden sipariş etmek iyi örnekler. Çalışma saatlerini söylemek değil.

Sektörlere göre örnekler

Dört agent örneğinin ortak bir şartı var: işletmenin bu işlemleri agent'a güvenli biçimde açması gerekir. Bu giderek daha sık bir MCP sunucusu ile yapılıyor; MCP sunucusu, ChatGPT, Claude ve Gemini gibi asistanların araçlarınızı müşterinin kendi hesabı altında çağırmasını sağlar. Bir tane geliştirmek isterseniz, AI agent nasıl yapılır rehberimiz süreci ve maliyetleri adım adım anlatıyor.

Sıkça sorulan sorular

• Agentic AI ile AI agent arasındaki fark nedir?+−

  AI agent bir sistemdir: bir hedefin peşinden giden, araçlarla donatılmış bir model. Agentic AI ise davranışı (plan yapma, araç kullanma, uyum sağlama) tanımlar ve çoğu zaman alanın tamamı ya da birden fazla agent'tan oluşan sistemler için kullanılır. Her AI agent agentic AI'dır; ama her agentic sistem tek bir agent değildir.

• ChatGPT üretken yapay zeka mı, agentic AI mı?+−

  Nasıl kullandığınıza bağlı olarak ikisi de. Bir soruyu yanıtlamak ya da bir metin yazmak üretken yapay zekadır. ChatGPT sizin adınıza araç kullandığında, örneğin web'de gezindiğinde, kod çalıştırdığında ya da hesabınıza bağlı bir uygulamayı çağırdığında bir agent gibi davranır.

• Chatbot bir AI agent mıdır?+−

  Tek başına değil. Chatbot bir sohbet içinde yanıt verir. Rezervasyon oluşturmak ya da bir kaydı güncellemek gibi bir şeyi değiştiren araçları çağırabildiğinde ve bunları ne zaman çağıracağına kendisi karar verdiğinde agent'a dönüşür.

• Bir chatbot AI agent'a dönüştürülebilir mi?+−

  Evet; ona araçlar, yetkiler ve sonuçlara göre hareket etmesini sağlayan bir döngü verilerek. Bu dönüşüm, chatbot'un hiç ihtiyaç duymadığı şeyleri de gerektirir: kapsamı sınırlı erişim, geri alınamaz işlemlerden önce onay, kayıt tutma ve gerçek istekler üzerinde testler.

• Agentic AI sistemleri tamamen otonom mu?+−

  Nadiren; varsayılan olarak da öyle olmamalılar. İyi kurulmuş agent'lar kendilerine verilen yetkiler içinde hareket eder ve para harcatan, bir müşterinin verisini değiştiren ya da geri alınamayan işlemlerden önce bir insana sorar.

• Agentic AI'ın riskleri nelerdir?+−

  Yanlış kelimelerden çok yanlış işlemler: yanlış tarihe yapılmış bir rezervasyon, yanlış hesaba yapılmış bir iade, yanlış kişiye gösterilen veriler. Diğer büyük risk, agent'ın okuduğu içerik üzerinden yapılan prompt injection. Kapsamı sınırlı yetkiler, onaylar, kayıtlar ve değerlendirme setleri bu riskleri yönetilebilir tutar.

• En basit hâliyle agentic AI nedir?+−

  Sadece yanıt vermekle kalmayıp bir işi bitiren yazılım: adımlara karar verir, rezervasyon ya da sipariş sisteminiz gibi araçları kullanır, sonuçları kontrol eder ve gerektiğinde durup bir insana sorar.

Kaynaklar

• Anthropic: Building effective agents
• Gartner: over 40% of agentic AI projects will be canceled by end of 2027 (25 Haziran 2025)
• Sapkota vd.: AI Agents vs. Agentic AI, kavramsal bir taksonomi (arXiv:2505.10468)
• Red Hat: Agentic AI vs. generative AI
• JetBrains: Agentic AI vs AI agents
• Elementum: AI agents vs chatbots

• AI agent
• Agentic AI

Ahmet Molon

Kurucu