AI Agent Nasıl Yapılır? İşletmeler İçin 7 Adım, Gerçek Maliyet ve Tuzaklar

AI agent nasıl yapılır sorusunu yanıtlayan rehberlerin çoğu kodlama eğitimidir: bir framework kurarsınız, bir API anahtarı yapıştırırsınız, agent'ın web'de gezinmesini izlersiniz. İşin kolay kısmı budur. Zor kısım, ve pek çok agent projesinin yarıda kalmasının nedeni, doğru görevi seçmek, agent'a sistemlerinize güvenli erişim vermek ve müşteriler görmeden önce çalıştığını kanıtlamaktır. Bu rehber, müşterilerimiz için izlediğimiz süreci, arkasındaki mimariyi ve AI agent maliyetini hesabıyla birlikte anlatıyor.

Başlamadan önce: Bir agent'a gerçekten ihtiyacınız var mı?

Gartner, agentic AI projelerinin %40'tan fazlasının 2027 sonuna kadar “artan maliyetler, belirsiz iş değeri veya yetersiz risk kontrolleri nedeniyle” iptal edileceğini öngörüyor. Bunların çoğu zaten hiç agent olmamalıydı. Anthropic'in önerisi, “mümkün olan en basit çözümü aramak ve karmaşıklığı yalnızca gerektiğinde artırmak. Bu, hiç agentic sistem kurmamak anlamına da gelebilir.”

OpenAI'ın agent geliştirme üzerine pratik rehberi, bir agent'ın zahmetine değdiğini gösteren üç işaret sayıyor. Hiçbiri geçerli değilse “deterministik bir çözüm yeterli olabilir”:

• Bağlama ve muhakemeye dayanan karmaşık kararlar; örneğin istisnai bir iade talebini onaylamak.
• Sürdürülmesi zor kurallar: kural seti elle doğru tutulamayacak kadar büyümüşse.
• Yapılandırılmamış veriye yoğun bağımlılık: e-postalar, belgeler, serbest metin talepler, konuşmalar.

Fikrinizin nereye oturduğundan emin değilseniz, agentic AI, AI agent ve üretken AI farkı üzerine yazımız tek bir model çağrısından çok agent'lı sisteme uzanan basamakları anlatıyor.

AI agent nasıl yapılır: 7 adım

1. Adım 1
   Tek bir görev seçin ve “bitti”yi tanımlayın

   Ölçülebilir bir bitiş noktası olan tek bir iş; örneğin “teklif talebi (RFQ) e-postası geldikten sonraki 10 dakika içinde CRM'de geçerli bir teklif taslağı hazır olsun”.

2. Adım 2
   Veriyi ve erişimi haritalayın

   Görevin hangi sistemlere ve hangi alanlara, kimin hesabıyla dokunduğu; nelere asla erişilmemesi gerektiği.

3. Adım 3
   Mimariyi seçin

   İş akışı mı agent mı, tek agent mı birden fazla mı, hangi model. Testleri geçen en basit seçenek kazanır.

4. Adım 4
   Araçları ve yetkileri tasarlayın

   Az sayıda araç: iş diliyle adlandırılmış, açık tanımlı, dar kapsamlı ve geri alınamayan işlemlerde onay isteyen.

5. Adım 5
   Değerlendirme setini oluşturun

   Beklenen sonuçlarıyla birlikte gerçek talepler; dağınık, belirsiz ve kötü niyetli olanlar dahil. “Çalışıyor” tanımınız budur.

6. Adım 6
   Süreçte bir insanla pilot yapın

   Agent önerir, bir kişi onaylar. Başarı oranını, kazanılan zamanı ve her düzeltmeyi ölçün.

7. Adım 7
   Yayına alın, izleyin, iyileştirin

   Özerkliği yalnızca verinin desteklediği yerlerde genişletin. Görev başına maliyeti, hata oranlarını ve yeni hata türlerini takip edin.

1. Tek bir görev seçin ve “bitti”yi tanımlayın

En iyi ilk agent'lar, insanların zaten elle yaptığı, bitiş çizgisi belli, tekrar eden bir görevi devralır. “Müşteri hizmetlerini yönet” bir görev değildir. “Sipariş durumu e-postalarını yanıtla ve sevkiyattan önce teslimat adreslerini değiştir” bir görevdir. İşe yarayıp yaramadığını nasıl anlayacağınızı yazın: talep başına süre, bir kişiye gerek kalmadan tamamlanan taleplerin oranı, hata oranı.

2. Veriyi ve erişimi haritalayın

Agent'ın okuması veya değiştirmesi gereken her sistemi, tam olarak hangi alanları ve hangi hesap adına işlem yapacağını listeleyin. Gizli maliyetin çoğu buradadır: mükerrer müşteri kayıtları, üç farklı araca dağılmış ürün verisi, API'si olmayan bir rezervasyon sistemi. Agent'ın politikalar veya kılavuzlar gibi şirket bilgisine ihtiyacı varsa bir bilgi erişim katmanı (RAG) planlayın ve bu belgeleri kimin güncel tutacağına karar verin.

3. Mimariyi seçin

Tek bir agent ve birkaç araçla başlayın. Birden fazla agent'a ancak tek agent'ın talimatları güvenilir biçimde izlenemeyecek kadar uzadığında ya da adımlar farklı yetkiler gerektirdiğinde geçin. Modeli benchmark'a göre değil, kendi değerlendirme setinizde test ederek seçin: kapsamı iyi belirlenmiş bir görevi çoğu zaman daha küçük ve daha ucuz bir model de geçer.

4. Araçları ve yetkileri tasarlayın

Her araç, modelin okuduğu bir sözleşmedir. Aracı iş görevine göre adlandırın (change_delivery_address; patch_order değil), ne zaman kullanılıp ne zaman kullanılmayacağını açıklayın ve her girdiyi kendi tarafınızda doğrulayın. Bu araçlar giderek daha sık bir MCP sunucusu üzerinden sunuluyor; böylece aynı araçlar hem kendi uygulamanızda hem de ChatGPT, Claude ve Gemini gibi asistanlarda çalışabiliyor.

5. Değerlendirme setini prompt'tan önce oluşturun

Gelen kutunuzdan, sohbet kayıtlarınızdan veya destek taleplerinizden 50 ile 200 arası gerçek talep toplayın ve her biri için doğru sonucu yazın. Zorlu olanları da ekleyin: tek mesajda iki talep, eksik sipariş numaraları, öfkeli müşteriler, agent'ı iade yapmaya ikna etmeye çalışan bir mesaj. Prompt'taki, araçlardaki veya modeldeki her değişiklik bu sete karşı çalıştırılır. Bu set olmadan kulaktan dolma örneklere göre ayar yaparsınız.

6. Süreçte bir insanla pilot yapın

Pilot aşamasında agent işlemi hazırlar, bir kişi onaylar. Müşteriyi riske atmadan agent'ın nerede güvenilir olduğunu, nerede tereddüt ettiğini ve görev başına neye mal olduğunu öğrenirsiniz. OpenAI, ilk günden tam özerk bir agent'a kıyasla “müşterilerin kademeli bir yaklaşımla genellikle daha fazla başarı elde ettiğini” belirtiyor.

7. Yayına alın, izleyin, iyileştirin

Agent'a özerkliği adım adım verin: önce pilotta neredeyse kusursuz sonuç veren işlemler, geri kalanı bir kişide kalır. Her çalışmayı kayda alın, hataları haftalık inceleyin ve her yeni hata türünü değerlendirme setine ekleyin.

AI agent mimarisi: bileşenler

AI agent geliştirme maliyeti ne kadar?

AI agent geliştirme maliyetini aradığınızda “$5K ile $500K arası” gibi aralıklarla karşılaşırsınız. Yanlış değiller, yalnızca işe yaramıyorlar: arkalarında bir yöntem yok ve aynı fiyat kademeleri siteden siteye tekrarlanıyor. Kendi tahmininizi iki parçada şöyle çıkarabilirsiniz.

Geliştirme maliyeti: saat × ücret

Geliştirme maliyeti, insanların zamanıdır. Etkisine göre kabaca sıralanmış ana etkenler:

• Entegrasyonlar. Agent'ın dokunduğu her sistem bir API, bir hesap ve hata yönetimi gerektirir. API'si olmayan bir sistem işi ikiye katlayabilir.
• Veri temizliği. Agent'lar dağınık veriyi hızla ortaya çıkarır. Mükerrer kayıtlar ve güncelliğini yitirmiş fiyatlar ilk haftada su yüzüne çıkar.
• Değerlendirme ve güvenlik. Test setini oluşturmak, çalıştırmak, hataları düzeltmek. Bunu sonradan akla gelen bir ek olarak değil, işin büyük bir bölümü olarak planlayın.
• Araç ve kural sayısı. İyi tasarlanmış üç araç, on beş araçtan daha ucuz ve daha güvenilirdir.
• Agent herkese açık asistanların içinde çalışacaksa, harici platformlarda (örneğin Google'ın Connected Console'u veya bir ChatGPT uygulaması) inceleme ve yayına alma.

Biz dahil her sağlayıcıdan, kalem başına saatleriyle bu şekilde ayrıştırılmış bir tahmin isteyin. Dökümü olmayan tek bir rakam, riskin nerede olduğunu gizler.

İşletme maliyeti: görev başına hesaplayın

İşletme maliyeti büyük ölçüde model kullanımıdır ve milyon token (MTok) başına ödenir. Formül basit:

cost per task = calls per task × (input tokens × input price + output tokens × output price)

Anthropic'in fiyatlandırma sayfasındaki liste fiyatlarıyla (Ekim 2026) hesaplanmış bir örnek: Claude Sonnet 5.5 için milyon girdi token'ı başına $2, milyon çıktı token'ı başına $10; Claude Haiku 5.5 için $0.10 ve $0.50 (100K token'a kadar olan prompt'lar için). Görev başına 6 model çağrısı yapan, her çağrıda yaklaşık 20.000 girdi token'ı (talimatlar, araç tanımları, konuşma, getirilen belgeler) ve 1.500 çıktı token'ı kullanan bir agent düşünün.

Bu tabloyu iki kaldıraç ciddi biçimde değiştirir. Prompt önbellekleme (prompt caching): bu 20.000 girdi token'ının çoğu (talimatlar, araç tanımları) her çağrıda tekrarlanır ve önbellekten okunan token'lar girdi fiyatının küçük bir kısmıyla faturalanır (Sonnet 5.5'te MTok başına $0.10). Model yönlendirme (model routing): basit adımları küçük bir modele bırakın, büyük modeli yalnızca gerektiğinde çağırın. Buna barındırma, loglama ve araçların çağırdığı ücretli API'leri ekleyin; bunlar model kullanımının yanında genellikle küçük kalır. Ardından toplamı, aynı görevin elle yapılmasının maliyetiyle karşılaştırın.

Bakım: yayından sonra da maliyet yaratanlar

• Model güncellemeleri ve kullanımdan kaldırılan modeller; her biri değerlendirme setinin yeniden çalıştırılmasını gerektirir.
• Araçların çağırdığı sistemlerdeki değişiklikler: yeni API sürümleri, adı değişen alanlar, yeni ürünler.
• İzleme sırasında bulunan yeni hata türleri; her biri bir düzeltmeye ve yeni bir test vakasına dönüşür.
• Kapsam büyüdükçe eklenen yeni araçlar; her biri kendi incelemesinden geçer.

Geliştirmek mi, satın almak mı?

Yaygın bir orta yol: genel amaçlı agent'ları satın alın, size özgü ince katmanı kendiniz geliştirin. Bu katman genellikle kendi sistemleriniz üzerinde çalışan ve bu agent'ların hepsinin kullanabileceği bir MCP sunucusudur.

AI agent projeleri neden başarısız olur?

• Net bir görev veya başarı ölçütü yok; bu yüzden kimse çalışıp çalışmadığını söyleyemiyor. Gartner'ın “belirsiz iş değeri” dediği şey bu.
• Maliyetler geç fark ediliyor: görev başına işletme maliyeti hiç hesaplanmamış, entegrasyon işi hafife alınmış.
• Risk kontrolü yok: geniş yetkiler, onay yok, log yok. Göze batan tek bir hata projeyi bitirir.
• Demoya dayalı test: birkaç örnek üzerinde ayarlanmış, gerçek trafikte hiç test edilmemiş.
• İş akışının yeteceği yerde agent: hiçbir kazanç olmadan daha fazla maliyet, daha az öngörülebilirlik.

Sıkça sorulan sorular

• AI agent geliştirmenin maliyeti ne kadar?+−

  Geliştirme maliyeti; entegrasyonlar, veri temizliği, araçlar, değerlendirme ve yayına alma için harcanan saatlerin ücretle çarpımıdır. Büyük ölçüde agent'ın kaç sisteme dokunduğuna bağlıdır. Tek bir rakam yerine bu kalemlere ayrıştırılmış bir tahmin isteyin.

• Bir AI agent'ı çalıştırmanın aylık maliyeti ne kadar?+−

  Görev başına çağrı sayısını token sayısı ve modelin fiyatıyla, ardından aylık hacimle çarpın. Örneğimizde, her biri 20.000 girdi ve 1.500 çıktı token'ı kullanan 6 çağrı, önbellekleme öncesinde görev başına Claude Sonnet 5.5'te yaklaşık $0.33, Haiku 5.5'te yaklaşık $0.017 tutuyor.

• Bir AI agent yapmak ne kadar sürer?+−

  Çalışan API'leri olan sistemler üzerinde, kapsamı iyi belirlenmiş tek bir görev için pilot birkaç hafta sürer. Süreyi en çok uzatanlar API'si olmayan entegrasyonlar, dağınık veri ve harici platform incelemeleridir.

• Kod yazmadan AI agent oluşturabilir miyim?+−

  Basit görevler için evet: no-code araçlar ve pek çok SaaS ürünündeki yerleşik agent oluşturucular genel işlerde iyi çalışır. Agent'ın kendi sistemlerinizde, kendi kurallarınızla işlem yapması gerektiğinde ise özel araçlara, yetkilere ve teste ihtiyacınız olur.

• AI agent ile iş akışı arasındaki fark nedir?+−

  İş akışında adımları kodunuz belirler, model bunların bir kısmını üstlenir. Agent'ta ise adımları ve hangi araçların çağrılacağını model belirler. İş akışları daha ucuz ve daha öngörülebilirdir; agent'lar ise izlenecek yolun karşılaştıkları duruma bağlı olduğu görevleri üstlenir.

• Bir AI agent'ın temel bileşenleri nelerdir?+−

  Bir model, talimatlar, araçlar, bilgi, bellek, bir orkestrasyon döngüsü, güvenlik önlemleri ve gözlemlenebilirlik. Güvenli olup olmadığını araçlar ve güvenlik önlemleri belirler; çalışıp çalışmadığını ise değerlendirme seti.

• Tek bir agent mı kullanmalıyım, birden fazla mı?+−

  Tek bir agent'la başlayın. Ancak talimatlar güvenilir biçimde izlenemeyecek kadar uzadığında veya görevin bazı bölümleri farklı yetkiler gerektirdiğinde birden fazla agent'a bölün.

• AI agent projeleri neden başarısız olur?+−

  Çoğunlukla iş kaynaklı nedenlerle: net bir görevin olmaması, maliyetlerin geç fark edilmesi ve risk kontrollerinin eksikliği. Gartner, 2027'ye kadar iptal edilmesini beklediği projeler için tam da bu üç nedeni sayıyor.

Kaynaklar

• Anthropic: Building effective agents
• OpenAI: A practical guide to building agents (PDF)
• Gartner: agentic AI projelerinin %40'tan fazlası 2027 sonuna kadar iptal edilecek
• Claude fiyatlandırması (örnekte kullanılan liste fiyatları, Ekim 2026)

• AI agent
• AI agent geliştirme

Ahmet Molon

Kurucu