Million View8 dk okuma

Otomasyona İş Akışıyla Başla, Ajanı Sonra Ekle

Yapay zekâ otomasyonuna sabit bir iş akışıyla başlamanın gerekçesi, yapay zekânın iş akışındaki yeri ve bir adımı ajana devretme zamanı.

Miraç Kuru · Yayın 12 Ekim 2026

Otomasyona İş Akışıyla Başla, Ajanı Sonra Ekle
Bu yazıda· 8 bölüm
  1. 1.İş akışı ile ajan arasındaki fark ne?
  2. 2.Neden en basit çözümle başlamak gerekir?
  3. 3.Yapay zekâ iş akışının neresine konur?
  4. 4.Ajan ne zaman devreye girer?
  5. 5.Ajana güven nasıl artar?
  6. 6.Önce sabit iş akışını kurmak neden işe yarar?
  7. 7.İlk otomasyonunu hangi sırayla kurmalısın?
  8. 8.Sonraki adım

Kısa cevap

Bence yapay zekâ otomasyonuna yeni başlayan biri önce adımları belli ve her seferinde aynı çalışan bir iş akışı kurmalı. Yapay zekâ bu iş akışının tek bir adımında çalışır. Anthropic en basit çözümle başlamayı ve karmaşıklığı sadece gerektiğinde artırmayı önerir. Ajan, adımları önceden bilinemeyen işe gelince eklenir. Bence kalıcı sistem bu sırayla kurulur.

  1. 1

    Tekrarlanan bir işi seç

    Sık tekrarladığın ve her seferinde aynı biçimde yaptığın bir işi seç.

  2. 2

    Adımları kâğıda yaz

    İşin adımlarını sırayla yaz ve her adımın yanına girdisini ve çıktısını not et.

  3. 3

    Yapay zekâ adımını işaretle

    Yorumlama ya da yazma gerektiren adımı işaretle. Yapay zekâ sadece bu adımda çalışır.

  4. 4

    Sabit bir workflow kur

    Kâğıttaki sırayı n8n'de bir workflow olarak kur ve yapay zekâ adımında Basic LLM Chain node'unu kullan.

  5. 5

    Çıktıyı kontrol et

    Workflow'u örnek verilerle birkaç kez çalıştır ve her çalışmanın çıktısını Executions sekmesinde kontrol et.

  6. 6

    Bir adımı ajana devret

    Çıktı istediğin gibi olunca adımları önceden bilinemeyen tek bir parçayı AI Agent node'una devret.

Bence yapay zekâ otomasyonuna yeni başlayan biri işe bir iş akışıyla başlamalı ve ajanı sonra eklemeli. İş akışı (workflow), adımları belli ve her seferinde aynı sırayla çalışan otomasyondur. Yeni başlayan biri için yapay zekâ bu iş akışının sadece bir adımında çalışır. Ajan (agent) ise hangi adımı atacağına ve hangi aracı (örneğin bir arama hizmetini) kullanacağına yapay zekânın kendisinin karar verdiği sistemdir. Ajanın yeri, adımları önceden bilinemeyen iştir. Benim gördüğüm kadarıyla kalıcı otomasyon sistemleri bu sırayla kurulur.

İş akışı ile ajan arasındaki fark ne?

İş akışında adım sırasını önceden insan belirler, ajanda bu sırayı yapay zekâ seçer. Anthropic'in Aralık 2024 tarihli Building effective agents yazısı (etkili ajan kurma üzerine) bu ayrımı açıkça yapar. Yazıya göre iş akışında dil modeli ve araçlar, önceden yazılmış kodun belirlediği bir sırayla yönetilir. Dil modeli, metin üreten ve metinden anlam çıkaran yapay zekâ modelidir. Ajanda ise dil modeli kendi sürecini ve araç kullanımını kendisi yönetir.

Aynı ayrım otomasyon yazılımı n8n'de de görünür. Yazılımda her otomasyonun adı workflow'dur ve workflow, bir işi otomatik yapan node'ların bütünüdür. Node, workflow içindeki tek adımdır ve editörde bir kutu olarak görünür. Belgelere göre chain, yapay zekâ bileşenlerini önceden belirlenmiş sırayla çağıran node türüdür. Ajanı kuran AI Agent node'u ise hangi işlemi yapacağına bir dil modeliyle karar verir. Belgelere göre araç (tool), yapay zekânın belirli bir bilgi ya da işlev için başvurduğu ek kaynaktır. Örneğin Basic LLM Chain node'u bir dil modeliyle çalışır, hafıza ve araç desteklemez.

Agents vs chains adlı n8n belgesindeki örnek workflow, ajanı ve chain'i birlikte kullanır. Bence ayrımı belirleyen şey, adımların sabit kalıp kalmadığıdır.

Anthropic'in Eylül 2025 tarihli Writing effective tools for AI agents yazısı ajanlara araç yazma üzerinedir. Yazıya göre klasik yazılım aynı girdiye hep aynı çıktıyı verir. Ajan ise aynı koşullarda farklı cevaplar üretebilir. Bence sabit iş akışının değeri burada ortaya çıkar: yapay zekâ adımının çıktısı değişse bile adım sırası aynı kalır.

Örnek: Bir içerik üreticisi her yeni video için açıklama metni hazırlar. Sabit iş akışında videonun başlığı bir tablodan gelir, yapay zekâ açıklamayı yazar ve metin bir taslak klasörüne kaydedilir. Ajanlı kurulumda ise yapay zekâ önce videonun altyazısına mı, eski açıklamalara mı bakacağına kendisi karar verir. Açıklama taslağını da bu kaynaklara göre yazar.

Ajanın tanımı ve örnekleri yapay zekâ ajanı nedir yazısında anlatılır.

Neden en basit çözümle başlamak gerekir?

Anthropic'e göre iş akışlarını ve ajanları kapsayan çok adımlı sistemler, daha iyi sonuç karşılığında daha fazla gecikme ve maliyet getirir. Building effective agents yazısı bu yüzden en basit çözümü bulup karmaşıklığı sadece gerektiğinde artırmayı önerir. Yazıya göre birçok uygulamada tek bir dil modeli çağrısını iyileştirmek çoğu zaman yeterlidir.

Yazıya göre ajanın bağımsızlığı daha yüksek maliyet ve hataların birbirine eklenerek büyüme ihtimali demektir. Anthropic bu yüzden ajanları yalıtılmış deneme ortamlarında test etmeyi önerir. What agents do adlı n8n belgesine göre ajan içeren bir workflow çalıştırıldığında ajan birden çok kez çalışır. Örneğin ajan önce hazırlık için, sonra bir aracı çağırmak için, en son aracın cevabını değerlendirip yanıt vermek için çalışabilir.

Anthropic'in Eylül 2025 tarihli Effective context engineering for AI agents yazısı (ajanlarda bağlam yönetimi üzerine) bir sınır daha ekler. Bağlam (context), modelin cevap üretirken gördüğü bilgilerin tamamıdır. Yazıya göre bağlamdaki bilgi arttıkça modelin bu bilgiyi doğru hatırlama yeteneği azalır. Ajan ise işi bitirene kadar araç kullanıp sonucu okumayı tekrarlar ve her tekrarda bağlama yeni veri ekler.

Yapay zekâ iş akışının neresine konur?

Yapay zekâ, iş akışında yorumlama ya da yazma gerektiren adıma konur, diğer adımlar sabit kalır. Building effective agents yazısı bunun beş yaygın kalıbını anlatır. Kalıp adlarındaki prompt, dil modeline verilen yazılı talimattır.

KalıpNasıl çalışırKaynaktaki örnek
Prompt chaining (zincirleme)İşi sabit adımlara böler, her model çağrısı öncekinin çıktısını işlerPazarlama metni yazıp başka dile çevirmek
RoutingGirdiyi sınıflandırır ve uygun bir sonraki işe yönlendirirMüşteri sorularını türüne göre ayırmak
Parallelizationİşi aynı anda çalışan parçalara böler ya da aynı işi birkaç kez çalıştırırBir model soruyu cevaplarken diğerinin uygunsuz içeriği taraması
Orchestrator-workersMerkezdeki model işi girdiye göre böler, işçi modellere dağıtır, sonuçları birleştirirHer seferinde birden çok dosyayı değiştiren kodlama ürünleri
Evaluator-optimizerBir model cevap üretir, diğeri değerlendirip geri bildirim verirDeğerlendirici modelin eleştirdiği edebi çeviri

Anthropic beş kalıbın hepsini iş akışı sayar ve zincirlemede ara adımlara programla bir kontrol eklenebileceğini yazar.

Bence yeni başlayan biri için doğru giriş noktası zincirlemenin en basit hâlidir. Bu hâlde adımlar sırayla yazılır, yapay zekâya tek bir adım verilir ve araya bir kontrol konur. Orchestrator-workers ve evaluator-optimizer ise benim gözümde ajana geçişin ara basamaklarıdır.

Ajan ne zaman devreye girer?

Anthropic'e göre ajan, kaç adım gerektiği önceden bilinemeyen ve sabit bir yolun yazılamadığı açık uçlu işte devreye girer. Building effective agents yazısına göre iş akışları tanımı net işlerde öngörülebilirlik ve tutarlılık sağlar. Esneklik ve modelin karar vermesi gerektiğinde ise ajan daha iyi seçenektir. Anthropic'e göre ajan en çok başarı ölçütü açık, geri bildirim döngüsü kurulabilen ve insan denetimi olan işlerde değer katar.

Bence ajan eklendiği gün işin ağırlığı araçlara kayar. Anthropic'e göre ajanlar çoğu zaman ortamdan gelen geri bildirime göre döngü içinde araç kullanan dil modelleridir. Şirket, bir kodlama değerlendirmesi için ajan kurarken araçları iyileştirmeye ana prompt'tan daha çok zaman harcadığını yazar.

Writing effective tools for AI agents yazısına göre daha çok araç her zaman daha iyi sonuç vermez. Yazı, her aracın açık ve ayrı bir amacı olmasını ve ekibe yeni katılan birine anlatır gibi açıklanmasını önerir. Bağlam yazısına göre bir mühendis hangi aracın kullanılacağını kesin söyleyemiyorsa, ajandan daha iyisi beklenemez.

Örnek: Bir eğitmen, öğrencilerin proje sorularına cevap hazırlar. Cevap bazen ders notlarında, bazen eski e-postalarda, bazen bir web sayfasında durur ve kaç kaynağa bakılacağı baştan bilinmez. Eğitmen sadece bu araştırma adımını bir ajana verir ve cevabı göndermeden önce kendisi okur.

Ajana güven nasıl artar?

Güven, kontrolü kolay işlerden başlayıp adım adım artar. Anthropic'in Aralık 2025 tarihli How AI is transforming work at Anthropic araştırması (yapay zekânın şirketteki işleri nasıl değiştirdiği üzerine) bunu kendi mühendislerinde inceler. Araştırma Ağustos 2025'te 132 mühendis ve araştırmacıyla yapılan ankete, 53 görüşmeye ve Claude Code kullanım verisine dayanır. Claude Code, Anthropic'in ajan olarak çalışan kodlama aracıdır.

Araştırmaya göre mühendisler önce doğruluğu kolay kontrol edilen, hata bedeli düşük ya da sıkıcı işleri devreder. Birçoğu, basit işlerle başlayıp zamanla daha karmaşık işleri devrettiği bir güven süreci anlatır. Bir mühendis bu süreci Google Maps'e benzetir. Uygulamayı önce sadece bilmediği yollarda kullandığını, bugün her gün gittiği yolda bile ona uyduğunu ve Claude Code'u da böyle kullandığını anlatır.

Ankete katılanların yarısından fazlası, işinin yüzde 0-20'sini Claude'a tamamen devredebildiğini söyler. Araştırmaya göre Claude geri kalan işte de sürekli bir çalışma arkadaşıdır ve mühendisler onun çıktısını aktif olarak denetleyip doğrular.

Araç çağrısı, Claude'un dosya düzenlemek ya da komut çalıştırmak gibi bir dış araçla yaptığı işlemdir. Araştırmaya göre Şubat 2025 ile Ağustos 2025 arasında Claude Code'un insan müdahalesi olmadan art arda yaptığı araç çağrısı sayısı 9,8'den 21,2'ye çıkmıştır. Bu iki değer, konuşmalardaki en uzun kesintisiz araç çağrısı dizilerinin ortalamasıdır. Aynı dönemde konuşma başına ortalama insan mesajı 6,2'den 4,1'e inmiştir. Benim okumam şu: model ne kadar gelişirse gelişsin, devretme kararını insan verir ve bu karar deneyimle büyür.

Microsoft'un 2025 Work Trend Index raporu (şirketin yıllık çalışma hayatı araştırması) yapay zekânın iş yerindeki rolünü üç aşamada anlatır. Rapora göre önce yapay zekâ asistan olur, sonra ajanlar insanın yönlendirmesiyle belirli görevleri alan dijital çalışma arkadaşları olarak ekiplere katılır. Son aşamada ajanlar iş süreçlerini baştan sona yürütür, insanlar yön verir ve gerektiğinde kontrol eder. Bence bu aşamalar Anthropic mühendislerinin anlattığı güven sürecinin kurum ölçeğindeki karşılığıdır.

Rapor, insan ve ajan ekiplerinde her çalışanın bir agent boss olacağını öngörür. Agent boss, ajan kuran, onlara iş devreden ve onları yöneten kişidir. Rapordaki bir Microsoft araştırmacısına göre ajanlarla çalışmak ekibe yeni birini almaya benzer: her adımı yönetmek gerekmez, ama güvenin bilgiye dayanması gerekir.

Önce sabit iş akışını kurmak neden işe yarar?

Önce sabit iş akışını kurmak, ajanın neyi daha iyi yaptığını görmeyi sağlar. Ben kendimi mimar diye tarif ederim. Önce haritayı ve sabit iş akışını kurar, işi sonra yürütürüm.

Otomasyonda harita, işin adımlarını sırayla gösteren kâğıttaki listedir. Liste yazılınca hangi adımın sabit olduğu, hangisinin yorumlama gerektirdiği görünür. Bağlam yazısındaki araç ölçütünü ben adımlara da uygularım. Hangi adımın ne zaman atılacağını ben söyleyemiyorsam, bir ajanın bunu benden iyi bulmasını beklemem.

Sabit iş akışı bana bir de karşılaştırma noktası verir. Anthropic, karmaşıklığın sadece sonucu gösterilebilir biçimde iyileştirdiğinde eklenmesini önerir. Bence bunu görmenin en kolay yolu, ajanın çıktısını sabit iş akışının çıktısıyla karşılaştırmaktır.

Örnek: Bir içerik üreticisinin sabit iş akışı, gelen iş birliği e-postalarını konuya göre ayırır. Üretici aynı e-postaları bir ajana da verir ve iki sonucu yan yana koyar. Ajanın sonucu belirgin biçimde daha iyiyse o adımı ajana devreder.

İlk otomasyonunu hangi sırayla kurmalısın?

Önce kâğıda, sonra sabit bir workflow'a, en son ajana geç.

  1. Sık tekrarladığın ve her seferinde aynı biçimde yaptığın bir işi seç.
  2. İşin adımlarını kâğıda sırayla yaz ve her adımın yanına girdisini ve çıktısını not et.
  3. Yorumlama ya da yazma gerektiren adımı işaretle. Yapay zekâ sadece bu adımda çalışacak.
  4. Kâğıttaki sırayı n8n'de bir workflow olarak kur. İlk node, workflow'u belirli bir zamanda ya da olayda başlatan bir trigger node olsun. Yapay zekâ adımında Basic LLM Chain node'unu kullan.
  5. Workflow'u gerçek olmayan örnek verilerle birkaç kez çalıştır. Her çalışmanın kaydını ve çıktısını workflow'un Executions sekmesinde kontrol et.
  6. Çıktı istediğin gibi olunca adımları önceden bilinemeyen tek bir parçayı AI Agent node'una devret. Ajana amacı net birkaç araç bağla.

Bu sırayla kurulan bir workflow'un örneği, yukarıdaki iş birliği e-postalarını ayıran iş akışıdır.

AI Agent node'unun kurulumu n8n'de yapay zekâ ajanı nasıl kurulur yazısında anlatılır. Yazılımın temel işleyişi n8n nedir yazısında anlatılır.

Sonraki adım

Sık tekrarladığın tek bir işi bugün seç ve adımlarını kâğıda sırayla yaz. Yapay zekâ gereken adımın yanına bir işaret koy. Yapay zekâ adımı dâhil bütün adımları n8n'de sabit bir workflow olarak kur.

Kâğıda yazdığın bu liste, ilk otomasyonunu kalıcı bir sisteme dönüştürmenin ilk adımıdır.

Sık sorulanlar

Yapay zekâ otomasyonuna neden iş akışıyla başlamalıyım?

Anthropic, en basit çözümle başlayıp karmaşıklığı sadece gerektiğinde artırmayı önerir. Aynı kaynağa göre ajanlar daha yüksek maliyet ve birbirine eklenen hata ihtimali getirir. Bence sabit bir iş akışı ajan için bir karşılaştırma noktası verir.

İş akışı ile ajan arasındaki fark ne?

Anthropic'e göre iş akışında dil modeli ve araçlar önceden yazılmış kodun belirlediği bir sırayla yönetilir. Ajanda ise dil modeli kendi sürecini ve araç kullanımını kendisi yönetir.

Basic LLM Chain ile AI Agent node'u arasındaki fark ne?

Agents vs chains adlı n8n belgesine göre chain, yapay zekâ bileşenlerini önceden belirlenmiş sırayla çağırır. Basic LLM Chain node'u hafıza ve araç desteklemez. Ajanı kuran AI Agent node'u ise hangi işlemi yapacağına bir dil modeliyle karar verir.

Bir adımı ajana ne zaman devretmeliyim?

Anthropic'e göre ajan, adım sayısı önceden bilinemeyen ve sabit bir yolun yazılamadığı açık uçlu işlerde kullanılır. Bence sabit iş akışının çıktısı beklenen biçime gelince tek bir adım ajana devredilmeli.

Agent boss ne demek?

Agent boss, Microsoft'un 2025 Work Trend Index raporundaki bir kavramdır. Rapor bu adla ajan kuran, onlara iş devreden ve onları yöneten kişiyi anlatır.

Kaynaklar

  1. 1.Anthropic, Building effective agents (19 Aralık 2024)Erişim: 12 Ekim 2026
  2. 2.Anthropic, Writing effective tools for AI agents, using AI agents (11 Eylül 2025)Erişim: 12 Ekim 2026
  3. 3.Anthropic, Effective context engineering for AI agents (29 Eylül 2025)Erişim: 12 Ekim 2026
  4. 4.n8n Docs, Agents vs chainsErişim: 12 Ekim 2026
  5. 5.n8n Docs, What agents doErişim: 12 Ekim 2026
  6. 6.Anthropic, How AI is transforming work at Anthropic (2 Aralık 2025)Erişim: 12 Ekim 2026
  7. 7.Microsoft WorkLab, 2025 Work Trend Index, The year the Frontier Firm is born (23 Nisan 2025)Erişim: 12 Ekim 2026

İlgili yazılar

Million View kategorisine dön