Yapay Zeka Ajanlarını Kullanmada Zorluklar ve Deneyimler: Bilmeniz Gerekenler

CRM sistemi "Megaplan" ve yapay zeka asistanlı bilgi tabanı Collabis'in geliştiricisi şirketin yöneticisi Sergey Kozlov, Collabis geliştirme başkanı Igor Sukhoverkhov ile birlikte yapay zeka ajanlarını uygulama deneyimlerini paylaşıyor. Ajanın çalışma kalitesinin büyük ölçüde Bilgi Tabanı'nın ne kadar iyi yapılandırıldığına bağlı olduğunu belirtiyorlar: eğer dağınıksa, yapay zeka yanıtları hatalı olacaktır. Bağlam da önemlidir - sadece "havalı yap" yazmak yeterli değildir; ajanı görevin bağlamına derinlemesine daldırmak gerekir. Yapay zeka ile çalışmaya modern yaklaşım döngü mühendisliğidir (loop engineering), burada ana faktör ajanın görevi nasıl yerine getirdiği ve araçları nasıl kullandığıdır. Yazarlar, yapay zekanın yanlış yöne giderse zaman ve token israfına yol açtığı konusunda uyarıyor. Bir örnek veriyorlar: bir test görevinde, kırık bir düğmeyi işaret etmek yerine, ajan koda daldı ve onu düzeltmeye çalıştı. Çoğu model basit ve iyi tanımlanmış görevleri iyi halleder, ancak karmaşık çok adımlı görevler daha pahalı modeller gerektirir - tıpkı insanlar gibi başlangıcı unutabilirler. Manuel kontrol zorunludur: bugün bir ajan, çalışması kıdemli bir kişi tarafından kontrol edilmesi gereken bir stajyer gibidir. Yabancı modellere erişimin engellenmesi risklerinden de bahsediliyor, bu nedenle verilerin kişisel bir Bilgi Tabanı'nda saklanması öneriliyor. "Megaplan" şirketi, veri aktarımı için bir MCP sunucusu geliştirdi ve ayrıca yerel olarak çalışan GPT 5.6 tabanlı bir Pet projesi de bulunuyor.