Bir ajanın kaç görevi tamamladığı yanlış metriktir. Doğru soru şu: o ajan hangi kararı insana bıraktı? Gaziantep’te 287 çalışanlı bir makine imalatçısının satın alma ekibi, geçen yılın sonunda bir tedarikçi değerlendirme ajanı devreye aldı. Ajan, teklifleri tarıyor, teslimat geçmişini çekiyor, fiyat tutarsızlıklarını işaretliyordu. Altı hafta sonra ekibin şikâyeti teknik değil yönetimseldi: ajan çok şeyi kendi hallediyor, kararın nerede durduğunu kimse bilmiyordu. Yanlış bir tedarikçi onayı, üç ay sonra üretim hattını durdurdu. Bu, ajanın işlevsiz olduğunu değil, sorumluluk hattının tanımlanmadığını gösteriyordu. Agentic AI tartışmasının 2026’da geldiği yer tam olarak burası: teknik kapasite artık sorgulanmıyor, yönetim netliği sorgulanıyor.Agentic AI, bir büyük dil modelinin tek seferlik sorulara yanıt vermesinden farklıdır. Ajan, bir hedefe ulaşmak için adım sırasını kendisi belirliyor, araçları kendisi çağırıyor ve bir adımın sonucuna göre bir sonraki adımı şekillendiriyor. Bu esneklik değerlidir — ama değerin kaynağı aynı zamanda riskin kaynağıdır. Türkiye’nin kurumsal yazılım ortamında yaygın olan ERP ve CRM sistemleriyle entegrasyon, ajanın operasyonel veriyi gerçek zamanlı okumasına imkân tanır; ancak bu okuma yetkisi yazma yetkisine dönüştüğünde ne olduğunu sormak gerekiyor. EU AI Act’ın 2025’ten itibaren aşamalı yürürlüğe girişiyle birlikte, yüksek riskli iş akışlarında insan gözetimi (human oversight) artık etik tercih değil yasal gereklilik. AB pazarına ihracat yapan Türk firmaları bu gereksinimi doğrudan hissediyor; ihracat belgelerini veya müşteri uyum kayıtlarını işleyen ajanların hangi kararlarda insanı devrede tutması gerektiğini şimdiden belgelemek zorundalar.Agentic mimariyi laboratuvardan kurumsal operasyona taşımanın önünde iki gerçek engel var: veri kalitesi ve görev sınırı tanımı. Bunları sırayla ele almak gerekiyor, çünkü çoğu uygulama ikinci engelde değil birincisinde tökezliyor. Ankara’da faaliyet gösteren orta ölçekli bir lojistik yazılım şirketinin operasyon ekibi, 2025 yılsonunda bir rota optimizasyon ajanı kurdu. Ajan başarılı çalışıyordu — doğru koşullar altında. Sorun, araç verisinin üç farklı kaynaktan beslenmesi ve bu kaynaklar arasındaki senkronizasyonun %63 oranında güncel kalabilmesiydi. Kalan %37’lik veri gecikmesi, ajanın zaman zaman geçersiz araç konumlarıyla rota önerisi üretmesine yol açtı. Sonuç: ajan çalışıyor, ama güvenilirliği operatörün veri kaynağını ayrıca doğrulama alışkanlığına bağlı. Bu durumu ‘ajanın başarısı’ saymak doğru olmaz. Veri bütünlüğü olmadan ajan otomasyonu, manuel sürecin maliyetini artırarak kopyalar.Görev sınırı tanımı meselesine gelince: ajanın neyi yapabileceğini değil, neyi yapmaması gerektiğini belgelemek daha kritik ve daha zor. Konya’da 312 çalışanlı bir ısıtma-soğutma ekipmanı üreticisi, müşteri talep yönetimi için bir ajan pilot başlattı. Ajan standart servis taleplerini sınıflandırıyor, öncelik atıyor ve ilgili teknik ekibe yönlendiriyordu. İlk iki ayda ortalama yanıt süresi 47 saatten 9 saate indi — ölçülebilir ve anlamlı bir iyileşme. Ancak ajanın müşteriye doğrudan e-posta gönderme yetkisi verildiğinde sorunlar başladı: bir müşteriye yanlış teknik dokümantasyon gönderildi, bir diğerine servis garantisinin kapsamı dışındaki bir konuda taahhüt içeren bir mesaj iletildi. Ajan yetkisiz taahhüt verdi; sonuç hem müşteri ilişkisi hem hukuki açıdan yönetilmesi gereken bir dosyaya dönüştü. Bu vakada ajanın başarısı gerçekti — ama sınırı yanlış çizilmişti. Okuma yetkisi ile yazma yetkisi, sınıflandırma yetkisi ile taahhüt yetkisi birbirinden net ayrılmalıydı.Çalışan adaptasyonu, teknik dokümantasyondan çok daha fazla zaman alan kısımdır ve çoğu uygulama planı bunu hafife alır. Ajan devreye girdiğinde çalışanın işi değişir: rutin görev azalır, istisna yönetimi artar. Bu değişim olumludur — ama yalnızca çalışan istisnaları tanıyacak bilgiye sahipse. Aksi durumda ajan çalışanı by-pass eder, çalışan ajanı körü körüne onaylar ve gerçek karar kalitesi düşer. İstanbul’da bir sağlık malzemeleri distribütörünün muhasebe ekibinde yaşanan tablo buydu: fatura mutabakat ajanı %57 oranında işlemi tamamen kapattı, kalan mutabakatları ise insan onayına sundu. Sorun, insan onay adımının içeriğini kimsenin sorgulamıyor olmasıydı — ekip ajanın işaretlediği her şeyi ‘zaten ajan gördü’ refleksiyle geçiriyordu. Kalite güvencesi değil, varlığı taklit eden bir onay döngüsü. Bunu ölçmenin yolu basit: onay adımında reddedilen işlem oranı nedir? Bu oran sıfıra yaklaşıyorsa, insan denetimi işlevini yitirmiş demektir.Sınırlılık notunu açıkça koymak gerekiyor: agentic mimari her iş akışına uygun değil. Yüksek belirsizlik içeren, bağlamın sürekli değiştiği ve kararın insan sezgisi gerektirdiği süreçlerde ajan koordinasyon yükü getirir, yük almaz. Türkiye KOBİ ortamında bütçe kısıtı ve BT kaynağı sınırlılığı bu denkleme ek ağırlık ekliyor: ajanı kurmak bir kez, izleme altyapısını işletmek süreklidir. Döviz bazlı SaaS maliyetleri düşünüldüğünde, yanlış kullanım senaryosu seçimi nakit akışını zorlayan bir yatırım haline gelebilir. Doğru başlangıç noktası şu soruyu yanıtlamaktır: bu süreçte tekrar eden, kurallı ve sonucu doğrulanabilir karar adımları var mı? Varsa ajan değer üretir. Yoksa önce süreci yapılandırmak gerekir — ajanı değil.Gaziantep’teki makine imalatçısına dönelim: tedarikçi değerlendirme ajanını kapatmadılar. Sorumluluk hattını yeniden çizdiler. Ajan artık yalnızca teklifleri sıralıyor ve ön eleme kriterlerini işaretliyor; nihai onay adımı satın alma yöneticisinde ve sistem bunu kayıt altına alıyor. Ölçüm şu: onay adımında değiştirilen öneri oranı ilk dört haftada %72 iken altıncı haftada %48’e indi — yani insan ve ajan birbirini kalibre etti. Bu sayı bir başarı metriği değil, bir olgunluk göstergesi. Agentic AI’ın kurumsal değerini ajan sayısıyla değil, insan-makine karar sınırının ne kadar bilinçli çizildiğiyle ölçebilirsiniz. Bu sınırı belgeleyemiyorsanız, ajana değil önce sürece yatırım yapın.