Siz uyurken sizin için çalışan, araştıran, analiz eden ve kararlar alan yeni takım arkadaşlarınızla tanışma vakti.
AI serimizin önceki bölümlerinde, modern pazarlamanın dijital dönüşümünde kritik rol oynayan temel yapı taşlarını adım adım inşa ettik. İlk olarak, yapay zekâyla nasıl doğru, etkili ve bağlam odaklı konuşulacağını (Prompt Mühendisliği) öğrendik. Ardından, genel amaçlı modelleri şirketinizin tonuna ve ihtiyaçlarına göre nasıl özelleştireceğimizi (Custom GPT) keşfettik. Son olarak, şirketimizin yıllardır biriken ama dağınık duran kurumsal hafızasını ve verilerini yapay zekâ ile nasıl güvenli bir şekilde buluşturacağımızı (RAG Mimarisi) inceledik.
Ama hala bir sorun var: Enter tuşuna kim basacak?
Siz sormadan cevap vermiyorlar. Siz “Enter” tuşuna basmadan bir kampanya başlatmıyorlar. Siz gece uyurken, dünyanın diğer ucundaki potansiyel bir müşteriden gelen zayıf bir sinyali algılayıp CRM verilerini güncellemiyor veya satış ekibine “Bu fırsatı kaçırma” diye bildirim göndermiyorlar.
Bilgi tek başına eylem değildir. Eyleme dönüşmediği sürece de ticari bir değer üretmez.
B2B pazarlama dünyasında zaman en kıymetli ve en kıt kaynağımız. Satış döngülerinin uzun, karar verici sayısının fazla olduğu bu dünyada manuel tetiklemeler, veri girişleri, platformlar arası kopyala-yapıştır işlemleri ve onay süreçleri hala operasyonel yükümüzün büyük kısmını oluşturuyor. Ekiplerimiz strateji üretmek yerine, araçları yönetmekle meşgul.
Şimdi serimizin en heyecan verici ve dönüştürücü durağındayız. Yapay zekâyı sadece “bilen ve cevaplayan” bir danışman rolünden çıkarıp, “karar alıp uygulayan” bir takım arkadaşına eviriyoruz.
Karşınızda: Otonom Yapay Zekâ Agent’leri (AI Agents).
AI Agent Nedir? (Chatbot vs Agent)
En basit tanımıyla klasik bir yapay zekâ (Chatbot/LLM) bir soruya yanıt üretmek veya metin oluşturmak için tasarlanmışken AI Agent bir amaca ulaşmak için gereken adımları bağımsız olarak planlar, gerekli araçları kullanır ve işi tamamlar.
Bu fark sadece teknolojik değil, aynı zamanda felsefi bir sıçrama. Agent’ler yapay zekâya eyle yeteneği kazandırır.
Bu farkı daha iyi anlamak için iki temel karşılaştırma yapalım:
RAG: Ona “X müşterisiyle geçen ay ne konuştuk?” diye sorarsanız devasa arşivlere girer, doğru dosyayı bulur ve size getirir. Görevi bilgiyi bulup sunmaktır. O bilgiyle ne yapacağınız, müşteriyi arayıp aramayacağınız veya ne söyleyeceğiniz tamamen sizin sorununuzdur.
İşi “bilmek”tir.
AI Agent: Ona “X müşterisiyle bir takip toplantısı ayarla” derseniz sadece takvime bakıp boşluk doldurmaz. Önce geçmiş konuşmaları okur (RAG kullanır) ve müşterinin “Sabahları toplantı yapmayı sevmem” dediğini hatırlar. Her iki tarafın takvimini kontrol eder, müşterinin diline uygun (resmi veya samimi) bir e-posta taslağı hazırlar, gönderir, yanıtı takip eder ve onay gelince takvime işleyip size bilgi verir.
İşi “yapmak”tır.
Otomasyon vs AI Agent
Otomasyon (Statik)
“Eğer form doldurulursa -> Slack’e mesaj at.”
Bu bir tren rayı gibidir. Rayın dışına çıkamaz. Formda beklenmedik bir karakter varsa veya Slack servisi o an yanıt vermiyorsa sistem durur ve hata verir. Esnekliği yoktur, sadece kuralı uygular.
AI Agent (Dinamik)
“Bana yeni potansiyel müşteri bul.”
Agent form doldurulmamışsa LinkedIn’e bakar, eksik bilgiyi tamamlar. Bir yöntem çalışmazsa (örneğin e-posta adresi bulunamazsa), alternatif bir yolu dener (örneğin şirket santral numarasını bulur). Tıpkı bir arazi aracı gibi, hedefe giden yolu duruma göre kendi çizer ve engelleri aşar veya etrafından dolaşır.
AI Agent Nasıl Çalışır?
AI Agent’i başarılı kılan ve onu basit bir yazılımdan ayıran 4 temel katman vardır.
Bu mimari agent’in karmaşık iş dünyadasında yolunu bulmasını sağlar.
Beyin (LLM & Reasoning Engine)
ChatGPT, Gemini (dip bilgi olarak yakında benim için birinci sıraya çıkacak gibi gözüküyor ☺️) Claude veya Llama gibi gelişmiş modeller agent’in beynini oluşturur. Ancak buradaki LLM kullanımı sadece metin yazmak için değil akıl yürütmek (reasoning) içindir de. AI Agent kendisine verilen karmaşık bir görevi alır ve “Bunu başarmak için sırasıyla ne yapmalıyım?” diye sorar.
Örnek Düşünce Zinciri (Chain of Thought)
Kullanıcı pazar analizi istedi.
- Önce güncel veriye ihtiyacım var, Google Search aracını kullanmalıyım.
- Bulduğum veriler ham metin, bunları okuyup özetlemeliyim.
- Kullanıcı görsel veri sever, Python aracıyla bu verileri grafiğe dökmeliyim.
- Raporu PDF yapıp e-posta ile göndermeliyim.
Planlama
AI Agent verilen görevin hedefine giderken yolu körlemesine yürümez. Süreci sürekli optimize eder.
Görevi Parçalar (Decomposition): “Bir pazarlama kampanyası oluştur” gibi devasa ve muğlak bir hedefi, “Hedef kitle analizi yap”, “Slogan bul”, “Görsel tasarla” gibi yönetilebilir küçük alt görevlere böler.
Özeleştiri (Self-Reflection): Bir adımın sonucunu değerlendirir ve hatasından döner. “Google’da bulduğum bu veri 2021 yılına ait, bu veri çok eski ve yanıltıcı olabilir. Aramayı ‘2025 B2B pazarlama raporları’ olarak güncelleyip tekrar denemeliyim” diyebilir. Bu yetenek agent’in hata yapsa bile düzeltebilmesini sağlar.
Araçlar
AI Agent’in bağlı olduğu araçlar sanal dünyadaki gözleri, elleri ve kollarıdır. Beyin (LLM) tek başına sadece metin üretir, dünyayı değiştiremez. Agent’ler API’ler aracılığıyla dış dünyaya erişim sağlar.
- Bilgi Erişimi: Web tarayıcısı (Google Search), şirket veritabanı (RAG), Google News ve diğer kayıtlı haber kaynakları.
- İletişim: E-posta (Gmail/Outlook), Slack, Teams, WhatsApp, Telegram, Zoom.
- Operasyon: CRM (Salesforce/HubSpot) kaydı oluşturma, takvim yönetimi, kod çalıştırıcı (Python Code Interpreter) ile karmaşık matematiksel hesaplamalar yapma.
Hafıza
Zeki bir çalışan gibi, AI Agent’ler de bağlamı unutmaz.
Kısa Süreli Hafıza: Şu anki görevde hangi adımda olduğunu, az önce hangi hatayı aldığını ve hangi değişkenleri topladığını bilir.
Uzun Süreli Hafıza (Vektör Veritabanı): Geçmişte bu müşteriyle yaşanan sorunları, markanızın “asla kullanılmayacak kelimeler” listesini veya sizin yönetimsel tercihlerinizi (örneğin “bana asla sabah 9’dan önce toplantı koyma” kuralını) hatırlar. Böylece her seferinde sıfırdan eğitilmesine gerek kalmaz.
B2B Pazarlamada Otonom AI Agent’ler
AI Agent’lar pazarlama departmanlarının “sanal çalışanları” haline geliyor.
B2B pazarlamada verimliliği radikal şekilde artıran benim de kullandığım 3 ana senaryo:
Otonom SDR (Satış Geliştirme Temsilcisi)
Klasik chatbotlar pasiftir; “Adınız nedir?” diye sorar ve bekler. Otonom bir SDR agent’i ise proaktif bir avcıdır ve veriyi zenginleştirir.
Tetikleyici: Web sitenizin “Fiyatlar” sayfasına bir ziyaretçi gelir veya bir whitepaper indirir.
Enrichment: AIAgent ziyaretçinin e-posta adresinden LinkedIn profilini bulur. Şirketin büyüklüğünü, son yatırım haberlerini, açık iş ilanlarını (büyüme sinyali) ve kişinin karar verici olup olmadığını analiz eder. Aslında MQL ve/veya SQL tanımlar.
İçerik Eşleştirme (RAG): Şirket hafızanızdan ziyaretçinin sektörüne (örneğin Lojistik) ve karşılaştığı muhtemel sorunlara ait en uygun başarı hikayesini (case study) bulur.
Hiper-Kişiselleştirilmiş İletişim: Standart bir mesaj yerine şunu yazar: “Merhaba Ahmet Bey, X Lojistik’in son yatırım haberini gördüm, tebrikler. Yeni deponuz için benzer ölçekteki Y Lojistik ile pazarlama maliyetlerini %20 düşürdüğümüz şu rapor ilginizi çekebilir.”
CRM ve Atama: Eğer müşteri yanıt verirse veya etkileşime girerse AI agent CRM kaydını açar, tüm istihbaratı not eder ve satış temsilcisine “Sıcak Fırsat” bildirimi gönderir. Satış temsilci masaya oturduğunda müşteriye dair her şeyi biliyordur.
Kampanya Optimizasyonu
Bir kampanya yöneticisi olarak konumlana AI Agent’i düşünün. Sadece komut beklemez, sürekli optimize eder ve ince ayar yapar:
- Trend Analizi: Hedef kitlenin o gün konuştuğu konuları (Trending Topics), rakiplerin paylaşımlarını ve sektörel haberleri araştırır.
- Varyasyon Üretimi: Tek bir mesaj yerine farklı platformlar için (LinkedIn için kurumsal, Instagram için samimi, Twitter için vurucu) tonlamayı ayarlayarak reklam metinleri yazar. Görselleri marka rehberine uygun şekilde üretir.
- Otonom A/B Testi: Kampanyayı başlatır. 24 saat sonra bakar; “A versiyonu çok tıklanıyor ama lead oluşturmuyor, B versiyonu az tıklanıyor ama dönüşüm getiriyor.”
- Karar ve Aksiyon: İnsan müdahalesi beklemeden bütçeyi B versiyonuna kaydırır ve A versiyonunu durdurur. Size sadece “Bütçe verimliliğini %40 artırdım ve şu segmenti hedefledim” raporunu sunar.
Çoklu AI Agent Takımları
Karmaşık işler için tek bir yapay zekâ (veya tek bir insan) yetersiz kalabilir. “Her şeyi bilen” tek bir dev model yerine farklı alanlarda uzmanlaşmış bir AI Agent sistemi kurabilirsiniz. Bu agent’ler birbirleriyle konuşarak çıktıyı mükemmelleştirir:
- Araştırmacı: Konuyla ilgili en güncel raporları, akademik makaleleri ve rakip analizlerini tarayarak ham veri dosyası oluşturur. Sadece gerçeklere odaklanır.
- Yazar: Bu verilerle bir yazı taslağı oluşturur. Yaratıcı ve akıcı bir dil kullanmaya odaklanır.
- Eleştirmen: Bu agent “kötü polis” rolündedir. Yazılan metni okur ve “Burada kaynak eksik”, “Tonumuz çok agresif olmuş” veya “SEO/AIO/AEO kurallarına uymuyor” gibi geri bildirimler verir. Asla kendisi yazmaz sadece eleştirir.
- Editör: Eleştirileri alır, metni revize ederek son cilayı atar ve marka sesine uyumlu hale getirir.
- Proje Yöneticisi: Tüm bu agent’lerin sırayla çalışmasını sağlar, takvimi yönetir ve son çıktıyı insana sunar.
İleride N8N’i de nasıl kullandığımı anlatacağım için bu konunun detayına çok girmiyorum ☺️
Peki ROI Nerede?
Doğrusal Olmayan Ölçeklenebilirlik: Ekibinizi iki katına çıkartmak maliyetli ve zor (işe alım, eğitim, ofis, donanım vb. gider kalemleri oluşur). Agent’leri iki katına çıkarmak ise sadece sunucu kapasitesi ile ilgilidir. Aynı anda 10.000 potansiyel müşteriyle sanki her biriyle tek tek ilgileniyormuş gibi birebir iletişim kurabilirsiniz. Kaliteden ödün vermeden niceliği doğrusal olarak artırırsınız.
Fırsat Maliyetini Sıfırlama (7/24 Operasyon): Bir lead formu Cuma akşamı 20:00’de doldurulduğunda Pazartesi sabahını beklerseniz o müşteri yaptığı başvuruyu unutabilir veya rakiplerden de fiyat teklifleri alarak başka şirketlere gidebilir. AI Agent’ler Cuma akşamı 20:05’te kurumsal dile uygun ve kişisel bir yanıt verebilir. Müşteri anında muhatap bulur.
Çalışan Memnuniyeti ve Yaratıcılık: Veri girişi, toplantı ayarlama, rapor derleme gibi “robotik” işleri AI Agent’lere devreden çalışanlar empati, strateji, müzakere ve yaratıcılık gerektiren çok daha önemli “insani” işlere ve ilişkilere odaklanır. Böylece çalışan tükenmişliği (burnout) azalır ve ekibin katma değeri yükselir.
Başarı Metrikleri: AI Agent Performansını Ölçmek
AI Agent’lerin etkisini ve yatırım getirisini (ROI) net bir şekilde gösterebilmek için geleneksel pazarlama metriklerinin ile birlikte otonom sistemlere özel metrikleri de takip etmek gerekir.
- Görev Tamamlama Oranı (Task Completion Rate – TCR): AI Agent’in kendisine atanan çok adımlı bir görevi (%100 başarıyla) insan müdahalesi olmadan bitirme yüzdesi.
Örn: “Müşterinin randevusunu ayarlama” görevini başarıyla tamamlama oranı. - Hata Oranı (Error Rate – ER) / İnsan Müdahale İhtiyacı: AI Agent’in görevi bitiremediği, bir sonsuz döngüye girdiği, Guardrails’a takıldığı veya insanın sürece dahil olmasını zorunlu kıldığı durumların sıklığı.
- Zaman Tasarrufu (Time Savings): AI Agent’in otomatik olarak tamamladığı görevlerin, bir insan tarafından yapılması durumunda harcanacak tahmini insan saati/ay bazındaki toplam süresi. Bu metrik ekibin stratejik işlere ayırabildiği/ayırabileceği zamanın doğrudan ölçüsüdür.
- Lead Yanıt Süresi (Lead Response Time – LRT): Agent’in bir potansiyel müşteriden (lead) gelen ilk sinyali alarak uygun kişiselleştirilmiş bir aksiyonu (e-posta, CRM kaydı) oluşturma veya gönderme hızı. AI Agent’ler genellikle bu süreyi saniyelere indirir.
- Dönüşüm Artışı (Conversion Lift): AI Agent’lerin devreye girmesiyle birlikte, hedeflenen metrikteki (örneğin, MQL’den SQL’e geçiş, demo talebi veya ilk satış) Agent öncesi döneme kıyasla gözlemlenen pozitif artış yüzdesi.
Riskler, Zorluklar ve “Human-in-the-Loop”
Otonom AI Agent’ler ile çalışan sistemler büyük bir güçtür ancak kontrolsüz güç tehlikelidir.
Sonsuz Döngüler (Infinite Loops)
AI Agent bazen bir hatayı çözmeye çalışırken takılı kalabilir. Örneğin, bir web sayfasını açamaz, tekrar dener, tekrar dener ve sonsuz bir döngüye girer. Bu, hem maliyet (API token) hem de sistem kilitlenmesi yaratır.
Çözüm: Adım sınırlaması koymak (Maksimum 10 adımda çözemezsen dur ve bilgi ver).
Halüsinasyon
AI Agent olmayan bir ürünü var gibi anlatabilir veya rakip hakkında uygunsuz bir yorum yapabilir.
Çözüm: Guardrails (Koruma Kalkanları). Agent’ın çıktısı müşteriye gitmeden önce, ikinci bir “Denetçi Model” tarafından marka kurallarına ve güvenlik politikalarına göre taranmalıdır.
Veri Gizliliği
AI Agent’ler CRM ve e-postalarınıza eriştiği için, “En Az Yetki Prensibi” (Least Privilege) ile çalışmalıdır.
Bir pazarlama agent’i İK klasörlerine veya finansal verilere erişememelidir.
Etik ve Şeffaflık
Müşterilerinizin bir bot ile mi yoksa insan ile mi konuştuğunu bilme hakkı var. Hem kanunen (GDPR) hem de şeffaflık için.
AI Agent’leriniz kendilerini tanıtmalı veya imzalarında “AI-destekli” olduğunu belirtmelidir.
Etik konusunu ileride çok daha detaylı olarak ele alacağım.
Altın Kural
Kritik kararlarda (örneğin 10.000$’ın üzerinde bütçe harcaması veya nihai teklif gönderimi) her zaman İnsan Onayı (Human-in-the-Loop) mekanizması devrede olmalıdır.
Bir sonraki bölümde nasıl başlanır bölümünde başlangıçta zaten insanı onayı olmadan çalışmamasını anlatacağım ama insanı devreden çıkartmamak için canlı sistemde bile bu kuralları sürekli açık bırakmak gerekir.
Kısaca AI Agent hazırlar, insan inceler ve “Gönder” der.
Nereden Başlamalı?
AI Agentler’e geçiş bir gecede olmaz.
Mochatouch olarak kullandığımız üç adımlı güvenli geçiş planı:
- Pilot Proje (Assisted Mode): AI Agent’i önce “Yarı-Otonom” (Copilot: Microsoft isim çok güzel bir köşe kapmış burada tabii ki ☺️) modunda çalıştırın. Örneğin, SDR agent e-posta taslaklarını hazırlasın ama asla göndermesin. Siz taslakları inceleyin, düzeltin ve manuel gönderin. Bu aşamada AI Agent’in performansını ölçün, hatalarını eğitin ve güven kazanın.
- Sınırlı Otonom (Supervised Mode): Güven oluştuktan sonra düşük riskli görevlerde (örneğin sık sorulan sorulara yanıt verme, veri temizleme veya randevu teyit etme) agent’e tam yetki verin. Arada sırada rastgele kontroller yapın.
- Tam Otonom (Autonomous Mode): AI Agent artık kanıtlanmış bir başarı oranına sahip olduğunda belirli sınırlar (bütçe limiti, belirli müşteri segmentleri vb.) dahilinde tamamen otonom çalışmasına izin verin. Artık sadece sonuçları raporlayın. Ama bu adımda yine de kritik kuralları koyarak örneğin farklı segmentteki müşteriler, farklı bütçeler için insan kontrolünü devrede tutun.
B2B pazarlamanın geleceğinde “İnsan vs. Makine” rekabeti yok, “İnsan + Makine” iş birliği var. Geleceğin en başarılı pazarlama yöneticileri sadece ekiplerini değil yapay zekâ agent’lerinden oluşan “dijital iş gücünü” de en iyi orkestra edenler olacak.
Prompt ile konuşmayı öğrendiniz, RAG ile eğittiniz. Şimdi sıra, işleri onlara devredip stratejiye odaklanmakta.
Mochatouch olarak biz, şirketinizin sadece yapay zekâ kullanmasını değil, yapay zekâ ile beraber çalışmasını sağlıyoruz.
AI Agent’ler, Büyük Dil Modelleri (LLM) üzerine kurulu; planlama, akıl yürütme (reasoning) ve araç kullanımı (CRM, E-posta API’ları) yetenekleriyle donatılmış yazılım sistemleridir. Klasik chatbotların aksine AI Agent’ler insan müdahalesi olmadan hiper-kişiselleştirilmiş iletişim kurabilir, A/B testleri yürütebilir ve lead (potansiyel müşteri) istihbaratı toplayabilir. B2B pazarlamada AI Agent performansını ölçmek için Görev Tamamlama Oranı (TCR) ve Lead Yanıt Süresi (LRT) gibi metrikler kullanılır.
Klasik otomasyonlar (Zapier, IFTTT) statik kurallara (Eğer X olursa, Y yap) uyar ve bu kuralların dışına çıkamaz. AI Agent’ler ise dinamiktir. Görevi başarmak için planlama yapar, mevcut durumu değerlendirir, hata aldığında farklı bir yol dener ve araçları (API’leri) bağımsız olarak insana danışmadan kullanabilir.
B2B pazarlamada potansiyel müşteri istihbaratı toplama, hiper-kişiselleştirilmiş e-posta taslağı hazırlama, otonom A/B testleri yapma, sosyal medya trendlerini analiz etme, içerik oluşturma ve optimize etme gibi çok adımlı karmaşık görevleri yürütebilir.
Evet, işlerini yapabilmek için CRM, e-posta ve şirket veritabanı gibi araçlara API üzerinden erişmeliler ama erişim izinleri “En Az Yetki Prensibi” (Least Privilege) için ayarlanmalı ve AI Agent’ler sadece görevlerini yapabilmek için görevleri için gerekli olan verilere erişmeli.
Evet, AI Agent’lerin beynini oluşturan büyük dil modelleri (LLM) nedeniyle halüsinasyon riski mevcut. Bu riski yönetmek için AI Agent’in çıktıları müşteriye ulaşmadan önce marka kurallarını ve doğruluğu kontrol eden Guardrails (Koruma Kalkanları) ve kritik noktalarda İnsan Onayı (Human-in-the-Loop) mekanizmaları kullanılmalı.
En güvenli başlangıç Pilot Proje (Assisted Mode). Bu aşamada AI Agent tüm görevleri hazırlar (planlama, taslak, analiz) ancak kritik aksiyonları (e-posta gönderme, bütçe değiştirme) otomatik yapmaz. AI Agent’in çıktıları insan tarafından kontrol edilip onaylandıktan sonra gönderilir. Bu adım sistemi eğitmek için en kritik adımdır.
İçeriği oluştururken yine ve tabii ki hem ChatGPT hem Gemini (Gemini 3 ile favorim şu anda) hem de Claude kullandım ama aşağıdaki linkler de çok yardımcı oldu.
Çok güzel kapsamlı bir yazı olmuş. Anlaşılır ve açıklayıcı. Ve en önemlisi “yapay zeka yazmış” tadı vermiyor.