AI Agent Nedir? Veriden Karara Akıllı Fabrika

Mühendisin zamanını veri toplamaya değil, mühendisliğe ayırmak.

Bir işletmeye endüstri mühendisi alıyorsunuz. Üretim kaynaklarını incelemesini, darboğazları ortaya çıkarmasını, operatörün işini güvenli biçimde kolaylaştırmasını ve daha iyi üretim yöntemleri geliştirmesini bekliyorsunuz. Fakat günün önemli bir bölümü farklı ekranlardan veri indirmek, eksik kayıt peşinde koşmak, tabloları birleştirmek ve toplantıya rapor hazırlamakla geçiyor.

Sahaya çıkması gereken kişi rapor yetiştiriyor. İyileştirme tasarlaması gereken kişi sayıları uzlaştırıyor. Yöneticiler de çoğu zaman problemi oluştuğunda değil, sonuçları bir sonraki rapora yansıdığında görüyor.

AI agent yaklaşımının üretimdeki asıl değeri, insanın uzmanlığını işletmeye daha fazla kazandırabilmesidir. Doğru kurulmuş bir agent; yetkili olduğu verileri inceler, beklenen durumdan sapmaları araştırır, dayanaklarıyla bir değerlendirme hazırlar ve tanımlı sınırlar içinde aksiyon sürecini başlatır. Mühendis ve yönetici, elde edilen zamanı daha iyi karar ve sahada uygulanabilir çözüm için kullanır.

OETECH'in uzun süredir üzerinde çalıştığı yönelim de budur: MES, insan kaynakları ve lojistik gibi alanlarda oluşan veriyi, fabrikanın çalışma biçimini tanıyan bir karar destek yapısına dönüştürmek. Bu sayfada anlatılan AI Fabrikası, birbirinden kopuk sohbet ekranları yerine ortak veriye dayanan, yetkileri belirli ve sonuçları ölçülebilen bir işletme yapısını ifade eder.

1. AI agent tam olarak nedir?

AI agent, belirli bir hedef için bilgi toplayabilen, uygun araçları kullanabilen, elde ettiği sonuçları değerlendirebilen ve yetkisi dâhilinde sonraki adımı seçebilen yazılım bileşenidir. Türkçede yapay zekâ ajanı veya yapay zekâ aracısı olarak da adlandırılır.

Bir sohbet modeli yalnızca verdiğiniz soruya yanıt üretebilir. Bir agent ise örneğin “Bu iş emrindeki gecikmeyi araştır” talebi üzerine üretim gerçekleşmelerini, duruşları, malzeme durumunu ve kalite bekletmelerini sorgulayabilir; bulduğu kanıtları bir araya getirebilir; eksik veri varsa bunu söyleyebilir ve ilgili kişiye inceleme görevi taslağı oluşturabilir.

Her otomatik işlem agent değildir. Önceden tanımlanmış bir eşiği izlemek, düzenli rapor göndermek veya sabit bir hesap yapmak çoğu zaman klasik yazılımla daha sade çözülür. Agent, araştırma adımlarının duruma göre değiştiği ve farklı kaynakların birlikte yorumlanması gerektiği yerde anlam kazanır. ¹

Bu yapılar birbirinin alternatifi olmak zorunda değildir. İyi bir sistem, doğru hesap için yazılımı; planlama için çözücüyü; açıklama ve araştırma için dil modelini birlikte kullanabilir.

2. Veri neden bu kadar önemli?

“Bugün 8.000 parça ürettik” bilgisi miktarı gösterir. Aynı üretimi ürün, iş emri, makine, kalıp gözü, operasyon, süre, malzeme lotu ve kalite sonucu ile ilişkilendirdiğinizde çok daha fazla soruya cevap verebilirsiniz.

Hangi ürünün hangi kaynakta zorlandığını, aynı kusurun belirli bir kalıp gözünde yoğunlaşıp yoğunlaşmadığını, gecikmenin malzemeden mi duruştan mı kaynaklandığını araştırabilirsiniz. Veri ayrıntısı, doğru karar için gerekli ilişkileri görünür hâle getirir.

Ancak daha çok veri, tek başına daha çok fayda demek değildir. Kararla ilişkili, doğru, zamanında ve ortak anlamı olan veri gerekir. Hatalı zaman damgaları, birbirini tutmayan ürün kodları veya açıklanmamış duruş kayıtları, çok büyük hacimlerde toplansa da yanlış değerlendirmeye yol açabilir.

Ayrıntılı veri hangi soruları açar?

İnsan kaynakları verisi, üretim verisine sınırsızca eklenen bir alan değildir. Kullanım amacı ve erişim sınırı belirlenmelidir. Bireysel sağlık bilgileri veya özel görüşmeler, üretim performansını yorumlayan agentın varsayılan veri kaynağı olmamalıdır.

3. Mühendisi veri toplama görevlisine dönüştürmeyin

İşletmelerde veri toplama, koordinasyon ve saha takibi gereklidir. Sorun bu görevlerin varlığı değil, uzman emeğinin sürekli olarak bu işlerde tüketilmesidir. Formenlik de ayrı saha deneyimi gerektiren bir görevdir; mühendislik kapasitesinin bununla plansız biçimde ikame edilmesi iki rolün de değerini azaltabilir.

Mühendisin asıl katkısı; akışı analiz etmek, zaman ve hareket kayıplarını incelemek, ergonomik düzenlemeleri uzmanlarla değerlendirmek, kapasite senaryolarını karşılaştırmak ve değişikliğin sonucunu ölçmektir.

Agent; vardiya kayıtlarını derleyebilir, veri tutarsızlıklarını ayırabilir, araştırılması gereken kayıpları sıralayabilir ve toplantı öncesi kanıt dosyası hazırlayabilir. Mühendis ise önerinin fiziksel koşullara uyup uymadığını inceler, operatörle görüşür ve uygun değişikliği tasarlar.

Örneğin aynı ürünün bir istasyonda daha yavaş ilerlediğini görmek başlangıçtır. Parçanın zor kavranması, taşıma mesafesi, fikstür erişimi veya iş sırası gibi etkenleri sahada incelemek gerekir. Agent bu incelemeyi yönlendirebilir; iş güvenliği değerlendirmesini ve gerçek iş etüdünü otomatik olarak tamamlamış sayılmaz.

4. Fabrikayı tanıyan bir model ne demektir?

Fabrikayı tanımak, bütün veritabanını bir modele bir kez yüklemek değildir. Güncel kaynaklara doğru yetkiyle erişebilmek ve işletmenin kavramlarını doğru yorumlayabilmektir.

Bu bilgi yapısının dört ayağı vardır:

1. Canlı iş verisi: İş emirleri, gerçekleşmeler, duruşlar, stoklar, kalite sonuçları ve görevler.
2. Kurumsal bilgi: Onaylı talimatlar, bakım belgeleri, kontrol planları, geçmiş problem çözümleri ve eğitim içerikleri.
3. İşletme sözlüğü: Makine isimleri, ürün kodları, zaman birimleri, KPI tanımları ve departman sorumlulukları.
4. Yetki ve geçmiş: Kullanıcının erişebildiği kayıtlar, onaylı aksiyonlar, model sürümü ve karar izleri.

Doküman arama ve ilgili parçaları modele sunma yaklaşımı RAG olarak adlandırılır. Güncel üretim miktarı gibi yapılandırılmış bilgiler ise yetkili API ve doğrulanmış sorgularla alınmalıdır. Bir vardiyanın toplamını dil modelinin metin üzerinden tahmin etmesi yerine hesaplama katmanı üretmelidir. ²

Fine-tuning, modelin görev davranışını veya çıktı biçimini iyileştirmek için değerlendirilebilir; her yeni stok hareketini öğrenmenin zorunlu yöntemi değildir. RAG de tek başına doğruluk garantisi vermez: Yanlış belge bulunması, eski sürümün kullanılması veya yetkisiz içeriğin getirilmesi hâlâ mümkündür.

Bir yanıtın yanında veri zamanı, kapsam, kaynak ve varsayımlar görünmelidir. “Son güncel kayıt 14.32; iki makinede bağlantı yok” açıklaması, eksikliği saklayan kesin bir cümleden daha değerlidir.

5. Bir fabrikada hangi agentlar çalışabilir?

Buradaki müdür ve mühendis isimleri, agentın desteklediği iş rolünü anlatır. Yazılıma mesleki yetki, yasal sorumluluk veya insan yöneticinin karar hakkı kazandırmaz. Her rol için veri erişimi, araçlar ve aksiyon sınırı ayrıca belirlenir.

İş yeri psikoloğu agentı nasıl konumlanmalı?

Bu isimle bir destek rolü tasarlansa da yazılım, psikoloğun mesleki hizmetinin yerine konmamalıdır. Daha doğru başlangıç; onaylı içerik sunan, insan uzmana başvuru yollarını açıklayan ve çalışanların destek süreçlerine erişimini kolaylaştıran bir yardımcıdır. Klinik tanı, tedavi ve kişiye özel psikolojik değerlendirme bu rolün kapsamı olmamalıdır.

Özel görüşmeler, üretim performansı puanı veya disiplin kararı üretmek için kullanılmamalıdır. Yüz ifadesinden ruh hâli çıkarımı gibi yöntemler bu mimarinin varsayılan parçası değildir. Çalışan, kimin hangi veriye eriştiğini ve görüşmenin saklama koşullarını anlayabilmelidir. İşletme düzeyinde rapor gerekiyorsa küçük gruplardan kişiyi açığa çıkarmayan, uygun biçimde toplulaştırılmış veri tercih edilmelidir. Kişisel veri işleme koşulları ayrıca değerlendirilir. ⁷⁸

6. Departmanlar birlikte çalışınca ne değişir?

Üretim agentı bir makinedeki hız kaybını belirleyebilir. Kalite agentı aynı zaman aralığında hatalı ürün artışı görmüş olabilir. Planlama agentı ise o makinedeki siparişin kritik termin taşıdığını bilir. Lojistik tarafında alternatif üretim için gerekli malzemenin durumu bulunur.

Bu sonuçlar tek bir olay kaydında birleştirildiğinde yöneticiye yalnızca “üretim düşük” denmez. Hangi siparişin etkilendiği, eldeki kanıtlar, eksik bilgiler ve uygulanabilir seçenekler sunulur.

Her agentın diğerini sürekli sorgulaması gerekmez. Tek bir görevi iyi yapan agent veya tanımlı bir iş akışı çoğu başlangıç için yeterli olabilir. Çok sayıda agent; ek maliyet, gecikme ve çelişki yönetimi getirir. Agent sayısı, gerçek görev ihtiyacıyla artırılmalıdır. ¹

Aynı dil modelini kullanan farklı agentların aynı sonuca varması bağımsız kanıt sayılmaz. Çelişkiler; kaynak veriye, hesaplamaya ve yetkili insan değerlendirmesine dönülerek çözülmelidir.

7. Uyarıdan fiziksel çözüme nasıl geçilir?

İşletmenin ihtiyacı sürekli bildirim almak değil, önemli problemi doğru kişiye zamanında ulaştırmaktır. İyi tasarlanmış akışta her olayın kapsamı, önceliği, sorumlusu ve kapanış şartı bulunur.

Örnek senaryo tamamen açıklama amaçlıdır: Bir üretim hattında çevrim sapması ve kalite uygunsuzluğu birlikte artıyor.

1. Tetikleme: Kural veya istatistiksel izleme sistemi tanımlı sapmayı görür. Agentın her saniye bütün veritabanını okuması gerekmez.
2. Veri kontrolü: Sayaç, ürün değişimi, veri gecikmesi ve eksik kayıtlar incelenir.
3. Araştırma: İlgili duruş, lot, kalıp ve kalite kayıtları getirilir. Benzer geçmiş olaylar aranır.
4. Karar dosyası: Etkilenen iş emri, kanıtlar, alternatif açıklamalar ve önerilen kontroller hazırlanır.
5. Yetkili değerlendirme: Üretim ve kalite sorumluları öneriyi inceler; gerekiyorsa ürün bekletme veya teknik inceleme kararı verir.
6. Saha görevi: Onaylanan kapsamla görev açılır; sorumlu, süre ve gerekli emniyet adımları atanır.
7. Kapanış: Müdahale sonrası çevrim, kalite ve tekrar oluşma durumu ölçülür. Görevin kapatılmasıyla problemin çözüldüğü varsayılmaz.

“Anlık” ifadesi de tanımlanmalıdır. Kaynak verinin gecikmesi, ağ, sorgu, model kuyruğu ve onay süresi birlikte toplam tepki süresini oluşturur. Dil modeli; milisaniyelik makine emniyeti veya deterministik PLC kontrolünün yerine kullanılmamalıdır.

8. Lokal, bulut veya hibrit: Hangisi ne zaman anlamlı?

Lokal modelde token hesabı vardır; dış API'ye token başına fatura oluşmayabilir. Bunun yerine donanım, enerji ve işletme maliyeti vardır. Bulut da düşük giriş maliyetiyle başlayabilir; fakat kontrolsüz uzun görevler ve tekrarlar bütçeyi büyütebilir.

“Güvenilir bulut”, yalnızca tanınan bir marka anlamına gelmez. Seçilen hizmetin veri kullanım şartı, saklama süresi, kötüye kullanım izleme koşulları, bölge, alt işleyenler, erişim yönetimi ve sözleşmesi incelenmelidir. Eğitimde kullanılmama taahhüdü, verinin hiç saklanmadığı anlamına gelmez.

Örneğin Microsoft'un Azure tarafından satılan Foundry modellerine ilişkin dokümanı, belirli veri kullanım ve erişim sınırlarını açıklar; bazı durum tutan özellikler ise kayıt saklar. Amazon Bedrock dokümanı da model sağlayıcılarının ilgili dağıtım hesaplarına ve müşteri istemlerine erişimini sınırlar. Bu açıklamalar, bütün ürün ve dağıtım seçeneklerinin aynı olduğu veya otomatik mevzuat uygunluğu sağlandığı anlamına gelmez. ³⁴

9. Hibrit yapıda fabrikanın tamamını buluta taşımak gerekir mi?

Gerekmez. Büyük tarihsel veritabanının tamamı yerine, yetkili yerel servis ilgili sorunun sonucunu hazırlayabilir. Örneğin milyonlarca duruş satırı yerine, kapsamı ve hesaplama tanımı belli bir özet ile ilgili olay kayıtları sunulabilir.

Hassas doküman araması ve hesaplama yerelde tutulabilir; kurum politikası izin veriyorsa belirli bir özet daha güçlü bulut modeline gönderilebilir. Kişi veya müşteri adını çıkarmak her zaman anonimleştirme sağlamaz: Ürün kodu, tarih, miktar ve ticari bağlam da kimliği veya ticari sırrı açığa çıkarabilir.

Yerel bağlantı bileşeni; kimlik doğrulamalı ve tanımlı veri servislerini kullanmalıdır. İnternetten veritabanına geniş yetki vermek veya bütün SQL tablolarını modele açmak gerekli değildir. Kuyruk, süre sınırı, hız limiti ve tekrar denemelerde aynı işin iki kez oluşmasını önleyen kayıtlar önem taşır.

İnternet kesilince hangi görevlerin yerelde süreceği, buluta bağlı analizin nasıl erteleneceği ve eksik analizle hangi kararların verilmeyeceği önceden belirlenmelidir. Bu davranış gerçek kesinti denemesiyle doğrulanmalıdır.

10. Lokal model için ne kadar donanım gerekir?

Donanım boyutunu agent sayısı tek başına belirlemez. On farklı rol, aynı model sunucusunu sırayla kullanabilir. Asıl belirleyiciler; model boyutu, bağlam uzunluğu, aynı anda işlenen istek sayısı, yanıt süresi ve gereken görev başarısıdır.

Model ağırlıklarının belleğe sığması tek koşul değildir. Bağlam önbelleği, eşzamanlı istekler ve çalışma zamanı ek bellek kullanır. Düşük bitli çalıştırma belleği azaltabilir; seçilen görevlerde kalite etkisi ölçülmelidir. Birden fazla ekran kartının belleği de kullanılan yazılımdan bağımsız olarak otomatik birleşmez. ⁹

Bu nedenle “şu kadar GPU her fabrikaya yeter” yaklaşımı yerine önce küçük bir görev kümesiyle ölçüm yapılmalıdır. Modelin ticari kullanım lisansı, çalışma zamanı desteği ve sürdürülebilir bakım imkânı da seçim kriteridir. Açık ağırlıklı olmak, her kullanımın koşulsuz serbest olduğu anlamına gelmez.

11. Bulutta düşük bütçeyle çalışmak mümkün mü?

Belirli kapsam ve hacimde mümkündür. Fakat bir sohbet aboneliği, kurumsal veri entegrasyonu ve agent işletme hizmetinin tamamı değildir. Model kullanım bedeli toplam bütçenin yalnızca bir bileşenidir.

Örnek hesabı somutlaştırmak için 18 Ekim 2026 tarihinde doğrulanan Claude Haiku 4.5 standart API tarifesini kullanalım: Bir milyon giriş tokenı 1 USD, bir milyon çıkış tokenı 5 USD. Bu model yalnızca hesap örneğidir; en iyi veya en ucuz seçenek önerisi değildir. Bölgesel bulut satıcısı tarifeleri aynı kabul edilmemelidir. ⁵

Aşağıdaki tüketimler varsayımsaldır. Ayda 22 iş günü, önbelleksiz normal kullanım ve ücret hesabına dâhil bütün giriş/çıkış tokenlarının tabloda verilen miktarlarda kaldığı varsayılmıştır.

Formül: Aylık giriş tokenı / 1.000.000 × giriş tarifesi + aylık çıkış tokenı / 1.000.000 × çıkış tarifesi.

Bu tutarlara entegrasyon, sunucu, doküman arama, embedding, veri depolama, OCR, ek araç kullanımı, destek, ağ, vergi ve kur etkisi dâhil değildir. Yeniden denemeler, büyüyen konuşma geçmişi ve ek değerlendirme çağrıları tüketimi artırabilir. Model görevi başarıyla tamamlamıyorsa ucuz çağrının işletme değeri de düşer.

Maliyeti sınırlandırmak için kısa ve ilgili veri sunulmalı, deterministik işler modele verilmemeli, gereksiz agent turları azaltılmalı ve görev başına süre/çağrı bütçesi konmalıdır. Yaygın basit görevlerde küçük model, zor işlerde güçlü model yönlendirmesi ayrıca denenebilir.

12. Lokal altyapının maliyeti nasıl hesaplanır?

Aşağıdaki hesap da piyasa fiyatı veya OETECH teklifi değildir. İşletmenin kendi teklifleriyle değiştireceği bir bütçe modelidir:

• Model sunucusu için varsayımsal yatırım: 5.000 USD.
• Yönetim hesabında kullanım süresi: 36 ay; aylık yatırım payı yaklaşık 138,89 USD. Bu, vergi mevzuatına göre amortisman hesabı değildir.
• Prizden ölçülen ortalama güç varsayımı: 0,35 kW.
• Kesintisiz 30 gün kullanım: 0,35 × 24 × 30 = 252 kWh/ay.
• Varsayımsal elektrik birim bedeli: 0,15 USD/kWh; aylık 37,80 USD. Bu değer Türkiye elektrik tarifesi olarak sunulmamaktadır.
• Donanıma özgü bakım/yedek payı varsayımı: 50 USD/ay.

Bu koşullarda yalnızca belirtilen yerel altyapı kalemleri yaklaşık 226,69 USD/ay eder. Yazılım, entegrasyon, personel operasyonu, ek soğutma, ağ, yedekleme ve kesinti maliyeti bu örneğin dışında kalır. Mevcut donanımın kullanılması da kapasite ve fırsat maliyetini sıfırlamaz.

Bu rakamı önceki tablodaki API bedeliyle doğrudan karşılaştırıp karar vermek doğru olmaz. İki tarafta aynı görev başarısı, hacim, gecikme ve süreklilik koşulları altında toplam sahip olma maliyeti çıkarılmalıdır. Düşük hacimde bulut başlangıcı ekonomik olabilir; sürekli ve uygun biçimde yoğunlaştırılmış iş yükünde lokal seçenek anlam kazanabilir. Sonuç ölçümle belirlenir.

13. Toplam proje bütçesinde neler bulunmalı?

Model çalıştırma bedelinden daha büyük efor, çoğu zaman verinin hazırlanması ve iş akışının kurulmasında oluşur. Bir agent doğru kullanıcıya, doğru veriye ve doğru onay mekanizmasına bağlı değilse güçlü model tek başına sorunu çözmez.

Bir pilot teklifinde kapsamı daraltmak, düşük bütçeyi mümkün kılan esas adımdır. “Bütün departmanları bilen sınırsız agent” yerine, örneğin iki veri kaynağından günlük üretim kaybını araştıran ve onaylı görev taslağı oluşturan bir başlangıç açıkça fiyatlanabilir.

Maliyet teklifleri; hangi veri kaynaklarının hazır olduğunu, kaç görevin kapsandığını, kullanım sınırlarını, destek kapsamını ve kabul koşullarını göstermelidir. Donanım alımından önce veri erişiminin ve görev başarısının doğrulanması gereksiz yatırımı azaltabilir.

14. Personel zamanı ne kadar kazanılabilir?

Personel tasarrufu konuşulurken iki sonuç ayrılmalıdır: Boşa çıkan uzmanlık kapasitesi ve gerçekleşen nakit tasarrufu. Aynı kadro daha iyi iş yapıyorsa kapasite artmıştır; ücret gideri kendiliğinden azalmamıştır.

Tamamen varsayımsal bir işletmede şu iş yüklerini ele alalım. Sonraki süreler, agent çıktısının insan tarafından kontrolünü de içerir:

275 dakika, günlük yaklaşık 4,58 saat eder. Ayda 22 iş gününde 100,83 saat kapasite kazanılır. Ortak izleme, model bakımı ve ilave inceleme için ayda 12 saat ayrılırsa net 88,83 saat kalır.

Bu, sekiz saatlik 11,10 iş günü veya 176 saatlik varsayımsal bir ayın 0,50 tam zamanlı çalışma eşdeğeridir. Farklı kişilere dağılmış bu zamanı tek bir kadro azaltımı gibi sunmak doğru değildir. Kazanılan zamanın hangi iyileştirmeye ayrıldığı da izlenmelidir.

İşletme içi yüklü saat maliyeti yalnızca örnek olarak 600 TL kabul edilirse net kapasitenin muhasebesel karşılığı yaklaşık 53.300 TL/ay olur. Bu rakam piyasa ücreti değildir ve otomatik nakit kazanç sayılmaz. Gerçek ekonomik fayda; önlenen fazla mesai, kaçınılan dış hizmet, karşılanan ek iş yükü veya ölçülen iyileştirme üzerinden doğrulanır.

15. Zaman kazanımı ekonomik kazanca nasıl dönüşür?

Kazancın kaynağı, bir raporun daha hızlı yazılmasından daha geniş olabilir. Erken fark edilen gecikme, doğru malzeme yönlendirmesi, tekrar etmeyen kalite problemi veya gereksiz enerji tüketiminin azaltılması gerçek işletme etkisi yaratabilir.

Fakat aynı fayda iki defa sayılmamalıdır. Daha az hurda nedeniyle kazanılan sağlam ürün kapasitesi ayrıca hesaplanıyorsa, aynı ürünlerin katkısı başka başlıkta tekrar eklenmemelidir. Ek kapasite için talep ve sonraki operasyon kapasitesi yoksa satış kazancı oluşmayabilir.

Örnek finansal senaryoda ayda doğrulanabilir ve birbirine eklenebilir şu nakit etkileri gerçekleşsin:

İlk yatırım tamamen varsayımsal olarak 240.000 TL ise basit geri ödeme 10 ay olur. Hesap, faydanın baştan itibaren aynı seviyede gerçekleştiğini varsayar; vergi, finansman, zaman değeri ve devreye alma rampasını içermez. Bu örnek bir OETECH fiyatı veya müşteri sonucu değildir.

Önceki bölümdeki 53.300 TL kapasite karşılığı bu tabloya ayrıca eklenmemiştir. Böylece aynı çalışma saatinin hem kapasite hem nakit kazanç olarak sayılması önlenir. İşletme kendi başlangıç ölçümü ve pilot sonucu olmadan bu değerleri yatırım taahhüdü olarak kullanmamalıdır.

16. Enerji ve kaynak tasarrufu nasıl sağlanır?

Agent; enerji sayaçları, makine durumları, üretim ve vardiya bilgileri birlikte mevcutsa boşta tüketimi araştırabilir. Üretim yapılmayan saatlerdeki yüksek tüketimi, tekrarlayan kompresör çalışma örüntüsünü veya ürün değişimiyle ilişkili tüketim sapmasını inceleme konusu yapabilir.

Yalnızca önceki aya göre daha az elektrik harcanması, agent başarısını kanıtlamaz. Üretim miktarı, ürün karması, çalışma süresi ve hava koşulları gibi etkenler karşılaştırmayı etkileyebilir. Göreve uygun bir başlangıç değeri ve düzeltme yöntemi kullanılmalıdır.

Yapay zekânın kendi tüketimi de hesaba katılmalıdır. Örneğin yukarıdaki lokal sunucunun aylık 252 kWh tükettiği varsayımında, tesiste doğrulanan brüt azalma 1.000 kWh ise yalnızca bu ek sunucu yükü çıkarıldığında net azalma 748 kWh olur. Diğer ek yükler de varsa ayrıca düşülür. Bulutun enerji tüketimi de sıfır değildir; yerel elektrik faturasına doğrudan yansımaması bu gerçeği değiştirmez.

Malzeme kullanımında ise agent; uygunsuz lot, stok yaşlanması, yeniden işleme ve plansız değişim gibi alanları görünür kılabilir. Fiziksel tasarrufu sağlayan uygulamanın sorumlusu ve sonucu ayrıca kaydedilmelidir.

17. Yetki, güven ve denetlenebilirlik nasıl kurulmalı?

Bir model ikna edici biçimde yanlış yanıt üretebilir. Bu nedenle kritik sayılar hesaplama servisinden gelmeli, kaynaklar doğrulanmalı ve eksik bilgi açıkça belirtilmelidir. İnsan onayı da yalnızca bir düğme olmamalı; karar veren kişi kapsamı, dayanağı ve etkiyi görebilmelidir. ⁶

Ödeme, personel işlemi, sevkiyat serbest bırakma veya makine parametresi değiştirme gibi etkili adımlar için ayrı yetki ve doğrulama gerekir. Onaydan sonra veri değiştiyse işlem öncesinde koşullar yeniden kontrol edilmelidir. Geçmişte verilmiş bir onay, değişen kapsam için sınırsız izin değildir.

Erişim denetimi yalnızca istem metnine yazılamaz. Kullanıcı, tesis, departman ve kayıt düzeyindeki yetkiler veri servisinde uygulanmalıdır. Bir dokümana gizlenmiş komut, agentı veri sızdırmaya veya yetkisiz işlem yapmaya yöneltebilir. Getirilen belgeler talimat değil veri olarak işlenmeli; araçlar ve çıktı sınırları kodla denetlenmelidir. RAG bu riski tek başına çözmez. ¹⁰¹¹

İK ve çalışan destek alanlarında amaç, erişim, saklama ve çalışanların bilgilendirilmesi ayrıca ele alınmalıdır. Lokal kurulum da tek başına bütün kişisel veri yükümlülüklerini yerine getirmez. Yurt dışı işleme/aktarım varsa seçilen hizmet ve hukuki koşullar ayrıca incelenmelidir. ⁷⁸

18. Alarm yorgunluğu ve yanlış öneriler nasıl yönetilir?

Her sapmaya ayrı mesaj göndermek kısa sürede ilgiyi azaltır. Aynı olayla ilgili kayıtlar birleştirilmeli; önem, etkilenen sipariş ve mevcut açık görev dikkate alınmalıdır. Uyarının sahibi, beklenen yanıt süresi ve gecikmede devreye girecek kişi belli olmalıdır.

Agentın “olası neden” dediği şeyin kanıtlanmış kök neden olmadığı görünür tutulmalıdır. Yanlış öneriler ve kabul edilmeyen uyarılar kaydedilmeli; veri veya eşik düzeltmeleri için kullanılmalıdır. Agentın kendi cevabına verdiği güven puanı, işletme başarısının tek ölçüsü olmamalıdır.

Başarısız araç çağrısı, güncel olmayan doküman, boş sonuç ve bağlantı kesintisi de test kapsamına girmelidir. Sistem bu durumlarda uydurarak devam etmek yerine sınırını bildirmeli ve tanımlı alternatife geçmelidir.

19. Projeye nasıl başlanır?

İlk adım bütün departmanlara aynı anda agent tanımlamak değildir. Veri erişimi hazır, iş yükü ölçülebilir ve çıktı sahibi belirli bir görev seçmektir. Günlük üretim kayıp özeti ile kalite olay dosyası hazırlama, uygun koşullarda iki başlangıç adayı olabilir.

Örnek bir 90 günlük yol haritası, OETECH'in önerdiği planlama çerçevesi olarak kullanılabilir; her işletme için teslim süresi taahhüdü değildir:

Veri altyapısı veya süreç tanımları eksikse hazırlık daha uzun sürebilir. Pilotun sonunda agent sayısını artırmak otomatik hedef değildir. Başarısız görev sadeleştirilebilir veya klasik otomasyona dönüştürülebilir.

20. Başarı nasıl ölçülür?

Başlangıç ve pilot koşulları karşılaştırılabilir olmalı; verimlilik kazanımı insan incelemesi dâhil ölçülmelidir. Daha hızlı ama daha çok hata üreten bir akışın gerçek iş yükü azalıyor olmayabilir.

Test setinde sadece kolay sorular bulunmamalıdır. Eksik veri, yanlış birim, vardiya sınırı, ürün değişimi, erişim dışı kayıt, güncel olmayan talimat ve çelişkili kaynak örnekleri de yer almalıdır. Aynı testler model veya entegrasyon değişiminden sonra yeniden uygulanmalıdır.

21. OETECH'in AI Fabrikası yaklaşımı

OETECH'in MES ve otomasyon çalışmalarında biriken süreç bilgisi ile üretim, İK ve lojistik verileri üzerinde yapılan çalışmalar, bu yaklaşımın temelini oluşturur. Buradaki hedef, işletmenin verisini sadece raporlayan değil; hangi sorunun kimin tarafından araştırılacağını ve hangi aksiyonun sonucunun ölçüleceğini destekleyen bir yapıdır.

Çözüm; işletmenin ihtiyacına göre lokal, kurumsal bulut veya hibrit kurulabilir. Üretim ve kaliteyle başlayan roller, veri ve yetki yapısı hazır oldukça planlama, lojistik, bakım, finans ve İK alanlarına genişletilebilir. Hassas roller ayrı erişim sınırlarıyla tasarlanır.

Bu sayfada anlatılan rol seti bir çözüm çerçevesidir. Her rolün her işletmede hazır olduğu, bütün görevlerde aynı başarıyı sağladığı veya belirli bir tasarrufun garanti edildiği anlamına gelmez. Kapsam, gerçek veriyle yapılacak pilot ve kabul testleriyle netleştirilir.

Amaç, işletmenin kalifiye insan kaynağını daha iyi kullanmasıdır: Mühendis daha çok analiz ve iyileştirme yapabilsin; yönetici karar için veri beklemesin; operatörün karşılaştığı sorun zamanında görünür olsun; aksiyonun sahadaki sonucu takip edilsin.

İlgili okumalar: MES Nedir?, OEE Nedir?, AI ile Görüntü İşleme Nedir?.