Eylemci yapay zekâda kazancı modelden çok düzenek belirliyor
Eylemci yapay zekâda sonuç, temel model kadar karar sınırına, araçlar arasındaki görev paylaşımına ve uygun yordamın zamanında bulunmasına bağlı; bu düzenekler ölçek büyüdükçe yeni darboğazlar yaratıyor.
Yapay Zekâ··Öğle
Değer üreten şirketler karar alanını daraltıyor
VentureBeat'in aktardığı verilere göre Gartner, bugün yürütülen eylemci yapay zekâ projelerinin yüzde 40'tan fazlasının 2028'den önce durdurulacağını öngörüyor; eylemci olarak pazarlanan binlerce üründen yalnızca yaklaşık 130'unun gerçek özerklik taşıdığını hesaplıyor. McKinsey'in 2026 araştırmasında sorumlu yapay zekâ olgunluğu 4 üzerinden ortalama 2,3 düzeyinde. Kuruluşların yaklaşık yüzde 30'u yönetişim ve eylemci denetimlerinde üçüncü düzeye ya da üstüne çıkarken, eylemci kullanımı yönetişimdeki iyileşmeden yaklaşık sekiz kat hızlı büyüyor. Güvenlik ile riski ölçeklemenin en büyük engeli sayanların oranı üçte ikiye yaklaşıyor. Haberde değer üreten şirketler, aracın tek başına alabileceği kararları daraltıyor.[1]
Küçük model araştırmayı yönetiyor, büyük araç kodu yazıyor
Londra merkezli Inherent'in Faraday adlı eylemcisi, 27 milyar parametreli Qwen 3.6 üzerinde çalışıyor ve kodlama işi için OpenAI'nin GPT-5.5 Codex aracını çağırıyor. Şirket, Faraday'in yanıtlar önceden verilmeden yayımlanmış makalelerin bulgularını Claude Opus 4.8 ile GPT-5.5'ten daha sadık biçimde yeniden ürettiğini söylüyor; haberde bağımsız bir yineleme bulunmuyor. Inherent, eylemciyi adım adım kurallarla değil, sonuçları ödüllendiren pekiştirmeli öğrenmeyle eğitti. Dört kurucu ortağın üçü Google DeepMind'dan gelen şirket birkaç hafta önce 50 milyon dolar tutarında tohum yatırımıyla ortaya çıktı. Bu kurulumda araştırma akışını yöneten model ile kod yazan araç farklı bileşenler; görev paylaşımı şirketin açıkladığı mimarinin bir parçası.[2]
Yordam işe yarıyor, fakat kalabalık kütüphane erişimi bozuyor
Princeton, UC San Diego ve başka kurumlardan araştırmacılar 8.135 denetimli çalıştırmada, eylemcilerin beceri dosyalarından sağladığı kazancın yüzde 65,7'sini yordamsal yönlendirmeye bağladı: kurulum adımları, araçların sırası ve ara denetimler. Doğrudan bilgi aktarımının payı yüzde 4,5'te kaldı. Aynı deneylerde modeller, göreve uymayan bir yol haritasını vakaların yüzde 10'unda mekanik biçimde uyguladı. Kütüphane büyüdükçe doğru beceriye erişim de keskin biçimde geriledi; beş beceride yüzde 29,6 olan kesinlik, yüz beceride yüzde 3,3'e düştü. Araştırmacılar daha fazla dosya biriktirmek yerine becerilerin üretim, erişim ve uygulama aşamalarının birlikte yönetilmesini öneriyor.[3]
