# AI Agent ve Agentic AI Çözümleri

**URL:** https://securesys.com.tr/tr/hizmetler/ai-agent-agentic-ai-cozumleri

Yapay zekâ sistemleri artık yalnızca kullanıcı sorularına cevap veren chatbot yapılarından çıkıp, belirli hedefler doğrultusunda planlama yapabilen, farklı araçları kullanabilen, kurumsal sistemlerle etkileşim kurabilen ve görevleri belirli sınırlar içerisinde otomatik olarak yürütebilen yapılara dönüşmektedir.

Bu yeni yaklaşımın merkezinde **AI Agent** ve **Agentic AI** teknolojileri yer alır.

Klasik bir LLM uygulaması çoğunlukla kullanıcıdan gelen soruya cevap üretirken, bir AI Agent belirli bir görevi tamamlamak için bilgi toplayabilir, karar adımları oluşturabilir, API çağrıları gerçekleştirebilir, kurumsal verileri sorgulayabilir, farklı araçları kullanabilir ve gerekirse insan onayı talep edebilir.

SecureSys **AI Agent & Agentic AI Çözümleri** ile kurumların iş süreçlerini güvenli, kontrollü ve ölçülebilir yapay zekâ ajanlarıyla otomatikleştirmesine yönelik çözümler geliştirir.

Hizmet kapsamında;

- AI Agent,
- Agentic AI,
- Enterprise AI Agent,
- Multi-Agent Systems,
- AI Workflow Automation,
- Tool Calling,
- Function Calling,
- Agent Orchestration,
- Human-in-the-Loop,
- [RAG](/tr/hizmetler/rag-kurumsal-bilgi-asistani),
- LLM,
- API entegrasyonu,
- kurumsal uygulama entegrasyonu,
- AI Agent Security,
- Agent Monitoring,
- AgentOps,
- AI Governance

süreçleri birlikte ele alınabilir.

Yaklaşımımız:

**Goal → Context → Reasoning → Plan → Tool Selection → Action → Validation → Human Approval → Result → Monitoring**

döngüsüne dayanır.

Amaç yalnızca konuşan bir yapay zekâ geliştirmek değil; kurumun gerçek iş süreçlerinde görev alabilecek, sınırları belirlenmiş, yetkilendirilmiş ve denetlenebilir bir **Agentic AI platformu** oluşturmaktır.

### AI Agent Nedir?

AI Agent, belirli bir hedef doğrultusunda çevresinden bilgi alabilen, bu bilgiyi değerlendirebilen ve uygun aksiyonları gerçekleştirebilen yapay zekâ sistemidir.

Bir AI Agent yalnızca metin üretmez.

Gerekli olduğunda;

- database sorgulayabilir,
- API çağırabilir,
- doküman arayabilir,
- rapor hazırlayabilir,
- ticket oluşturabilir,
- e-posta taslağı hazırlayabilir,
- workflow başlatabilir,
- başka bir AI Agent ile iletişim kurabilir.

Bu nedenle AI Agent teknolojileri klasik chatbot sistemlerinden daha geniş kullanım alanına sahiptir.

### Agentic AI Nedir?

Agentic AI, yapay zekâ sistemlerinin belirli hedeflere ulaşmak için daha bağımsız şekilde planlama ve aksiyon gerçekleştirebildiği mimari yaklaşımı ifade eder.

Agentic AI sistemleri genellikle;

- hedef belirleme,
- reasoning,
- planning,
- memory,
- tool use,
- feedback,
- task execution

bileşenlerinden oluşur.

Bu yapı tek bir AI Agent ile oluşturulabileceği gibi birden fazla uzman ajanın birlikte çalıştığı Multi-Agent mimarisiyle de tasarlanabilir.

### AI Agent ile Chatbot Arasındaki Fark

Klasik chatbot çoğunlukla;

**Soru → Cevap**

modeliyle çalışır.

AI Agent ise;

**Hedef → Plan → Bilgi Toplama → Araç Kullanımı → İşlem → Sonuç**

modeline göre çalışabilir.

Örneğin kullanıcı:

#### “Geçen ayın satış performansını analiz et ve yönetime kısa rapor hazırla.”

dediğinde klasik chatbot gerekli verilere sahip değilse doğru cevap veremeyebilir.

AI Agent ise yetkisi varsa;

- CRM'e bağlanabilir.
- Satış kayıtlarını çekebilir.
- Geçen ay ile önceki ayı karşılaştırabilir.
- Kritik değişimleri analiz edebilir.
- Yönetici özeti oluşturabilir.
- Rapor taslağını hazırlayabilir.

Bu yaklaşım Agentic AI'ın temel değerlerinden biridir.

### Kurumsal AI Agent

Enterprise AI Agent, kurumun kendi sistemleri ve iş süreçleriyle entegre çalışan yapay zekâ ajanıdır.

Kurumsal AI Agent;

- ERP,
- CRM,
- ticket sistemi,
- database,
- doküman arşivi,
- API,
- [SIEM](/tr/hizmetler/siem-soar-guvenlik-hizmeti),
- [SOC](/tr/hizmetler/soc-7x24-izleme-managed-soc-hizmeti),
- workflow,
- e-posta

gibi sistemlerle kontrollü şekilde etkileşim kurabilir.

Bu yapı sayesinde AI yalnızca bilgi veren bir araç olmaktan çıkar ve iş süreçlerinin aktif parçası haline gelir.

### AI Agent Kullanım Alanları

AI Agent teknolojileri farklı departmanlarda kullanılabilir.

Örnek kullanım senaryoları;

- IT Operations Agent,
- SOC Agent,
- Sales Agent,
- HR Agent,
- Finance Agent,
- Legal Agent,
- Procurement Agent,
- Customer Support Agent,
- Developer Agent,
- Knowledge Agent

şeklinde oluşturulabilir.

### IT Operations AI Agent

IT Operations Agent, sistem ve altyapı operasyonlarına yardımcı olabilir.

Örneğin;

- sistem alarmını analiz edebilir,
- ilgili logları toplayabilir,
- geçmiş incident kayıtlarını inceleyebilir,
- muhtemel root cause oluşturabilir,
- operasyon ekibine aksiyon önerebilir.

Yetkilendirilmiş yapılarda belirli düşük riskli işlemler otomatik hale getirilebilir.

### SOC AI Agent

SOC operasyonlarında AI Agent;

- güvenlik alarmını özetleyebilir,
- IOC sorgulayabilir,
- ilgili logları analiz edebilir,
- MITRE ATT&CK mapping oluşturabilir,
- incident timeline hazırlayabilir,
- analiste müdahale önerileri sunabilir.

Ancak kritik containment işlemleri human approval ile sınırlandırılabilir.

### Incident Response Agent

Incident Response Agent belirli siber olaylarda playbook içerisindeki görevleri koordine edebilir.

Örneğin:

#### Security Alert

↓

#### IOC Enrichment

↓

#### Affected Asset Identification

↓

#### User / Asset Context

↓

#### Risk Assessment

↓

#### SOC Analyst Approval

↓

#### Containment Action

Bu yapı SOAR ve AI Agent teknolojilerinin birlikte kullanılmasını sağlayabilir.

### Threat Intelligence Agent

Threat Intelligence Agent;

- IOC,
- domain,
- IP,
- file hash,
- CVE

gibi göstergeleri farklı kaynaklardan araştırabilir.

Toplanan bilgileri birleştirerek SOC analistine özet sunabilir.

### Vulnerability Management Agent

Vulnerability Management Agent;

- vulnerability scanner sonuçlarını,
- asset criticality,
- internet exposure,
- vulnerability intelligence

verilerini birlikte analiz edebilir.

Böylece remediation önceliklendirmesine yardımcı olabilir.

### IT Service Desk Agent

Service Desk Agent gelen talepleri sınıflandırabilir.

Örneğin;

- parola problemi,
- VPN sorunu,
- uygulama erişimi,
- cihaz problemi

gibi kategorilere ayırabilir.

Agent ayrıca knowledge base içerisinde çözüm arayabilir ve kullanıcıya öneri sunabilir.

### Ticket Automation Agent

AI Agent;

**Ticket → Classification → Priority → Team Assignment → Suggested Resolution**

sürecini otomatikleştirebilir.

Düşük riskli talepler insan müdahalesi olmadan çözülebilir.

### Sales AI Agent

Satış ekipleri için AI Agent;

- CRM verilerini analiz edebilir,
- açık fırsatları listeleyebilir,
- müşteri geçmişini özetleyebilir,
- toplantı hazırlığı yapabilir,
- teklif taslağı oluşturabilir,
- takip edilmesi gereken müşterileri belirleyebilir.

### CRM Agent

CRM Agent doğal dil komutlarını kurumsal CRM işlemlerine dönüştürebilir.

Örneğin:

#### “Son 30 gündür görüşülmeyen yüksek potansiyelli fırsatları çıkar.”

Agent gerekli CRM sorgusunu gerçekleştirip sonuçları sunabilir.

### Proposal Agent

Teklif hazırlama süreçlerinde AI Agent;

- müşteri ihtiyacını,
- ürün/hizmet kataloğunu,
- önceki teklifleri,
- fiyatlandırma kurallarını

kullanarak teklif taslağı hazırlayabilir.

Son fiyat ve ticari koşullar insan onayına bırakılabilir.

### Procurement AI Agent

Satın alma süreçlerinde AI Agent;

- teklifleri karşılaştırabilir,
- teknik kriterleri analiz edebilir,
- tedarikçi cevaplarını özetleyebilir,
- eksik belgeleri belirleyebilir.

### İhale Analiz Agent

Kamu veya özel sektör ihale dokümanları AI Agent tarafından analiz edilebilir.

Agent;

- teknik şartname,
- idari şartname,
- belge listesi,
- yeterlilik kriterleri,
- teslim süreleri

gibi alanları çıkarabilir.

### Legal AI Agent

Hukuk ekipleri için Agentic AI;

- sözleşme maddelerini analiz edebilir,
- riskli hükümleri belirleyebilir,
- sözleşme versiyonlarını karşılaştırabilir,
- yükümlülük takibi yapabilir.

Kritik hukuki kararlar insan değerlendirmesinde kalmalıdır.

### Contract Agent

Contract Agent;

**Contract Upload → Clause Extraction → Risk Identification → Company Policy Comparison → Legal Review**

akışıyla çalışabilir.

### HR AI Agent

İnsan kaynakları süreçlerinde AI Agent;

- şirket politika sorularına cevap verebilir,
- izin prosedürlerini açıklayabilir,
- çalışan dokümanlarını bulabilir,
- onboarding görevlerini koordine edebilir.

Hassas çalışan verilerine erişim kesin rol bazlı kontrollerle sınırlandırılmalıdır.

### Employee Onboarding Agent

Yeni çalışan onboarding süreci;

- hesap açma talebi,
- ekipman,
- eğitim,
- politika dokümanları,
- onboarding checklist

üzerinden koordine edilebilir.

### Finance AI Agent

Finans Agent;

- raporları analiz edebilir,
- gelir/gider trendlerini özetleyebilir,
- bütçe varyanslarını belirleyebilir,
- finansal dokümanlardan veri çıkarabilir.

Yetkili finansal işlemlerin otomatik yapılması yerine onay mekanizmaları kullanılmalıdır.

### Customer Support Agent

Müşteri destek AI Agent;

- müşteri sorusunu anlayabilir,
- geçmiş destek kayıtlarını inceleyebilir,
- knowledge base'de çözüm arayabilir,
- cevap hazırlayabilir,
- gerektiğinde ticket açabilir.

### AI Customer Service Automation

Düşük riskli ve sık sorulan sorular tamamen otomatik çözülebilir.

Daha karmaşık durumlarda AI Agent konuşmayı insan destek ekibine aktarabilir.

### Developer AI Agent

Developer Agent yazılım geliştirme süreçlerine yardımcı olabilir.

Örneğin;

- kod açıklama,
- test oluşturma,
- bug analizi,
- dokümantasyon,
- dependency kontrolü,
- pull request özeti

yapabilir.

### DevSecOps AI Agent

[DevSecOps](/tr/hizmetler/devops-devsecops-hizmetleri) Agent;

- [SAST](/tr/hizmetler/kaynak-kod-analizi-sast-hizmeti) bulgularını analiz edebilir,
- SCA vulnerability'lerini değerlendirebilir,
- remediation önerisi hazırlayabilir,
- developer'a ilgili güvenlik açıklamasını sunabilir.

### Platform Engineering Agent

[Internal Developer Platform](/tr/hizmetler/platform-engineering-internal-developer-platform-idp) üzerinde AI Agent geliştirici ihtiyaçlarını doğal dilden altyapı taleplerine dönüştürebilir.

Örneğin:

#### “Test uygulamam için PostgreSQL database ve Kubernetes namespace oluştur.”

Agent uygun service catalog seçeneklerini belirleyebilir.

Gerçek provisioning işlemi policy ve approval süreçlerine bağlı olarak gerçekleştirilebilir.

### Knowledge Agent

Knowledge Agent kurumun dokümanlarını ve bilgi tabanını kullanarak çalışanlara bilgi sunabilir.

Bu yapı RAG ile desteklenir.

### RAG Agent

Klasik RAG sistemi bir soruya uygun dokümanı bulur ve cevap üretir.

Agentic RAG ise ihtiyaç halinde;

- birden fazla sorgu oluşturabilir,
- farklı veri kaynaklarını tarayabilir,
- sonuçları karşılaştırabilir,
- ek araştırma yapabilir.

### Agentic RAG

Agentic RAG yaklaşımında AI Agent retrieval stratejisini dinamik olarak belirleyebilir.

Örneğin:

#### Question

↓

#### Search Internal Documents

↓

#### Result Insufficient

↓

#### Search Database

↓

#### Compare Results

↓

#### Generate Answer

Bu yaklaşım karmaşık bilgi sorgularında avantaj sağlayabilir.

### AI Research Agent

Research Agent belirli konu hakkında birden fazla kaynak ve dokümanı tarayarak özet rapor oluşturabilir.

Kurumsal kullanımda kaynak erişimleri önceden tanımlanmalıdır.

### Data Analysis Agent

Data Agent yapılandırılmış veriler üzerinde analiz gerçekleştirebilir.

Örneğin;

#### “Son iki yıl müşteri kayıp oranını bölge bazında karşılaştır.”

Agent kontrollü data layer üzerinden sorgu oluşturabilir.

### Text-to-SQL Agent

LLM doğal dil sorusunu SQL sorgusuna çevirebilir.

Ancak doğrudan production database üzerinde sınırsız SQL çalıştırılması ciddi güvenlik riski oluşturabilir.

Bu nedenle SecureSys;

- read-only database,
- allowed schema,
- query validation,
- row limit,
- timeout

gibi kontroller uygulayabilir.

### AI Agent Architecture

Kurumsal AI Agent mimarisi tipik olarak şu bileşenlerden oluşabilir:

#### User

↓

#### Agent Interface

↓

#### LLM / Reasoning Engine

↓

#### Agent Orchestrator

↓

#### Tools / APIs / RAG / Database

↓

#### Policy & Security Layer

↓

#### Enterprise Systems

↓

#### Audit & Monitoring

Bu mimaride security layer agent ile kurumsal sistemler arasında önemli kontrol noktasıdır.

### Agent Orchestration

Agent Orchestration, AI Agent'ın hangi görevi hangi araç veya alt ajan ile gerçekleştireceğini yönetir.

Orchestrator;

- task planning,
- tool selection,
- agent coordination,
- retry,
- failure handling

süreçlerini yönetebilir.

### Single-Agent Architecture

Basit kullanım senaryolarında tek bir AI Agent yeterli olabilir.

Agent birden fazla tool kullanarak görevi tamamlar.

Bu yapı daha kolay yönetilebilir ve güvenlik açısından daha kontrollüdür.

### Multi-Agent System

Karmaşık süreçlerde farklı uzmanlık alanlarına sahip birden fazla agent birlikte çalışabilir.

Örneğin:

#### Coordinator Agent

↓

#### Research Agent

#### Finance Agent

#### Document Agent

#### Reporting Agent

↓

#### Final Result

Bu yapı Multi-Agent System olarak adlandırılır.

### Multi-Agent AI

Multi-Agent mimarisinde her agent farklı görev ve yetkilere sahip olabilir.

Bu yaklaşım karmaşık işlemlerin bölünmesini sağlar.

Ancak agent sayısı arttıkça;

- güvenlik,
- koordinasyon,
- maliyet,
- observability

karmaşıklığı da artar.

### Supervisor Agent

Supervisor Agent, diğer agent'ların görev dağılımını ve sonuçlarını yönetebilir.

### Worker Agent

Worker Agent yalnızca kendisine verilen belirli görevleri gerçekleştirir.

Bu yaklaşım minimum privilege uygulamasını kolaylaştırabilir.

### Specialist Agent

Belirli uzmanlık alanı için özel agent oluşturulabilir.

Örneğin;

- Security Agent,
- Database Agent,
- Legal Agent,
- Finance Agent.

### Agent-to-Agent Communication

Multi-Agent mimarisinde agent'ların birbirleriyle hangi bilgileri paylaşabileceği kontrol edilmelidir.

Bir HR Agent'ın Finans Agent ile gereksiz çalışan verisi paylaşması engellenmelidir.

### AI Agent Memory

Agent'lar geçmiş işlemlerden belirli bilgileri hatırlamak için memory kullanabilir.

Memory;

- conversation memory,
- task memory,
- long-term memory

şeklinde tasarlanabilir.

### Short-Term Memory

Tek bir görev veya conversation sırasında kullanılan geçici bilgidir.

### Long-Term Memory

Agent'ın uzun süre sakladığı bilgi veya tercihlerdir.

Kurumsal sistemlerde long-term memory ciddi veri güvenliği ve retention gereksinimi oluşturabilir.

### Agent Memory Security

Agent memory içerisinde;

- parola,
- kişisel veri,
- kritik sistem bilgisi

gereksiz şekilde tutulmamalıdır.

### Memory Retention

Agent memory için retention süresi tanımlanmalıdır.

### Vector Memory

Agent geçmiş bilgi veya görevleri vector database içerisinde semantic olarak saklayabilir.

### Tool Calling

Tool Calling, LLM'in dış sistem veya fonksiyonları çağırmasını sağlar.

Örnek araçlar;

- database query,
- CRM API,
- ticket API,
- search,
- calculator,
- e-mail service

olabilir.

### Function Calling

Function Calling ile modele izin verilen fonksiyonların schema'sı sunulur.

Model hangi fonksiyonun hangi parametrelerle çağrılması gerektiğini belirleyebilir.

### Controlled Tool Access

AI Agent'ın kullanabileceği tool'lar önceden tanımlanmalıdır.

Her agent tüm araçlara erişmemelidir.

### Tool Permission Model

Örneğin:

#### Sales Agent

- CRM Read
- Proposal Draft

erişimine sahip olabilir.

Ancak:

- Firewall Change
- User Delete

gibi araçlara erişimi bulunmamalıdır.

### Read Tool ve Write Tool Ayrımı

Agent araçları;

- Read Only,
- Write,
- Administrative

olarak sınıflandırılabilir.

Write ve Administrative tool'lar için daha yüksek güvenlik seviyesi uygulanabilir.

### Action Risk Classification

Agent işlemleri risk seviyelerine ayrılabilir.

Örneğin:

**Low Risk:** Veri sorgulama

**Medium Risk:** Ticket oluşturma

**High Risk:** Kullanıcı yetkisi değiştirme

**Critical Risk:** Firewall veya finansal işlem

Risk seviyesine göre approval politikaları oluşturulabilir.

### Human-in-the-Loop

Agentic AI sistemlerinde insan kontrolü kritik öneme sahiptir.

AI Agent her işlemi tamamen otonom gerçekleştirmek zorunda değildir.

Human-in-the-Loop modeliyle belirli aşamalarda kullanıcı onayı alınabilir.

### Human-on-the-Loop

Bazı düşük riskli süreçler otomatik çalışabilir ancak insan ekipleri sistemi sürekli izler ve gerektiğinde müdahale eder.

### Human-out-of-the-Loop

Yalnızca düşük riskli ve iyi sınırlandırılmış operasyonlarda tamamen otonom süreçler değerlendirilebilir.

### Approval Workflow

Örnek:

#### AI Agent

↓

#### Change Proposal

↓

#### Manager Approval

↓

#### Execution

↓

#### Audit Log

Bu yapı kritik operasyonlarda güvenliği artırır.

### Agentic Workflow Automation

AI Agent klasik workflow otomasyonlarından daha dinamik süreçler oluşturabilir.

Klasik workflow:

**A → B → C**

şeklinde sabittir.

Agentic workflow ise duruma göre;

**A → Evaluate → B veya D → Additional Search → C**

şeklinde karar verebilir.

### AI Workflow Automation

İş süreçleri;

- trigger,
- AI decision,
- tool call,
- approval,
- execution

adımlarından oluşturulabilir.

### Business Process Automation

Agentic AI;

- satın alma,
- teklif,
- destek,
- finans,
- operasyon

gibi süreçlerde klasik RPA yaklaşımını tamamlayabilir.

### AI Agent ve RPA

RPA daha çok deterministik kurallara dayanır.

AI Agent ise doğal dil ve belirsiz bilgiyle çalışabilir.

En güçlü yapı bazı senaryolarda:

**AI Agent + Workflow + RPA + API**

entegrasyonudur.

### Agentic Process Automation

Agentic Process Automation ile AI Agent süreç içerisinde hangi adımın gerektiğine dinamik olarak karar verebilir.

### API-First Agent Architecture

Kurumsal AI Agent'ların uygulamaların kullanıcı arayüzlerini taklit etmek yerine mümkün olduğunca güvenli API'ler kullanması önerilir.

Bu yaklaşım;

- güvenlik,
- loglama,
- yetkilendirme,
- stabilite

açısından daha güçlüdür.

### ERP AI Agent Entegrasyonu

AI Agent ERP servisleriyle API üzerinden haberleşebilir.

Örneğin;

- stok sorgulama,
- sipariş durumu,
- maliyet bilgisi,
- satış analizi

işlemleri yapılabilir.

### CRM AI Agent Entegrasyonu

CRM içerisindeki;

- müşteri,
- opportunity,
- contact,
- sales activity

bilgileri agent tarafından kullanılabilir.

### Database Agent

Database Agent kontrollü sorgular üzerinden veri analizi yapabilir.

### PostgreSQL AI Agent

PostgreSQL gibi database sistemleri üzerinde read-only data agent oluşturulabilir.

### Document Management Agent

Doküman sistemlerinden;

- belge bulma,
- versiyon karşılaştırma,
- metadata analizi

işlemleri yapılabilir.

### Dijital Arşiv Agent

SecureSys [Dijital İçerik Arşivleme](/tr/hizmetler/dijital-icerik-arsivleme-depolama) altyapısındaki görsel, video ve dokümanlara doğal dil üzerinden erişilebilir.

### E-Mail Agent

AI Agent e-posta içeriklerini;

- sınıflandırabilir,
- özetleyebilir,
- taslak hazırlayabilir.

E-posta gönderme fonksiyonu ayrıca approval gerektirebilir.

### Calendar Agent

Kurumsal planlama süreçlerinde agent;

- uygun zaman bulma,
- toplantı önerme,
- gündem hazırlama

gibi görevleri gerçekleştirebilir.

### Ticketing Agent

Jira, ServiceNow veya farklı ticket platformları AI Agent ile entegre edilebilir.

### DevOps Agent

CI/CD sistemlerinde AI Agent;

- build failure analizi,
- deployment log özeti,
- release note hazırlama

gibi görevlerde kullanılabilir.

### Kubernetes Agent

Kubernetes Agent;

- cluster health,
- pod status,
- event,
- resource usage

verilerini analiz edebilir.

Ancak production cluster üzerinde write işlemleri kontrollü olmalıdır.

### Cloud Operations Agent

Cloud kaynaklarının kullanımını analiz edebilir ve optimizasyon önerileri sunabilir.

### FinOps Agent

Cloud maliyetlerini;

- application,
- project,
- team,
- resource

bazında analiz ederek tasarruf önerileri oluşturabilir.

### Backup Agent

Backup operasyonlarında Agent;

- başarısız job'ları belirleyebilir,
- neden analiz edebilir,
- operasyon ekibine öneri oluşturabilir.

### Disaster Recovery Agent

DR tatbikatlarında runbook adımlarının takibine ve sonuçların raporlanmasına yardımcı olabilir.

### Network Operations Agent

Network log, configuration ve monitoring verilerini analiz ederek problem giderme süreçlerine yardımcı olabilir.

### Firewall Operations Agent

AI Agent firewall policy değişikliklerini doğrudan kontrolsüz uygulamamalıdır.

Bunun yerine;

**Request → Policy Analysis → Risk Check → Proposed Rule → Human Approval → Firewall API**

mimarisi kullanılabilir.

### Database Operations Agent

Database performans verilerini analiz ederek;

- slow query,
- capacity,
- index,
- connection

konularında DBA ekibine öneri sağlayabilir.

### Agentic AI Security

AI Agent sistemleri klasik LLM uygulamalarına göre daha yüksek güvenlik riski oluşturabilir.

Çünkü Agent yalnızca bilgi üretmez, sistemler üzerinde aksiyon gerçekleştirebilir.

Bu nedenle güvenlik Agentic AI mimarisinin merkezinde bulunmalıdır.

### Excessive Agency

Agent'a gereğinden fazla yetki verilmesi **Excessive Agency** riskini oluşturur.

Örneğin yalnızca rapor hazırlaması gereken agent'ın database silme yetkisine sahip olması kabul edilemez.

### Least Privilege for AI Agents

Her AI Agent yalnızca görevini gerçekleştirmek için ihtiyaç duyduğu minimum yetkilere sahip olmalıdır.

### Agent Identity

Her AI Agent ayrı bir machine identity veya service account kullanabilir.

Bu sayede işlemler hangi agent tarafından yapıldığı seviyesinde izlenebilir.

### Shared Credential Riski

Birden fazla Agent'ın ortak administrator credential kullanması önerilmez.

### Short-Lived Credentials

Mümkün olduğunda agent erişimleri kısa süreli token'larla gerçekleştirilebilir.

### Dynamic Credential

AI Agent görev başladığında geçici credential alıp görev bitiminde credential'ın iptal edilmesi sağlanabilir.

### Secrets Management

Agent'ın kullandığı API key veya credential;

- source code,
- prompt,
- memory

içerisinde saklanmamalıdır.

Merkezi secret manager kullanılabilir.

### PAM ve Agentic AI

Yüksek yetkili işlemlerde PAM entegrasyonu kullanılabilir.

Örnek:

**AI Agent → PAM Request → Approval → Temporary Credential → Action**

### AI Agent MFA

Agent kendi başına MFA kullanamaz ancak insan onayı gerektiren işlemlerde kullanıcıdan MFA doğrulaması talep edilebilir.

### Prompt Injection ve AI Agent

[Prompt Injection](/tr/hizmetler/ai-llm-sizma-testi-hizmeti) Agentic AI'da klasik chatbot'a göre daha tehlikeli olabilir.

Çünkü saldırgan model davranışını değiştirerek tool çağrısı yaptırmaya çalışabilir.

### Indirect Prompt Injection

Agent'ın okuduğu;

- e-posta,
- doküman,
- web içeriği,
- ticket

içerisinde kötü niyetli talimat bulunabilir.

Agent bu içeriği sistem talimatı olarak değerlendirmemelidir.

### Tool Injection

Saldırgan Agent'ın kullandığı tool veya tool çıktısı üzerinden model davranışını manipüle etmeye çalışabilir.

### Data Poisoning

RAG veya memory sistemine kötü niyetli içerik eklenmesi Agent'ın yanlış kararlar vermesine neden olabilir.

### Agent Memory Poisoning

Kötü niyetli bilgi long-term memory içerisine kaydedilirse gelecekteki işlemleri etkileyebilir.

Memory'ye hangi bilgilerin yazılacağı kontrol edilmelidir.

### Agent Output Validation

LLM tarafından oluşturulan tool parametreleri işlem yapılmadan önce doğrulanmalıdır.

### Schema Validation

Function call parametreleri belirlenmiş schema ile kontrol edilebilir.

### Business Rule Validation

Teknik olarak geçerli bir işlem iş kurallarına aykırı olabilir.

Örneğin Agent'ın 100.000 TL üzerindeki işlemleri otomatik onaylaması engellenebilir.

### Policy Engine

Agent'ın gerçekleştirmek istediği aksiyonlar merkezi policy engine üzerinden kontrol edilebilir.

### Policy as Code for AI Agents

Agent politikaları kod olarak tanımlanabilir.

Örneğin:

**Firewall Change → Security Approval Required**

**Database Delete → AI Execution Forbidden**

**Ticket Create → Automatic**

**Payment → Finance Approval Required**

### Allowlist-Based Tool Access

Agent yalnızca izin verilen tool ve endpoint'leri kullanabilir.

### Network Segmentation

Agent runtime sistemleri ayrı network segmentinde konumlandırılabilir.

Agent'ın erişebildiği internal servisler firewall üzerinden sınırlandırılabilir.

### Zero Trust AI Agent

AI Agent güvenilir network içerisinde bulunduğu için otomatik güvenilir kabul edilmemelidir.

Her tool call için;

- identity,
- permission,
- resource,
- risk

kontrolü yapılabilir.

### AI Agent Firewall

Agent ile enterprise systems arasında policy enforcement katmanı oluşturulabilir.

Bu katman;

- request filtering,
- tool restrictions,
- data policies,
- action approval

uygulayabilir.

### Agent Sandbox

Kod çalıştıran veya dosya işleyen Agent'lar izole sandbox içerisinde çalıştırılabilir.

### Code Execution Agent

AI Agent'ın Python, shell veya başka kod çalıştırması güçlü ancak riskli bir özelliktir.

Production sistemlerinden ayrılmış sandbox ortamı kullanılmalıdır.

### File System Isolation

Agent'ın tüm file system'e erişmesi yerine yalnızca izin verilen klasörlere erişmesi sağlanmalıdır.

### Internet Access Control

AI Agent'ın internet erişimi kullanım senaryosuna göre tamamen kapatılabilir veya belirli domain'lerle sınırlandırılabilir.

### Air-Gapped AI Agent

Kritik ortamlarda AI Agent internet erişimi olmayan Kırmızı Ağ içerisinde çalıştırılabilir.

Bu yapı;

- Private LLM,
- Private RAG,
- Internal APIs,
- Private Tool Registry

bileşenlerinden oluşabilir.

### Agent Tool Registry

Kurum içerisinde Agent'ların kullanabileceği tool'ların merkezi kataloğu oluşturulabilir.

Her tool için;

- owner,
- permission,
- risk level,
- input schema,
- audit policy

tanımlanabilir.

### AI Agent Service Catalog

Platform Engineering yaklaşımıyla farklı agent servisleri kurum içerisinde katalog olarak sunulabilir.

### Agent Template

Yeni agent projelerinde standart template kullanılabilir.

Örneğin;

#### Secure Enterprise Agent Template

- Authentication
- Audit
- Policy Engine
- RAG
- Tool Registry
- Monitoring
- Human Approval

özellikleriyle birlikte oluşturulabilir.

### Agentic AI Platform

Birden fazla AI Agent kullanan kurumlarda merkezi Agentic AI Platform kurulabilir.

Platform;

- model access,
- agent orchestration,
- tools,
- identity,
- memory,
- policy,
- monitoring,
- governance

servislerini merkezi olarak sunabilir.

### Private Agentic AI Platform

Kurumun kendi data center veya private cloud altyapısında özel Agentic AI Platform oluşturulabilir.

### Agent as a Service

Farklı departmanlar hazır agent servislerini API veya portal üzerinden kullanabilir.

### AgentOps Nedir?

AgentOps, AI Agent'ların production ortamındaki operasyonlarını izleme ve yönetme yaklaşımıdır.

LLMOps'un Agentic AI sistemlerine genişletilmiş hali olarak düşünülebilir.

### Agent Monitoring

Production Agent'larda;

- task count,
- success rate,
- failed task,
- tool usage,
- latency,
- token cost

izlenebilir.

### Agent Trace

Agent'ın bir görevi tamamlamak için yaptığı tüm adımlar trace olarak kayıt altına alınabilir.

Örneğin:

#### User Request

↓

#### Plan

↓

#### Document Search

↓

#### CRM Query

↓

#### Proposal Draft

↓

#### Approval

### Agent Observability

Agent Observability;

- prompt,
- model,
- tool calls,
- memory,
- decisions,
- errors,
- latency,
- cost

verilerini birlikte analiz eder.

### Tool Call Monitoring

Hangi Agent'ın hangi tool'u kaç kez kullandığı izlenebilir.

### Failed Action Monitoring

Başarısız tool call veya action'lar merkezi olarak raporlanabilir.

### Agent Cost Monitoring

Agent bir görev sırasında birden fazla LLM çağrısı gerçekleştirebilir.

Bu nedenle token ve model maliyetleri ayrı izlenmelidir.

### Agent Cost Optimization

Maliyet;

- model routing,
- context optimization,
- caching,
- step limit

kullanılarak optimize edilebilir.

### Maximum Agent Steps

Agent'ın sonsuz reasoning loop içerisine girmesini önlemek için maksimum işlem adımı tanımlanabilir.

### Timeout

Uzun süren görevler belirli süre sonunda otomatik sonlandırılabilir.

### Retry Policy

Tool çağrısı başarısız olduğunda kaç defa retry yapılacağı belirlenebilir.

### Loop Detection

Agent'ın aynı işlemi tekrar tekrar gerçekleştirmesi otomatik olarak tespit edilebilir.

### Kill Switch

Kritik Agentic AI sistemlerinde tüm Agent işlemlerini anında durdurabilecek merkezi kill switch mekanizması oluşturulabilir.

### Agent Rollback

Agent'ın yaptığı işlemler uygun sistemlerde geri alınabilir şekilde tasarlanabilir.

### Transactional Agent Actions

Birden fazla işlemin tamamı başarılı olmadan kalıcı değişiklik yapılmaması gereken senaryolarda transactional yaklaşım kullanılabilir.

### Agent Evaluation

AI Agent kalitesi yalnızca verdiği metinsel cevap üzerinden ölçülmez.

Agent'ın görevi doğru tamamlayıp tamamlamadığı değerlendirilmelidir.

### Task Success Rate

Agent'a verilen görevlerin yüzde kaçının başarıyla tamamlandığı ölçülebilir.

### Tool Selection Accuracy

Agent'ın doğru tool'u seçip seçmediği değerlendirilebilir.

### Action Accuracy

Tool parametrelerinin doğru oluşturulup oluşturulmadığı ölçülebilir.

### Policy Violation Rate

Agent'ın kaç defa güvenlik veya iş politikası dışı aksiyon talep ettiği izlenebilir.

### Human Intervention Rate

Görevlerin ne kadarında insan müdahalesine ihtiyaç duyulduğu ölçülebilir.

### Agent Hallucination

Agent'ın olmayan bir tool veya olmayan sistem bilgisi üzerinden işlem planlaması hallucination olarak ortaya çıkabilir.

### Grounded Agent

Agent'ın kararları RAG, API veya doğrulanmış kurumsal verilere dayandırılabilir.

### Agent Testing

Production öncesinde Agent farklı senaryolarla test edilmelidir.

### Agent Unit Testing

Tool fonksiyonları ve agent bileşenleri ayrı ayrı test edilebilir.

### Agent Integration Testing

Agent'ın gerçek API ve kurumsal sistemlerle entegrasyonu kontrollü test ortamında doğrulanabilir.

### Adversarial Agent Testing

Agent kötü niyetli kullanıcı ve prompt senaryolarıyla test edilebilir.

### AI Agent Red Team

Red Team yaklaşımıyla;

- prompt injection,
- tool abuse,
- excessive agency,
- memory poisoning,
- data leakage

senaryoları test edilebilir.

### Agentic AI Penetration Testing

Agentic AI sistemlerinde;

**Web/API Security + LLM Security + Tool Security + Authorization + Agent Logic**

birlikte değerlendirilmelidir.

### Agent Security Gate

Yeni Agent versiyonları production'a alınmadan önce;

- security tests,
- policy tests,
- evaluation,
- tool permission check

security gate üzerinden geçirilebilir.

### Agent CI/CD

Agent uygulamaları için CI/CD pipeline oluşturulabilir.

Örnek:

#### Code

↓

#### SAST / SCA

↓

#### Prompt Tests

↓

#### Agent Evaluation

↓

#### Security Tests

↓

#### Policy Validation

↓

#### Deployment

### Agent Versioning

Agent konfigürasyonları versiyonlanmalıdır.

### Prompt Versioning

System Prompt ve agent instruction değişiklikleri kayıt altına alınabilir.

### Tool Versioning

Tool API veya schema değişiklikleri Agent davranışını etkileyebileceği için versiyon yönetimi yapılmalıdır.

### Agent Configuration as Code

Agent;

- tool,
- permission,
- model,
- workflow,
- policy

konfigürasyonları Git üzerinde kod olarak yönetilebilir.

### Agentic AI ve DevSecOps

Agentic AI development klasik DevSecOps süreçlerini ortadan kaldırmaz.

Uygulama kodu;

- SAST,
- SCA,
- SBOM,
- secret scanning,
- container scanning

kontrollerinden geçirilmelidir.

Buna ek olarak Agentic AI'ya özel;

- prompt testing,
- tool permission testing,
- adversarial testing,
- policy testing

uygulanmalıdır.

### Agent Software Supply Chain Security

Agentic AI uygulamaları;

- LLM,
- agent framework,
- plugin,
- SDK,
- tool,
- package

gibi birçok third-party bileşen kullanabilir.

Bu nedenle [Software Supply Chain Security](/tr/hizmetler/software-supply-chain-security-sbom) süreçleri uygulanmalıdır.

### Agent SBOM

Agent uygulamasında kullanılan klasik software component'ler için SBOM oluşturulabilir.

### AI BOM

Genişletilmiş AI envanterinde;

- model,
- model version,
- agent framework,
- embedding model,
- vector database,
- tools

bulunabilir.

### Agentic AI ve Platform Engineering

Internal Developer Platform üzerinde güvenli Agent geliştirme servisi sunulabilir.

Developer ekipleri hazır;

- Agent Template,
- LLM Gateway,
- RAG,
- Tool Registry,
- Monitoring

servislerini kullanabilir.

### Agentic AI Developer Platform

Kurum içerisinde merkezi AI Agent geliştirme platformu oluşturulabilir.

### AI Agent Sandbox as a Service

Developer ekipleri test Agent'larını güvenli sandbox ortamında çalıştırabilir.

### Agent Model Gateway

Tüm Agent'ların farklı LLM sağlayıcılarına erişimi merkezi gateway üzerinden yönetilebilir.

### Multi-Model Agent

Agent farklı görevler için farklı modeller kullanabilir.

Örneğin;

- planning → güçlü model,
- classification → küçük model,
- extraction → düşük maliyetli model.

### Model Routing for Agents

Agent orchestrator göreve göre en uygun modeli seçebilir.

### Agentic AI ve RAG

Agent'ların kurumsal bilgiyle doğru çalışması için RAG önemli bileşendir.

Ancak retrieval erişimleri kullanıcının yetkileriyle uyumlu olmalıdır.

### Access-Controlled Agentic RAG

Agent yalnızca kullanıcı veya kendi service identity'sinin erişim hakkına sahip olduğu bilgileri retrieval edebilmelidir.

### User Context Propagation

Kullanıcı AI Agent'a işlem yaptırdığında erişim haklarının arka sistemlere doğru şekilde taşınması gerekir.

### Impersonation Riski

Agent'ın tüm kullanıcılar adına ortak admin hesabıyla işlem yapması audit ve security açısından risk oluşturur.

### Delegated Authorization

Agent belirli işlemleri kullanıcının yetkisi kapsamında gerçekleştirebilir.

### Agent Delegation

Bir agent görevin bir bölümünü başka agent'a aktarabilir.

Delegation sırasında yetkilerin gereğinden fazla genişlememesi gerekir.

### Multi-Agent Authorization

Her Agent ayrı permission boundary içerisinde çalışmalıdır.

### AI Agent Data Governance

Agent'ın hangi verilere eriştiği ve bu verileri nerede sakladığı görünür olmalıdır.

### Data Minimization

Agent görevi gerçekleştirmek için ihtiyaç duymadığı veriye erişmemelidir.

### Sensitive Data Redaction

Tool veya model çağrısı öncesinde hassas bilgiler maskelenebilir.

### PII Filtering

Kişisel verilerin uygun olmayan model veya tool'a gönderilmesi engellenebilir.

### Agent Data Residency

Agent'ın kullandığı model, memory ve log sistemlerinin data residency gereksinimleri değerlendirilmelidir.

### Agent Audit Trail

Her önemli Agent işlemi kayıt altına alınmalıdır.

Audit kaydında;

- user,
- agent,
- task,
- model,
- tool,
- action,
- result,
- approval

bilgileri tutulabilir.

### SIEM Entegrasyonu

Agent security ve action logları SIEM platformuna aktarılabilir.

### SOC 7x24 Agent Monitoring

SecureSys SOC;

- abnormal agent activity,
- privilege escalation attempt,
- unusual tool use,
- security policy violation

gibi olayları analiz edebilir.

### Agent Behavior Analytics

Agent'ın normal davranış profili oluşturularak anormal aktiviteler belirlenebilir.

### AI Agent DLP

Agent input ve output'ları DLP politikalarıyla kontrol edilebilir.

### Agent Output Security

Model tarafından üretilen içerik doğrudan command veya SQL olarak çalıştırılmadan önce validate edilmelidir.

### Insecure Output Handling

LLM çıktısının kontrolsüz şekilde browser, shell, SQL veya API'ye aktarılması güvenlik açığı oluşturabilir.

### AI Agent Governance

Kurum içerisinde hangi Agent'ların çalıştığının merkezi olarak bilinmesi gerekir.

### Agent Inventory

Her AI Agent için;

- name,
- owner,
- purpose,
- model,
- tools,
- data access,
- risk level,
- production status

bilgileri tutulabilir.

### Agent Risk Classification

Agent'lar yaptıkları işlemlere göre risk seviyelerine ayrılabilir.

Örneğin:

#### Tier 1 – Information Agent

Sadece bilgi verir.

#### Tier 2 – Workflow Agent

Ticket veya workflow oluşturabilir.

#### Tier 3 – Operational Agent

Sistem üzerinde değişiklik yapabilir.

#### Tier 4 – Critical Agent

Finans, güvenlik veya kritik altyapı işlemleri gerçekleştirebilir.

Her seviye için farklı güvenlik politikası uygulanabilir.

### AI Agent Owner

Her production agent için teknik ve iş sahibi belirlenmelidir.

### Agent Lifecycle

AI Agent yaşam döngüsü;

**Design → Develop → Test → Approve → Deploy → Monitor → Update → Retire**

şeklinde yönetilebilir.

### Agent Change Management

Agent'ın prompt, model, tool veya permission değişiklikleri kontrollü şekilde yapılmalıdır.

### AI Agent Approval Board

Yüksek riskli kurumlarda production Agent'ların devreye alınması öncesinde risk ve güvenlik onayı uygulanabilir.

### Responsible Agentic AI

Agentic sistemler;

- güvenli,
- hesap verebilir,
- izlenebilir,
- insan tarafından kontrol edilebilir

şekilde tasarlanmalıdır.

### Human Oversight

Kritik karar ve işlemlerde insan kontrolü korunmalıdır.

### Explainable Agent Actions

Agent gerçekleştirdiği işlemin nedenini kullanıcıya veya audit sistemine açıklayabilir.

Örneğin:

**“Bu ticket'ı Critical olarak sınıflandırdım çünkü ilgili sistem Tier-1 varlık ve üç ayrı security alert bulunuyor.”**

### ISO/IEC 42001 ve Agentic AI

Agentic AI sistemlerinin;

- risk,
- lifecycle,
- ownership,
- monitoring,
- human oversight,
- change management

süreçleri ISO/IEC 42001 AI Management System yaklaşımı içerisinde yönetilebilir.

### ISO/IEC 27001 ve AI Agent

Agent sistemlerinde;

- access control,
- privileged access,
- logging,
- secure development,
- supplier management,
- incident management

bilgi güvenliği açısından birlikte değerlendirilmelidir.

### KVKK ve Agentic AI

Kişisel veriye erişen AI Agent'lar için;

- veri minimizasyonu,
- yetkilendirme,
- logging,
- retention

özellikle önemlidir.

### GDPR ve AI Agent

Uluslararası projelerde agent'ın kişisel veri üzerinde gerçekleştirdiği işlemler privacy ve data governance süreçleriyle birlikte ele alınmalıdır.

### Agentic AI Readiness Assessment

SecureSys kurumun Agentic AI kullanımına hazır olup olmadığını değerlendirebilir.

Analizde;

- use cases,
- API maturity,
- identity,
- data,
- security,
- governance,
- infrastructure

başlıkları incelenebilir.

### Agent Use Case Workshop

İlk aşamada hangi süreçlerin Agentic AI için uygun olduğu belirlenir.

Her sürecin tamamen otomatikleştirilmesi doğru değildir.

İyi Agent use case'leri genellikle;

- tekrarlayan,
- bilgi yoğun,
- çoklu sistem kullanan,
- ölçülebilir

işlemlerden oluşur.

### AI Agent PoC

Belirlenen kullanım senaryosu küçük kapsamlı Proof of Concept ile test edilebilir.

### Agent MVP

PoC başarılı olduğunda sınırlı kullanıcı ve tool erişimine sahip MVP oluşturulabilir.

### Agent Pilot

Gerçek kullanıcılarla sınırlı pilot çalışma gerçekleştirilir.

Pilot sırasında;

- task success,
- accuracy,
- security,
- user feedback,
- cost

ölçülebilir.

### Production Agent

Başarılı pilot sonrasında Agent production ortamına alınabilir.

Production öncesinde security, permission ve governance kontrolleri tamamlanmalıdır.

### AI Agent Health Check

Mevcut Agentic AI uygulamalarında;

- architecture,
- model,
- tools,
- permissions,
- memory,
- security,
- monitoring,
- governance

analiz edilebilir.

### Agentic AI Security Assessment

Özellikle tool kullanan AI Agent'lar için özel güvenlik değerlendirmesi yapılabilir.

### Multi-Agent Architecture Assessment

Multi-Agent sistemlerde;

- coordination,
- access control,
- data sharing,
- observability,
- failure handling

değerlendirilebilir.

### Agent Performance KPI'ları

Agent sistemleri için;

- Task Success Rate,
- Average Task Duration,
- Human Intervention Rate,
- Tool Failure Rate,
- Cost per Task,
- Policy Violation Rate

ölçülebilir.

### Business KPI

Teknik performansın yanında iş değeri ölçülmelidir.

Örneğin;

- ticket çözüm süresi,
- teklif hazırlama süresi,
- rapor hazırlama süresi,
- manuel işlem azalması

ölçülebilir.

### ROI Analizi

Agentic AI kullanımının sağladığı;

- zaman tasarrufu,
- insan operasyon yükü,
- işlem maliyeti,
- hata azalması

hesaplanabilir.

### Agentic AI Cost Management

Bir Agent'ın her görev için çok fazla LLM veya tool çağrısı yapması maliyeti artırabilir.

Agent mimarisi maliyet açısından optimize edilmelidir.

### Small Model Kullanımı

Basit görevlerde büyük LLM yerine daha küçük model kullanılması maliyeti azaltabilir.

### Deterministic Workflow Kullanımı

Her işlem AI reasoning gerektirmez.

Basit ve sabit süreçler klasik workflow ile çalıştırılıp yalnızca belirsiz karar noktalarında AI kullanılabilir.

### Agentic AI ve Generative AI Farkı

[Generative AI](/tr/hizmetler/llm-generative-ai-cozumleri) genel olarak içerik üretir.

Agentic AI ise içerik üretiminin yanında aksiyon alma ve görev yürütme yeteneği ekler.

Basit şekilde:

#### Generative AI = Generate

**Agentic AI = Understand + Plan + Act**

olarak ifade edilebilir.

### Agentic AI ve RAG Farkı

RAG bilgiye erişim yöntemidir.

Agentic AI ise görev yürütme mimarisidir.

Bir AI Agent ihtiyaç halinde RAG'i tool olarak kullanabilir.

### AI Agent ve Workflow Farkı

Workflow önceden belirlenmiş adımlardan oluşur.

Agent ise görev sırasında hangi adımları uygulayacağına dinamik karar verebilir.

### AI Agent ve RPA Farkı

RPA çoğunlukla ekran veya kurallı iş akışlarını otomatikleştirir.

AI Agent doğal dili ve yapılandırılmamış bilgiyi anlayabilir.

İki teknoloji birlikte kullanılabilir.

### AI Agent ve Copilot Farkı

Copilot çoğunlukla kullanıcıya öneri sunar.

AI Agent ise belirli izinler doğrultusunda aksiyon gerçekleştirebilir.

### SecureSys AI Agent & Agentic AI Hizmet Süreci

#### \1. Use Case Analizi

Agentic AI için uygun iş süreçleri belirlenir.

#### \2. Süreç ve Sistem Haritalama

Agent'ın kullanacağı uygulamalar, API'ler ve veri kaynakları çıkarılır.

#### \3. Risk Sınıflandırması

Agent'ın gerçekleştirebileceği işlemler risk seviyelerine ayrılır.

#### \4. Agent Mimarisi

Single-Agent veya Multi-Agent mimarisi tasarlanır.

#### \5. Model ve RAG Tasarımı

Kullanılacak LLM, kurumsal bilgi ve retrieval katmanı belirlenir.

#### \6. Tool Registry

Agent'ın erişebileceği API ve fonksiyonlar tanımlanır.

#### \7. Identity ve Permission

Agent service identity ve minimum yetkiler oluşturulur.

#### \8. Human Approval

Yüksek riskli işlemler için Human-in-the-Loop süreçleri tasarlanır.

#### \9. Security Testing

Prompt Injection, tool abuse, privilege ve data leakage senaryoları test edilir.

#### \10. AgentOps ve Monitoring

Agent task, tool, cost ve security verileri izlenir.

#### \11. Pilot

Sınırlı kullanıcı ve işlem kapsamıyla pilot çalıştırılır.

#### \12. Governance ve Production

Agent inventory, lifecycle, change management ve AI governance süreçleri oluşturularak production ortamına alınır.

### Neden SecureSys AI Agent & Agentic AI Çözümleri?

Agentic AI projelerinde en kritik konu Agent'ın ne kadar akıllı olduğu kadar **ne kadar yetkiye sahip olduğu ve bu yetkinin nasıl kontrol edildiğidir.**

Bir AI Agent'ın CRM'den veri okuması ile firewall policy değiştirmesi veya finansal işlem gerçekleştirmesi aynı risk seviyesinde değerlendirilemez.

SecureSys Agentic AI yaklaşımı bu nedenle;

**LLM + RAG + Agent + API + Identity + Security + Human Approval + Monitoring + Governance**

katmanlarını birlikte ele alır.

Yazılım geliştirme, altyapı, DevSecOps ve siber güvenlik yetkinliklerini bir araya getirerek Agent'ların yalnızca iş süreçlerini hızlandırmasını değil, güvenli ve denetlenebilir biçimde çalışmasını hedefler.

Yaklaşımımız:

#### Give AI a Goal, Not Unlimited Authority.

Agent'lara görev verilir; sınırsız yetki verilmez.

### Sık Sorulan Sorular

#### AI Agent nedir?

AI Agent, belirli bir hedef doğrultusunda bilgi toplayabilen, planlama yapabilen, araçları kullanabilen ve belirlenen yetkiler içerisinde aksiyon gerçekleştirebilen yapay zekâ sistemidir.

#### Agentic AI nedir?

Agentic AI, yapay zekâ sistemlerinin belirli hedefleri gerçekleştirmek için planlama, tool kullanımı ve görev yürütme kabiliyeti kazandığı mimari yaklaşımdır.

#### AI Agent ile chatbot arasındaki fark nedir?

Chatbot genellikle cevap verir. AI Agent ise bilgi toplayabilir, plan yapabilir ve gerekli izinlere sahip olduğu sistemlerde işlem gerçekleştirebilir.

#### Multi-Agent System nedir?

Birden fazla uzman AI Agent'ın ortak bir görevi birlikte gerçekleştirdiği mimaridir.

#### AI Agent ERP veya CRM'e bağlanabilir mi?

Evet. Güvenli API ve yetkilendirme katmanları kullanılarak ERP, CRM, database ve diğer kurumsal sistemlerle entegre edilebilir.

#### AI Agent tamamen otonom çalışmalı mı?

Hayır. Özellikle kritik işlemlerde Human-in-the-Loop ve approval süreçleri kullanılmalıdır.

#### AI Agent güvenli midir?

Doğru tasarlanmadığında prompt injection, excessive agency, data leakage ve tool abuse gibi riskler oluşturabilir. Bu nedenle özel Agentic AI Security kontrolleri gerekir.

#### AI Agent Kırmızı Ağ içerisinde çalışabilir mi?

Evet. Private LLM, private RAG ve internal tool'lar kullanılarak tamamen Air-Gapped Agentic AI platformu kurulabilir.

#### AI Agent SOC süreçlerinde kullanılabilir mi?

Evet. Alarm analizi, IOC enrichment, incident timeline ve playbook önerileri gibi süreçlerde SOC analistlerine yardımcı olabilir.

#### AI Agent ISO/IEC 42001 ile yönetilebilir mi?

Evet. Agent lifecycle, risk, ownership, human oversight, monitoring ve change management süreçleri ISO/IEC 42001 yaklaşımı altında ele alınabilir.

### İş Süreçlerinizi SecureSys Agentic AI ile Kontrollü Şekilde Otomatikleştirin

Kurumsal yapay zekânın sonraki aşaması yalnızca sorulara cevap veren chatbot'lar değildir.

Gerçek dönüşüm, yapay zekânın kurumsal bilgiye erişmesi, farklı sistemlerle etkileşim kurması ve belirlenen sınırlar içerisinde iş süreçlerini gerçekleştirebilmesiyle ortaya çıkar.

SecureSys AI Agent & Agentic AI Çözümleri ile;

**User → AI Agent → RAG → Enterprise APIs → Policy Engine → Human Approval → Action → Audit**

mimarisini oluşturabilirsiniz.

Satış, satın alma, IT operasyonları, SOC, insan kaynakları, hukuk, finans ve müşteri hizmetleri gibi süreçlerde departmana özel AI Agent'lar geliştirebilir; gerektiğinde bu agent'ları merkezi bir Multi-Agent platform altında yönetebilirsiniz.

**Agentic AI kullanım senaryolarınızı belirleyin, düşük riskli bir PoC ile başlayın ve başarılı Agent'ları güvenlik, AgentOps ve AI Governance katmanlarıyla production ortamına taşıyın.**