Üretimde yapay zekâ · 2026

Üretim sahasında ajan sistemleri: bugün nerede gerçek değer üretiyor?

Ajan sistemlerini denemeyen kurum kalmadı; üretimde gerçekten çalıştıran ise çok az. Veriler ve Bosch gibi öncü uygulamalar, ajanların nerede karşılığını verdiğini açıkça gösteriyor.

Pilot ile üretim arasındaki uçurum

McKinsey'nin State of AI araştırması (2025) tabloyu iki rakamla özetliyor: Kurumların %79'u üretken yapay zekâ kullandığını söylüyor; buna karşılık herhangi bir fonksiyonda yapay zekâ ajanlarını ölçeklendirebilenlerin oranı %10'un altında. Darboğaz teknoloji değil: Aynı araştırmaya göre başarılı kurumlar, iş akışlarını yapay zekâya göre baştan tasarlama konusunda diğerlerinden yaklaşık üç kat daha istekli. Yapay zekâyı mevcut sürecin üzerine bir katman olarak eklemek yerine, süreci onunla birlikte yeniden kurgulamak farkı yaratıyor.

Bu ayrım en çok üretim sahasında önem taşıyor. Veriyi yalnızca özetleyen bir ajan hiçbir şeyi değiştirmez; makine durumlarını okuyan, aksiyon tetikleyen ve gerektiğinde konuyu insana taşıyan bir ajan ise doğrudan rakamları değiştirir.

Ajanlar önce nerede karşılığını veriyor?

En güçlü ilk sonuçlar, “her yerde yapay zekâ” programlarından değil; dar tanımlı, sık tekrarlanan problemlerden geliyor. Referans örnek Bosch'un Shopfloor Agent uygulaması: Önce kendi fabrikalarında devreye alınan, 2025 sonundan bu yana dış müşterilere de sunulan sistem, hat çalışanlarının makine hatalarını derin teknik uzmanlık gerektirmeden, çok daha hızlı teşhis edip gidermesini sağlıyor. Bosch, azalan duruş süreleri sayesinde fabrika başına yılda yaklaşık 850.000 € tasarruf raporluyor.

Kazanımın büyüklüğünü problemin büyüklüğü belirliyor: 2025'te ABD'li üreticilerin %55'i plansız duruş yaşadı. Hata analizinden kısaltılan her saat, üretime geri kazandırılan bir saattir.

Ayakta kalan bir kurulumun anatomisi

Bosch sınıfı kurulumları rafta kalan pilotlardan ayıran şey nadiren modeldir. Çalışan kurulumların dört ortak özelliği var. Ajan, ayrı bir sohbet penceresinde değil, operatörün zaten baktığı ekranların içinde yaşar. Bayat dışa aktarımları değil, canlı sistem durumunu okur: MES iş emri durumu, makine sinyalleri, kalite sonuçları. İnsanların kullandığı arayüzler üzerinden, açıkça çizilmiş sınırlar içinde eyleme geçer: iş emri açar, planı günceller, partiyi işaretler. Ve güveni düştüğü anda konuyu ismi belli bir insana taşır. Bu dört özelliğe sahip bir ajan güveni vardiya vardiya kazanır; olmayan, bir demodan ibarettir.

McKinsey'nin “başarılı kurumlar iş akışlarını yaklaşık üç kat daha fazla yeniden tasarlıyor” bulgusunun asıl önemi de burada. İş akışı hâlâ “birisi yarın raporu okur, karar verir” varsayımıyla çalışıyorsa ajanın çıktısını koyacağı yer yoktur. Akış; tespit et, karar ver, uygula, gerekirse insana taşı, kaydet döngüsü etrafında yeniden kurulmalıdır.

Gerçekçi bir ilk 90 gün

1–3. haftalar: Süreci seçin, metriği anlaşın, taban çizgisini ölçün — duruş saati, fire oranı, tip değişim süresi. Taban çizgisi yoksa dürüst bir başarı da yoktur. 4–8. haftalar: Ajanı MES ve ERP'ye gölge modda bağlayın — o önersin, insan karar versin; her öneri gerçekleşenle karşılaştırılıp puanlansın. 9–12. haftalar: Gölge karnesi güçlü olan senaryolarda dar bir özerklik açın, gerisinde insan kalsın, metriği her hafta gözden geçirin. Yalnızca karşılığını ödeyeni ölçekleyin.

Bir tesis yönetiyorsanız bunun anlamı

Verilerden üç pratik sonuç çıkıyor. Birincisi: Kapsamlı bir “yapay zekâ dönüşümü” yerine, maliyeti ölçülebilir tek bir süreç seçin — duruş, fire ya da tip değişimi. İkincisi: Ajanı operasyonu hâlihazırda yöneten sistemlere bağlayın (MES, ERP, kalite); sistem erişimi olmayan ajan yalnızca bir sohbet robotudur. Üçüncüsü: Hedef metriği işe başlamadan netleştirin ve uygulamayı bu hedefle değerlendirin.