Trendyol'un agent yolculuğu depoda ya da operasyonda değil, yazılım geliştirme sürecinde başladı — ve bu bilinçli bir seçimdi. Merve Çolak Özkan gerekçeyi üç maddede topladı: yazılım dünyası deterministik, geri bildirim hızlı ve geri alma kolay.
Kendisi çağrı merkezi ve müşteri deneyimi süreçlerini yöneten ürün ekibinin lideri; Barış Hasan Aras dört yıldır Trendyol'da, sipariş domeninden geliyor. İkisi artık aynı ekipte: AI otomasyon ve agent tarafında.
Üretken değil, proaktif
Sunum bir tanım ayrımıyla açıldı. Üretken yapay zekâ reaktiftir: bir girdi alır, yaratıcı bir çıktı verir, kendi başına amaç üretmez. Agentic taraf ise proaktif — insanın yerine düşünür, aksiyon alır, hatasından öğrenir ve gerekirse tekrar dener.
Trendyol'un bu dünyaya girme gerekçesi de sadeydi: hız, verimlilik, kalite. Bir PM için karşılığı ise somut — sprint'e daha çok iş, düşen cycle time, artan velocity ve kimsenin sevmediği teknik borç işlerinin devredilebilmesi.
PlatformWorkspace bir takım, agent bir ekip üyesi
Kurdukları platformun sözlüğü takım metaforu üzerine oturuyor:
Workspace
Agent'ların birlikte çalıştığı ortam. Kurallar, hedefler, agent'lar arası ilişki ve human-in-the-loop noktaları burada tanımlanıyor.
Agent
Domain bilgisi olan bir ekip üyesi. Bir konuyu çok iyi bilmeli ama her şeyi bilmemeli — uzmanlaşma takımı mümkün kılıyor.
Knowledge Base
CSV, Excel, PDF, Markdown ya da doğrudan GitLab repo'ları. Agent'ın cevaplarını gerçekliğe bağlayan katman.
Agent'lar birbirleriyle doğrudan değil, ortadaki bir host agent aracılığıyla konuşuyor; girdi ve çıktılar oradan geçiyor. Coding Team workspace'inde örneğin Coding Agent, kontrat testi yazan agent, PM'lerin task'ı daha iyi analiz etmesini sağlayan Jira Task Analyzer ve pipeline'lara yorum atan bir agent bir arada duruyor.
AkışSürükle-bırak tutmadı, yorum tuttu
İlk kurulum Jira'da "Ready for AI" adlı bir kolondu: task'ı oraya sürüklediğinde Coding Agent çalışıyordu. Benimseme düşük kaldı. Yerine çok daha küçük bir hamle geldi: Jira'ya yorum olarak yazılan bir start komutu. Aynı iş, tanıdık bir jestle.
Agent task'ı analiz ediyor, detaylı plan çıkarıyor, kodluyor ve yazılımcıya haber veriyor. Kod doğrudan canlıya çıkmıyor — mutlaka review'dan geçiyor, yazılımcı isterse geri gönderiyor.
Yüksek story point'te performans düşüyordu
Başarı tanımları net: bir task Coding Agent çıktısıyla review'dan geçtiyse başarılı sayılıyor. Düşük story point'li işlerde sonuç iyiydi — daha az yere dokunuyor, daha iyi tanımlanmış oluyor. Büyük işlerde ise takılıyordu.
Çözüm bir Planning Agent oldu. Kodlamaya başlamadan önce "şu projeye dokunacağım, şu kısmı değiştireceğim, şunu ekleyeceğim" diye yazılımcıya yazıyor. Yazılımcı kabul ediyor, reddediyor ya da yorum verip yeniden planlatıyor. Daha iyi planlama, daha iyi kod çıktısı demek oldu.
| Ölçüm | Değer |
|---|---|
| AI agent ile geliştirilen task | 2.000'den fazla |
| Standart bir task'ın geliştirme süresi | Yaklaşık 4,5 saat |
| Coding Agent ile | 30 dakikalara kadar |
| Kabaca kazanım | 9 kat |
Yazılım dışında dört kullanım
Barış Hasan Aras sunumun ikinci yarısında platformun iş tarafındaki karşılıklarını anlattı.
- Core domain soruları — Bir soru geldiğinde PM geliştiriciye, geliştirici koda bakıyordu. Artık domain'in kod tabanı ve dokümanları knowledge base olarak agent'a bağlı; "kargo verildi bilgisini nasıl anlarım" gibi sorular doğrudan cevaplanıyor.
- Push iletişim metinleri — Beş farklı bölgede beş farklı müşteri davranışı ve ton var. Her bölgenin yüksek CTR getiren örnekleri knowledge base'e konuyor, agent o tonu öğreniyor. Daha önce kocaman Excel'lerde elle puanlanan bir işti.
- Arama alakasızlık skoru — Agent bir arama terimi için ilk 40 sonuca bakıp alakalı/alakasız ayrımı yapıyor, bir skor üretiyor ve kategori ekibine aksiyon planı çıkarıyor. "Kahve arandığında ruj gelmemeli" örneği salonda tuttu.
- Legal bot — 600-700 sayfalık dokümanla beslenmiş; hukuk ekibinin tekrar tekrar araştırdığı soruları karşılıyor.
Arama tarafında dikkat çekici bir olgunluk farkı var: agent şimdilik yalnızca tespit ediyor, ardından ticket açıyor ve aksiyonu kategori ya da arama ekibi alıyor. Otomatik aksiyon sonraki fazda.
Legal tarafında halüsinasyonun önüne geçmek must oluyor. Çok katı kural tanımlarıyla, cevapların legal wording'in dışına çıkmamasını sağladık.
— Barış Hasan Aras, TrendyolPrompt yetmiyor, sistem gerekiyor
Konuşmadaki en tekrar edilebilir ders buydu: arkaya iyi bir prompt yazmak geçerli çıktı vermiyor. Kuralları her domain için ayrı tanımlamak gerekiyor — sipariş domeninde "kargo" başka bir parametreye karşılık geliyor, alternatif teslimat ayrı bir süreç. Bu yüzden jenerik bir destek agent'ı kurulamıyor; iş domain bazında kırılıyor.
Benimseme tarafındaki çözüm de aynı mantıkta: agent'lar Slack'e bağlanıyor. Platforma hiç girmeden, insanların zaten açık olan penceresinden prompt yazılabiliyor.
2026 yol haritası
Task creation'ı standartlaştırmak (standart girdi, standart Coding Agent çıktısı demek), planlama ve kodlama modellerini iki ayda bir gelen sürümlerle test etmeye devam etmek, görsel UX üretebilen agent'lar, dokümantasyonu otomatik güncel tutmak ve platforma bir chatbot destek katmanı — agent yaratma ve prompt yazma yardımcısı.
Hedef cümlesi de şu: platform teknoloji ekibinde kalmayacak. "Şirketteki herkes girip kendi otomasyonunu kurgulayabilsin" — yazılımdan başlamalarının sebebi de zaten oraya güvenle varılacak yolu öğrenmekti.


