Lonca ev sahipliğinde bankacılıktan e-ticarete, ajanslardan teknoloji şirketlerine ekiplerle agent'ların bugün ne kadar gerçek iş yaptığını, yönetimin ne kadar arkasında durduğunu ve dönüşümü kimin sahiplenmesi gerektiğini konuştuk. Anket sonuçları ve Yapay Zeka Fabrikası panelinden çıkan dokuz bulgu bu sayfada; senin ekibin nerede duruyor, yan yana koyup bak.

Ekibinde agent'lar bugün gerçekten iş yapıyor mu, yoksa hala bir soru-cevap penceresi mi? 10 Kasım'da Lonca Girişimcilik Merkezi'nde bu soruyu bankacılıktan e-ticarete, ajanslardan teknoloji şirketlerine ürün, tasarım ve operasyon tarafından insanlarla konuştuk. Gün Lonca girişimi Upsonic'in hikayesiyle açıldı, ardından Yapay Zeka Fabrikası'ndan Semih Dilsiz ile "Agent çağında değer nerede?" panelini yaptık. Masa iki turda ilerledi: önce beş soruluk anonim bir anket, sonra cevaplar üzerinden sohbet. Rakamlar bu anketten geliyor. Örneklem küçük; eğilim gösteriyor, genellemeye izin vermiyor.
Katılımcılar ekiplerinde agent'ların ne kadar gerçek iş yaptığını 1 (hiç, sadece soru-cevap) ile 5 (uçtan uca iş yürütüyorlar) arasında puanladı. Ortalama 2,8. Agent artık sadece bir sohbet penceresi değil, ama işi baştan sona taşıdığı yer de az.
Masada anlatılan, bugün çalışan örnekler:
"En çok kullandığın agent hangi işi yapıyor?" sorusuna 22 cevap geldi. Doküman, sunum ve teklif hazırlama, araştırma ve benchmark, kodlama, PRD ve UX writing başı çekiyor. İş takibi, triyaj ve periyodik kontrol gibi operasyon işleri de listede.
Eran Filiba'nın beklenti notu: Agent hataların hepsini bulmasa da yüzde 50 ile 80'ini bulması zaten kazanç. Beklentiyi doğru kurmak, aracı doğru seçmek kadar önemli.
Agent'ları kimin kurduğu çoğu şirkette ölçülmüyor. Çalışanlar kendi ihtiyaçları için kuruyor; bir agent sürekli çalışacaksa IT'nin guardrail ve onay sürecinden geçip canlıya alınıyor.
Model tercihinde kademeli bir yaklaşım konuşuldu. Vendor lock-in'den kaçmak için açık kaynak karşılığı olan yerde açık kaynak, yüksek kabiliyet isteyen işlerde Claude gibi güçlü modeller, basit işlerde daha düşük maliyetli modeller. Güvenlik sorusu da masaya geldi: Bir katılımcı, model sağlayıcıların bile güvenlik olayı yaşayabildiğini hatırlattı.
Agent kullanımının yukarıdan ne kadar desteklendiği sorusu 2,9 aldı (1: kendi çabamızla, 5: yönetim önceliği, bütçe var). Cevaplar ortada toplanmadı; destekleyenler ve desteklemeyenler diye iki uç oluştu.
Teknolojiye yakın kurucuların yönettiği şirketlerde talep yukarıdan geliyor. Kimya, tekstil gibi klasik aile ve sanayi şirketlerinde ise konu neredeyse hiç bilinmiyor. Eran'a göre en büyük verimlilik potansiyeli de tam bu geleneksel sektörlerde.
Masa desteğin tanımında birleşti: bütçe ayırmak, vizyona ve performans hedeflerine koymak, sürekli takip etmek. "AI kullanmak için AI kullanmak" destek değil. Yapılanların paylaşıldığı ama sonuç üretmeyen girişimler bunun örneği olarak konuşuldu.
Bir katılımcının aktardığı örnek iyi karşılandı: Yaklaşık 2.200 kişilik bir şirkette yönetim "ekibe 20 AI agent katılacak" diye duyurmuş. Kimse çıkarılmıyor, yeni işe alım yerine agent geliyor. Korku yaratmadan yön gösteren bir vizyon cümlesi.
Ankete düşük puan verenlerin ağırlığı bankacılık tarafındaydı. Araçlar kapalı ya da ciddi kısıtlı; bazı çalışanların kişisel bilgisayar ve hesaplarla deneme yaptığı anlatıldı. Eran benzer serzenişi sağlık ve finans tarafından da sık duyuyor: "AI-native olmak istiyoruz ama imkan vermiyorlar."
Karşı örnek olarak Turkcell'in iç asistanı TeknoCan konuşuldu. Model seçimi kullanıcıya görünmese de scheduled task, proje ve kendi agent'ını kurma gibi özellikler ekleniyor. Eran'ın okuması: Bütçeyi arkasına koymak vizyonu gösteriyor. Regüle sektörlerde çalışanın AI'a güvenli erişimini nasıl sağlayacağımız masada açık kalan soru oldu.
"Agent'larla çalışırken seni en çok zorlayan ne?" sorusuna gelen 14 cevap üç başlıkta toplanıyor:
Bir cevap ayrıca not edilmeye değer: "Robotik olması. You're absolutely right! Gereğinden fazla şey inşa etmeye yönlendirmesi." Her şeye hak veren ve kapsamı büyüten bir agent, kontrol yükünü insana geri yüklüyor.
"12 ay sonra işinin ne kadarını agent'lar yapıyor olacak?" sorusu 3,4 aldı (1: neredeyse hiç, 5: büyük kısmını). Ölçek bugünkü soruyla birebir aynı değil, ama yön net: Katılımcılar bir yıl içinde işin daha büyük bir kısmının agent'lara geçmesini bekliyor.
Eran'ın tezi: Çalışan maliyetinin üzerinde değer yaratılıyorsa şirket insan çıkarmaz, büyür. Bugünkü çıkarmaların ana sebebi ekonomi; AI çoğu zaman bahane. Hemşirelik örneğini verdi: Meslek tanımı değişiyor ama kaybolmuyor, 30 yıl önceki hemşirelikle bugünkü de aynı değildi.
Masadan gelen iki gerçeklik bu tezi sınadı:
Büyük şirketlerden gelen katılımcıların ortak şikayeti aynıydı: Herkes kendi başına bir şey üretiyor, kimin neyi yapacağı belirsiz, ortak süreç oturmuyor. Eran üç koşullu bir çerçeve önerdi:
Süreç keşfi için masadan gelen yöntem eski bir ürün yöneticisi alışkanlığı. Çalışan kendi işini tam anlatamıyor; bu yüzden bazı şirketler yanına bir gözlemci koyup bir gününü izliyor.
Sen bana gününü anlat, ben oradan zaten bulacağım.
- Eran Filiba, Brick Institute
Kapanış da buraya bağlandı. Developer, tasarımcı ve data analistinin becerileri artık tek araçta; çıktı üretmek kolaylaştı. Asıl beklenti hangi problemi çözdüğün, stratejinin neresine hizmet ettiğin ve kullanıcıda etki yaratıp yaratmadığın. Herkesin biraz ürün yöneticisi, hatta biraz girişimci gibi düşünmesi gerekiyor.
Herkes şu an Türkçe ve İngilizce konuşarak dünyaları yaratabilir durumda.
- Eran Filiba, Brick Institute
Panelde Yapay Zeka Fabrikası Genel Müdür Yardımcısı Semih Dilsiz, agent çağında değeri yatırımcı ve girişimci gözünden anlattı. İş Bankası'nın yalnızca AI-native girişimlere yatırım yapan şirketi bugüne kadar yaklaşık 35 girişime yatırım yaptı; bilet büyüklüğü 100 ile 500 bin dolar arası. AI-native tanımı net: AI'ı çıkardığında girişimin iş yapamaması gerekiyor. "Dashboard'u AI ile oluşturuyorum" yetmiyor.
Semih'e göre asıl değer yatırımdan çok kurumla girişimi buluşturmak. Yılbaşından beri yaklaşık 900 tanıştırma yapmışlar; İş Bankası ve iştirakleriyle yapılanların yüzde 25'i iş birliğine dönüyor. Tanıştırma isteyen girişimden deck istemiyorlar, kısa bir not yetiyor: Kiminle tanışmak istiyorsun, onun hangi problemini çözeceksin, o sektörde daha önce bir şey yaptın mı?

Bir kuruma hızlı dönmediğinde, tekrar o kurumun sana cevap vermesi bir, bir buçuk yılı bulabiliyor.
- Semih Dilsiz, Yapay Zeka Fabrikası
Çok teknik bir ürünü basitçe anlatamayan girişim, kurumdaki ilk muhatabı ikna edemiyor. Kazanan formül dört parçalı: net bir use case, kurumun anlayacağı ortak dil, aynı sektörde önceki bir örnek ve kurum döndüğünde hızlı POC.
Semih'in aktardığı araştırma verisine göre B2B SaaS tarafında kurumların yaklaşık yüzde 32'si "bunu içeride çözdük, dışarıya para vermeyelim" demeye başladı. Öte yandan AI'daki hıza yetişemeyeceğini fark eden kurumlar, iyi bir dikeyde uzman bir girişimle çalışmaya daha istekli.
Ama bütçeler sıkı. Verimlilik getirse de büyük kazanç getirmeyen işler erteleniyor; portföydeki bazı girişimlerin kurum girişleri 3 ila 6 ay kaydı. Panelden çıkan öneriler:
Kurumların girişimden çözmesini istediği işler de bu çerçeveye oturuyor: kestirimci bakım ve sanayi verisini karara çevirmek, siber güvenlik, compliance, binlerce başvuruyu önceliklendirmek. Ortak payda, kurumun "çözebilseydim zaten çözerdim" dediği ve ana odağını dağıtmak istemediği işler. Eran'ın kapanış notu: Tanıştırma istemek kayırma değil, sosyal bir kolaylaştırıcılık. Endeavor'da en çok desteği en çok isteyenler alıyordu.
AI Roundtable'ın ilk buluşmasında (Ocak 2026, Lonca) soru AI'ın gerçekten nerede ölçülebilir değer ürettiğiydi; odak doğru iş, doğru akış ve ölçümdü. Dokuz ay sonra gündem bir adım ileri gitti. Ekipler artık sadece soru sormuyor; görev üstlenen, araç kullanan ve bir iş akışını baştan sona yürüten agent'lar kuruyor.
Bu masayı, agent'larla çalışan ekiplerin neyi devrettiğini, neyi insanda bıraktığını ve yol boyunca ne öğrendiğini yan yana koymak için kurduk. Lonca bu kez de ev sahipliği yaptı.

Lonca'daki agent masasından dokuz bulgu: agent'lar gerçek işe başladı, destek ve sahiplik henüz yarı yolda.

RevenueCat ve Neon Apps ile mobil monetization masasından altı bulgu: fiyattan memnuniyet orta, deney yetersiz, testler LTV görülmeden kapanıyor.

Sahibinden'in ev sahipliğindeki masadan yedi bulgu: ekipler araç denemeyi bıraktı, araştırmadan tasarım sistemine kendi iç ürünlerini kuruyor.

Agentic commerce masasından altı bulgu: görünür olmaya hazırız, ajanın alışverişi bitirmesine henüz değil.
Tasarım, ürün ve yapay zekadan seçtiğimiz en iyi okumalar, iki haftada bir çarşamba posta kutunda.