1968'de yapılan çığır açıcı bir araştırma, Silikon Vadisi'ni onlarca yıl boyunca şekillendirecek bir şeyi ortaya çıkardı: en iyi yazılım mühendisleri, meslektaşlarından çok daha üretkendi. O günden beri her teknoloji şirketi, olağanüstü sonuçlar üretebilen bu nadir bireylerin peşinde.
Ocak ayında tatilden dönen ve sınır modellerindeki ilerlemelerle yapay zekaya iyice kaptırmış mühendislik ekibimiz, git worktrees, Claude Code ve Codex ile paralel olarak ajanlar çalıştırmaya başladı. Bazı görevlerde 5 kat daha fazla iş çıkarıyorlardı.
Bu da daha büyük bir soruyu gündeme getirdi: ajanlar bir ayda mühendisleri bu kadar daha üretken kılabiliyorsa, Sierra'daki herkesi bu noktaya getirmek için ne gerekiyordu? Bunu öğrenmek için altı kişilik bir yapay zeka hızlandırma ekibi kurduk. Bu blog yazısı, ne inşa ettiğimizi ve bu süreçte neler öğrendiğimizi anlatıyor.
1. Tekil Ajan
Rol bazlı ajanlardan oluşan bir grupla başladık: bir destek ajanı (PINE), bir veri analisti (Pinewood), bir mühendis (Pinecone) ve bir satış ajanı (Reggie Jr). Rol başına bir ajan mantıklı görünebilir, ancak pratikte başarısız oldu.
Yüzeysel olarak sorun, çalışanların hangi ajanın ne yaptığını hatırlamak zorunda olmasıydı. Çam temalı isimlere olan düşkünlüğümüz de işe yaramadı. Ancak daha derindeki sorun yapısaldı — en önemli işler ekipler içinde değil, ekipler arasında gerçekleşir.
Temelde şirketler, yapılması gereken işlerin bir koleksiyonudur. Bir ürünü piyasaya sürmeyi ele alalım. Bu, teknik ekiplerin yanı sıra satış, pazarlama, hukuk ve operasyon ekiplerini de içerir. Departmanlar, bir ekibin veya kişinin işin her kısmını yapamaması nedeniyle vardır. Yapay zeka, işi giderek daha fazla uçtan uca tamamlayabildiği için bu durumu değiştiriyor.
Bu yüzden tüm bu rol bazlı ajanları Pinecone'de birleştirdik: tek bir Slack kullanıcı adı, tek bir URL ve sorudan bitmiş sonuca kadar kesintisiz bir akışa sahip tek bir ajan. Pinecone, hangi sistemlerden veri çekeceğini ve bir taleple ne yapacağını kendisi belirler, böylece çalışanların bunu yapması gerekmez. Bu teknik olarak zor, ancak yapay zekanın amacı da bu: teknoloji, çalışanın değil, karmaşıklığı üstlenir.
Bu, platformumuzla daha önce öğrendiğimiz bir dersti. Sierra üzerine inşa edilen ajanlar tam hizmetlidir: tek bir ajan, ürün keşfiden hesap kurulumuna, sorun gidermeye, faturalandırmaya ve daha fazlasına kadar her şeyi halledebilir. Eski bir IVR sistemi gibi "satış için bir'e, destek için iki'ye basın" değil.
Her şeyi tek bir ajanda toplamak, sizi bir şirketteki değerin gerçekte yattığı yere — yapılması gereken işlere — çok daha yaklaştırır. Her iyileştirme tüm işletmeye fayda sağlar, böylece herkes daha iyi ve daha hızlı hale gelir.
2. Proaktif, Tepkisel Değil
Çoğu iş tek bir oturuşta tamamlanmaz. Ekipler öğrendikçe, öncelikler değiştikçe ve yeni bilgiler ortaya çıktıkça günler, haftalar hatta aylar sürebilir. İstendiğinde ortaya çıkan ve oturum sona erdiğinde kaybolan bir ajan ancak bu kadar işe yarar. Pinecone, tüm süreç boyunca kalıcıdır — bağlamı ileri taşır ve iş parçasını, yalnızca bireysel talep değil, iş tamamlanana kadar devam ettirir.
Kalıcılık aynı zamanda Pinecone'u proaktif kılar. Sorulmasını beklemek yerine, bir sonraki adım hazır olduğunda harekete geçebilir — bir yapıtta bir webhook tetiklenir, Linear'a bir görev düşer, bir inceleme gelir. Bağlamı toplar ve bir ilk geçiş yapar, yargılarının gerekli olduğu noktada insanları dahil eder. Toplantıdan önce hazırlık notları hazır bekler. Puanlarınızı eklemek için oturmadan önce mülakat özetleri taslak haline getirilir. İncelemeler, özetler, temel riskler ve önerilen yorumlarla birlikte gelir. Amaç daha fazla bildirim değil. Daha az yarım kalmış işin gelmesidir.
Bunu henüz tam olarak çözemedik — çoğu oturum hala bir insan komutuyla başlıyor — ancak bu ilişkiyi tersine çevirmek, yani ajanların gerektiğinde insanlara komut vermesi, kalıcılığın bizi götürdüğü yerdir.
3. İş Bağlamı Darboğazdır, Zeka Değil
Yapay zekadaki darboğaz ham zekaydı — bir modelin yeterince akıllı olup olmadığı. Bugün, sınır modelleri çoğu iş ihtiyacı için yeterince yeteneklidir. Bu nedenle darboğaz bağlama kaydı: şirketinize, iş akışlarınıza, geçmişinize ve hiçbir eğitim setinde yer almayan karar anlarına özgü olan şeyler.
Ocak ayında, ekibimizden iki kişi, Claude Code ve Opus 4.6 kullanarak, Model Context Protocol (MCP) ve komut satırı araçları aracılığıyla sistemlerimize bağlanan bir veri analisti ajanını bir araya getirdi. Fazladan bir yönlendirme olmadan, bir müşteri sorununu Slack, GitHub, ClickHouse, Salesforce ve PagerDuty üzerinde dakikalar içinde araştırabiliyordu. Eskiden bir öğleden sonrayı tüketen iş, hata ayıklama ve olay müdahalesinde ilk adım haline geldi.
Aynı model, hata ayıklamanın çok ötesine uzanır. Tam bağlama sahip bir ajan, bir müşteri toplantısı hazırlayabilir, bir hesabı araştırabilir, bir sözleşmeyi veya RFP'yi inceleyebilir, bir ürün kararının izini sürebilir ve dağınık çalışmaları bitmiş bir yapıta dönüştürebilir. Elbette, bir ajana tüm bu bağlama erişim izni vermek yeni bir sorunu beraberinde getirir. Kısıtlanmamış bir ajan, büyük bir güvenlik ve gizlilik riskidir. MCP Gateway'miz bunu çözer: Pinecone, her çalışanın erişimini devralır, her araç çağrısında politikayı uygular, müşteri verilerini izole eder ve bir denetim izi bırakır.
görsel açıklamasını oku
ALT
Sierra MCP Gateway, ajanları 37 sisteme bağlar
Pinecone, Claude Code ve Codex üzerine inşa edilmiştir. Bu araçların sık sık iyileştirilmesi bir avantajdır, ancak teknolojinin en ileri noktası sürekli değişir — bir model planlamada en iyi olabilirken, bir diğeri kodlamada, bir başkası ise yazıda en iyi olabilir. Modellerin üzerindeki katmana sahip olmak, her görevi doğru modele yönlendirmemize, kesinti sırasında yedekleme yapmamıza ve maliyeti yönetmemize olanak tanırken, tek bir oyuncunun insafına kalmamızı da engeller. Ancak kalıcı avantaj, temel modele sahip olmak değil; her modeli daha kullanışlı kılan bağlama, iş akışlarına ve yönlendirme katmanına sahip olmaktır.
Ayrıca Pinecone'un hayal kurmasına izin vermeyi deniyoruz: her günkü çalışmalarını yansıtarak kendi becerilerinde iyileştirmeler önermesi. Zamanla, bu, yalnızca Sierra için çalışan bir ajan ile Sierra'dan öğrenen bir ajan arasındaki farktır.
4. Ajan Arayüzdür, Kayıt Sistemi Arkayüz
Her iş parçası somut bir şey, bir yapıt üretir. Kodlama ajanları ilk önce kendilerininkini buldu: çekme isteği (pull request). Diğer her departmanın kendi eşdeğeri vardır — bir müşteri hikayesi, bir sözleşme, bir RFP anketi, bir sunum dosyası, bir performans değerlendirmesi.
Yapıtlar hem girdi hem de çıktıdır. Ajanlara işi yapmaları için gereken bağlamı sağlarlar — ve bitmiş işin ait olduğu yer de onlardır. Pinecone'dan bir sunum dosyasını sıkılaştırmasını isteyin, size neyi değiştirmeniz gerektiğini söyleyen bir sohbet mesajı değil, dosyanın kendisi güncellenmiş olarak geri gelir.
Kayıt sistemlerinizle çalışmanın, onları değiştirmekten daha iyi olduğunu gördük. GitHub PR'yi, Salesforce hesabı ve Linear ise görevi tutar — ajan bunların arasındaki katmandır.
Bu sistemleri değiştirmek, onlarca yıllık olgun yazılımı yeniden oluşturmak anlamına gelir. Daha da kötüsü, şirketi ikiye böler: ajan aracılığıyla çalışan insanlar ve orijinal araçlarda doğrudan çalışan insanlar, her biri kendi gerçeklik versiyonuna sahip olur. Bizim tahminimiz, bu ürünlerin zamanla daha çok arkayüz haline geleceği ve ajanın birincil arayüz olacağı yönünde.
5. Sonuçlar, Sadece Faaliyet Değil
Pinecone'un Mart ayındaki ilk işlemesinden bu yana, 600'den fazla kişi için 75.000'den fazla oturum çalıştırdı. Bugün, PR'larımızın %70'i onun aracılığıyla açılıyor ve yüzlerce otomasyon, kimsenin açıkça komut vermediği işleri sessizce hallediyor.
Bunun gibi rakamları öne çıkarmak caziptir ve başlangıçta takip edilmesi gereken doğru şeylerdir — bir şeyin bir yol haritası slaydında tozlanmak yerine gerçekten kullanıldığına dair kanıttırlar. Ancak çalıştırılan oturumlar ve yapılan araç çağrıları faaliyettir, sonuç değil. Bir ekip, aşağı akışta hiçbir şey düzelmeden etkileyici görünen bir benimseme tablosu oluşturabilir — aynı sayıda hata, aynı çevrim süreleri, sadece bunları üretmek için daha fazla yapay zeka dahil olmuştur.
Bu nedenle token kullanımı başlamak için iyi bir yerdir. Ekiplerin, bir aracın işe yarayıp yaramadığını ölçmeden önce onu kullanma alışkanlığı edinmesi gerekir. Ancak değerin olduğu yer burası değildir ve hikayenin burada bitmesini istemeyiz. Daha iyi sormaya çalıştığımız soru, bir ajanın ne kadar iş yaptığı değil, onun sayesinde gerçekte neyin değiştiğidir: bir anlaşma daha hızlı kapanıp kapanmadığı, bir müşterinin sorununun ilk seferde çözülüp çözülmediği, birinin bir incelemeyi gece geç saatlere kadar bitirmek yerine akşamını geri kazanıp kazanmadığı.
Bunu henüz iyi bir şekilde ölçemiyoruz. Oturumları ve araç çağrılarını saymak daha kolay. Ancak bu boşluk — bugün ölçebildiklerimiz ile gerçekten önemsediğimiz şey arasındaki fark — bir sonraki inşa etmeye çalıştığımız şeydir.
1968'deki araştırma, en iyiler ile diğerleri arasında 10 katlık bir fark buldu ve elli yıl boyunca tek cevap, bu nadir insanları avlamaktı. Şimdi daha iyisi var: herkese, azınlığın avantajlarına sahip olmaları için bir ajan verin. Amaç sadece daha fazla iş çıkarmak değil. İnsanlara, yalnızca insanların yapabileceği işler için daha fazla zaman kazandırmaktır: muhakeme, zevk, yaratıcılık ve ilişkiler kurmak.
Sırada Ne Var?
İnşa ettiğimiz sistemler hakkında daha derinlemesine incelemeler yapacağız:
- Allen Chen Pinecone, sayısız iterasyonu ve arkasındaki teknik mimari hakkında
- Mihai Parparita MCP Gateway ve tam bağlamın güvenli bir şekilde toplanması hakkında
- Rohith Ravi Agency, tüm bunların altındaki altyapı hakkında
