En İyi Agent Experience (AX) Ajansını Nasıl Bulursunuz?

Agent Experience ekiplerinin ürün başarısındaki rolü

UX ekipleri, kullanıcıların ürünle nasıl etkileşime geçtiğini anlamak ve bu deneyimi iyileştirmek için vardı. Kullanıcı psikolojisini, davranış modellerini ve pazar dinamiklerini okurlardı. Bu rol kaybolmadı, genişledi. Çünkü ürünün artık iki kullanıcısı var.

Birinci kullanıcı insan: ekrana bakıyor, kaydırıyor, tereddüt ediyor, tıklıyor. İkinci kullanıcı yapay zeka ajanı: ChatGPT, Claude, Perplexity ve Gemini sitenizi okuyor, ürününüzü rakiplerle karşılaştırıyor, formunuzu dolduruyor ve kullanıcısına sizi önerip önermeyeceğine karar veriyor. Ajan kaynaklı istek hacmi son bir yılda hızla büyüdü ve özellikle B2B tarafında satın alma araştırmasının önemli bir bölümü artık doğrudan bir asistan üzerinden yapılıyor.

Agent Experience (AX), yapay zeka ajanlarının bir web sitesini, yazılımı veya API'yi ne kadar kolay, güvenli ve hatasız kullanabildiğinin tasarımıdır. Bu deneyim dört katmanda kurulur: ajanın sizi bulabilmesi (erişim), doğru anlaması (bağlam), sizin adınıza işlem yapabilmesi (araçlar) ve çok adımlı bir işi baştan sona tamamlayabilmesi (orkestrasyon).

İyi bir AX ekibi, tıpkı iyi bir UX ekibi gibi yalnızca tasarım sağlayıcısı değildir. Ürününüzün ajan çağındaki potansiyelini açığa çıkaran stratejik bir ortaktır. Farkı şurada: yalnızca insanın gözünden değil, makinenin okuma mantığından da bakar. Şeması eksik bir ürün sayfası insan için kusursuz görünürken ajan için fiyatı belirsiz bir üründür. Bu boşluğu görebilen ekip, hatalı yatırımları ve zaman kaybını önler.

Şirket içi ekip mi, dışarıdan destek mi?

UX döneminde bu soru "tasarımcı mı işe alalım, dışarıdan mı çalışalım" şeklindeydi. AX döneminde daha karmaşık, çünkü tek bir uzmanlık yetmiyor.

Şirket içi bir ekip ürünü ve veriyi yakından tanır, süreçlere doğrudan dahil olur, uzun vadeli iyileştirmeye odaklanabilir. Ama Agent Experience bir kişinin taşıyabileceği bir yük değil. Yapılandırılmış veri ve semantik HTML bilen bir ön yüz mühendisi, API ve MCP sunucusu kurabilecek bir arka uç geliştirici, yapay zeka arama motorlarındaki görünürlüğü ölçebilecek bir analist, insan-ajan arayüzlerini tasarlayacak bir UX araştırmacısı ve güvenlik ile yönetişim çerçevesini kuracak biri gerekir. Bu ekibi sıfırdan kurmak aylar alır ve alan hızla değişir: ajan protokolleri (MCP, WebMCP, AP2, ACP) çeyreklik güncellenir.

Dışarıdan bir ekip bu çok disiplinli yapıyı hazır sunar. Onlarca sitede aynı sorunları görmüş olmanın getirdiği örüntü bilgisi vardır: hangi güvenlik duvarı kuralının hangi botu sessizce engellediğini, hangi şema hatasının görünmezliğe yol açtığını, hangi llms.txt yapısının ajan başarısını düşürdüğünü bilir. Ölçüm altyapısını ve araçları getirir, siz lisans ve deneme maliyetini ödemezsiniz.

Pratikte en iyi model karma modeldir: dış ekip ilk denetimi yapar, yol haritasını kurar, ilk 90 günlük dönüşümü yönetir ve ölçümü sürdürür; şirket içi ekip uygulamayı ve bakımı devralır. İyi bir ortak size bağımlılık değil, yetkinlik bırakır.

Deneyimli bir AX ekibini ayırt etmenin yolları

Piyasada "AI görünürlük", "GEO" ve "agentic" kelimelerini kullanan sağlayıcı sayısı hızla arttı. Yetkin olanı ortalama olandan ayıran birkaç somut ölçüt var.

Ajanın gözünden ölçüyor mu?

UX tarafında "kullanıcı testi yapıyor musunuz" sorusunun karşılığı, AX tarafında "ajan görev simülasyonu yapıyor musunuz" sorusudur. İyi bir ekip gerçek ajanlarla sitenizde tanımlı görevler çalıştırır, ajanın hangi adımda koptuğunu kayıt altına alır ve bunu 0-100 arası bir skorla raporlar. "Sitenizi AI dostu yaparız" deyip bunu nasıl ölçtüğünü söyleyemeyen ekip sezgiyle çalışıyordur.

Portföyünde sonuç var mı, yalnızca teslimat mı?

UX portföyünde "dönüşüm şu kadar arttı" ararsınız. AX portföyünde şunları arayın: yapay zeka cevaplarında atıf oranı artışı, ajan işlem tamamlama oranı, agent-readiness skorunda ölçülmüş yükseliş, otonom çözüm oranı. "llms.txt ekledik, 200 şema yerleştirdik" bir teslimat listesidir, sonuç değil.

Teknik derinliği var mı?

Şu üç soruyu sorun ve cevapların netliğine bakın. Şema ile görünür HTML arasındaki ilişkiyi nasıl kuruyorsunuz? Doğru cevap: şema tek başına yetmez, yapay zeka tarayıcılarının çoğu görünür metni okur. llms.txt dosyasını nasıl yazıyorsunuz? Doğru cevap: kısa, elle ve doğrulanmış; şişirilmiş dosyalar ajan başarısını düşürür. MCP sunucusunda yetkilendirmeyi nasıl kuruyorsunuz? Doğru cevap: sıfır güven, kesin sınırlar, insan onay noktaları. Bu üç soruya pazarlama diliyle cevap veren ekipten uzaklaşın.

Metodolojisi şeffaf mı?

Deneyimli bir ekip size sırasını anlatır: önce erişim, sonra okunabilirlik, sonra veri, sonra görünürlük, sonra protokol, sonra işlem, sonra ölçüm. Bu sırayı atlayan yatırım boşa gider; botları engelli bir sitenin kusursuz MCP sunucusu kimseye ulaşmaz. Zinciri anlatmadan doğrudan "yapay zekada birinci olursunuz" diyen ekip sıralamayı bilmiyordur.

Ekip kompozisyonu doğru mu?

UX'te araştırmacı, tasarımcı ve ürün stratejisti dengesine bakardınız. AX'te buna en az iki kişi eklenir: yapılandırılmış veri ve semantik HTML bilen bir mühendis ve API ile protokol tarafını kuran bir geliştirici. Ekipte yalnızca içerik ve tasarım insanı varsa erişim ve araç katmanları kurulamaz.

Kendi sitesi ajanlara hazır mı?

En basit test. Karşınızdaki ekibin kendi sitesini bir agent-readiness aracıyla tarayın. robots.txt dosyasında ajan botlarını engelleyen, llms.txt dosyası olmayan, şeması kırık bir ekip size bu hizmeti veremez. Terzi kendi söküğünü dikmiyorsa sizinkini de dikmez.

Kaçınmanız gereken kırmızı bayraklar

Bu alan yeni ve düzenlemesiz; UX'te yıllar içinde oluşan kalite standartları henüz oturmadı. Şu işaretlerden biri varsa dikkat edin.

• Garantili yapay zeka sıralaması vaadi. Yapay zeka cevaplarında yer alma deterministik bir sıralama değil, olasılıksal bir seçimdir. Kimse garanti veremez.
• Tek bir dosyayı sihirli çözüm olarak satmak. llms.txt faydalıdır ama tek başına yetersizdir; bazı ajanlar okur, bazıları okumaz.
• Ölçüm önermeden uygulamaya başlamak. Taban ölçümü olmayan projede başarı kanıtlanamaz.
• Şema yığmak. Sayfaya ilgisiz onlarca şema eklemek görünürlük getirmez; varlık tutarlılığı getirir.
• Tek motora odaklanmak. Farklı yapay zeka motorlarının kaynak örtüşmesi düşüktür; yalnızca tek bir asistana optimize eden ekip diğerlerini kaçırır.
• Karanlık desenleri dönüşüm optimizasyonu diye önermek. Sahte aciliyet ve utandırma butonları insanı sinirlendirir, ajanı durdurur.
• Yönetişimi hiç konuşmamak. Para ya da kişisel veri içeren ajan işlemlerinde insan onay noktası, KVKK ve GDPR çerçevesi ve denetim izi önermeyen ekip riski size bırakıyordur.
• Sözleşmede saat var, kilometre taşı yok. "Feed doğrulandı", "erişim skoru 80 üstü" gibi doğrulanabilir teslim noktaları isteyin.

AX brifingi: sağlam bir iş birliğinin temeli

Doğru ekibi seçtikten sonra en önemli adım iyi bir brif. UX brifinin omurgası (sorun, hedef, kapsam, ürün bilgisi, başarı kriteri, bütçe ve zaman) aynen kalıyor; üzerine ajan çağına özgü maddeler ekleniyor.

Sorunun tanımı. Yalnızca "kullanıcılar nerede zorlanıyor" değil, "ajanlar nerede kopuyor" da. Biliyorsanız yazın: "ChatGPT ürün fiyatımızı yanlış söylüyor", "Perplexity bizi hiç kaynak göstermiyor", "ajanlar teklif formumuzu tamamlayamıyor".

Mevcut agent-readiness durumu. Brif öncesi sitenizi ücretsiz bir araçla tarayın ve skoru brife ekleyin. Ekip sıfırdan keşfe zaman harcamaz, siz de tekliflerin aynı taban üzerinden geldiğini bilirsiniz.

Hedef ajanlar ve kullanım senaryoları. Hangi ajanların sizi kullanmasını istiyorsunuz? Alışveriş asistanları mı, B2B satın alma ajanları mı, müşteri hizmetleri ajanları mı? Ajanın sitenizde tamamlamasını istediğiniz iki üç somut görevi yazın: "ürün bul, karşılaştır, sepete ekle", "kurumsal teklif al", "randevu oluştur".

Teknik envanter. API'niz var mı, dokümante mi? Sitenin render mimarisi nedir? Ürün feed'iniz var mı, güncel mi? Hangi içerik yönetim sistemi ve hangi güvenlik duvarı? Bu bilgiler olmadan erişim ve araç katmanı planlanamaz.

Veri ve yetki sınırları. Ajanların hangi veriye erişebileceği, hangi işlemi kendi başına yapabileceği, hangisinde insan onayı gerekeceği. KVKK ve GDPR çerçevesi. Bu, brifin en çok atlanan ve en pahalıya patlayan maddesi.

Başarı kriterleri. Yeni nesil metriklerle: yapay zeka cevaplarında atıf oranı, agent-readiness skoru, ajan işlem tamamlama oranı, otonom çözüm oranı. Klasik metrikler de kalır; ikisi birlikte okunur.

İç süreçlerin şeffaflığı da UX dönemindeki kadar önemli: kiminle konuşulacağı, robots.txt ve güvenlik duvarı gibi kritik dosyalara kimin dokunabileceği, kimin onay vereceği. Erişim katmanındaki bir düzeltme çoğu zaman bilgi işlem ekibinin bir kuralı açmasına bağlıdır; o kişi brife dahil değilse proje ilk haftada durur.

AX ekibinde olması gereken temel özellikler

UX tasarımcısı için saydığımız nitelikler (empati, araştırma ve analiz, iletişim, problem çözme) hâlâ geçerli. AX ekibinde bunlara beş yetkinlik eklenir.

Makine okuma mantığını anlamak. Bir ajanın sayfayı nasıl gördüğünü bilmek: erişilebilirlik ağacı, DOM sırası, semantik HTML, yapılandırılmış veri. Bu, tasarımcı için yeni bir empati türü.

Bağlam mühendisliği. Ajanlara doğru ve yeterli bilgiyi gürültüsüz sunabilmek. llms.txt, AGENTS.md ve dokümantasyon tasarımı. Az ama doğru yazma disiplini.

Protokol okuryazarlığı. MCP, WebMCP, AP2 ve ACP gibi standartları takip edebilmek ve hangisinin bugün sizin için anlamlı olduğunu söyleyebilmek. Hepsini önermek değil, doğru olanı seçmek.

Güven ve kontrol tasarımı. İnsanla ajanın aynı arayüzü paylaştığı akışlarda kontrol, şeffaflık, geri alınabilirlik ve onay noktalarını tasarlamak. Microsoft'un Human-AI Interaction kuralları ve HAX çerçevesi bu alanın temel kaynaklarıdır.

Ölçüm ve dürüstlük. Yapay zeka trafiğinin bir kısmının hiçbir kurulumla yakalanamadığını, piyasadaki istatistiklerin çoğunun tek kaynaklı olduğunu ve tek geçerli kanıtın kendi taban ölçümünüz olduğunu söyleyebilmek. Size iyi haber vermek yerine doğru haber veren ekip.

İletişim becerisi burada eskisinden daha kritik. AX projesi pazarlama, ürün, yazılım, bilgi işlem ve hukuk arasında köprü kurar. Bu masaların hepsine aynı şeyi anlaşılır anlatamayan ekip projeyi taşıyamaz.

Doğru AX ortaklığının katkıları

İyi seçilmiş bir AX ortağı proje tedarikçisi değil, uzun vadeli büyüme ortağıdır. Farkı, büyümenin yeni kanalını açmasıdır.

Doğru ortakla çalıştığınızda markanız yapay zeka cevaplarında doğru şekilde bulunur ve alıntılanır; ajanlar müşteriniz adına sizinle hatasız işlem yapar; müşteriniz ajanın yaptıklarını görür ve kontrol eder. Erişim, şema ve veri katmanında yapılan düzeltmeler yalnızca ajanlara değil, erişilebilirliğe ve klasik arama görünürlüğüne de yarar; aynı yatırım üç kanalı birden besler.

Ortak, ajan odaklı düşünmeyi kurum kültürünüze taşır: ürün ekibi yeni bir sayfa açarken "ajan bunu okuyabilir mi" diye sormaya başlar. Bu soru bir kez yerleştiğinde yeniden tasarım maliyetleri düşer ve her yeni özellik ajan-hazır doğar. Aynı disiplinin en küçük ölçekteki karşılığını CTA butonu yazımızda anlatmıştık.

Belki en önemlisi zamanlama. Yapay zeka ajanlarının web'i yeniden şekillendirdiği bu dönemde markaların büyük çoğunluğu henüz görünmez ya da yalnızca okunabilir seviyede. Doğru ortakla erken hareket eden marka, düşük rekabet ortamında yapısal bir avantaj kazanır. Rakipleriniz bu sayfayı okumaya başladığında siz çoktan ölçüyor olursunuz.

Dürüstlük gereği: Webtures da Agent Experience hizmeti veriyor. Yukarıdaki ölçütleri bize de uygulayın. Sitemizi tarayın, portföyümüzde sonuç arayın, üç teknik soruyu bize de sorun. Karar sizin.