Yazar: Lu Shiming

Manus'un ortaya çıkışı teknoloji ve sermaye piyasalarında çift şoka yol açtı. Bir süre, AI Agent ile ilgili konsept hisse senetleri toplu olarak yükseldi ve Alibaba, Google ve Microsoft gibi teknoloji devleri yoğun bir şekilde akıllı ajan araştırma ve geliştirme planları yayınladı...

Bu eğilimin arkasında, yapay zeka teknolojisindeki paradigmanın "pasif tepki"den "aktif uygulamaya" doğru kayması yatıyor.

Pazarda karışık eleştiriler olmasına rağmen, Manus'un atılımının, karmaşık senaryolarda genel bir yapay zeka aracının ticari uygulanabilirliğini doğrulayan ilk uygulama olmasında yattığı inkar edilemez.

Geleneksel büyük dil modelleri metin üretebilse de, kapalı bir döngüde görevleri gerçekleştirmeyi zor bulurlar. Manus, büyük AI modellerinin bilişsel yeteneklerini "planlama-doğrulama-yürütme" mimarisi aracılığıyla üretkenlik araçlarına dönüştürür.

McKinsey ve diğer kurumlardan gelen çok sayıda yetkili rapora göre, çeşitlenen talepler tarafından yönlendirilen AI ​​Agent pazarı patlayıcı bir büyüme yaşıyor. 2024'te küresel AI Agent pazar büyüklüğünün yaklaşık 5,1 milyar ABD doları olması ve 2030'da %44,8'lik bileşik yıllık büyüme oranıyla 47,1 milyar ABD dolarına yükselmesi bekleniyor.

Ancak bu "akıllı ajanlar dalgası"nın yolu hiç de kolay değil. Teknik darboğazlar ile ticari hedefler arasındaki çarpışma, AI Ajanlarının rekabetini hem yaratıcı hem de riskli hale getiriyor.

Duvar Savaşı

AI Agent özünde insan düşünme paradigmasına sahip dijital bir iş gücüdür.

Eğer chatbot hala "diyalog" aşamasındaysa, Agent zaten "aksiyona" başlamıştır. Basitçe ifade etmek gerekirse, yalnızca soruları yanıtlayabilen değil, aynı zamanda görevleri yerine getirebilen ve işlemleri tamamlayabilen daha akıllı ve daha otonom bir AI uygulaması olarak anlaşılabilir.

Müşteri hizmetleri, finansal analiz, yazılım geliştirme vb. gibi çeşitli senaryolarda uygulanabilir, üretkenliği ve etkinliği büyük ölçüde artırır.

Büyük bir dil modelini "beyni" olarak kullanan AI Agent, talimatların yüzeysel anlamlarını anlamakla kalmayıp aynı zamanda örtük ihtiyaçları da yakalayabilir. Örneğin, bir kullanıcı "parasının karşılığını iyi veren bir otel arıyorum" derse, Manus, mevsim ve yerel aktiviteler gibi bağlamı temel alarak "bütçeye duyarlı" veya "deneyime öncelik veren" ihtiyaçlar çıkarımında bulunacaktır.

Büyük modellerin çok modlu yeteneklerinde sürekli ilerlemeler kaydedilmesiyle, özellikle çok modlu füzyon teknolojisindeki yinelemeli yükseltmelerle, AI Agent'ların kullanıcı ihtiyaçlarını daha doğru bir şekilde analiz edip yanıtlayabileceği ve kademeli olarak insan benzeri görsel-işitsel algı ve etkileşim yeteneklerine ulaşabileceğini bekleyebiliriz.

Bu sayede AI Agent'ın tıbbi teşhis, otonom sürüş ve akıllı güvenlik gibi daha geniş bir alanda uygulanması mümkün olacak.

Bireysel birimlerin zekası sürekli olarak optimize edilirken, gelecekteki Yapay Zeka Ajanlarının tek başına operasyon modunu aşarak işbirlikçi mekanizmalar aracılığıyla karmaşık görev işleme ve karar alma zincirlerini yeniden inşa edebilmesi de mümkün olabilir.

Çoklu ajan sistemi (MAS), her bir ajanın rol konumlandırma mekanizması aracılığıyla uzmanlaşmış işbölümüyle bir insan ekibi gibi hareket etmesini sağlar.

Örneğin, yazılım geliştirme senaryosunda, her AI Agent'ın kendi uzmanlığı vardır. Bazıları programlamada iyidir, bazıları tasarımda iyidir ve bazıları kalite kontrolünde iyidir. İyi bir şekilde işbirliği yapabildikleri sürece, birlikte yüksek kaliteli bir yazılım projesini tamamlayabilirler.

Çoklu ajan sistemi (MAS), her bir ajanın rol konumlandırma mekanizması aracılığıyla uzmanlaşmış işbölümüyle bir insan ekibi gibi hareket etmesini sağlar.

Örneğin, yazılım geliştirme senaryosunda, her AI Agent'ın kendi uzmanlığı vardır. Bazıları programlamada iyidir, bazıları tasarımda iyidir ve bazıları kalite kontrolünde iyidir. İyi bir şekilde işbirliği yapabildikleri sürece, birlikte yüksek kaliteli bir yazılım projesini tamamlayabilirler.

Ayrıca, MAS sistemi insan karar alma sürecini simüle edebilir. İnsanlar sorunlarla karşılaştıklarında başkalarından tavsiye arayacakları gibi, çoklu ajanlar da kolektif karar alma davranışını simüle edebilir ve bu da özellikle bazı karmaşık durumlarda kullanıcılara daha iyi bilgi desteği sağlayabilir.

Örneğin, acil bir durumda bu yapay zeka ajanları kullanıcıların tüm olası durumları simüle etmesine yardımcı olabilir ve zamanında faydalı bilgiler sağlayarak kullanıcıların daha hızlı ve daha iyi kararlar almasını sağlayabilir.

Bu "insan benzeri" zekâ paradigmasının, yaşamın ve çalışmanın maliyet yapısını yeniden şekillendirdiğini söyleyebiliriz. Manus'tan başlayarak AI Agent'ın konsept doğrulama aşamasından büyük ölçekli uygulamanın kritik noktasına geçtiği görülüyor.

Devler yarışıyor

Yapay Zeka Ajanlarına olan ilgi tesadüfi değil, teknolojik evrimin kaçınılmaz bir ürünüdür.

Profesör Andrew Ng, 2024 Sequoia AI Zirvesi'nde "AI Agent'ın AI'nın gelişimindeki bir sonraki önemli aşama" olacağını öngörmüştü. Nitekim 2024 yılı içerisinde pek çok teknoloji devi AI Agent'ları devreye almaya başladı.

Örneğin Google, Aralık 2024'te son büyük ölçekli modeli Gemini 2.0 serisini piyasaya sürdü ve Project Astra gibi birden fazla akıllı ajan uygulamasını tanıttı. Microsoft ayrıca Ekim ve Kasım 2024'te satış, operasyon ve diğer senaryolar için birden fazla yapay zeka aracısı yayınladı ve kullanıcıların otonom aracılar oluşturmasına destek olmak için Copilot Studio platformunu başlattı.

2025 yılına girilirken Manus'un popülaritesi piyasa algısını tamamen yükseltti.

Yurt dışında ise OpenAI’nin yakın zamanda duyurduğu ticarileştirme planı, AI Agent’ın B-side potansiyelini daha da doğruluyor. "Doktora düzeyindeki" temsilcimiz, aylık 20.000 ABD dolarına kadar hizmet bedeliyle, temel analizlerden karmaşık görevlere kadar tüm ihtiyaç zincirini kapsayan bilimsel araştırma ve yazılım geliştirme senaryolarına yöneliktir.

Yurt içinde ise Alibaba Qianwen’in QwQ-32B modeli, akıllı ajanlarla ilgili yetenekleri de bünyesinde barındırarak, araçları kullanırken eleştirel düşünmeyi ve çevresel geri bildirimlere göre muhakeme sürecini ayarlamayı sağlıyor.

Öte yandan, OpenManus ve OWL gibi yeni ürünler açık kaynak topluluğunda ortaya çıkmıştır. Manus'a dayalı çoğaltma ve inovasyonun Agent ürünlerinin gelişmesini teşvik etmesi beklenmektedir.

Sermaye piyasalarındaki hareketlilik de bu eğilimi doğruluyor.

Manus'un piyasaya sürüldüğü gün, 150'den fazla A hisseli AI konsept hissesi günlük limite ulaşırken, Cube Holdings, Coote Intelligence ve diğerleri %20'den fazla yükseldi.

Kaynak: Eastmoney

Ayrıca, Manus'un piyasaya sürülmesinden sonra, aracılık PPT'leri ve analist tanıtım turları hızla çevrimiçi olarak başlatıldı. Eksik istatistikler, CICC, Huatai, China Merchants ve Zhongtai gibi düzinelerce aracılık araştırma enstitüsünün, analistlerin çevrimiçi olarak birden fazla tanıtım turu başlattığı tanıtım turları düzenlediğini gösteriyor. Tanıtım turu içeriği, teknik ilkelerden, yapay zeka uygulamalarından, yararlanıcı yönlendirmelerinden iniş senaryolarına ve endüstri çemberi çıkarımlarına kadar uzanan içerik açısından zengindi.

Elbette bu çılgınlığın ardında farklı sesler de var. Birçok sektör uzmanı, Manus'un AI Agent'ın erken aşama uygulaması olduğuna ve piyasa tepkisinin aşırı olduğuna inanıyor.

Gerçekten de durum böyledir. Yapay zeka bilgi açığını daha da daraltacaktır. Bilgi toplama ve veri düzenleme gibi büyük miktarda iş yapay zekaya devredilebilir, ancak şüphesiz ki yatırım kararları üretmekten hâlâ çok uzaktır.

Bunlar arasında en büyük zorluk, yapay zeka halüsinasyonunun hayaletinin her zaman ortalıkta dolaşması.

Teknik darboğaz

Yapay Zeka Ajanı yarışmasında giriş kraldır.

Bunlar arasında en büyük zorluk, yapay zeka halüsinasyonunun hayaletinin her zaman ortalıkta dolaşması.

Teknik darboğaz

Yapay Zeka Ajanı yarışmasında giriş kraldır.

Daha fazla kullanıcı trafiğini kontrol eden üreticilerin "trafik-veri-kullanıcı deneyimi"nin olumlu bir döngüsüne ulaşması bekleniyor. Açık kaynaklı model yetenekleri büyük ve küçük üreticiler arasındaki teknolojik boşluğu kapatmak için yükseltildikçe, AI ürün mühendisliği yetenekleri ürün kullanıcı deneyimindeki boşluğu genişletebilir.

Ancak, büyük bir potansiyel göstermesine rağmen, AI Ajanların patlaması hâlâ çok sayıda engelle karşı karşıya. İş modellerinden teknik darboğazlara, düzenleme eksikliğinden kullanıcı farkındalığına kadar her bağlantı sektörün sabrını sınıyor.

Birinci ve en önemli neden, mevcut teknolojinin yapay zeka halüsinasyonları sorununu etkin bir şekilde çözememesidir.

Örneğin, popüler Manus, GAIA kıyaslama testinde mükemmel sonuçlar elde etti, ancak pratik uygulamalarda hala bazı istikrarsız durumlar var.

GAIA kıyaslama sıralaması kaynağı: ManusAIX platformu

Gerçek kullanıcı geri bildirimlerine göre, Manus karmaşık görevlerle uğraşırken zaman zaman görevleri yerine getirmede başarısız oluyor veya yanlış sonuçlar üretiyor. Manus, hisse senedi verilerinin analizinde veri arayüzünde oluşan geçici arızalar veya veri formatında oluşan ufak değişiklikler nedeniyle analiz sonuçlarında sapmalara yol açabilir.

OpenAI'nin GPT4.5'ini örnek alırsak, bunun şu anda en güçlü büyük dil modeli olduğu konusunda şüphe yok. Ancak SimpleQA kıyaslamasında GPT-4.5'in doğruluğu %62,5 ve halüsinasyon oranı %7,1'dir. Bu sonuç GPT-4o, OpenAIo1 ve o3-mini gibi modellerden çok daha iyi olsa da, hala çok yüksek bir halüsinasyon oranı vardır.

Bu yanılsama, finans ve sağlık gibi risk oranı yüksek alanlarda yapılacak herhangi bir hatanın sistemsel risklere yol açabileceği gerçeğini ortaya koyuyor.

Bir tıbbi teşhis aracının nadir hastalık vakalarını yanlış teşhis etme olasılığının %3 olduğunu varsayalım. Onlarca milyonluk bir kullanıcı grubuna uygulanırsa, olası yanlış teşhis sayısı 300.000'e kadar çıkacaktır.

Yanılsamanın yanı sıra, veri ambarları ile evrensel yetenekler arasındaki çelişki de ortaya çıkıyor.

AI Aracılarının etkinliği büyük ölçüde senaryo verilerine bağlıdır. Örneğin, finansal risk kontrolü gerçek zamanlı işlem verilerini gerektirirken, tıbbi teşhis hastanın tıbbi geçmişi veri tabanlarına dayanır. Veri parçalanması, genel aracıların alanlar arasında geçiş yapmasını zorlaştıracaktır.

Son olarak etik ve düzenlemede bir gerileme var. Yapay Zeka Aracılarının otonom karar alma süreçleri, kullanıcı sağlık verilerinin kullanımı, otonom sürüş kazaları vb. gibi gizlilik ihlali ve sorumluluk atıfı gibi etik sorunları içermektedir ve küresel düzenleyici çerçeve henüz olgunlaşmamıştır.

Buradan da anlaşılacağı üzere AI Agent için çığır açan yolun üç açıdan koordineli bir ilerlemeye ihtiyacı var: teknoloji, ekoloji ve denetim. Gelecekte, teknolojik darboğazı ilk aşabilen ve uyumlu bir ekosistem kurabilen, akıllı varlıkların çağında "Normandiya Çıkarması"na şüphesiz hakim olacaktır.