LLM ajansı mı otomasyon ajansı mı? Doğru seçimin çerçevesi

ÖzetOtomasyon ajansları n8n, Make, Zapier gibi düşük kodlu araçlarla iş akışlarını birleştirir — kural tabanlı, deterministik. LLM ajansları özel yapay zeka sistemleri kurar — üretken, olasılıksal. Türkiye'de "yapay zeka ajansı" arayan ekiplerin çoğu aslında otomasyon ajansı istiyor. Yanlış tercih iki türlü de pahalı: kural yeteceği yere LLM koymak, LLM gerektiği yere n8n koymak.

Türkiye'de son 12 ayda "yapay zeka ajansı", "AI ajansı" ve "yapay zeka otomasyon ajansı" arama hacmi belirgin şekilde arttı. Ama bu üç terimin işaret ettiği ekipler tek tip değil — arayanların çoğu iki farklı ihtiyaçtan birini karşılamaya çalışıyor.

İkisinin ne olduğunu, hangi problem için hangisini kiralamak gerektiğini ve Praxvon'un bu iki dünyanın neresinde durduğunu bu yazıda anlatıyoruz.

Otomasyon ajansı ne yapar

Otomasyon ajansları genellikle düşük kodlu iş akışı platformlarını birbirine bağlar: n8n, Make (eski adıyla Integromat), Zapier, Pipedream. Yaptıkları iş kural tabanlı: "form gönderildiğinde HubSpot'ta lead oluştur", "Instagram DM'ine bot cevabı gönder", "Google Sheet'e yeni satır düştüğünde Slack'e bildirim at".

Bu ajanslar için ideal senaryolar:

• WhatsApp / Instagram / Facebook mesajlaşma otomasyonu (sabit menü + karar ağacı botları)
• CRM ve pazarlama otomasyonu (HubSpot / Zoho / ActiveCampaign akışları)
• İç iş süreci otomasyonu (onay akışları, notifikasyonlar, raporlama)
• Basit e-ticaret entegrasyonları (sipariş sonrası tetikleyiciler)

Otomasyon ajanslarının güçlü tarafı: hızlı sonuç. Genellikle bir hafta içinde canlıya alınabilir bir akış çıkabilir. Zayıf tarafı: yaratıcı çıktı üretemezler. Bir müşteri sorusuna insan gibi kompleks cevap vermek, belirsiz bir talebi doğru şekilde interpret etmek, çok dilli anlam zenginliğini korumak — bunlar kural motorlarının yapamayacağı şeyler.

LLM ajansı ne yapar

LLM ajansları özel yapay zeka sistemleri kurar. Yaptıkları iş olasılıksal: LLM'ler (Claude, GPT-4, Gemini, Llama gibi büyük dil modelleri) girdiyi anlıyor, kompleks çıkarımlar yapıyor, doğal dilde cevap üretiyor.

Bu ajanslar için ideal senaryolar:

• Şirket dokümanları üzerine sorulan soruları cevaplayan asistanlar (RAG)
• Çok adımlı görevleri sırayla yerine getiren agent'lar
• Doğal dilde müşteri desteği (kural tabanlı botun anlayamadığı sorular)
• Kompleks metin üretimi (özet, e-posta taslağı, ürün açıklaması)
• Sınıflandırma ve etiketleme (destek talebi kategorizasyonu, spam tespiti)
• Çok dilli çeviri ve interpretasyon (Google Translate'in yetmediği yerde)

LLM ajanslarının güçlü tarafı: belirsizlikle başa çıkabilirler. Aynı sorunun farklı ifade edilmiş hallerine tutarlı cevap verebilir, önceden görmediği durumlarda makul kararlar üretebilir. Zayıf tarafı: pahalı ve yavaş. Bir LLM cevabı otomasyon workflow'una göre 10-50 kat daha maliyetli, 2-10 kat daha yavaş.

Karar matrisi

Doğru ekibi seçmenin pratik yolu — kendinize şu soruyu sorun: çözmek istediğiniz problem sabit bir kurallar dizisi ile çözülebilir mi?

• Evet → otomasyon ajansı. n8n, Make veya benzeri bir workflow platformu. Bir LLM'in yaratıcı çıktısı fazladan değer üretmiyor.
• Hayır, çünkü girdi tahmin edilemez / dilbilgisel varyasyon var / kural yazılamayacak kadar çeşit içeriyor → LLM ajansı.

Bir başka pratik test: başarı ölçütünüz belirsizlik toleransı olan bir şey mi (doğruluk %, dönüşüm oranı) yoksa deterministik bir şey mi (gönderildi/gönderilmedi)?

• Deterministik ölçüt → otomasyon ajansı yeterli.
• Toleranslı ölçüt → LLM ajansı, ama beraberinde eval altyapısı istemeli.

Aynı problem, iki farklı yaklaşım

Somut örnek: bir e-ticaret markası "müşteri destek yükünü azaltmak" istiyor.

Otomasyon çözümü (n8n / Make): kargo takip sorularını otomatik olarak cevapla. Kullanıcı bir kargo takip numarası girer, sistem kargo API'sinden durum çeker, formatlayıp cevap yazar. Aynı akışla iade, iptal, sipariş durumu sorguları da halledilebilir.

LLM çözümü: müşterinin doğal dille yazdığı her tür soruya cevap verebilen bir asistan. "Ürün X ile Y arasındaki fark nedir?", "Neden kargonuz bu kadar geç?", "Bu ürünü annem için almak istiyorum, uygun mu?" gibi sorular. RAG ile şirket ürün kataloğuna bağlı, agent olarak kargo API'sine erişebiliyor, iade politikasını anlıyor.

Hangisi doğru? Duruma göre değişir:

• Destek talebi hacmi yüksek ama soru çeşitliliği düşükse (tekrarlayan aynı 5-10 soru), otomasyon çözümü %70-80'ini karşılar. Gerisi insan destek ekibine gider.
• Soru çeşitliliği yüksekse (her müşteri farklı bağlamda yazıyorsa), LLM çözümü mecburi. Otomasyon kural ağacı hiçbir zaman yetişemez.

Genelde her ikisine de ihtiyaç var — sık sorulan sorulara n8n cevap verir, karmaşık sorular LLM'e devredilir. Bir hibrit sistem çoğu zaman doğru mimari.

Moditra örneği

Moditra çok dilli B2B SaaS. Müşterileri Türk, Mısırlı ve Suriyeli ekiplerden oluşuyor; aynı sipariş üzerinde TR, EN, AR konuşan roller mesajlaşıyor.

Otomasyon yaklaşımı: her mesajı 3 dile birden çevir, DB'ye yaz. Pahalı, yavaş, hataya açık.

LLM yaklaşımı: kaynak mesaj tek kez yazılıyor, okuyucu tarafında kullanıcının tercih ettiği dile eş zamanlı çeviri yapılıyor, cache tutuluyor. Ortalama maliyet %85 düştü, ilk çeviri gecikmesi 400ms altında kaldı.

Bu problem bir kural motoruyla çözülemezdi — dil tespiti + doğal dil çevirisi + bağlam korumak LLM'lerin işi. Otomasyon ajansı doğru araç değildi.

Praxvon nerede duruyor

Biz LLM ajansı tarafındayız — üretim seviyesinde yapay zeka sistemleri kuruyoruz: RAG mimarisi, çok adımlı agent'lar, OpenAI / Claude / Gemini entegrasyonu, eval altyapısı, maliyet kontrolü.

Otomasyon işleri (n8n, Make, Zapier workflow'ları) doğru araç olduğunda müşterilere doğrudan bunu tavsiye ediyoruz. Aynı problemi hem LLM hem otomasyonla çözüp iki teklif çıkarmıyoruz — hangisi gerçekten ihtiyacı karşılıyorsa onu söylüyoruz.

Bu, kendi işimize karşı çalıştığı hisleri yaratabilir. Öyle değil: yanlış araçla teslim ettiğiniz sistem üç ay sonra hurdaya çıkar. O müşteriyi bir daha görmezsiniz. Doğru araçla teslim ettiğiniz sistem beş yıl çalışır, müşteri sizinle beraber büyür.

İlgili VakaModitra — B2B Modelist Atölye SaaS PlatformuModitra · SaaS Platformu / UI / UX · 2026Vaka çalışmasını oku →

Yapay zeka projeniz için doğru ekibi seçmekte zorlanıyorsanız, iletişime geçin — probleminizi anlatın, hangi mimari doğruysa onu söyleyelim.