Blog

Kurumsal dünyada yapay zeka (YZ) araçlarının benimsenmesi, şirketlerin iş yapış biçimini kökten değiştiriyor. Cloudflare’in kendi iç süreçlerinde geliştirdiği ve kısa süre önce kamuoyuyla paylaştığı Cloudflare OS platformu, bu dönüşümün en dikkat çekici örneklerinden biri olarak öne çıkıyor. Bu platform, çalışanların yapay zeka destekli ajanlar (agents) kullanarak iş süreçlerini otomatikleştirmesine olanak tanırken, kurumsal veri güvenliğini de ön planda tutuyor. Peki Cloudflare OS nasıl çalışıyor, hangi ilkelere dayanıyor ve diğer kurumlar bu deneyimden ne öğrenebilir? Bu yazıda, Cloudflare’in içsel yolculuğunu ve platformun mimarisini detaylı bir şekilde inceliyoruz.

Kurumsal Yapay Zeka Stratejisinin Temel İlkeleri

Cloudflare, yapay zekayı kurumsal süreçlere entegre ederken beş ana prensip benimsediğini açıkladı. Bu prensipler, hem teknolojinin hem de organizasyonun ihtiyaçlarına göre şekillendirilmiş durumda.

1. Müşteri Odaklı Yapay Zeka Kullanımı

İlk prensip, yapay zekanın yalnızca teknolojiyi kullanmak için değil, müşterilere daha fazla zaman ayırabilmek ve onların sorunlarını daha iyi çözebilmek için kullanılması gerektiğini vurguluyor. Cloudflare ekipleri, önce “yapılacak işleri” (jobs to be done) tanımlıyor; yani müşteri hizmetlerinde yaşanan aksaklıkları, darboğazları ve kaçırılan fırsatları belirliyor. Ardından bu sorunlara uygun yapay zeka araçları aranıyor. Bu yaklaşım, teknolojinin iş hedeflerine hizmet etmesini ve tersinin yaşanmamasını garanti ediyor.

2. Herkesin Süper Güçleri Olmalı

Yapay zeka kod yazmada oldukça başarılı. Doğal olarak, ilk yapay zeka araçları geliştiricilerin kullandığı arayüzlerde (komut satırı, kod editörleri, Git depoları) ortaya çıktı. Ancak Cloudflare, bu durumun mühendis olmayan ekipleri geride bırakabileceğini fark etti. Şirket, tüm çalışanların kendi uzmanlık alanlarını getirmelerini ve sezgisel bir platform üzerinden yapay zekadan faydalanmalarını hedefliyor. Bu sayede satış, pazarlama, insan kaynakları gibi bölümler de sürecin dışında kalmıyor.

3. Çıktının Sahibi İnsandır

Yapay zekanın bir ekip üyesi değil, bir araç olduğu vurgulanıyor. Çalışanlar, yapay zekanın ürettiği çıktıların kalitesinden, test süreçlerinden ve iş akışlarından sorumlu tutuluyor. Ajanların (agents) devreye alınmasında da aynı kural geçerli: Ajanı devreye alan kullanıcı ve ekip, onun ürettiği sonuçlardan birebir sorumlu. Örneğin, bir çalışan şirketten ayrılırsa, yöneticisi o çalışanın ajanlarının sorumluluğunu diğer iş akışları gibi devralıyor.

4. Organizasyon Bağlamı Modelden Daha Önemli

Cloudflare’de kullanılan iş akışları ve ajanların şirkete ait bilgiyi bilmesi gerekiyor. Teknolojiye yapılan yatırımın yanında, küratörlü ve standart bir bağlam katmanı (context layer) oluşturulmasına da önem veriliyor. Bu bağlam, şirketin iç süreçleri, ürün bilgisi ve teknik standartlarından oluşuyor.

5. Yapay Zeka ile Veri Erişiminde Ek Yetki Yok

Cloudflare’da her çalışan, şirket verilerine kendi rolüne, cihazına ve bölgesine göre kısıtlanmış bir erişime sahip. Bu kontrol mekanizmalarının yapay zeka ajanları kullanılırken de aynen geçerli olması gerekiyor. Bir çalışanın yapay zeka aracıyla veriye eriştiğinde “daha fazla” yetkilendirilmesi söz konusu değil. Ajanların yalnızca ihtiyaç duydukları verilere erişebilmesi sağlanıyor. Bir ajan başka bir kullanıcıyla paylaşıldığında, o kullanıcının yetkileri devreye giriyor, ajanı oluşturan kişinin yetkileri değil.

İki Paralel Program: Mühendisler ve Mühendis Olmayanlar

Bu ilkeler doğrultusunda Cloudflare, iki paralel program yürüttü: mühendislik ekipleri için bir kod inceleme sistemi ve diğer tüm çalışanlar için bir otomasyon deneyimi.

Mühendisler İçin “Codex” Yapay Zeka Denetçisi

Yapay zeka, mühendislerin işlerini hızlandırırken, inceleme süreçlerinin gerisinde kalmasına yol açtı. Cloudflare, kontrolü sağlamak için “Cloudflare Engineering Codex” adını verdiği bir bağlam katmanı geliştirdi. Codex, şirketin kod yazma standartlarını ve prensiplerini içeren yetkili bir rehber olarak tanımlanıyor. Kod tabanının her bölümü için o alanın “doğru” uygulamasından sorumlu bir domain sahibi bulunuyor.

Bu bağlam katmanı, yazılım geliştirme yaşam döngüsünün her aşamasına entegre edildi. Bir başka ajan, her Merge Request’i Codex standartlarına göre inceliyor; diğer bir ajan ise teknik tasarımları uygulamadan önce denetliyor. Son dört ayda bu ajanlar yaklaşık 250.000 potansiyel sorun tespit etti ve 16.000 merge request’i engelledi. Ayrıca, satır kod yazılmadan önce 600’ün üzerinde tasarımda mimari hata yakaladı.

Mühendis Olmayanlar İçin “Sihirli E-posta Alias” Deneyimi

Cloudflare, mühendis olmayan çalışanlara ilk etapta aynı yapay zeka araçlarını biraz daha kullanıcı dostu arayüzlerle vermeyi denedi. Ancak bu yaklaşım başarılı olmadı. Geliştirici odaklı arayüzler, diğer bilgi çalışanlarının ihtiyaçlarına yanıt vermedi. Şirket bunun üzerine “sihirli e-posta adresi” olarak adlandırdıkları bir yöntem kullandı. Tüm çalışanlara, yapmak istemedikleri işleri gönderebilecekleri bir e-posta adresi verildi. Bu adresin arkasında, yapay zeka araçlarıyla çalışan küçük bir ekip vardı.

İlginç bir şekilde, çalışanlar “vibe coding” fikirlerini otomatik bir sisteme göndermekte tereddüt ederken, yapmak istemedikleri rutin işleri bu adrese iletmekte hiç tereddüt etmedi. Yüzlerce, sonra binlerce oturum sonrasında, hangi rutin işlerin otomatikleştirilebileceği netleşti. Ekip, bu görevleri manuel olarak işledi ve zamanla örüntüler tespit ederek skill dosyaları, bağlam dosyaları, veri bağlantıları ve çıktı formatları tanımladı. Süreç, yaygın iş akışları yakalanana kadar manuel olarak sürdürüldü ve sonra bu bilgiler platforma aktarılarak otomasyon sağlandı.

Cloudflare OS Platformu: Bulut Tabanlı Yapay Zeka Çalışma Alanı

Cloudflare OS, ilk sürümünde bulut tabanlı bir çalışma alanı olarak tasarlandı. Kullanıcılar web tarayıcısı üzerinden erişiyor ve Cloudflare Zero Trust ile kimlik doğrulaması yapıyor. Bu sayede, kullanıcının yerel bilgisayarında herhangi bir yapılandırma gerektirmeden, şirketin topladığı skill dosyalarını ve iş akışlarını çalıştırabiliyor. Yeni işe başlayan satış ekipleri üyeleri, ilk günlerinde otomasyonla haftalarca sürecek işleri dakikalar içinde tamamlayabildiklerini söyledi.

Bulut tabanlı bir ortamın bir diğer avantajı da güvenlik. Kullanıcı, oturumu kapatıp bilgisayarını kapatabilir ve iş bulutta devam eder. Yerel bir ortamda yapay zeka aracı, bilgisayardaki tüm verilere erişebilirken; burada yalnızca kullanıcının oturuma getirdiği veriler söz konusu. Güvenlik ekibi, ortamın internet erişimini filtreleyebiliyor ve tam bir denetim günlüğü tutabiliyor.

MCP Portal ile Güvenli Veri Erişimi

Cloudflare OS, sistemlere Model Context Protocol (MCP) Portal üzerinden bağlanıyor. MCP, yapay zeka araçlarını sistem kayıtlarına (CRM, bilet sistemi, veritabanı vb.) bağlamak için standart bir çerçeve. Cloudflare, her sistem kaydı için kendi MCP sunucusunu geliştiriyor. Bu, rol veya bölge bazlı hız sınırlaması (rate limit) gibi ek kontroller ekleyebilmelerini sağlıyor. Sunucular, Cloudflare Workers üzerinde çalışıyor ve sunucusuz mimari sayesinde bakım yükü neredeyse sıfır.

Yapay zeka çıkarımı (inference) ise AI Gateway üzerinden yönlendiriliyor. Bu sayede kullanıcıların yapay zeka sistemleriyle tüm etkileşimleri filtreleniyor, günlüğe kaydediliyor ve denetleniyor. Örneğin, Secure Web Gateway’deki Veri Kaybı Önleme (DLP) kuralları, belirli veri setlerinin üçüncü taraf hizmet sağlayıcılara gönderilmesini engelleyebiliyor. AI Gateway ayrıca model kullanımını kontrol etme imkanı sunuyor: herkesin en gelişmiş modelin en pahalı moduna erişmesine gerek yok. Bu sayede maliyetler de kontrol altında tutuluyor.

Deterministik İşler İçin Ajanlar ve Gatekeeper Hizmeti

İlk sürüm, kullanıcıların skill dosyalarını çalıştırmasına izin veriyordu. Ancak her çalıştırma, çok miktarda token (yapay zeka işlem birimi) tüketiyordu. Oysa işlerin çoğu deterministik; belirli adımların belirli sırayla uygulanması ve sadece belirli noktada insan veya yapay zeka kararı. Cloudflare, bu durum için “yapay zekayı araç olarak değil araç yapıcı olarak kullanmak” gerektiğini savunuyor.

Cloudflare OS’un ikinci sürümü, kullanıcının doğal dilde bir iş akışını tanımlamasına, yapay zekanın bu iş akışını çalıştıracak kodu yazmasına ve ajanın isteğe bağlı, zamanlanmış veya bir olayla tetiklenerek çalıştırılmasına olanak tanıyor. Bu ajanlar, varsayılan olarak izole edilmiş bir ortamda çalışıyor.

Örneğin, BT yardım masası süreçleri için bir kullanıcı, her sabah açık bilet kuyruklarını ve metriklerini görmek istediğini belirtebilir. Yapay zeka, bu raporu oluşturmak için gerekli kodu ve veri bağlantısını kurar. Bu bağlantıda “gatekeeper” adı verilen bir hizmet devreye girer. Gatekeeper, ajanın veri setine yaptığı tutarlı sorguları yönetir, bağlamı daraltır ve API anahtarı yönetimi gerektirmez. Kullanıcı, yapay zeka çıkarımı gereken noktalarda (örneğin, gelen biletlere taslak yanıtlar oluşturma) uygulamaya yapay zeka gömebilir ve yanıtları inceleyip gönderebilir. Bu oturumda kullanıcı, raporu her yüklediğinde sıfır token tüketir çünkü rapor deterministik bir iş akışıdır.

Başarıyı Yaymak: Şampiyonlar ve İçgüdüsel Dönüşüm

Cloudflare, bu platformu benimsetmek için ayrı bir yapay zeka ekibi kurmak yerine, farklı departmanlardaki erken benimseyenleri “şampiyon” olarak seçti. Londra’da bir satış lideri, Teksas’ta bir çözüm mühendisi, Portekiz’de bir yatırımcı ilişkileri yöneticisi, Japonya’da bir iş geliştirme üyesi ve ABD’de bir satış operasyonları lideri, kendi ekiplerine platformu tanıtmak ve onları dönüştürmekle görevlendirildi. Ayrıca bu yıl 1.111 stajyer almayı hedefledi ve bu stajyerler farklı departmanlara yerleştirilerek ekipleri yapay zeka araçlarıyla “yıldız” yapma görevi verdi.

Sonuçlar oldukça etkileyici. Cloudflare’ın binlerce çalışanı her hafta platformu kullanıyor ve günlük aktif kullanıcı sayısı her iş günü artıyor. Geçtiğimiz ay içinde satış ekibinin, bölge planlama ve teklif oluşturma gibi işlemlerde 10.000 saatten fazla zaman tasarrufu sağladığı tahmin ediliyor. Aynı 30 gün içinde kullanıcılar, belirli sorunları çözmek için 4.000’den fazla uygulama ve araç oluşturdu. Bu, dönüşümün yalnızca üst yönetimin değil, tüm çalışanların katılımıyla gerçekleştiğini gösteriyor.

Kurumlar İçin Çıkarımlar ve Karşılaştırma

Cloudflare’ın bu deneyimi, kurumsal yapay zeka benimsenmesi için önemli dersler içeriyor. Yapay zekanın merkezi bir tek, tüm organizasyonda aynı araçları dağıtmak yerine, kullanıcıların ihtiyaçlarına göre başlangıçtan itibaren araçları tasarlamak ve güvenlik önlemleriyle birlikte sunmak kritik önem taşıyor.

Yaklaşık Geleneksel Yerel Yapay Zeka Kullanımı Cloudflare OS Yaklaşımı Erişim Yerel bilgisayar, kullanıcı yapılandırması gerekebilir Tarayıcı tabanlı, sıfır yapılandırma Veri Güvenliği Kullanıcının tüm verisine erişim riski Oturum bazlı, izole ve filtreli erişim Maliyet Her çıkarımda yüksek token tüketimi Deterministik işlerde sıfır token, akıllı model yönlendirici İzlenebilirlik API anahtarları yönetimi, denetim zorluğu Gatekeeper ile merkezi veri erişim yönetimi

Özellikle kurumsal yapay zeka güvenliği ve veri erişim yönetimi konularında, bu platformun mimarisi, birçok şirketin ihtiyacına yanıt verebilir. Ayrıca, bu tür içsel yapay zeka kullanımı, çalışanların iş süreçlerini dönüştürürken, insan kaynaklı hataları azaltma ve üretkenliği artırma potansiyeline sahiptir.

SSS (Sık Sorulan Sorular)

Cloudflare OS nedir?

Cloudflare OS, Cloudflare’ın iç süreçlerini yapay zeka ve yapay zeka ajanlarıyla otomatikleştirmek için geliştirdiği bulut tabanlı bir platformdur. Kullanıcılar tarayıcı üzerinden, güvenli bir ortamda iş akışlarını çalıştırabilir ve ajanlar oluşturabilir.

Cloudflare OS herkese açık mı?

Evet, Cloudflare bu platformu ve platformun parçası olan bazı bileşenleri (örneğin MCP Portal, AI Gateway) genel kullanıma sunmuştur. Böylece diğer kurumlar da benzer bir deneyimi kendi iç yapılarında uygulayabilirler.

Yapay zeka ajanları veri güvenliğini nasıl sağlıyor?

Cloudflare OS, MCP sunucuları ve gatekeeper hizmetiyle, kullanıcının yetkilerini aşmayan bir veri erişim katmanı kullanır. Tüm etkileşimler AI Gateway üzerinden günlüğe alınır ve DLP kuralları ile veri sızıntısı önlenir.

Cloudflare OS’un maliyeti nedir?

Platform, deterministik işlerde token tüketimini sıfıra indirgeyerek maliyetleri düşürür. Yapay zeka çıkarımı gereken durumlarda ise AI Gateway ile model seçimi ve kullanımı kontrol edildiği için maliyetler optimize edilir.

Bu deneyimden diğer şirketler ne öğrenebilir?

En önemli ders, kullanıcıların ihtiyaçlarına göre araçların şekillendirilmesi ve güvenliğin baştan itibaren tasarımın parçası olmasıdır. Ayrıca, organizasyon bağlamının (context) modele kıyasla daha değerli olduğu ve insanın nihai sorumluluğunu koruduğu bir yaklaşım benimsenmelidir.

İlgili içerikler: Yapay Zeka Kullanımında Anomalileri Kimlik Tabanlı Analizle Yakalayın