Yapay zekâ ajanlarının insan adına araştırma yapıp pazarlık ettiği ve satın alma işlemini tamamladığı yeni bir ticaret modeli, alışveriş ve tedarik süreçlerini yeniden şekillendiriyor. IBM Think’in 23 Ocak 2026 tarihli “What is agentic commerce?” başlıklı yazısına göre agentic commerce, tüketicilerin ve işletmelerin alım-satım deneyimini büyük ölçüde otomatikleştiren bir yaklaşım olarak tanımlanıyor. Bu yazıda kavramın tanımı, nasıl çalıştığı, faydaları, zorlukları ve kullanım alanları ele alınıyor.
Agentic Commerce’in Tanımı
Agentic commerce, yapay zekâ ajanlarının tüketici veya işletmeler adına ürün araştırması yaptığı, pazarlık ettiği ve satın alma işlemini çoğu zaman doğrudan insan müdahalesi olmadan tamamladığı bir alım-satım yaklaşımı olarak tanımlanıyor. IBM’in aktardığına göre yapay zekâ ajanları, mevcut araçlarla iş akışları tasarlayarak görevleri özerk biçimde yerine getiren yapay zekâ destekli sistemlerdir.
Basit kural tabanlı botlar yalnızca senaryolu komutlara yanıt verirken, modern akıllı ajanların işlevi daha geniştir; muhakeme edebilir, plan yapabilir ve birden fazla sistem ile yapay zekâ platformu üzerinde hareket edebilirler. Bu yönüyle ajan tabanlı ticaret, kişinin manuel olarak ürün aradığı, seçenekleri karşılaştırdığı, yorumları okuduğu ve adım adım ödeme yaptığı geleneksel e-ticaretten ayrılıyor.
Geleneksel akışta alışveriş yapan kişi, seçenekleri değerlendirmek için sekmeler ve perakendeciler arasında geçiş yapmak ve ödeme aşamasında bilgilerini elle girmek zorundadır. Agentic commerce’te ise yapay zekâ destekli alışveriş asistanları gereksinimleri önceden toplar, gerçek zamanlı olarak birden fazla perakendeciyi tarar, ürünleri kullanıcı tercih ve kısıtlarına göre değerlendirir ve kullanıcı adına satın alma yapar veya öneri sunar.
Bu modelin yalnızca çevrimiçi alışverişle sınırlı olmadığını belirtmek gerekiyor. IBM’e göre kavram; seyahat ve biletleme, abonelikler ve dijital hizmetler ile fiziksel perakende entegrasyonları dâhil geniş bir ticaret deneyimi yelpazesinde geçerlidir.
Agentic Commerce Nasıl Gelişti?
Ajan tabanlı ticaret, üretken yapay zekânın (generative AI) ticarete entegre edilmesinin bir sonraki aşamasının parçası olarak konumlandırılıyor. IBM Institute for Business Value tarafından yapılan 2026 tarihli bir çalışmaya göre tüketicilerin yüzde 45’i satın alma yolculuğunun bir bölümünde halihazırda yapay zekâ kullanıyor. Bu kullanım, yorumları yorumlamaktan fırsat kollamaya kadar uzanıyor ve tüketici alışkanlıklarının yapay zekâ tarafından şekillenen satın alma kararlarına doğru kaydığını gösteriyor.
IBM yazısında atıf yapılan McKinsey’in Ekim 2025 tarihli araştırmasına göre, ajan tabanlı ticaretin 2030’a kadar küresel ölçekte 3 trilyon ile 5 trilyon ABD doları arasında bir değer üretebileceği öne sürülüyor. Mevcut dalganın, asistanların içinde kullanılan OpenAI modellerinden Amazon gibi pazar yerlerine giderek daha fazla dokunan perakende entegrasyonlarına kadar uzanan üretken yapay zekâ gelişmeleri ve araç ekosistemleriyle biçimlendiği aktarılıyor.
Eski Nesil Perakende Yapay Zekâsından Farkı
Öneri motorları veya sohbet botları gibi daha eski nesil perakende yapay zekâları tepkiseldi ve adım adım insan yönlendirmesi gerektiriyordu. IBM’e göre modern ajan tabanlı yapay zekâ üç noktada farklılaşıyor:
- Özerklik: Önceden tanımlanmış çerçeveleri ve koruyucu sınırları izleyerek sürekli kullanıcı girdisi olmadan hareket edebilirler.
- Muhakeme: Fiyat değişiklikleri veya stok tükenmesi gibi değişen koşullara göre önerilerini ve eylemlerini uyarlarlar.
- Birlikte çalışabilirlik: Açık API’ler ve açık kaynak bağlayıcılar aracılığıyla birçok yapay zekâ platformuna ve iş akışına entegre olarak birden fazla sistemde otomasyon sağlarlar.
Daha eski ticaret yapay zekâsı sorgulara yanıt vermek ve statik ürün önerileri sunmakla sınırlıyken, bugünün ajanları alışveriş asistanı, alışveriş ajanı veya satıcı ajanı olarak çalışabiliyor. ChatGPT, Gemini veya Perplexity gibi uygulamalara gömülebiliyorlar. Doğal dil etkileşimi yoluyla sorgu amacını yapılandırılmış ürün verisiyle eşleştiriyor; ödemeleri ve diğer görevleri e-ticaret platformları ile fiziksel perakende sistemleri genelinde yönetiyorlar.
IBM’in verdiği örnekte bu ajanlar yalnızca bir çift ayakkabı önermiyor; e-ticaret platformlarında geziniyor, fiyatı birden fazla perakendeci arasında karşılaştırıyor, kuponları uyguluyor ve önceden yetkilendirilmiş ajan tabanlı ödeme yöntemleriyle satın alma işlemini tamamlıyor. Tüketici bir ev eşyasını yeniden sipariş etmek, otel rezervasyonu yapmak veya bir aboneliği yenilemek istediğinde, geleneksel modelde bir veya daha fazla web sitesini ziyaret etmek zorundayken; bu modelde işlemi konuşma temelli bir arayüz ya da bağlı bir hizmet üzerinden ajana yaptırabiliyor.
Agentic Commerce Nasıl Çalışır?
IBM, ajan tabanlı ticaretin insan girdisini bağımsız yapay zekâ eylemiyle birleştiren birkaç aşamadan geçtiğini belirtiyor. Süreç genellikle aşağıdaki adımlarda ilerliyor.
Kullanıcı-Ajan Etkileşimi
Modelin merkezinde kullanıcı-ajan ilişkisi yer alıyor. Kullanıcılar hedefleri, izinleri ve bütçe sınırları veya marka tercihleri gibi kısıtları tanımlıyor. IBM’in örneğinde bir tüketici ajana “Bana 150 dolardan ucuz bir kamp çadırı bul ve cumaya kadar teslim edilsin” şeklinde bir istem verebilir. Alışveriş ajanı talebi yorumluyor, yapılandırılmış ürün verisine erişiyor ve fiyat, teknik özellikler ile teslimat uygunluğuna göre filtreler uyguluyor. Doğru kurgulandığında bu etkileşimin form doldurmaktan çok, kullanıcı deneyimini iyileştiren rehberli bir konuşmaya benzeyebileceği ifade ediliyor.
Özerk Yürütme
Ajan tabanlı yapay zekâ; çok adımlı iş akışları planlayarak, dış API’leri çağırarak ve eylemlerini yol boyunca ayarlayarak standart yapay zekâ araçlarının ötesine geçiyor. Bu sayede fiyat değişikliklerini gerçek zamanlı izleme, stok azaldığında yeniden sipariş verme ve tekrar tekrar insan onayı olmadan satın alma tamamlama gibi özerk eylemler mümkün oluyor. Özerklik genellikle kademeli; düşük riskli alımlar tam otomatik yapılırken, yüksek fiyatlı veya hassas alımlar yine insan onayı gerektirebiliyor. Kamp çadırı örneğinde yetkilendirilmiş ajan, farklı sağlayıcılardaki birden fazla perakendeci veritabanını tarayarak gerçek zamanlı fırsat karşılaştırması yapıyor; paket ürünler veya sadakat indirimleri gibi ek avantajları görüşmek için ajandan ajana bir protokol de kullanabiliyor.
Ürün Keşfi ve Karar Verme
Bu modelde ürün keşfi, arama veya gezinmeden çok belirli bir hedefe ulaşmaya dayanıyor. Ajanlar birden fazla kaynaktan ürün verisini analiz ediyor; fiyat, bulunabilirlik, teslimat süresi ve yorumlar gibi faktörleri karşılaştırıyor. Ajan yetenekleri geliştikçe bu süreçler giderek çok kipli (multimodal) hale geliyor; yani metin, görsel, kullanıcı geçmişi ve yapılandırılmış veriyi bir arada kullanıyor.
Bu gelişme, ürün içeriğini büyük dil modelleri ve ajanların yorumlayabileceği biçimde yapılandırmaya odaklanan üretken motor optimizasyonuna (generative engine optimization, GEO) olan ilgiyi artırıyor. IBM’e göre markaların artık yalnızca insan aramaları için değil; yapay zekâ sistemlerinin keşfedip kullanabilmesi için makine tarafından okunabilir ürün verisine, standartlaştırılmış özniteliklere ve net üst veriye ihtiyacı var.
Satıcı-Ajan Etkileşimi
Ajan tabanlı ticaretin geniş ölçekte işleyebilmesi için perakendecilerin ve hizmet sağlayıcıların sistemlerini makine tarafından okunabilir arayüzlerle erişilebilir kılması gerekiyor. Bu erişilebilirlik genellikle ürün kataloğu, fiyatlandırma ve gerçek zamanlı stok bilgisinin yanı sıra iade politikaları ve garantiler için API’lerin açılmasını içeriyor. Bu arayüzler, yapay zekâ ajanlarının stoğu doğrulayıp kullanıcı adına satın alma yürütmesini sağlayan satıcı-ajan iletişimine olanak tanıyor. IBM, bu entegrasyonun giderek Agentic Commerce Protocol (ACP) olarak anılan, ortaya çıkan veya önerilen standartlar çerçevesinde tartışıldığını aktarıyor; bu standartlar yapay zekâ ajanları ile satıcıların yapılandırılmış bilgiyi nasıl değiş tokuş edeceğini tanımlamayı amaçlıyor.
Güvenli İşlemler
Ajan tabanlı ödemeler bu sürecin önemli bir parçası. IBM’e göre son yıllarda büyük e-ticaret platformları ve ödeme sağlayıcıları, otomatik satın alma iş akışlarını ve abonelik yönetimini desteklemek için API yeteneklerini genişletti. Ajan tabanlı satın almalar; Google’ın Agent Payments Protocol’ü (AP2), Visa’nın yapay zekâya hazır tokenleştirilmiş kimlik bilgileri veya Stripe’ın ChatGPT içindeki anında uygulama içi ödeme entegrasyonu gibi yetki devredilmiş kimlik doğrulama sistemleri kullanılarak tamamlanıyor. Bu kimlik doğrulama sistemleri işlem şeffaflığı sağlıyor ve dolandırıcılık tespitini desteklemek için denetim izleri sunuyor.
Satın Alma Sonrası Destek
Ajanlar satın almayı tamamladıktan sonra kargo takibi ve iade yönetimi gibi başka görevleri de üstlenebiliyor. İlk satışın ötesine geçerek aksesuarlar veya tamamlayıcı ürünler için satış sonrası ürün önerileri de başlatabiliyorlar.
Agentic Commerce’in Faydaları
IBM, ajan tabanlı ticaretin sunduğu başlıca faydaları şöyle sıralıyor:
- Daha hızlı ve daha verimli işlem süreçleri
- Büyük hacimlerde satın alma faaliyetini ölçeklendirebilme
- Tekliflerin gerçek zamanlı kişiselleştirilmesi
- Ajan tabanlı ödemelerle ödeme aşamasındaki sürtünmenin azalması
- Daha az manuel denetimle operasyonel doğruluğun artması
Yapay zekâ ajanları, satın alma geçmişi ve tercihlere dayalı kişiselleştirilmiş ürün önerileri sunarak tüketicilerin arama süresini azaltmasına ve karar vermeyi hızlandırmasına yardımcı olabiliyor. İşletmeler açısından bu model, yeni ürün keşfi yolları ve hedefli teklifler ya da paket fırsatlar yoluyla ajan etkileşimlerinden gelir elde etme potansiyeli sunuyor.
Zorluklar ve Sınırlamalar
IBM, ajan tabanlı ticaretin benimsenmesinin önünde bazı engeller bulunduğunu belirtiyor:
- Veri hazırlığı: Bazı perakendeciler sistemler arasında parçalanmış ürün verisiyle uğraşıyor; bu durum keşfedilebilirliği ve birlikte çalışabilirliği sınırlıyor.
- Güven: IBM’in araştırmasına göre tüketicilerin yüzde 83’ü gizlilik, veri kötüye kullanımı ve istenmeyen pazarlama konusunda örtüşen kaygılar taşıyor. Bazı müşteriler hâlâ otomatik işlemler yerine manuel işlemleri tercih ediyor.
- Eski sistemlerin uyarlanması: Mevcut dolandırıcılık ve ödeme sistemleri makine aracıları için değil, insan doğrulaması için inşa edilmişti. Ajan tabanlı deneyimleri benimsemek isteyen işletmelerin bu sistemleri güncellemesi gerekecek.
Agentic Commerce Kullanım Alanları
Ajan tabanlı ticaret çoğu zaman çevrimiçi alışveriş bağlamında tartışılsa da, IBM uygulamalarının satın alma ve işlemlerin karmaşık, tekrarlayan veya zamana duyarlı olduğu her alana uzandığını belirtiyor.
B2B Tedarik ve Tedarik Zinciri
İşletmeler, özellikle rutin veya düşük riskli alımlar için tedarik kararlarını otomatikleştirmek üzere bu modeli kullanabiliyor. Yapay zekâ ajanları onaylı tedarikçileri doğrulayabiliyor, hacme bağlı fiyatlandırmayı görüşebiliyor ve sipariş verebiliyor. Tedarik zinciri bağlamında ajanlar, stok ihtiyaçlarına veya kesintilere alternatif tedarikçileri gerçek zamanlı bularak yanıt verebiliyor. IBM’e göre tedarik liderlerinin yüzde 61’i jeopolitik ve arz risklerini en önemli endişeler arasında gösteriyor; 2028’e kadar G2000 üreticilerinin yarısının yapay zekâ destekli döngüsel tedarik zincirlerini işler hale getirmesi bekleniyor.
Tüketim Ürünleri ve Perakende
Perakendede ajan tabanlı ticaret, yapay zekâ ajanlarının yinelenen alımları yönetmesine, fiyatları birden fazla perakendeci arasında gerçek zamanlı karşılaştırmasına ve kullanıcı tarafından tanımlanan tercihlere göre sipariş vermesine olanak tanıyor. Ajanlar çevrimiçi siparişi mağazadan teslim alma veya yerel teslimatla eşgüdümleyerek kanallar arası sürtünmeyi azaltabiliyor. IBM, bunun perakendeciler açısından rekabeti yalnızca marka görünürlüğünden çok makine tarafından okunabilir ürün verisi, bulunabilirlik ve sevkiyat güvenilirliğine doğru kaydırabileceğini belirtiyor.
Dijital Abonelik Yönetimi
Model giderek dijital aboneliklerin, lisansların ve kullanım temelli hizmetlerin yönetimine uygulanıyor. Yapay zekâ ajanları aboneliğin ne kadar kullanıldığını izleyebiliyor, az kullanılan hizmetleri iptal edebiliyor, eşik değerlere ulaşıldığında planları yükseltebiliyor veya fiyat ya da performans kriterlerine göre sağlayıcı değiştirebiliyor. Bu kullanım alanı, ilk keşiften çok satın alma sonrası optimizasyona odaklanıyor.
Seyahat ve Konaklama
Seyahat ve konaklamada ajan tabanlı ticaret; uçuşlar, konaklama, yer ulaşımı ve diğer unsurları kapsayan uçtan uca rezervasyon iş akışlarını destekliyor. Yapay zekâ ajanları fiyatları izleyebiliyor, koşullar değiştiğinde seyahatleri yeniden rezerve edebiliyor ve önceden tanımlanmış onay sınırları içinde geri ödeme veya kredileri otomatik yönetebiliyor.
Agentic Commerce’e Nasıl Hazırlanılır?
IBM, bu modeli benimsemek isteyen kuruluşlar için dört adım öneriyor:
- Ürün verisini hem insan hem makine tarafından okunabilir biçimde standartlaştırmak.
- Sorunsuz ajanlar arası etkileşime izin vermek için açık API’leri entegre etmek.
- Güveni ve uyumu korumak için net koruyucu sınırlar uygulamak.
- Yalnızca insanların değil ajanların da teklifleri bulup işleyebilmesi için SEO’yu yapay zekâ için yeniden düşünmek.
IBM, ajan tabanlı ticareti erken benimseyenlerin, akıllı yapay zekâ sistemlerinin ekosistem içinde keşfi, öneriyi ve sadakati nasıl ele aldığını etkileyebileceğini belirtiyor.
Bu yazı, IBM Think tarafından yayımlanan ve Amanda McGrath ile Amanda Downie imzalı “What is agentic commerce?” başlıklı 23 Ocak 2026 tarihli içerik temel alınarak hazırlanmıştır. Trilyon dolarlık pazar tahmini IBM’in atıf yaptığı McKinsey’in Ekim 2025 tarihli “The agentic commerce opportunity” raporuna dayanmaktadır.
