Yapay zekâ döneminde DevOps kavramı da değişiyor. Yazılımı geliştirenlerle onu güvenilir biçimde çalıştıran ekiplerin ortak sorumluluk almasına dayanan bu yaklaşım, şimdi yapay zekâ ajanlarıyla yeni bir boyut kazanıyor. Kod üretimi hızlanırken, yapılan değişikliklerin canlı sistemleri ve işi nasıl etkilediğini anlamak daha önemli hale geliyor. AIOps, yani yapay zekâ destekli tech operasyonları, bu noktada devreye giriyor.
Şirketinizin dijital ödemeleri durduğunda veya fabrikanın en kritik üretim bandını etkileyen bir sorun yaşandığında ilk aranan kişi, servislerinizin ve altyapınızın yumuşak karnını bilen kıdemli uzmandır. Mesele, yapay zekâ ajanlarıyla geliştirmenin hız kazandığı bu dönemde o bilginin birkaç kişinin kafasında kalmaması.
Şöyle bir sahne düşünün. Bir müşteri uygulamanızda bir süre gezinmiş, sepetini doldurmuş, ödeme adımına gelmiş. Sayfa bekliyor, sonra bir hata mesajı. Müşteri bir kez daha deniyor, yine olmuyor; uygulamayı kapatıyor. Aynı sorun başka müşterilerin de başına geliyorsa, teknik bir aksaklık ciddi bir kayıp riskine dönüşür. Tekrar eden hatalar müşterinin güvenini zedeleyebilir. Böyle bir anda patron, genel müdür, satış ve pazarlama ekipleri teknoloji liderine aynı soruyu sorar: Ne oldu, nereden kaynaklanıyor, kim düzeltecek?
Büyüyen bir şirket yıllar içinde onlarca uygulama, hizmet, altyapı parçası ve dış bağlantıdan oluşan karmaşık bir yapı biriktirir. Müşterinin gördüğü tek bir “satın al” düğmesinin arkasında bu yapının birçok parçası birlikte çalışır; bazı bağlantıların neden kurulduğu zamanla unutulabilir.
Herkesin aradığı kurtarıcı yani şirketin 20 yıllık uzman mimarı
Bu bağlantıları bilen kıdemli uzmanı, şirkette yirmi yıldır çalışan biri gibi düşünün. Hangi uygulamanın hangi hizmete, hangi hizmetin hangi altyapı bağlantısına yaslandığını, hatta o bağlantının neden öyle kurulduğunu hatırlar. Ödeme adımının kampanya sistemine baktığını, kampanya sisteminin eski bir fiyatlandırma hizmetinden beslendiğini, o hizmetin yıllar önce taşınan bir veritabanına bağlı olduğunu bilir. Bir şey çalışmadığında ilk aranan odur; ekranı açıp kısa sürede “sorun şurada, şuna bakın” der. Ödemeniz durduğunda, sepetiniz çalışmadığında devreye giren o sihirli eller, aslında bir insanın yıllar içinde biriktirdiği, şirketle bütünleşen bilgisidir. Tıpkı Karayip Korsanları’nda Davy Jones’un gemisinin bir parçası olan mürettebatı gibi.
AIOps, erişebildiği güncel sistem verileri ve kayıtlı operasyon bilgisi üzerinden uygulamalar, servisler ve altyapı arasındaki ilişkileri öğrenir. Şirketin 20 yıllık mimarı gibi, tek bir hataya değil, sistemin bütününe bakar. Peki ödeme örneğinde neyi inceler, nasıl müdahale eder?
Varsayımsal olarak, sorunun yeni bir yazılım sürümünden sonra başladığını düşünelim. AIOps; hata kayıtlarını, servislerin yanıt sürelerini, veri tabanı bağlantılarındaki yoğunluğu ve son yazılım değişikliklerini birlikte inceler. Yeni sürümün neleri değiştirdiğini, hangi bağlantıları etkilediğini ve ödeme isteklerinin nerede beklediğini mevcut sistem bilgisiyle birleştirir. Bulgular yeni sürümü işaret ediyorsa, bu ilişkiyi doğrulayarak sorunun kaynağını netleştirir. Önceki sürüme dönüşün uygun ve güvenli olduğunu değerlendirdiğinde, belirlediğiniz politika ve yetkiler içinde geri alma işlemini (rollback) gerçekleştirir; onay gereken durumlarda ise gerekçesiyle birlikte önerir ve onayınızla uygular.
Gerekli bağlantılara sahip ajan tabanlı bir AIOps sistemi, uygun bulunan müdahaleyi belirlediğiniz politika ve yetkiler içinde kendisi uygulayabilir. Ekip süreci izler, gerektiğinde müdahale eder: insan gözetimindeki bu yaklaşım human-on-the-loop olarak adlandırılır. Onay gerektiren adımlarda ise çözümü sunar ve onayınızla uygular; bu da human-in-the-loop yaklaşımıdır.
Bu alanın gerçek uygulamalarından biri Google’ın yapay zekâ destekli olay inceleme sistemi. Google, Investigation Dashboard’un desteklediği olaylarda, olayın etkisini hafifletmek için geçen ortalama sürenin yaklaşık yüzde 44 kısaldığını bildiriyor. Bu, yukarıdaki ödeme senaryosunun veya otomatik geri almanın ölçülmüş sonucu değil; Google’ın kendi uygulamasına ait bir bulgu. Yine de iş değerinin nerede aranacağını somutlaştırıyor: kesintilerin etkisini azaltmak ve ekiplerin araştırmaya harcadığı zamanı daha verimli kullanmak.
Tech operasyonlarında yapay zekâ, şirketlerin teknoloji gündeminde daha fazla yer tutuyor. Gartner’ın 26 Ekim 2026’da yayımladığı, aynı yılın nisan ve mayıs aylarında 272 altyapı ve BT operasyon lideriyle yaptığı araştırmaya göre, katılımcıların yüzde 58’i yapay zekâ denemelerini operasyonlarda daha geniş kullanıma taşımayı izleyen 12 ayın önemli öncelikleri arasında görüyor. Bu veri doğrudan bütçe artışını ölçmüyor; ancak şirketlerin ilgisinin küçük denemelerden günlük operasyonlarda kullanıma doğru yöneldiğini gösteriyor. AIOps’un iş değeri de burada somutlaşıyor: teknolojiyi denemek kadar, onu kesintilerin etkisini azaltan ve ekiplerin zamanını daha verimli kullanmasını sağlayan iş akışlarına dönüştürebilmek.
AIOps sadece kesintilerde değil normal akışta da fayda sağlar
Bana göre daha büyük değer, sorun çözüldükten sonra başlıyor. Üretimde öğrenilenler, servisleri geliştiren yapay zekâ ajanlarına aktarılabiliyor. Ödeme akışında hangi bağlantının sorun çıkardığı, neyin işe yaradığı ve müşterinin nasıl etkilendiği, yeni tasarımlara ve testlere girdi oluyor. Böylece ekip aynı sorunu tekrar tekrar çözmek yerine, tekrarlanmasını önleyecek değişikliklere odaklanabiliyor.
Her şeyi bilen o kişi yarın ofiste olmasa, şirketiniz kendini ne kadar hatırlayabilir? AIOps’ın iş değeri, bu hafızayı birkaç kişiye daha az bağımlı hale getirirken yeni uygulama ve servislerin daha sağlam tasarlanmasına katkı vermesinde yatıyor. Günün sonunda kazanılan mühendislik zamanı, müşteriye değer katan işler için kullanılabilecek kapasiteye dönüşüyor.
