OpenAI dots Rehberi: Kesintisiz Çalışan Ajanlar ve Ekiplerin İhtiyaç Duyduğu Unsurlar

OpenAI, 29 Eylül'deki DevDay etkinliğinde "dots"u tanıttı: Gücünü GPT-6 Astra'dan alan, her biri kendi bulut bilgisayarına ve tarayıcısına sahip, ChatGPT, Slack ve Teams üzerinden erişilebilen, ChatGPT içindeki her an aktif ajanlar. Halihazırda kodlama ajanları kullanan bir ekip için en kritik satırlar OpenAI’ın duyurusunun hemen başında yer alıyor: “Bugün birincil dot'unuzla başlayabilir, ona bir isim verebilir ve onu kendinize özel hale getirebilirsiniz. Zamanla, sizin adınıza birlikte çalışan dot ekipleri hayal ediyoruz.” Bir dot, tek bir kişinin ajanı olarak başlıyor. Dot ekipleri ise lansmanın konusu değil, belirtilen gelecek vizyonu.

Bu sıralama mantıklı olsa da ilk ajan aşamasını çoktan geçmiş ekipler için bir boşluk yaratıyor. OpenAI'ın paylaştığı geliştirici örneğinde bir dot; müşteri geri bildirimlerini takip ediyor, küçük düzeltmeler geliştirip test ediyor ve incelemeniz için önünüze “tamamlanmış PR'lar” getiriyor. Şayet aynı ekip paylaşımlı bir sunucuda Claude Code ve iki dizüstü bilgisayarda Codex çalıştırıyorsa, bu durum aynı incelemecileri besleyen yeni bir pull request kaynağı daha anlamına gelir. Artık asıl zor soru hangi ajanın daha zeki olduğu değildir. Zor soru; hangi ajanın ne üzerinde çalıştığı, nelerin tamamlandığı ve nelerin bir insan onayı beklediğidir.

Özetle

OpenAI dot, yetenekli bir kişisel ajan: Her an aktif, kendi bulut bilgisayarında çalışıyor, eklentiler aracılığıyla 4.000'den fazla uygulamaya bağlanabiliyor; Özel Kurallar (Custom Rules), Etkinlik Görünümü (Activity View), otomatik inceleme (auto-review) ve onu duraklatıp durdurabilen bir izleme sistemiyle yönetiliyor. Tek bir kişinin OpenAI ekosistemindeki tekrarlayan işleri için dot oldukça pratik bir çözüm. Ancak farklı sağlayıcılardan birden fazla ajan çalıştıran bir ekibin hâlâ tek bir panoya ihtiyacı var: Her ajanın bir Görevde (Task) Atanan (Assignee) olduğu, durumun herkes tarafından görülebildiği, sonuçların incelemeye sunulduğu ve işin bir insan tarafından onaylandığı bir pano. Bunlar farklı katmanlardır ve birbirini tamamlarlar.

OpenAI Dots Nedir?

Bir OpenAI dot; gücünü GPT-6 Astra'dan alan, kullanıcı başka işlerle meşgulken bile onun hedefleri doğrultusunda kendi bulut bilgisayarında çalışan, her an aktif bir ChatGPT ajanıdır. Dot'unuza bir isim verir, uygulamalarınızı bağlar ve masaüstünde, web'de veya mobilde ChatGPT üzerinden, Slack ya da Teams içinden veya sesli aramayla onunla konuşursunuz; mesajlaşma desteği de çok yakında geliyor. Geri bildirimlerinizden tercihlerinizi öğrenir, aynı anda birkaç farklı işle uğraşırken yeni bir proje üstlenebilir ve ilerleme durumu, sorular ya da sizin onayınızı gerektiren kararlar hakkında size mesaj gönderir.

Bir dot'u standart bir sohbet asistanından ayıran iki temel ayrıntı bulunur. İlki bilgisayardır: Bir dot'un kendi tarayıcısı ve bulut bilgisayarı vardır; yapılan işi denetlemek için istediğiniz zaman bu bilgisayarı açabilir, dilerseniz kendi dizüstü bilgisayarınızı kullanması için ona izin verebilirsiniz. İkincisi ise inisiyatif alabilmesidir. Siz onunla doğrudan çalışmadığınız anlarda dot, OpenAI'ın “proaktif araştırma” dediği eylemi gerçekleştirir. Bunu yalnızca salt okunur olarak sınırlandırılmış araçlar üzerinden bağlı uygulamalarınızı kullanarak yapar; yani verilere göz atabilir ancak mesaj gönderemez, uygulama içeriğini değiştiremez ya da tarayıcınızı veya bilgisayarınızı kontrol edemez.

Uzman dot'lar (specialist dots) bu yapının kurumsal versiyonudur ve OpenAI bu ayrımı net bir şekilde çizer: “Dot'unuz sizin adınıza çalışır; uzman dot'lar ise kuruluşunuz içinde özel sorumluluklar üstlenir.” Bir şirket her birine kendi kimliğini, kimlik bilgilerini ve ihtiyaç duyduğu sistemlere erişim yetkisini tanımlar; OpenAI mühendisleri de sorumluluklarını, araçlarını ve “insanların bu işi nasıl inceleyip onaylayacağını” belirlemek için kuruluşla birlikte çalışır. Bu son cümlenin altını çizelim.

Kontroller “Dot'um ne yapabilir?” sorusuna yanıt veriyor

Dot'lar incelikle tasarlanmış bir izin modeliyle geliyor. Yerleşik kurallar bir dot'un ne zaman tek başına hareket edeceğini ve ne zaman onay isteyeceğini belirler. Özel Kurallar (Custom Rules) belirli eylemlere izin vermenizi, onay şartı koşmanızı veya bunları engellemenizi sağlar. Otomatik inceleme (auto-review), hesaplarınızı etkileyebilecek veya bilgi paylaşımı yapabilecek eylemleri talimatlarınıza ve kurallarınıza göre denetler; şifre değiştirme gibi bazı hassas görevler ise her zaman yalnızca sizin kontrolünüzde kalır. Etkinlik Görünümü (Activity View), arka plandaki çalışmalar dahil olmak üzere ilerlemeyi gösterir ve süreci yeniden yönlendirmenize olanak tanır. OpenAI'ın izleme mekanizması bir güvenlik sorunu tespit ederse dot'un çalışmasını duraklatabilir veya tamamen sonlandırabilir.

Bu, kişisel bir ajan için son derece yerinde bir denetim mekanizmasıdır ve OpenAI bunu ikinci tekil şahıs diliyle açıklar: Sizin uygulamalarınız, sizin kurallarınız, sizin onaylarınız. Kendi tavsiyeleri de bu döngüyü tamamlıyor: “Dot'lar yine de hata yapabilir, bu nedenle kritik sonuçlar doğurabilecek işleri her zaman inceleyin.”

Bir ekibin de bir üst seviyede tam olarak aynı ihtiyaçları vardır. Soru artık “Benim dot'um ne yapabilir?” değil; “Bu projedeki her bir ajan ne yapıyor ve son onayı kim veriyor?” haline gelir. OpenAI zaten bu yanıtın bir kısmının ajanın dışında yer alacağını öngörüyor: Microsoft iş birliği için belirtilen hedef, işletmelerin “dot'ları halihazırda kullandıkları Microsoft araçları üzerinden yönetmelerini” sağlamak. Yönetim katmanı, ajanın üzerinde konumlanır. Pano da tam olarak burada yer alır.

Bir ekip liderinin aklındaki sorular hâlâ değişmedi

Küçük bir ürün ekibi hayal edin. Mühendislerden birinin dot'u var. Paylaşımlı bir sunucuda Claude Code çalışıyor, iki dizüstü bilgisayarda Codex açık ve Gemini da dokümantasyon taslaklarını hazırlıyor. Her bir ajan gayet iyi iş çıkarıyor. Ancak Pazartesi toplantısını dolduran sorular bu ajanların hiçbirine tek tek odaklanmıyor.

Sağdaki sütun daha akıllı bir ajanı değil, ajanların etrafındaki ortak kayıt mekanizmasını temsil eder. Sharkly; Claude Code, Codex veya diğer yürütme araçlarının alternatifi değildir; ekibinizin halihazırda kullandığı araçların çevresine paylaşılan görev, Computer, bağlam, denetim ve inceleme katmanını ekler. Dört rol, her birinin tek bir görevi var: Agent işin nasıl ele alınacağını tanımlar, Computer ana sistemi (host) sağlar, Runtime oturumu yürütür ve Task paylaşılan ortak kayıt olarak kalır. İlerleme, izleme olayları (trace events) ve sonuçlar Task'a geri aktarılır; böylece “gece boyunca ne oldu?” sorusunun yanıtı dört ayrı özel yazışmada değil, doğrudan panoda bulunur.

Sağlayıcı kim olursa olsun bu temel prensip geçerliliğini korur: Ajanlar araştırır, yürütür, test eder ve raporlar. İnsanlar ise yönü belirler, yetki verir ve sonucu kabul eder. Ajan çalışmalarında insan sahipliği başlıklı yazı bu ikinci cümlenin neden ajana devredilemeyeceğini açıklarken, ajanik ekipler yazısı da birden fazla kişi aynı panoyu paylaştığında nelerin değiştiğini ele alıyor.

Ne zaman dot daha uygundur, ne zaman pano?

İş tek bir kişiye aitse, tekrarlanıyorsa ve ChatGPT, Slack, Teams ile eklentilerin bağlandığı uygulamalar içinde kalıyorsa bir dot kullanın: Kapsama göre güncellenen bir lansman planı, yeni veri geldikçe yeniden çalışan bir analiz veya birinin göndermeyi unuttuğu bir fatura gibi. Zaten Pro veya Business Premium abonesiyseniz ve ajan çalışmalarınız çoğunlukla kişisel işlerinizden oluşuyorsa, bir dot buradaki her şeyden daha az kurulum gerektirir ve bir panoya hiç ihtiyaç duymayabilirsiniz. Dot aynı zamanda bir asistan ile ekip arkadaşı arasındaki çizgiyi de bulanıklaştırır: Bir ekip arkadaşı gibi başında beklemediğiniz işleri yürütür ancak yalnızca tek bir kişiye hesap verir.

İş paylaşımlı olduğunda ise bir pano kullanın: Birden fazla kişinin birden fazla ajana görev atadığı, farklı sağlayıcılara ait Runtime'ların devrede olduğu, talebi yazmayan kişilerin inceleme yaptığı ve tek bir sohbet geçmişinden daha uzun ömürlü bir Task geçmişinin gerektiği durumlar gibi. Bu durum özellikle iş akışınızın bir sonraki “en iyi ajan” çıktığında da bozulmadan sürmesini istediğinizde kritik hale gelir. Bugün bu bir dot içindeki Astra, sunucudaki Claude Code ve dizüstü bilgisayardaki Codex olabilir. Önümüzdeki çeyrekte bu kadro değişebilir; ancak bir ekibin panosunun her seferinde sıfırdan kurulması gerekmemelidir.

Bu iki yaklaşım birbirini tamamlar. Bir dot'un açtığı pull request, Sharkly'ye bağlı bir GitHub deposuna düşerse ve başlığında, açıklamasında veya dalında (branch) bir Task ID yer alıyorsa, Sharkly'nin GitHub entegrasyonu bunu ilgili Task ile eşleştirmeye çalışır. Slack'te mesajlaştığınız bir dot, birbirinin yerini almadan kendi Slack botuna sahip bir Sharkly Agent ile yan yana durabilir. GPT-6 Astra'yı doğrudan panoda kullanmak isterseniz de tıpkı diğer tüm modeller gibi bir Computer üzerindeki Runtime aracılığıyla dahil olur; çünkü Agent, Runtime'ın varsayılan modelini takip eder. Kurulum detaylarına Sharkly'de GPT-6 Astra ajanlarını çalıştırma rehberinden ulaşabilirsiniz.

Kendisine söylenmeden inisiyatif alan ajanlar konusunda DevDay'deki tek duyuru dot'lar değildi. İkisi de DevDay özetinde yer alan MCP Olayları (MCP Events) ve ekip görevleri, aynı yaklaşımı olaya dayalı (event-driven) iş süreçlerine taşıyor; bu konuyu tamamlayan proje panonuzu izleyen ChatGPT başlıklı yazımız ise bir olay tetiklendiğinde ortaya ne çıkması gerektiğini sorguluyor.

Her yapay zeka şirketi kendi ajanlarını yönetmenizi istiyor. Sharkly ise kendi ajanlarınızı yönetmenizi sağlar. Tek bir ekosisteme bağımlı kalmak yerine birden fazla kodlama ajanını bir arada kullanmaya devam etmek istiyorsanız, Sharkly tam da bu sorunu çözmek için tasarlandı.