Perakendede AI'ın yeni problemi: Birbirinden habersiz doğru kararlar

Ne oldu?

RELEX Solutions, 2 Kasım 2026’da RELEX Open platformunun üzerine yeni agentic AI kabiliyetleri duyurdu. Şirketin hedefi; talep tahmini, replenishment, merchandising, pricing ve operasyon gibi farklı işlevlerde çalışan AI ve agent’ların, karar verirken işletmenin başka bölümlerindeki öncelik ve kısıtları da hesaba katabilmesi. Duyuruda RELEX Open, mevcut sistemleri bağlamak, uygulamaları genişletmek ve değer zinciri boyunca AI destekli iş akışlarını koordine etmek için bir temel olarak tarif ediliyor.

RELEX, bu temele API’ler, MCP, eklentiler ve diğer açık standartlar üzerinden erişim sunduğunu belirtiyor. Duyurunun anlattığı üç yön; mevcut planlama kabiliyetlerini devreye almak, müşterilerin kendi veri ve sistemleriyle platformu genişletmesi ve fonksiyonlar arasında önerileri ortak bağlamda koordine etmek. Şirket ayrıca süreçleri, sistemleri, ekipleri, kararları ve KPI’ları birbirine bağlayan ortak bir knowledge graph’tan söz ediyor. Bu grafik agent’lara iş kararlarının birbirine etkisini anlamaya yardımcı olacak bağlamı sağlamayı amaçlıyor.

Burada ürün vizyonu ile sahadaki kanıtı ayırmak gerekiyor. RELEX, koordinasyon kabiliyetlerini ve bilgi grafiğini platformun yönü olarak duyuruyor. Aynı açıklama, Sprouts Farmers Market ile mağaza replenishment kabiliyetlerini birlikte geliştirme çalışmalarını ve Avrupa’daki bir gıda perakendecisiyle müşteri özelindeki bir kabiliyetin üretime alınmasını da aktarıyor. Bunlar belirli uygulamalara ilişkin şirket anlatımları; duyurudaki bütün fonksiyonların agent’lar arası koordinasyonla üretimde kanıtlanmış sonuçlar verdiğini göstermiyor. Üretim ortamındaki örnekleri, henüz hedeflenen daha geniş orchestration vizyonuyla aynı şey saymamak gerekir.

Neden önemli?

Bir perakendecide her fonksiyonun kendi verisine ve yerel hedefine göre çalışması tek başına yanlış değildir. Talep tahmini tahmin doğruluğunu, replenishment bulunurluğu, pricing marjı veya satış hızını, merchandising ürün sunumunu, supply chain ise kapasite ve teslim sürelerini iyileştirmeye çalışabilir. Sorun, her sistemin kendi açısından makul bulduğu kararların aynı anda işletmenin bütünü için tutarsız hale gelmesidir.

Bir pricing agent yavaş satan ürün için indirim önersin. Inventory sistemi eldeki stoğun zaten düşük olduğu uyarısını versin; tedarik süresi de uzamış olsun. Fiyat agent’ı dönüşümü artırıp eldeki ürünü hızla satabilir, ama mağazayı veya kanalı daha erken stoksuz bırakabilir. Replenishment sistemi sipariş açmayı önerebilir; tedarik kısıtı nedeniyle ürün zamanında gelmeyebilir. Bu kararlardan hangisinin uygulanacağı yalnızca her modelin güven skoruna bakılarak belirlenemez. İndirim hedefi, stokun hangi kanala ayrıldığı, tedarik riski ve ticari öncelik birlikte ele alınmalıdır.

Benim yorumum

AI agent sayısını artırmak, ticari karar kalitesini kendiliğinden artırmaz. Birbirinden habersiz çalışan beş agent, tek bir agent’tan daha çok öneri üretebilir; fakat daha iyi bir işletme sonucu üretmeleri garanti değildir. Her agent kendi yerel hedefinde başarılı olurken işletme toplam marjı, bulunurluğu veya müşteri deneyimi zarar görebilir. Bu nedenle asıl ürün problemi agent üretmekten çok kararların karşılıklı etkisini fark etmek ve birbiriyle çelişen önerileri yönetmektir.

Burada ortak veri modeli ile ortak karar bağlamını ayırıyorum. Ortak veri modeli, ürün, stok, sipariş, fiyat ve lokasyon kayıtlarının sistemlerce aynı anlamda okunmasını sağlar. Ortak karar bağlamı ise bu kayıtların belirli bir ticari hedef, zaman aralığı, kısıt ve yetki çerçevesinde ne anlama geldiğini açıklar. Aynı ürün ve stok miktarını görmek, sezon sonu marjını mı yoksa kritik mağazalarda bulunurluğu mu önceleyeceğimiz sorusuna yanıt vermez. İkinci soru veri entegrasyonundan fazlasını, iş önceliklerinin ve karar sorumluluğunun açık olmasını gerektirir.

Karar zincirinde de sorumlulukları birbirine karıştırmamak gerekir. Agent bir öneri hazırlayabilir ve gerekçesini sunabilir. Bir policy evaluation adımı önerinin marj tabanı, stok rezervi veya yetki sınırı gibi kurallara uyup uymadığını denetleyebilir. İnsan onayı gereken işlem, yetkili role gitmelidir. Yetkilendirilmiş yürütme doğru domain sisteminde yapılmalı; sonrasında oluşan sipariş, fiyat veya stok durumu doğrulanmalıdır. Sonuç ölçümü de önerinin kabul edilip edilmediğinden öte, işletmenin hedefinin gerçekleşip gerçekleşmediğini izlemelidir.

Pricing, Promotions, Inventory ve Supply Chain sistemlerinin kendi iş kurallarının sahibi olmaya devam etmesini önemli buluyorum. Bir orchestration katmanı bu sistemlerin kararlarını görünür kılabilir, çelişkiyi saptayabilir ve önceliklendirme için gereken bağlamı toparlayabilir. Ancak her kuralı kopyalayıp tek bir agent’a taşımak, kuralların sahipliğini bulanıklaştırır. Örneğin fiyat tabanının güncellenmesi pricing domain’inin sorumluluğunda kalmalı; orchestration, önerilen indirimin bu kurala takıldığını ve düşük stokla birlikte değerlendirilmesi gerektiğini gösterebilmelidir.

Karar orkestrasyonu denen olası bir platform kabiliyeti bana bu yüzden anlamlı geliyor. Bu, RELEX’in resmî mimarisini tanımlama iddiası değil; duyurudaki ihtiyaca verdiğim mimari ad. Böyle bir katmanın en az üç soruyu cevaplaması gerekir: Çelişen kararlar nasıl fark edilecek? İşletme bu durumda hangi ticari hedefe öncelik verecek? Sonuçların iyi ya da kötü olduğu hangi ölçüyle anlaşılacak? Katman yalnızca agent’ları birbirine bağlarsa iletişim sağlar, ama yönetişim sağlamaz. Öncelik politikası, onay noktaları, işlem yetkisi ve sonuç ölçümü de tasarımın parçası olmalıdır.

RELEX’in knowledge graph yaklaşımı bu açıdan ortak iş bağlamının temsiline ilişkin bir iddia. Fakat bir grafikte ilişkileri göstermek, hangi kararın diğerine üstün geleceğini tek başına belirlemez. Bu tercih ticari politika ve sorumluluk gerektirir. Agent önerisi, uygulama yetkisi ve iş kuralı farklı katmanlarda tutulduğunda sistem hem daha denetlenebilir hem de değişikliklere karşı daha yönetilebilir olur.

Sonuçta birbirinden bağımsız çalışan çok sayıda başarılı AI agent’ı, başarılı bir ticari operasyon oluşturmak için yeterli değil. Ticari kalite, agent’ların tek tek doğruluğu kadar, aynı anda ürettikleri kararların ortak hedeflere uyumuna bağlı. Perakendede AI’ın yeni problemi de belki tam burada: doğru cevabı veren sistemleri çoğaltmak değil, doğru cevapların birbirini bozmasını önlemek.

Kaynak

RELEX Solutions — RELEX Advances Agentic AI Platform to Orchestrate the Value Chain — Kaynak tarihi: 2 Kasım 2026. Ürün kapsamı, API/MCP ve knowledge graph açıklamaları ile müşteri örnekleri şirket duyurusunda aktarıldığı biçimiyle kullanılmıştır.

RELEX Solutions — RELEX Open — Platformun açık protokoller ve ortak iş bağlamına ilişkin ek açıklamaları.