Gelenekten Geleceğe: IF/THEN/ELSE Mantığının Agentic AI ile Dönüşümü

[#1]

Giriş

Günümüzün hızla değişen dünyasında, kurumlar daha hızlı, daha akıllı ve daha şeffaf kararlar almayı hedefliyor. Bir krediyi onaylamak, dolandırıcılığı tespit etmek veya kişiselleştirilmiş bir teklif sunmak... Her karar otomasyonu, yönetişim ve insan muhakemesini dengelemek zorundadır. İşte SAS Intelligent Decisioning'in parladığı yer burasıdır; işletmelere veri odaklı kararları ölçekli bir şekilde tasarlama, devreye alma ve yönetme gücü verir.

Bu yeteneğin özünde, bilgi işlemin en basit ama en güçlü mantık yapılarından biri  olan IF/THEN/ELSE (EĞER/İSE/DEĞİLSE) ifadesi yatar. SAS Intelligent Decisioning'de bu yapı, yönetişilen ve açıklanabilir karar akışları oluşturmanın temelini oluşturur. İş kullanıcıları görsel arayüzler aracılığıyla kuralları kolayca oluşturup yönetebilirken, veri bilimciler daha derin akıl yürütme ve uyarlanabilirlik için Büyük Dil Modelleri (LLM'ler) gibi Agentic AI bileşenlerini entegre edebilirler. Geleneksel kural tabanlı mantığı Agentic AI'nın esnekliğiyle birleştirerek, şirketler hibrit karar sistemleri oluşturabilirler.

Bu blog yazısı, SAS Intelligent Decisioning'de IF/THEN/ELSE mantığının kural kümeleri ve koşullu dallanma (conditional branching) yoluyla nasıl uygulanabileceğini araştırmaktadır. Ayrıca, SAS Viya kullanarak sorumlu, otonom karar alma sistemleri tasarlamak ve inşa etmek için en iyi uygulamaları paylaşmaktadır.

SAS Intelligent Decisioning'de IF/THEN/ELSE Mantığını Kullanmanın İki Yolu

SAS Intelligent Decisioning'de IF/THEN/ELSE mantığını iki temel şekilde kullanabilirsiniz:

1. Kural Kümeleri (Rule Sets) İçinde: İş kullanıcılarının kullanıcı dostu bir arayüzde koşullar ve aksiyonlar tanımlayabildiği yer.

2. Karar Akışlarında Koşullu Dallanma Yoluyla: LLM'ler gibi Agentic AI unsurları dahil olmak üzere birden fazla bileşeni düzenlemek (orchestrate) için.

Figure1: IF/THEN/ELSE mantığına sahip Varsayılan Kural Kümeleri

1. Kural Kümesinde IF/THEN/ELSE Kullanımı

Kural kümeleri, SAS Intelligent Decisioning'in temel bir bileşenidir. İş analistlerinin, ileri düzey kodlama gerektirmeyen görsel bir arayüz aracılığıyla mantık oluşturmasına ve yönetmesine olanak tanır.

Nasıl başlanır:

Adım 1: Yeni Bir Kural Kümesi Oluşturun:

• Yeni bir kural kümesi oluşturun ve girdi/çıktı değişkenlerinizi tanımlayın.

Adım 2: İlk IF Kuralınızı Ekleyin

• Kural Ekle (Add Rule) seçeneğine tıklayın.

• Koşulunuzu tanımlayın:

  • Örnek: IF loan_amount > 100000 (EĞER kredi_tutarı > 100.000)

• Aksiyonu belirtin:

  • THEN approval_status = 'Pending Review' (İSE onay_durumu = 'İnceleme Bekliyor')

Adım 3: Bir ELSE Kuralı Ekleyin

• Az önce oluşturduğunuz kuralı seçin.

• Ekle -> Else Kuralı (Else Rule) seçeneğine tıklayın.

  • Örnek: ELSE approval_status = 'Auto Approved' (DEĞİLSE onay_durumu = 'Otomatik Onaylandı')

Adım 4: Bir ELSE IF Kuralı Ekleyin

• Tekrar Kural Ekle'yi seçip operatörü ELSE IF olarak değiştirerek ek koşullar ekleyin. Bu, aşağıdaki gibi genişletilmiş bir mantıksal dizi oluşturur:

  • IF loan_amount > 100000 THEN approval_status = 'Pending Review';

  • ELSE IF credit_score < 600 THEN approval_status = 'Rejected';

  • ELSE approval_status = 'Auto Approved';

Bu yapı, iş politikalarını stratejiler değiştikçe gelişebilen, denetlenebilir ve sürüm kontrollü bir formatta yakalamanıza olanak tanır.

Figure 2: Kural Kümeleri ve LLM içeren Akıllı Karar Verme Örneği

2. Karar Akışında Koşullu Dallanma Kullanımı

Daha karmaşık süreçler için, bir karar akışı içinde koşullu dallanma (conditional branching) kullanabilirsiniz. Karar akışları; kural kümeleri, analitik modeller, özel kodlar ve şimdi de Agentic AI yetenekleriyle birden fazla bileşeni görsel olarak düzenlemenizi sağlar.

Adım 1: Bir Karar Akışı Oluşturun Tuval üzerine (canvas) aşağıdaki gibi düğümleri (nodes) sürükleyip bırakın:

• Kural Kümeleri

• Analitik Modeller

• Özel Kod (Custom Code)

• LLM Çağırma (Call LLM - Agentic AI) düğümleri

Adım 2: Koşullu Bir Düğüm Ekleyin

• İki düğüm arasındaki bağlantı okuna tıklayın ve Koşullu Dal Ekle (Insert Conditional Branch) seçeneğini seçin. Bu, akışınızın bir koşula göre ayrılmasını sağlar, örneğin: IF approval_status = 'Pending Review'

Adım 3: Dallar (Branches) Oluşturun

• Doğru Yolu (True Path): Yeni bir aksiyon dizisine bağlayın, örneğin bir "Call LLM" adımı.

• Yanlış Yolu (False Path): Başka bir yola bağlayın, örneğin onayı veya reddi sonlandırın.

Adım 4: Agentic AI Bileşenlerini Entegre Edin Agentic AI, karar vermeye yeni bir akıl yürütme ve uyarlanabilirlik seviyesi getirir.

• Call LLM Adımı: Gelişmiş analiz veya öneriler için verileri ve bağlamı Büyük Dil Modeline gönderir.

  • Örnek İstem (Prompt): "Bu başvuru sahibinin finansal durumunu analiz et ve koşullu olarak onaylanıp onaylanmaması gerektiğini öner."

• Hafıza ve Güvenlik Sınırları (Guardrails): Tutarlı karar verme için bağlam sürekliliği (hafıza) ekleyin ve AI çıktısının kurumsal ve etik politikalarla uyumlu olduğundan emin olmak için güvenlik sınırları tanımlayın.

• LLM Çıktısını İşleme: Bir LLM yanıtı aldıktan sonra, bunu yorumlamak ve kararı sonlandırmak için yeni bir kural kümesi veya kod adımı kullanın.

Örnek: Hibrit Kredi Onay İş Akışı

Aşağıda, yönetişilen, açıklanabilir ve uyarlanabilir bir karar sürecini gösteren, kural kümeleri ile Agentic AI'yı tek bir karar akışında birleştiren bir örnek verilmiştir.

Adım Adım Akış:

1. Başlangıç Adımı: Yeni bir kredi başvurusu sisteme girer.

2. Kural KümesiAdımı (Uygunluk Kontrolü):

   • IF credit_score > 750 THEN approval_status = 'Auto Approved';

   • ELSE IF debt_to_income_ratio > 40 THEN approval_status = 'Pending Review';

   • ELSE approval_status = 'Rejected';

3. Koşullu Dallanma: Akış, approval_status (onay durumu) değerine göre ayrılır:

   • Yol 1 (Otomatik Onay): Doğrudan Bitiş adımına gider — kredi onaylandı.

   • Yol 2 (Red): Bitiş adımına gider — kredi reddedildi.

   • Yol 3 (İnceleme Bekliyor): Bir Call LLM adımına gider.

4. Call LLM Adımı: LLM, vakayı inceler, başvuru sahibinin mali durumunu analiz eder ve şuna benzer bir öneri sunar:

   • "Başvuru sahibinin teminatı güçlü; koşullu onay önerilir."

5. Kural Kümesi Adımı (LLM Analizi):

   • IF LLM_recommendation = 'Approve with Conditions'

   • THEN final_decision = 'Approved with Conditions';

   • ELSE final_decision = 'Manual Review Required';

6. Bitiş Adımı: Süreç, nihai kararın loglanması ve denetlenebilir hale gelmesiyle sonuçlanır.

Kural Tabanlı Mantığı Agentic AI ile Birleştirmenin Gücü

Geleneksel IF/THEN/ELSE mantığını Agentic AI'nın uyarlanabilirliği ile harmanlayan bu hibrit yaklaşım, birkaç önemli avantaj sunar:

• Şeffaflık: Her kural ve karar dalı belgelenir ve açıklanabilir durumdadır.

• Yönetişim: İş kullanıcıları kuralları doğrudan yöneterek uyumluluğu sağlar.

• Uyarlanabilirlik: Agentic AI, karmaşık veya sınırda kalan (borderline) vakaları ele almak için zeka katar.

• Verimlilik: Rutin vakalar otomatikleştirilir, uzmanların istisnalara odaklanması sağlanır.

• Ölçeklenebilirlik: SAS Viya'nın bulut tabanlı (cloud-native) mimarisi, yüksek hacimli, gerçek zamanlı karar vermeyi destekler.

En İyi Uygulama Örnekleri

• 1. İnsan Döngüde (HITL) Kontrolleriyle Otonomi

  Otonomi, insan muhakemesini ortadan kaldırmamalı, onu güçlendirmelidir.

  • Human-in-the-Loop (Döngüde İnsan): Düşük güvenli veya yüksek riskli talepleri denetçilere yönlendirin. IF (Claim_Amount > 10000) OR (Fraud_Risk_Score < 0.6) THEN Route_To_Human_Review = Yes

  • Human-on-the-Loop: Yöneticiler, SAS Visual Analytics'teki panoları (dashboards) anormallikler veya sapmalar için izler ve gerekirse otomasyonu duraklatır.

  • Out-of-the-Loop: Düşük riskli, yüksek güvenli vakaları tamamen otomatikleştirin. IF (Claim_Amount < 500) AND (Fraud_Risk_Score > 0.9) THEN Auto_Approve = Yes

  2. Durumsal Farkındalık ve Gerçek Zamanlı Bağlam

  Ajanlar; ne zaman, nerede ve nasıl hareket edeceklerini anlayarak çevresel zeka ile çalışmalıdır.

  • Operasyonel Farkındalık (Sistem Yüküne Uyum): IF (Model_Drift_Score > 0.2) OR (System_Load > 0.8) THEN Route_To_Human_Review = "Yes";

  • Sosyal Farkındalık (Kullanıcı Bağlamı): IF (User_Status = "InMeeting") THEN Send_Notification = "Later";

  SAS Visual Analytics kullanarak şunları gösteren gerçek zamanlı panolar oluşturun:

  • Karar gecikme trendleri

  • Zaman içindeki model sapması (drift)

  • Bağlam duyarlı kurallar için tetiklenme sıklığı

  3. Başarısızlığa ve Belirsizliğe Karşı Dayanıklılık

  Gerçek dünya senaryolarında, ajan tabanlı sistemler eksik veriler, güvenilmez API'ler veya belirsiz insan girdileri gibi belirsizliklerle karşılaşabilir. Güvenli otonomi sağlamak için ajanlar; kademeli hizmet azaltımı (graceful degradation), geri dönüş (fallback) mekanizmaları ve hataya duyarlı karar mantığı ile tasarlanmalıdır.

SAS Viya'da Teknik Uygulama:

1. Eksik veya Tamamlanmamış Verilerin İşlenmesi: Eksik girdi değişkenleri için varsayılan değerler, atama (imputation) kuralları veya alternatif dallar tanımlayın. 

   Örnek:

   IF CreditScore IS MISSING THEN
      RiskCategory = "Unknown";
      Route_To_Human_Review = "Yes";
   ELSE IF CreditScore < 600 THEN ...
   

2. Doğal Dil veya Kullanıcı Girdilerindeki Belirsizliğin Yönetimi: Belirsiz talimatlar için güven eşikleri ve yapılandırılmış açıklama istemleri kullanın. Örnek:

   IF (LLM_Confidence_Score < 0.7) THEN DO;
      Clarification_Request = "Yes";
      Route_To_Human_Review = "Yes";
   END;
   

3. Belirsizliğe Duyarlı Karar Verme: Düşük güvenli vakaları insanlara veya yedek sistemlere yönlendirmek için model güven skorlarını kullanın. IF (Model_Confidence < 0.6) THEN Decision = "Manual_Review"; Bunu, güven eşiklerinin altına düşen kararları izlemek için SAS Model Manager ile birleştirin; bu, güvenli otonomi için kritik bir yönetişim metriğidir.

4. Kendi Kendini İzleme: Hatalar oluştuğunda, ajan aniden durmak yerine güvenli, kısıtlı bir modda çalışmaya devam etmelidir. Örnek: API çalışmıyorsa ve model eskiyse, otomasyonu duraklatıp uyarı gönderin.

Not: Karmaşık iş akışları için Segmentasyon Ağaçlarını (Segmentation Trees) da kullanabilirsiniz. SAS Intelligent Decisioning'de segmentasyon ağaçları, veri değişkenlerinin her düğümde değerlendirildiği akış şeması tarzı diyagramlar olarak işlev görür. 

Sonuç

Agentic AI'nın SAS Intelligent Decisioning ile entegrasyonu, geleneksel karar akışlarını dinamik, uyarlanabilir sistemlere dönüştürür. Yapılandırılmış yönetişim için IF/THEN/ELSE mantığını, daha derin içgörüler için LLM tabanlı akıl yürütme ile birleştirerek, şirketler daha hızlı, daha akıllı ve daha şeffaf sonuçlar elde edebilir.

Akıllı otomasyon çağında, basit bir IF ifadesi artık çok daha akıllı hale geldi.

Bu içerik, SAS çözüm mimarlarından @Ursula_Polo ’nun Best Practices of IF/THEN/ELSE Logic and Agentic AI in SAS Intelligent Decisioning makalesinden  uyarlanarak hazırlanmıştır

[#2]

Bu içerik, SAS çözüm mimarlarından @Ursula_Polo ’nun Best Practices of IF/THEN/ELSE Logic and Agentic AI in SAS Intelligent Decisioning makalesinden  uyarlanarak hazırlanmıştır

[#3]

Bu içerik, SAS çözüm mimarlarından @Ursula_Polo ’nun Best Practices of IF/THEN/ELSE Logic and Agentic AI in SAS Intelligent Decisioning makalesinden  uyarlanarak hazırlanmıştır