Adım Adım Rehber: AI Ajanlarını Kullanarak Haftalık Rakip İzlemeyi Otomatikleştirme

Rakip izleme genellikle basit bir nedenle başarısız olur: Araştırma, çok fazla sekme, çok fazla kişi ve anlamlı bir değişikliğin ne olduğu konusunda çok fazla tanım arasında dağınık halde bulunur. Bir kişi fiyatlandırma sayfalarını kontrol eder, diğeri sürüm notlarını izler, başkası sektör haberlerini tarar ve Cuma günü geldiğinde ekip elinde bir yığın bağlantı bulur ancak önemli soruya güvenilir bir cevap veremez: Bu hafta ne değişti ve bu önemli mi?

Bir AI ajanı bu manuel işi azaltabilir, ancak ajan sistemin yalnızca bir parçasıdır. Güvenilir bir haftalık iş akışı ayrıca bir kaynak listesi, bir kanıt formatı, önceki haftaya ait bir temel çizgi (baseline), bir zamanlayıcı ve bir insan inceleme adımı gerektirir. Bu parçaları atlayarsanız, içgörü kadar gürültüyü de aynı verimlilikle otomatikleştirebilirsiniz.

Bu rehber, iş akışını en kolay kararlardan daha teknik olanlara doğru inşa eder. Somut uygulama, OpenAI Agents SDK ve GitHub Actions'ı kullanır çünkü resmi belgeleri web aramasını, yapılandırılmış çıktıları, izlemeyi ve zamanlanmış iş akışlarını destekler. Mimarinin kendisi satıcıdan bağımsızdır: Başka bir ajan çalışma zamanı veya zamanlayıcı yığınına daha iyi uyuyorsa herhangi bir bileşeni değiştirebilirsiniz.

Haftalık rakip izleme ajanı gerçekte ne yapmalıdır?

En azından, sistem dört soruyu yanıtlamalıdır: Ne değişti, kanıt nereden geldi, değişiklik son bilinen durumdan nasıl farklı ve bir insanın bunu önemsemesi gerekiyor mu? Burada “AI ajanı”, talimatları ve araçları olan ve bir hedefe yönelik bir dizi eylemi gerçekleştirebilen LLM tabanlı bir iş akışı anlamına gelir. OpenAI'nin mevcut Agents SDK'sı ajanları aynı genel şekilde tanımlar: Talimatlar, araçlar ve koruma rayları (guardrails) ve yapılandırılmış çıktılar gibi isteğe bağlı çalışma zamanı davranışlarıyla yapılandırılmış bir model. Resmi OpenAI Agents SDK belgelerine bakın.

İlk sürümü “her şeyi izlemek” için tasarlamayın. Manuel olarak denetleyebileceğiniz küçük bir kapsamla başlayın. İş hattına güvendikten sonra kapsamı genişletin.

Adım 1: Rakipleri, sinyalleri ve haftalık soruları tanımlayın

Herhangi bir ajan kodu yazmadan önce bir izleme brifi oluşturun. Her rakip için, raporlanmaya değer değişikliklerin hangileri olduğuna karar verin. Tipik sinyaller arasında genel fiyatlandırma değişiklikleri, ürün lansmanları, sürüm notları, yeni entegrasyonlar, konumlandırma değişiklikleri, önemli dokümantasyon güncellemeleri, genel ortaklıklar, yönetici duyuruları ve büyük işe alım kalıpları yer alır. Kesin liste, ekibinizin gerçekte aldığı kararlarla eşleşmelidir.

Faydalı bir brief, sinyalleri sorulardan ayırır. “Fiyatlandırma sayfası değişti” bir sinyaldir. “Yeni plan, rakibi küçük ekipler için daha cazip hale getiriyor mu?” analitik bir sorudur. Ajan, ilkinin kanıtını topladıktan sonra ikincisi hakkında ancak kanıt elde ettikten sonra akıl yürütmelidir.

İlk haftalık çalışma için, başarıyı tanımlayan tek bir cümle yazın. Örneğin: “Pazartesi sabahına kadar, beş adlandırılmış rakip için önceki yedi günden önemli değişikliklerin kaynak bağlantılı bir özetini üretin, desteksiz iddia olmasın.” Bu cümle, daha sonra pratik bir kabul testi haline gelir.

Adım 2: Sınırsız aramaya güvenmek yerine bir kaynak kaydı oluşturun

Web araması keşif için faydalıdır, ancak bir izleme sistemi yalnızca arama sıralamalarına bağımlı olmamalıdır. Rakip, kaynak türü, URL, öncelik, beklenen güncelleme sıklığı ve kaynağın hangi soruyu yanıtlayabileceği gibi alanlara sahip küçük bir kaynak kaydı oluşturun.

Genel sayfaları, resmi beslemeleri, belgelenmiş API'leri ve erişim yetkiniz olan kaynakları tercih edin. Ajanı girişleri, ödeme duvarlarını, robots kısıtlamalarını veya erişim kontrollerini atlatmak için tasarlamayın. Sosyal platformlar için, kırılgan kazıma (scraping) yerine mevcut olduğunda resmi API'leri veya genel beslemeleri tercih edin.

OpenAI'nin mevcut Agents SDK'sı, OpenAI Responses modellerini kullanan ajanlar için barındırılan bir WebSearchTool içerir. Resmi araç belgeleri ayrıca barındırılan web aramasını yerel işlev araçlarından ayırır; bu, ajanın kendi URL getiricisini, veritabanını, RSS okuyucusunu veya değişiklik tespit hizmetini çağırmasını istiyorsanız faydalıdır. Resmi Agents SDK araç rehberine bakın.

Adım 3: Modelden özetleme istemeden önce kanıt şemasını tanımlayın

Tutarsız haftalık raporlar almanın en kolay yolu, “rakip haberlerinin bir özeti”ni istemektir. Bunun yerine, yapılandırılmış bir bulgu tanımlayın. En azından, her bulgu rakibi, kategoriyi, gözlem tarihini, kısa özeti, kaynak URL'sini, kanıt alıntısını veya kaynak notunu ve bir güven veya inceleme bayrağını içermelidir.

Sinyal doğrudan karşılaştırılabildiğinde, örneğin bir plan fiyatı, özellik kullanılabilirliği, başlık veya belgelenmiş entegrasyon gibi durumlarda previous_state (önceki durum) ve current_state (güncel durum) için alanlar ekleyin. Bu, raporu modelin o hafta ne bulduğundan ziyade değişiklik hakkında hale getirir.

Yapılandırılmış çıktı ayrıca iş akışını test etmeyi kolaylaştırır. Agents SDK şu anda bir ajan üzerinde bir output_type destekler ve resmi belgeler, yapılandırılmış sonuçlar için Pydantic modelleri veya dataclass'lar gibi normal Python türlerini önerir. Resmi ajan yapılandırma rehberine bakın.

Pratik bir çıktı sözleşmesi

Finding
- competitor
- category
- observed_at
- summary
- source_url
- evidence
- previous_state
- current_state
- confidence
- needs_human_review

WeeklyReport
- period_start
- period_end
- findings[]
- executive_summary
- no_material_change_competitors[]

Son alan önemlidir. İyi bir izleme sistemi, boşluğu doldurmak için bir güncelleme uydurmak yerine “önemli değişiklik bulunamadı” diyebilmelidir.

Adım 4: Herhangi bir şeyi otomatikleştirmeden önce manuel bir pilot çalıştırın

İş akışını bir raporlama dönemi için manuel olarak çalıştırın ve sonucu aynı kaynaklara kendi incelemenizle karşılaştırın. Bu pilot, zamanlama sonrası fark edilmesi daha zor olan sorunları ortaya çıkarır: Bayat arama sonuçları, yinelenen hikayeler, belirsiz bir kategori taksonomisi, desteksiz çıkarımlar, eksik kaynak URL'leri ve teknik olarak yeni ancak stratejik olarak alakasız bulgular.

Her önerilen bulgu için şunu sorun: Kaynak birinci taraf mı yoksa bağımsız olarak güvenilir mi, değişiklik amaçlanan tarih aralığında mı, tam kanıtı gösterebilir miyim ve hiçbir şey değişmezse aynı öğe gelecek hafta tekrar raporlanır mı? Son sorunun cevabı evet ise, hâlâ bir temel çizgi (baseline) veya tekilleştirme kuralına ihtiyacınız vardır.

Arama parçacıklarını kanıt kaydı olarak ele almayın. Kaynak URL'sini ve, şartlarınız ve erişim haklarınız izin veriyorsa, karşılaştırma için kullanılan normalize edilmiş bir anlık görüntüyü veya çıkarılan metni saklayın. Arama, kanıtı bulmaya yardımcı olmalıdır; kanıtın yerini almamalıdır.

Adım 5: Ajanı web araması, yapılandırılmış çıktı ve bir temel çizgi ile uygulayın

Manuel pilot faydalı bulgular ürettiğinde, ajanı koda bağlayın. Eylül 2026 itibarıyla, OpenAI'nin Python Agents SDK'sı bir Agent, barındırılan WebSearchTool ve yapılandırılmış output_type'ı birleştirebilir. Aşağıdaki örnek kasıtlı olarak küçüktür: Depolama katmanını değil, ajan katmanını gösterir.

from pydantic import BaseModel
from agents import Agent, Runner, WebSearchTool

class Finding(BaseModel):
    competitor: str
    category: str
    summary: str
    source_url: str
    evidence: str
    observed_at: str
    needs_human_review: bool

class WeeklyReport(BaseModel):
    findings: list[Finding]
    executive_summary: str

agent = Agent(
    name="Weekly competitor monitor",
    instructions=(
        "Monitor only the competitors and topics in the input. "
        "Use public web sources. Every finding must include a source URL "
        "and evidence. Prefer first-party sources for product and pricing claims. "
        "Do not invent a change when no material change is supported."
    ),
    tools=[WebSearchTool()],
    output_type=WeeklyReport,
)

result = Runner.run_sync(
    agent,
    "Review the configured competitors for the reporting window and return the report."
)

report = result.final_output

Paket kurulumu ve çalıştırıcı (runner) deseni, Resmi Agents SDK hızlı başlangıcında belgelenmiştir. SDK ayrıca Runner.run_sync()'i normal ajan çalışmasının senkron sarmalayıcısı olarak belgeler.

Mümkün olan yerlerde deterministik değişiklik tespiti ekleyin

Modelden her eski durumu hafızadan yeniden keşfetmesini istemeyin. Bir temel çizgi (baseline) kalıcı hale getirin. Her kaynak için, son başarılı gözlemi saklayın: Normalize edilmiş metin, içerik karması (hash), fiyat veya plan adı gibi seçili alanlar, gözlem zaman damgası ve kaynak URL'si. Bir sonraki çalıştırmada, önce yeni gözlemi temel çizgiyle karşılaştırın. Ardından, ajanın yorumlaması için farkı verin.

Bu hibrit tasarım, “AI iki tüm web sitesini karşılaştırır”dan daha güvenilirdir çünkü deterministik kod tam karşılaştırmayı ele alırken, model sınıflandırma, alaka ve açıklamayı ele alır. Bir sayfa yalnızca alt bilgisini veya izleme parametrelerini değiştirirse, normalleştiriciniz ajan onu görmeden önce o gürültüyü kaldırabilir.

Adım 6: İş akışını haftalık olarak zamanlayın ve kimlik bilgilerini koddan uzak tutun

İzleyiciyi, ortamınıza uyan herhangi bir zamanlayıcıdan çalıştırabilirsiniz. GitHub Actions, depo tabanlı bir iş akışı için pratik bir seçenektir. GitHub'ın mevcut belgeleri, zamanlanmış iş akışlarının POSIX cron sözdizimini kullandığını, varsayılan dalda çalıştığını, varsayılan olarak UTC kullandığını ve isteğe bağlı olarak bir IANA saat dilimi belirtebileceğini söyler. GitHub ayrıca, özellikle saatin başlangıcında olmak üzere yüksek yük dönemlerinde çalışmaların gecikebileceği konusunda uyarır; bu nedenle, tam saat başı çalıştırma gerekli değilse 00 yerine 17 gibi bir dakika tercih edilir. Resmi GitHub Actions zamanlama belgelerine bakın.

name: weekly-competitor-monitor

on:
  schedule:
    - cron: '17 9 * * 1'
      timezone: 'America/New_York'
  workflow_dispatch:

jobs:
  monitor:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v7
      - uses: actions/setup-python@v7
        with:
          python-version: '3.12'
      - run: pip install -r requirements.txt
      - run: python monitor.py
        env:
          OPENAI_API_KEY: ${{ secrets.OPENAI_API_KEY }}

API anahtarlarını depoya taahhüt etmek yerine şifrelenmiş gizli bilgiler olarak saklayın. GitHub'ın resmi gizli bilgiler rehberi, depo, ortam ve organizasyon gizli bilgilerini açıklar ve iş akışı günlüklerinde kazara ifşadan kaçınmayı önerir.

Gözden kaçırılması kolay bir operasyonel detay vardır: GitHub, genel depolardaki zamanlanmış iş akışlarının, depo etkinliği olmadan 60 gün sonra otomatik olarak devre dışı bırakıldığını söyler. Bu iş akışı kritik öneme sahipse, izleyiciyi izleyin—son başarılı çalıştırma zamanını kaydedin ve beklenen haftalık iş tamamlanmadığında uyarı verin.

Adım 7: “Bulgu” ile “karar” arasına bir insan inceleme kapısı koyun

Haftalık rakip izleme, okuma ve özetleme iş akışıdır, bu nedenle fiyatları otomatik olarak değiştirmemeli, içerik yayınlamamalı veya bir ürün yol haritasını değiştirmemelidir. Bir kişi, önemli iddialar bir kararı etkilemeden önce bunları gözden geçirmelidir. İnceleme hafif olabilir: Onayla, reddet, başka bir bulguyla birleştir veya “gelecek hafta izle” olarak işaretle.

Fiyatlandırma, yasal iddialar, güvenlik olayları, işten çıkarmalar, satın almalar veya üçüncü taraf raporlamaya dayanan ifadeler gibi yüksek etkili kategoriler için daha güçlü bir inceleme gerektirin. Ürün ve fiyatlandırma değişiklikleri için, bir haber hikayesi onu keşfetmenize yardımcı olsa bile, rakibin kendi sayfasını birincil kanıt olarak tercih edin.

Uygulamanız daha sonra eylem alabilen araçlar eklerse, Agents SDK koruma rayları ve insan döngüde (human-in-the-loop) onay mekanizmaları içerir. Resmi koruma rayları belgeleri girdi, çıktı ve araç koruma raylarını açıklarken, insan döngüde rehberi hassas araç çağrılarını onay için duraklatmayı açıklar.

Adım 8: Eğilimleri izleyin, hataları izleyin ve sistemi kendi kendine kontrol edin

Faydalı bir haftalık rapor, birkaç çalıştırmadan sonra daha değerli hale gelir çünkü izole olayları kalıplardan ayırt edebilirsiniz. Her onaylanmış bulguyu, rakip, kategori, tarih, kaynak ve inceleme durumu ile basit bir tabloda veya veritabanında saklayın. Ardından, hangi rakibin fiyatlandırmayı en sık değiştirdiği, sürüm notlarında hangi temaların tekrarlandığı veya izlenen hangi kaynakların artık faydalı sinyaller üretmediği gibi soruları yanıtlayabilirsiniz.

Ajanın kendisi için gözlemlenebilirliği koruyun. OpenAI'nin Agents SDK'sı, model üretimlerini, araç çağrılarını, devir teslimleri, koruma raylarını ve özel olayları kaydeden yerleşik izleme içerir. Resmi izleme rehberi, izlerin ve aralıkların iş akışlarını hata ayıklamak ve izlemek için nasıl kullanılabileceğini açıklar. İz yükleri yapılandırmaya bağlı olarak model ve araç girdilerini/çıktılarını içerebileceğinden hassas veriler konusunda bilinçli olun.

Haftalık rapora güvenmeden önce kendi kendine kontrol

• Her önemli bulgunun çalışan bir kaynak URL'si ve raporlama penceresi içinde bir tarihi vardır.
• Birinci taraf ürün ve fiyatlandırma iddiaları, mümkün olduğunda birinci taraf kanıtlarla desteklenir.
• Sistem, eski haberleri tekrarlamak yerine önceki bilinen durumla karşılaştırır.
• “Önemli değişiklik yok” herhangi bir rakip için kabul edilebilir bir sonuçtur.
• Çok sayıda yayından yinelenen hikayeler, ayrı değişiklikler olarak sayılmak yerine birleştirilir.
• Zamanlanmış işin kaydedilmiş bir başarı zaman damgası vardır ve kaçırılan çalıştırmalar tespit edilebilir.
• API anahtarları ve diğer kimlik bilgileri gizli bilgiler olarak saklanır ve günlüklerde veya raporlarda görünmez.
• Bir insan, ekip bunlar üzerinde işlem yapmadan önce yüksek etkili bulguları gözden geçirir.

AI rakip izlemeyi güvenilmez kılan yaygın hatalar

Yalnızca arama sorguları aracılığıyla izleme

Arama, keşif için mükemmeldir ancak tarihsel bir temel çizgi olarak kararsızdır. Açık kaynak URL'lerini koruyun ve önceki gözlemleri kalıcı hale getirin.

Modelden bir şema olmadan “önemli haber” istemek

Önemlilik öznel bir kavramdır. Çıktının denetlenebilmesi için kategorileri, kanıt gereksinimlerini ve bir inceleme bayrağını tanımlayın.

Ajanın tarih olmadan özetlemesine izin vermek

Bir sonuç alakalı olabilir ancak eski olabilir. Her zaman raporlama penceresini dahil edin ve kaynak sağladığında gözlemlenen veya yayınlanan bir tarih gerektirin.

Keşfedilen her öğeyi paydaşlara göndermek

Toplamayı raporlamadan ayırın. Toplama katmanı birçok aday öğe bulabilir; nihai rapor, yalnızca alaka kurallarınızı karşılayan, kanıt destekli ve tekilleştirilmiş değişiklikleri içermelidir.

Eylemleri çok erken otomatikleştirmek

En güvenli ilk sürüm salt okunur olmalıdır: Topla, karşılaştır, özetle ve inceleme iste. Yanlış pozitifleri ölçebildiğiniz ve hata modlarını anladığınızda yalnızca yazma eylemleri ekleyin.

Yeniden kullanabileceğiniz basit bir mimari

Kalıcı desen şudur: kaynak kaydı → toplama → normalleştirme → temel çizgi karşılaştırması → ajan analizi → yapılandırılmış bulgular → insan incelemesi → haftalık rapor → eğilim deposu. AI ajanı yorumlama aşamalarında en güçlüdür, ancak sıradan kod genellikle tam zamanlama, durum depolama, karmalama (hashing), yeniden denemeler ve deterministik karşılaştırmalar için daha iyidir.

İş akışı, birkaç ardışık çalıştırma için kendi kendine kontrolü geçerse, dikkatli bir şekilde genişletebilirsiniz: Daha fazla rakip ekleyin, fiyatlandırma veya ürün değişiklikleri için uzmanlaşmış ajanlar ekleyin, bir veritabanı ekleyin veya onaylanmış raporları e-postaya, Slack'e veya dahili bilgi tabanınıza yönlendirin. Amaç, en otonom ajanı yaratmak değildir. Amaç, ekibinize her hafta zamanında, kaynak destekli rakip değişiklikleri veren en küçük tekrarlanabilir sistemi yaratmaktır.