En İyi 12 Düzenlemeye Tabi Dağıtımlar için AI Kontrol Düzlemi Araçları

Bir AI kontrol düzlemi, AI ajanlarını ve ajan tabanlı uygulamaları çalıştırmak için paylaşılan bir katman sağlar. Kurumsal mimarlar, güvenlik ekipleri ve kurumsal ölçekte AI benimsemeyi planlayan AI yönetişim sahipleri için en iyi 12 AI kontrol düzlemi aracını karşılaştırdık.

En İyi 12 AI kontrol düzlemi araçlarının özellik kapsamı

Bu ürünleri nasıl seçtiğimizi ve puanladığımızı görmek için metodolojiyi okuyun.

Mimari ve dağıtım karşılaştırması

Yönetişim, kimlik ve güvenlik karşılaştırması

Operasyonlar ve ürün olgunluğu karşılaştırması

Not: Tablolar özellik karşılaştırma puanına göre sıralanmıştır. “Sınırlı”, yeteneğin kapsamının sınırlı olduğu anlamına gelir. Ürünün daha geniş yetenekleri hakkında bilgi edinmek için aşağıdaki satıcı açıklamalarını okuyun.

Xnode Cortx

Xnode Cortx, düzenlemeye tabi kuruluşlar için müşteri ortamında barındırılan bir AI kontrol düzlemidir. Temel özellikleri arasında çok sağlayıcılı model yönlendirme, bir MCP ağ geçidi, kimlik entegrasyonu, çalışma zamanı ilke uygulama, gölge AI keşfi, kodlama asistanı yönetişimi, maliyet atfı ve sıfır veri çıkışıyla şirket içi veya hava boşluklu dağıtım bulunur.

Edge trafik katmanı, kontrol düzleminden ayrı olarak dağıtılır; ağ düzeyinde ayrım ve bağımsız olarak yönetilen kontrol düzlemi erişimi sağlar.

Xnode’un güvenlik kapsamı; satır içi yönetişim, koruma korkulukları, veri gizleme, prompt enjeksiyonu savunması ve model erişim politikasına odaklanır; ayrıca onaylanmamış model kullanımı için gölge AI izleme içerir. Platform ayrıca kurcalamaya karşı kanıt niteliğinde denetim günlükleri, ajan değerlendirmeleri ve yaşam döngüsü kontrolleri sağlar.

Cortx ayrıca, yürütmeden önce model isteklerini engelleyebilen maliyet atfı ve uygulanabilir bütçeler sağlar; reddedilen istekler ajan ve kullanıcı düzeyinde gözlemlenebilirlikte kaydedilir.

Kosmoy

Kosmoy; ajan keşfini, ağ geçidi uygulamasını, uyumluluk kanıtlarını ve korumalı alan yürütmesini bir araya getirir. Kayıt defterleri, büyük bulut ve kurumsal platformlardaki ajanları, model’leri ve MCP sunucularını tanımlar; ağ geçidi ise model, araç ve ajanlar arası trafiğe ilke uygular. Yüksek riskli iş yükleri, kısa ömürlü kimlik bilgileri ve acil durdurma anahtarıyla çekirdek tarafından zorlanan Eylem Kapsülleri içinde çalıştırılabilir.

TrueFoundry

TrueFoundry’nin LLM, MCP ve ajanlar arası ağ geçitleri SaaS olarak, müşteri VPC’sinde veya tamamen yalıtılmış bir Kubernetes ortamında yerel kimlik, ilke ve günlüklemeyle çalışabilir. Ödünleşim, yönetilmeyen ajanların sınırlı keşfi ve Kubernetes uzmanlığı olmayan ekipler için daha yüksek operasyonel yüktür.

Airia

Airia; ajan keşfini, güvenliği, yönetişimi, model yönlendirmeyi, bütçeleri, MCP bağlantısını ve çalışma zamanı ilke uygulamasını kapsar. SaaS, özel bulut, şirket içi, hava boşluklu ve hibrit dağıtımları destekler.

Fiddler AI

Fiddler AI’nin Centor Model’leri; prompt’ları, yanıtları ve ajan planlarını puanlamak üzere tamamen müşteri ortamında çalışır ve veri çıkışı olmadan ve harici değerlendirme API çağrısı yapmadan izin ver, engelle veya gizle kararları döndürür. Kapsamı; PII/PHI, sırlar, jailbreak’ler, prompt enjeksiyonu ve dayanaklılık için çalışma zamanı koruma korkuluklarına odaklanır; uygulamadan span düzeyine kadar derin hiyerarşik gözlemlenebilirlik ve geliştirici, model, depo ve pull request başına maliyet atfı ile birlikte gelir.

Speakeasy

Speakeasy; ChatGPT, Claude, Cursor ve Copilot gibi istemcilerde MCP sunucularını, araçlarını, becerilerini ve asistanlarını yönetir. Merkezi bir katalog, araç düzeyinde izinler, SSO entegrasyonu, OAuth koruması, OpenTelemetry tabanlı gözlemlenebilirlik ve OpenAPI spesifikasyonlarından yönetilen MCP oluşturma sağlar.

NeuralTrust

NeuralTrust platformunu üç ürüne ayırır:

• TrustGate, LLM ve MCP trafiğine tek bir ilke model’i uygulayan açık kaynaklı bir ağ geçididir; tehdit algılama harici eklentiler yerine TrustGuard tarafından motor içinde gerçekleştirilir.
• TrustTest, alana özgü test paketleri oluşturur ve dağıtılan uygulamalara karşı çekişmeli kampanyalar yürütür; hem işlevsel değerlendirmeyi hem de red teaming’i kapsar.
• TrustLens, çalışma zamanı gözlemlenebilirliği ve uyarı sağlar. SaaS, hibrit ve hava boşluklu dağıtımları destekler.

Noma Security

Noma Security; kurumsal ortamlardaki model’leri, ajanları ve MCP sunucularını keşfeder; kimlik kontrolleri, araç düzeyinde kontroller, tedarik zinciri doğrulaması ve çalışma zamanı ilke uygulaması uygular. Uyarlanabilir kırmızı takım motoru, geliştirme ve dağıtım sırasında çok adımlı ajan iş akışlarını test edebilir.

Lunar.dev

Lunar.dev, AI model çağrıları, MCP araçları ve geleneksel API trafiğinde tek bir ilke model’i uygular. Platformu; yönlendirme, kimlik doğrulama, hız sınırları, yük dönüşümü, veri temizleme, denetim günlüğü ve araç sağlamlaştırmayı destekler.

Microsoft Foundry Control Plane and Agent 365

Microsoft’un temel avantajı; Entra ID, Defender, Purview, Microsoft 365 ve Azure ile entegrasyonudur. Ajanlar, yönetilen kimlikler alabilir ve kullanıcılarla uygulamalara uygulanan güvenlik, uyumluluk ve erişim ilkelerinin çoğunu devralabilir.

ServiceNow AI Control Tower

ServiceNow AI Control Tower; büyük bulut ve kurumsal platformlardaki ajanları, model’leri ve iş akışlarını yönetir ve bunları mevcut risk, uyumluluk, iş akışı ve varlık yönetimi süreçlerine bağlar. Private Stack seçeneği, egemen veya düzenlemeye tabi ortamlar için müşteri tarafından işletilen dağıtımları destekler.

Zenity

Zenity, SaaS platformları, bulut hizmetleri, az kodlu araçlar ve geliştirici ortamlarındaki ajanları keşfetme ve güvence altına alma konusunda uzmanlaşmıştır. Prompt’lar, araç çağrıları, veri erişimi, bellek ve kontrol akışı dahil olmak üzere ajan yürütme yollarını analiz eder.

Uygulama modeli ortama göre değişir. Yerel platform entegrasyonları, ajan kancaları ve MCP ağ geçidi aracılığıyla Zenity, belirli eylemleri yürütmeden önce değerlendirip engelleyebilir. Ayrıca yürütme sırasında oturumları sonlandırma, ajanları karantinaya alma ve izinleri geri alma gibi müdahale önlemlerini destekler.

AI kontrol düzleminin temel yetenekleri

Hava boşluklu çalışma

Hava boşluklu bir dağıtım; internet erişimi olmadan ve satıcı tarafından barındırılan hizmetler olmadan çalışmalıdır. Kimlik doğrulama, ilke değerlendirme, model erişimi, araç yürütme ve yönetim, yalıtılmış ortamda çalışmalıdır.

Platformun; konteyner görüntülerini, model yapıtlarını, güvenlik açığı akışlarını ve lisans güncellemelerini içe aktarmak için kontrollü bir yola ihtiyacı vardır. Eve çağrı yapan aktivasyon kontrolleri ve telemetri, çalışma zamanı yolu temiz olsa bile hava boşluklu incelemede başarısız olur.

Kontrol ve veri düzlemlerinin ayrımı

Kontrol düzlemi; kimlikleri, ilkeleri, yapılandırmayı, onayları ve yönetişim kayıtlarını tutar. Veri düzlemi; prompt’ları, alınan içeriği, model yanıtlarını ve araç parametrelerini işler.

Bunları ayırmak, hassas çalışma zamanı içeriğini yönetişim katmanının dışında tutar ve çalışma zamanının kendi başına ölçeklenmesine ve hata vermesine izin verir.

Model ağ geçidi

Model ağ geçidi, ajanlar ile temel model’ler, embedding model’leri ve yeniden sıralayıcılar arasındaki erişimi aracılık eder. Ağ geçidinin arkasında; her biri sağlayıcısı, sürümü, barındırma konumu ve izin verilen kullanımıyla birlikte onaylanmış model’lerin bir kataloğu bulunur.

Çalışma zamanında ağ geçidi; onaylanmış bir model seçebilir, trafiği bir bölgeye sabitleyebilir, onaylanmamış endpoint’leri engelleyebilir veya token ve maliyet sınırları uygulayabilir. Model çağrılarını aracılık etmek yerine yalnızca gözlemleyen bir satıcı, bir ajanın kataloğun hiç onaylamadığı bir endpoint’e ulaşmasını engelleyemez ve burada tam puan almamalıdır.

Araç (MCP) ağ geçidi

Araç ağ geçidi; ajanların çağırdığı API'leri, veritabanlarını, tarayıcıları, kod yorumlayıcılarını ve iç sistemleri aracılık eder. Bu trafik için MCP yaygın protokol haline gelmiştir, ancak doğrudan API entegrasyonları ve framework’e özgü bağlayıcılar yaygın olmaya devam etmektedir.

Her aracın bir sahibi, bir şeması, bir risk sınıflandırması ve bir kimlik bilgisi model’i olmalıdır. Çalışma zamanında çağrılar; ajanın kimliğine ve eylemin parametrelerine göre yetkilendirilmelidir. Bir kaydı okumak ile tüm tabloyu dışa aktarmak aynı araç üzerindeki farklı eylemlerdir.

Yaptırım

İki platform aynı ilke motorlarına sahip olabilir ve bu ilkelerin durdurabilecekleri bakımından tamamen farklılık gösterebilir:

1. Kendi ağ geçidi: Satıcı, model ve araç çağrılarının içinden geçtiği proxy'yi işletir. Trafik kendi bileşeninden geçtiği için platform bir isteği iletmeyi reddedebilir ve yönetilen hiçbir çağrı incelemeden kaçamaz. Maliyet; kendi gecikme bütçesi, hata modları ve geçiş çalışması olan istek yolundaki yeni bir bileşendir.
2. Mevcut bir ağ geçidine bağlı: Platform, müşterinin çalıştırdığı bir ağ geçidine bağlanır ve kararları satır içinde döndürür. Yaptırım hâlâ eşzamanlıdır ve veri çıkışından önce gerçekleşir, ancak kapsam ana ağ geçidinin görebildikleriyle sınırlıdır ve entegrasyon satıcının sahip olmadığı genişletme noktalarına bağlıdır. İstek yolundaki hiçbir şey değiştirilmediği için dağıtım çok daha hafiftir.
3. Gözlemle ve müdahale et: Platform, trafiği taşımak yerine yürütmeyi API'ler, ajan kancaları veya platform olay akışları aracılığıyla izler. Bir kimlik bilgisini iptal edebilir, bir ajanı karantinaya alabilir veya bir oturumu sonlandırabilir; ancak başlamadan önce reddetmek yerine devam eden bir eyleme müdahale eder. Ortamlar arasında kapsam geniştir; zamanlama garanti edilmez.
4. Platforma özgü: Yaptırım, satıcının kendi çalışma zamanının bir özelliğidir. Platformda oluşturulan ajanlar kimliğini, ilkesini ve günlüklemesini otomatik olarak devralır; başka yerde oluşturulan ajanlar ise platformun bağlayıcılarının erişebildiği ölçüde yönetilir.
5. Federe: Platform; ilkeyi, envanteri ve onay kayıtlarını tutar, ancak yürütmeyi diğer satıcıların sahip olduğu ağ geçitlerine, bulut kontrollerine ve ajan platformlarına devreder.

Sıfır veri çıkışı

Sıfır veri çıkışı, hiçbir müşteri yükünün kontrol düzlemi satıcısına ulaşmaması anlamına gelir. Prompt’lar, alınan bağlam, araç argümanları ve sonuçları, izler ve model çıktıları müşteri sınırları içinde kalır; değerlendirme ve koruma korkuluğu puanlaması da orada yürütülür.

Ajan çıkış kontrolü ayrı bir konudur. Giden erişim varsayılan olarak reddedilmeli ve yalnızca onaylanmış hedeflere açılmalıdır; izin verilen her yolda proxy uygulaması, inceleme ve günlükleme bulunmalıdır. Bunu çok az kontrol düzlemi kendisi uygular. Çoğu servis örgüsüne veya bulut güvenlik duvarına dayanır; bu nedenle hangi katmanın bu işe sahip olduğunu belirleyin.

Keşif ve envanter

Platform; ajanları, model’leri ve MCP sunucularını oluşturuldukları ortamlar genelinde bulmalıdır: bulut hesapları, SaaS platformları, az kodlu oluşturucular, geliştirici makineleri ve CI sistemleri.

Her kaydın bir sahibi, bir iş amacı, bir model ve araç listesi, bir kimlik bilgisi referansı ve güncel bir durumu olmalıdır. Bu öznitelikler olmadan liste döndüren keşif, kimsenin üzerinde işlem yapamayacağı bir envanter üretir.

Ajan kimliği

Üretimdeki her ajanın doğrulanabilir bir kimliğe ihtiyacı vardır. Paylaşılan API anahtarları atfı imkânsızlaştırır ve genellikle birden fazla ajana aynı izinleri verir.

Yetki zinciri tüm yolda korunmalıdır: kullanıcı veya hizmet, ardından ajan, ardından alt sistem. Kendi adına hareket eden, bir kullanıcı adına hareket eden ve bir hizmet rolü kullanan ajanlar farklı yetkilendirme durumlarıdır ve ayrı ayrı değerlendirilmelidir. Çok ajanlı iş akışlarında, hangi ajanın görevi devrettiğini ve devir sırasında yetkinin değişip değişmediğini kaydedin.

Erişim kontrolü

Erişim en az ayrıcalıklı ve zaman sınırlı olmalıdır. Kimlik bilgileri kısa ömürlü olmalı, kullanılan kaynakla kapsamlandırılmalı ve süresiz olarak saklanmak yerine ajan ihtiyaç duyduğunda verilmelidir. Kararlar; çağıranın kimliğini, aracı, parametreleri ve ilgili verinin sınıflandırmasını göz önünde bulundurmalıdır.

Çalışma zamanı ilke uygulama

Kontrol düzlemi, yönetişim gereksinimlerini ajan yürütmesi sırasında uygulanabilecek ilkelere dönüştürür. İlkeler sürümlendirilmeli, gözden geçirilmeli, test edilmeli ve kademeli olarak dağıtılmalıdır. Bir karar; kullanıcıyı, ajan kimliğini, istenen aracı, eylem parametrelerini, veri sınıflandırmasını, bölgeyi, işlem değerini, risk puanını ve onay durumunu dikkate alabilir.

Kontrol düzlemi; eylemi kısıtlayabilir, hassas verileri gizleyebilir, onaylanmış bir model seçebilir, insan incelemesi isteyebilir, çıktıyı sınırlayabilir veya iş akışını durdurabilir.

Tehdit algılama

Algılama; prompt enjeksiyonunu, kimlik bilgisi kötüye kullanımını, veri sızdırmayı, ayrıcalık yükseltmeyi ve yetkisiz araç kullanımını gerçek zamanlı olarak belirlemelidir. Ajan etkinliği kimlik kayıtları, veri sınıflandırmaları ve mevcut güvenlik telemetrisiyle birleştirildiğinde sinyaller güçlenir.

Uyarılar tam yürütme bağlamını korumalıdır. Bir analist; iş akışını hangi kullanıcının başlattığını, hangi ajanın eylemde bulunduğunu ve kimin yetkisini kullandığını görebilmelidir. Kurallar hem bilinen göstergeleri hem de davranışsal anomalileri kapsamalıdır.

Sınırlama

Bir eylem yanlış gittiğinde kontrol düzlemi onu durdurabilmelidir. Sınırlama eylemleri; ajanı askıya almayı, kimlik bilgilerini iptal etmeyi, bir aracı devre dışı bırakmayı, bir model yolunu engellemeyi ve bir oturumu sonlandırmayı içerir.

Birçok platform algılayıp uyarı verir, ancak düzeltmeyi farklı bir konsolda çalışan kişiye bırakır; bu nedenle tek bir isteği engellemek yaygınken bir ajanı karantinaya almak nadirdir.

Uyumluluk desteği

Kanıtlar operasyonel kayıtlardan gelmelidir. Platform; bir ajanı kimin onayladığını, hangi verilere erişebileceğini, hangi ilke sürümünün uygulandığını ve işlemenin nerede gerçekleştiğini gösterebilmelidir.

Yararlı çıktılar; envanterler, onay geçmişi, değerlendirme sonuçları ve denetim izlerini içerir ve bunlar kullanımdaki GRC sistemine aktarılabilir olmalıdır. Yerleşiklik kuralları, saklama programları ve kontrol eşlemeleri varsayılmak yerine yapılandırılabilir olmalıdır.

Gözlemlenebilirlik

Standart hizmet metrikleri, gecikme, hatalar ve çalışma süresi; ajan kararlarından çok sistem sağlığını tanımlar. Kontrol düzlemi; istekte bulunan kullanıcıdan model çağrıları, alım kaynakları, araç çağrıları, ilke kararları, ajan devirleri ve nihai eyleme kadar tüm yürütme yolunu bağlamalıdır.

Telemetri kendi başına yönetişim gerektirir. İzler hem prompt’ları hem de alınan içeriği içerir; bu nedenle gizleme, şifreleme, bölgesel depolama ve erişim sınırları, çalışma zamanında olduğu gibi gözlemlenebilirlik deposuna da uygulanır.

Gerçek hayattan örnek: CoreWeave Agent Lens; OpenTelemetry veya yerel entegrasyonlar aracılığıyla ajan izlerini toplar. Her konuşma turunu; girdiler, çıktılar, araç çağrıları, model yanıtları ve meta veriler dahil olmak üzere gösterir.

Üretim hatalarını algılar ve gruplandırır, ardından bunları sıklık ve önem derecesine göre önceliklendirir. Algılanan her hata bir test senaryosuna dönüşür; böylece ekipler yayın öncesinde düzeltmeyi gerçek senaryolara karşı test edebilir. PII gizlemeyi ve kendi depo alanını getir (bring-your-own-bucket) depolamayı destekler; SaaS olarak, özel bir bulutta veya şirket içinde çalışır.¹

Denetim mimarisi

Yüksek riskli iş akışları için denetim izi kurcalamaya karşı kanıt niteliğinde olmalı; her eylemi, onu gerçekleştiren kimliğe, yürürlükteki ilke sürümüne ve onay kanıtına bağlamalıdır. İmzalı veya yalnızca eklenebilir kayıtlar, bunu bir günlükten incelemede savunulabilir bir şeye yükselten şeydir.

Maliyet yönetimi

Kullanım; ajana, sahibine, ekibe, modele ve iş sürecine atfedilebilir olmalı; bütçeler ve hız sınırları tavsiye niteliğinden çok uygulanabilir olmalıdır.

Yaşam döngüsü yönetimi

Ajan framework’ü görevleri koordine eder. Kontrol düzlemi; bunların çalışabileceği koşulları yönetir: kayıt, test, üretim onayı, sürüm yükseltme, geri alma, askıya alma ve kullanımdan kaldırma.

Kullanımdan kaldırma, en sık atlanan adımdır. Bir ajanı devre dışı bırakmak; kimlik bilgilerini iptal etmeyi ve araçlara erişimini kapatmayı içerir.

Değerlendirme

Ajanlar; dağıtımdan önce ve yayınlandıktan sonra sürekli olarak görev kalitesi, dayanaklılık, araç kullanım doğruluğu, ilke uyumluluğu ve maliyet açısından değerlendirilmelidir.

Sonuçlar tekrarlanabilirse yararlıdır. Test setleri, puanlama kriterleri, model sürümleri ve prompt’lar, değerlendirdikleri ajan sürümüne sabitlenmelidir. Bu olmadan, bir regresyona neden olan değişikliğe geri izleme yapılamaz.

Red teaming

Red teaming, tehdit algılamanın üretim öncesi karşılığıdır: saldırılar aynıdır; ancak gözlemlenmek yerine kışkırtılır. Senaryolar; alınan içerik yoluyla prompt enjeksiyonu, jailbreak’ler, confused deputy saldırıları, yetkisiz yetki devri ve araç parametrelerinin manipüle edilmesini içerir.

Bir model’i yalıtılmış şekilde test etmek, ajan düzeyindeki hata modlarını test edilmeden bırakır. Önemli olan hatalar; ajanın kimliğini, araç izinlerini ve onunla alt sistem eylemi arasındaki onay adımlarını içerir.

Kodlama ajanı yönetişimi

Kodlama ajanlarının depolara, sırlara ve dağıtım pipeline’larına yazma erişimi vardır. Erişim; atanan görevin gerektirdiği depolar, dosyalar ve işlemlerle kapsamlandırılmalıdır.

Buradaki yaptırımın çoğu mevcut sistemler tarafından ele alınır. Dal koruması kaynak ana bilgisayarında; sürüm kapıları CI’da; bağımlılık kaynak kanıtı ise kayıt defterinden ve tarama araçlarından gelir. Kontrol düzleminin işi; bu kontrolleri zorunlu kılmak, uygulandıklarını doğrulamak ve uygulanmadığında değişikliği reddetmektir.

Yerine konacak başka bir şey olmayan tek kontrol görevler ayrılığıdır: bir ajan kendi değişikliğini onaylayamaz veya dağıtamaz. Oluşturulan her değişiklik; istekte bulunan kullanıcıya, ajan ve model sürümüne, verilen talimatlara ve geçmesine izin veren incelemeye atfedilebilir kalmalıdır.

AI kontrol düzlemleri neden şimdi önemli

Bir model araçlara sahip olduğunda AI’ın risk profili değişir. Geleneksel bir dil model’i bir yanıt üretir. Bir ajan bu yanıtı; bir e-posta göndermek, müşteri kaydını değiştirmek, kod çalıştırmak, bir iş akışını onaylamak veya işi başka bir ajana devretmek için kullanabilir. Böylece hatalar içerik katmanından iş süreçlerine ve dış sistemlere taşınır.

Ajan çoğalması parçalı kontrol yaratır

Ajanlar genellikle farklı AI model’leri, ajan framework’leri, bulut hesapları, hizmet kimlikleri ve gözlemlenebilirlik araçları kullanan ayrı departmanlar tarafından devreye alınır. Bazıları merkezi mühendislik ekipleri tarafından dağıtılır; diğerleri departman otomasyonları veya az kodlu deneyler olarak başlar.

Merkezi yönetim olmadan kuruluş şunları bilemeyebilir:

• Hangi ajanlar var veya hâlâ etkin mi
• Her ajanın sahibi kim
• Hangi model, prompt, araçlar ve veri kaynaklarını kullanıyor
• Kimlik bilgileri paylaşılıyor mu veya aşırı ayrıcalıklı mı
• Üretimde hangi sürüm var
• Hangi ajan eylemleri gerçekleşti
• Ajan hâlâ iş değeri yaratıyor mu

AI yönetişim araştırmamız; yönetişim, MLOps, LLMOps, veri yönetişimi ve izleme ürünlerinin sorunun farklı bölümlerini ele aldığı parçalı bir pazarı göstermektedir.

Yönetişim yürütmeye yaklaşmalı

Geleneksel AI yönetişimi genellikle model onayı, dokümantasyon, önyargı testi ve periyodik risk değerlendirmesine odaklanır. Bu kontroller önemli olmaya devam eder; ancak bir ajan, her bağlam aldığında veya bir aracı çağırdığında yeni bir karar verebilir. AI kontrol düzlemi şunları yapabilir:

• Block müşteri verilerinin onaylanmamış bir modele gönderilmesini engelleyebilir.
• Bir ajanın atanmış iş süreci dışında bir ödeme aracını çağırmasını engelleyebilir.
• Risk eşiğinin üzerindeki bir işlem için insan onayı isteyebilir.
• Model erişimini coğrafyaya, departmana veya veri sınıflandırmasına göre kısıtlayabilir.
• Olağan dışı araç etkinliği veya tekrarlanan ilke ihlallerinden sonra bir ajanı durdurabilir.

Maliyet operasyonel bir kontrol haline gelir

Ajan maliyetleri, tek model’li isteklerden daha az öngörülebilirdir. Bir görev; birden çok model çağrısını, alım adımını, yeniden denemeyi, alt ajanı ve harici aracı tetikleyebilir. Kötü yapılandırılmış bir döngü, yararlı iş üretmeden token tüketebilir.

Kontrol düzlemi; model kullanımını istekte bulunan kullanıcıya, ajana, ekibe, iş akışına ve iş sonucuna atfetmelidir. Ayrıca bütçeleri, eşzamanlılık sınırlarını, model yönlendirme kurallarını ve maksimum yürütme adımlarını uygulamalıdır.

AI kontrol düzlemi mimarisi

Bir AI kontrol düzlemi mimarisi; merkezi yönetimi dağıtılmış yaptırımdan ayırır.

Merkezi katman; kuruluşun ajanlar, sahipler, ilkeler, kimlikler, sürümler, risk sınıflandırmaları ve dağıtım durumu görünümünü korur. Yaptırım noktaları; kararların etkili olması gereken sistemlerin yakınında bulunur: ajan çalışma zamanları, model ağ geçitleri, araç ağ geçitleri, veri platformları, API ağ geçitleri ve yürütme ortamları.

Basitleştirilmiş bir mimari şunları içerir:

1. Kullanıcılar ve iş uygulamaları mimarinin en üstünde yer alır. İstekleri başlatır, iş akışlarını tetikler ve AI ajanlarının çalıştığı iş bağlamını sağlarlar.
2. Bu istekler ajan uygulamalarına ve çok ajanlı iş akışlarına iletilir. Ajanların hedefleri yorumladığı, görevleri koordine ettiği ve hangi model’lere, araçlara veya veri kaynaklarına ihtiyaç duyduklarına karar verdiği yer burasıdır.
3. Yürütmeden önce eylemler çalışma zamanı yaptırım noktalarından geçer. Bunlar; ajan framework adaptörlerini, model çağrıları için AI ağ geçitlerini, araç çağrıları için ajan veya MCP ağ geçitlerini, veri erişim kontrollerini ve yüksek riskli eylemler için insan onay hizmetlerini içerebilir.
4. Yürütme katmanı işi gerçekleştiren sistemleri içerir. Bunlar; AI model’lerini, kurumsal veri platformlarını, dahili API'leri, SaaS uygulamalarını, kod ve tarayıcı ortamlarını ve iş akışına katılan diğer ajanları içerir.

AI kontrol düzlemi bu katmanları şunlar aracılığıyla birbirine bağlar:

• Bir ajan ve araç kayıt defteri ortam genelinde görünürlüğü korur; kimlik ve kimlik bilgisi hizmetleri kimin veya neyin eylemde bulunmasına izin verildiğini yönetir.
• İlke karar hizmetleri, önerilen eylemlerin izin verilmesi mi, kısıtlanması mı yoksa yükseltilmesi mi gerektiğini değerlendirir. Orkestrasyon ve yaşam döngüsü hizmetleri dağıtımı, sürümlendirmeyi, güncellemeleri ve kullanımdan kaldırmayı yönetir.
• Değerlendirme ve sürüm kontrolleri test edilmemiş ajanların veya ilkelerin üretime ulaşmasını önlemeye yardımcı olur. Telemetri ve denetim pipeline’ları; ajan etkinliğini, ilke kararlarını, model çağrılarını ve araç kullanımını kaydeder.
• Maliyet ve kapasite kontrolleri kullanımı, bütçeleri ve kaynak tüketimini izler. Operatör konsolları ve olay kontrolleri; ekiplere hataları araştırmak, ajanları askıya almak ve güvenlik veya uyumluluk olaylarına yanıt vermek için merkezi bir yer sağlar.

Operasyonel ve uyumluluk kullanım senaryoları

İade ve finans onayları

Bir siparişi inceleyip iade düzenleyebilen bir müşteri destek ajanını düşünün. Ajan; sipariş sistemini okuyabilir, teslimat durumunu kontrol edebilir, önceki iadeleri inceleyebilir ve önerilen bir çözüm hazırlayabilir. AI kontrol düzlemi; tanımlı koşullar altında küçük iadeleri onaylayabilir, belirli bir eşiğin üzerinde insan incelemesi isteyebilir ve müşteri kimliği veya sipariş verileri doğrulanamadığında ödemeleri engelleyebilir.

Kontrol düzlemi; iadeyi hangi ajanın önerdiğini, uygulanan ilkeyi, kullanılan verileri, onaylayanı ve nihai işlemi kaydeder. İşletme, ajana ödemelere sınırsız erişim vermeden daha hızlı çözüm elde eder.

Çok ajanlı araştırma ve raporlama

Bir araştırma iş akışı; keşif, veri alma, analiz, doğruluk kontrolü ve rapor oluşturma için ayrı ajanlar kullanabilir.

Kontrol düzlemi, aralarındaki izin verilen ilişkileri düzenler. Araştırma ajanlarını onaylanmış kaynaklarla sınırlayabilir, hassas dahili materyalin genel model’lere gönderilmesini engelleyebilir, olgusal iddialar için atıf zorunluluğu getirebilir ve her bölümü hangi model’in ve kaynağın desteklediğini kaydedebilir.

Sürüm kontrolü, nihai raporu oluşturmak için kullanılan ajanlara, prompt’lara, ilkelere ve dataset’lere bağlar. Bu, çıktının bağlantısız ajan oturumlarından bir araya getirilen bir belgeye göre incelenmesini ve yeniden üretilmesini kolaylaştırır.

Müşteri destek ve satış ajanları

Müşteri destek ve satış ajanları genellikle CRM platformlarıyla, mesajlaşma sistemleriyle, ürün veritabanlarıyla, sipariş araçlarıyla ve müşteri kayıtlarıyla etkileşime girer. İzinleri; kanala, kullanıcıya, bölgeye ve iş amacına bağlı olmalıdır.

Bir web sitesi destek ajanı, müşteri doğrulamasından sonra bir siparişi görüntüleyebilir; ancak dahili hesap yönetimi ajanıyla aynı erişime sahip olmamalıdır. Bir satış ajanı bir fırsatı güncelleyebilir; ancak sözleşme koşullarını değiştirmeden veya kısıtlı bir hesapla iletişime geçmeden önce onay almalıdır.

Merkezi ilke; ajanların web, e-posta, ses ve dahili kanallar genelinde tutarlı davranmasına yardımcı olurken temel kurumsal sistemlerin erişim kurallarını korur.

Veri ve uyumluluk operasyonları

Veri mühendisliği ekipleri; pipeline hatalarını araştırmak, şema değişiklikleri önermek, sorgular oluşturmak veya sistemler arasında veri taşımak için ajanları kullanabilir. Kontrol düzlemi; varsayılan olarak salt okunur tanılamaya izin verebilir ve bir ajanın üretim verilerini değiştirmeden önce onay isteyebilir.

Düzenlemeye tabi sektörlerde aynı mimari; yerleşiklik sınırlarını uygulayabilir, onaylanmamış model hedeflerini engelleyebilir, denetim izlerini koruyabilir ve ilkenin gerektirdiği yerde insan gözetiminin gerçekleştiğini gösterebilir.

Kıyaslamalarımızı ve veri odaklı içgörülerimizi kaçırmayın. Düğme Google'ı açar; AIMultiple'ı seçmeniz, Google arama sonuçlarında AIMultiple'ı daha sık görmek istediğinizi onaylar.

Tercih edilen kaynak olarak ekle

AI kontrol düzlemi puanlama metodolojisi

Satıcı seçim kriterleri:

• AI yığınının model’ler, ajanlar, uygulamalar ve araçlar dahil olmak üzere birden çok bölümünde AI sistemleri için merkezi yönetişim, güvenlik, gözlemlenebilirlik veya kontrol katmanları sağlayan satıcıları dahil ettik.
• Bu satıcılar; ilke uygulama, çalışma zamanı koruması, erişim kontrolleri, değerlendirmeler, izleme, denetlenebilirlik, envanter yönetimi, onay iş akışları ve risk yönetimi gibi yetenekler sağladı.
• Temel MCP bağlantısı, araç entegrasyonu veya erişim yönetimine odaklanan; model, ajan, uygulama, güvenlik veya AI yönetişimi alanlarında daha geniş yetenekleri olmayan satıcıları hariç tuttuk. Ayrıca yönetişim veya kontrol katmanı bulunmayan geleneksel ajan geliştirme framework’lerini ve bağımsız altyapı araçlarını da hariç tuttuk.

12 ürünü 22 kriter üzerinden karşılaştırdık; bu kriterlerin 19’u puanlara dahil edildi. Satıcı dokümantasyonu, ürün sayfaları ve teknik yazılar dahil olmak üzere kamuya açık kaynakları kullandık. Ayrıca Xnode Cortx’u test ettik ve araçla ilgili ilk elden deneyimlerimizi dahil ettik.

Puanlamaya dahil edilmeyen kriterler: Dağıtım, yaptırım modeli ve açık kaynak kullanılabilirliği tablolarda sunulur ancak puan verilmez. Dağıtım ve yaptırım modelleri farklı mimari yaklaşımları temsil eder; en uygun seçenek müşterinin mevcut altyapısına ve gereksinimlerine bağlıdır. Benzer şekilde açık kaynak kullanılabilirliğinin önemi; her kuruluşun dağıtım, özelleştirme ve satın alma ihtiyaçlarına göre değişir.

Puanlar. ✓ = 1, Sınırlı = 0.5, ✕ = 0. Her tablo toplanır ve farklı kriter sayılarına sahip tablolar eşit ağırlık taşıması için 10 puana normalize edilir. Ortalama, üçünün ortalamasına eşittir.

Sınırlılıklar: Yetenekleri birden çok ürüne yayılmış satıcıları değerlendirmek, ilgili bilgiler parçalı olduğu için daha zor olabilir. Sonuçlar ayrıca her satıcının kamuya açık dokümantasyonda yeteneklerini ne kadar açık ve kapsamlı tanımladığına bağlıdır; sınırlı veya belirsiz bilgiler doğrulamayı zorlaştırabilir.

SSS'ler

Bu araştırmayı kaynak gösterin

Yayınlayacağınız yere uygun formatı seçin. Bağlantılı sürümü CMS'inize yapıştırmak, geri bağlantıyı korur.

@misc{dilmegani2026,
  author = {Dilmegani, Cem and Ermut, Sıla},
  title  = {{En İyi 12 Düzenlemeye Tabi Dağıtımlar için AI Kontrol Düzlemi Araçları}},
  year   = {2026},
  month  = aug,
  howpublished    = {\url{https://aimultiple.com/ai-control-plane}},
  note   = {AIMultiple. Erişim tarihi: 6 Ağustos 2026}
}

Değişiklik günlüğü

2 güncelleme

Tümü2Genel1Metodoloji1

2026

1. 3 Ağu

   Tedarikçi seçim kriterleri bölümü eklendi; dahil etme ve hariç tutma kuralları tanımlandı.

2. 3 Ağu

   Puanlama metodolojisinde karşılaştırılan ürün sayısı 13'ten 12'ye düşürüldü.

Referans Linkleri

1.

CoreWeave Agent Lens | AI Agent Observability

2.

OWASP Top 10 for Agentic Applications - The Benchmark for Agentic Security in the Age of Autonomous AI - OWASP Gen AI Security Project

OWASP Top 10 for LLM & Generative AI Security

Cem Dilmegani

Baş Analist

Takip Et

Cem, 2017'den beri AIMultiple bünyesinde baş analisttir. Cem'in AIMultiple'daki çalışmaları; Business Insider, Forbes, Morning Brew ve Washington Post gibi önde gelen küresel yayınlar, Deloitte ve HPE gibi küresel firmalar, Dünya Ekonomik Forumu gibi STK'lar ve Avrupa Komisyonu gibi uluslarüstü kuruluşlar tarafından alıntılanmıştır. [1], [2], [3], [4], [5] Kariyeri boyunca Cem; teknoloji danışmanı, teknoloji alıcısı ve teknoloji girişimcisi olarak görev yaptı. On yılı aşkın süre boyunca McKinsey & Company ve Altman Solon'da işletmelere teknoloji kararlarında danışmanlık yaptı. Ayrıca dijitalleşme üzerine bir McKinsey raporu yayımladı. CEO'ya rapor verirken bir telekom şirketinin teknoloji stratejisini ve satın alma süreçlerini yönetti. Ayrıca 2 yıl içinde 0'dan 7 haneli yıllık yinelenen gelire ve 9 haneli değerlemeye ulaşan derin teknoloji şirketi Hypatos'un ticari büyümesini yönetti. Cem'in Hypatos'taki çalışmaları TechCrunch ve Business Insider gibi önde gelen teknoloji yayınları tarafından ele alındı. Cem, uluslararası teknoloji konferanslarında düzenli olarak konuşma yapmaktadır. Boğaziçi Üniversitesi'nden bilgisayar mühendisi olarak mezun oldu ve Columbia Business School'dan MBA derecesine sahiptir.

Tam Profili Görüntüle

Araştıran

Sıla Ermut

Sektör Analisti

Takip Et

Sıla Ermut, AIMultiple'da yapay zeka model'lerini, yapay zeka altyapısını, yapay zeka yönetişimini ve kurumsal yapay zeka uygulamalarını ele alan bir sektör analistidir. Araştırmaları çoğunlukla yapay zekanın pazarlama, sağlık hizmetleri, tedarik zincirleri ve sürdürülebilirlik alanlarındaki kullanımına odaklanmaktadır.
Daha önce proje yönetimi ve danışmanlık firmalarında işe alım uzmanı olarak çalıştı. Sıla, Sosyal Psikoloji alanında yüksek lisans derecesine ve Uluslararası İlişkiler alanında lisans derecesine sahiptir.

Tam Profili Görüntüle

Yorum yapan ilk kişi olun

E-posta adresiniz yayınlanmayacak. Tüm alanlar gereklidir. Yorumlar orijinal dilinde bırakılır.

Ad

E-posta Adresi

Yorum

0/450

Yorumu Gönder