Bayer, tarım verisi analizini doğal dille yapan ADE sistemini AWS üzerinde kurdu

Bayer Crop Science, bitki ıslahı ekiplerinin makine öğrenmesi iş akışlarını anlamasını ve yönetmesini kolaylaştıran çok ajanlı bir doğal dil arayüzü geliştirdi. Şirketin Agentic Decision Engine (ADE) adını verdiği sistem, Amazon Bedrock AgentCore üzerinde çalışıyor ve ilk aşamada kullanıcı sorularının yaklaşık yüzde 80'ini bir mühendise ihtiyaç duymadan yanıtlıyor. Detaylar AWS Machine Learning Blog'da yayımlanan yazıda aktarıldı.

Bayer'in Connected Decision Engine (CDE) adlı sisteminde mahsuller, bölgeler ve ekipler için yüzlerce makine öğrenmesi modeli konfigürasyonu çalıştırılıyor. Her çalışmanın tekrarlanabilir ve denetlenebilir olması gerekiyor. Kullanım arttıkça darboğaz, iş akışlarını çalıştırmaktan çok onları anlamaya kaydı: Bir sonucun neden oluştuğunu öğrenmek isteyen kullanıcı, API'ler, dokümantasyon, meta veri depoları, panolar ve loglar arasında bağlamı elle birleştirmek zorunda kalıyordu.

ADE nasıl çalışıyor?

ADE, CDE üzerine kurulan ve kullanıcı sorularını doğal dille alan bir yapıya sahip. Bir yönetici ajan her soruyu niyetine göre sınıflandırıp ilgili uzman ajana yönlendiriyor; uzman ajan bilgiyi ilgili sistemden çekiyor ve kullanıcı operasyonel katmanlarda dolaşmadan yanıtı alıyor. Örneğin bir araştırmacı dün fenotipleme iş akışının neden başarısız olduğunu sorduğunda talep Hata Ayıklama Ajanı'na gidiyor. Ajan, iş akışının Amazon CloudWatch üzerindeki telemetrisini ve CDE API'sinden gelen durum bilgisini okuyarak arıza noktasını tespit ediyor.

Şirkete göre bu ajan sayesinde bir saatten fazla manuel log incelemesi ve mühendis desteği beklemesi gerektiren bir teşhis, artık 10 dakikanın altında tamamlanıyor.

Hangi AWS servisleri kullanılıyor?

Sistem dört katmana ayrılıyor: kullanıcı deneyimi, ajan orkestrasyonu, uzman ajanlar ve ajanların çağırdığı araçlar ile veri kaynakları. Kullanıcılar React tabanlı bir web arayüzü üzerinden Microsoft Entra ID kimlik doğrulamasından geçerek sisteme erişiyor. Ajanların konteyner imajları GitHub Actions ile derlenip Amazon Elastic Container Registry'ye gönderiliyor ve AgentCore çalışma ortamında çalıştırılıyor.

Orkestrasyon için LangGraph kullanılıyor; iş akışı durumu Amazon DynamoDB'de, oturum kayıtları, kullanıcı geri bildirimleri ve analitik veriler Amazon Aurora PostgreSQL'de tutuluyor. Amazon ElastiCache yanıtları önbelleğe alıyor. Kurumsal içerik Amazon S3'te saklanıyor, Amazon Titan Text Embeddings V2 ile vektörleştirilip Amazon OpenSearch Serverless'ta RAG için indeksleniyor. AgentCore Gateway ise arka uç API'lerini ajanlara Model Context Protocol araçları olarak sunuyor ve kimlik doğrulamasını ajan kodunun dışında tutuyor.

Üretimde kaç ajan var, hangi işleri yapıyorlar?

ADE üretim ortamında 22 uzman ajan çalıştırıyor; her biri tek bir alana ve kendi araçları ile veri kaynaklarına sahip. Alan Uzmanı Ajan kavramsal soruları RAG üzerinden yanıtlıyor, Operasyonel Ajan canlı iş akışı durumunu ve sonuçları CDE'den çekiyor, Hata Ayıklama Ajanı operasyonel telemetriyi inceliyor. Görselleştirme Ajanı ise grafikler üretiyor ya da mevcut panoları döndürüyor. Bayer'in "Models as Skill" yaklaşımı, model kodunu ve dokümantasyonunu merkezi bir kayıt defterinde beceri tanımlarına dönüştürerek ajanların genel model bilgisi yerine modelin kendi uygulamasından yanıt vermesini sağlıyor.

AWS'nin Unified Operations ekibi, Bayer'in kendi teknik hesap yöneticisi ve üretken yapay zekâ alan uzmanı mühendisiyle birlikte tasarımdan üretime kadar süreçte yer aldı. Ekip haftada üç teknik toplantıda tasarım kararlarını gözden geçirdi.

Neden önemli?

Bayer'in deneyimi, kurumsal yapay zekâ projelerinde sık görülen bir soruna işaret ediyor: Modelleri çalıştırmak kolaylaşıyor, ancak sonuçları açıklamak ve hataları izlemek uzmanlık gerektirmeye devam ediyor. Doğal dil arayüzünün operasyonel katmanın önüne geçmesi, bu tür sistemlerin gündelik kullanıcılar için erişilebilir hale gelmesini sağlıyor. Bayer'in paylaştığı tasarım kararları arasında, ajan oturumlarının kalıcı bir depo sayılmaması, kimlik doğrulamanın her sınırda ayrı ele alınması ve yeni model sürümlerinin otomatik olarak mevcut ajanlara uygulanmaması gibi noktalar yer alıyor.

Türkiye'deki tarım ve veri ekipleri için doğrudan bir erişim ya da kullanım planı kaynakta yer almıyor; sistem şu an Bayer'in kendi iç operasyonları için çalışıyor. AWS'nin AgentCore ve Unified Operations hizmetlerinin Türkiye'deki müşterilere sunulup sunulmadığına dair bilgi kaynak metinde bulunmuyor.

Bayer'in ADE üzerindeki bir sonraki adımları ve sistemi başka iş birimlerine ya da bölgelere yayma planları kaynakta açıklanmadı.