Gumloop Eğitimi: Yapay Zekâ Doğ-native Otomasyona Giriş

Modern iş akışları giderek daha fazla web siteleri, PDF’ler, e-postalar ve serbest metin girdileri gibi yapılandırılmamış verilerle uğraşıyor. Bunlar muhakeme, özetleme ve karar verme gerektirir. Gumloop tam da burada, geleneksel mantığın üzerine yeni bir “bilişsel katman” için yapay zekâ destekli otomasyon sunar.

Bu yazıda, yapay zekâ destekli iş akışları ve ajanlar oluşturmak için özel olarak tasarlanmış görsel bir IDE olan Gumloop’u inceleyecek ve onu n8n ve Zapier gibi geleneksel iPaaS (Hizmet Olarak Entegrasyon Platformu) otomasyon platformlarıyla karşılaştıracağız. Ayrıca, Gumloop üzerinde basit bir yapay zekâ ajanını adım adım nasıl kuracağınızı göstereceğiz.

Başlamadan önce, yeni bir sekme açmanızı, Gumloop’a kaydolmanızı ve 15 dakika içinde ilk ajanınızı oluşturmak için adımları takip etmenizi öneririm.

Bana göre, Yapay Zekâ Ajanlarına Giriş kursumuz özerk yapay zekâ araçları konusuna harika bir başlangıç sunuyor. Göz atmayı unutmayın.

Gumloop Nedir?

Gumloop, işletmelerin teknik bilgi gerektirmeden karmaşık iş akışları ve LLM ajanları oluşturmalarına yardımcı olmak için tasarlanmış, yapay zekâ doğ-native, kod yazmadan otomasyon platformudur. Görsel olarak diğer sürükle-bırak araçlarına benzese de, altındaki soyutlama basit bir entegrasyon katmanından ziyade yapay zekâ mantığı için bir yürütme motoruna daha yakındır. 

Ana hedefi, yorumlama ve muhakeme sunarak geleneksel otomasyonun ötesine geçmektir. Gumloop’un çözdüğü temel sorun, şu ikisi arasındaki boşluktur:

• Basit entegrasyonlarda başarılı olan ancak karmaşık mantık ve yapılandırılmamış verilerde zorlanan Zapier gibi katı IPaaS araçları.
• LLM’lerle (büyük dil modelleri) etkileşen, güçlü ancak mühendislik çabası, altyapı ve sürekli bakım gerektiren tamamen özel Python betikleri.

Gumloop bu ikisinin arasında yer alır. Kullanıcıların, geleneksel kontrol akışını (koşullar, döngüler, dönüşümler) yapay zekâ muhakeme adımlarıyla harmanlayan iş akışlarını görsel olarak oluşturmasına olanak tanır.

Gumloop’un temel özellikleri

Gumloop’un başlıca yetenekleri, iş akışlarının düğümleri bağlayarak oluşturulduğu tuval tabanlı arayüzünde yatar. 

Her düğüm; veri getirme, bir modeli çağırma, mantık uygulama veya çıktı yazma gibi ayrık bir iş birimini temsil eder. Görsel yerleşim, verilerin ve kararların sistem boyunca nasıl aktığına dair canlı bir zihinsel model kurmaya yardımcı olur.

Gumloop’un temel yetenekleri şunlardır:

• Sürükle-bırak mantık: Tetikleyicileri, koşulları, döngüleri ve çıktıları görsel olarak birleştirin; yapıştırma kodu yazmadan.
• Yapay zekâ muhakeme düğümleri: İş akışı içinde büyük dil modellerini doğrudan yönlendirerek sınıflandırma, çıkarım, özetleme veya karar verme görevleri yapın.
• Tarayıcı otomasyon motoru: Ajanlar kullanarak canlı web siteleriyle etkileşime geçin. Ajanlar sayfaları yükleyebilir, kaydırabilir, tıklayabilir ve içeriği dinamik olarak çekebilir.
• Yerel Python yürütme: Gelişmiş kullanıcılar, görsel düğümlerin yetmediği yerlerde Python kodu ekleyebilir.
• Model Context Protocol (MCP) desteği: Yapılandırılmış araçları ve kaynakları standart bir şekilde modellere bağlayın.
• Gummie: Düğüm üretmeye, hataları açıklamaya ve geliştirmeyi hızlandırmaya yardımcı yerleşik bir yapay zekâ asistanı.

Bu özellikler, Gumloop’u basit bir iş akışı bağlayıcısının ötesine taşıyan güçlü bir araç haline getirir.

Hedef kitle ve uygunluk

Gumloop, yetenekten ödün vermeden hızlı hareket etmesi gereken kullanıcılar için tasarlanmıştır. Birçok organizasyonda otomasyon girişimleri, iş sorununu anlayan kişilerin bunu kolayca koda dökememesi nedeniyle tıkanır. 

Gumloop, mantığın, yapay zekâ istemlerinin ve entegrasyonların görsel olarak bir araya getirilmesine imkân tanıyarak bu bariyeri düşürür; aynı zamanda karmaşık iş akışları için yeterince ifade gücü sunar.

Bu nedenle ideal kullanıcılarından bazıları şunlardır:

• Araştırma ağırlıklı iç iş akışlarını otomatikleştiren operasyon liderleri.
• Zenginleştirme ve niteliklendirme hatları kuran büyüme mühendisleri.
• Tam bir platform kurmadan üretim seviyesinde ajanlar isteyen teknik kurucular.

Gumloop’u farklı kılan, hem tarayıcı otomasyonunu (gerçek web ile etkileşim) hem de LLM muhakemesini (yorumlama ve sentez) tek bir tuvalde birleştirebilmesidir. Çoğu platform, Gumloop’un aksine, bu ikisinden yalnızca birinde uzmanlaşır.

Gumloop için yaygın kullanım örnekleri şunlardır:

• Otomatik web kazıma ve araştırma
• Giden satış zenginleştirme ve aday niteliklendirme
• Akıllı doküman işleme (sözleşmeler, faturalar, raporlar)
• Yalnızca kurallarla değil, muhakeme gerektiren iç operasyon iş akışları

Gumloop Kurulumu

Gumloop ile başlamak oldukça basittir ve ücretsiz katman bu eğitimi takip etmek için yeterlidir. 

Karşılama deneyimi bilerek hafif tutulmuştur; altyapı veya ortamlar yapılandırmadan çalışır durumda bir iş akışı için kaydolabilmelisiniz.

Hesap oluşturma ve başlarken

Başlamak için:

1. Ücretsiz bir Gumloop hesabı oluşturun veya Google ya da Microsoft hesabınızla giriş yapın.
2. Giriş yaptıktan sonra ana panoya yönlendirilirsiniz.
3. Yeni bir çalışma alanı oluşturun ve boş bir tuvali açın.

Çalışma alanı, akışlarınız, kimlik bilgileri ve çalışma geçmişiniz için bir kap görevi görür. Bu eğitim için varsayılan kurulum yeterlidir.

Kredi tabanlı fiyatlandırma modeli

Gumloop, gerçek hesaplama ve yürütme maliyetleriyle yakından örtüşen bir kredi tabanlı fiyatlandırma sistemi kullanır. Entegrasyon veya görev başına ücret almak yerine, özellikle yapay zekâ modelleri veya tarayıcı otomasyonu söz konusu olduğunda, platform akışınızın ne kadar iş yaptığını ölçer. İş akışları karmaşıklaştıkça maliyeti öngörmeyi kolaylaştırır.

Anlaşılması gereken temel noktalar:

• Her işlem kredi tüketir; bazen “yakıt” olarak da anılır.
• Değişken eşleme veya dallanma gibi basit işlemler ucuzdur.
• Pahalı işlemler, LLM çağrıları veya tarayıcı otomasyonu gibi hesaplama açısından yoğun görevleri içerir.

Gumloop, yapay zekâ modellerini yetenek ve kredi maliyetine göre üç ayrı katmana ayırır: 

• Standart (2 kredi/çağrı, ör. GPT-4.1 Mini, Claude 4.5 Haiku)
• Gelişmiş (20 kredi/çağrı, ör. GPT-4.1, Claude 3.7 Sonnet)
• Uzman (30 kredi/çağrı, ör. GPT-5, OpenAI o3)

OpenAI’nin GPT-5.2’si, Google’ın Gemini 3’ü veya Anthropic’in Claude Opus 4.6’sı gibi en yeni modeller platformda henüz mevcut olmasa da, mevcut Uzman katmanı modelleri neredeyse tüm karmaşık otomasyon kullanım durumları için yeterli muhakeme gücü sağlar.

Ücretsiz katmanda:

• Ayda sınırlı sayıda 2000 kredi alırsınız.
• Bu, bu yazıdaki yapay zekâ araştırmacısı dâhil birkaç küçük iş akışı oluşturup test etmek için yeterlidir.
• Yapay zekâ çağrıları Gumloop’un paylaşılan API anahtarlarını kullanır ve kredi maliyeti hem yürütmeyi hem de model kullanımını kapsar.

Bu model, maliyetleri öngörülebilir tutarken denemeyi teşvik eder.

Kendi anahtarınızı getirin (BYOK)

Daha fazla kontrol isteyen kullanıcılar için Gumloop, Kendi Anahtarını Getir (BYOK) fiyatlandırma modelini destekler. Gumloop, kişisel kimlik bilgilerinizi, örneğin API anahtarlarınızı, girmenize olanak tanır.

BYOK ile:

• Ayarlar menüsünde kendi OpenAI veya Anthropic API anahtarınızı bağlarsınız.
• Gumloop, model çağrılarına artık yapay zekâ işaretlemesi uygulamaz.
• Yalnızca Gumloop kredilerinde temel yürütme maliyetini ödersiniz.

Bu eğitim için BYOK isteğe bağlıdır. Ancak hâlihazırda model kredileriniz varsa ve kullanımı ölçeklemeyi planlıyorsanız, erken etkinleştirmeye değer.

Gumloop Kullanarak Bir Yapay Zekâ Araştırma Ajanı Oluşturma

Şimdi bir şirket web sitesini yapılandırılmış bir araştırma raporuna dönüştüren uçtan uca basit bir iş akışı kuracağız. Bu örnek özellikle pratiktir. 

Şirket araştırması; satış, yatırım, iş ortaklıkları ve işe alımda yaygın bir görevdir. Bu örnekte, Gumloop’un veri toplama, muhakeme ve teslimatı tek bir akışta nasıl birleştirdiğini göstereceğiz.

Adım 1: Tetikleyiciyi ayarlama

Her Gumloop akışı bir tetikleyiciyle başlar. Tetikleyiciler, bir iş akışının nasıl ve ne zaman başlayacağını tanımlar. Üretim sistemlerinde bu bir webhook, zamanlanmış iş veya harici bir olay olabilir. Öğrenme amaçları için, manuel tetikleyici akışı basit ve şeffaf tutar.

Adımlar:

1. Ana tuvali açmak için İlk Akışınızı Oluşturun seçeneğine tıklayın.
2. Tuvale bir Girdi düğümü eklemek için soldaki + işaretine tıklayın.
3. “Şirket Web Sitesi” adlı bir metin girdi alanı ekleyin.
4. Varsayılan değer kutusuna “https://gumloop.com” URL’sini yapıştırın.
5. Düğümü kaydedin ve girdi alanının doğru göründüğünü teyit etmek için bir kez Çalıştır’a tıklayın.

Girdi düğümünüz şu şekilde görünmelidir:

Bu tetikleyici, akış her çalıştığında kullanıcının web sitesi URL’sini manuel olarak girmesine olanak tanır.

Adım 2: Bilgi toplama

Sırada, yapay zekânın analiz etmesi için ham veri toplamak var. API tabanlı entegrasyonların aksine, web sitesi içeriği çoğu zaman dağınık, dinamik ve tutarsızdır. Gumloop’un tarayıcı otomasyonu, sayfa yükleme, işleme ve metin çıkarma işlemlerini sizin için üstlenerek bu karmaşıklığın çoğunu soyutlar.

Adımlar:

1. Soldaki + düğmesine tıklayın ve ardından Çekirdek Düğümler’e tıklayın.
2. Web Kazıma ve ardından Web Kazıyıcı’ya tıklayın.
3. Bunu Girdi düğümüne bağlayın.
4. Şirket Web Sitesi girdisini kazıyıcının URL alanına sürükleyip bırakın.

Adım 3: Analiz için “beyni” ekleme

İş akışının “akıllı” hale geldiği yer burası. Bu noktaya kadar akış, geleneksel otomasyon gibi davranır. Yapay zekâ düğümü yorumlama ve sentez getirir; böylece iş akışı, yalnızca kurallarla çözülemeyen soruları yanıtlayabilir.

Adımlar:

1. Bir Yapay Zekâya Sor düğümü ekleyin.
2. Bunu Web Sitesi Kazıyıcı düğümünün çıktısına bağlayın.
3. Web sitesi içerik alanını istem kutusuna sürükleyip bırakın.
4. Şu tür bir istem kullanın:

“Bu web sitesi metnini analiz edin ve şirketin değer önerisini, hedef kitlelerini ve varsa fiyatlandırma modellerini çıkarın.”

Düğüm ayarlarında:

• Metin analizi için uygun bir model seçin. Ben OpenAI’nın GPT-4.1 Mini modelini tercih edeceğim.
• Maliyet, hız veya muhakeme derinliğine göre farklı modeller seçilebilir.

Esas fikir, yapay zekâ düğümünün yapılandırılmamış metni yapılandırılmış içgörülere dönüştürmesidir.

Adım 4: Raporu teslim etme

Son olarak, sonuçları faydalı bir hedefe gönderiyoruz. Çıktılar, yapay zekâ iş akışlarının gerçek operasyonel değer sağladığı yerdir.

Seçenekler şunları içerir:

• E-posta Gönder: Raporu doğrudan bir gelen kutusuna teslim edin.
• Google E-Tablolar: Takip için sonuçları yeni bir satır olarak ekleyin.

Adımlar:

1. Bu örnek için E-posta Bildirimi Gönder düğümünü kullanın.
2. Yapay zekâ yanıtını, sürükleyip e-posta gövdesi alanına bırakarak e-posta gövdesine eşleyin.

Bu tamamlandıktan sonra, sağ üst köşedeki Çalıştır düğmesine tıklayın.

Akış yürütülürken, kazımadan analize ve teslimata kadar her adımı canlı günlüklerde izleyebilirsiniz. Çalıştırma tamamlandığında aşağıdaki ekranı göreceksiniz:

Şimdi, akışın size ilgili bilgilerle bir e-posta gönderip göndermediğini kontrol etmek için gelen kutunuza gidin. E-posta bildirimim şöyle görünüyor:

Görüldüğü gibi, akış tam istediğim çıktıyı doğrudan gelen kutuma ulaştırdı.

Gumloop Akışınızı İyileştirme ve Ölçeklendirme

Temel iş akışı çalıştıktan sonra, Gumloop bunu hata ayıklamak, genişletmek ve ölçeklemek için araçlar sağlar. Birçok kod yazmadan araç bu noktada yetersiz kalır; ancak Gumloop gözlemlenebilirlik ve yineleme desteğine ciddi yatırım yapar.

Çalıştırma geçmişiyle hata ayıklama

Önceki Çalıştırmalar sekmesi, sorun giderme ve iyileştirme için kritiktir. Her yürütme ayrıntılı ara çıktılarla kaydedilir; bu da yalnızca bir şeyin başarısız olduğunu değil, neden başarısız olduğunu da anlamayı mümkün kılar.

Şunları yapabilirsiniz:

• Her bağlantıdan geçen verileri tam olarak inceleyin.
• Kazıyıcının engellenip engellenmediğini veya eksik içerik döndürüp döndürmediğini doğrulayın.
• Girdileri yeniden girmeden başarısız bir çalıştırmayı tekrar oynatın.

Bu görünürlük, harici web siteleri ve yapay zekâ çıktılarıyla uğraşırken kritiktir. Bu ayrıntılı çalışma raporu, mevcut çalıştırmaları görüntülemek için de mevcuttur.

Döngü modu ile listeleri işleme

Gerçek iş akışları nadiren tek bir girdiyi işler. Bir iş akışı faydalı olduğunu kanıtlar kanıtlamaz, bir sonraki soru neredeyse her zaman, çabayı veya mantığı kopyalamadan bunu çok sayıda öğeye nasıl ölçeklendirebileceğiniz olur.

Örnek senaryo:

• Tek bir web sitesi yerine 50 şirket URL’sini analiz etmek istiyorsunuz.

Gumloop bunu Döngü Modu ile destekler:

1. Girdi olarak bir web sitesi listesi sağlayın.
2. İlgili düğümlerde sağ üst köşeden Döngü Modu’nu etkinleştirin.
3. Listedeki her web sitesi otomatik olarak, çoğu zaman paralel şekilde işlenir.

Düğümün sağ üst tarafındaki görsel bir gösterge, toplu modda çalıştığını gösterir ve davranışı anlamayı kolaylaştırır.

Yapay zekâ asistanı Gummie ile optimize etme

Gummie, hem ilk kurulumda hem de sonradan optimizasyonda sürtünmeyi azaltmak üzere tasarlanmış, Gumloop’un yerleşik yapay zekâ asistanıdır. Kullanıcının yerini almak yerine, Gumloop’un ilkellerini anlayan bir eş programcı gibi davranır.

Gummie’yi şu amaçlarla kullanabilirsiniz:

• “Bunu bir CSV’ye kaydeden bir adım ekle.” gibi doğal dil talimatlarıyla yeni adımlar üretmek.
• Belirsiz hata iletilerini açıklamak.
• Optimizasyonlar veya eksik adımlar önermek.

Mühendis olmayanlar için Gummie, daha karmaşık akışlar oluştururken sürtünmeyi belirgin biçimde azaltır.

Gumloop ve Rakipleri

Yapay zekâ otomasyon araçları ekosistemi genişliyor ve Gumloop pazardaki tek araç değil. Araçlar arasındaki bazı karşılaştırmalara bakalım.

Gumloop ve Zapier

Zapier, entegrasyonlar ve doğrusal görev yürütme etrafında inşa edilmiştir.

Temel farklar:

• Zapier entegrasyon-öncelikli, Gumloop ise yapay zekâ doğ-nativedir.
• Zapier görev başına ücret alır; bu da büyük veri kümeleri üzerinde döngü yapılırken pahalı hâle gelir.
• Gumloop, hesaplama ve muhakemeye odaklanır; bu da metin ve PDF’ler gibi yapılandırılmamış veriler için daha uygundur.

Zapier, basit, yapılandırılmış ve API tabanlı otomasyonlar için mükemmel olmaya devam eder. Yorum ve muhakemenin gerektiği durumlarda ise Gumloop öne çıkar.

Gumloop ve n8n

n8n yelpazenin karşı ucunu temsil eder.

Temel karşıtlıklar:

• n8n açık kaynaklıdır ve sıklıkla kendi sunucunuzda barındırılır; tam kontrol isteyen mühendislere hitap eder.
• Gumloop tamamen barındırılır ve yönetilir; hız ve kullanım kolaylığını önceliklendirir.
• Gumloop, özel yapay zekâ düğümleri ve MCP desteği sunar; n8n ise daha genel HTTP veya çerçeve tabanlı entegrasyonlara dayanır.

Uygulamada, Gumloop operasyon ekipleri için daha hızlı “ajana geçiş süresi” sunarken, n8n derin teknik, altyapı ağırlıklı kurulumlara uygundur.

İki Gumloop rakibinin karşılaştırması için, n8n ve Zapier karşılaştırma makalemize göz a

Sonuç

Gumloop, otomasyonun nasıl inşa edildiğine dair bir dönüşümü temsil eder. Yapay zekâyı isteğe bağlı bir eklenti olarak görmek yerine, muhakemeyi doğrudan yürütme modeline yerleştirir; böylece iş akışları dağınık, gerçek dünya verilerine uyum sağlayabilir. 

Bu yazıda, yalnızca Gumloop kullanarak sıfırdan çalışan bir yapay zekâ şirket araştırmacısı oluşturduk. Aynı desen; işe alım hatları, satış araştırması, uyumluluk kontrolleri ve içerik oluşturma gibi uygulamalara da uygulanabilir.

Bu iş akışını genişletmek için denemeler yapmanızı öneririm. Örneğin şunları deneyebilirsiniz:

• Şirketleri otomatik keşfetmek için kazıyıcıdan önce bir Google Arama düğümü eklemek.
• Daha derin analiz için birden fazla yapay zekâ düğümünü zincirlemek.
• İleri başlangıç noktaları için şablon kitaplığını keşfetmek.

Eylemde farklı, daha fazla kod tabanlı bir yaklaşım görmek isterseniz, LangChain ile LLM Uygulamaları Geliştirme kursunu şiddetle tavsiye ederim.