Kurumsal Agent’lar Tedarikçi Seçerken: Makine Yürütülen Tedarikçi Aramasının İçi

Kurumsal satın alma her zaman ilişki kostümü giymiş bir araştırma problemiydi. Birinin tedarikçi sitelerini okuması, teknik özellikleri toplaması, fiyat sayfalarını uzlaştırması ve komitenin üzerinde tartıştığı karşılaştırma tablosunu kurması gerekiyordu. Bu iş artık devrediliyor — ve devralan taraf gezinmiyor, marka kampanyanızı hatırlamıyor ve bir temsilciyi aramıyor.

Gartner’ın projeksiyonu ölçeği açıkça koyuyor: 2028’de AI agent sayısı insan satıcıların kabaca on katı olacak, 2029’da ise müşteri hizmetleri etkileşimlerinin yaklaşık %80’i AI tarafından yürütülecek (Andy Hoare aktarımı, 2026). Satya Nadella’nın Build 2026’daki versiyonu mimari: web’i giderek insanlardan çok agent’lar okuyor. Brex’ten Pedro Franceschi ise satın alma tarafının bunun için şimdiden inşa ettiğini anlatıyor — satın alma sürecindeki her personaya bir agent; hem de yıllık %12 büyüyen 1,8 trilyon dolarlık ABD kurumsal kart harcaması karşısında.

Bu, araştırma serimizin altıncı raporu; öncekiler motor ayrışması, atıf tedarik zinciri, marka yanlış bilgisi, B2B kısa listesi ve uzun kuyruk tezi.

Metodoloji

Açık kaynaklı bir sentez

Bu rapor bir Brantial panel ölçümü değil, araştırma sentezidir. Her rakam yayımlanmış üçüncü taraf araştırmalardan, yönetici görüşmelerinden ve 2026 konferans sunumlarından alınmıştır ve metin içinde kaynağıyla verilir; yorum, yorum olarak işaretlenir. Türkiye ölçümü — Türkçe satın alma prompt’larının sektör sektör hangi tedarikçileri yüzeye çıkardığı — Brantial prompt panelinde devam çalışması olarak planlanmıştır.

Çerçeve

Söylemi değil mekanizmayı takip ediyoruz: bir agent neyi getirebilir, neyi doğrulayabilir, nerede durur ve hangi tedarikçi özellikleri sizi listeye alıp almayacağına karar verir?

Bulgu 1: Komite ortadan kalkmadı — araştırma katmanı otomatikleşti

Yayımlanmış veri basit anlatıya direniyor. Kurumsal satın almalarda hâlâ 11 ila 20 paydaş ve satış temasından önce yaklaşık 27 temas noktası var (Searchable müşteri verisi) ve B2B alıcılarının %94’ü bir temsilciyle konuşmadan önce LLM’e danışıyor (Paolo Provincali, LinkedIn — Zero Click NY 2026). İkisi aynı anda doğru: insan komite hâlâ karar veriyor, ama karar verdiği dosya makine tarafından derleniyor.

2026’da makine yürütülen tedarikçi seçiminin pratik tanımı bu — otonom satın alma değil, otonom kısa listeleme. John Collison ve Criteo’dan Michael Komasinski tam da bu nedenle tam otonomiye itiraz ediyor: agent araştırır ve icra eder, kararı insan verir.

Bir tedarikçi için anlamı: Kaderinizi belirleyen çıktı, hiç görmediğiniz bir karşılaştırma; onu üreten okuyucuya e-posta da atamıyorsunuz. Etkilemenin yolu bir insanı ikna etmek değil, getirmeye okunur olmak.

Bulgu 2: Agent’lar alıcılardan farklı getirme yapıyor — ve fark ölçülebilir

Tedarikçi karşılaştırması kuran bir agent, ayrışma raporumuzun belgelediği motor davranışını miras alır: ChatGPT ile Claude arasında domain düzeyinde yalnızca %8 atıf örtüşmesi, Claude atıflarının %79,2’sinin Brave ilk-10’undan gelmesi, ChatGPT’nin getirmenin yaklaşık %95’ini kendi indeksinden çözmesi (Josh Blyskal, Profound — Zero Click NY 2026).

Satın alma özelinde iki sonuç doğuyor. Birincisi, bir tedarikçinin agent kurgusu karşılaştırmadaki varlığı motora bağlı — bir yığında kategori lideri olan marka, diğerinin tablosunda hiç bulunmayabilir. İkincisi, atıfların %3’ünden azı birinci lig medyaya, gerisi niş ve topluluk kaynaklarına gittiği için (Tim Sanders/G2), kurumsal karşılaştırmalara karar veren belgeler inceleme platformları, uzman siteler ve forum başlıkları oluyor; kurumsal iletişim bütçesinin ürettiği kapsama değil.

Tedarikçi tarafında kontrollü bir veri noktası da var: kısa bağlam özetleri eklemek atıf oranını %44 artırdı (G2). Makine okunabilirliği bir metafor değil; sayfalarınızın düzenlenebilir bir özelliği.

Bulgu 3: Agent güveni, domain otoritesinin yerini alıyor

Yayımlanmış en öğretici deney Ramp’ten George Bonaci’nin Zero Click NY 2026’da anlattığı çalışma: yalnızca AI agent’ları için yayımlanan bir teşvik teklifi. Sonuç: üç haftada yedi platformdan 1.300’den fazla bot ziyareti; Claude trafiği %180, DeepSeek %845 arttı ve yaklaşık 370 “agent relay” gerçekleşti — yani agent’ın teklifi kullanıcısına aktardığı örnekler. Model davranışı çılgınca ayrıştı: Claude teklifi iletti, ChatGPT hiç bahsetmedi.

Bonaci’nin çerçevesi bulgunun kendisi: agent güveni, domain otoritesinin ardılı hâline geliyor. Bir agent’ın teklifinizi yüzeye çıkarıp çıkarmaması, domain’in kaç backlink taşıdığına değil, modelin kaynağınızı nasıl tarttığına bağlı.

Yorum, açıkça yorum olarak: Bu erken ve deneysel bir çalışma — tek şirket, tek teklif, üç haftalık tek pencere. Bir reçete değil. Agent’a yönelik yayının ölçülebilir ve motora özgü yanıtlar ürettiğinin kanıtı; raporun geri kalanının dayandığı önerme de bu.

Bulgu 4: Bir tedarikçiyi makine tarafından seçilebilir kılan ne?

Yayımlanmış bulgular birlikte okunduğunda, listeye alınmaya dört tedarikçi özelliği karar veriyor — ve dördü de pazarlık konusu değil, denetim konusu:

Getirilebilirlik. AI crawler’ları teknik özelliklerinizi ve fiyat mantığınızı taşıyan sayfalara erişemiyorsa hiçbir agent sizi listeye alamaz. Engellenen bot’lar ve eksik llms.txt direktifleri tedbir değil, dışlanmadır.

Yapılandırılmış olgular. Agent’lar atfedebildikleri iddiaları çıkarır: adlandırılmış teknik özellikler, sade fiyat ifadeleri, net kategori dili, schema işaretlemesi. Yorum gerektiren düzyazı, rakibin tablosu lehine atlanır.

Üçüncü taraf teyidi. Cevaplar ağırlıkla niş ve topluluk kaynaklarından kurulduğu için, inceleme platformlarında ve uzman yayınlarda teyit edilen bir tedarikçiyi listeye almak, tek kaynağı kendi sitesi olan bir tedarikçiye göre çok daha kolaydır.

Güncellik. Tarihli ve bakımı yapılan sayfalar bayat olanları yener — yanlış bilgi raporumuzun ayrıntılı işlediği nokta: güncelliğini yitirmiş kaynaklar, kendinden emin biçimde tekrarlanan yanlış olgulara dönüşür.

Türkiye için anlamı

Makine yürütülen seçim, yerel optimizasyondan önce geliyor. Türkiye’deki kurumlar aynı asistanları aynı takvimde benimsiyor, ama Türkçe tedarikçi sayfaları agent getirmesine nadiren hazırlandı. Talep ile hazırlık arasındaki bu boşluk fırsatın kendisi — ve rakipler fark ettikçe kapanıyor.

İhracat satın alması İngilizce kaynaklardan yargılanıyor. Yurt dışına satan Türk tedarikçi, İngilizce inceleme platformları ve uzman sitelerden derlenen karşılaştırmalara giriyor. Yerel itibar o korpusa taşınmaz; teyit, agent’ın okuduğu yerde inşa edilmelidir.

Satın alma dili bir getirme problemidir. Türk kurumsal alıcılar Türkçe prompt yazar ve çoğu zaman tedarikçinin pazarlama dilinden farklı bir alan sözlüğü kullanır. Teknik özellikleri alıcıların gerçekten kullandığı kelimelerle yayımlamak, seçilebilir olmaya giden en ucuz adım — ve prompt başına ölçülebilir.

Sonuç

Makine yürütülen tedarikçi seçimi, otonom satın almayı bekleyen bir gelecek senaryosu değil; araştırma aşamasının bugünkü hâli ve kararı hâlâ insan komite veriyor. Tedarikçi tarafındaki iş gösterişsiz ve spesifik: crawler’ları içeri alın, olguları çıkarılabilir biçimde yayımlayın, agent’ların gerçekten okuduğu kaynaklarda teyit kazanın ve tarihleri güncel tutun.

Sıralama: önce getirilebilirliği denetleyin, sonra olguları yapılandırın, ardından üçüncü taraf teyidini kurun — ve kategorinizde agent kurgusu karşılaştırmaların sizi hiç adlandırıp adlandırmadığını ölçün.

Kaynaklar

• Andy Hoare — agent hacmi ve hizmet etkileşimlerine dair Gartner projeksiyonları, 2026
• Satya Nadella, Microsoft — agent’ların okuduğu web, Build 2026
• Pedro Franceschi, Brex — persona düzeyinde satın alma agent’ları ve kurumsal kart harcaması, 2026
• Paolo Provincali, LinkedIn — satış öncesi LLM danışması, Zero Click NY 2026
• Searchable müşteri verisi — paydaş sayıları ve temas öncesi temas noktaları, 2026
• Josh Blyskal, Profound — getirme mimarisi ve atıf örtüşmesi, Zero Click NY 2026
• Tim Sanders, G2 — atıf ekosistemleri ve bağlam özeti deneyi, Zero Click NY 2026
• George Bonaci, Ramp — agent’a yönelik teşvik deneyi ve agent güveni, Zero Click NY 2026
• Brantial araştırma serisi (2026): Ayrışma, Kaynak Ekosistemi, Marka Yanlış Bilgi, İlk İki Slot, Uzun Kuyruk

Rakamlar, atıf yapılan konuşma, görüşme ve yayınlarda sunulduğu hâliyle aktarılmıştır ve ağırlıkla İngilizce dilli, ABD pazarı davranışını tanımlar. Brantial’ın devam çalışması, tedarikçi varlığını panelimizdeki motorlarda Türkçe satın alma prompt’larıyla ölçecektir.