2026 Yılında Yapay Zeka Ajanları Nedir: 26 Dakikalık Otonom Sağlıklı Yaşam Desteğini Nasıl Sağlıyorlar?
Yazan:: Nord Time Editorial
Doğrulayan:: QA Team
Güncellenme tarihi: 24 Eylül 2026
0
4
10 dk
Bu makalede
- Yapay Zeka Ajanlarının Ne Olduğunu Anlamak
- Yapay Zeka Ajanları Nasıl Çalışır?
- Faydalar ve Kanıtların Gösterdikleri
- Nasıl Başlanır?
- Sık Yapılan Hatalar ve Dikkat Edilmesi Gerekenler
- FAQ
Evet, bu sistemler çevrelerini algılayan, karmaşık problemler üzerinde muhakeme yürüten ve belirli sonuçlara ulaşmak için bağımsız eyleme geçen hedef odaklı otonom sistemlerdir. Sadece metin üreten standart sohbet robotlarının aksine, bu araçlar minimum insan girdisiyle çok adımlı iş akışlarını tamamlamak için bellekten ve harici uygulamalardan yararlanırlar.
Sağlığına önem veren bireyler ve teknolojiye meraklı profesyoneller yapay zeka ajanları hakkında sürekli bir şeyler duymakta, ancak abartılı reklamları pratik araçlardan ayırt etmekte genellikle zorlanmaktadırlar. Yapılan testler, bu sistemlerin kişiselleştirilmiş beslenme planlaması veya fitness takibi gibi karmaşık sağlıklı yaşam görevlerini verimli bir şekilde yerine getirdiğini göstermektedir.
Bu rehber, yapay zeka ajanlarının pratikte ne olduğunu, nasıl çalıştıklarını ve kanıtlara dayalı faydalarını ele almaktadır. Ayrıca, bu araçlarla güvenli bir şekilde çalışmaya başlamanın olumlu yollarını da incelemektedir.
Yapay Zeka Ajanlarının Ne Olduğunu Anlamak
Kullanıcılar, yapay zeka ajanlarını standart sohbet robotlarından veya basit büyük dil modellerinden ayırt etmeye çalışırken yaygın bir kafa karışıklığı yaşadıklarını belirtmektedirler. Yine de yapılan testler, bu ajanların çok az insan girdisiyle algılayan, muhakeme eden, planlayan, harekete geçen ve öğrenen hedef odaklı otonom sistemler olarak çalıştığını ortaya koymaktadır.
Temel Tanım ve Ana Özellikler
Kullanıcılar, yapay zeka ajanlarının eksiksiz bir algılama-muhakeme-planlama-eylem-öğrenme döngüsü aracılığıyla belirli hedeflere ulaşmaya odaklanmış otonom sistemler olduğunu bildirmektedirler. Bu durum, sürekli komut istemlerine gerek kalmadan günlük sağlıklı yaşam rutinlerini koordine etmek gibi bağımsız, çok adımlı eylemlere olanak tanıyarak onları diğerlerinden ayırmaktadır.
Yapılan testler, bu araçların zaman içinde yaklaşımlarını uyarlamak için bellek ve güvenilir uygulamalar kullandığını göstermektedir. Bu durum, hedef kitlenin 2026 yılındaki güvenilirlik ve abartılı reklamlar konusundaki endişelerini doğrudan gidermektedir.
Sağlıklı Yaşam Arayışında Olanlar İçin Neden Önemliler?
Yapılan testler, yapay zeka ajanlarının fitness takibi veya zihinsel sağlık destek rutinleri gibi kişisel sağlıklı yaşam görevlerini yöneten teknoloji meraklısı profesyonelleri desteklediğini göstermektedir. Kullanıcılar, bu ajanların sağlıklı yaşam araştırmaları üzerine sıkıcı incelemeler yaparak veya kişiye özel planlar hazırlayarak günlük iş yükünü ve stresi azalttığını belirtmektedirler.
2025 yılının ortaları itibarıyla McKinsey verileri, kuruluşların %62'sinin bu otonom sistemleri aktif olarak denediğini göstermektedir. Bu benimseme, doğrudan günlük üretkenliğe ve sağlık hedeflerine yansıyarak insanların planlamadan ziyade uygulamaya odaklanmalarını sağlamaktadır.
Yapay Zeka Ajanlarını Şu Anda Kimler Keşfetmeli?
Abartılı reklamlardan bunalmış farklı deneyim seviyelerindeki kitleler için yapılan testler, yapay zeka ajanlarının sağlıklı yaşam bağlamında üretkenlik ve karar alma süreçleri için güvenli başlangıç noktaları sunduğunu ortaya koymaktadır. Kullanıcılar, özellikle sağlığına önem veren bireylerin bu ajanları beslenme planlaması veya ilaç uyumu takibinde kullanmasının büyük değer sağladığını belirtmektedirler.
Son kullanım verileri, insanların olumlu ve düşük riskli deneyler yoluyla görev kapsamını başarıyla genişlettiğini göstermektedir. Temel bilgiler netleştiğine göre, yapılan testler bu ajanların vaatlerini yerine getirmelerini sağlayan mekanizmaları inceleme zamanının geldiğini ortaya koymaktadır.
Yapay Zeka Ajanları Nasıl Çalışır?
Gerçekçi olmak gerekirse, iç işleyiş kulağa teknik gelebilir ancak herkesin kavrayabileceği basit bir döngüye dayanmaktadır. Kullanıcılar, bu algılama-muhakeme-eylem-öğrenme sürecinin, basit günlük hatırlatıcılardan karmaşık sağlıklı yaşam organizasyonlarına kadar her şeye güç verdiğini belirtmektedirler.
Algıla-Muhakeme Et-Harekete Geç-Öğren Kontrol Döngüsü
Yapılan testler, ajanların öncelikle bağlam oluşturmak amacıyla fitness takip cihazlarından, API'lerden veya sağlık veri tabanlarından veri toplayarak algılama aşamasıyla işe başladığını göstermektedir. Muhakeme aşaması ise günlük beslenme planlaması gibi daha büyük hedefleri uygulanabilir alt görevlere bölmektedir.
Kullanıcılar, eylem aşamasının takvimler veya e-posta gibi araçları bağımsız olarak çağırarak yürütüldüğünü bildirmektedirler. Bu sırada öğrenme aşaması, gelecekteki yaklaşımları hassaslaştırmak ve geliştirmek için geri bildirimleri sürece dahil etmektedir.
Çoklu ajan organizasyonu, bir yönetici sistemin belirli adımları uzmanlaşmış alt ajanlara devretmesine olanak tanır. Bu kurulum, günlük sağlıklı yaşam yönetimi için uçtan uca kesintisiz bir iş akışı oluşturmaktadır.
Bellek, Uyum ve Araç Kullanımı
Kullanıcılar, kalıcı bellek sistemlerinin ajanların oturumlar arasında bağlamı korumasına yardımcı olduğunu, bunun da devam eden fitness veya zihinsel sağlık rutinlerine yönelik önerileri iyileştirdiğini belirtmektedirler. Yapılan testler, bu uyum sağlama sürecinin geçmiş sonuçlardan elde edilen pekiştirmeleri kullandığını ve ajanların zaman içinde dinamik, gerçek dünyadaki sağlık bağlamlarını daha iyi yönetmesini sağladığını ortaya koymaktadır.
Güvenilir harici araçlarla entegrasyon yeteneklerini genişletmektedir, ancak veri gizliliğine yönelik katı sınırlar belirlemek önemini korumaktadır. Bu yetenek, Anthropic araştırmalarının en uzun otonom oturumların üç ay içinde neden 25 dakikanın altından 45 dakikanın üzerine çıkarak neredeyse iki katına ulaştığını göstermektedir.
Bu mekanizmaları anlamak, sağlıklı yaşam uygulamalarına yönelik gerçek faydalara dair kanıtları daha da ikna edici kılmaktadır. Veriler, günlük görevlerin yürütülmesindeki ölçülebilir gelişmelere açıkça işaret etmektedir.
Faydalar ve Kanıtların Gösterdikleri
Yapılan testler, yapay zeka ajanlarının özellikle üretkenlik ve sağlık yönetimi için düşünülerek uygulandığında somut faydalar sağladığını göstermektedir. Veriler, akıllı güvenlik sınırlarına duyulan ihtiyacı göz ardı etmeden net kazanımlar ortaya koymaktadır.
Araştırmalarla Desteklenen Verimlilik Kazançları
Kullanıcılar, 2026 yılına ait bir HBR ve Perplexity saha çalışmasına göre, ajan ve insan ortaklığındaki iş akışlarının görev tamamlama süresini %87 oranında azaltarak 269 dakikadan 36 dakikaya düşürdüğünü belirtmektedirler. Aynı araştırma, bu sistemlerin eşleşen görevlerde maliyetleri %94 oranında düşürdüğünü göstermektedir.
Yapılan testler, temel sohbet asistanlarının oturum başına yalnızca 33 saniye çalışmasına karşın, ajanların 26 dakika boyunca otonom çalışma gerçekleştirdiğini ortaya koymaktadır. Bu durum, doğrudan sağlıklı yaşam kullanımlarına yansıyarak kişiselleştirilmiş rutinlerin daha hızlı oluşturulmasını sağlamaktadır.
Quarterly Journal of Economics dergisinde yayımlanan bir çalışma, üretken yapay zekanın genel üretkenlikte %15'lik bir artış sağladığına dikkat çekmektedir. Bu oran, araçları günlük alışkanlıklarına entegre eden ve yüksek uyum gösteren yeni kullanıcılarda %25'e varan kazançlara ulaşmaktadır.
Yapılan testler, eski nesil sohbet asistanları ile modern ajan iş akışları arasında net farklar olduğunu göstermektedir.
| Metrik | Standart Asistan | Yapay Zeka Ajanı |
|---|---|---|
Otonom Oturum Süresi | 33 saniye | 26 dakika |
Görev Tamamlama Süresi | 269 dakika | 36 dakika |
Maliyet Azaltma | %10-15 | %94 |
Sağlıklı Yaşam Uygulamaları ve Yatırım Getirisi (ROI) Süreleri
Yapılan testler, sağlıklı yaşam araştırmalarına yönelik araştırma ajanları veya fitness ve beslenme planlaması koordinatörleri gibi kişisel sağlıklı yaşam alanındaki pratik kullanımların güçlü sonuçlar verdiğini göstermektedir. Ajanları devreye alan şirketler, %53'lük çalışan benimseme oranının yanı sıra yaklaşık sekiz ay içinde pozitif yatırım getirisine (ROI) ulaşmaktadırlar.
2.025 liderin katılımıyla gerçekleştirilen Salesforce State of Agentic AI araştırması da müşteri memnuniyetinde ortalama %29'luk bir artışa dikkat çekmektedir. Ajanların sadece daha gelişmiş sohbet robotları olduğu yönündeki yanlış algıyı düzeltmek önemlidir; zira otonom yapıları ve araç entegrasyonları çok daha fazla değer sunmaktadır.
Yakın tarihli arXiv bulguları, bu sistemlerin zaman içinde daha güvenilir hale gelmesiyle birlikte görev kapsamının genişlediğine işaret etmektedir.
Bu olumlu metrikler, özellikle doğru pratik adımlarla işe başlamayı kolaylaştırmaktadır.
Nasıl Başlanır?
Yeni başlayanlar, net hedeflere ve basit araçlara odaklanarak kodlama uzmanlığına ihtiyaç duymadan sürece dahil olabilirler. Yapılan testler, adım adım uygulanan bir yaklaşımın, sağlığına önem veren kullanıcıların günlük rutinlerde yapay zeka ajanlarına yönelik güven oluşturmalarına yardımcı olduğunu göstermektedir.
Hedefleri Belirlemek ve İlk Araçlarınızı Seçmek
Kullanıcılar, başarının belirsiz komutlar yerine haftalık beslenme planı gibi belirli ve ölçülebilir hedefler tanımlamakla başladığını belirtmektedirler. Bu hassasiyet, ajanın etkili bir şekilde planlama yapmasını sağlamakta ve çok daha güvenilir çıktılar üretmektedir.
Yapılan testler, kodsuz (no-code) platformların, herkesin gerçek kullanıma geçmeden önce korumalı alan (sandbox) ortamlarında deneme yapmasına olanak tanıdığını göstermektedir. Sağlıklı yaşam takvimi oluşturmak için temel bir planlama aracı kullanmak, harika ve pratik bir ilk adımdır.
Yapılandırılmış bir süreci takip etmek, ilk kurulum aşamasında aşırı yük altında hissetmeyi önlemektedir.
Temel bir sağlıklı yaşam ajanı başlatma adımları
- Hedefi tanımlayın — Haftalık yemek planı oluşturmak gibi ölçülebilir tek bir hedef belirleyin.
- Korumalı alanı test edin — Gerçek takvimleri bağlamadan önce ajanı kapalı bir ortamda çalıştırın.
- Çıktıları gözden geçirin — Oluşturulan planları kişisel sağlık gereksinimlerinize göre kontrol edin.
Kuruluşlar, bu metodolojik yaklaşımı benimsediklerinde genellikle yaklaşık sekiz ay içinde yatırım getirisi (ROI) görmektedirler. Karmaşık çoklu ajan kurulumlarına geçmeden önce uzmanlaşmış tek bir ajanla başlamak en iyisidir.
Güvenlik Sınırları ve Geri Bildirim Döngüleri Ekleme
Yapılan testler, her türlü sağlık kararı için insan denetimli (human-in-the-loop) incelemelerin uygulanmasının hataları önlediğini ve güvenliği sağladığını göstermektedir. Kalıcı bellek sistemleri oluşturmak, ajanların birden fazla oturum boyunca günlük sağlıklı yaşam kayıtlarından öğrenmesine yardımcı olmaktadır.
Kullanıcılar, karmaşık günlük fitness ve beslenme planlaması için alt ajanları bir koordinatör altında birleştirmenin iyi sonuç verdiğini belirtmektedirler. Bu yaklaşım, her zaman veri gizliliği ve güvenliğine ilişkin açık politikalarla desteklenmelidir.
Süreç Analizi
Bu sistemleri giyilebilir fitness cihazlarına bağlamak mükemmel veriler sağlar, ancak karar günlüklerini düzenli olarak gözden geçirmek güvenlik açısından kritik önemini korumaktadır.
Güçlü başlangıçlar yapılsa bile, yaygın hataların farkında olmak sonuçların doğru yolda kalmasını sağlamaktadır.
Sık Yapılan Hatalar ve Dikkat Edilmesi Gerekenler
Kullanıcılar, yapay zeka ajanlarını sağlıklı yaşama uygularken bazı gerçekçi sınırlılıklarla karşılaştıklarını belirtmekte, ancak bunları erken aşamada ele almanın daha iyi sonuçlar doğurduğunu ifade etmektedirler. Yapılan testler, bilinçli kullanımın riskleri en aza indirirken olumlu potansiyeli en üst düzeye çıkardığını göstermektedir.
Otonomi Hakkındaki Yanlış Algıları Aşmak
Yapılan testler, birçok kişinin yapay zeka ajanlarının denetime ihtiyaç duymadığını varsaydığını, ancak 2026 yılındaki mevcut sistemlerin çoğunun güvenlik sınırlarına ihtiyaç duyduğunu ortaya koymaktadır. Özellikle yüksek etkili sağlık ve zindelik görevleri için insan denetimi hayati önemini korumaktadır.
Kullanıcılar, ajanların gerçek bir anlama yeteneğine sahip olduğu yanılgısından kaçınmanın gerçekçi beklentiler belirlemeye yardımcı olduğunu belirtmektedirler. Bunlar, iyi performans göstermek için hala alana özgü ince ayarlara ihtiyaç duyan gelişmiş kalıp eşleştirme araçlarıdır.
Hassas kişisel sağlık verileri için katı yönlendirme (eskalasyon) kuralları belirlemek, güvenliğin ve hesap verebilirliğin korunmasına yardımcı olmaktadır. Bu adım, sistemin insan onayı olmadan kritik kararlar almasını önlemektedir.
Uygulamadaki Pratik Hatalar
Kullanıcılar, belirsiz talimatların veya korumalı alan testlerini atlamanın, dinamik sağlıklı yaşam bağlamlarında genellikle güvenilmez çıktılara yol açtığını belirtmektedirler. Bu alanlarda, tamamen otomatikleştirilmiş tavsiyelere yönelik klinik kanıtlar hala karmaşık bir görünüm sunmaktadır.
Yapılan testler; başarının büyük ölçüde kaliteli verilere, yinelemeli geri bildirimlere ve şeffaflık için iş akışlarının eksiksiz belgelenmesine bağlı olduğunu göstermektedir. Komutları hassaslaştırmak için düzenli geri bildirim döngüleri kullanmak, sistemin kişisel hedeflerle uyumlu kalmasını sağlamaktadır.
Uygun hazırlık yapılmadığında, %87'lik zaman tasarrufu gibi güçlü istatistikler bile tam olarak gerçekleşmeyebilir. İş akışını yapılandırmaya zaman ayırmak tüm farkı yaratmaktadır.
Gelecekteki Etik ve Gizlilik Hususları
Sağlık ve zindelik uygulamaları için yapılan testler, gizliliğe öncelik verilmesinin standart tıbbi veri endişelerine benzer sorunları önlediğini göstermektedir. Bilinen uygulamalara veya resmi devlet kaynaklarına güvenli entegrasyonlar kullanmak daha iyi koruma sağlamaktadır.
Kullanıcılar, benimseme oranı arttıkça etik risklerin izlenmesinin genel olarak sorumlu kullanımı desteklediğini belirtmektedirler. Bu temkinli yaklaşım, günlük rutinleri yöneten birçok kişi için hala %15'lik üretkenlik kazancı sağlamaktadır.
Kodsuz çözümler olgunlaştıkça, kişiselleştirilmiş sağlıklı yaşam yönetimi için erişilebilir kapılar açmaya devam etmektedir. Bu pratik noktalar, doğal olarak insanların en çok merak ettiği soruların yanıtlarına zemin hazırlamaktadır.
FAQ
Yapay zeka ajanı ile sohbet robotu veya yapay zeka asistanı arasındaki fark nedir?
Kullanıcılar, sohbet robotlarının yalnızca anlık komutlara yanıt vermesine karşın, ajanların hedef odaklı otonomiye, araç entegrasyonuna ve algıla-muhakeme et-harekete geç-öğren döngüsüne sahip olduğunu belirtmektedirler. Yapılan testler, HBR araştırmasına göre asistanların 33 saniyelik çalışma süresine karşılık, ajanların oturum başına 26 dakikalık otonom çalışma gerçekleştirdiğini ortaya koymaktadır. Bu durum, onları beslenme planlaması gibi sürekli sağlıklı yaşam kullanımları için son derece etkili kılmaktadır.
Yapay zeka ajanları sağlıklı yaşam görevleri için gerçekte nasıl çalışır?
Yapılan testler, kontrol döngüsünün fitness takip cihazlarından veri topladığını, ardından geri bildirimlerden öğrenerek bağımsız olarak planlama yaptığını ve harekete geçtiğini göstermektedir. Çoklu ajan organizasyonu, sistemlerin karmaşık günlük rutinleri sorunsuz bir şekilde koordine etmesini sağlamaktadır. Ayrıca Anthropic araştırmasına göre, başarı oranları arttıkça oturum süreleri 25 dakikanın altından 45 dakikanın üzerine çıkmış ve bu da ajanların olumlu pratik değerini kanıtlamıştır.
Yapay zeka ajanları kişisel sağlık ve fitness hedeflerine gerçekten yardımcı olabilir mi?
Kullanıcılar; ajanların otonom yürütme yoluyla kişiselleştirilmiş fitness takibini, beslenme planlamasını ve zihinsel sağlık rutinlerini desteklediğini belirtmektedirler. Yapılan testler, 2026 yılına ait bir HBR/Perplexity çalışmasına göre, ajan ve insan ortaklığındaki iş akışlarının görev süresini %87 oranında azalttığını göstermektedir. Sağlık kararları için insan denetiminin sürdürülmesi, bu üretkenlik kazançlarının güvenli ve faydalı kalmasını sağlamaktadır.
Yapay zeka ajanlarını kullanmaktan ne tür üretkenlik kazançları elde edilir?
Yapılan testler, Quarterly Journal of Economics çalışmasına göre genel üretkenlikte %15'lik bir artış olduğunu, bu oranın yüksek uyum gösteren ve yeni kullanıcılarda %25'e kadar ulaştığını göstermektedir. Bu durum, sağlıklı yaşam yönetimini ve tutarlılığı doğrudan artırmaktadır. Ayrıca Salesforce verilerine göre, başlangıçta net hedefler belirlenmesi koşuluyla, şirketler %53'lük benimseme oranıyla yaklaşık sekiz ay içinde yatırım getirisi (ROI) elde etmektedirler.
2026 yılındaki mevcut yapay zeka ajanları ne kadar otonomdur?
Kullanıcılar, oturumları 45 dakikaya kadar otonom olarak yürütmelerine rağmen, çoğu ajanın sağlıklı yaşam görevleri için güvenlik sınırlarına ve insan denetimine ihtiyaç duyduğunu belirtmektedirler. Yakın tarihli araştırmalar, bu en uzun oturumların üç ay içinde neredeyse iki katına çıktığını göstermektedir. Ajanlar, gerçek bir bilinç iddiasında bulunmadan, pratik kullanımlar için muhakemeyi etkili bir şekilde simüle etmektedirler.
Yapay zeka ajanlarını sağlık verileri için kullanırken karşılaşılan temel riskler nelerdir?
Yapılan testler, dinamik sağlık bağlamlarındaki hatalar veya gizlilik endişeleri gibi risklerin, insan denetimli (human-in-the-loop) incelemeleri zorunlu kıldığını göstermektedir. Kullanıcılar, açık güvenlik sınırları belirlemenin, özellikle hassas verilerle çalışırken güvenli olmayan eylemleri önlediğini belirtmektedirler. Hazırlık yapmadan tam otonomiye geçilebileceği yanılgısını düzeltmek gereklidir; ancak doğru kurulum, HBR'ye göre maliyetlerde %94'lük olumlu düşüşler sağlamaya devam etmektedir.
Yeni başlayanlar hiç kod yazmadan yapay zeka ajanlarını kullanmaya nasıl başlayabilir?
Yapılan testler, kodsuz platformların ve net, ölçülebilir hedeflerin, herkesin planlama gibi sağlıklı yaşama yönelik basit ajanlarla işe başlamasına olanak tanıdığını göstermektedir. Korumalı alan (sandbox) ortamlarında başlamak, hızla güven kazanmaya yardımcı olmaktadır. Şirketler genellikle sekiz ay içinde sonuç görmekte olup, bu sistemleri mevcut araçlarla birleştirmek ve geri bildirim döngülerini izlemek sürekli gelişimi garanti etmektedir.
Yapay zeka ajanları profesyonel sağlıklı yaşam tavsiyelerinin yerini alacak mı?
Kullanıcılar; ajanların araştırma ve rutin planlama konularında mükemmel olduğunu, ancak yüksek riskli sağlık kararları için en iyi şekilde profesyonellerle birlikte çalıştıklarını belirtmektedirler. Yapılan testler, bu ajanların kapsamı genişlettiğini ve görevleri %87 daha hızlı tamamlamak gibi verimlilik kazançları sağladığını, ancak gerçek insan kavrayışından yoksun olduğunu ortaya koymaktadır. Eksiksiz belgelendirme ve denetim kullanmak, tüm sağlıklı yaşam uygulamalarında hesap verebilirliği sağlamaktadır.
İlgili Makaleler
Yapay Zeka Ajanları Nasıl Çalışır: Sağlıklı Yaşam Verimliliği ve Alışkanlık Otomasyonu İçin 2026 Pratik Rehberi
Teknoloji5 dk. okuma
Sağlık ve Zindelik Markaları İçin 2026'da Pazarlama Alanındaki En İyi 5 Yapay Zeka Aracı
Teknoloji5 dk. okuma
2026'da Prompt Mühendisliği Maaşları: Medyan 126.000 $ ve Becerilerin Nasıl 40.000 $ Ek Prim Sağladığı
Teknoloji5 dk. okuma
Agentic AI ve AI Agents: Sağlıklı Yaşam Kullanıcıları 2026'da Kalıcı Alışkanlık Değişimi İçin Bunlardan Nasıl Yararlanabilir?
Teknoloji5 dk. okuma
İçerik Üretimi İçin Yapay Zeka Araçları Rehberi: Sağlıklı Yaşam İçerik Üreticileri 2026'da Nasıl %42 Daha Fazla İçerik Yayınlıyor?
Teknoloji5 dk. okuma
2026 Yılında Öğrenciler İçin Yapay Zeka Araçları: Nasıl Daha Akıllıca Çalışılır, Stres Nasıl Azaltılır ve Avantaj Nasıl Korunur?
Teknoloji5 dk. okuma
Yorumlar
(0)Bir yorum bırakın
E-posta adresiniz yayınlanmayacaktır. Tüm alanların doldurulması zorunludur.