When an AI agent claims it finished a task, skepticism is the only sane response. A log entry that reads “Task completed

Bir yapay zeka ajanı bir görevi tamamladığını iddia ettiğinde, şüphecilik tek mantıklı tepkidir. “Görev 14:32'de tamamlandı” şeklinde okunan bir günlük kaydı, sadece bir metin dizisidir. Ajan sessizce çökmüş, boş bir form göndermiş, boş arama sonuçları arasında döngüye girmiş veya tüm bir iş akışını halüsinasyon görmüş olabilir. Eğer mimariniz farklı makinelerde, bulut bölgelerinde veya IP adreslerinde çalışan birden fazla ajan içeriyorsa, sorun hızla katlanır. A ajanı yaptığı işi kanıtlayamadığı sürece, B ajanının A ajanının raporuna güvenmek için bir nedeni yoktur.

Her güvenilir doğrulama sistemi üç katman üzerine kuruludur. Kanıt (Evidence) ham eserdir—ekran görüntüsü, API yanıtı, HTML dökümü. Tasdik (Attestation), bu kanıtı belirli bir ajana ve belirli bir görev kimliğine (task ID) bağlayan imzalı veya kriptografik bir beyandır. Doğrulama (Verification) ise kanıtın yalnızca dosyanın var olduğunu değil, asıl hedefi gerçekten karşılayıp karşılamadığını teyit eden süreçtir. Tasdik edilmemiş kanıt, bir işten diğerine tekrar oynatılabilir. Tasdik ise verinin gerçek olduğunu söyler ancak sorduğunuz soruyu yanıtlayıp yanıtlamadığını söylemez.

Görsel Kanıt: Ekran Görüntüleri ve OCR

Bir ajan bir tarayıcıyı yönettiğinde veya grafiksel bir arayüzle etkileşime girdiğinde, en basit kanıt bir resimdir. Ajan, işlem tamamlandıktan sonra tam sayfa bir ekran görüntüsü alır, görünür metni çıkarmak için OCR çalıştırır ve hem görüntüyü hem de çıkarılan metin dizilerini kanıt olarak sunar.

Bu model; sosyal medya paylaşımları, form gönderimleri veya ödeme akışları için uygundur. Bir şirketin LinkedIn sayfasında haftalık güncelleme yayınlamakla görevlendirilen bir ajanı hayal edin. Ekran görüntüsü, sunucu tarafından oluşturulmuş bir zaman damgası ve URL'ye gömülmüş bir gönderi kimliği (post ID) ile canlı paylaşımı gösterir. OCR, tam başlığın ve gövde metninin, bu platforma özgü işaretleyicilerle birlikte sayfada göründüğünü teyit edebilir.

Risk barizdir: ekran görüntüleri sahtesi yapılabilir. Ele geçirilmiş bir ajan, yerel olarak sahte bir web sayfası oluşturabilir, bunun ekran görüntüsünü alabilir ve başarılı olduğunu beyan edebilir. Standartları yükseltmek için, tahmin edilmesi zor olan dinamik metin işaretleyicileri talep edin. Platform tarafından verilen bir onay kimliği (confirmation ID), sunucudan gelen bir zaman damgası veya doğ