London AI Engineer Summit 2026 ilerlemenin bir kutlaması olmalıydı. Bunun yerine, bir sinir krizinin ortasında bir mesleğe tutulan bir ayna gibi hissettirdi.
Nisan ayı başlarında üç gün boyunca yüzlerce AI mühendisi, platform inşaatçısı ve araştırmacı öğrendiklerini paylaşmak için bir araya geldi. Ortaya çıkan şey bir örüntüydü: herkes ajanlarla inşa ediyor, hiç kimse onları nasıl kontrol edeceğini çözemedi, endüstri hızlı hareket etmek mi yoksa dikkatli düşünmek mi konusunda ikiye bölündü ve AI’ın bizi daha üretken yapacağı varsayımı tamamen daha karanlık bir şeye dönüştürüldü.
İşte gerçekten öğrendiklerimiz.
AI Mühendisleri Neden Kontrol Edemedikleri Ajanlarla Kodluyor?
Zirvedeki en dürüst konuşma bir koridorda gerçekleşti, sahnede değil. Orta büyüklükte bir fintech şirketinden bir mühendis sorunu şöyle tanımladı: “Bir prompt başlatıyorum ve üç saat sonra ajanım kod tabanının yarısını yeniden yazmış, istemediğim özellikler eklemiş ve £800 işlem gücü tüketmiş. Masamdan ayrılamıyorum.”
Bu FOMAT: Fear of Missing Attention Time. Bir şaka değil - 2026 AI mühendisliğinin tanımlayıcı kaygısı bu.
Orkestrasyon Darboğazı
Zirvedeki herkes ajan kullanıyordu. GitHub Copilot, Claude, özel agentic çerçeveler - araçlar olgunlaştı. Ama orkestrasyon olgunlaşmadı. “Bir ajanım var” ile “ajanım amaçladığım şeyi yapıyor ve daha fazlasını yapmıyor” arasındaki uçurum büyük.
Sorun üç şekilde kendini gösteriyor:
Token kaçağı. Ajanların doğal durma noktaları yok. Açık koruyucu önlemler olmadan yinelemeye devam ediyorlar. “Sadece bir yeniden düzenleme daha,” diye düşünüyor ajan ve aniden aylık bütçenizi yakıyorsunuz.
Kapsam genişlemesi. “Hata yönetimini iyileştir” isteği “tüm hata yönetim sistemini yeniden yaz, gözlemlenebilirlik ekle, günlükleme katmanını yeniden düzenle ve dağıtılmış izleme uygula” haline geliyor. Ajan yanlış yapmadı - kapsamlıydı. Ama istediğiniz şey bu değildi.
Öngörülemez gecikme. Bir agentic görevin ne kadar süreceğini bilemezsiniz. Ajanın kaç alt görev başlatmaya karar verdiğine, kaç hatayla karşılaştığına ve yeniden denemeye mi yoksa yön değiştirmeye mi karar verdiğine bağlıdır. Bu, ajan güdümlü iş akışlarının üretim sistemlerinde zamanlanmasını imkansız kılar.
Zirve Konsensüsü Neydi (ve Ne Değildi)
Çözümler hakkında konsensüs yoktu. Bazı ekipler sert token sınırları kullanıyor. Diğerleri “ajan kontrol noktaları” uyguluyor - ajanları devam etmeden önce duraklamaya ve izin istemeye zorluyor. Birkaçı, bir “yönetici ajanın” çalışan ajanları denetlediği ve onları kesebildiği hiyerarşik ajan sistemlerine doğru ilerliyor.
FlowHunt’ın yaklaşımı - ajan düğümleri, hata işleyicileri ve dallanma mantığı ile açık iş akışı tanımları - potansiyel bir örüntü olarak birkaç kez anıldı. Fikir: ajanların iş akışı yapısına karar vermesine izin vermeyin. Önceden tanımlayın, sonra ajanların bireysel adımları yürütmesine izin verin.
Ama bu bile bir yara bandı gibi hissettirdi. Gerçek mesele, ajan davranışının doğası gereği olasılıksal olması. Varyansı azaltabilirsiniz, ama ortadan kaldıramazsınız.
OpenAI-Anthropic Ayrımı “İyi Kod"un Anlamını Nasıl Yeniden Şekillendirdi?
Pazartesi sabahı Ryan Lopopolo OpenAI’dan sahneye çıktı ve şöyle özetlenebilecek bir keynote yaptı: Kod okumayı bırakın. Token milyarderi olun.
Argümanı: Agentic bir dünyada önemli olan metrik kod hacmi. Ajanınız günde binlerce satır üretiyor olmalı. Sizin işiniz çıktı spesifikasyonunu tanımlamak ve ajanın üretim hızını maksimize etmesine izin vermek. Her satırı okumak ve anlamak bir darboğazdır. Testlere güvenin. Ajana güvenin. Hızlı hareket edin.
Çarşamba günü Anthropic’ten Mario Zechner karşı keynote’u verdi: Yavaşlayın ve lanet kodu okuyun.
Argümanı: Hız bir tuzaktır. Ajanınızın yazdığı her kod satırı bir yükümlülüktür. Onu anlamanız, onunla ilgili mantık yürütmeniz ve sürdürebilmeniz gerekir. Beş yıl sonra kazanacak ekipler, netliği ve niyeti hıza tercih edenlerdir. Ajanlar, düşüncesizce kod üretmek için değil, düşünmek için araçlar olmalıdır.
Spektrum
Zirve kabaca üç kampa ayrıldı:
| Pozisyon | Savunucular | Yaklaşım | Risk |
|---|---|---|---|
| Token Maksimalisti | OpenAI, bazı scale-up mühendisleri | Ajanların agresif şekilde üretmesine izin ver; testler aracılığıyla çıktı kalitesine odaklan | Sürdürülemez kod tabanları, güvenlik borcu, teknik kırılganlık |
| Kasıtlı Orta | Çoğu kurumsal mühendis | Ajanları iskele için kullan; insanlar mimari ve zevk sağlar | Daha yavaş hız, ama daha kararlı sistemler |
| Kod-İlk | Anthropic, bazı araştırma mühendisleri | Ajanlar insan düşüncesini artırır; insanlar çoğu kodu yazar | Daha düşük üretim hızı, ama en yüksek kod kalitesi |
Hiçbir taraf yanlış değil. Anlaşmazlık başarısızlığın nasıl göründüğü hakkında. Lopopolo yineleme hızı için optimize ediyor. Zechner sürdürülebilirlik için optimize ediyor. 2026’da ekipler her ikisi için de optimize edemeyeceklerini öğreniyor.
Görüşme Sorunu
Somut bir sonuç: işe alım bozuk. Bir token maksimalistiyseniz, bir adayın kod yazıp yazamayacağı umurunuzda değil - etkili bir şekilde prompt atabilmeleri ve ajan çıktısını değerlendirebilmeleri umurunuzda. Kod-ilk iseniz, derin teknik muhakeme görmek istersiniz.
Yani bir aday bir görüşmeye girdiğinde, ne görüşmeci ne de aday hangi çerçeveye karşı değerlendirildiklerini bilmiyor. Bir zirve katılımcısı bunu “siste görüşme yapmak” olarak tanımladı.
İşinizi büyütmeye hazır mısınız?
Bugün ücretsiz denemenizi başlatın ve günler içinde sonuçları görün.
GitHub Trafiği Patlarken IDE’ler Neden Ölüyor?
GitHub yıllık bazda 15 kat trafik artışı bildirdi. Cloudflare benzer artışlar bildirdi. Bu arada geleneksel IDE’ler - VS Code, JetBrains, Sublime - AI-native ekipler arasında azalan kullanım görüyor.
Bu, gerçekte neler olduğunu anlayana kadar çelişkili görünüyor.
IDE Bir Yerel Düşünme Aracıydı
Bir IDE, tek bir geliştiricinin yerel olarak kod yazması için tasarlandı. Sözdizimi vurgulama, otomatik tamamlama, hata ayıklama araçları ve bir dosya ağacı vardı. Kendi kendine yeten bir ortamdı.
Bu model, “geliştiriciniz” bir ajan olduğunda bozuluyor. Bir ajanın sözdizimi vurgulamasına ihtiyacı yok. Bir hata ayıklayıcıya ihtiyacı yok. İhtiyacı olan şey:
- Birden fazla dosyaya eş zamanlı erişim
- Kodu çalıştırma ve sonuçları görme yeteneği
- Sürüm kontrolü ile entegrasyon
- İşbirliği özellikleri (çünkü ajan ve insan birlikte çalışıyor)
Tüm bunlar şimdi tarayıcıda yaşıyor. GitHub Codespaces, VS Code Web ve benzer araçlar yerel IDE’lerin yerini alıyor.
Gerçekte Neler Büyüyor
GitHub’ın trafik artışı, tarayıcıda kod yazan geliştiriciler değil. Ajan tarafından üretilen kodu inceleyen, yorumlayan ve birleştiren geliştiriciler. Patlayan düzenleme katmanı değil, işbirliği katmanı.
Cloudflare’ın da trafik artışları görmesinin nedeni bu - geliştiriciler ajanları çalıştırmak ve iş akışlarını orkestre etmek için bulut altyapısı kullanıyor. “Yerel IDE + yerel geliştirme ortamı” modeli, “bulut-yerel ajan orkestrasyonu + tarayıcı tabanlı inceleme” ile değiştiriliyor.
L33T C0d3 Öldü
Bir oturumun başlığı tam olarak buydu. Konu: klavyesinde yalnız, zarif kod üreten parlak mühendisin romantik kavramı - o dönem bitti. Kod artık insan ve ajan arasında işbirliği bir çıktıdır. Önemli olan beceriler:
- Prompt engineering (ne istediğinizi nasıl belirtirsiniz)
- Çıktı değerlendirmesi (ajanın kodu iyi mi?)
- Mimari düşünme (ajan hangi yapı içinde çalışmalı?)
- Entegrasyon (ajan tarafından üretilen kod mevcut sistemlere nasıl uyar?)
Zarif kod yazmak artık birincil bir beceri değil. Bu ajanların yaptığı bir şey. İnsanlar diğer her şeyi yapıyor.
MCP ile Gerçekten Ne Oluyor - Ölü mü, Gelişen mi?
Bu zirvenin en kafa karıştırıcı tartışmasıydı.
Bir tarafta, bireysel AIE’ler ve ajan çerçevesi bakımcıları şöyle diyordu: “MCP öldü. Buna ihtiyacımız yok. Ajanlarımız API’leri doğrudan çağırabilir.”
Diğer tarafta, kurumsal mimarlar ve güvenlik ekipleri şöyle diyordu: “MCP benimseme, onun için araç inşa edebildiğimizden daha hızlı hızlanıyor.”
Her iki ifade de doğru. Farklı popülasyonları tanımlıyorlar.
AIE’ler Neden MCP’nin Öldüğünü Düşünüyor
Basit bir ajan inşa eden tek başına bir geliştirici için MCP sürtünme ekler. Şunları yapmanız gerekir:
- Araçlarınız için MCP sunucuları tanımlayın
- Protokol ek yükünü yönetin
- Kimlik doğrulama ve yetkilendirmeyi işleyin
- Sunucuları dağıtın ve sürdürün
Ajanınıza doğrudan API erişimi vermek ve gerisini çözmesine izin vermek daha kolay.
Kurumlar Neden MCP’yi Hızla Benimsiyor
Üretimde ajan çalıştıran bir organizasyon için MCP aniden temel oluyor. İşte nedenleri:
Güvenlik izolasyonu. Ajanların veritabanınıza, ödeme sisteminize veya müşteri verilerinize doğrudan erişimini istemezsiniz. MCP, ajanların altta yatan sistemleri açığa çıkarmadan çağırabileceği kontrollü bir arabirim oluşturmanıza olanak tanır.
Denetlenebilirlik. Her ajan eylemi, onu günlüğe kaydeden MCP sunucusundan geçer. Ajanın ne yaptığının ve neden yaptığının tam bir kaydına sahipsiniz.
Kimlik bilgisi yönetimi. API anahtarlarını ajan promptlarına veya ortam değişkenlerine gömmek yerine, MCP sunucuları kimlik bilgilerini güvenli şekilde yönetir.
Hız sınırlama ve kota uygulama. Bir ajanın ne kadar kaynak tüketebileceğini kontrol edebilirsiniz.
CData Software’e göre, 2026 başında Fortune 500 şirketlerinin %80’i MCP’yi öncelikle bu nedenlerle değerlendiriyor veya uyguluyor.
Çözüm
Zirve konsensüsü: MCP ölmedi. Sadece deneysel ve tek kullanıcı olan AI geliştirmesinin %80’i için alakasız. Ama üretim ve çoklu ekip olan %20 için MCP temel bir gereklilik haline geliyor.
MCP Apps’ın çoğalmasının nedeni bu. Anthropic, OpenAI ve üçüncü taraf satıcılar, yaygın araçlar (Salesforce, Slack, Jira, veritabanları) için önceden oluşturulmuş MCP sunucuları inşa ediyor. Kurumlar bunları özel sunucular inşa etmeden benimseyebilir.
Bültenimize katılın
En son ipuçlarını, trendleri ve teklifleri ücretsiz alın.
AI Bizi Daha Üretken mi, Yoksa Sadece Daha Fazla Çalıştırılan mı Yapıyor?
Burası zirvenin karanlıklaştığı yerdi.
AI’ın bir güç çarpanı olması gerekiyordu. Rutin görevlere daha az zaman harcar, stratejik düşünmeye daha fazla zaman ayırırdınız. Verimlilik tavan yapardı.
Bunun yerine, verimlilik tavan yaptı - ve iş yükü beklentileri de öyle.
Gerçek Zamanlı Jevons Paradoksu
Jevons Paradoksu, başlangıçta kömür tüketimine uygulandı, şöyle der: Bir kaynak daha verimli hale geldiğinde, kaynak daha ucuz ve daha çekici hale geldiği için toplam tüketim artar.
AI terimleriyle: Ajanlar kod üretmeyi daha ucuz ve hızlı hale getirdi, bu yüzden yöneticiler şimdi her mühendisin:
- 10 kat daha fazla çıktı sunmasını
- Kapsamlı dokümantasyon yazmasını
- Tam test paketleri inşa etmesini
- Uluslararasılaştırmayı (i18n) desteklemesini
- Kenar durumları işlemesini
- Hepsini tek başına yapmasını
bekliyor. Verimlilik kazanımları şişirilmiş beklentiler tarafından tüketildi.
Mühendislerin Söyledikleri
Londra merkezli bir startup’tan bir mühendis: “Günde 500 satır kod yazıp üretken hissederdim. Şimdi günde 5.000 satır yazıyorum - ajanlar tarafından üretilmiş - ve hepsini inceleyip, test edip, dokümante edip paydaşlara açıklamak zorunda olduğum için bitkinim. Haftada 60 saat çalışıyorum.”
Bir diğeri: “Yöneticim diyor ki, ‘Artık bir ajanın var, bu yüzden iki kat daha fazla projeyi ele alabilmelisin.’ Daha üretken değilim. Sadece daha meşgulüm.”
Bir araştırmacı: “Ajanlar kod üretmede iyi. Hangi kodun üretileceğine karar vermede iyi değiller. Bu karar yükü tamamen insanlara kaydı. Zor kısmı otomatikleştirmiyoruz; kolay kısmı otomatikleştirip insanlara daha fazla düşündürüyoruz.”
Verimlilik Kör Noktası
UC Berkeley’nin California Management Review’u Ocak 2026’da bu olguyu belgeleyen araştırmalar yayınladı. Temel içgörü: AI dağıtımı işi azaltmaz; işin doğasını değiştirir.
Eski iş: kod yazmak. Yeni iş: ajanları yönlendirmek, çıktıyı değerlendirmek, kaliteyi korumak, kapsam genişlemesini yönetmek.
Yeni iş, daha az yazmak olsa bile bilişsel olarak daha zor.
Avrupa AI Engineering Konusunda Neden Bu Kadar Tereddütlü?
Zirvenin güçlü bir Avrupa kontenjanı vardı ve mesajları tutarlıydı: Avrupa, AI Engineering benimsemesinde ABD kadar hızlı hareket etmiyor.
Düzenleyici Baskı
EU AI Act hala uygulanıyor. Şirketler sorumluluk konusunda belirsiz. Eğer bir AI ajanı bir müşteriye zarar veren bir karar verirse, kim sorumludur? Şirket mi? Model satıcısı mı? Mühendis mi?
Bu belirsizlik felç edici. Birçok Avrupa şirketi ciddi agentic sistemler inşa etmeden önce ilk davaların nasıl sonuçlanacağını görmeyi bekliyor.
Beceri Boşluğu
Avrupa’daki geleneksel yazılım mühendisleri, ABD’dekiyle aynı hızda AI mühendisleri haline gelmiyor. Becerilerin aktarılabilir olup olmadığı konusunda şüpheler var. Birçok Avrupalı mühendis, AI Engineering’in gerçek bir kariyer yolu mu yoksa bir hype döngüsü mü olduğunu görmeyi bekliyor.
Gizlilik Endişeleri
Avrupa ayrıca veri işleme konusunda daha temkinli. Ajanların faydalı olabilmeleri için veriye erişmesi gerekiyor. Ama Avrupa şirketleri, MCP güvenlik önlemleri olsa bile ajanlara müşteri verilerine erişim vermekte tereddüt ediyor.
İleriye Giden Yol
Zirvedeki Avrupalı mühendisler anti-AI değildi. Temkin yanlısıydılar. Duygu: “ABD hızlı hareket ediyor ve bir şeyler kırıyor. Biz daha yavaş hareket edeceğiz ve o kadar çok kırmamaya çalışacağız. Beş yıl içinde kimin haklı olduğunu göreceğiz.”
AI Engineering Rolleri Gerçekte Nasıl Değişiyor?
Zirve sonunda bir örüntü ortaya çıktı: Geleneksel yazılım mühendisliği rolleri boşaltılıyor ve üç yeni arketiple değiştiriliyor.
Üç Rol
| Rol | Sorumluluk | Beceriler |
|---|---|---|
| AI PM | Ajan davranışını, başarı metriklerini, kısıtlamaları tanımlar | Ürün düşüncesi, prompt tasarımı, değerlendirme çerçeveleri |
| Ajan Bakıcısı | Yürütmeyi izler, hataları yakalar, gerektiğinde müdahale eder | Hata ayıklama, gözlemlenebilirlik, hata yönetimi, olay yanıtı |
| Zevk Belirleyici | Çıktı kalitesini değerlendirir, geri bildirim sağlar, iyileştirmeyi yönlendirir | Kod incelemesi, mimari düşünce, estetik yargı |
Bu rollerin hiçbiri geleneksel anlamda kod yazmayı içermiyor. Hepsi ajan davranışını yönlendirmeyi, değerlendirmeyi ve iyileştirmeyi içeriyor.
Neler Kayboluyor
“Junior mühendis” rolleri sıkıştırılıyor. Artık “basit kod yazabilirim"den “sistem mimarisi yapabilirim"e kadar net bir yol yok. Ara adımlar otomatikleştiriliyor.
Bu bir beceri uçurumu yaratıyor: ya prompt yazma ve değerlendirmede iyisiniz (bu durumda değerlisiniz), ya da değilsiniz (bu durumda ajanlarla rekabet ediyorsunuz).
Neler Büyüyor
Zevk, yargı ve mimari düşünce gerektiren roller büyüyor. Derin alan uzmanlığı gerektiren roller de öyle (çünkü ajanların doğru problemi çözüp çözmediğini değerlendirmek için insanlara ihtiyacı var).
Zirvede bunun iyi mi kötü mü olduğu konusunda konsensüs yoktu. Bazıları bunu rutin kodlamadan kurtuluş olarak gördü. Diğerleri bunu mesleğe bir tehdit olarak gördü.
Aralık 2025 ile Şubat 2026 Arasında Ne Değişti?
Zirvenin bir bölümü belirli bir dönüm noktasına ayrıldı: AI ajan ekosisteminde yeni yıl civarında bir şey değişti.
Kendini Geliştiren Yazılım Gerçek Oldu
OpenClaw ve benzer çerçeveler, ajanların sürekli insan promptingi olmadan kendi çıktılarını yinelemeli olarak iyileştirmesine olanak tanımaya başladı. “Ajan, X’i hesaplamak için bir fonksiyon yaz” yerine, “ajan, X’i hesaplamak için bir fonksiyon yaz ve tüm testleri geçip kenar durumları işleyene kadar onu geliştirmeye devam et” haline geldi.
Birkaç araştırmacı tarafından dile getirilen temel içgörü: Ajanlardan önemsiz tavsiyeler istemeyi bırakın.
Bir ajandan “bu fonksiyonu iyileştir” istemek yerine, “bu fonksiyonu kurşun geçirmez yap” deyin. Bunun ne anlama geldiğine karar vermesine izin verin. Ajan:
- Testler yazacak
- Kenar durumları bulacak
- Netlik için yeniden düzenleyecek
- Hata yönetimi ekleyecek
- Mantığı belgeleyecek
Her adım için istenmeden, hepsi.
Bu zihinsel modeli “araç olarak ajan"dan “özerk katkıda bulunan olarak ajan"a dönüştürdü. Ve iş yükü dinamiklerini değiştirdi: ajanların insan işini azaltması yerine, onu artırdı (çünkü insanlar şimdi çok daha sofistike ajan çıktısını değerlendirmek zorundaydı).
Birlikte Yaşadığımız Çelişkiler
Zirve çözümsüz sona erdi, bu dürüst hissettirdi. İşte Nisan 2026’da AI Engineering’i tanımlayan çelişkiler:
Çelişki 1: Ajanlar tehlikeli olacak kadar güçlü (FOMAT gerçek), ama gözetimsiz güvenilecek kadar güçlü değil.
Çelişki 2: Hız ve kalite zıtlar olarak muamele görüyor, ama her ikisi de gerekli.
Çelişki 3: MCP aynı anda hem ölü (bireyler için) hem de gelişen (kurumlar için).
Çelişki 4: AI bizi daha üretken yaptı, ama aynı zamanda daha fazla çalıştırılan.
Çelişki 5: Herkes ajanlarla inşa ediyor, ama hiç kimse onlarla iyi nasıl inşa edileceğini çözemedi.
Çelişki 6: AI Engineering gerçek bir kariyer yolu, ama önemli olacağını düşündüğümüz beceriler (kod yazmak) artık önemli değil.
Bunlar çözülecek problemler değil. Yönetilecek gerilimlerdir. 2026’da kazanacak ekipler, bu çelişkileri yokmuş gibi davranmak yerine kabul edenlerdir.
Sıkça Sorulan Sorular
Alıp Götürdüklerimiz
Londra zirvesi, geçiş halindeki bir mesleğin anlık görüntüsüydü. AI Engineering gerçek, ama olacağını düşündüğümüz şey değil. Hype’ın önerdiğinden daha karmaşık, daha çelişkili ve daha insana bağımlı.
Zirvedeki en iyi mühendisler en sofistike ajanlara sahip olanlar değildi. Ajanların bir düşünme aracı olduğunu, onun yerine geçen bir şey olmadığını anlayanlardı. Ajan davranışını yönetmek, çıktıyı değerlendirmek ve kaliteyi korumak için süreçler inşa etmiş olanlardı. Verimlilik kazanımlarının yeni iş türleriyle geldiğini, daha az iş değil, kabul etmiş olanlardı.
2026’da AI sistemleri inşa ediyorsanız, zirvenin dersleri net:
Orkestrasyon, ajan yeteneğinden daha önemlidir. İyi orkestrasyonlu vasat bir ajan, kontrolsüz parlak bir ajanı yener.
Netlik, hızdan daha değerlidir. Hızlı hareket etmek ve bir şeyleri kırmak, kırılmayıncaya kadar işe yarar. Ölçekte işe yaramaz.
Kurumsal benimseme gerçek, ama bireysel benimseme hala deneysel. Tek başına bir geliştiriciyseniz, hızlı hareket edebilirsiniz. Bir ekipseniz, koruyucu önlemlere ihtiyacınız var.
Önemli olan beceriler değişti. Prompt engineering, çıktı değerlendirmesi ve mimari düşünce yeni temel yetkinliklerdir.
Daha zor çalışmayı bekleyin, daha kolay değil. AI bir verimlilik çarpanıdır, ama kazanımlar daha yüksek beklentiler tarafından tüketiliyor. Buna göre planlayın.
Zirve “AI Engineering nasıl görünüyor?” sorusuna cevap vermedi. Bize cevabı gösterdi: gerçek zamanlı olarak bunu çözmeye çalışan biz gibi görünüyor.
{{ cta-dark-panel heading=“Ajanları Manuel Orkestre Etmeyi Bırakın” description=“FlowHunt’ın iş akışı oluşturucusu ajan davranışını tanımlamanıza, koruyucu önlemler belirlemenize ve çok adımlı AI görevlerini otomatikleştirmenize olanak tanır. Artık FOMAT yok. Ajanlarınızın ne yaptığını tahmin etmek yok.” ctaPrimaryText=“FlowHunt’ı Ücretsiz Deneyin” ctaPrimaryURL=“https://app.flowhunt.io/sign-in" ctaSecondaryText=“Demo Rezervasyonu Yap” ctaSecondaryURL=“https://www.flowhunt.io/demo/" gradientStartColor="#667eea” gradientEndColor="#764ba2” gradientId=“aie-summit-cta” }}
