Yazar:  Huzeyfe Himmetoğlu | Ankara – Teknik Operasyonlar Birim Müdürü

Siber tehdit aktörleri her geçen gün daha sofistike, hızlı ve yapay zeka destekli saldırı yöntemleri geliştiriyor. Günümüzde bir kurumun dijital varlıklarını korumak; her saniye binlerce cihazdan, bulut altyapısından ve uç noktadan (endpoint) akan milyonlarca log satırını analiz etmeyi gerektiriyor. Geleneksel, yalnızca statik kurallara dayalı SIEM (Güvenlik Bilgi ve Olay Yönetimi) sistemleri, bu devasa veri tsunami karşısında yetersiz kalıyor; yüksek oranda yanlış pozitif (false positive) alarm üreterek siber güvenlik analistlerinde alarm yorgunluğuna (alert fatigue) yol açıyor.

Siber güvenlik operasyonlarında (SecOps) yeni bir çağ açan Splunk Enterprise Security (ES), arkasındaki yapay zeka (AI) ve makine öğrenimi (ML) gücüyle siber savunmayı reaktif bir çizgiden proaktif ve tahmine dayalı bir boyuta taşıyor.

Mimari Temel: Splunk Machine Learning Toolkit (MLTK) ve SIEM Entegrasyonu

Splunk’ın yapay zeka destekli SIEM mimarisinin kalbinde, platformun ham veri işleme gücüyle bütünleşik çalışan Splunk Machine Learning Toolkit (MLTK) yer alır. Geleneksel SIEM’ler sadece “Eğer A olayı ve B olayı gerçekleşirse alarm üret” mantığıyla çalışırken, AI destekli Splunk şu matematiksel ve istatistiksel modelleri kullanır:

• Davranışsal Temel Çizgi (Behavioral Baselining): Yapay zeka, ağdaki kullanıcıların, sunucuların ve servislerin günlük rutin davranış kalıplarını (baseline) sürekli izleyerek öğrenir. Bir kullanıcının normalde erişmediği kritik bir veritabanına, alışılmadık bir saatte ve yüksek hacimli veri çekecek şekilde erişmesi, statik kuralları ihlal etmese bile AI tarafından bir anomali olarak etiketlenir.
• Gelişmiş Kümeleme ve Sınıflandırma (Clustering & Classification): Milyonlarca log satırı içindeki benzer hareketler (örneğin arka arkaya denenen başarısız oturum açma istekleri veya mikro ağ taramaları) yapay zeka tarafından otomatik olarak gruplandırılır. Bu sayede dağınık haldeki yüzlerce küçük sinyal, tek bir organize saldırı zinciri olarak anlamlandırılır.

AI Destekli Splunk SIEM’in Güvenlik Operasyonlarına 3 Kritik Katkısı

A. Bilinmeyen Tehditlerin (Zero-Day) Yakalanması

Geleneksel SIEM’ler, saldırıları tespit etmek için bilinen tehdit imzalarına (signatures) veya önceden yazılmış korelasyon kurallarına ihtiyaç duyar. Ancak sıfırıncı gün (Zero-Day) saldırılarında ortada henüz bir imza yoktur. Splunk’ın AI motorları, MITRE ATT&CK matrisini referans alarak verilerdeki gizli sapmaları, yanal ilerleme (lateral movement) adımlarını ve veri sızdırma (exfiltration) anomalilerini henüz saldırı olgunlaşmadan tespit eder.

B. Alarm Yorgunluğunun Önlenmesi ve Akıllı Önceliklendirme

Bir SOC (Güvenlik Operasyon Merkezi) analistinin günde yüzlerce sahte alarmı incelemesi verimliliği yok eder. Splunk, siber güvenlik alarmlarını yapay zeka süzgecinden geçirerek gürültüyü temizler. Alarmları risk skorlamasına tabi tutar; kurumun kritik varlıklarına (crown jewels) yönelen ve anomalilik derecesi en yüksek olan vakaları en üst sıraya taşıyarak analistlerin sadece “gerçek” tehditlere odaklanmasını sağlar.

C. Splunk SOAR ile Otonom Müdahale (Playbook Otomasyonu)

Yapay zeka sadece tespitte değil, müdahalede de rol oynar. Splunk SIEM, AI algoritmalarıyla doğruluğundan emin olduğu bir tehdidi (örneğin kesinleşmiş bir ransomware aktivitesi veya zararlı bir IP ile konuşan bir uç nokta) Splunk SOAR (Security Orchestration, Automation, and Response) katmanına iletir. İnsan müdahalesine gerek kalmadan, milisaniyeler içinde ilgili cihaz ağdan izole edilir, kullanıcı hesabı askıya alınır veya firewall üzerinde IP engellenir.

Biz Ne Sunuyoruz? İleri Düzey Splunk SIEM ve AI Mühendisliği

Veri analitiğinin zirvesi olan Splunk ile yapay zekanın gücünü birleştirmek, hem derin siber güvenlik vizyonu hem de ileri düzey veri mühendisliği yetkinliği gerektirir. Şirketimiz, kurumunuzun siber dayanıklılığını en üst seviyeye çıkarmak için şu katma değerli hizmetleri sunmaktadır:

• AI Tabanlı SIEM Mimari Tasarımı: Log kaynaklarınızın Splunk Enterprise Security platformuna en optimum filtreleme teknikleriyle entegre edilmesini sağlıyor, donanım yükünü hafifletirken görünürlüğü maksimuma çıkarıyoruz.
• Uygulamalı ve Güvenli PoC Süreçleri: Yatırım kararınız öncesinde, kendi canlı ağ ortamınızda Splunk SIEM’in ve yapay zeka modellerinin ürettiği katma değeri, yanlış pozitifleri nasıl temizlediğini Proof of Concept (PoC) süreçlerimizle somut olarak raporluyoruz.
• Kuruma Özel Korelasyon ve ML Modelleri: Sektörünüze, regülasyonlarınıza ve siber tehdit matrisinize özel SPL sorguları, makine öğrenimi modelleri ve anlık izleme panoları (dashboard) geliştiriyoruz.

Sonuç: Siber Savunmada Yapay Zeka Hızı

Geleneksel yöntemlerle modern siber tehditlerin hızına yetişmek artık imkansız. Splunk’ın büyük veri işleme yeteneği, yapay zekanın analitik zekasıyla birleştiğinde SecOps ekiplerinize adeta bir süper güç kazandırır. Tehditleri saniyeler içinde yakalamak, alarm yorgunluğunu tarihe gömmek ve AI destekli Splunk SIEM dönüşümünü başlatmak için uzman mühendislik kadromuzla iletişime geçebilirsiniz.

Yazar:  Fatih Ermiş | Kıdemli Çözüm Danışmanı

Cisco’nun son yıllardaki satın alma stratejisi incelendiğinde, şirketin yalnızca ürün portföyünü genişletmeye çalışmadığı görülmektedir. Asıl hedef, ağ, güvenlik, gözlemlenebilirlik ve yapay zekâ operasyonlarını ortak bir veri katmanında birleştiren entegre bir platform oluşturmaktır. Kurumlar için asıl değer, farklı üreticilerden gelen onlarca ürünün ürettiği veriyi tek başına toplamak değil, bu verileri anlamlı hale getirebilmektir.

Özellikle yapay zekâ yatırımlarının hızlanmasıyla birlikte kurumların karşılaştığı en önemli sorunlardan biri görünürlük eksikliğidir. Geleneksel sistemlerde kullanıcılar, uygulamalar ve cihazlar izlenirken; günümüzde yapay zekâ ajanları, servis hesapları ve otomasyon süreçleri de kurumsal iş akışlarının aktif bir parçası haline gelmiştir. Bu durum güvenlik ekiplerinin bakış açısını değiştirmektedir.

Splunk satın alımı bu dönüşümün merkezinde yer almaktadır. Güvenlik ekipleri artık yalnızca olayları görmek değil, olayların neden gerçekleştiğini ve hangi iş süreçlerini etkilediğini de anlamak istemektedir. Ağ telemetrisi, uygulama performansı ve güvenlik olaylarının aynı platformda analiz edilebilmesi, operasyon ekiplerine daha hızlı karar alma yeteneği kazandırmaktadır.

Bulut yerel mimariler tarafında Isovalent satın alımı da benzer şekilde stratejik önem taşımaktadır. Modern veri merkezlerinde trafik akışının büyük bölümü artık fiziksel sunucular arasında değil, konteynerler ve mikro servisler arasında gerçekleşmektedir. Bu nedenle görünürlük ve güvenlik çözümlerinin uygulama katmanına kadar inebilmesi kritik hale gelmiştir.

Yapay zekâ güvenliği alanında ise sektör henüz erken aşamadadır. Ancak kurumların üretim ortamlarında kullandıkları büyük dil modellerinin sayısı arttıkça; veri sızıntısı, model manipülasyonu ve yetkisiz erişim gibi riskler daha görünür hale gelmektedir. Cisco’nun Robust Intelligence ve Galileo yatırımları bu nedenle yalnızca bugünün değil, önümüzdeki yılların ihtiyaçlarına yönelik hamleler olarak değerlendirilebilir.

Bir diğer önemli değişim ise insan dışı kimliklerin yükselişidir. Gelecekte kurumsal ortamlarda çalışan API anahtarlarının, servis hesaplarının ve yapay zekâ ajanlarının sayısının insan kullanıcı sayısını önemli ölçüde aşması beklenmektedir. Bu nedenle kimlik güvenliği kavramı yalnızca çalışanları değil, makineleri ve otomasyon sistemlerini de kapsayacak şekilde genişlemektedir.

Sonuç olarak Cisco’nun son dönemdeki satın almaları tek tek değerlendirildiğinde farklı alanlara yönelik yatırımlar gibi görünse de, büyük resimde ortak bir hedefe hizmet etmektedir:

Ağ, güvenlik, gözlemlenebilirlik ve yapay zekâyı tek bir operasyonel platform altında bir araya getirmek. Bu yaklaşımın önümüzdeki dönemde hem siber güvenlik sektörünü hem de kurumsal BT operasyonlarını önemli ölçüde etkilemesi beklenmektedir.

Son yıllarda teknoloji dünyasında yaşanan en büyük dönüşümlerden biri, ağ altyapısı şirketlerinin artık yalnızca “network üreticisi” olmaktan çıkıp güvenlik, veri analitiği ve yapay zekâ platform sağlayıcısına dönüşmesi oldu. Bu dönüşümün en dikkat çekici örneklerinden biri ise hiç şüphesiz Cisco.

Uzun yıllar boyunca Router, Switch ve Veri merkezi çözümleriyle tanınan Cisco, artık çok güçlü olarak bugün:

• Yapay Zeka Güvenliği,
• Uçtan uca Gözlemlenebilirlik,
• Bulut Yerel Ağ Mimarisi,
• Genişletilmiş Tehdit Tespiti ve Müdahalesi,
• Sıfır Güven Mimarisi,
• Kimlik Güvenliği,
• Zeka Destekli BT Operasyonları,

alanlarında agresif yatırımlar yapan bir teknoloji devine dönüştü.

Özellikle son dönemde gerçekleşen satın almalar, Cisco’nun gelecek stratejisinin yalnızca Ağ taşımak değil, ağın üzerinde çalışan tüm dijital ekosistemi stabil ve görünür hale getirmek ve yapay zeka ile güvenliğinin artırılarak daha yeni nesil çözümler sunacağını  gösteriyor.

Bu yazıda Cisco’nun son yıllardaki en kritik satın almalarını, bunların teknolojik etkilerini ve sektör açısından ne ifade ettiğini detaylı şekilde inceliyor olacağız.

Cisco’nun Satın Alma Stratejisi

Dijital Dönüşüm ve AI Güvenliği Perspektifinden Nasıl Değerlendirilebilir?

Geleneksel network pazarı artık eskisi kadar hızlı büyümüyor. Kurumlar:

• Hibrit Bulut Mimarilerine “Hybrid-Cloude”,
• Hizmet olarak Yazılım Platformlarına “SaaS”,
• Konteyner Orkestrasyon Platformları “Kubernetes” tabanlı yapılara,
• Yapay Zeka Ajanlara “AI agent”,
• Otomasyon sistemlerine geçiş yapıyor.

Bu dönüşüm şu sonucu doğurdu:

“Artık güvenlik ağın dışında değil, doğrudan ağın içinde olmak zorunda.”

Cisco da bu nedenle:

• Güvenliği,
• Veri Analitiğini,
• Yapay Zeka Gözlemlenebilirliğini ( AI Observability),
• Kimlik Yönetimini tek platform altında toplamaya çalışıyor.

Bugün Cisco’nun satın aldığı ürünleri inceliyor olacağız.

1. Splunk Satın Alımı — Cisco Tarihinin En Büyük Hamlesi

2024 yılında Cisco tarihinin en büyük satın alımlarından birisini germekleştirerek, SIEM ve Observability marketinin liderlerinden olan SPLUNK’ ı kendi bünyesine dahil etti.

“Splunk Acquisition by Cisco”

Bu satın alma yalnızca finansal büyüklüğü nedeniyle değil, Cisco’nun yönünü büyük ölçüde hangi alana çevirdiğinin gösterilmesi nedeniyle de kritik öneme sahiptir.

Splunk Neden Bu Kadar Önemli?

SPLUNK özellikle şu alanlarda sektör liderlerinden biri:

• Güvenlik Bilgisi ve Olay Yönetimi “SIEM” 
• Log Yönetimi 
• Veri Analitiği 
• Gözlemlenebilirlik
• Güvenlik Analitikleri “Security Analytics” 
• Güvenlik Orkestrasyonu, Otomasyonu ve Müdehalesi “SOAR” Entegrasyonları

Bugünün kurumlarında milyarlarca log üretiliyor:

• Güvenlik Duvarı “Firewall” Logları
• Uç nokta Olayları “Endpoint Event”
• Bulut Aktivire Kayıtları “Cloud Activity Logs”
• Konteyner Orkestrasyon Platform Olayları “Kubernetes Event”
• Kimlik Kayıtları “Identity Log”
• Hizmet olarak Yazılım “SaaS Telemetry” verileri.

Bu kadar büyük veri ancak güçlü analitik platformlarla anlamlı hale geliyor.

Cisco’nun amacı burada çok net:

“Ağ verisini güvenlik zekâsına dönüştürmek.”

Cisco Splunk ile Ne Kazandı?

Güçlü Güvenlik Bilgisi ve Olay Yönetimi “SIEM” Altyapısı

Cisco artık kendi XDR platformunu çok daha güçlü hale getirebiliyor.

Gözlemlenebilirlik “Observability” Gücü

Uygulama performansı + network performansı + güvenlik olayları tek yerde birleşiyor.

Yapay Zeka Tabanlı Tehdit Analizi

Splunk’un AI destekli anomaly detection yapıları Cisco Secure platformuna entegre oluyor.

Güvenlik Operasyon Merkezi “SOC” Modernizasyonu

SOC ekipleri:

• Daha hızlı korelasyon,
• Daha az “Yanlış Pozitif ” False Positive,
• Daha iyi otomasyon

elde ediyor.

2. Isovalent — Kubernetes ve eBPF Geleceği

Cloud-native dönüşümle birlikte Cisco’nun en stratejik satın almalarından biri de:

Isovalent Acquisition by Cisco oldu.

Isovalent özellikle:

• Cilium,
• eBPF,
• Kubernetes networking,
• Cloud-native security alanlarında uzmanlaşmıştı.

eBPF Neden Bu Kadar Kritik?

eBPF modern Linux çekirdeği üzerinde çalışan son derece güçlü bir teknoloji.

Avantajları:

• Kernel seviyesinde gözlemleme
• Düşük gecikme
• Yüksek performans
• Gerçek zamanlı telemetry
• Gelişmiş güvenlik visibility

Bugünün veri merkezlerinde klasik network yaklaşımı yeterli değil çünkü trafik artık:

• VM’den VM’ye,
• Pod’dan Pod’a,
• Container’dan Container’a akıyor.

Cisco bu nedenle cloud-native networking tarafında da güçlü hale gelmiş oldu.

Cisco’nun Hedefi

Cisco artık yalnızca fiziksel switch üretmek istemiyor.

Şirket:

• Kubernetes Ağ Yapıları (Kubernetes Networking)
• Servis Ağı Mimarisi (Service Mesh)
• Mikro Segmentasyon (Microsegmentation)
• Konteyner Güvenliği (Container Security)
• Gözlemlenebilirlik (Observability)

alanlarında da lider olabilmek için bütün eksik domainleri tamamlamış oldu.

Bu satın alma özellikle:

• Hyperscale Veri Merkezleri,
• Telco Cloud Ortamları,
• AI cluster Altyapıları için kritik görülüyor.

3. Robust Intelligence — AI Güvenliğinin Yeni Çağı

Generative AI kullanımının patlamasıyla birlikte yeni bir güvenlik problemi ortaya çıktı:

“Yapay Zeka sistemlerini kim koruyacak?”

Cisco bu soruya cevap verebilmek için:

Robust Intelligence Acquisition by Cisco satın alımını gerçekleştirdi.

Robust Intelligence özellikle:

• Büyük Dil Modeli (LLM) Güvenliği
• Düşmanca Yapay Zekâ Saldırılarına Karşı Koruma
• Prompt Enjeksiyonu Önleme
• Model Doğrulama ve Test Süreçleri
• Yapay Zekâ Kırmızı Takım (AI Red Teaming) alanlarında çalışıyordu.

AI Güvenliği Neden Önemli?

Kurumlar artık:

• Yapay Zeka Sistemleri,

• Dahili Copilot’lar (Internal Copilots)
• Yapay Zekâ Ajanları (AI Agents)
• RAG Mimarileri (Retrieval-Augmented Generation / Geri Getirme Destekli Üretim Mimarileri) kullanmaya başladı.

Bu da yeni riskler oluşturuyor:

• Komut Enjeksiyonu (Prompt Injection)
• Veri Sızıntısı (Data Leakage)
• Gerçek dışı üretim (Hallucination) “Yapay Üretim Hatası”
• Kısıt Aşma (Jailbreak)
• Model Zehirleme (Model Poisoning)
• Yetkisiz Araç Kullanımı (Unauthorized Tool Usage)

Yeni Güvenlik Katmanı: AI Runtime Security  “ Yapay Zeka Çalışma Zamanı Güvenliği “

Cisco’nun hedeflediği yeni alan:

• Yapay Zekâ iş yükü inceleme ve denetimi ( AI Workload Inspection) 
• Model Davranış Analitiği ( Model Behavior Analytics )
• Büyük Dil Modeli Yönetişimi ( LLM Governance )
• Çıkarım (inference) Süreçlerinin İzlenmesi ( Inference Monitoring)

Geleceğin güvenlik mimarisinde bu konulardan çok fazla bahsediyor olacağız; çünkü yapay zekâ sistemlerinin üretim ortamında gerçek zamanlı olarak izlenmesi, korunması ve yönetişimi artık geleneksel güvenlik yaklaşımlarının ötesinde yeni bir güvenlik katmanı olarak konumlanmaktadır.

4. Galileo — AI Observability, LLM Monitoring (Yapay Zeka Gözlemlenebilirliği ve Büyük Dil Modeli İzleme)

Yapay zeka sistemleri büyüdükçe verilerde büyüdü, yeni bir ihtiyaç ortaya çıktı:

“AI modeli gerçekten doğru çalışıyor mu?”

İşte burada:
Galileo Acquisition by Cisco ön plana çıkıyor.

Galileo özellikle:

• Halüsinasyon Tespiti (Hallucination Detection)
• Büyük Dil Modeli Gözlemlenebilirliği (LLM Observability)
• Yapay Zeka Kalite İzleme (AI Quality Monitoring)
• Model Değerlendirme Süreçleri (Evaluation Pipelines)
• Komut Analitikleri  (Prompt Analytics)

  alanlarında uzmanlaşmış durumda.

Yapay Zeka Operasyonlarının Yeni Problemi Neler?

Kurumlar artık yalnızca model çalıştırmak istemiyor.

Şunları da görmek istiyor:

• Model hata yapıyor mu?
• Yanlış veri üretiyor mu?
• Güvenlik riski oluşturuyor mu?
• Kullanıcıyı yanıltıyor mu?
• Hangi komutlar problem yaratıyor?

Cisco burada observability deneyimini AI dünyasına taşıyor.

5. Astrix Security — Non-Human Identity (İnsan Dışı Kimlik)

2025’in en dikkat çekici satın almalarından biri ise Astrix ürünü.

“Astrix Security Acquisition by Cisco”

Non-Human Identity (NHI) Nedir?

Eskiden güvenlik:

• Kullanıcı Hesabı,
• Dizin Hizmeti (Active Directory)
• Çok Faktörlü Kimlik Doğrulama (MFA) etrafında şekilleniyordu.

Bugün ise sistemlerde:

• Servis Hesapları (Servis Account)
• Uygulama Programlama Arayüzü (API key)
• Açık Yetkilendirme Protokolü Belirteçleri (OAuth token)
• Yapay Zeka Ajanları Kimlikleri (AI Agent Identity)
• Otomasyon Botları (Automation Bot) daha fazla kullanılır hale geldi.

İşte bunlara: Non-Human Identity (NHI) adı veriliyor.

Yapay Zeka Ajan Güvenliği  (AI Agent) Yeni Savaş Alanı

Özellikle Agentic AI sistemlerinde:

• Yapay zekâlar API çağrıları yapıyor (AI API)
• Veritabanı (database) erişiyor,
• İş Akışı (workflow) çalıştırıyor,
• Hizmet olarak Yazılım (SaaS) platformlarıyla konuşuyor.

Bu durum devasa risk oluşturuyor.

Astrix burada:

• API Anahtar keşfi (API Key Discovery)
• Açık Yetkilendirme Protokolü Kötüye Kullanım Tesbiti (OAuth Abuse Detection)
• Erişim Yönetişimi (Token Governance)
• Makine Kimliği Güvenliği (Machine Identity Security) sağlıyor.

Cisco’nun hedefi: “AI agent’ları Zero Trust prensibiyle yönetmek.”

Tüm bu satın almalar birlikte değerlendirildiğinde ortaya çok net bir resim çıkıyor.

Cisco artık:

• Yalnızca network şirketi değil
• Yalnızca firewall üreticisi değil
• Yalnızca veri merkezi şirketi değil

Cisco kendisini şu alanda konumlandırıyor: “AI destekli güvenlik ve operasyon platformu”

Gelecekte Bizi Ne Bekliyor?

Önümüzdeki birkaç yıl içinde Cisco’dan şunları görmemiz muhtemel:

1. Yapay Zeka Yerleşik Güvenlik Operasyon Merkezi (AI Native SOC)

SOC analistlerinin yerini kısmen AI Agent’lar alacak.

2. Otonom Güvenlik Operasyonları (Autonomous Security Operations)

Tehdit tespiti ve müdahale büyük ölçüde otomatikleşecek.

3. Yapay Zeka Çalışma Zamanı Güvenliği (AI Runtime Security)

LLM ve AI workload güvenliği yeni standart olacak.

4. Derin Gözmelenebilirlik (Deep Observability)

Network + Application + AI telemetry birleşecek.

5. İnsan Dışı Kimlik Yönetişimi (Non-Human Identity Governance)

Makine kimlikleri insanlardan daha önemli hale gelecek.

Sonuç olarak;

Cisco’nun son dönemde yaptığı satın almalar tesadüfi değil Cisco’nun vizyonu ve misyonunu gösteriyor.

Cisco:

• Yapay Zeka
• Güvenlik
• Gözlemlenebilirlik
• Kimlik
• Bulut yerel ( Cloud-Native ) altyapılar

  üzerine yeni nesil bir teknoloji platformu inşa ediyor.

Özellikle:

• Splunk
• Isovalent
• Robust Intelligence
• Galileo
• Astrix Security

satın almaları birlikte değerlendirildiğinde Cisco’nun hedeflerinden en belirginlerinden bir tanesi  “Geleceğin AI destekli hibrit altyapısını güvenli, görünür ve otonom hale getirmek” olduğunu söylemek yanlış olmaz.

Bu dönüşüm yalnızca Cisco için değil, tüm siber güvenlik sektörü için yeni bir dönemin başlangıcı olabilir.

Tüm bu satın almalar birlikte değerlendirildiğinde, Cisco’nun geleceği yalnızca ağlar üzerinden değil; veri, kimlik, güvenlik ve yapay zekâ ekseninde şekillendirmeyi hedeflediği görülmektedir. Şirketin attığı adımlar, önümüzdeki dönemde rekabetin ağ performansından çok, yapay zekâ destekli görünürlük, güvenlik ve otonom operasyon kabiliyetleri üzerinden yaşanacağının güçlü bir göstergesidir.

Yazar:  Uğur Ramazan Yazıcı | Kıdemli Çözüm Danışmanı

Cisco Collaboration teknolojileri üzerine yazılmış içeriklerin büyük kısmı ürün anlatımıyla sınırlı kalıyor; oysa sahada gördüğüm şey şu: asıl farkı yaratan teknoloji değil, o teknolojinin iş akışına nasıl yerleştiği. Bu yüzden ben Collaboration’a hiçbir zaman “toplantı çözümü” olarak bakmıyorum. Bana göre bu alan, kurumların karar alma hızını doğrudan etkileyen, hatta bazı durumlarda rekabet avantajını belirleyen görünmez bir altyapı katmanı.

Bugün geldiğimiz noktada Cisco’nun Collaboration yaklaşımı klasik UC (Unified Communications) tanımının çok ötesine geçmiş durumda. Artık mesele sadece sesli ve görüntülü görüşme değil; kullanıcı deneyimini kesintisiz, güvenli ve veri odaklı hale getirmek. Örneğin Webex platformunu ele alırsak, burada aslında arka planda sürekli çalışan bir zeka var. Kullanıcının toplantıya hangi cihazdan katıldığını, ağ kalitesini, konuşma davranışlarını analiz edip deneyimi gerçek zamanlı optimize ediyor. Bu da şunu gösteriyor: Collaboration artık “statik bir sistem” değil, canlı ve öğrenen bir yapı.

Benim dikkatimi çeken en önemli kırılım noktası, Collaboration’ın ağdan bağımsız düşünülememesi. Özellikle modern yapılarda SD-WAN, QoS politikaları ve güvenlik katmanları doğru tasarlanmadığında, en iyi video endpoint bile kötü bir deneyim sunabiliyor. Cisco’nun burada yaptığı en güçlü şey, uçtan uca kontrol sağlayabilmesi. Yani kullanıcı Webex üzerinden toplantıya katıldığında, bu trafiğin backbone’dan geçişine kadar tüm zinciri optimize edebilecek bir ekosistem sunuluyor. Bu, sahada gerçekten fark yaratan bir detay.

Bunun yanında, hibrit çalışma modeli Collaboration teknolojilerini bambaşka bir yere taşıdı. Artık ofisteki kullanıcı ile evden bağlanan kullanıcı arasında deneyim farkı olmaması gerekiyor. Cisco burada cihaz tarafında da ciddi bir evrim geçirdi. Room serileri, Desk cihazları ve video bar çözümleri aslında sadece donanım değil; kullanıcıyı ortama adapte eden akıllı sistemler. Kamera açısı, ses takibi, arka plan gürültü temizleme gibi özellikler kullanıcı fark etmeden çalışıyor ve toplantının akışını doğal hale getiriyor.

Geleceğe baktığımda ise Collaboration tarafında en kritik alanın “context-aware communication” olacağını düşünüyorum. Yani sistemin sadece iletişimi sağlamakla kalmayıp, o iletişimin bağlamını anlaması. Örneğin toplantı sırasında konuşulan konuların otomatik özetlenmesi, aksiyon maddelerinin çıkarılması, hatta ilgili dokümanların önerilmesi artık bir hayal değil. Cisco bu noktada yapay zeka entegrasyonunu agresif şekilde ilerletiyor ve bu da platformu klasik rakiplerinden ayıran en önemli faktörlerden biri haline geliyor.

Sonuç olarak Collaboration teknolojileri artık IT’nin bir alt başlığı değil; doğrudan iş süreçlerinin merkezinde konumlanan bir yapı. Bu yüzden doğru tasarlanmış bir Cisco Collaboration altyapısı, sadece iletişimi iyileştirmez; kurum içi verimliliği artırır, karar alma süreçlerini hızlandırır ve kullanıcı deneyimini görünmez şekilde iyileştirir. Bana göre asıl değer de tam burada başlıyor: kullanıcı teknolojiyle uğraşmaz, teknoloji kullanıcı için çalışır.

Yazar:  Murat Gök | Kıdemli Ağ ve Güvenlik Uzmanı

Multi-Agent · Orkestrasyon · Bellek · Güven

AI artık yalnızca bir asistan değil sistemleri yöneten, kararlar alan ve dünyayı değiştiren bir operatör. Bu dönüşümün mimarisi, kuralları ve geleceği.

TEMEL KAVRAMLAR

Otomasyondan Özerkliğe: Paradigma Kırılması

AI sistemleri artık soruları beklemek yerine hedefleri analiz edip kendi eylem planlarını oluşturuyor, araçları devreye alıyor ve sonuçları bağımsız olarak değerlendiriyor. Bu, otomasyonun ötesinde bir şey özerklik.

“Otomasyon belirli adımları makinelere yaptırır. Özerklik ise hangi adımların atılacağına makinenin kendisinin karar vermesidir.”

— Agentic AI Manifestosu · 2026

Agentic sistemlerin dört temel özelliği: Algılama (çevreyi okumak), Planlama (hedefi adımlara bölmek), Araç Kullanımı (dış sistemlere erişmek) ve Öğrenme (sonuçlardan bellekle güncellenmek).

                                       — Figür 1 — Agentic Sistem Anatomisi —

ORKESTRASYON MİMARİSİ

Tek Ajandan Ajan Ekosistemine

Multi-agent sistemler, her biri kendi uzmanlık alanında derinleşmiş ajanların koordineli çalışmasını sağlar. Google ADK bu orkestrasyonun referans mimarisi haline geliyor ajanlar arası iletişim protokolü, bellek yönetimi ve araç entegrasyon standardı.

Orkestrasyon Tasarım Prensipleri

                                         — Figür 2 — Multi-Agent Orkestrasyon Modelleri —

BİLİŞSEL ALTYAPI

Bellek: Agentic Sistemlerin Sinir Sistemi

Bir AI ajanının ne kadar zeki olduğu kadar ne kadar iyi hatırladığı da önemlidir. Bellek dört katmanda organize edilir. Geleneksel yazılım belleksiz çalışır. Agentic sistemler ise bağlam biriktirir zamanla daha değerli hale gelir.

                                            — Figür 3 — Bellek Katmanları —

🔥 Hot (< 10ms)     🌡 Warm (< 100ms)     ❄ Cold (async)

GÜVEN MİMARİSİ

Otonom Gücün Güvenliği !

“Güven, sistemin ne kadar zeki olduğuyla değil ne zaman, nasıl ve neden aksiyon aldığını ne kadar net açıklayabildiğiyle ölçülür.”

— Zero Trust AI Manifestosu

SATIN ALIM ANALİZİ

Cisco × Galileo: AI Güven Katmanının Tamamlanması

  “Galileo was purpose-built to solve one of the hardest problems in AI: Trust.”

  — Kamal Hathi, SVP & GM · Splunk at Cisco

Cisco, 9 Nisan 2026’da Galileo Technologies’i satın alma niyetini açıkladı. $68M toplam yatırım, %834 gelir büyümesi. Luna-2: $0.02/1M token %97 daha ucuz.

Galileo Üç Modülü

Galileo Neyi Kapatıyor?

ENTEGRASYON EKOSISTEMI

MCP ile Sınırsız Bağlantı

Model Context Protocol (MCP), ajanların dış sistemlerle standart bir arabirim üzerinden güvenle iletişim kurmasını sağlar. Yeni bir sistem eklemek = yeni bir MCP sunucusu yazmak. Geri kalan mimari değişmez.

                                              — Figür 5 — MCP Ekosistem Topolojisi —

Mevcut & Planlanan Entegrasyonlar

GELECEK PERSPEKTİFİ

2025–2030: Agentic AI Yol Haritası

Agentic AI’ın önümüzdeki beş yıldaki evrimi üç paralel kol üzerinde ilerleyecek: teknik olgunlaşma, ekosistem standardizasyonu (MCP, AGNTCY) ve kurumsal güven inşası (açıklanabilirlik, denetim, regülasyon). Bu üç kol birlikte ilerlediğinde gerçek anlamda özerk operasyonlar mümkün olacak.

Aşağıdaki kilometre taşları kişisel öngörü değil; Gartner, Deloitte ve IDC’nin yayımladığı güncel araştırma ve tahminlere dayanmaktadır.

*Kaynaklar: Gartner Emerging Tech: The Future of Agentic AI (2025) · Gartner Top Strategic Predictions 2026 · Deloitte AI Adoption Survey 2025 · IDC AI Spending Forecast 2025–2029*

SONUÇ

Yönetmekten Yönetilmeye

Geleceğin ağ ve güvenlik mühendisi artık şunu bilmek zorunda: bir agent’ın ne yaptığını değil, neden öyle davrandığını sorgulamak. Bunun için gereken beceriler değişiyor konfigürasyon yazmak değil, güven mimarisi tasarlamak: Zero Trust politikası, Galileo kalite metrikleri, eBPF tabanlı kernel enforcement ve insan gözetim noktaları. Cisco ve daha bir cok global üreticinin AI ve Agentic AI yatırımları bu dönüşümü desteklemektedir.

Kritik sorun hız değil güven. Galileo ile içerik kalitesi, Zero Trust Gate ile yapısal uyum, sandbox ile çalışma zamanı güvenliği: bu üçü olmadan özerklik verilmez.

Yazar:  Uğur Ünlüakın | İş Geliştirme Yöneticisi

Yapay zekâ stratejilerinde çoğu Türk bankasının fark etmediği güvenlik açığı

Türkiye genelinde bankalar ve sigorta şirketleri yapay zekâ yetkinlikleri geliştirmek için yarışıyor. Yeni yapay zekâ departmanları kuruluyor. Otonom kredi tahsisinden gerçek zamanlı dolandırıcılık tespitine uzanan kullanım senaryoları pilot aşamasından canlı ortama (production) geçiyor. Ancak çoğu finansal kurum için kritik bir soru hâlâ yanıt arıyor: Bu yapay zekâ girişimlerini destekleyen altyapı gerçekten de güvenli mi?

Fırsat büyük ancak risk de öyle. Yapay zekâ ortamları, geleneksel güvenlik önlemlerinin ele almak üzere tasarlanmadığı tamamen yeni saldırı yüzeyleri oluşturur. Üstelik Türkiye’nin tüm veri işleme süreçlerinin kurum içi (on-premises) kalmasını zorunlu kılan sıkı veri düzenlemeleri nedeniyle finansal kurumlar, birçok küresel sağlayıcının varsayılan olarak benimsediği bulut tabanlı güvenlik modellerine bel bağlayamaz.

Yapay zekâ, finansal hizmetlerde nerede yeni zafiyetler yaratır?

Bankacılıkta yapay zekânın benimsenmesi tek bir uygulamanın çok ötesine geçiyor. Bugün Türk finansal kurumları aşağıdaki gibi girişimleri aktif olarak hayata geçiriyor:

Bu kullanım senaryolarının her biri, kurum içi (on-premises) ortamlarda çalışan GPU hesaplama, yüksek hızlı ağ altyapısı ve büyük hacimlerde hassas veri gerektirir. Saldırı yüzeyi yalnızca modelin kendisi değildir. Tüm altyapı yığını boyunca genişler: veri akış hatları, ağ katmanı, yapay zekâ ajanlarını çekirdek bankacılık sistemlerine bağlayan API’ler ve kararların uygulandığı uç noktalar. Onaylı yapay zekâ devreye alımlarının ötesinde, gölge yapay zekâ da aynı derecede ciddi bir risk oluşturur. Çalışanlar, ChatGPT veya Gemini gibi herkese açık araçları denetim olmadan kullandığında, gizli bankacılık verileri kurumu tamamen terk edebilir ve mevcut tüm güvenlik kontrollerini aşabilir. Türkiye’nin kurum içi (on-premises) veri gereksinimleriyle bağlı kurumlar için, hassas müşteri bilgisi içeren tek bir yetkisiz prompt bile bir uyum ihlali anlamına gelir.

“Bankalar yapay zekâ departmanları kuruyor ve yeni yetkinlikleri keşfediyor; ancak güvenlik mimarisi de aynı hızda evrilmek zorunda. Modeli korumak, zorluğun yalnızca bir parçası. Çalıştığı tüm ortamı korumanız gerekiyor.” – Morten Teknik Grup Müdürü I  Ediz Burak KIRIM

Her Finansal Kurumun Şimdi Ele Alması Gereken Üç Öncelik

Kurumunuz ister erken keşif aşamasında olsun ister yapay zekâ iş yüklerini aktif olarak devreye alıyor olsun, şu üç alan acil dikkat gerektirir:

• Çalışma zamanı yapay zekâ koruması: Geleneksel çevre (perimetre) güvenliği; prompt enjeksiyonu (prompt injection), halüsinasyon döngüleri veya yapay zekâ modellerinden yetkisiz veri sızıntılarını kapsamaz. Cisco Secure AI Defense gibi çözümler, ajan tabanlı (agentic) yapay zekâ için özel olarak tasarlanmış çalışma zamanı korumaları sunar; model davranışını izler ve kötü niyetli girdileri çekirdek sistemlere ulaşmadan önce engeller.
• Ağ segmentasyonu ve görünürlük: Yapay zekâ iş yükleri, yüksek bant genişliği ve düşük gecikmeli ağ altyapısı gerektirir; ancak veri merkezi içinde yeni yanal hareket (lateral movement) yolları da oluşturur. Mikrosegmentasyon ve tam trafik görünürlüğü, ele geçirilmiş bir yapay zekâ iş yükünün canlı bankacılık sistemlerine erişememesini sağlamaya yardımcı olur. Türkiye’nin önde gelen bankalarından biri, iş yükü düzeyinde politika uygulamasını hayata geçirdikten sonra uygulama ortamlarının tamamında %100 görünürlük elde etti ve saldırı yüzeyini %99 azalttı.
• Yapay zekâ için tasarlanmış kurum içi (on-premises) altyapı: Türkiye’nin finansal mevzuatı muğlaklığa yer bırakmaz: Veriler kurum içi (on-premises) kalır. Bu da GPU sunucularının, hızlı ağ altyapısının ve depolamanın tamamının yerel olarak devreye alınması, güvence altına alınması ve yönetilmesi gerektiği anlamına gelir. Cisco AI PODs gibi önceden doğrulanmış altyapı yığınları; Cisco Nexus ağ altyapısı ve Cisco UCS X-Series işlem altyapısıyla birleştirildiğinde, kurumların aylar yerine haftalar içinde güvenli yapay zekâ ortamlarını devreye almasına olanak tanır.

Hazırlık Seviyenizi Nasıl Kıyaslayabilirsiniz?

Pratik bir ilk adım, kurumunuzun bugün nerede konumlandığını değerlendirmektir. Şu soruları göz önünde bulundurun:

• İş birimlerinizin önümüzdeki 12 ay içinde hayata geçirmeyi planladığı belirli yapay zekâ kullanım senaryolarını belirlediniz mi?
• Mevcut güvenlik mimariniz, büyük dil modellerinden kaynaklanan prompt enjeksiyonu (prompt injection) ve veri sızıntısı gibi yapay zekâya özgü tehditleri kapsıyor mu?
• Kurum içi (on-premises) altyapınız, canlı yapay zekâ iş yüklerinin işlem gücü, ağ altyapısı ve depolama taleplerini karşılayabiliyor mu?
• Bu ortamları devreye almak ve güvence altına almak için kurum içi uzmanlığa sahip misiniz; yoksa uygulamalı yapay zekâ altyapısı deneyimi olan bir teknoloji iş ortağına mı ihtiyacınız var?

Bu sorulardan herhangi biri sizde endişe yaratıyorsa yalnız değilsiniz. Türkiye’deki çoğu finansal kurum benzer bir aşamada; yapay zekâya yatırım yapıyor ancak bunun gerektirdiği güvenli temeli hâlâ inşa ediyor.

Güvenlik mimarisini yapay zekâ hedefleriyle ilk uyumlayan kurumlar, müşterilerini korurken ve mevzuat gereksinimlerini karşılarken bu teknolojilerin değerini hayata geçirme konusunda en avantajlı konumda olacaktır.

Bir sonraki adımı atmaya hazır mısınız? Yapay zekâ ortamınız için bir altyapı ve güvenlik değerlendirmesi planlamak üzere Morten ile iletişime geçin.

Yazar:  İlker MANSUR | Cisco VoIP & Network Automation Engineer

Geleneksel ağ yönetimi metodolojileri, uzun yıllar boyunca cihaz bazlı ve manuel müdahalelere dayalı statik bir model üzerinden ilerlemiş olsa da günümüzde bu yaklaşım yerini ölçeklenebilir, hataya dayanıklı ve yazılım tabanlı bir yapıya bırakmaktadır. Modern dünyada ağ altyapıları; bulut bilişim, mikro hizmet mimarileri ve yüksek bant genişliği taleplerinin bir sonucu olarak “statik bir donanım yığını” kimliğinden sıyrılıp “çevik bir servis platformu” haline gelmiştir. Cisco perspektifinden bu dönüşüm, mühendislik iş akışlarını hızlandırmanın ötesinde, ağın işletilme felsefesini de kökten değiştirmiştir. Artık bir ağ mühendisi için otomasyon bir lüks değil, modern ağların barındırdığı devasa karmaşıklığı yönetmenin tek rasyonel yoludur. Bu süreçte operasyonel odağın tekil cihaz konfigürasyonlarından, tüm ağın bir bütün olarak davrandığı “niyet tabanlı” (Intent-Based) sistemlere kayması, beraberinde API ekonomisi ve model tabanlı yönetim zorunluluğunu getirmiştir.

Bu yeni paradigmanın teknik temelini Cisco IOS-XE, NX-OS ve IOS-XR gibi modern işletim sistemlerinin CLI bağımlılığından kurtulup yapılandırılmış veri modellerine geçişi oluşturur. YANG veri modelleri sayesinde cihaz konfigürasyonları hiyerarşik ve makine tarafından okunabilir bir standartta tanımlanırken, NETCONF ve RESTCONF gibi protokoller ağ cihazlarının birer “web servisi” gibi yönetilmesine imkan tanır. Bu durum, geleneksel SSH tabanlı komut gönderiminden farklı olarak “transactional” bir yapı sunar; yani bir konfigürasyon değişikliği ya tam olarak uygulanır ya da hata durumunda güvenli bir şekilde geri alınır. Üstelik Streaming Telemetry teknolojisiyle birleşen bu yapı, ağın sağlık verilerini mikro saniye hassasiyetinde dış dünyaya aktararak, geleneksel SNMP’nin hantal ve reaktif yapısını proaktif bir analitik sürecine dönüştürür.

Ağ otomasyonu stratejileri kurgulanırken, mühendisin teknik yetkinliği ile kullanılan araçların senkronizasyonu büyük önem taşır. Ad-hoc ihtiyaçlar için Python ve Netmiko gibi kütüphaneler hızlı çözümler sunarken; Ansible ve Terraform gibi araçlar altyapının “kod olarak” (Infrastructure as Code) tanımlanmasını ve standartlaştırılmasını sağlar. Cisco DNA Center ve SD-WAN gibi orkestrasyon platformları ise bu süreci grafik arayüz ve güçlü API entegrasyonlarıyla merkezi bir politika yönetimine dönüştürür. Ancak bu noktada unutulmaması gereken en kritik unsur, otomasyonun “patlama yarıçapının” (blast radius) manuel işlemlerden çok daha geniş olduğudur. Bu riskin yönetilmesi için modern yazılım disiplinleri ağ dünyasına entegre edilmelidir. NetBox gibi bir “Doğruluk Kaynağı” (Source of Truth) üzerinden ağın olması gereken hali tanımlanmalı, değişiklikler Git ortamında sürüm kontrolüne alınmalı ve canlıya alınmadan önce CML veya GNS3 gibi simülasyon ortamlarında test edilerek bir CI/CD hattından geçirilmelidir.

Sonuç olarak, Cisco teknolojileriyle şekillenen bu yeni dönem, protokol uzmanlığını yazılım disipliniyle birleştirmeyi zorunlu kılmaktadır. Otomasyon, operasyonel yükü ve insan hatasından kaynaklanan riskleri minimize ederken, mühendise stratejik tasarım ve mimari geliştirme için gereken kıymetli zamanı kazandırır. Sektörel rekabette öne çıkmanın ve geleceğin ağ mimarilerini inşa etmenin anahtarı, CLI yetkinliğini API ve model tabanlı yönetim kabiliyetiyle konsolide ederek ağın sunduğu programlanabilirlik potansiyelini tam kapasiteyle kullanmaktır.