Araç Sayısı Arttıkça Yapay Zeka Aptallaşıyor: Dropbox Dash Ekibinin Context Engineering Stratejisi

Dropbox’un yapay zeka asistanı Dash ekibi, yapay zeka ajanına araçlar (arama, belge düzenleme vb.) eklendikçe karar verme sürecinin yavaşladığı ve doğruluğun düştüğü bir "analiz felci (analysis paralysis)" olgusunu keşfetti. Bu sorun, araç açıklamalarının context window’u aşırı tüketmesinden kaynaklandı ve RAG’den eylem alan yapay zekaya evrilirken daha da ciddileşti.

Çözüm için 3 strateji

1. Araç birleştirme: Birden fazla API’yi (Confluence, Google Docs vb.) tek bir evrensel arama aracında birleştirerek yapay zekanın seçim yükünü azaltmak. MCP sunucularında da tek arayüzle uyumluluğu güçlendirmek.

2. Context filtreleme: Bilgi grafiğinden yararlanarak birden fazla kaynaktaki veriyi birleşik bir indeks hâline getirmek ve kullanıcı/sorgu ilgisine göre sıralamak. Yapay zekaya yalnızca faydalı bilgileri ileterek akıl yürütme verimliliğini artırmak.

3. Uzman ajanları ayırma: Karmaşık araçları (ör. arama sorgusu oluşturma) ana yapay zekadan bağımsız ajanlara devretmek. Ana yapay zeka planlamaya odaklanırken uzman ajanlar ayrıntılı işlemleri üstlenir.

Sonuç olarak, yapay zekayı daha akıllı yapan şeyin "daha fazla context" değil "daha iyi context" olduğu vurgulanıyor; bu yaklaşım kullanıcı profilleri ve bellek alanlarına da genişletiliyor. Yapay zekanın geleceği odaklanma yeteneğine bağlı.