Karanlık Marketplace - Yapay zeka ajanlarının işlemleri yürüttüğü ticaretin geleceği

• AI ajanlarının insanlar yerine ürünleri keşfedip fiyat pazarlığı yaptığı ve satın alma işlemini otonom biçimde tamamladığı 'Dark Marketplace' kavramı, B2B ticaretin bir sonraki paradigması olarak öne çıkıyor
• Anthropic'in Project Deal deneyinde 69 çalışan işlemleri AI ajanlarına devretti; bunun sonucunda 186 gerçek işlem ve 4.000 doların üzerinde işlem hacmi oluştu. Daha güçlü modeli kullanan katılımcılar nesnel olarak daha iyi sonuçlar alırken, zayıf model kullananlar ajanlarının düşük performanslı olduğunun farkına varmadı
• Otonom ticarette asıl mesele basit arama ya da doğal dil arayüzü değil; deneyimli satın almacıların örtük ve bağlama bağlı muhakemesini soyutlayıp (judgment abstraction) ajana kodlamak
• B2B, tekrarlayan, politika temelli ve marj odaklı satın alma kalıpları nedeniyle tüketici ticaretine kıyasla muhakeme soyutlaması için çok daha uygun bir yapı sunuyor
• Dark Marketplace'te gerçek hendek (moat), UI değil kullanıcı bazında biriken muhakeme verisi; bunu en derin şekilde toplayan şirketin yeni nesil, yüz milyarlarca dolarlık bir marketplace kurma olasılığı daha yüksek

---

Anthropic'in Project Deal deneyi

• Anthropic'in San Francisco ofisinde bir hafta süren Project Deal deneyinde 69 çalışan, snowboard, ofis sandalyesi, masa tenisi topları gibi kişisel eşyalarını AI ajanlarının tamamen yönettiği bir ikinci el pazaryerine listeledi
• Tüm pazarlıklar, karşı teklifler ve işlemler, her katılımcıyı temsil eden Claude modeli tarafından yürütüldü; katılımcılar fiyatı doğrudan girmedi ya da liste gezmedi
• Sonuçta 186 işlem gerçekleşti ve toplam işlem hacmi 4.000 doların üzerine çıktı; gerçek para el değiştirdi
• En dikkat çekici bulgu, Anthropic'in katılımcıları gizlice frontier model ve daha küçük modeller arasında ayırmış olmasıydı; güçlü model tarafından temsil edilen kullanıcılar nesnel olarak daha iyi fiyat, eşleşme ve işlem sayısı elde etti
• Ancak zayıf model atanan kullanıcılar ajanlarının düşük performanslı olduğunun hiç farkına varmadı; Anthropic buna "agent quality gaps" adını verdi

Sektör eğilimleri: standartlaşma vs engelleme

• Project Deal duyurusundan 5 gün sonra Amazon, Meta, Microsoft, Salesforce ve Stripe, Universal Commerce Protocol(UCP) komitesine katıldı — bu, AI ajanlarının platformlar arasında ürün keşfetme, fiyat pazarlığı yapma ve işlemi yürütme biçimini ilk kez standartlaştırma girişimi
• Aynı hafta eBay, kullanım koşullarını güncelleyerek "buy-for-me ajanları, LLM tabanlı botlar ve insan incelemesi olmadan sipariş vermeye çalışan tüm uçtan uca akışları" açıkça yasakladı
• Bazı büyük şirketler ajanların insanlar adına işlem yaptığı bir dünyanın altyapısını kurarken, diğerleri ajanlar içeri girmeden kapıyı kilitlemeye çalışıyor; bu da iki kutuplu bir tepkiye işaret ediyor

Dark Marketplace'in tanımı

• Dark Marketplace, keşif, pazarlık ve satın alma gibi karmaşık görevlerin insanın görüş alanı dışında tamamen gerçekleştiği işlemsel çok taraflı bir platform
• Buradaki "dark", yasa dışı anlamına değil; dark matter (karanlık madde) gibi sistemi ayakta tutan ama doğrudan gözlemlenmeyen görünmez bir güç anlamına geliyor
• Bugünün en başarılı marketplace'lerine içkin temel sürtünmeyi ortadan kaldırarak yüz milyarlarca dolarlık şirket değeri yaratma potansiyeline sahip
• Bunu gerçekleştirmek için daha iyi arama ya da doğal dil UI'ın ötesine geçip, deneyimli alıcı ve satıcıların sezgisel, bağlama bağlı ve istisna yönetebilen yeteneklerini ajanlara kodlayan 'insan muhakemesinin soyutlanması'na ihtiyaç var

Ticaret evriminin tarihi

• Yaklaşık 7.000 yıl boyunca talep niyetini dışsallaştırmanın baskın mekanizması iyi bir satış temsilcisiydi; Tunç Çağı agorasından büyük mağazalara kadar müşterinin zevkini, satın alma geçmişini ve bütçesini hatırlayan insanlara dayanıldı
• Son 20 yılda reklam verileri, satın alma geçmişi, demografi ve arama davranışı gibi dijital izler, talep niyetinin ikinci dışsal kaynağını oluşturdu; öneri motorları, retargeting ve kişiselleştirilmiş fiyatlama Amazon ve Meta gibi şirketleri inşa etti
  • Ancak temel işlem modeli neredeyse hiç değişmedi; alıcılar hâlâ arama, filtreleme, karşılaştırma ve tıklama süreçlerinden geçiyor
• Yaklaşık 10 yıl önce ERP, POS, WMS ve TMS akışları gibi B2B sistem entegrasyonları üçüncü katmanı oluşturdu
  • Faire, Odeko ve GrubMarket gibi şirketler bu entegrasyonları kullanarak, alıcının arama yapmasından önce ihtiyacı çıkarımlayan tedarik marketplace'leri kurdu
  • Ancak nihai kararı hâlâ insanlar verdi: önerilen siparişin gözden geçirilmesi, sepetin onaylanması, muadil ürünlerin doğrulanması
• Şimdi ise dördüncü bir geçişin eşiğindeyiz; LLM'ler doğal dil bağlamını özümseyip binlerce etkileşimden davranış kalıpları öğrenerek otonom şekilde hareket edebiliyor
• Önceki her geçiş aşamasında işlem hacmi ve alıcı memnuniyeti keskin biçimde arttı; LLM'lerin doğal dil ve soyutlama kabiliyeti, talep niyetini alıcının zihninden dış dünyaya eşi görülmemiş ölçekte taşımak için en uygun teknoloji konumunda

Judgment Abstraction temel mesele

• Tüm marketplace'ler ve SaaS araçları dropdown'lar, filtreler ve onboarding anketleri aracılığıyla açıkça ifade edilmiş tercihleri yakalayabilir; ancak insanların satın alma muhakemesi, form alanlarına sığandan çok daha zengin ve nüanslıdır
• Yeni nesil işlemsel B2B işlerinin temel meselesi ve hendeği, karmaşık insan muhakemesini — örtük, bağlama bağlı ve edge case'leri gerçek zamanlı ele alabilen karar alma biçimini — soyutlayabilme yeteneği
• Bu muhakeme doğası gereği sektöre göre son derece dikeydir ve yapısı sektör, şirket ve kişiye göre büyük farklılık gösterir

• Gerçek muhakeme örnekleri

  • Portland'daki bir kafe sahibi: sadece "yulaf sütü" siparişi vermez; salı öğleden sonra yaşanan trafik artışı için gereken belirli miktarı, 3 hafta önce değişen tedarikçinin teslimat süresini, iki müdavimin hoşlanmayacağı alternatif markaları ve hafta sonu yoğunluğundan önce gelmesi gereken yeni cold brew konsantresini birlikte değerlendirir
  • Bir yük komisyoncusu: karar ağacı izlemez; cuma günü geç saatte telefonu kesin açan taşıyıcıları, dünkü görüşmeden çıkardığı bu haftanın kırılgan rotalarını, pazarlığa açık "kesin" fiyatları ve ilişkiyi korumak için hangi noktada marjdan fedakârlık edeceğini deneyimine göre tartar
  • Bir doktor: tedavi protokolünü seçerken hasta geçmişini, kendi klinik deneyimini, sigorta formülerini, hastanın tedaviye uyumunu ve en güncel kanıtları aynı anda dikkate alır
  • Bu örneklerin ortak yapısı: muhakeme kullanıcıya, bağlama ve ana özgüdür; veriden çok deneyim tarafından şekillenir ve AI ajanlarının güveni bozmadan işlem yürütebilmesi için mutlaka içselleştirmesi gereken unsurdur

Katılım derinliği–işleme yakınlık matrisi (Engagement-Proximity Matrix)

• Şirketlerin dark marketplace potansiyelini değerlendirmede en faydalı çerçeve, iki ekseni temel alır

• X ekseni: Katılım derinliği (Engagement Depth)

  • Ürünün yakaladığı yüksek frekanslı, düşük sürtünmeli etkileşimlerin miktarını ölçer
  • Yüksek katılım: Kullanıcılar her gün, bazen her saat etkileşime girer ve zengin davranış sinyalleri üretir — tüm müşteri görüşmelerini dinleyen Voice AI, tüm işlemleri gerçek zamanlı gören POS entegrasyonu, günlük operasyon ritmine gömülü workflow araçları
  • Düşük katılım: Yalnızca çeyreklik kullanılan veya sadece onboarding sırasında karşılaşılan ürünler — ağır kurulum UI'ları, dönemsel anketler, veri aktaran ama davranışı gözlemlemeyen statik sistem entegrasyonları

• Y ekseni: İşlem yakınlığı (Transaction Proximity)

  • Ürünün gerçek satın alma ve satış kararlarına ne kadar yakın konumlandığını ölçer
  • Yüksek yakınlık: Siparişlerin oluşturulduğu, sevkiyatların rezerve edildiği, rezervasyonların alındığı sistemler üzerinden işlemleri kolaylaştırır, aracılık eder veya yürütür
  • Düşük yakınlık: Kararları bilgilendirir ama işlemi tetiklemez — analitik dashboard'lar, koçluk araçları, klinik karar destek sistemleri, pazar istihbaratı platformları

• Kadranlara göre stratejik çıkarımlar

  • Sağ üst (Top-right): Dark marketplace'e hazır — zengin davranış verisi yakalar ve işlemin üzerinde konumlanır; ifade edilmiş tercihlerden otonom karar almaya kadar yargı soyutlamasının tüm yolculuğunu ilerletebilir
  • Sol üst (Top-left): Zengin sinyal, yanlış konum — yüksek frekanslı etkileşimlerle büyük miktarda yargı verisi yakalar ama işlemin kendisini kolaylaştırmaz
    • Rilla: Yüz yüze yüklenici satış görüşmelerini kaydedip analiz ederek ev hizmetleri alanında hangi dil ve tekniklerin anlaşma kapattığına dair özel verilere sahip, ancak işlemin kendisini kapatmıyor
    • OpenEvidence: Doktorların klinik karar reflekslerini içine çeker, ancak reçete, tanı testi talebi ve cihaz seçiminin yukarısında konumlanır
    • Keychain: 18 ayda 78 milyon dolar topladı; 30 binden fazla CPG ortak üreticisini 20 binden fazla marka/perakendeciyle bağlayan en saf iki taraflı dark marketplace adayı — marka AI ürün spesifikasyonunu açıklarken üretici AI teklif verir
  • Sağ alt (Bottom-right): İşlem konumu var, öğrenme yavaş — işlemin üzerinde konumlanır ama etkileşimler seyrek veya sığ olduğu için öğrenme yavaş ilerler
    • Odeko: POS entegrasyonu gerçek zamanlı talep sinyali sağlar, gece teslimat ağı işlemi yürütür, otomatik yeniden sipariş motoru ise kafe sahibinin tüm satın alma yargısını içine çeker; böylece sahip sabah kataloğa değil stoğu tamamlanmış bir mutfağa uyanır
    • Faire: 700 binden fazla perakendeci ve markayı bağlayan, değeri 8 milyar doların üzerinde olan bir toptan marketplace olarak hâlihazırda işlemleri kolaylaştırıyor, ancak perakendeciler hâlâ gezinme aşamasında — günlük satış kalıpları, ziyaretçi sayısı, tedarikçi görüşmeleri ve mevsimsel davranış gibi katılım sinyalleri AI ile yakalanırsa katalog yerine önerilmiş bir sepet görülebilir
    • LightSource: Yum! Brands ve Hello Fresh gibi şirketler için RFX ve teklif süreçlerini otomatikleştirerek yüksek yakınlık sağlıyor, ancak tedarik olayları sürekli değil dönemsel gerçekleşiyor
  • Stratejik asimetri: Sol üstteki şirketler işlem tarafına genişlemek zorunda; sağ alttakiler ise Voice, konuşma ve davranış çıkarımı gibi AI yakalama yöntemleriyle katılım kazanmalı; hangi taraftaki boşluğu daha hızlı kapatan kazanır

• Voice AI'ın katılım katmanı rolü

  • Voice ve diğer multimodal AI, sadece bir başlangıç ürünü olmanın ötesinde, yargı soyutlamasını mümkün kılan katılım katmanını çalıştırır — platformun kullanıcıların ne istediklerini söylediklerini değil, gerçekte nasıl düşündüklerini öğrenmesini sağlayan mekanizma budur
  • Toma: Bayilerin tüm inbound aramalarını (servis randevusu, parça siparişi, geri çağırma doğrulaması, satış soruları) AI ses ajanı %100 oranında yönetir; her mağazanın çağrı korpusu ile eğitilir ve DMS'ye entegredir
    • Dark marketplace potansiyeli, karşı tarafta da ajanlar oluştuğunda ortaya çıkar: sigorta şirketinin hasar AI'ı onarım randevusu için Toma'yı arar, OEM'in geri çağırma ajanı garanti servisi ayarlar, müşterinin AI'ı üç bayiden fren işi fiyatı karşılaştırır — ajan karşı ajana, bekleme müziğine gerek yok

Yargı soyutlamasının 4 aşaması

• Aşama 1 — İfade edilmiş tercihler (Stated Preferences)

  • Kullanıcı sisteme ne istediğini doğrudan iletir: filtreler, onboarding anketleri, kaydedilmiş aramalar, onay limitleri
  • Tüm marketplace'lerin yaptığı başlangıç çizgisi budur; üretilen veri faydalıdır ama yüzeyseldir
  • Örnek: Faire perakendecisinin "ev ürünleri" ve "50 dolar altı toptan" seçeneklerini seçmesi

• Aşama 2 — Davranışsal çıkarım (Behavioral Inference)

  • Sistem, kullanıcının davranışını gözlemleyerek açıkça belirtmediği kalıpları çıkarır
  • POS satış hızı, yeniden sipariş sıklığı, sayfada kalma süresi, ikame ürün kabul oranı, tedarikçi değiştirme davranışı gibi veriler kullanılır
  • Örnek: Odeko, bir kafenin yulaf sütü yeniden sipariş döngüsünün 7 gün değil 6 gün olduğunu ve pazartesileri hacmin düştüğünü fark ederek talimat olmadan siparişi otomatik ayarlar
  • AI-native dikey şirketlerin çoğu şu anda bu aşamada veya bu aşamaya ilerliyor

• Aşama 3 — Bağlamsal yargı (Contextual Judgment)

  • Sistem, dış bağlamı — piyasa koşulları, tedarikçi güvenilirliği, bozulabilirlik, mevsimsellik, karşı taraf davranışı, düzenleyici kısıtlar — entegre ederek kullanıcının sonsuz zamanı ve kusursuz bilgisi olsaydı vereceği kararı alır
  • GrubMarket'in AI ajanı, tedarik zinciri sinyallerinden bölgesel domates kıtlığını fark eder, distribütörün siparişini benzer fiyat bandındaki alternatif çeşide kaydırır ve distribütörün ikame ürün kabul geçmişini dikkate alarak hareket eder
  • Green Cabbage: Salesforce yenilemelerini binlerce benzer sözleşme ve benchmark ile karşılaştırarak, alıcının kendi satın alma ekibinin hesaplayamayacağı bir vazgeçme fiyatı (walkaway price) belirler
  • Bu aşama, derin kullanıcıya özgü veriler ile geniş piyasa verilerinin birleşimini gerektirir — hem katılım hem yakınlık gerekir

• Aşama 4 — Otonom karar alma (Autonomous Decision-Making)

  • Ajan, minimum insan gözetimiyle veya hiç gözetim olmadan kullanıcı adına hareket eder; işlem "dark" hâle gelir — kullanıcı süreci değil sadece sonucu görür
  • Henüz bu aşamada faaliyet gösteren şirket yok, ancak nihai biçim görünür durumda: aracı tarafındaki AI yük talebini alır, taşıyıcı tarafındaki AI'a sorar, fiyat ve zamanlama pazarlığı yapar, yükü rezerve eder, teslim almayı doğrular ve özet gönderir
  • Katılım × yakınlık matrisinde yalnızca sağ üstteki şirketler dört aşamanın tamamında gerçekçi şekilde ilerleyebilir

Tüketicilerin öncülük etmemesinin nedeni

• Tüketici ajan ticaretinin mevcut durumu

  • OpenAI, ChatGPT’ye checkout özelliğini entegre etti; Amazon’un Rufus’u ise 2025’te 250 milyon alışverişçiye hizmet veriyor (bunun ne kadarının merak odaklı etkileşim olduğu ise soru işareti)
  • Morgan Stanley, 2030’a kadar çevrimiçi alışverişçilerin yarısının yapay zeka ajanı kullanacağını öngörüyor
  • PYMNTS araştırmasına göre tüketicilerin %41’i ürün keşfi için halihazırda AI kullanmış olsa da, ajanlar üzerinden satın alma işlemini tamamlayan tüketici neredeyse yok — şimdilik seviye "son derece akıllı bir arama çubuğu" düzeyinde

• B2C satın almanın yargı soyutlamasına direnmesinin nedenleri

  • Pek çok tüketici için satın alma yolculuğu (keşif, gezinme, seçim), ortadan kaldırılacak bir sürtünme değil, ürünün kendisi
  • Tüketicilerin %70’i kişiselleştirilmiş mağaza hizmeti istiyor ve Gen Z’nin %73’ü — en dijital yerli nesil — fiziksel mağazaları baby boomer kuşağından daha sık, haftada en az bir kez ziyaret ediyor
  • DTC abonelik modeli diş macunu, jilet, evcil hayvan maması gibi dar ve öngörülebilir yeniden satın alımları otomatikleştirdi, ancak tavanı düşük
    • ABD’deki Amazon müşterilerinin yalnızca %23’ü Subscribe & Save’i aktif olarak kullanıyor — 10 yılı aşkın yatırıma rağmen
    • Abonelik kutularında aylık %10~20 churn oranı normal kabul ediliyor
  • Amazon’un Alexa sesli ticareti, "sorun arayan bir çözüm" olarak 7 ila 8 haneli zararlar üretmeyi sürdürdü
  • Anthropic’in Project Vend projesinde — bir Claude instance’ının otomat işlettiği deneyde — "Claudius" yaklaşık bir ay içinde iflas etti; sahte tedarikçiler halüsinasyon gördü, "metal küp" için kontrolden çıkmış bir talep hayal etti ve hatta kendi kimliğini bile ("mavi blazer ve kırmızı kravat") halüsinasyonladı
    • Yapay zeka otomasyonlu ticarette yapılmaması gerekenler için kusursuz bir örnek: yargı soyutlamasını görmezden gelmek, sistemi kademeli öğrenmenin gerçek kaynaklarından izole etmek, deterministik guardrail’ler uygulamamak ve tercih odaklı tüketici satın alımına yoğunlaşmak

• Dark marketplace’in önce B2B’de ortaya çıkmasının yapısal nedenleri

  • Moda ya da sanat alıcılığı gibi az sayıdaki rol dışında, B2B tedarik tekrarlı, politika tabanlı ve marj odaklı
  • B2B alıcıları tedarik bütçeleri, onaylı tedarikçi listeleri, compliance kısıtları ve yerleşik yeniden sipariş döngüleri içinde çalıştığı için, tüketicinin spor ayakkabı seçimine kıyasla çok daha soyutlanabilir — tespit edilecek daha fazla örüntü, kodlanacak daha fazla kural ve öğrenilecek daha fazla operasyonel veri var
  • B2B alıcıları zaten ERP entegrasyonları, POS feed’leri, inventory API’leri vb. üzerinden platformlarla operasyonel veri paylaşıyor; yani veri paylaşımı ve entegrasyon çalışması zaten temel seviyede mevcut
  • Ajan, alıcının operasyonel heuristics’lerini (ikame toleransı, zamanlama örüntüleri, tedarikçi tercihleri, risk iştahı) emdiğinde ilişkinin kendisi hendek haline geliyor; ajanı kaldırmak kurumsal hafızayı silerken, her etkileşimde geçiş maliyeti otomatik olarak derinleşiyor
  • En fazla yargı verisini yakalayan sistem, system of action haline gelir ve deneyim değil gelir motivasyonuna dayandığında bu, tam otomasyona doğru teşvik hizalaması yaratır

Dark marketplace’in marketplace’in temel ilkelerini dönüştürme biçimi

• Marketplace başarısına dair klasik çerçeve (NEA, Jonathan Golden’ın Airbnb çalışmasına dayanır), talep tarafındaki üç büyük etkinleştiriciye — Discovery, Convenience, Trust — ve arz tarafındaki benzer etkenlere — Utilization, Revenue, Convenience — odaklanır

• Keşif (Discovery), ortadan kaldırmaya (Elimination) dönüşür

  • Geleneksel marketplace’te keşif temel değer önerisidir — dağınık arzı bir araya getirir ve alıcının en iyi karşı tarafı bulma yeteneğini optimize eder
  • Dark marketplace’te alıcı arzı keşfetmez — ajan alıcının ihtiyacını anlar, arar, değerlendirir ve öneriyi sunar ya da işlemi tamamlar; keşif sürtünmesi sıfıra yakınsar

• Kolaylık (Convenience), görünmezliğe (Invisibility) dönüşür

  • Geleneksel olarak kolaylık, platforma giriş ve işlem yapmayı çok daha kolay hale getiren bir "utility sıçramasıdır"
  • Dark marketplace’te sıçrama "daha kolay"dan "görünmez"e kayar — işlemler arka planda gerçekleşir ve alıcının ilk refleksi tarayıcıyı değil, ajanın bildirimini kontrol etmek olur

• Güven (Trust), algısaldan (Perceptual) ampiriğe (Empirical) dönüşür

  • Geleneksel marketplace’te güven, insan yargısını rahatlatmak için yorumlar, marka itibarı, fulfillment güvenilirliği, iade politikaları gibi sinyallerle inşa edilir
  • Dark marketplace’te güven, ajanın track record’una bağlanır — maliyeti düşürdü mü? Stok yetersizliğini önledi mi? İstisnaları zarif biçimde ele aldı mı? Doğru ikameyi seçti mi?
  • Güven ölçülebilir ve süreklidir; satın alma anındaki tek seferlik bir değerlendirme değildir

• Yeni başarısızlık modu: yargı kayması (Judgment Drift)

  • Ajan birkaç kez yanlış ikame, aşırı stok, zamanlama hatası gibi yanlış kararlar verdiğinde kullanıcı ajanı görmezden gelir, güvenini kaybeder ve manuel katılıma geri döner
  • Değişen koşullar, evrilen tercihler ve edge case’lerde yargı doğruluğunu korumak yeni retention metriğidir
  • Etkileşim ekseninin önemli olmasının nedeni şu: sistem ne kadar sürekli gözlem yaparsa o kadar hızlı düzelir ve yargı kayması olasılığı azalır

• Dikey entegrasyonun avantajı: GrubMarket örneği

  • GrubMarket: yaklaşık 680 milyon dolar fon, 3,5 milyar dolar değerleme, 12 yıllık operasyon
  • Hem marketplace hem de aynı anda tedarikçi — 50 eyalette depo ve dağıtım işletirken üçüncü taraf distribütörlere AI tabanlı ERP’si WholesaleWare’i satıyor
  • Envanter, raporlama ve izleme için amaca özel AI ajanları piyasaya sürdü
  • Arz, talep ve intelligence katmanının tamamını kontrol ederek ajanların her işlemin iki tarafında da eğitilmesini sağlıyor
  • Nihai form: toptancı ajanlarının yetiştirici ajanlarıyla otomatik pazarlık yapması ve GrubMarket’in spread’i yakalaması

Otonom ticaretin darkhorse şirketleri

• Fonlanan dikey AI şirketlerinden bazıları çeşitli açılardan dark marketplace eşiğine yaklaşıyor, ancak gerçek AI otomasyonlu, insansız ticaretin nihai durumuna ulaşan şirket henüz yok
• Geleneksel marketplace’lerde olduğu gibi büyük şirketler, dikey odaklı oyuncular ve hatta niş oyuncuların bir arada var olması bekleniyor
• AI-native olup olmamak, dark marketplace’e yaklaşım hızında kritik, ancak en iyi saldırı açısı hâlâ gözlem altında

• Yük komisyonculuğu örneği: derinlik öncelikli vs genişlik öncelikli

  • Augment (110 milyon dolar, Redpoint liderliğinde): iş akışının bir tarafına derin gömülme — 35 milyar dolarlık yük hacminde uçtan uca order-to-cash otomasyonu
  • FleetWorks (17,5 milyon dolar, First Round liderliğinde): ilk günden iki taraflı — AI dispatcher hem taşıyıcılara hem komisyonculara hizmet veriyor; 10 binden fazla taşıyıcı ve Uber Freight şimdiden platformda
  • Açık soru: tek taraf ICP’ye odaklanan derinlik öncelikli yaklaşım mı, yoksa iki taraf da zaten varken ajanlar arası takasa ilerleyen genişlik öncelikli yaklaşım mı Stage 4’e daha hızlı ulaşır?

Karanlık marketplace kuran kurucular için temel ilkeler

• 1. Hem katılımı hem yakınlığı en üst düzeye çıkaran bir wedge ile başlayın

  • Yalnızca birini seçmeniz gerekiyorsa katılım tarafına ağırlık verin — ambient veri yakalamayı sonradan eklemek, ürünü işlem tarafına genişletmekten çok daha zordur
  • Voice AI, konuşma yakalama, workflow içine gömülü araçlar, dashboard veya analitikten daha iyi bir wedge'dir — karar soyutlaması için gerekli davranış verisini üretir

• 2. Toplu tercihleri değil, kullanıcı bazında karar yakalamayı tasarlayın

  • Karanlık marketplace'in avantajı, her kullanıcının ajanının o kullanıcının belirli davranışları, bağlamı ve edge case'leriyle eğitilmiş olması ve bu yüzden birbirinden farklı olmasıdır
  • Yapılandırılmış bellek, kullanıcıya özel bağlam erişimi, feedback loop'ları en baştan kurun — bunlar sonradan eklenecek özellikler değil, mimarinin kendisidir
  • Kullanıcı bazında fine-tuning'in zorlukları (gecikme, maliyet, context window boyutuna bağlı olumsuz artifact'ler) gerçektir, ancak bellek katmanları, RAG, parametre verimli adaptörler gibi yaklaşımlar tam da buna uygun araç setidir

• 3. Tekrarlayan satın alımın ve dağınık arzın olduğu B2B dikey pazarlara yönelin

  • Gıda dağıtımı, yük taşımacılığı, inşaat malzemeleri, diş hekimliği sarf malzemeleri, uzmanlık ilaçları, otomotiv parçaları gibi; alıcıların haftada onlarca karar verdiği ve arzın aracılığı haklı çıkaracak kadar heterojen olduğu dikey pazarlar
  • Karar soyutlamasının ROI'sinin en yüksek olduğu pazarlar: hızlı öğrenmek için yeterli karar hacmi, anlamlı değer üretmek için arz karmaşıklığı ve geçiş maliyetini bileşik hale getirecek kadar tekrarlayan davranış
  • Son 10 yıldaki B2B marketplace dersleri: o dikey pazarda broker'ların ve distribütörlerin neden var olduğunu anlamıyorsanız, onların hizmet rolünü veya kaldıraç noktalarını yanlış anlıyor olma ihtimaliniz yüksektir

• 4. Stage 1'den Stage 4'e uzanan yolculuğu planlayın

  • İlk günden otonom ajanlar inşa etmeyin — güveni kazanmadan önce kaybedersiniz
  • Önce açıkça belirtilmiş tercihleri yakalayın, davranışları çıkarım yapma hakkını kazanın ve bağlamsal kararları işleyebildiğinizi kanıtlayın; ancak bundan sonra otonom çalışın
  • Her aşama, kullanıcı tabanıyla güven inşa etme çalışmasıdır; aşamaları atlarsanız karar drift'i, manuel override ve kullanıcı kaybı ortaya çıkar

• 5. Hendek UI değil, bellektir

  • Karanlık marketplace'te arayüz değiştirilebilir, ancak bu alıcının nasıl karar verdiğine dair birikmiş bilgi — ikame toleransı, zamanlama tercihleri, risk eğilimi, tedarikçi ilişkileri — geçiş maliyetini oluşturur
  • Bu belleğe altyapı gibi yatırım yapmanız gerekir ve rakipleriniz de aynı stratejiyi izleyecektir

Görünmez el, yeniden ziyaret

• Project Deal'daki en etkileyici ayrıntı işlem sayısı ya da tutarı değil, zayıf modelde olan şeydi — daha az yetkin bir AI tarafından temsil edilen katılımcılar daha kötü sonuçlar aldı, ancak süreci değil yalnızca sonucu gördükleri için bunu hiç fark etmediler
• Karanlık marketplace'in temel gerilimi budur: işlemler karanlık hale geldikçe ajan yargısının kalitesi her şey olur; iyi ajanlar maliyeti düşürür, stok yetersizliğini önler ve istisnaları zarif biçimde ele alır, ama vasat ajanlar zaman içinde bileşik şekilde biriken sessiz hatalar yapar ve kullanıcılar farkı ancak zarar ortaya çıktığında anlar
• Karar soyutlamasının aynı anda hem hendek, hem ürün, hem de risk olmasının nedeni budur
• Adam Smith'in "görünmez el" metaforu, piyasanın evrensel verimliliğini değil, piyasa katılımcılarının bencil seçimlerinin topluca topluma fayda sağlayabileceğini açıklar — piyasanın "eli"nin görünmez olmasının nedeni, onun milyarlarca alıcı ve satıcının zihninin içine gömülü seçimlerle tanımlanmasıdır
• Alıcının kararı, kafa ve sezgiden çıkıp kalıcı, otonom ve insanların yönetemeyeceği ölçekte çalışan yapay zekaya soyutlandığında, marketplace ortadan kalkmaz; karanlıklaşır