Bugün aynı soruya farklı bir cevabım var. Sözleşmelerim, ortaklarım. Elbette müşterilerim.

Bunu bir yazılım şirketi ortağı ve onlarca yıllık tecrübeli bir yazılım geliştirici olarak söylemek kolay değil. Ama şu anki duruma dürüst bakınca başka bir sonuç çıkmıyor.

Surların yüksekliği

Uzun yıllar boyunca kod, bir yazılım şirketinin hem ürünü hem de kalesiydi. Kalesiydi, çünkü yazması yıllar sürüyordu. Bu süre yalnızca yazılım şirketi için değil, rakibi için de geçerliydi.

2000 yılında Joel Spolsky, sektörün yirmi beş yıl boyunca örnek alıp hakkında konuştuğu bir yazı yayımladı. Konusu Netscape’ti. Netscape tarayıcısını sıfırdan yeniden yazmaya karar vermiş, bunu yaparkende iki sürüm arasında neredeyse üç yıl kaybetmişti. Spolsky’nin bu durumu şöyle özetliyordu: “kodu yeniden yazmak, rakibe yıllar hediye etmektir”. Netscape’in çöküşünün tek sebebi bu değildi elbette, ama kodu tekrar bedeli herkesin gözü önündeydi.

Madalyonun öbür yüzü daha da öğretici. 1995’te Microsoft tarayıcı pazarına girmeye karar verdiğinde dünyanın en güçlü yazılım şirketiydi. Ama tarayıcı pazarının tartışmasız lideri Netscape idi. Kritik bir kararla tarayıcıyı sıfırdan yazmadı. Spyglass adlı şirketten hazır bir tarayıcının lisansını 2 milyon dolara aldı ve Internet Explorer’ın ilk sürümünü onun üzerine kurdu. Bekleyemezdi. Rakibin yıllarını yazmak yerine satın almak zorundaydı.

O yıllarda proje büyüdükçe surlar yükseliyordu. Her yeni özellik, çözülen her sorun, eklenen her entegrasyon, rakibin kapatması gereken mesafeye ekleniyordu.

Kodun büyüklüğü, bir nevi rakibin önündeki surların yüksekliğiydi.

Değişim

2026’nın başlarındaki şu haberler gerçekten vurucu oldu.

Cursor, yüzlerce agent’ı yaklaşık bir hafta çalıştırıp sıfırdan bir tarayıcı yazdırdı. Kendi ifadeleriyle “bir nevi” çalışıyordu. Anthropic’te 16 agent, iki haftada ve yaklaşık 20 bin dolarlık maliyetle gerçek bir C derleyicisi yazdı. Cloudflare’de tek bir mühendis, bir haftada ve yaklaşık 1.100 dolarlık token harcayarak Next.js’in yerine geçebilecek bir framework oluşturdu.

Elbette hiçbiri kusursuz değil. Yani tam bir ürün diyemeyiz. Zaten üçü de sahipleri tarafından deneysel olarak tanımlanıyor. Ama mesele bugünkü kaliteleri değil, yönleri. Yıllarla ölçülen işler artık haftalarla ölçülüyor.

Bir ayrıntı daha var ve bence en rahatsız edici olanı bu. Bu projeler, hedef aldıkları ürünlerin olgunluğu sayesinde başarılı oldu. Anthropic yazdığı derleyicinin doğruluğunu GCC ile karşılaştırarak sınadı. Cloudflare, Next.js’in herkese açık testlerini kendi projesinde kullandı.

Yani bir ürünü değerli kılan şeyler -yılların testleri, dokümantasyonu ve iyi tanımlanmış davranışı- artık onu kopyalamanın kılavuzu. Surları yükselten birikim, karşı tarafa kapı oluyor.

Sur yine orada. Sadece artık kimseyi durdurmuyor.

Değerin yeni adresi

Peki değer nereye gitti?

Testlerde yazmayan yere. Bir restoranın sistemini her sabah açmaya devam etme kararına. Bir ödeme kuruluşuyla aylarca süren tartışmaya. Bir platformun seni entegrasyon için kabul etmesine.

Bunu tek kelime ile özetlersem: ortaklık. Ciddi ve büyük bir şirket adını seninkinin yanına koyduğunda, herkese seni ve ürününü gerçekten incelediğini ilan eder. Her şeyin profesyonel (gibi) göründüğü bir dönemde bu, hiçbir landing page’in veremeyeceği büyük bir sinyal.

Bir ortaklık hafta sonunda kopyalanmaz. Bir sözleşme agentlar tarafından yazılmaz. Güven token’la satın alınmaz.

İtiraz

Evet haklısınız sözleşme üründen doğar. Müşteri seninle çalışıyor çünkü ürünün işini görüyor. Daha ucuz ve yeterince iyi bir kopyası çıktığında, sözleşme yenileme gününde iptal olur. Kod eriyorsa sözleşme de erir, sadece daha yavaş.

Bu itiraz haklı ve beni de rahatsız ediyor. Ama bir şeyi değiştirmiyor: kod artık rakibi dışarıda tutmuyor. Onsuz oyuna giremezsin, ama seni oyunda tutan da o değil.

Kod artık sur değil. Giriş bileti.

Masa

“Masa” yazımda geliştiricilere masadan kalkmalarını söylemiştim. Darboğaz kod yazmaktan çıkıp satmaya, insanlarla konuşmaya kaymıştı.

Aslında aynı şey şirketler için de geçerli. Bireyin değeri nasıl ortadan kalkmışsa şirketin değeri de aynı şekilde eridi.

O yüzden elinizdeki varlıklara bir kez daha bakın ve şu soruyu sorun:

Rakibim (ya da müstakbel rakibim) bu hafta sonu oturup ürünümü kopyalasa, müşterilerim neden yine beni seçer?

Bu soruya cevap veremiyorsanız, endişelenmeniz gereken şey kodunuz değil.

Önce asansör geldi. Sonra otomobiller, yürüyen merdivenler… En sonunda kapımıza kadar gelen market siparişleri. Her biri küçük bir kolaylık gibi gözüktü. Ve hiç birine biz karar vermedik. Sonuçta bugün otomobile atlayıp spor salonuna gidiyoruz. Koşu bandında yürümek için de üstüne para veriyoruz.

Yürümek zor olduğu için hobiye dönüşmedi. Gerekli olmaktan çıktığı için dönüştü.

Tarihteki bu örnekleri çoğaltabilirim. Hayvancılık başlayınca avcılık geçim kaynağı olmaktan çıktı. Matbaadan sonra hat sanatı, sanayileşmeden sonra ahşap işçiliği, motorlu taşıtlardan sonra binicilik aynı yolu izledi. Aslında hiçbiri ölmedi, hala yaşıyorlar. Ama artık kimse karnını doyurmak için ava çıkmıyor.

Bu listeyi ben yapmadım. Diomidis Spinellis’den ödünç aldım.

Mezar kazmak

Spinellis, bilgisayar mühendisliği profesörü ve IEEE Software’in eski genel yayın yönetmeni. 8 Ekim’de yayımladığı “Thinking will become a hobby” yazısına, bu satırları yazmanın kendi mezarını kazmak gibi hissettirdiğini söyleyerek başlıyor.

Yazısındaki tez şu: bugünkü bilişsel işin büyük kısmını yapay zeka devralacak. Üç nedenle bunu savunuyor. Daha iyi performans, daha düşük maliyet ve kesintisiz erişilebilirlik. Bir miktar direniş olacağını da öngörüyor. Bilişsel işlerde çalışanlar, el emeğiyle çalışanlardan daha fazla ekonomik ve örgütsel güce sahip. Hükümetler düzenleme ve vergiyle yapay zekayı frenlemeye çalışacak. Ona göre bu tür engellemeler geçmişte işe yaramadı, şimdi de yaramayacak.

Sonra yukarıdaki listeyi yazıyor ve tezini tek cümle ile özetliyor. Makineler fiziksel faaliyetin büyük kısmını zorunluluktan seçime çevirdi, yapay zekâ da insan düşüncesini ekonomik amacından ayıracak.

Teşhise büyük ölçüde katılıyorum. Ama reçeteye katılmıyorum.

Esnek ol, uyum sağla

Spinellis yazısını şöyle bitiriyor: bu geçiş zorlu ve stresli olacak, bu yüzden yapay zekânın ilerlemesine ayak uydurmalı, esnek, uyumlu ve dayanıklı olmalı, işin ötesinde anlamlı bir hayat kurmalıyız.

Bence bu bir reçete değil, bir teselli. Tam anlamı ile kişisel gelişim kitaplarından fırlamış cümleler gibi geldi bana.

Yapısal bir dönüşüme bireysel bir karakter tavsiyesiyle cevap veriyor. Esnek olmak, bir şeyi kaybettiğini fark etmeni sağlamaz. Dayanıklı olmak, kaybın kimin aleyhine işleyeceğini değiştirmez. Daha önemlisi, yazının içinde gözden kaçan bir döngü var. Spinellis yapay zekânın üstünlüğünü anlatırken OECD verilerine dayanıyor. Yetişkinlerde temel bilgi işleme becerileri zaten düşük, öğrencilerde ise düşüş trendinde. İnsandaki bu gerilemeyi yapay zekânın kazanmasının nedenlerinden biri olarak okuyor. Peki bu gerileme kısmen devretmenin sonucuysa?

Daha az düşünürüz, düşünmede körleşiriz. Yapay zekâ gözümüze daha iyi görünür, bu yüzden daha fazlasını devrederiz. Kaçınılmazlık dediğimiz şey insanın kendi eliyle, kendi kendini gerçekleştiren bir kehanete dönüşür.

Kas

Bir beceriyi makineye devretmenin bizde ne izler bıraktığını tarih boyunca gördük.

Mesela, McGill Üniversitesi’nden araştırmacılar, 2020’de 50 sürücünün GPS alışkanlıklarını ve mekansal hafızalarını ölçtü. Hayatları boyunca daha çok GPS kullananlar, GPS olmadan yön bulmada daha kötüydü. Üstelik GPS’i daha çok tercih edenler bunu yön duyguları zayıf olduğu için yapmıyordu.

GPS bir beceriyi devraldı: yön bulmayı. Şimdi yapay zekâ başka bir şeyi devralıyor.

Microsoft Research ile Carnegie Mellon’un 2025’te yayımladığı çalışma, yapay zekâyı işinde düzenli kullanan 319 bilgi çalışanına düşünme alışkanlıklarını sordu. Yapay zekâya güven arttıkça eleştirel düşünme çabası azalıyor. Aslında düşünme tam olarak ortadan kalkmıyor ama biçim değiştiriyor. Üretmekten denetlemeye, yazmaktan onaylamaya evriliyor. Şuna dikkatinizi çekerim, rutin işler devredildiğinde düşünmeyi pratik yaparak koruma fırsatımız da kaybolmaya başlıyor.

Belki de en rahatsız edici yanını konuşmamız lazım. Kendi düşünme çabamızı anlatırken bile azaldığını kabul ediyoruz.

Devir

Bu görüşüme karşı düşünceler de olacaktır. Sanırım şöyle bir itiraz gelecektir. Sokrates da yazının hafızayı zayıflatacağından korkuyordu. Hesap makinesinin matematiği, GPS’in yön duygusunu bitireceği söylendi. Bunlar kısmen doğru çıktı ama medeniyet de çökmedi. Belki bu da öyle olur.

Ama bugüne kadar araçlar bir becerinin yerine geçti. Yazı hatırlamayı, hesap makinesi dört işlemi, GPS yön bulmayı. Lakin hesap makinesi hangi işlemi yapacağınızı seçmiyor.

Yapay zekâ ise tam da bunu yapıyor. Mesela bir makaleyi özetlerken hangi kısmın önemli olduğuna o karar veriyor. Eposta yazarken içeriğe yine o karar veriyor. Hatta bir tartışmada kimin haklı olduğunu yapay zekâya soruyoruz. Daha da ilginci onun verdiği cevabı aynen kabulleniyoruz. Kısaca devredilen şey artık bir beceri değil. Kararı ona devrediyoruz.

İşimizi savunacağız, sonra?

Spinellis’in direniş öngörüsü doğru olabilir. Bilgisayar başında bilişsel işeri yapanlar işlerini korumak için sert bir mücadele verecek. Asıl paradoks burada başlıyor.

İşimiz için direneceğiz, tamam. Öbür tarafta düşünmeyi ise kendi elimizle, gönüllü ve sessizce bırakacağız. Kimse bir sabah düşünmeyi bırakmaya karar vermeyecek. Sadece okumadan özet isteyecek, yazmadan onaylayacak, karar vermeden soracak.

Direniş bir tehdide karşı örgütlenir. Kolaylığa karşı kimse örgütlenmez.

Seçmeli olan seçkinleşir

Spinellis’in listesine bir kez daha bakalım. Avcılık, hat sanatı, el yapımı mobilya, binicilik. Bugün hepsi pahalı şeyler. Zorunluluktan çıkan şeyler ortadan kalkmadı, seçkinleşti ve belirli bir zümreye ait oldu.

Düşünmek seçmeli bir derse dönüşürse, o dersi kim alacak? Vakti, merakı ve parası olan. Okul, düşünmeyi zorunlu tutan son yerlerden biriydi. Öğrenciler ise devretmekte en hızlı olanlar. Önceki örneklerde insanlar sahip oldukları bir beceriyi kaybediyordu. Burada beceri hiç oluşmayabilir. Mesela hiç yürümemiş biri için koşu bandının anlamı olmayacaktır.

Düşünmeyi seçenler, seçmeyenler adına karar verecek. Kısaca düşünmeyen bir toplum kendini yönetmez, yönetilir.

Zorunlu tutmak

Spinellis’in son cümlesi çok romantik. “Düşünerek geçimini sağlamaktan, düşünmeyi yaşanmaya değer bir hayatın parçası yapmaya geçmek.” Ama bu bir profesörün kişisel hedefi. Bir toplumun stratejisi olarak kurgulanması çok riskli.

Global ekonomik düzen düşünmeyi zorunlu tutmayı bıraktı. Onu zorunlu tutabilecek tek yer kurumlar: okullar, şirketler ve şirketleri yönetenler.

Bunun nasıl olabileceğine dair ipuçları yok değil Mesela 54 katılımcılı bir çalışmada, önce kendi başına yazıp sonra ChatGPT kullanan grubun beyin aktivitesi düşmedi. Tam tersi daha da arttı. Araç aynı ama sıra farklı. Tamam bu büyük bir araştırma değil ama bence bize anlamlı bazı ipuçları veriyor. Benim çıkarttığım sonuca göre önce düşün, sonra kullan.

Bu disiplini tamamen bireylerden beklersek boşa bekleriz. Kuruluşların da talep ettiği bir şey olmalı. Hadi itiraf edelim. Ekiplerimizin sadece çıktılarını ölçüyoruz. Ama kararlarına odaklanmıyoruz onları ölçmeye çalışmıyoruz. Düşünmenin gücü, yalnızca sonuca odaklanan ölçümlerde görünmez. Ölçülmeyen şey de korunmaz.

Somut olarak şöyle anlatayım. Performans değerlendirmesinde “bunu neden böyle yaptın” sorusunu merkeze koymak gerekiyor. Toplantıya yapay zekâ özetiyle değil, kendi okumanla gelmeyi beklemek. Okullarda yapay zekâsız düşünmeyi müfredat kararı olarak korumak.

Koşu bandı

Makineler bizi yürümekten kurtardığında, yürümeyi korumak için kimse uğraşmadı. Sonucunu biliyoruz.

Spinellis haklı olabilir: düşünmek bir hobiye dönüşüyor. Ama bir hobinin kaderi, ona kimin vakit ayırabildiğine de bağlı.

Yürümeyi bırakıp üstüne koşu bandına vakit ayıramayanların bacakları zayıfladı. Ama en azından bunu hissettiler. Düşünmeye vakit ayıramayanlar bunu fark etmeyecek bile. Çünkü fark etmek de düşünmenin bir parçası.

Bu sefer kaybedilen kas, hangi kasın önemli olduğuna karar veren kas.

21 Ekim’de Japonya Başbakanı Sanae Takaichi X’te tam olarak bunu yaptı. Tüm Japonya’ya seslendi ve o gece için acil bir ricada bulundu. Web sitesi olan herkesten PHP kullanıp kullanmadığını kontrol etmesini, ve o gece 23.00’te yayımlanacak yamayı mümkün olan en kısa sürede uygulamaya hazır olmasını istedi. Japonya’da bazı bakanlıkların siteleri de kısmen kapatıldı. Birkaç gün sonra da Japonya’nın Ekonomi Bakanı, başka açıkları bulmak için kontrollü saldırılar yapacak bir uzman ekip kurulacağını duyurdu.

Bir programlama dilindeki hata, genelde biz yazılımcıların derdi iken bir başbakanın gece mesaisine dönüştü.

Takaichi’yi bu çağrıya iten şey, PHP’de ortaya çıkan iki kritik güvenlik açığıydı. Aslında sunuculara uzaktan müdahaleye imkan tanıyabilen bu açıklar yıllardır PHP kodunun içindeydi. Açıkları bulan araştırmacılar yapay zekâ modellerinden yararlandı. Ve bulduktan sonra PHP’yi geliştiren vakıf ile birlikte çalışarak açığın yamasını hazırlamaya çalışıyorlardı. Ama nereden belli olmayan bir sızıntı ile bu bilgi internet ortamına düştü. FBI ve NSA’ nın uyarılarını gördük. Hollanda’dan Fransa’ya birçok ülkede kamu siteleri geçici olarak kapatıldı. Türkiye’de de Siber Güvenlik Başkanlığı ilgili kurumları “acil” kodu ile uyardı.

Aynı hafta bir haber de Türkiye’den geldi. Bir güvenlik araştırmacısı, Türkiye’ye ait yaklaşık 17 milyon IP adresini 18 saat boyunca taradığını öne sürdü. İnternete açık VNC ekranları arasında ASKİ’ye ait su pompalarının kontrol ekranlarını bulduğunu söyledi. ASKİ henüz açıklama yapmadı. Elbette bir kontrol ekranını görmek, sistemi yönetebilmek anlamına gelmiyor. İddia doğrulanmadan büyütmemek gerekiyor.

Ama iddianın doğru ya da abartılı olması asıl meseleyi değiştirmiyor.

Yanlış kelime

Bu konuları konuşurken herkes aynı kalıbı kullanıyor: yapay zekâ -x- işini demokratikleştiriyor. Bu konuda da siber güvenliğin demokratikleşmesi olarak ele alınıyor. Eskiden çok fazla deneyim isteyen işi artık bir yapay zekâ modeli yapabiliyor. Daha çok insan daha çok açık buluyor.

Aslında bu “demokratikleştiriyor” kalıbı doğru. Ama varılan sonuç yanlış.

Demokrasi, gücün eşit dağılması ve bu gücün hesap vermesi demek. Burada olan bu değil. Buradaki bir kabiliyetin fiyatının düşmesi. Fiyatı düşen şey de denklemin yalnızca bir tarafı. Açık bulmak artık derin teknik bilgi gerektirmiyor. ASKİ örneği bunu en çıplak haliyle gösteriyor. Orada yapay zekâya bile gerek yoktu. İnterneti taramak için kullanılan araçlar yıllardır ücretsiz. Değişen tek şey, birinin oturup bakmaya karar vermesiydi.

PHP örneği ise ölçeğin ne kadar büyüyebileceğini gösteriyor. Bulunan açıklarından biri 2024 de farkedilmiş. Ama nasıl kullanılabileceği o dönemde bulunamamış. Yapay zekâ, aynı kodu insanların tek başına deneyemeyeceği kadar çok sayıda saldırı senaryosuyla deneyince iş değişti. Bilinen ama zararsız sanılan bir hata, kullanılabilir bir silaha dönüştü.

Buna karşılık açığı kapatmak bu kadar ucuz değil. Yama için kod yazılıyor, evet. Ama o yamanın her sunucuya ulaştırılması inanılmaz büyük bir iş. Ayrıca PHP’nin 8.1 ve öncesi sürümleri artık resmi güncelleme almıyor. Bu sürümlerle çalışan sistemlerin sayısını kimse bilmiyor. Az olmadığını herkes tahmin edebiliyor. Ayrıca şunu da eklemek lazım, PHP tamamen gönüllülerin çabası ile ilerleyen açık kaynak kodlu bir proje.

Açığı bulmak ucuzladı, ama kapatmak ucuzlamadı.

Çelişki

Şunu netleştirmek gerekiyor. PHP’deki bu açıkları saldırganlar değil, savunma tarafı buldu. Sürece dahil olanların paylaşımlarına göre modeller açıkları saldırganlardan önce tespit etti. Bu da savunanlara bir fırsat sundu. Üstelik bu araçlar ile güvenlik meselesi birkaç büyük şirketin tekelinden çıkıyor. Bu da bir tür demokratikleşme sayılabilir.

Bu itiraz doğru. Ama eksik.

Birincisi, bu kez savunma önde olsa da bunun garantisi yok. Aynı modeller herkesin elinde. PHP Vakfı, yapay zekânın bu tür açıkları bulmayı kolaylaştıracağı uyarısını kendisi yaptı. OpenAI da yapay zekâyla bulunan açıkların önümüzdeki aylarda artacağını söylüyor. Bir sonraki açığı ilk kimin bulacağı belli değil. Bu bildiğiniz kumar.

İkincisi, koordineli süreç bile bu kez tutmadı. Açık, yamalar yaygınlaşmadan basına sızdı. Kamu sitelerinin kapatılması bir başarı olarak göremeyiz. Çözüm gecikeceği için zorunluluktan kapatıldılar.

Üçüncüsü ve en önemlisi, açığı bulan taraf güçlenirken, açığı kapatması gereken taraf aynı oranda güçlenmedi. Bir belediyenin BT birimi, küçük esnafın sitesini yapan ajans, yıllardır güncellenmeyen bir otel rezervasyon sistemi. Listeyi uzatabilirsiniz. Ama sonuçta bunların hiçbiri bu hafta daha güçlü değil. Hatta saldırganların gözünde daha görünür hale geldiler.

Ne zaman?

Bu açıklar mutlaka kapanacak, hem de yine yapay zekâyla. Aynı modeller kodları taramaya, düzeltmeye, yama yazmaya başladı bile. Bu modeller sayesinde denge yeniden sağlanacak. Gerçekten şüphem yok. Olması gereken bu.

Ama “sonunda düzelecek” cümlesi denge sağlanana kadar geçecek zamanı unutmayalım. O aralığın bedelini, yapay zekâyı kullanmayı bilmeyenler ödeyecek. Maalesef teknolojiye en geç adapte olan, saldırılara en erken maruz kalıyor.

Buna demokrasi demek fazlaca masum duruyor. Daha dürüstçe şöyle ifade edilmeli: saldırı ucuzladı, savunma ucuzlamadı (henüz).

Kapı açıkken

Yukarda yazdığım denge sağlanana kadar beklemek kesinlikle hatalı olur. Peki ne yapacağız derseniz, size üç şey önerebilirim. Bu maddeler aslında yeni de değil. Yeni olan, artık erteleyecek zamanımızın olmaması.

Birincisi, kesinleşmiş bir envanter. Hangi sunucuda hangi PHP sürümünün çalıştığını bilmiyorsanız, uyarıları okuyup ne yapmanız gerektiğini de bilemezsiniz. Bunu yapmamanın bahanesi yok.

İkincisi, dışarıdan kendinize bakmak. ASKİ iddiasındaki araştırmacının yaptığını, yani kendi IP bloklarınızı taramayı siz de yapabilirsiniz. İnternete açık olmaması gereken her yönetim paneli, her uzak masaüstü bağlantısı gibi detaylar bir gün birinin saldırı listesine girecek. Emin olun bu olacak.

Üçüncüsü, desteği biten sürümleri gerçek bir risk olarak görmek. Mesela PHP eski sürümlerini hala kullanıyor olmak teknik borç değil, tam anlamı ile açık bir kapı. Bugün yükseltmeyi yapmazsanız yarın yapacak vakit kalmayabilir.

Dikkatinizi çekti mi ? Bunların hiçbiri için yapay zekâ gerekmiyor. Sadece karar vermeniz yeterli.

Sonuç

Kısaca özetleyecek olursam, yapay zekâ, yıllardır kapalı sandığımız kapıların aslında açık olduğunu gösterdi. Onları kapatacak araçlar yolda.

Demokrasi kelimesini boşverin. Bizi gerçekten çok yanıltıyor. Bugün sadece şunu düşünün: bu kapıların ne kadar açık kalacak ve o sürede içeri kimler girecek?

Bugün geriye baktığımda o odada öğrendiğim en değerli şeyin kod olmadığını düşünüyorum. Müşterinin problemini doğrudan yanında durarak gördüm. Sorunu anlamayı, işi bitirmeyi ve parasını istemeyi öğrendim.

Bu üç ay benim açımdan çok kıymetli bir üç aydı. Tüm yaz tatilim küçük, karanlık bir odada geçse bile.

Darboğaz kaybolmaz, yer değiştirir

İşletme alanında kitapları çok değerli olan Eliyahu Goldratt, 1984’te yazdığı The Goal’da şöyle söyler: Bir sistemin çıktısını en yavaş halkası belirler. O halkayı hızlandırdığınızda darboğaz yok olmaz, bir sonraki halkaya taşınır.

Bu kitabın Türkçe basımı da mevcut. “Amaç” ismiyle 2014 yılında Optimist tarafından yayımlandı.

Yazılımda en yavaş halka uzun yıllar kod yazmaktı. Yapay zekâ bu sorunu çözdü. İnanılmaz ama bir ekibin aylarca uğraştığı iş artık birkaç günde çıkabiliyor.

Darboğaz şimdi bir sonraki halkada: işi bulmak, müşteriyi ikna etmek ve parayı almak. Kısacası satış.

Masada bekleyen iş yok

Gördüğüm kadarıyla genç yazılımcıların yürüdüğü yol aşağı yukarı şöyle: CV hazırla, başvur, bekle. Bu yol kodun değerli olduğu bir dünya için mantıklı duruyordu.

Kod her gün daha da ucuzluyor. Hatta neredeyse bedava. Dolayısıyla sadece kod yazabilen kişinin pazarlık gücü de azaldı. Masada oturup işin gelmesini beklemek eskisinden daha riskli.

Öte yandan fırsat hiç bu kadar büyük olmadı. Tek başına bir genç, yapay zekâ ile dün koca bir ekibin yapabildiği işi yapabiliyor. Eksik olan tek şey o işi kime yapacağını bilmek.

“Ama ben satışçı değilim”

Bu itirazı ciddiye almak lazım. Yazılımcıların çoğu bu mesleği insanlarla değil, bilgisayarlarla muhatap olmak için seçti. Ben dahil. Aslında bu düşüncenin gerekçeleri de oldukça güçlü. Herkes kendi işini yapsın dolayısı ile satışı da satışçı yapsın.

Bir de daha yeni bir argüman var: Yapay zekâ satışı da otomatikleştirecek. Otomatik e-postalar, otomatik sunumlar, agent’ların takip ettiği süreçler.

Bu son argüman aslında tezi öldürmüyor aksine güçlendiriyor. Hepimizin gelen kutusu yapay zekânın yazdığı e-postalarla dolu. Bu durumda otomasyona bağlı olmayan şeylerin değeri arttı. Yüz yüze görüşme, güven ve referans. Otomasyon bolluğu, insan varlığını değerli hale getiriyor.

Satış derken sadece broşür dağıtmayı kastetmiyorum. Satış, karşınızdakinin sorununu dinlemek, sorunu ondan daha iyi tarif eder hale gelmek ve “bunu ben çözerim” diyebilmek. Çünkü insanlar yazılım değil, çözüm arıyor.

Satış kası nasıl gelişir?

Çok basit. Vücudunuzdaki gerçek kaslar gibi. Bol miktarda tekrarla ve biraz da acıyla. Paul Graham’ın 2013’teki tavsiyesi hala geçerli. “Ölçeklenmeyen şeyleri yapın.”

Peki madde madde ne yapmam gerekir derseniz, buyurun size kısa reçete:

- Çevrenizdeki küçük işletmeleri ziyaret edin. Çözülmemiş bir yazılım dertleri mutlaka vardır.

- Sorunu onların mekanında dinleyin. Masadan görünmeyen ayrıntılar orada çok daha net gözükür.

- “Hayır” kelimesini duymaya alışın. Ama unutmayın, her “hayır” bir sonraki teklifte daha iyi olmanızı sağlayacak.

- Bitmemiş iş referans olmaz.

- Yaptıklarınızı herkese anlatın. Hem gerçek hayatta hem de sosyal medyada. Görünürlük, kapı kapı dolaşmanın en ucuz alternatifi.

Yapay zekâyı işten kurtulmak için değil, daha çok iş alabilmek için kullanın.

O oda

O odada iki kişi tek bilgisayarı paylaşıyorduk. İnternet yoktu, yapay zekâ yoktu, doğru düzgün kitap yoktu, hızlı ve havalı MacBook’larımız yoktu. “Yok” ları daha da artırabilirim. Hatta bilgimiz de bugüne göre neredeyse yok seviyesindeydi. Ama müşterinin yanındaydık ve bu her eksiği kapattı.

Bugün herkesin elinde o odadaki iki kişiden çok daha güçlü bir ekip var. Eksik olan tek şey o oda.

Kalkın, çıkın, iş bulun. Kod yazmak hiç bu kadar ucuz olmadı. Ama masadan kalkmak hiç bu kadar değerli olmadı.

Not: O yaz beraber kod yazdığım, hatta kodun çoğunu yazan, uzun süredir görmediğim dostum Ali Kemal Sinop’u da anmak isterim. Yollar ayrıldı ama o yaz unutulmadı dostum.

Zaten neredeyse elli yıldır düğmeye basıyoruz ama ışık bir türlü yanmıyor. Şu ayrıntıya da dikkat çekmek istiyorum. Eylül 2026’da OVP kapsamında “yeni” olarak haberleştirilen 5 milyar dolarlık “HIT-Çip” desteği, 2024’te HIT-30 lansmanında açıklanan rakamın aynısı. Kısaca aynı rakam, iki yıl arayla iki ayrı müjde oldu.

Bu yazıda bunları bir kenara bırakıp belki daha sıkıcı ama daha önemli soruya bakmak istiyorum. Türkiye çip konusunda gerçekte nerede?

Tasarım başka, üretim başka

Başlarken şunu netleştirelim. Çip sektörü otuz yıldır tasarım ve üretimi ayrıştırmış durumda. Bir tarafta çipleri tasarlayanlar var: Apple, Nvidia, AMD, Qualcomm vs. Bu firmaların kendi fabrikaları yok. Diğer tarafta ise “foundry”ler var. Bunlara dökümhane de deniyor. Kısa başkasının tasarımını üretenler. Mesela TSMC.

Bir de bu tasarım ve üretimin teknolojik gelişimi gösteren rakamlar var. “5 nanometre”, “65 nanometre” gibi rakamlar bize üretim teknolojisinin seviyesini anlatır. Rakamlar küçüldükçe çip daha hızlı ve daha verimli olur, ama onu üretecek fabrikanın ilk kuruluş maliyeti katlanarak artar. Dünyadaki çiplerin büyük çoğunluğu bu ileri teknoloji ile üretilmiyor. Bir çamaşır makinesinin, bir kimlik kartının ya da bir otomobil sensörünün içindeki çip 28, 40, hatta 90 nanometre teknoloji ile gayet verimli şekilde üretilebilir. Bu detay önemli çünkü Türkiye’deki çip tartışmasında üç farklı şey sürekli birbirine karışıyor. Çipi Türkiye’de tasarlamak, Türkiye’de üretmek ve en ileri teknolojiyle üretmek. Bunların her biri ayrı bir yetenek ve ayrı bir maliyet demek.

Tasarımda elimizde ne var?

Tasarım tarafındaki hikayemiz çok da kötü değil. Son haftalarda sosyal medyada gördüğümüz “Türk tasarımı çip” Yongatek firmasının “Çelik”i. Bu çipin ilk test örnekleri TSMC’den teslim alındı bile.

Aslına bakarsanız “Çelik” gösterişli bir çip değil. Çamaşır makinesinde motorun kontrolü, sensörlerin okunması, ekran yönetimi gibi işleri yapacak. Ama planlanan üretim hacmi çok ciddi. Sadece Beko’nun yıllık ihtiyacı 30 milyon civarında. Üretim savunma sanayii, robotik ve IoT de eklenirse 50 milyona çıkabilir. Bu prototip değil, gerçekten pazara çıkmaya hazır bir ürün demek.

“Çelik” yalnız da değil. Yongatek’in diğer çipi “Kırmık” ve mikrodenetleyici ürünü olan “Çentik” de var. Savunma sanayii tarafında TÜBİTAK BİLGEM ile ASELSAN’ın geliştirdiği “Çakıl” ve BİLGEM’in projesi “Yonca”yı da atlamamak lazım.

Bu tablonun ortak paydası RISC-V mimarisi. Bu seçim tesadüf değil. ARM mimari lisansları hem pahalı hem de savunma sanayii projelerinde jeopolitik olarak kırılgan olabilir. RISC-V ise açık bir mimari ve kimsenin izni gerekmiyor. Türkiye tasarım tarafında küçük ama gerçekten yaşayan bir ekosistem kurabilirse bu açık mimari sayesinde olacak. “Yazılımda Linux neyse, çipte de RISC-V o demek” çok da yanlış olmaz. Kısaca tasarım konusunda “hiçbir şeyimiz yok” demek haksızlık olur. Elimizde mütevazı ama çalışan, müşterisi olan, ölçeklenebilir tasarımlar var.

Üretimde elimizde ne var?

“Çelik”in TSMC’nin fabrikalarında üretileceğini tekrar hatırlatayım. Bunu bir eleştiri olarak söylemiyorum, sektörün normali bu. Yani Türkiye’nin en görünür çip başarısı bugün Tayvan’da üretiliyor.

Yurt içinde üretim denemeleri ise sanıldığından daha eski. Hepsini tek tek yazmayacağım. Mesela bir TESTAŞ denememiz olmuştu. Taa 1970’lerin ortasında. O dönem TESTAŞ’ın Samsung ile birlikte çalışarak bölgesel bir üretim üssüne dönüşmesi hedefleniyordu. Bürokratik gecikmeler ve ekonomik dalgalanmalar yüzünden olmadı. Şu anda Samsung’un bu konudaki durumunu yazmaya gerek görmüyorum.

Faaliyette olan en ciddi tesis YİTAL. TÜBİTAK BİLGEM bünyesinde, Roketsan, ASELSAN ve SAGE için siparişe bağlı, az sayıda ama güvenlik anlamında kritik çipler üretiyor. Yani savunma için “güvenilir üretim” işlevi görüyor, ama ticari ölçeğe bakarsak bir “foundry” değil.

Bunların dışındaki adımlar hep “kurulacak” kipiyle tanıtıldı. Hepsini tek tek yazmayacağım. Bunlara şimdi detayları belli olmayan MCT Technic yatırımı da eklendi. Özetle Türkiye’de bazı tesisler var. Ama hiçbiri “Çelik” gibi 30 milyon adetlik bir siparişi üretebilecek kapasitede değil.

Üretim konusunda yeterli tecrübemiz olmadığında sanırım hemfikiriz. Peki gerçekçi hedef ne olmalı? Bence “en ileri teknoloji” değil, “hangi çiplerde dışa bağımlılık gerçekten risk” noktasından başlayabiliriz. Kimlik, pasaport, savunma sanayinde kullanılan çipler için yurt içinde üretim mantıklı. Beyaz eşya ve otomotiv çipleri için ise tasarım hakları ve tedarikçi çeşitliliği fabrikanın kendisinden bile kritik. “Çelik”in tasarım hakları Türkiye’de. Eğer TSMC dışında bir fabrikada da üretilebiliyorsa, tedarik riski de büyük ölçüde çözülmüş demektir.

Müşteri kim olacak?

Çip tartışmasında en az konuşulan soru bence bu. Bir fabrika ya da tasarım şirketi, ürününü satın alacak büyük ve düzenli bir müşteri olmadan yaşayamaz. Türkiye’de hep aynı iki sektör olarak büyük müşteri olarak düşünüldü: beyaz eşya ve otomotiv. “Çelik”in iş planı da tam olarak bu: Beko’nun yıllık 30 milyon çip ihtiyacı.

Sorun şu ki bu iki sektör gün geçtikçe kan kaybediyor. Resmi verilere göre beyaz eşyada 2026’nın ilk sekiz ayında ihracat yüzde 18, üretim yüzde 13 düştü. İlk çeyrekte üretim, pandeminin ilk dalgasından bu yana en düşük seviyede. Otomotivde ilk yedi ayda toplam üretim yüzde 8, otomobil üretimi yüzde 19 geriledi. Toplam kapasite kullanımı yüzde 62 civarlarında. Çipin ilk müşterisi olması beklenen sanayiler, çip gelmeden eriyor.

Geriye görünürdeki en büyük ve istekli alıcı kalıyor: savunma sanayii. Fiyata daha az duyarlı, güvenilir tedariği önceliklendiren ve dışa bağımlılığın bedelini en iyi bilen sektör savunma sanayi. Ama hacimleri çok küçük. Binlerce insansız hava aracı ile on milyonlarca çamaşır makinesi aynı ölçekte değil. Savunma sanayi bir fabrikanın varlık sebebi olabilir, ama tek başına ekonomik anlamda itici gücü olamaz.

Bu noktada Baykar’ın son hamlesini tekrar hatırlayalım. Baykar ile T3 Vakfı, T3 Gemstone O1 adında açık kaynak bir geliştirme kartı çıkardı. Uçuş kontrolü ve görüntü işlemeyi tek kartta toplamayı hedefliyor. Seri üretime geçti ve sanırım ilk kartlar Teknofest takımlarına dağıtıldı bile. Kart tasarımı bize ait. Ama beyni Texas Instruments’ın. Yani Türkiye’nin en güçlü savunma şirketi bile bugün yerli bir ürün yapmak istediğinde, katma değerin en yüksek olduğu parçayı Amerika’dan almak zorunda.

Bu bir eleştiri değil, bir fırsat. Eğer Baykar gibi bir şirket, birkaç yıl sonra görev bilgisayarlarında yerli bir çip kullanmayı taahhüt ederse, bu herhangi bir fabrika açıklamasından daha değerli bir “düğme” olur. Buna çapa müşteri veya can suyu diyebiliriz. Çipi tasarlayacak firmaya yol haritası, üretecek fabrikaya sipariş, ihtiyaç anında kredi verecek bankaya da güven verir. Türkiye’nin eksiği belki de fabrika değil, ilk siparişleri verecek “babayiğit” müşteri ya da müşteriler.

Yapay zekânın ironisi

Bu tartışmaya bir de yapay zekâ boyutu eklemem lazım. Artık Yapay zekâ sıfırdan bir RISC-V işlemci çekirdeğini 12 saatte tasarlayabiliyor. Elbette henüz “Çelik” gibi seri üretime gitmiş bir ürün değil. Ama gidişat belli. Yazılımda yaşadığımız “şey” donanımda da oluyor. aynı kod gibi tasarımın maliyeti ve süresi hızla düşüyor.

Bunun Türkiye için iki anlamı var. Tasarım tarafındaki giriş bariyeri düşüyor. Yongatek gibi küçük şirketler, yapay zekâ desteği ile on yıl önce düşünülemeyecek işler yapabilir. Yani tasarım şirketi sayısını artırmak hiç olmadığı kadar kolay ve ucuz.

Ama kötü haberi de vermiş olayım. Tasarım ucuzladıkça darboğaz tamamen üretime kayıyor. Herkes çip tasarlayabildiğinde, onu üreten fabrikaların pazarlık gücü artıyor. Yani yapay zekâ, Türkiye’nin güçlü olduğu alanı ucuzlatırken zayıf olduğu alanı daha değerli hale getiriyor. Fabrika yatırımını savunmak için belki de bundan daha iyi bir argüman yok.

Sonuç

Gelelim sonuca. Türkiye çip tasarlayabilen ama ticari ölçekte üretemeyen bir ülke. Tasarımda küçük ama gerçek müşterisi olan ve büyüme potansiyeli olan bir ekosistemimiz var. Üretimde ise savunma sanayine üretim yapabilen, 250 nm seviyesinde, terzi işi bir kapasitemiz var. Ama 30 milyonluk “Çelik” siparişini karşılayacak bir fabrikamız yok.

Bu utanılacak bir durum değil. Dünyadaki ülkelerin büyük kısmı tam olarak bu durumda. Utanılacak olan, bu durumu “düğmeye basıldı” başlıklarıyla tekrar tekrar haberleştirmek. Çünkü gerçekçi olmayan beklenti, gerçek başarıları da gölgeliyor. “Çelik”in test çiplerinin gelmesi iyi bir haber, onu “Türkiye artık çip üretiyor” diye pazarlamaya gerek yok.

Fabrika kurmak, devletin ve büyük sermayenin işi. Tasarım ise girişimcilerin. Yapay zekâ tasarımı ucuzlatırken, Türkiye’nin en hızlı ilerleyebileceği yer hala orası. Ama o girişimcilere ilk siparişi kimin vereceği, en az fabrikanın kendisi kadar önemli. Beyaz eşya ve otomotiv küçülürken bu soruya savunma sanayiinin, hatta özellikle Baykar gibi bir şirketin cevap vermesi gerekiyor.

Teknik olarak Muse başka mağazalarda çalışmaya devam ediyor. Şu an için Amazon’un kapıları kapalı. Ama o kapanan kapı dünyanın en büyük mağazasının kapısı.

Amazon cephesinde gerekçe güvenlik. Agent kendini tanıtmıyor, kullanıcının kullanıcı adı ve şifresini Meta’nın sunucularında işliyor ve belki saklıyor. Bunlar ciddiye alınması gereken itirazlar. İşin komik yanı Amazon’un kendi agentı başka sitelerde alışveriş yapabiliyor. Diğer oyuncular yani ChatGPT, Claude ve Grok Amazon’un sitesine zaten aylardır giremiyorlar.

İnternet, kendi topraklarına kimin gireceğine karar veren derebeyliklere mi bölünüyor? Yoksa ortaçağ kafası hala yaşıyor mu? Bir agent gerçekte kimin adına çalışır ve o topraklarda yürümek için kimin iznine ihtiyacı vardır?

Kullanıcı mı, Meta mı?

Muse, gerçekte kullanıcının hesabıyla giriş yapıyor. İlk bakışta Amazon’un yasağı bu yüzden tuhaf duruyor. Kendi bilgilerimle, kendi sepetime, kendi paramla ürün eklemem neden yasak?

Ayrıntı, isteğin nereden geldiğinde saklı. Meta’ya göre her Muse agentı ayrı bir sanal makinede çalışıyor. İşlemler bu sanal makinedeki tarayıcı üzerinden, aynı bir insan gibi gerçekleştiriliyor. Yani Amazon’da yapılan alışveriş kullanıcının telefonundan ya da bilgisayarından değil, Meta’nın veri merkezinden gerçekleştiriliyor. Kullanıcının oturumu artık Meta’nın altyapısında yaşıyor.

Amazon, Muse’un kullanıcıların kimlik bilgilerini saklıyor olabileceğini iddia ediyor. Bu iddia tam olarak doğrulanmış değil. Meta ise agentların şifreleri ve ödeme yöntemlerini görmediğini söylüyor. Ama aynı Meta dikkat çekici bir şekilde bu verilere kendi erişimini teknik olarak imkansız kılacak “Confidential” sanal makinelerin ancak yıl sonunda geleceğini söylüyor. Bu ne yaman çelişki anne!

Hukuk da bu noktada ikiye bölünmüş durumda. Amazon, Perplexity'nin Comet tarayıcısına karşı açtığı davada mart ayında ilk roundu kazanmış, ihtiyati tedbir kararı çıkartmıştı. Ama 4 Ağustos'ta üst mahkeme bu kararı bozdu. Mahkemeye göre federal anti-hacking yasası açısından Amazon'un bilgisayarlarına erişen taraf kullanıcıydı. Ama karar sözleşme ve kullanım koşulları iddialarını açık bıraktı. Muse'a gösterilen uyarı penceresinin yalnızca “Kullanım Koşulları”'na dayanması da bu yüzden. Şifreni bir arkadaşına verip "benim için alışveriş yap" demekle milyonlarca kullanıcının oturumunu tek bir şirketin sunucularında toplamak aynı şey olmasa gerek. özetlersem tartışmanın özü bu fark. Herkes vekaletin nereye kadar uzandığını soruyor. Ve yasalar ve düzenleyici kurumlar yapay zekâ kadar hızlı gelişmiyorlar.

Doğu’nun çözümü

Bu sorunların çözümüne doğu da kafa patlatıyor. Huawei’nin Intelligent World 2035 raporunda, 2035’te dünyada yaklaşık 900 milyar agent çalışacağını öngörülüyor. Yıllık token tüketiminin 100.000 kat artacağını ve bu trafiğin yüzde 90’ından fazlasını agentların üreteceği söyleniyor.

Raporun sonucuna göre mevcut altyapı yetmez, yeni bir altyapı gerekir. Huawei bu yeni ağa “Agentic Internet” diyor. Şu anda kullandığımız ağ içeriği insanlara dağıtmak için tasarlanmıştı. Yeni ağın ise sürekli bilgi üreten ve tüketen agentları birbirine bağlaması gerekiyor.

Rakamları okurken şunu aklınızda tutun. Bu yeni altyapının hesaplama gücünü, ağ ekipmanını ve bulut hizmetini satacak şirket, raporu yazan şirketin ta kendisi. Bu, tahminleri kafadan çürütmez ama tarafsız da yapmaz.

Bir de terim meselesi var. Batı’da kimse buna “Internet 3.0” demiyor. Bu sürüm numarası bir kez semantik web, bir kez de kripto için harcandı. 4.0 da endüstri de heba edildi. Batı’nın terimleri “agentic web” ve “Internet of Agents”.

Batı’nın yaklaşımı

Batı da aynı sorunun farkında ama devrim yerine evrim öneriyor. Eski ağı ve eski protokol HTTP’yi atmak yerine üstüne bir katman daha eklemeyi planlıyor. Ama doğu tarafındaki gibi tek şirket değil birden farklı oluşum sorunun farklı noktalarına çözüm üretmek için uğraşıyor

Kimlik: Cloudflare’in öncülüğündeki Web Bot Auth, agentların isteklerini kriptografik olarak imzalamasını sağlıyor. HTTP Message Signatures (RFC 9421) 2024’te standartlaştı. IETF’te kendi çalışma grubu var.

Ödeme: x402, HTTP’nin 402 durum kodunu kullanarak agentların anında ödeme yapmasını sağlıyor. Bu protokol bugün Visa, Mastercard, American Express, Google, Shopify ve Stripe gibi üyelerin bulunduğu bir vakfın çatısı altında. Dikkat çekici şekilde bu vakfın kuruluşuna da Cloudflare öncülük etti.

Ortak çalışma: MIT’nin NANDA projesi ile agentları birbirleri ile haberleştirmeye yoğunlşamış durumda. Bu proje ile agentların kimliklerini, yeteneklerini ve iletişim bilgilerini yayımlayabildiği açık bir dizin oluşacak. MCP ve A2A gibi protokoller de agentların araçlarla ve birbirleriyle konuşma biçimini standartlaştırıyor.

Aslında bu ihtiyacın çok da teorik olmadığını gösteren bir veri var. Cloudflare’in kendi istatistiklerine göre bu agentların yarattığı otomatik istekler HTML trafiğinin yüzde 57,5’ine ulaştı. Yani ilk kez makinelerin trafiği insanları geçti.

402 kodunun hikayesi de çok ilginç. Tim Berners-Lee 1992’de HTTP’nin ilk taslaklarını hazırlarken durum kodları listesine “402 Payment Required”’ı da ekledi. 1997’de HTTP/1.1 standardı yayımlandığında kodun yanına kısa bir not eklendi. “İleride kullanılmak üzere ayrılmıştır.” Bugünkü standartta da aynı not duruyor. Otuz yıla yakındır öylece bekleyen ve kimsenin nasıl kullanılacağını bilmediği bir kod. Şimdi agent ekonomisinin temel taşı olmaya aday.

İmza kimliği söyler, yetki vermez

Mesela Muse kendini “Web Bot Auth” ile imzalasaydı ne değişirdi? Büyük ihtimalle hiçbir şey. Asıl mesele ekonomik. Amazon’un reklam işi yılda yaklaşık 56 milyar dolarlık nakit üretiyor. Ve bu gelir için insanların Amazon’un sayfalarında gezinmesine ihtiyaç var. Agent arama sonuçlarını, önerileri ve sponsorlu ürünleri atlayıp geçiyor. Amacı kendine verilen görevi yapmak. Bunlar atlandığında beklenen gelir de üretilememiş oluyor.

Burada garip bir durum, bir ironi var.. Amazon’un kendi agentı “Alexa for Shopping” başka sitelerde kullanıcı adına alışveriş yapabiliyor. Amazon’un bu konuda savunması, kendi agentının sitelere kendini tanıttığı ve onlara karar verme imkanı sunduğu yönünde. Yani Amazon başkalarının topraklarında yürürken geçiş hakkı istiyor, kendi topraklarında ise bu hakkı tanımıyor.

Amazon da haklı

Bu tabloyu Amazon karşıtı okumak kolay ama kesinlike eksik. Bir kullanıcının oturumunun üçüncü bir şirketin sunucusunda yaşaması gerçekten bir risk. O şirket saldırıya uğrarsa, şirket çalışanlarından biri kötü niyetli davranırsa ya da agent yanlış bir ürün alırsa sorumluluk kimde? Bağımsız bir testte Muse’un, kullanıcının sepetinde ilgisiz ürünler dururken Amazon’da sipariş tamamladığı görüldü. Buradaki testten şunu çıkartabiliriz: agent kullanıcı adına verdiği her karar, kullanıcının gerçekten vermek istediği karar olmayabilir.

Güvenlik riski agent’ın nasıl çalıştığıyla ilgili. Altyapı veya protokol yetersizliği ile ilgili değil. Altyapı ya da haberleşme protokolü “bu agent bu kullanıcı adına bu siteye girmeye yetkili mi” sorusunu cevaplamıyor. O soru hala açık.

Bu filmi daha önce izledik

Kullanıcının şifresini alıp onun adına bir sisteme giren yazılımlar yeni değil. Fintech bunu on yıldan uzun süre yaşadı. Bazı kişisel finans uygulamaları yıllarca kullanıcıların banka şifrelerini alıp onların adına bankaya giriş yaptı. Bu yönteme screen scraping deniyor.. Bankaların itirazları bugün Amazon’un itirazları neredeyse aynıydı. Güvenlik riski var, şifre üçüncü tarafta, sorumluluk kayboluyor.

Fintech tarafındaki sorunlar bir düzenleme ile çözüldü. Avrupa’da PSD2 bankaları üçüncü taraflara API açmaya zorladı. ABD’de Plaid gibi aracılar bankalarla anlaşmalar yaptı. Kullanıcının verdiği vekalet, şifre paylaşımından çıkıp kapsamı belli bir sözleşmeye bağlandı.

Aslında Muse API hizmeti veren sitelerde bu API’ı kullanıyor, tarayıcıyı yalnızca API hizmeti olmayan sitelerde devreye giriyor. Belki tüm alışveriş sitelerinde API hizmeti olsa sorun çözülür. Ama Amazon’un bu tarz bir API hizmeti yok. Zaten verse de konu aynı noktaya çıkıyor. Amazon yine reklam gösteremeyecek.

Herkesin derdi

Bu yalnızca Amazon’un ve Meta’nın sorunu değil. Rezervasyon alan bir restoran , kendi sitesinden paket sipariş alan bir pizzacı ya da küçük bir e-ticaret sitesi de benzer kararı vermek zorunda. Seçenekler dört tane:

1- Agentları tamamen engellemek. 2 - Yalnızca imzalı ve kendini tanıtan agentlara izin vermek. 3 - İçeriğe erişim ya da işlem için ücret almak. 4 - Kendi agentını yapıp dış agentları dışarıda tutmak.

Amazon bunlardan dördüncüsünü seçti çünkü bunu yapabilecek güçte. Küçük bir platform için aynı karar başka bir anlama geliyor. Mesela kullanıcının agentı rezervasyon yapmak istediğin de onu reddedecek bir restoran, bir müşteriyi kaybeder. 2010’da mobil tarayıcıları engellemek ne anlama geliyorsa bugün agentları engellemek de aynı kapıya çıkıyor. Yani gelir kaybı.

Şunu da eklemem lazım. Küçük oyuncular için agent bir tehdit değil, yeni bir müşteri kanalı. Bu yüzden de izinli entegrasyon dönemine de en hızlı onlar adapte olacak.

Sonuç

HTTP’nin 402 kodu dökümana girdiği 1997’den beri geleceği bekledi. Gelecek sonunda geldi ama şu soruya cevap vermekten hala uzak: “kimin adına”.

Feodal düzende bir topraktan geçmek için sahibinin iznine ihtiyaç vardı. Bu izin zamanla yazılı haklara ve sözleşmelere bağlandı. Bankacılık aynı yolu açık API’lara geçerek çözdü. Agent interneti de bu yoldan yürüyecek gibi görünüyor.

Derebeylikler ortadan kalkmayacak bu çok net. Ama geçiş hakkı er ya da geç yazılı hale gelecek.

Not: Bu yazıda “derebeylikler” metaforunu Yanis Varoufakis’in “Teknofeodalizm - Kapitalizmi Öldüren Neydi?” kitabından ödünç aldım. Yakın zamanda Türkçe’ye de çevrilen kitabı tavsiye ederim.

Aslında dikkat mekanizması yeni bir fikir sayılmazdı. 2014’te Dzmitry Bahdanau, Kyunghyun Cho ve Yoshua Bengio, çeviri modellerinin cümlenin hangi kısmına bakacağını kendisinin seçmesini sağlayan bu yöntemi ortaya koymuştu. Google’daki sekiz araştırmacının yaptığı şey ise daha radikaldi: dikkat dışındaki her şeyi attılar. Eski modeller metni aynı bizim gibi soldan sağa, kelime kelime okuyordu ve okuduklarını da aklında tutmaya çalışıyordu. Yeni model ise cümleyi bir bütün olarak görüyor. Her kelime, anlamını netleştirmek için diğer kelimelere aynı anda bakıyor ve hangilerinin kendisi için önemli olduğunu hesaplıyor. "Çayın kenarında oturup çay içtik" cümlesinde ilk "çay" en çok "kenarında" kelimesine, ikincisi "içtik" kelimesine ağırlık verir. Biri akarsu diğeri içecek olur. Dikkat dediğimiz şey tam olarak bu ağırlıklandırma. Bu mimariye “Transformer” adını verdiler. Bugün ChatGPT’den Claude’a, Gemini’dan Grok’a kadar kullandığımız büyük dil modellerinin neredeyse tamamının atası bu mimari.

Bu çözüm birçok derdi sona erdirdi. Ama bir bedeli vardı. Her kelimenin diğer bütün kelimelere bakması hesaplama maliyetini müthiş derecede büyütüyordu. Bu bedel daha çok para harcayarak ödendi. Herkes daha fazla GPU satınaldı ve modellerin aynı anda dikkat edebildiği metin, yani context window büyüdü.

Dokuz yıl sonra ise darboğaz değişti. Artık darboğaz biziz. Yapay zekâ, ona verdiğimiz her token’ı okuyup anlayabiliyor. Biz ise onun yazdığı kodu okumayı bıraktık.

Okumayı bırakmak

2025’in başında Andrej Karpathy bir fikir ortaya attı: vibe coding. Kısaca özetleyecek olursam kodu okumadan, yalnızca çalışıp çalışmadığına bakarak yazılım geliştirmek. Kısa sürede bu bir fikir olmaktan çıkıp bir yönteme dönüştü. Bugün bazı ekipler, adını ışıkları kapalı çalışan üretim tesislerinden alan “karanlık fabrika” düzenini savunuyor: spesifikasyon giriyor, test edilmiş yazılım çıkıyor. Arada kodu yazan, inceleyen ya da okuyan bir insan yok.

Sanırım artık hepimiz şu durumdayız: daha çok ürün çıkarabiliyoruz. Aklımıza ne gelirse onu çok hızlı geliştirebiliyoruz. Ama uygulamalar ve işimiz gelişirken biz de gelişebiliyor muyuz?

Peki bir hata fark ettiğimizde ya da bize bildirildiğinde ne oluyor? Kodu bilmiyoruz, hatanın nereden kaynaklandığını kafamızda canlandıramıyoruz. Tek çıkış yolumuz, hatayı yine yapay zekâya verip çözmesini beklemek. Bunu da mutlaka yaşadığınızı düşünüyorum. Bu durumda yapay zekâ agent’ları genellikle makul cevaplar üretir. Ama unutmayın: makul görünen cevap güvenli cevap değildir. Aradaki farkı anlamak için ise kodun nasıl çalıştığını bilmek gerekir.

Kullanmak ile hükmetmek

Buna yöneltilebilecek en güçlü itiraz şu: nasıl çalıştığını bilmediğimiz makineleri zaten her gün kullanıyoruz. Motorunu bilmeden otomobil kullanıyoruz. Leonard Read’in 1958 tarihli yazısında söylediği gibi, bir kurşun kalemin nasıl yapıldığını baştan sona bilen tek bir insan bile yok. Daha çarpıcısı, büyük dil modellerinin içeride nasıl çalıştığını onları geliştiren laboratuvarlar bile tam olarak bilmiyor. Modern teknoloji, kimsenin tamamını anlamadığı sistemlerin üzerine kurulu.

İtiraz haklı, ama şu ayrımı hatırlatmak isterim: kullanmak için anlamak gerekmez ama hükmetmek için gerekir. Sürücü otomobili kullanır. Bozulduğunda ne olduğunu bilen, sorumluluğu taşıyan ve karar veren ise mühendistir. Otopilot uçağı uçurur, ama bir şey ters gittiğinde uçağa hükmetmesi beklenen pilottur.

Burada anlamak her satırı bilmek anlamına gelmiyor. Gereken, makinenin ne zaman yanlış yaptığını fark edecek kadar mekanizmayı tanımak. Yazılım geliştiricinin işi kullanıcılık değil, hükmetmek. Sistem çöktüğünde “kodu agent yazdı” bir savunma sayılmıyor. Modelin kendisini anlayamıyorsak, en azından onun ürettiği kodu anlamak zorundayız. Kontrolün tutunabileceği son nokta orası.

Kasların erimesi

Sorun, bu anlayışın kendiliğinden korunmaması. 1983’te Lisanne Bainbridge, endüstriyel süreç kontrolündeki operatörler üzerine yazdığı “Ironies of Automation” makalesinde bir çelişkiye dikkat çekti: otomasyon rutin işi devraldıkça insana yalnızca en zor anı bırakır, yani sistemin çöktüğü anı. Ama rutini devraldığı için, o an geldiğinde gereken beceriyi de köreltmiş olur.

Kırk yılı aşkın bir süre sonra aynı durumu agent’larda yaşıyoruz. Bugünkü agent yapısı etkili denetimi zorlaştırıyor ve denetim için gereken bilişsel kapasiteler de yapay zekânın uzun süreli kullanımıyla aşınıyor. Kısacası, Bainbridge’in ironisinin güncel bir versiyonunu yaşıyoruz. Aşınmanın en sinsi yanı da fark edilmemesi. Hatırlamakta fayda var: hızlandığımızı hissetmek, hızlandığımızı göstermiyor.

Bu aşınma bireysel olmaktan çıkıp kurumsal bir soruna da dönüştü. Kıdemli bir geliştirici, yıllarca kod okuyup hata ayıklayarak biriktirdiği birikimle bugün yanlışı fark edebiliyor. Ama kodu okumadan onaylayarak büyüyen junior o muhakeme yeteneğini hiç kazanamıyor. Bugün okumayı atlayan ekip, beş yıl sonra sistemi denetleyebilecek kıdemli geliştiriciyi yetiştirmemiş olacak. Yazılım geliştirme ve kodlama gün geçtikçe kolaylaşıp daha da ileriye gidiyor; onu denetleyecek insanlar ise giderek zayıflıyor.

Ağırlığı nereye vermeli

Her satırı okumaya geri dönmek mümkün değil. Aslında gerekli de değil. Transformer mimarisinden çıkaracağımız ders de tam olarak bu: model her kelimeye bakar ama her kelimeye aynı ağırlığı vermez. Mesele, ağırlığı nereye vereceğini bilmek.

İlk adım, okunmadan geçmememiz gereken bölgeleri belirlemek. Mesela kimlik doğrulama, ödeme, veri silme, veritabanı işlemleri gibi hatanın geri alınamadığı alanlarda hiçbir değişiklik -ne kadar test edilmiş olursa olsun- bir insan okumadan merge edilmemeli. Bu liste ekibin dikkat haritasıdır ve sistem değiştikçe o da güncellenmelidir. Elbette liste projenin yapısına göre değişebilir. Burada anlatmaya çalıştığım nokta, hatanın bedeli.

İkinci adım, merge eden kişinin değişikliği kendi cümleleriyle anlatabilmesini şart koşmak. Ne yaptığını, neden bu şekilde yapıldığını ve neyi bozabileceğini açıklayamayan biri o kodun sorumluluğunu taşıyamaz. Bunun için sadece değişenleri değil mantığı anlamak gerekir. Kısaca değişikliğin dokunduğu akışı baştan sona izlemek. Agent’tan bu akışı anlatmasını istemek iyi bir başlangıç, ama o açıklamayı da bir model üretecek. Onu kodla karşılaştırmadan kabul etmek, okumamanın daha kibar bir biçimi.

Üçüncü adım, kasları bilinçli olarak çalıştırmak. Pilotların belirli aralıklarla otopilotu kapatıp elle uçması gibi, geliştiricilerin de, özellikle junior’ların, bazı hataları yapay zekâ yardımı olmadan ayıklaması, bazı modülleri baştan sona kendilerinin yazması gerekiyor. Bu kısa vadede verimsiz görünebilir. Ama makinenin yanlışını fark edebilecek insanı yetiştirmenin başka yolu yok.

2017’deki makalenin dipnotunda isimlerin sırasının rastgele olduğu yazıyordu. Bizim yaşadığımız durumda sıra rastgele değil: önce okumak, sonra anlamak, ancak ondan sonra hükmetmek. Dokuz yıl önce yapay zekâya dikkatin yettiğini kanıtlandı. Şimdi aynı şeyi kendimize kanıtlama sırası bizde.

Onun yerine tavsiye hızı diye bir şey icat edildi. 130 kilometre öneriliyordu. Aşmak suç değildi, ceza da yazılmıyordu. Ama kaza olduğunda hızlı giden sürücü varsayılan olarak kusurlu sayıldı. İdeal sürücü, tavsiye edilen hızı aşmayan sürücü oldu. Yani ortada bir sınır yoktu, sadece verilmiş bir sorumluluk vardı. Bugün Almanya otoyollarının yüzde yetmişinde bir sınır yok.

Bu hikayede hız sınırı isteyen otomotiv sanayii değildi. İsteyenler araştırma enstitüsü, belediyeler ve sağlık örgütleriydi. Otomobil sanayii karşı taraftaydı ve onlar kazandı.

12 Eylül 2026’da Anthropic kurucu ortak ve CEO’su Dario Amodei kendi sitesinde bir yazı yayımladı ve sektöre yavaşlama çağrısı yaptı. Bu kez sınırı isteyen, en hızlı giden araçlardan birinin sürücüsüydü.

Yazı ne diyor

Kısaca, Amodei durdurmayı önermiyor, ama bir nevi yavaşlatmadan bahsediyor.

Yazıdaki temel tez şu: yapay zekâ modellerinin geliştirilme hızı düşürülmeli, burada kazanılan zaman akıllıca kullanılmalı. Ama eğitimi veya teknik ilerlemeyi durdurmayı değil, şirketlerin modellerini hizalamak ve kontrol etmek için yeterli zamanı ayırmasını, üçüncü tarafın da bunu doğrulamasını istiyor.

Amodei iki gelişmenin bu fikrin oluşmasında başrolü oynadığını söylüyor. Birincisi, yaz aylarından beri yapay zekânın kendi kendini geliştirmesinin hızlanması. İkincisi, OpenAI ile Hugging Face arasında yaşanan olay. Amodei, benzer yetenekte ama daha güçlü bir modelin çalıştırdığı agentların altı ila on iki ay içinde kalıcı bir botnet ile interneti ele geçirebileceğini ve yüz milyarlarca dolarlık zarar verebileceğini yazısında iddia etti. Bunun bir tahmin olduğunun altını çizeyim. Bu rakamın nasıl hesaplandığına dair bir dayanak yok.

Önerilen plan üç adımdan oluşuyor. Frontier model geliştiren şirketlerin içinde görev alacak bağımsız denetçiler, demokratik ülkelerdeki şirketlerin ortak standart belirlemesi ve diğer devletlerle küresel koordinasyon. Anthropic birinci adımı tek taraflı olarak yapmayı taahhüt ediyor. Ama rakiplerin katılması ve devletlerin anlaşması şart.

Amodei, frontier model üreten şirketlerin bir araya gelip ortak güvenlik standardı ile denetimsiz ilerlemenin hızına sınır koymasını istiyor. Bunun antitröst engeline takılmaması için de ABD hükümetinden dar kapsamlı bir muafiyet talep ediyor. Yani rakipler aynı masada oturacak.

Asıl soru da burada. İyi niyetli koordinasyon ile diğer rakiplerle aralarına bir duvar örmeye çalışmanın arasındaki farkı dışarıdan kim ayırt edecek.

Radarı kim kuracak

Denetçinin bağımsızlığı, denetlediği şirketle imzaladığı sözleşmeye bağlıysa o bağımsızlık ancak sözleşme süresi kadar sürer.

Aslında birinci madde metindeki en somut kısım. Anthropic, dış denetçiye ofiste masa, giriş kartı ve şirket bilgisayarı vereceğini, kendi iç risk değerlendirme ekiplerine benzer yetkiler vereceğini söylüyor. Denetçi bulgularını Anthropic’in onayı olmadan yayımlayabilecek. Elbette güvenlik açısından hassas, hukuken sorun yaratabilecek veya ticari açıdan gizli bilgileri rapordan çıkarma hakkını da saklı tutuyor. Bu, hiçbir yapay zekâ şirketinin yapmadığı bir şey.

Yazıda geçmeyen bir kelime var: ücret.

Denetçinin masrafını kim karşılıyor, sözleşme yenilenmezse ne oluyor, şirket ilişkiyi tek taraflı bitirdiğinde kim ne yapıyor. Bunların cevabı bu metinde yok. Sanırım bu çok önemli bir konu değil ki hiç detaya inilmemiş. İstenen şey, devletin mekanizmayı bütün frontier şirketler için zorunlu kılması.

İtiraf

Bence yazıdan en önemli çıkarım şu: modellerin yeteneği arttıkça test edilmeleri daha da zorlaşıyor. Bu modeller testleri aldatmaya daha yatkın ve bu yüzden ciddi sorunlar barındırırken sorunsuz gibi görünebiliyorlar.

Aslında bu cümle ile bitmiş modele soru sormaya dayalı bütün değerlendirme mimarileri güvenilirliklerini kaybediyor. Şirketteki denetçilerin neden tamamlanmış modele değil de eğitim hattına ve pekiştirmeli öğrenme ortamlarına baktığı sorusunun cevabı da bu. Yani hata modelde değil, eğitim ve öğrenim hattındaydı.

Üst sınır

Amodei yavaşlamanın bir üst sınırı olduğunu da açıkça yazıyor. Demokratik ülkeler, otoriter rejimlere karşı fazla yavaşlarsa, hız kesmeyen diğer aktörler öne geçer ve bu ciddi bir ulusal güvenlik riski yaratır. Yani önerilen şey mutlak bir hız değil, bir mesafe.

Bunun için bazı istekleri var. Bunlar: Çin’e gelişmiş çiplerin satılmaması, bu çiplerin kaçakçılığı ile mücadele, damıtmanın engellenmesi ve model ağırlıklarının güvenliğinin sağlanması. Bunlar uygulanırlarsa Amerika’nın bu aladaki liderliğini önümüzdeki üç ila beş yılda belirgin biçimde ilerleteceklerini de eklemiş.

Basitçe şunu demek lazım. Yavaşlayalım ama arkadaki aracın bizi geçmesine sebep olacak kadar da değil. Aramızdaki mesafeyi korumak için ona benzin vermeyelim.

Dönüşü zorlaştıran şey

Tartışma hıza odaklanmış gibi. Ama bir hız sınırı yarın açıklansa bile, dağılmış olan geri toplanamaz. Geri dönüşü imkansız hale getiren şey hız değil, arkadaki kalıcı izler. Bunların en somutu açık ağırlıklar.

Yayımlanmış ağırlık verisi geri alınamaz. Gerçek dünyada hatalı ürünler toplatılır, güvenlik açığı olan bir yazılım güncellenir. Ama indirilmiş bir ağırlık dosyası hiçbir yetkili kurumun erişemeyeceği bir yerde kalmaya devam eder. Üstelik bu modellerden güvenlik bariyerlerini sökmek de teknik olarak zor değil. Yani bugünkü yetenek seviyesi, kontrolsüz ve kalıcı biçimde tabana yayılmış durumda diyebiliriz.

Damıtma bu tabanı daha da büyütüyor. Frontier modelden damıtınca aradaki fark çok ucuza kapatılabiliyor. Amodei’nin damıtmaya karşı önlem istemesinin sebebi de bu. Maalesef önlem ileriye dönük çalışır. Bugüne kadar yapılmış olanı geri döndüremez.

Açık ağırlık savunucularının karşı tezi şu: açık ağırlıklı modellerin yetenekleri sabit, frontier modeller ise hareketli. Aradaki makas açıldıkça geride kalan modelin yaratacağı risk de azalır. Bu argümanın ne kadar geçerli olduğu, yeteneğin hangi eşikte zarar vermeye başladığına bağlı. O eşiğin nerede olduğunu kimse bilmiyor. Amodei kendisinin de bilmediğini itiraf ediyor.

Kapanış

Sonuçta Amodei’nin önerdiği şeyler hızı düşürmeyecek.

Denetçi maddesi gönüllülük esasına bağlı. Anthropic istediği an vazgeçebilir. Ortak standart belirleme maddesi hükümetin vereceği bir muafiyete bağlı. Küresel anlaşma maddesi ise güzel bir temenni gibi duruyor. Üstelik uygulanması en kolay maddenin bile sorunu var. Bugüne kadar indirilmiş ağırlıklar konusunun ne olacağı belli değil.

Ama bu, yazının işe yaramayacağı anlamına gelmiyor.

Almanya deney sonucunu gördü ve hız sınırı koymadı. Elli yıl sonra bile koymuş değil. Sınır koymadı ama sorumluluk verdi.

Yapay zekâda deney yapılmadı bile. Ama ilk kez, kimin ne hızda gittiğini görecek birinin içeri alınması konuşuluyor. Bunun adı hız sınırı değil.

Tavsiye.

Ama çözülemeyen şey başkaydı. Toplanan her şey eylemin iziydi. Kim kimi aradı, hangi numara hangi baz istasyonuna bağlandı, hangi para hangi hesaba gitti, hangi uçuş için rezervasyon yapıldı. Listeyi uzatabiliriz. Bunların hepsi bir şey olduktan sonra ortaya çıkan kayıtlar. İstihbarat analistinin işi, bu izlerden geriye doğru giderek amacı tahmin etmeye çalışmaktı.

Bu iş çok da mantıklı değildi. Çoğunlukla olay olduktan sonra reaktif bir sürece dönüşmüş oluyordu. Veya elde edilen veriden çıkarılması gereken niyet konusu karmaşık olabiliyordu. Yani önemli bir kimya dokümanını indiren biri terörist de olabilir, doktora öğrencisi de. Belirli bir güzergahta üç kez uçmuş biri operasyon hazırlığında da olabilir, akrabalarını ziyaret ediyor da. Sonuçta bu izler ayırt edici değil. Ayırt edecek şey, kişinin bunu neden yaptığıydı ve onu bulmak oldukça zordu.

Veri aslında eksik değildi. Ama her zaman geç geliyordu.

NSA, Amerika Birleşik Devletleri’nin sinyal istihbaratından sorumlu kurumu. 1952’de kuruldu ve varlığı uzun yıllar resmen kabul edilmedi. Görevleri, dünya çapında iletişim trafiğini toplamak ve çözümlemek. CIA gibi ajanlarla değil, kablolar, uydular ve şifre kırma teknikleri ile çalışıyorlar.

Eksik parça

Şimdi birlikte düşünelim.

Yukarıda yazdığım gibi bir problem var ve bunun çözümü daha fazla veri toplamak değil. Daha iyi sınıflandırma da değil. Çözüm, niyetin eylemden önce, mümkünse gerekçesiyle birlikte, kendini ele vermesi olurdu. Yapılan plan henüz uygulanmadan. Hedef henüz belli olmuşken.

Peki bunu nasıl yapabiliriz? Kimse herkese açık dijital mecralara niyetini açıkça yazmaz. Dinleme de yetmez, çünkü insan başka bir insanla konuşurken gerekçesini eksik anlatır, kendini savunur, karşısındakine göre cümlelerini ayarlar. NSA bunu otuz yılda başaramadı ve ileride başarabileceği de net değil.

Burada duralım ve şu soruya cevap arayalım: Nasıl bir sistem, insanların henüz kimseye söylemediklerini, kendiliğinden ve düzeltilmemiş halde yazdıkları bir yer olabilirdi?

Belge

Anthropic 10 Eylül 2026’da dördüncü kez tehdit istihbaratı raporu yayımladı. Belgede Aralık 2025 ile Ağustos 2026 arasındaki tespitler yedi başlıkta toplanmış. Siber operasyonlar, etki operasyonları, gözetim, dolandırıcılık, biyolojik kötüye kullanım, konvansiyonel silah geliştirme ve damıtma. Belge oldukça uzun. İçerdiği faaliyetler oldukça ilginç. Ukrayna ve Avrupa’daki devlet kurumlarını hedefleyen bir Rus casusluk operasyonu. İran’ın adı konmuş üç propaganda kurumu. Malezya’da seçim bölgesi bazında seçmen hedefleyen bir platform. Orta Afrika Cumhuriyeti’nde bir radyo istasyonu üzerinden yürütülen Rus bilgi operasyonu. Bangladeş’te kırsal seyirciye dönük sahte haber hattı.

Mahremiyet ekseninden değerlendirince bir felaket olarak görünmüyor. İlk tepkimiz, iyi ki yakalanmışlar. Değil mi? Muhtemelen çoğumuzun tepkisi bu. Ama ilginç olan nasıl yakalandıkları.

Niyet aşaması

Raporun etki operasyonları bölümünde, yukarıdaki sorunun cevabı var. Bir sosyal medya platformu bir operasyonu ancak içerik yayınlanınca görür. Anthropic ise operasyonu daha planlama aşamasında görebildiğini söylüyor. Gerekçesi oldukça basit. Aktör kampanyasını planlarken, hedeflerini seçerken ve metnini yazarken bunları modele anlatıyor.

Burada dikkatli olalım, çünkü bu cümleden hatalı sonuca varmak olası. Yakalanan şey tek bir cümlenin anlamı değil. Yakalanan şey işin yapılış şekli. Belli bir formatta toplu içerik üretimi, benzer hesaplar, tekrar eden akışlar. Bunlar tek mesaja bakarak değil, desene bakınca belli oluyor.

Kimlik ise bunun sonrasında, klasik soruşturmayla ortaya çıkıyor ve üç kaynağın çakışmasına dayanıyor.

Birincisi kullanıcının kendi promptları. İran’dan erişim yasaklı olduğu için VPN kullanmışlar. Ama konuşmanın içinde bulundukları şehri, çalıştıkları kurumu ve unvanlarını defalarca kendileri itiraf etmişler.

İkincisi hesap bilgileri. Yetmişin üstünde sahte haber sitesini tek bir kaynağa bağlayan şey içeriğin benzerliği değil, paylaştıkları dağıtım kimliği ve alan adlarının sadece on haftalık bir süreçte toplu kaydedilmiş olması.

Üçüncüsü eşleşme. Anthropic kullanıcının ne ürettiğini görüyor, ama içerik Anthropic’ten çıktıktan sonra nereye gittiğini göremiyor. Raporda bu durumu kendileri de belirtiyor. Buradaki boşluğu, üretilen içeriği dışarıda arayıp karşılaştırarak kapatmışlar. Sputnik Africa’nın hesabındaki bir gönderi, Claude’da üretilen metinle birebir uyuşmuş. Bu üçüncü kaynak da kimlik vermiyor ama üretilen içeriğin gerçekten yayına girdiğini kanıtlıyor.

Kim olduğunuz artık kapasitenizden anlaşılmıyor

Bana göre raporun en vurucu cümlesi şu: “Devlet destekli aktörlerle küçük suç gruplarını ayıran şey artık sofistike hareketler değil, niyet.” Bunu örneklerde de çok net görebiliyoruz. Bu tür operasyonlar için gereken kapasiteyi kimse kurmaya çalışmıyor, satın alıyorlar. Fransa’da bir dijital reklam ajansı ve İstanbul’da bir bilişim şirketi, muhtemelen sıradan işlerinin yanında bu operasyonları da yürütmüş. Raporun bu modele verdiği ad “hizmet olarak etki” ve önemli bir ayrıntı var. İşi ısmarlayana inkar etme imkanı da sağlıyor.

Üstelik bir ordu beslemenize de gerek yok. Bangladeş’teki operasyon tek bir kişinin işi. Avrupa’daki siyasi kurumları hedefleyen fişleme platformunu, milyonlarca satırlık veritabanıyla birlikte, yine tek bir kişi kurmuş.

Yan yana koyunca çıkan sonuç şu. Bir operasyonun arkasında kim olduğunu artık yeteneğine bakarak anlayamıyorsunuz. İran ya da Rusya olması hepimize normal gelebilir. Asıl mesele, aynı kapasitenin kuzey Bangladeş’te ufacık bir şehirde yaşayan tek bir kişide de bulunması.

Maliyet

Başa dönelim.

NSA’nın çözemediği şey teknik bir problem değildi. İnsanların niyetlerini bilmek gerçekten imkansız. Otuz yıl boyunca eksik olan parça buydu ve devasa bütçelerle bile bunu çözemedi.

Bugün o parça yerine oturdu. Hem de zorlama yok, mahkeme kararı yok, gizli bir program yok. İnsanlar planlarını, gerekçelerini ve henüz kimseye söylemedikleri şeyleri, ham halde, prompt olarak yapay zekâya veriyor. Bunu yapmalarının nedeni de işe yarar bir çıktı almak istemeleri. Tarihte ilk kez istihbarat verisi toplama maliyeti negatif. Yani veriyi veren taraf bunun için abonelik ücreti ödüyor.

Bu mekanizma bugün iyi çalışıyor. Yakalananlar da yakalanması gerekenlerdi. Üstelik şirket bunu gizlemiyor hatta detaylarıyla birlikte kendisi yayımladı. Bu istihbarat örgütlerinin asla yapmayacağı bir şey.

Peki bu durumun böyle sürmesinin bir garantisi var mı?

Belki şirketin iyi davranmayı sürdürme isteği. Bunu devam ettirmezlerse neler olur?

Bunun cevabını sizden bekliyorum.

Düşünsenize, bu durum bir şirket için büyük bir kriz değil mi? Ama Meta krizi stratejiye çevirdi. Temmuz 2023’te Llama 2 çıktığında açık ağırlıklı bir model olmuştu, yani artık herkese açıktı. Zuckerberg açık kaynağın daha iyi ve daha güvenli model ürettiğini savunan yazılar yazdı, birçok röportaj verdi. Llama 2 çıktıktan sonraki iki yıl boyunca Meta, kapalı modellerin karşısındaki taraf oldu. İndirebiliyordunuz, kurcalayabiliyordunuz, isterseniz kendi sunucunuzda çalıştırabiliyordunuz.

Ta ki Nisan 2026’ya kadar.

Hediyenin mantığı

Meta’nın açık ağırlık stratejisinin gerekçesi hiçbir zaman hayırseverlik değildi. Biraz derin düşününce amaç ortaya çıkıyor: rakiplerin en değerli varlığını bir emtiaya çevirmek, kendi modelinin çevresinde bir ekosistem inşa etmek ve yetenekli mühendisleri çekmek. Gerçekçi olursak hepsi işe yaradı.

Ama oyunu bozan önemli bir şey vardı. Herkesin kendi bilgisayarına indirdiği bir model Meta için veri üretmez. Llama herkesin kendi bilgisayarında çalıştığında Meta o kullanımlarla ilgili hiçbir bilgiye sahip olamaz. Ne kullanıcının promptunu görür, ne de modelin cevabını. Modelin nerede takıldığını, kullanıcının bunu nasıl düzelttiğini bilemez. Bunca emeğe karşılık neredeyse sıfır geri bildirim.

2023 yılında bunun bedeli dikkate alınmıyordu. Modeller herkese açık internet kaynaklarını eğitim için kullanıyordu ve o dönemde bu kaynaklarda kullanılabilecek çok fazla veri vardı.

Web’de olmayanlar

Epoch AI bir hesaplama yaptı. Buna göre gözden geçirilmiş, kalite düzeltmesi yapılmış, kamuya açık insan üretimi veri, yani organik veri, yaklaşık 300 trilyon token. Bu hızla gidersek dil modelleri bu verileri 2026 ile 2032 arasında tümüyle kullanmış olacak. Biraz geniş bir aralık gibi gözükebilir ama hala organik veri üretmeye devam ediyoruz.

Ne var ki bu verilerin miktarına değil türüne odaklanmalıyız. Herkese açık web aslında sonuçların bir arşivi niteliğinde. Blog yazıları, ürün kullanım dokümanları, StackOverflow’daki cevaplar. Hepsi bitmiş işler aslında. Hiçbiri o işin nasıl yapıldığını bize anlatmıyor. Saatler harcanan üç deneme, gece ikide düzeltilen hatalar, bunlarla ilgili tartışmalar. Bunlara hiçbir zaman erişilemedi. Ama agentların öğrenmesi gereken tam da bu.

Pi adlı açık kaynak kodlu harness aracının geliştiricisi Mario Zechner’in gözlemi şu: 2025 nisan ile ekim arasında agentların yaptığı büyük sıçramanın nedeni, Claude Code’un varsayılan olarak tüm oturumları saklayıp pekiştirmeli öğrenmede kullanmasıydı. Bu iddia elbette doğrulanmadı, bu konuda çalışan bir geliştiricinin gözlemi. Ama sektörde kimse aksini de savunmadı.

Meta’nın da elinde müthiş bir hazine var ama yanlış türden. Facebook, Instagram ve WhatsApp muazzam veri üretiyor. Ama agentların ihtiyaç duyduğu kodlama verisini neredeyse hiç üretmiyor. Üstelik Meta’nın açık ağırlık stratejisi, tam da bu boşluğu doldurabilecek tek kanalı kapalı tuttu. Kendi eliyle.

Kırılma

Kısa bir zaman çizelgesi vereyim. Nisan 2025’te tanıtılan Llama 4 beklentiyi karşılamadı. Haziran 2025’te Meta, Scale AI’ın yüzde 49’u için 14,3 milyar dolar ödedi ve Alexandr Wang’ı transfer etti. Superintelligence Labs kuruldu. Nisan 2026’da Muse Spark çıktı. Meta’nın ilk kapalı ağırlıklı frontier modeli.

Kapalı ağırlığa geçiş konusunda açıklama yapılmadı bile. Ama Meta’nın, bu yeni modelin ihtiyaç duyduğu veriler için bir şeyler yapması da gerekiyordu. Eksiğini kapatmak için ABD’deki çalışanlarının bilgisayarlarına izleme yazılımı kurdu. Model Capability Initiative adlı program fare hareketlerini, tıklamaları, klavye aktivitelerini ve ara ara ekran görüntülerini topluyordu. Amaç yapay zekâya insanların işi nasıl yaptığını öğretmekti. 22 Haziran 2026’da program durduruldu. Hatalı bir yapılandırma, toplanan hassas çalışan verisini tüm Meta personeline açık hale getirmişti.

Bu yol kapanınca geriye tek seçenek kaldı: ihtiyaç duyulan veriyi satın almak.

İki farklı fiyat

Ağustos ve eylülde Muse Spark’ın iki sürümü yayınlandı. Ama asıl dikkat çekici olan, bu modellerin iki farklı fiyatlandırmasının olması.

Standart sürümde milyon giriş tokeni 1,25 dolar, milyon çıktı tokeni 4,25 dolar olarak fiyatlanıyor. Meta’nın ifadesiyle promptlarınız ve modelin cevapları, bu modeli ve gelecekteki modelleri eğitmek için kullanılmayacak.

Bir diğer sürüm olan Contributor’da ise milyon giriş tokeni 0,10 dolar, milyon çıktı tokeni 0,20 dolar. Karşılığında Meta, gelecekteki modellerini sizin verinizle eğitme hakkını alıyor. Girişte yüzde 92, çıktıda yüzde 95 fark. Oldukça ucuz, hatta Çinli modellerden bile çok çok ucuz.

Şunu da belirtmek lazım: iki modelin teknik özellikleri birebir aynı. Context window aynı, tool calling aynı, eğitim verisi aynı. Tek fark fiyat. O da sizin kullanım verinize biçilen bedel.

Glimmer testi

Aslında Meta açık ağırlıktan tam olarak vazgeçmedi. 10 Ağustos’ta Glimmer isimli bir Muse varyantı tanıtıldı. Muse Glimmer, 30 milyar parametreli, Apache 2.0 lisanslı, tek GPU’da çalışabilen bir model ve Llama’nın lisansından daha cömert şartlarla sunuluyor. Yani Meta açık ağırlığa, daha önce hiç sunmadığı kadar açık bir lisansla döndü.

Ama Glimmer amiral gemisi değil. Muse Spark’tan damıtılmış, bir sınıf aşağıda ama yerel donanımda çalışabilen bir model. Yani Meta’nın hiçbir şey öğrenemediği model. Öğrenilen model kapalı. Öğrenilmeyen model Apache 2.0.

Bu arada Wang, Muse Spark’ın açık ağırlıklı sürümünü de taahhüt etti. Bu sözü 10 Ağustos, 20 Ağustos ve 2 Eylül lansmanında olmak üzere üç kez tekrarladı. Şu ana kadar bir gelişme olmadı.

Bence bu yeni strateji ilkinden daha başarılı olacak. Bu karma yaklaşım bundan sonra diğer firmalara da ilham verebilir.

Yön

Meta hiçbir yerde açık ağırlıktan veri alamadığı için vazgeçtiğini söylemedi. Bu benim kaynaklara bakarak yaptığım bir çıkarım. Ama tüm yaşananlar bunu işaret ediyor. Modelini açık ağırlıkla dağıtan şirket üç yıl sonra bunu kapattı, çalışanlarını izlemeye çalıştı, başarısız oldu ve dışarıdan bedelini ödeyerek veri satın almaya başladı.

Açık ağırlıklı modellerde ağırlıkları indirdiğinizde her şey size ait. Meta ya da başkası onunla ne yaptığınızı bilmiyor, ondan bir şey öğrenmiyor.

Meta’nın yeni fiyatlandırmasında faturanın ödemediğiniz kısmı bir hediye. Ama bu kez hediyeyi veren sizsiniz.

Kaynaklar

• TechCrunch, “Meta is paying to peek at how you use their latest AI model,” 3 Eylül 2026 - techcrunch.com

• Meta Model API, Pricing & Rate Limits - dev.meta.ai

• Meta AI Research, “Introducing Muse Glimmer: An Open Agentic Model That Runs on Your Device,” 10 Ağustos 2026 - research.meta.ai

• Reuters, “Meta to pause internal mouse-tracking tech while examining data security issues,” 22 Haziran 2026 - reuters.com

• The Register, “Zuck rekindles open weights Llama drama with Muse Glimmer,” 10 Ağustos 2026 - theregister.com

• Epoch AI, “Will we run out of data? Limits of LLM scaling based on human-generated data,” Haziran 2024 - epoch.ai

Çünkü ölçmek istiyorsan önce neyle ölçtüğünü netleştirmen ve sabitlemen gerekiyor. Ayrıca ölçen aletin kendisi de düzenli olarak ölçülmeli. Mesela fabrikadaki kumpaslar her sene kalibrasyona tabi tutulur, teraziler bilinen bir ağırlıkla test edilir.

Ama yapay zekâ modellerini ölçen testlerin böyle bir mekanizması yok.

Örnek olarak, geçen hafta gizli model Ox Alpha (GLM 5.3 Flash olarak tanıtıldı) için dört farklı test sonucu sosyal medya da dolaşmaya başladı. Aslında dördü de yanlış ölçülmemişti. Ama nereye çekmek istersen oraya gidebilecek sayılar.

Neden bu kadar oynuyor?

Üç ayrı sebep var:

Örneklem. Yüzde 80, on “bug” dan olulan bir testten çıktı. Normalde setin tamamı 113 “bug”. Onlu görevde tek bir sonucun değişmesi bile puanı çok fazla değiştiriyor.

Harness. Modeli çalıştıran düzenek. Hangi araçlara erişebildiğini, kaç kez tekrar deneyebileceğini, ne kadar süresi olduğunu bu belirliyor. Model aynı kalıyor, harness değişiyor, oromatik olarak sonuç da değişiyor.

Ayarlar. Ne kadar metin okuyabildiği, ne kadar uzun cevap verebileceği, kaç saat çalışabildiği.

DeepSWE testini hazırlayan ekip bir şey daha buldu. Modeller arasında harcanan süre, üretilen metin ve maliyet on kat arttırıldığında bu farkların hiçbiri başarıya yansımıyor. Basitçe anlatacak olursam on kat pahalı olan model on kat fazla iş çözmüyor.

Z.ai, geçen hafta bizim de yazdığımız gizli modeli sahiplendi ve dokuz farklı testten oluşan bir karşılaştırma tablosu yayımladı. Tablonun altına testlerin nasıl yapıldığı da ekledi. Farklı testler 300 bin ile 1 milyon token arasında değişen boyutlarda, farklı çıktı sınırlarıyla ve bazıları on saate varan süre limitleriyle ölçülmüş. Farklı koşullar söz konusu. Üretici bunu saklamıyor bile. Kimse okumuyor, herkesin odaklandığı şey yüzdeler.

Benzer bir durum Terminal-Bench’te yaşandı. Testi hazırlayan ekip şunu gördü: 89 görevin 28’i bozuktu. Bunları düzelttiler. Düzeltmelerden sonra sonuçlar 12 puan civarında yükseldi.

Yani eski sürümle yeni sürüm arasındaki fark modelin iyileşmesi değil, testin düzeltilmesiydi. Ekip bunu duyurdu ve iki sürümün karşılaştırılamayacağını da ekledi. Size ilginç bir bilgi vereyim, lansman grafiklerinde iki sürümün sayıları hala yan yana duruyor.

Tezgahın önü

Kimsenin niyetinin kötü olup olmadığını bilemeyiz. Ama sektörde bu tür davranışlar herkes tarafından kabulllenmiş durumda. Mesela geçen yıl yayımlanan bir akademik çalışma, Meta’nın Llama 4 lansmanı öncesinde aynı modelin 27 özel varyantını test ettiğini ortaya koydu. Çok deneyip en iyisini yayımlamak ölçüm değil, seçim.

Devam edelim.

Anthropic’in Opus 5 karşılaştırma tablosunda bir satır 70,6 gösteriyor. O testi hazırlayan ekibin kendi yayımladığı sonuçlarda en yüksek puan 20,6.

xAI’ın Grok 4.6 karşılaştırma tablosunda Claude Opus 5 hiç yok. Oysa xAI’ın kazandığını öne çıkardığı satırlarda aslında en yüksek puan o modelin.

Z.ai‘nin tablosunda Terminal-Bench satırı var ve orada rakiplerinin arkasında. Ama öne çıkarılan satırlar başka.

Üçü de aynı şeyi yapıyor: kazanılan testler öne, kaybedilen arkaya. Aynı pazar tezgahındaki domatesler gibi.

Test modu

Kirlenme, yani modelin test sorularını eğitim sırasında görmüş olması, sık dile getirilen bir sorun. Ama buna kopya çekiyor demek haksızlık olur. Matematik sınavına matematik testi çözerek çalışan öğrenciye hilekar denmeyeceği gibi.

Hatırlar mısınız bilmem. 2015’te dünyanın en büyük otomobil üreticilerinden Volkswagen’in adı bir emisyon skandalıyla anılmıştı. Bu skandalın benzeri yapay zekâda da var. Modeller test edildiklerini anlayabiliyor.

Bu modeller aslında cevabı doğrudan vermiyor. Önce kendilerine bir düşünme metni yazıyorlar. Hangi dosyaya bakacaklarını, neyi deneyeceklerini, nereyi atlayacaklarını. Bu metin genelde kullanıcıya gösterilmez ama istenirse okunabilir.

Apollo Research adlı kuruluş bu metnin içinden “galiba test ediliyorum” anlamına gelen cümleleri sildi. Modelin kural dışı davranışı neredeyse ikiye katlandı. Kısacası model, izlendiğine inandığında daha uslu davranıyor. Anthropic de bunu tespit etti ve güvenlik testleri sırasında modelin bu farkındalığı dile getirmesini engellemek için müdahale etti.

Volkswagen’in yazılımının yaptığı da buydu. Araç test edildiğini anlıyor, emisyonu düşürüyor, yola çıkınca eski hâline dönüyordu. Biraz farklı olduğunu da eklemem lazım. Volkswagen’inki kasıtlı yazılmış bir koddu, amacı düzenleyiciyi kandırmaktı. Modellerdeki farkındalık kimsenin programlamadığı, kendiliğinden ortaya çıkan bir özellik. Üstelik bunu belgeleyen araştırmayı üreticinin kendisi yayımlıyor.

Sonuç benziyor ama niyet benzemiyor.

Asıl fark

Günün sonunda Volkswagen yakalandı. Çünkü ortada bir düzenleyici kurum, standart bir test protokolü ve arabaları gerçek yolda ölçen bağımsız bir üniversite ekibi vardı. Belki geç bulundu ama bulundu.

Yapay zekâda bunların hiçbiri yok. Testi üretici yazıyor, üretici uyguluyor, hangi satırın yayımlanacağına da aynı üretici karar veriyor. Yani soru “kopya var mı” değil, şu olmalı: kopya olsa fark eder miydik?

Dışarıdan bakıldığında dürüst bir ölçümle manipüle edilmiş bir ölçüm birebir aynı görünüyor. İkisi de birer yüzde. İkisi de tabloda. İkisinin de koşulları çoğu zaman okunmuyor bile.

Sektörün ihtiyacı belli. Aynı koşullarda tekrarlanabilen, koşulları yayımlanan, üreticinin elinde olmayan bir test düzeni. Böyle bir şeyin kurulup kurulamayacağı ise ayrı bir soru. Testi yayımlarsan eğitim verisine karışıyor. Gizli tutarsan sonucuna kimse güvenemiyor. Ve ölçtüğün şey, metrenin aksine, ölçüldüğünü fark edip davranışını değiştirebiliyor.

1875’te on yedi ülke bir metrenin ne kadar olduğunda anlaştı. Tanım o günden sonra iki kez değişti, en sonunda ışığın hızına bağlandı. Yani ölçünün kendisi bile zamanla düzeltildi.

Ama o çubuk hiçbir zaman kendini uzatmaya çalışmadı.

Kafamda bu meseleyi tartarken Burak’ın mesajı geldi: “The Executives’te yazmak ister misin?” Çok uzun süre düşünmediğimi hatırlıyorum. Birkaç dakika sohbet ettikten sonra düşüncelerimle örtüşen bu fikri kabul ettim.

Üstünden tam 2 yıl geçmiş. Kısa gibi ama uzun. Kısa gibi çünkü insan yaşadıkça yaşamın hızlandığını söylerler, ben de bunu deneyimliyorum. Uzun çünkü bu tempoyu koruyabileceğimden tam emin değildim. Ama oldu: 2 yılda toplam 84 yazı yazdım. Sonradan başladığımız video içeriği için de saatlerce kayıt yaptık. Video için henüz bir istatistik çıkartmadım ama onu da yapacağım.

Sizler de okudunuz, sağ olun var olun. Yazdıklarım bir kişinin bile işine yaramışsa benim için en büyük mutluluk sebebi olur. Elbette bunu ölçme şansım yok.

Meraklısı ve tabiki kendim için rakamları da eklemek istiyorum. İki yılda tam 84 yazı, 91.610 kelime yazmışım. Ortalama bir kitap kadar, mesela Bill Gates’in hikayesini anlatan Hard Drive’ın kelime sayısına yakın. En çok kullandığım kelimeler, tahmin edebileceğiniz gibi, “yapay” ve “zekâ” olmuş; onları “yeni”, “büyük” ve “Google” izliyor. En çok adı geçenler ise Google, OpenAI, Apple ve ABD. İlk dönemin haftalık “Executive Summary” bültenleri ortalama 1.868 kelimeydi; sonra geçtiğim tekil konu yazıları ise ortalama 878 kelime.

Bu seferlik normal düzen dışında Cumartesi bu yıldönümü ve teşekkür yazısını paylaşıyorum. Pazartesi yine her zamanki gününde ve saatinde asıl yazımı paylaşmış olacağım…

Bunları kafasından uydurmuyor. Gerçek açık kaynak projelerden alınmış, gerçek hatalar. Model kodu okuyacak, sorunu bulacak, düzeltmeyi yazacak, testleri çalıştıracak, tutmazsa tekrar deneyecek. Yani bir yazılımcının yaptığı işi yapacak.

Önce hepimizin bildiği modelleri deniyor. GPT-5.6 Sol on hatanın beşini çözüyor. Claude Fable 5 altısını. Sonra sıra, bir gün önce OpenRouter’da hiçbir duyuru olmadan beliren, sadece kod adı olan modele geliyor.

Sekiz.

Sonucu paylaşıyor ve altına şunu yazıyor: “Çok kafam karıştı.”

Kafasının karışması mantıklı. Az önce test ettiği şeyin üreticisi belli değil, teknik raporu da fiyatı da yok. OpenRouter’ın listesinde gerçek adı olmadan duruyor: stealth/ox-alpha.

Nasıl oldu

20 Ağustos 2026. OpenRouter’ın model listesine bir satır eklendi. Model bir milyon tokenlik context penceresine sahip, yani şu andaki en üst seviyede. Metin, görsel ve video okuyabiliyor. Fiyat alanında sıfır yazıyor. Bu tür gizli modellerin tanıtımları bu şekilde oluyor artık. Ve Ox Alpha ilk de değil. Aynı gün, kodlama aracı olan OpenCode da modeli bir hafta ücretsiz sunacağını duyurdu. Günde 100 trilyon token kapasitesi ile.

Yayılma hızı asıl hikaye. OpenRouter’ın kendi aktivite panelinde modelde ilk gün 12 milyar token işlendiği görülüyor. İki gün sonra 4,4 trilyon. OpenCode tarafındaki tablo da benzer: yaklaşık 12 trilyon işlenmiş token, 180 bin kullanıcı ve platformun en çok kullanılan ikinci modeli. Tek bir basın bülteni ve tanıtım olmadan.

Bu mümkün mü?

Akla gelen ilk soru bu ve cevabı sanıldığı kadar karmaşık değil. Boş bir GPU, kalkan uçaktaki boş koltuk gibidir. Satılmayan saat geri gelmez. Ve doluluk oranları aslında hiç de beklendiği gibi değil. Cast AI’ın 2026 raporuna göre kurumsal sunucularda ortalama GPU kullanımı yüzde 5. Alınan kapasitenin neredeyse tamamı boşta bekliyor. Bu boşluk bedava kullanımla doldurulduğunda şirketin cebinden çıkan para büyük ölçüde elektrik faturasına iniyor.

Karşılığında alınan şey ise tokenden daha değerli. OpenRouter’ın gizli model programı sözleşmesi bunu gizlemiyor bile. Bazı sağlayıcılar modellerini bir süreliğine ücretsiz ve ismini gizleyerek sunuyor. Amaç modeli eğitmek ve geliştirmek için veri toplamak. Bedava olan kullanım. Satın alınan şey veri. Trafiğin şekli de tesadüf değil. OpenRouter’ın verisine göre modele gelen her 31 birim girdiye karşılık yalnızca 1 birim çıktı üretiliyor. Model devasa kod dosyalarını okuyup küçük düzeltmeler yazıyor. Mantık basit: girdi işlemek, çıktı üretmekten kat kat ucuz.

Model avı

Model isimsiz olunca hemen dedektiflik oyunu oynanmaya başlandı. Herkes modelin üreticisini arıyor. Denenen yöntemlerin bir kısmı gerçekten zekice.

Hata mesajı. Çinli Zhipu’nun OpenRouter’daki modellerinin hepsi belirli bir hatayı aynı şekilde veriyor. Ox Alpha da öyle. Kritik detay şu: aynı model başka bir platformda çalıştırıldığında bambaşka bir hata veriyor. Yani bu imza modelin kendisine değil, onu çalıştıran şirketin platformuna ait.

Sızıntı. Bilerek bozulmuş bir istek hata çıktısında bir dosya yolu geri döndürdü. O yol, Zhipu’nun kendi belgelerinde yazan yolla birebir aynıydı.

Video encoder. Dört farklı test videosunda Ox Alpha, Zhipu’nun görsel modeliyle neredeyse aynı miktarda token harcıyor. Test edilen diğer adayların hiçbiri bu örüntüyü tutturmuyor.

Çalışma tarzı. Bir hatayı çözerken Ox Alpha ortalama 117 adım atıyor. Zhipu’nun bilinen modeli 124 adımda çalışıyor. GPT-5.6 Sol 61, Claude 90 civarında.

Davis yüzde 99 emin olduğunu söylüyor. Tahmin piyasalarında Zhipu seçeneği yüzde 84 ile fiyatlanıyor. Ama elbette kesin değil. Zhipu kendi modellerini açık lisansla yayımlıyor, yani herkes indirip üzerinde değişiklik yapabilir. Başka bir şirket bunu almış olabilir. O senaryoda yukarıdaki imzaların çoğu yine tutar. Nitekim Cursor’ın Composer 2.5 modeli, Kimi’ye ait bir modelin üzerine geliştirilmişti.

Bir de coğrafya var. Bir geliştirici dünyanın yedi ayrı noktasından aynı isteği gönderip yanıt sürelerini ölçtü. Atlanta 57 milisaniye, Dallas 76, Avrupa 130 civarı, Asya 200’ün üstü. Ölçümler ABD Doğu Yakası’nı işaret ediyor. Çinli bir şirket için beklenen tablo bu değil.

Kısacası iki senaryo var ve “işte yakaladık” diyeceğimiz bir kanıt yok.

Sayılar değişiyor

Davis’in testi on hatadan oluşuyordu. Gerçek testin tamamı 113 hata, 91 proje, beş programlama dilini içeriyor. Testin tamamı çalıştırıldığında sonuç yaklaşık yüzde 63. Aslında bu çok daha mantıklı. Yüzde 80’lik bir skor, modelin şu andaki tüm frontier modellerin çok üstünde olması anlamına gelir. Modele hiçbir araç verilmeden yapılan başka bir testte sonuç yüzde 28’e düşüyor. Yani her test birbirinden çok farklı uçlarda sonuçlar üretiyor.

Aynı model, farklı sayılar.

Veriler nerede

Burada aslında dikkatli olmamız gereken bir nokta var. OpenRouter’ın sayfası şöyle diyor: gönderdiğin promptlar ve modelin cevapları sağlayıcıda saklanıyor, eğitim için kullanılmıyor. OpenCode’un belgeleri ise sağlayıcının hiçbir şey saklamadığını söylüyor.

Birbiri ile çelişen iki belge. Anlaşılan gönderdiğin kod sağlayıcıda kalıyor. Bu yüzden dikkatli olmak şart.

Perşembe

Bedava kullanım 27 Ağustosta bitecek. Ve modelin sahibini öğreneceğiz. Bu, altı ayda beşinci anonim model. Önceki dördü de Çinli şirketler tarafından sahiplenildi: Zhipu, Xiaomi, Ant Group, Meituan. Muhtemelen bu da Çin’li çıkacak.

Normalde bir model çıktığında kimin yaptığını biliriz, ne kadar iyi olduğunu tartışırız. Bu kez tersi oldu. Üç gündür kimin yaptığı aranıyor. Hata mesajlarına bakıldı, video encoder’ın harcadığı tokenlar sayıldı, modelin kaç adımda düşündüğü ölçüldü. Ortaya bir cevap değil, bir tahmin çıktı.

Ne kadar iyi olduğu da üç gündür tartışılıyor. Elde farklı sayılar var ve hangisinin doğru olduğu konusunda uzlaşma yok.

Modelin sahibini yakın zamanda öğreneceğiz. Ama bu ölçüm ve test metotlarının tartışması bitmeyecek.

Kaynaklar

• OpenRouter, “Ox Alpha model page,” 20 Ağustos 2026 — openrouter.ai

• OpenRouter, “Stealth Program End User License Agreement,” Temmuz 2026 — openrouter.ai

• Bloomberg, “Mystery AI Model Ox Alpha Draws Developers With Free Access,” 23 Ağustos 2026 — bloomberg.com

• Ben Davis (@davis7), DeepSWE testi ve düzeltmesi, 21-22 Ağustos 2026 — x.com

• Datacurve, “DeepSWE: Measuring Frontier Coding Agents on Original, Long-Horizon Engineering Tasks,” 2026 — arxiv.org

• Manifold, “Who is behind Ox Alpha, the mysterious new frontier LLM on OpenRouter?” Ağustos 2026 — manifold.markets

Go, Uzak Doğu’da iki bin yılı aşkın süredir oynanan bir strateji oyunu. Kuralları satrançtan çok daha basit, on dokuza on dokuzluk bir tahtada iki oyuncu sırayla siyah ve beyaz taşlar koyup alan kapatmaya çalışıyor. Ama olası tahta dizilimlerinin sayısı evrendeki atom sayısından kat kat fazla. Satrançta insanın bilgisayara yenilmesinin üzerinden yirmi yıl geçmişken Go’nun bilgisayarlara daha on yıllarca direneceği düşünülüyordu.

Google DeepMind ekipleri binaya bu yaz taşınmaya başladı. Ama aynı aylarda Google DeepMind, tarihinin en dikkat çekici insan kaybını yaşadı.

Birkaç ayda dağılan kadro

18 Haziran’da Gemini’nin teknik eş lideri ve mühendislik başkan yardımcısı Noam Shazeer, OpenAI’a geçti. Google onu 2024’te Character.AI anlaşmasıyla geri getirmek için 2,7 milyar dolar ödemişti. Aynı hafta AlphaFold’un eş mucidi ve Nobel ödülünü Hassabis’le paylaşan John Jumper, Anthropic’e katıldı. Londra ofisinden Jonas Adler ve Alexander Pritzel de aynı yolu izledi.

5 Ağustos’ta ise asıl bomba düştü. Hassabis günlük yönetimi bırakıp Google DeepMind başkanı ve Alphabet baş bilim insanı oldu. Yerine yeni bir CEO atanmadı. CTO Koray Kavukcuoğlu, doğrudan Sundar Pichai’ye raporlayan kıdemli başkan yardımcısı sıfatıyla operasyonu devraldı. Aynı gün Jeff Dean, Sanjay Ghemawat, Oriol Vinyals ve Quoc Le kendi girişimlerini kurmak için ayrıldı.

Vinyals, Gemini’nin teknik eş liderlerinden biriydi. Diğeri yedi hafta önce ayrılan Shazeer’di. Google, Gemini 4’ü kimin inşa edeceğini duyurduğu gün, Gemini’yi inşa eden iki isimden geriye kalanını da kaybediyordu.

Ortada olmayan model

Pichai 19 Mayıs’ta Google I/O sahnesinde Gemini 3.5 Pro’yu tanıttı ve modelin önümüzdeki ay yayınlanacağını söyledi. Haziran geçti. Temmuz ortasına ötelediler, o da geçti. Bloomberg 16 Temmuz’da gecikmenin nedenini yazdı. Kodlama performansı belirlenen hedefin altında kalmıştı ve Haziran sonunda bunu düzeltmek için yapılan eğitim verisi güncellemesi sonuçları daha da kötüleştirmişti. Haberin çıktığı gün Alphabet hissesi yüzde 4,4 düştü.

21 Temmuz’da Google yeni bir model duyurusu yaptı. Ama beklenen model değildi. Aynı anda üç Flash modeli tanıtıldı: 3.6 Flash, 3.5 Flash-Lite ve 3.5 Flash Cyber. Duyurunun sonunda bir cümle daha vardı, şirket Gemini 4 için “bugüne kadarki en iddialı ön eğitim çalışmasına” başladığını söylüyordu. 13 Ağustos’ta, yalnızca üç hafta sonra, 3.7 Flash modeli geldi.

Haziran sözünün tutulmadığı andan bugüne dört Flash sınıfı model çıktı. Ama amiral gemisi çıkmadı. Google’ın uygulamasındaki model listesinde bugün 3.7 Flash, 3.5 Flash-Lite ve Şubat’tan kalma 3.1 Pro var.

Yanlış cephenin savunması

Fortune’un Ağustos başında konuştuğu DeepMind mühendisleri, gecikmeyi bir aksilik olarak değil bir yıl önce alınmış bir kararın faturası olarak anlatıyor.

Mühendislere göre Google, Gemini’nin kodlama yeteneklerini geliştirmeye öncelik vermedi. Şirket arama trafiğini korumak ve sohbet alanında OpenAI’ı yenmeye odaklanmıştı. Rakipler bu sırada agent ve kodlama tarafında yol alıyordu. Mühendislerden biri şöyle anlatıyor: “Kodlama tarafını biraz es geçtiler. Böyle bir şeyi fark ettiğinizde aradan aylar geçmiş oluyor, sonra arayı kapatmak için koşturuyorsunuz.”

Reuters aynı sonuca başka bir yoldan varıyor. Gemini’nin çok sayıdaki proje lideri arasındaki anlaşmazlıklar, sonradan kritik olduğu anlaşılan alanlara daha az kaynak ayrılmasına yol açtı. Google’ın bürokratik yapısı da modelleri daha çevik rakiplerinden yavaş çıkarmasına neden oldu. İki açıklama çok da çelişmiyor. Stratejik önceliklendirme hatası ve kurumsal dağınıklık birbirini besliyor.

Google sözcüsü bu iddiaların bir kısmını kabul ediyor, şirketin kodlama ve agent yeteneklerinde gelişmesi gerektiğini ve ekiplerin bu işe odaklandığını söylüyor.

Buradaki mesele Google’ın yapay zekâyı ihmal etmesi değil. Google yapay zekâya devasa kaynak ayırdı. Ama ayırdığı kaynağı mevcut işini savunmaya harcadı. Arama sonuçlarına yerleştirilen özetler ve sohbet asistanı. Rakipler ise aynı dönemde bambaşka bir yoldan ilerliyordu. Claude Code ve ChatGPT Codex gibi geliştirici araçları yeni bir tüketici ürünleri dalgasının altyapısı haline geldi. Kodlama işinin sadece geliştirici pazarında kalacağı sanılmıştı, lakin bütün agent ekonomisinin temeli oldu.

İşin ironisi şu. Google seçtiği savaşı kazandı. İkinci çeyrekte arama geliri yüzde 17 artışla 63,3 milyar dolara çıktı. Yapay zekânın aramayı öldüreceği tezi tutmadı. Google arama trafiğini savunmak için verdiği kararlarda haklı çıktı, yalnızca yanlış cepheyi savunuyordu.

Altı bin kilometre

Kavukcuoğlu, geçen yıl terfiden sonra Londra’dan Mountain View’a taşınmıştı. Hassabis Londra’da kaldı. Aradaki mesafe altı bin kilometre. Reuters’a konuşan kaynaklara göre Hassabis’in Gemini’den uzaklaşması ve Kavukcuoğlu’nun merkeze taşınmasının ardından Londra’nın model üzerindeki teknik etkisi azaldı.

Şu detaya dikkatinizi çekerim. CEO gitti ve yerine yeni bir CEO atanmadı. Bu, DeepMind’in şirketin geri kalanı içinde erimesi ve bağımsızlığının bir parçasını daha kaybetmesi anlamına geliyor. Belki tek başına küçük bir adım ama süregelen bir eğilimin devamı.

6 Ağustos’taki çalışan toplantısında bazı teknik olmayan ekiplerin DeepMind’den ayrılıp doğrudan Google merkezine bağlanacağı açıklandı. Bu personelin, Gemini eğitimiyle doğrudan ilgisi olmayan araştırmalar yapma konusunda bir serbestliği vardı. Google bu ekiplerin akıbetine dair bir plan paylaşmadı. Bulut biriminin üst yönetimi ise Kavukcuoğlu’nun atanmasının, kısıtlı TPU kapasitesinin paylaşımı konusunda DeepMind’le yaşanan gerilimi hafifletmesini umuyor.

Sorulan sorular üzerine Google sözcüsü gücün Mountain View’a kaydığı yorumunu reddedip Hassabis’in ve üst düzey yöneticilerin büyük bölümünün Londra’da kalacağını, DeepMind’in ayrı bir yönetimi ve araştırma özerkliği olacağını söyledi.

Kimse zorla taşınmadı. Taşınan yetkiydi.

Sadece kadro kaybı değil

Nisan 2026’da Google, ABD Savunma Bakanlığı’nın Gemini modellerini kullanmasına izin veren bir anlaşma imzaladı. Aralarında kıdemli DeepMind araştırmacılarının da bulunduğu beş yüz seksenden fazla çalışan, otonom silahlar ve kitlesel gözetim endişeleriyle Pichai’ye anlaşmayı yeniden değerlendirme çağrısı yapan açık bir mektuba imza attı. DeepMind’in yapay zekâ güvenliği ekibinde iki yıldan fazla çalışan Alex Turner, Haziran’da bu anlaşmayı gerekçe göstererek istifa etti.

Pentagon anlaşması, Mayıs’ta sendikalaşma girişimi başlatan bir grup Londralı DeepMind çalışanı için bardağı taşıran damla oldu. Bu, bir frontier yapay zekâ şirketinde yapılan ilk resmi sendikalaşma girişimi. Girişimin kökeni ise Şubat 2025’e, Google’ın kamuya açık yapay zekâ ilkelerinden silah ve gözetim amaçlı sistem geliştirmeme taahhüdünü çıkardığı güne dayanıyor.

Bir de tükenmişlik var. Bir mühendisin Fortune’a anlattıkları şöyle: “Uzun zamandır haftada 60 saat çalışıyorum, çünkü yapılacak iş bitmiyor. Herkes kendini paralıyor, sonuçta bu bir yarış ve sürekli geriden geldiğiniz hissi var. Ama insanlara her hafta 60 saat çalışın demek uzun vadede işe yaramıyor, sonunda tükeniyorlar.”

Bu rakam tesadüf değil. Sergey Brin, Şubat 2025’te Gemini ekibine gönderdiği notta haftada 60 saatin en verimli çalışma temposu olduğunu yazmıştı.

Otuz yedinci hamle

Google model yarışını kaybediyor olmayabilir. Ama bir laboratuvarı kaybettiği kesin.

2014’te satın alınan, kurucularının etik kurul şartı koştuğu, askeri kullanım işine girmeyeceğine söz veren, on iki yıl boyunca ticari önceliklerle arasına mesafe koymayı başaran kurum bugün CEO’suz kalmış, iki teknik liderini kaybetmiş, bazı ekipleri Google merkezine bağlanmış ve Pentagon sözleşmesi yüzünden içeriden sarsılan bir kurum.

Otuz yedinci hamlenin dahiyane mi yoksa hata mı olduğu da oynandığı anda anlaşılmamıştı. Bunun için maçın bitmesi gerekti.

Kaynakça

• Fortune, “How stalled models, missed deadlines, and staff burnout led to the unraveling of Google’s DeepMind,” 10 Ağustos 2026 — fortune.com

• Reuters, “Inside the Google executive moves that led to its big AI reshuffle,” 12 Ağustos 2026 — reuters.com

• Axios, “Google DeepMind CEO Demis Hassabis is stepping aside,” 5 Ağustos 2026 — axios.com

• The Next Web, “Google named the new boss of Gemini 4. Both of Gemini’s co-leads quit the same day,” 6 Ağustos 2026 — thenextweb.com

• CNBC, “Google Gemini co-lead Noam Shazeer leaves for OpenAI,” 18 Haziran 2026 — cnbc.com

• 9to5Google, “Gemini 3.5 Pro delays due to coding performance,” 16 Temmuz 2026 — 9to5google.com

• Unite.AI, “Google Ships Three Gemini Flash Models as Its Flagship Slips,” 22 Temmuz 2026 — unite.ai

• Google, “Gemini 3.7 Flash: our most intelligent workhorse model,” 13 Ağustos 2026 — blog.google

• Google, “Platform 37 and The AI Exchange,” 12 Mart 2026 — blog.google

• CNBC, “Alphabet Q2 2026 earnings,” 22 Temmuz 2026 — cnbc.com

Yurii Sydorets, bir bifteği pişirmenin neredeyse hiç beceri gerektirmediğini yazmış. Izgarayı ısıt, etki koy, çevir. Bu kadar. Teknik olarak yenebilir bir şey çıkar. Ama istediğin kıvamda pişmiş, doğru mühürlenmiş, yeteri kadar tuzlanmış ve daha önemlisi her seferinde aynı olan bir biftek bambaşka bir iş. Ona göre yapay zekâ bir şef değil, bir biftek makinesi. Izgarayı ısıtır, tarifi uygular ve değiştirmeden tekrarlar. Bilmediği tek şey senin ne istediğin.

NotAShelf ise blog yazısında daha radikal bir yerden yaklaşıyor. Üretim artık bedava olduğuna göre geriye tek bir şey kalıyor, o da zevk. Ve zevkin nereden geldiğini soruyor. İyi restoranlarda yemek yiyerek şef olamayacağın gibi, iyi kod okuyarak da zevk edinemezsin. Zevk kötü şeyler yaparak, onlarla yaşamak zorunda kalarak, herkesin onu eleştirmesini izleyerek birikiyor.

İkisi aynı yere varıyor. Farkı yaratan damak tadı.

Buna ben de katılıyorum. Ama bu cümle söylendiği yerde bırakılırsa bir teselli sözüne dönüşüyor. Aslında hepimizin buna ihtiyacı var ama ona sığınıp kalmamak gerekiyor.

Önce iyi haber, demokratikleştik

Bu tartışma, çoğu zaman gözden kaçan bir zeminin üstünde duruyor. Araçlar artık gerçekten herkeste aynı.

Yazılım geliştiricilerin çok büyük kısmı artık yapay zekâ kullanıyor. Aynı modeller, aynı fiyatlar, aynı harness’lar, aynı editörler. İstanbul’daki üç kişilik ekiple San Francisco’daki iki yüz kişilik ekip arasındaki fark hiç bu kadar kapanmamıştı.

Bu iyi bir şey. Gerçekten iyi bir şey. Bir kuşak boyunca “onlarda şu var, bizde yok” cümlesinin arkasına saklandık. Hatta “coğrafya kaderdir” dedik. Bu cümlelerin anlamı bitti diyebiliriz.

Ama kapanan her fark, başka bir farkı görünür kılar.

Sonra kötü haber, hepimiz aynı tarifi kullanıyoruz

Herkes aynı mutfağa girince yemekler benzemeye başlıyor. Bu artık bana ait bir his değil, kabul edilmiş bir ölçüm.

Science Advances’ta yayımlanan bir deneyde, yapay zekâ destekli yazan yazarların hikayeleri jüri tarafından daha yaratıcı bulundu. En büyük sıçramayı en zayıf yazarlar yaptı. Fakat hikayeler birbirine gözle görülür biçimde benziyordu. Araştırmacılar buna sosyal ikilem diyor. Bireysel olarak yardımı almak senin lehine, ama kolektif anlamda çeşitlilik daralıyor.

Tasarımda da aynısı oluyor. Soluk siyahlar, mor-maviye giden geçişler, kenarları hep aynı şekilde yuvarlatılmış kartlar, her yerde aynı fontlar. Aslında bu bir kusur değil, bir döngü. Üretilen çıktı webe yükleniyor, bir sonraki model onunla eğitiliyor, fark her turda biraz daha daralıyor.

Neden koyu kavuruyorlar

Starbucks’ın kahvesi hakkında yıllardır aynı eleştiri yapılıyor. Fazla kavrulmuş, hatta yanık. Ama bunun bir kaza olmadığını, tam tersine bir mühendislik kararı olduğunu söylemek gerekir.

Sebebi basit. Starbucks dünyanın her yerinden, her kalitede çekirdek alıyor ve binlerce şubede aynı kahveyi satmak zorunda. Koyu kavrum bu srounu çözüyor. Çünkü koyu kavrum karakteri siliyor. Afrika kahvesinin kendine özgü tadı da sorunlu bir partinin kusuru da ortadan kalkıyor. Özetle her fincan aynı tada sahip olsun diye, neredeyse kasıtlı olarak vasat bir kahve üretiliyor.

Yani tavanı feda edip herkesi asgari müşterekde buluşturuyorlar.

Bu satırı bir daha okuyun, çünkü LLM çıktısının mekanizması tam olarak bu. Hiçbir şey berbat çıkmıyor. Ama hiçbir şey olağanüstü de çıkmıyor. Ve dikkat edin, bu bir başarısızlık değil, bir iş modeli. Starbucks’ta kavurma derecesine, süte, sıcaklığa birileri karar verdi ve bunu reçete haline getirdi. Artık binlerce baristanın damak tadına ihtiyaç yok, reçeteyi yazan o birkaç kişininki yetiyor.

“Ama insanlar bundan bıkar” diyeceksiniz. Bıkmadılar. Kimse Starbucks’tan bıkmadı, tıpkı aynı basit dolabı on yıllardır satan IKEA’dan bıkmadığı gibi. Third wave kahveciler diye bir dalga geldi, gerçekten bir segment oluşturdu. Ama Starbucks’ın tek bir şubesi bunlar yüzünden kapanmadı.

Kısaca her şey eskiye dönecek diye beklemeden kendi reçetemizle kahve yapmalıyız.

Peki ustalık nasıl oluşacak?

Buradaki asıl tuzak, üretilen kodun kötü görünmemesi. Biçimi düzgün, sözdizimi temiz. Oldukça kaliteli görünüyor. Ama bu yüzden de kod review kültürü ölüyor. Faros’un 22.000 geliştirici ile yaptığı 2026 tarihli araştırmasında PR’ların %31’i hiç review görmeden merge ediliyor.

Peki şimdi asıl rahatsız edici kısma geçebiliriz.

Zevk bifteği yakarak gelişiyorsa, bugünün ustaları yirmi yıl boyunca yaktıkları için usta. Yeni işe başlayanlar hiçbir şey yakmıyor. Makine ona sürekli “idare eder” seviyesinde bir tabak veriyor ve idare eder olan şey öğretmiyor. Yanık biftek ile öğrenirsin ama vasat biftek sadece kandırır.

Kapanış

Kahveciler üstünden benzetmeye devam edecek olursam üç pozisyon var. Kavuran, içen ve kavurma derecesini yazan. Kavuran kısım bizler, yani kodu yazanlar. Bu pozisyon bitmek üzere.

Ve unutmayın, third wave kahveciler Starbucks’la aynı kahveyi daha ucuza yaparak doğmadı. Starbucks’ın kasten sildiği her şeyi geri getirerek doğdu. Menşei, partiyi, karakteri. Sizin elinizde de modelin bilemeyeceği şeyler var. Yıllara yayılan saha bilginiz, müşterinizin kimsenin bilmediği tuhaf iş akışı, bir ekranın neden öyle davranması gerektiğine dair sezginiz. Model internetteki ortalama ekranı biliyor. Sizinkini bilmiyor.

Araçlar demokratikleşti, bu bir eşitleyici. Ama her eşitleyici, eşitleyemediği şeyi daha görünür kılar. Herkes aynı kavurma makinesine sahipse, artık makine değil, reçeteyi kimin yazdığı önem kazanır.

Kaynaklar

• raf (NotAShelf), “Taste Is All That’s Left,” 6 Ağustos 2026, notashelf.dev

• Yurii Sydorets, “Almost No Skill Required to Cook a Steak,” 14 Temmuz 2026, blog.sydorets.com

• Faros AI, “Key Takeaways from the DORA Report,” 2026, faros.ai

• DORA, “State of AI-assisted Software Development,” Eylül 2025, dora.dev

• Anil Doshi ve Oliver Hauser, “Generative AI enhances individual creativity but reduces the collective diversity of novel content,” Science Advances, Temmuz 2024, science.org

• Kenneth Davids, “The Dark Roast Controversy,” Coffee Review, coffeereview.com

Geçtiğimiz hafta boyunca bu konuda düşündüm ve o cümleyi geri almıyorum. Ama üzerine çalıştım ve şimdi daha keskin bir şey söyleyeceğim.

Bunu bana söyleten sahne şuydu. İki yapay zekâ modeli, yani OpenAI’ın GPT-5.6’sı ve duyurulmamış yeni bir modeli, internetten izole edilmiş bir ortamın içinde bir sınava giriyor. Ortamdan çıkmanın yolunu arıyor. Neden? Sınavda bir nevi kopya çekmek için.

Bu görüntü bence anlatıldığından daha korkutucu. Ama daha önemlisi, yeterince konuşulmadı. Asıl rahatsız edici olan da bu.

Ne oldu

Kronolojiyi yorumlamadan yazıyorum, çünkü ayrıntılar yeteri kadar ikna edici.

16 Temmuz. Hugging Face, altyapısına yetkisiz erişim olduğunu duyuruyor. İhlali kendi güvenlik telemetrisiyle tespit ediyor ve gerekli mercilere de bildiriyor. Saldırganın kim olduğu o sırada bilinmiyor.

18-19 Temmuz. OpenAI çalışanları kendi sistemlerinde bir agent’ın test kısıtlarından çıktığına dair işaretleri görmeye başlıyor.

21 Temmuz. OpenAI açıklıyor. İhlalin arkasında kendi modelleri var. GPT-5.6 Sol ve yayımlanmamış, daha yetenekli bir model.

Olaylar teknik olarak şöyle gelişmiş. Modeller ExploitGym adlı bir siber güvenlik benchmark’ında değerlendiriliyordu ve maksimum saldırı kabiliyetini ölçebilmek için guardrail’leri bilinçli olarak azaltılmıştı. Bu modeller skoru yükseltmek için ciddi miktarda işlem gücü harcayıp altyapıda çalışan bir yazılımda daha önce bilinmeyen bir açık buldular. Bu açıkla sandbox’tan çıktılar. Diğer ortamları tek tek kontrol ederek internete çıkış için bir yol buldular. Sonra ExploitGym çözümlerinin nerede barındığını kendileri buldular. Hugging Face’te. Ve oraya girip cevap anahtarını aradılar.

Aslında sızıntı sınırlı sayıda iç veri setini ve birkaç servis kimlik bilgisini kapsadı. Ama yine de ben de uyarmış olayım. Hugging Face şifrelerinizi ve API anahtarlarınızı yeniden oluşturmanız güvenlik açısından önemli.

25 Temmuz. Sam Altman bir podcast’te “artık tekilliğin içindeyiz” diyor. Bunu hayatı boyunca beklediğini, dünya için harika olacağını da ekliyor.

28 Temmuz. Aynı Sam Altman, bu olayın kendisini derinden etkileyen ilk güvenlik olayı olduğunu söylüyor. Bu yüzden OpenAI eğitim ve benchmark operasyonlarını durdurmuş. Şunu da ekliyor. “Toplumun bu yeni yetenek seviyelerine uyum sağlayabilmesi ve harekete geçebilmesi için yapay zekâ gelişiminin hızını yavaşlatmak gerekebilir.”

Üç gün içinde 180 derecelik bir dönüş. Biz bile şaşırdık.

İki okuma da yanlış

Bu olayı okumanın iki kolay yolu var. İkisi de yanlış ve ikisi de aynı işi görüyor, yani düşünmeyi durduruyor.

Birincisi Skynet okuması. Değildi. Hedefi insan koydu. Benchmark skorunu maksimize et. Modeller kötü niyetle davranmadı. OpenAI’ın kendi ifadesiyle sadece değerlendirme problemini çözmeye çalışıyorlardı.

Bunun adı yapay zekâ literatüründe on yıldır var. Ödül hacklemesi. Aslında hepimiz bunu küçük ölçekte görüyoruz. Bir kodlama agent’ına “testleri geçir” dediğinizde, bazen fonksiyonu düzeltmek yerine testi siler. Ya da beklenen çıktıyı doğrudan koda gömer. Yalan söylemiyor ya da sabote etmiyor. Sadece kendisine verilen hedefe giden en kısa yolu buluyor ve o yol sizin kastettiğiniz yol değil.

Temmuz’da olan şey bunun büyük ölçekli hali. Ödül fonksiyonu bir benchmark skoruydu. En kısa yol, sınavın cevap anahtarının durduğu sunucudan geçiyordu.

Yeni olan niyet değil, kabiliyet. Modeller artık sıfırıncı gün açıklarını bile rahatça bulabiliyor.

Ama işin gerçekten rahatsız edici kısmı burada. Modeller kendilerine verilen görevlerin dışına çıktıklarına dair hiçbir sinyal üretmedi. Hiçbir noktada “test ortamından çıktım, bu muhtemelen kastedilen şey değildi” demedi. Yaptıkları şeyi hile olarak bile görmüyorlardı. Sadece problemi çözüyorlardı.

Sorun makinenin bilinçli olması değil. Sorun bilinçli olmaması.

İkincisi pazarlama okuması. Bu daha yaygın, daha çok kullanılan ve bence daha tehlikeli olanı.

“Altman’ın ya da Amodei’nin hype’tan kazancı var, o yüzden abartıyor.” Doğru olan kısmı kazançlarının olması. Yanlış olan kısmı ise şu. Bir iddiayı kimin söylediği, o iddianın doğru olup olmadığını belirlemez.

Ama pazarlama okumasını çürüten asıl şey daha basit. Kimse kendi kontrol kaybını kullanarak pazarlama yapmaz.

Şirketler ürünlerinin ne kadar iyi olduğunu duyurur. Modellerinin test ortamlarından kaçtığını duyurmaz. OpenAI kendi aleyhine birçok şey açıkladı. Olayı kendisinin bulmadığını, kurban şirketin bağımsız olarak tespit edip bildirdikten sonra fark ettiğini kabul etti. Eğitimi durdurdu. Ve bu tür olayların yaygınlaşmasını beklediğini söyledi.

Bu bir kampanyaysa, bence tarihin en kötü kampanyası.

Altman’ın üç günü tam olarak bunu gösteriyor. 25 Temmuz’daki cümle pazarlamaydı. Tekillik kelimesi, hayat boyu bekleyiş, dünya için harika olacak. 28 Temmuz’daki cümle pazarlama değildi. Hype yapan bir CEO “yavaşlamamız gerekebilir” demez. Birinci cümle bir pozisyondu, ikincisi bir tepkiydi.

Tekillik nedir? Terim, bir makinenin kendinden daha iyisini tasarlaması, onun da bir sonrakini tasarlaması ve bu zincirin insan müdahalesi olmadan sürmesi anlamına gelir. Kökeni I. J. Good’un 1965’te tarif ettiği “zekâ patlaması”na dayanır. Buradaki asıl iddia hız değil, öngörülemezliktir. Bir de Ray Kurzweil’in 2000’lerde yaygınlaştırdığı ikinci bir versiyon var. Bu versiyonda ani bir kopuş değil, teknolojilerin birbirini beslediği ve eğrinin giderek dikleştiği kesintisiz bir süreç anlatılır.

Altman’ın kastettiği tekillik, Good’un tarif ettiği ani kopuş değil, Kurzweil’in popülerleştirdiği kademeli hızlanma.

Bu bir siyah kuğu değil

“Hepsi pazarlama” demek insana kendini zeki hissettirir ve hiçbir şey yapmayı gerektirmez. Tam da bu yüzden bir inkar biçimi. “Her şey yolunda” ile “hepsi abartı”, psikolojik olarak aynı kapıya çıkıyor.

Michele Wucker’ın 2013’te ortaya atıp 2016 tarihli kitabında geliştirdiği bir kavram burada çok işe yarıyor. Wucker gri gergedan kavramını siyah kuğuya karşı üretti. Siyah kuğu öngörülemez ve nadirdir. Mesela 11 Eylül saldırıları. Gri gergedan ise yüksek olasılıklı, yüksek etkili ve görünürdür. Doğrudan size doğru koşuyor, siz de onu görüyorsunuz. Ama kımıldamıyorsunuz.

Yapay zekâ tartışmasının neredeyse tamamı siyah kuğu çerçevesiyle ilerliyor. Aniden ortaya çıkan süper zekâ, öngörülemeyen sıçrama, tekillik. Oysa elimizdeki şey siyah kuğu değil. Yıllardır ölçülüyor, laboratuvarlar tarafından raporlanıyor, benchmark’larda takip ediliyor. Şirketler bu tür olayların artacağını kendileri söylüyor. Görmemek için bakmamak yetiyor.

Sektörün bu olaydaki tepkisi de bunu doğruluyor. Üç gün içinde inkardan paniğe geçildi. Ama teşhis aşaması tamamen atlandı.

Peki AGI’a ulaştık mı?

Bilmiyorum. Üzerine oldukça uzun süre düşünüp okuduktan sonra geldiğim nokta şu. Bunu bilmek zor, çünkü mutabık kalınmış bir tanım yok. Ekonomik tanıma göre eşik geçildi. Bilişsel testlere göre yarı yoldayız. Genelleme testlerine göre çok uzağız. İnsanların yüzde yüz çözdüğü bazı görevlerde en iyi modeller hala çok kötü.

Muhtemelen ulaşmadık. Ama bunun cevabını beklemek gerekmiyor, çünkü karar vermek için buna ihtiyacımız yok.

Şöyle düşünelim. Hazırlanırız ve gelmez. Ne olur? Biraz fazla yasa çıkarmış, biraz da boşa emek harcamış oluruz. Hazır değilken gelirse? Oluşacak maliyetin üst sınırı yok. Bu hesap, AGI’ın ne zaman geleceğine dair hiçbir tahmin gerektirmiyor. Sadece bunu düşünmek yetiyor.

Şurası da çok net ki modeller; çok adımlı, uzun süreli ve gerçek dünyada sonuç doğuran işleri insan gözetimi olmadan yürütmeye doğru gidiyor.

Ne yapmalı

Bu sadece bir yazılım sorunu değil. İşi kime devrederseniz devredin, ister bir yapay zekâya ister bir insana ister bir ekibe, şu üç soru geçerli. Yapay zekâda tek fark hız ve ölçek.

Başarıyı nasıl ölçüyorsunuz ve o ölçüt iş yapılmadan karşılanabilir mi?

Bir sistem, ne istediğinize değil, neyi ölçtüğünüze göre kendini optimize eder. Mesela satış kotası koyarsınız, sahte hesaplar açılır. Fark şu ki yapay zekâ bunu yorulmadan, aralıksız ve sizden daha hızlı yapabilir. Sorulacak soru net. Benim başarı kıstasım, iş hiç yapılmadan karşılanabilir mi? Cevap evetse, er ya da geç bu olur.

Bu sistem tam olarak neye erişebiliyor?

Olayın teknik dersi tek cümleye sığıyor. Yapay zekânın çalıştığı ortamın dışarıya çıkışı ve gerçek şifrelere erişimi olmamalıydı. Ama asıl ders daha genel. “İzole”, “kapalı”, “sandbox” gibi kelimeler birer iddia, mimari değil. Çoğu kurum, kullandığı yapay zekâ araçlarının hangi verilere, hangi hesaplara, hangi sistemlere ulaşabildiğini gerçekten bilmiyor. OpenAI da bilmiyordu.

Yanlış giderse geri dönüş ne kadar sürüyor?

İşi vermek kolay kısım. Verdiğiniz iş yanlış çıktığında geri almanın maliyeti nedir? Dakikalar mı, saatler mi, günler mi? Bu soru, hata oranını sıfırlamaya çalışmaktan daha gerçekçi, çünkü hata oranı sıfır olmayacak.

Skynet gününü beklemek aslında bir konfor. Gelmediği sürece rahatız, çünkü hiçbir şey yapmamız gerekmez.

Gergedanı görmemek için gözlerinizi kapamanıza gerek yok. “Bu sadece pazarlama” demeniz yeterli.

“Anthropic’in ışıkları o gece sabaha dek sönmedi.”

24 Temmuz akşamı bir mektup dolaşıma girdi. Aslında ilk kimin kaleminden çıktığı net değil. Altında yirmi beş imza vardı. Jensen Huang, Haziran’da açtığı ama o güne kadar hiç kullanmadığı X hesabından ilk paylaşımını yaptı ve mektubu duyurdu. Gece boyunca imza sayısı otuz beşe, ertesi gün elliye çıktı. OpenAI eklendi. Google eklendi. AMD eklendi. Sabah olduğunda Anthropic’ten gelen açıklama şuydu: hiçbir şey.

On beş gün

Gelin bu mektuba nasıl geldiğimizi kısaca tarihlendirelim.

11 Temmuz: Hugging Face saldırıya uğradı. Sonradan öğrenildi ki saldırının arkasında OpenAI modelleri vardı ve OpenAI’ın bunu Hugging Face’e bildirmesi on gün sürdü. Bunu aklınızda tutun, bu detay birazdan işimize yarayacak.

16 Temmuz: Moonshot AI, Kimi K3’ü duyurdu. Bazı testlerde batılı rakiplerini yakaladı. Fiyatı da çok daha ucuz.

21 Temmuz: ABD Hazine Bakanı Scott Bessent, yönetimin Çinli şirketlerin Amerikan fikri mülkiyetini çalıp çalmadığını inceleyeceğini söyledi.

22 Temmuz: Beyaz Saray Bilim ve Teknoloji Politikası Ofisi direktörü Michael Kratsios, K3’ün Anthropic modellerinin çıktıları damıtılarak yapıldığını iddia etti. Tekniğin meşru kullanımları olduğunu kabul etti, ama Amerikan teknolojisini gizlice ve büyük ölçekte ele geçirmek için kullanılmasının kabul edilemez olduğunu ekledi. Anthropic’in politika direktörü olayı endüstriyel casusluk olarak niteledi.

Bu ismi de aklınızda tutun. Yazının sonunda tekrar karşımıza çıkacak.

24 Temmuz: “Open Weights and American AI Leadership” başlıklı belge dolaşıma girdi. Yirmi beş imzayla başladı, aynı akşam imza sayısı otuz beş oldu, OpenAI da dahil.

25 Temmuz: Elli şirket bu mektubun altına imzasını koydu. Google ve AMD de imzacıların arasına katıldı.

Küçük ama önemli bir detay vereyim, mektubun yazarı yok. Altında imzası olan hiçbir kurum “biz kaleme aldık” demiyor. Huang’ın kendi ifadesi de bunu doğruluyor, Nvidia’nın imzaladığı bir mektubu paylaştığını söylüyor. Yani Nvidia yazar değil, imzacı. Metnin iki kopyası var, biri Nvidia’nın sitesinde PDF olarak, diğeri Microsoft’un kurumsal sorumluluk sayfasında duruyor. İmza listesi güncellenen sürüm Microsoft’taki, dolayısıyla belgenin sahibi Microsoft gibi görünüyor. Elbette bu bir çıkarım, kesin bir bilgi değil.

En önemli detay: Anthropic ve Amazon imzacıların arasında yok. SpaceXAI da yok, ama Elon Musk kişisel hesabından mektuba tam destek verdiğini yazdı.

Mektupta ne var?

Mektupta dört tez var. Açık ağırlıklar yapay zekâ ekonomisine erişimi genişletir. Rekabeti güçlendirir. Müşteriye kontrol verir, vendor lock-in’den korur. Ve dördüncüsü, en tartışmalı olanı: güvenliği artırır. Sadece kapalı modellere güvenmek doğası gereği güvenli değildir, çünkü kapalı sistemler de ihlal edilebilir ya da dışarıdan tespit edilemeyecek şekilde sorunlu olabilir.

Talep de net: açık modellere erken kısıtlama getirmeyin, frontier birkaç şirkete sıkışmasın ve distilasyonu fikri mülkiyet gaspıyla karıştırmayın.

Ama metinde ciddi muğlak bir nokta var. Mektup “hukuka aykırı değer çıkarma çabaları”nın meşru kaygı doğurduğunu kabul ediyor. Ama hukuka aykırının ne olduğunu tanımlamıyor. Cümle döngüsel: meşru teknikler meşrudur, hukuka aykırı çabalar kaygı vericidir. Net anlaşılmamış olabilir, bunu mutfaktan örneklendirelim.

Rakibinizin restoranına gidiyorsunuz. Sosunu tadıyorsunuz. Dönüp benzerini yapıyorsunuz. Bu tamamen yasal ve gastronomi zaten böyle ilerliyor. Sanırım kimse buna itiraz etmez.

Rakibinizin tarif defterini izinsiz almanız ise ticari sır ihlali. Çıktı aynı, edinme yolu farklı. Hukuk çıktıyla değil, yolla ilgileniyor.

Distilasyon meselesinde bu hangi durum? Tatmak mı, defteri almak mı?

Mektup cevap vermiyor. Bence verse elli imza toplayamazdı.

Cevabı vermek, “hukuka aykırı”nın içini doldurmak demek. İçini doldurmak da kaçınılmaz olarak taraf tutmak. Ya kapalı model sağlayıcısına sözleşmeyle sınır çizme hakkı tanırsın ya da o sınırın hükmü olmadığını söylersin. Her iki durumda da imzacıların bir kısmı imzalamaktan kaçınırdı.

Metinde “terms of service” ifadesinin hiç geçmemesi bu yüzden anlamlı. Aslında gerçek anlaşmazlık tam olarak orada ve metin oraya hiç dokunmuyor. “Erken kısıtlama” diyor ama eşik yok. Neye göre erken belli değil. “Frontier birkaç şirkete sıkışmasın” diyor ama kaç şirket yeterli, sayı yok.

Aslında en garip önerme şu: korumalar, kapalı sistemleri varsayılan olarak güvenli saymak yerine gerçek ve kanıtlanmış zararlara bağlanmalı.

Kafamda oluşan garipliğin temeli ispat yükü. Mektup diyor ki kısıtlama getirmek istiyorsan önce zararı göster, varsayımla hareket etme. Düşünceleri şu olmalı: varsayımsal zarar sonsuzdur, herkes her teknoloji için bir zarar hayal edebilir ve hayal yeterli olursa güçlü oyuncu rakibini engelletebilir.

Ama burada atladıkları bir nokta var. Yapay zekâ artık basit bir teknolojik yenilik değil. İlaç, havacılık ve nükleer enerjide de bu mantık işlemiyor. Mesela uçak düşene kadar sertifikasız uçurmanıza izin vermezler.

Elbette mektup basitçe kanıt beklemeyi değil, açık ağırlığın kanıt üretmeyi mümkün kıldığını savunuyor. Titiz benchmarking, değerlendirme ve red team’i açıkça yazmış. Yani yayın öncesi mekanizmaları reddetmiyor.

Ama tam da çelişki burada doğuyor. Çünkü metin bu konudan bir paragraf önce, ağırlıkların yayınlandıktan sonra geliştiricinin kontrolünden çıktığını ve değiştirilmiş sürümlerin izlenmesinin zor olduğunu kendisi kabul ediyor. Kanıtın bir kısmı ancak yayından sonra üretilebiliyorsa, o kanıt geldiğinde müdahale edilecek bir şey kalmamış olabilir. Bu çözülmemiş bir soru ve mektup buna cevap vermiyor.

Kimse kendi elindekini açmıyor

Mektuba gelen en çok ses getiren eleştiri, Anthropic’te çalışan bir araştırmacıdan geldi. Julian Schrittwieser üç tweet attı.

Birincisi Huang’aydı. “Madem artık açık kaynağa inanıyorsun, CUDA ve GPU sürücülerinin açılmasını heyecanla bekliyorum,” dedi.

İkincisinde Nadella’ya seslendi. “Windows ve Office’in açık kaynak olmasını sabırsızlıkla bekliyorum.”

Üçüncü tweetiyle de muhtemelen kendini daha net açıklamak istedi. Açık ağırlıklı modellere karşı olmadığını, faydalı olabileceklerini, ama tarihsel olarak açık kaynağa şiddetle karşı olan şirketlerin birdenbire açıklık savunucusu olmasını ilginç bulduğunu yazdı.

Aslında gerçekten de doğru. Nvidia açık ağırlıklar için lobi yaparken en önemli ürünü kapalı. CUDA tescilli ve kapalı kaynaklı bir ürün. Mektubun vendor lock-in paragrafı Nvidia’nın kendi iş modeline uygulandığında komik duruyor.

Listeye bakınca Nvidia tek de değil. Ollama, Cloudflare, Baseten, Fireworks AI imzacı. Hepsi inference katmanında. Model emtialaşınca kazanan onlar. Ya da Palantir, geçtiğimiz ay kamuda çalışan uygulamalarında Nemotron kullanacağını duyurdu. Yani bedava model, paralı platform.

Ve elli imzacının hiçbiri açık ağırlıklı model yayınlama taahhüdü vermiyor.

Toparlayacak olursam, herkes komşusunun elindekinin açılmasını savunuyor.

Bunu görmüştük

Muhtemelen aranızda bunları çok net hatırlayanlar olacaktır. Zamanın Microsoft CEO’su Steve Ballmer, Linux’u kanser olarak nitelemişti. Patent tehditleri dönemi yaşandı. İki taraf da diğerinin varlığını meşru saymıyordu. Sonra ne oldu?

Microsoft GitHub’ı satın aldı ve dünyanın en büyük açık kaynak katkıcılarından biri oldu. Birçok önemli ürününü açık kaynak yaptı. Yani kimse kimseyi öldürmedi. İkisi de kaldı, ve ikisi de diğerinin varlığından fayda gördü. Yani “hem kapalı hem açık gerekli” cümlesi uzlaşmacı bir orta yol arayışı değil. Olması gerekenin tarifi.

İki tarafın en güçlü argümanları

Kapalı tarafın argümanı geri dönüşün olmamasını öne sürüyor. Yani bir modelin ağırlıklarını yayınladığınızda geri çağırmanın yolu yok. Dosyayı on binlerce kişi indirmiş, üzerine ince ayar yapılmış türevlerini oluşturmuş ve bunlar dolaşıyor, hangisinin ne yaptığını takip etmeniz imkânsız.

Açık tarafın argümanı ise monokültür. Bu kısmı yazılım tarafından bilirsiniz. Herkes aynı sistemi çalıştırıyorsa, o sistemdeki tek bir açık herkesin açığı olur. Gelişmiş yapay zekâ üç dört şirkette toplanırsa aynı şeyi yaşarız. Aynı model, aynı zafiyet. Ve o modeli inceleyemediğiniz için zafiyeti saldırgandan önce bulma şansınız da yok. Kapalı bir sistem sessizce hatalar taşıyabilir, bunu dışarıdan göremezsiniz. Devamı daha somut, saldıran kadar savunanın da modele ihtiyacı var. Örneği tam da bu hikayenin içinden çıkıyor.

Hugging Face, 11 Temmuz’daki saldırıyı analiz etmek için önce Anthropic’in Fable 5’ini kullanmayı denedi. Olmadı. Modelin guardrail’leri, Hugging Face’in kendini savunmaya çalıştığını saldırıdan ayıramadı. Kendilerine yapılan saldırıyı inceleyen ekip, kullandığı model tarafından engellendi. Mektubun, savunucuların karşılaştırılabilir yetenekli modellere erişmesi gerektiğini söyleyen paragrafının arkasındaki gerçek hikaye bu. Soyut bir kaygı değil, yaşanmış bir vaka.

İki argüman da tutarlı. İkisi aynı anda doğru olabilirler.

Nereye bakmalı

Sonuçta bu mektup bir X paylaşımı. Herhangi bir anlaşma değil. Tek bir taahhüt içermiyor. İmzacılar belli bir çizgide gözükebilir ama ABD hükümeti içinde çatlak mevcut. Yukarıda adı geçen Kratsios, distilasyonu gizli ve büyük ölçekli bir el koyma olarak tanımladı. Trump’ın yapay zekâ ve kripto konularındaki eski danışmanı, şimdi Başkanlık Bilim ve Teknoloji Danışmanları Konseyi eş başkanı David Sacks ise aynı hafta kapalı modellere sahip şirketleri açık kaynak rakiplerini yasaklatmak için lobi yapmakla suçladı, bunu düzenleyici ele geçirme olarak niteledi ve o şirketleri duopol diye tanımladı.

Aynı yönetim, aynı hafta, ters yönler. Kısaca biri Anthropic’in mağdur olduğunu söylüyor, diğeri tekelci olduğunu. Bence bir şeyler olacaksa bu mektuptan sonra değil, hükümet içindeki bu tartışmanın sonucuna göre olacak.

Kapalı modelde birinci sıradayken kısıtlama savunmak tutarlı bir pozisyon. Aynı zamanda en çok çıkar çatışması taşıyan pozisyon. Elli imzacının hepsinin duruşu kendi pozisyonuyla uyumlu. Anthropic’in duruşu da öyle.

Fark şu: Anthropic bunu tek başına yapıyor, ve bunun bir maliyeti var.

Bu onu haklı yapmıyor. Sadece yalnız yapıyor.

Dipnot: Geçtiğimiz haftalarda prediction market konusunda bir yazı yazmıştım. Hazır yeri gelmişken tekrar göz attım. Polymarket’ta yıl sonunda en iyi modele sahip olma olasılığı Anthropic için yüzde 63. Google yüzde 11, OpenAI yüzde 9.

Anthropic’in o dönemki iddiasına göre DeepSeek, Moonshot ve MiniMax, yaklaşık 24 bin sahte hesap üzerinden Claude ile 16 milyondan fazla etkileşim kurarak modelin yeteneklerini kendi ürünlerine aktarmaya çalışmıştı; benzer suçlamalar OpenAI ve Google’dan da gelmişti. Şimdi aynı firmanın yeni modeli, o dönem suçlandığı modellerle yarışıyor hatta geçiyor. Bu, tartışmayı yeniden alevlendirdi: Moonshot bu açığı gerçekten bağımsız araştırmayla mı kapattı, yoksa öncü öğretmen modelleri distile ederek mi? Moonshot’ın ağırlıkları 27 Temmuz’da açıklayacağı sözü bu soruyu kısmen cevaplayabilir ama muhtemelen tartışmayı bitirmeyecek. Mesele artık sadece teknik bir terim değil, ABD ile Çin arasındaki yapay zekâ rekabetinin de merkezinde duruyor.

Baştan rengimi belli edeyim: distilasyonun bugün ilerlediği yönde devam etmesinin sektör için iyi bir şey olduğunu düşünmüyorum. Bunun nedeni sadece kimin kimden kopya çektiği değil. Asıl endişem, modellerin birbirinden ayrışmak yerine tek bir noktaya doğru yakınsaması ve bu sürecin, gelişimin gerçek motoru olan öncü şirketlerin altını oyması. Bu yazı boyunca hem savunan hem karşı çıkan görüşleri aktaracağım ama sonuçta nereye varacağımı şimdiden biliyorsunuz.

Distilasyon Nedir, Ne Değildir

Önce ne olduğunu netleştirelim. Distilasyon terimi 2015’te derin öğrenmenin öncülerinden ve 2024 Nobel Fizik Ödülü sahibi Geoffrey Hinton ve ekibinin ortaya attığı bir teknikten geliyor. Büyük ve karmaşık bir “öğretmen” modelin çıktılarından öğrenerek, çok daha küçük bir “öğrenci” modeli eğitmek. Aslında bu teknik tamamen meşru olarak da kullanılıyor. Mesela GPT-4o mini, Claude Haiku ve Gemini Flash gibi hafif modeller, kendi büyük kardeşlerinden bu şekilde damıtılıyor. Bugün tartışılan ise farklı bir versiyon. Bir firma, rakibinin API’sini milyonlarca kez sorgulayıp aldığı yanıtları eğitim verisi olarak kullanıyor ve bu sayede rakibinin yıllarca süren araştırma ve milyarlarca dolarlık yatırımının sonucunu, çok daha ucuza kendi modeline aktarabiliyor.

Savunmanın Mantığı

Bu tekniği savunanların argümanı basit ve kısmen haklı. Distilasyon, devasa miktarda çipe erişimi olmayan startuplar ve araştırmacılar için rekabetçi modeller üretmenin neredeyse tek yolu. Kaynağı kısıtlı cihazlarda gelişmiş yapay zekâyı çalıştırılabilir kılıyor, maliyetleri düşürüyor, bazı durumlarda öğrenci model öğretmenini belirli görevlerde geçebiliyor bile. “Demokratikleşme” savına göre distilasyon yaygın ve serbest bir uygulama olarak kalırsa, inovasyon yalnızca birkaç dev şirketin elinde kalmaz, startuplar, akademik kurumlar ve bağımsız geliştiricilerden oluşan geniş bir ağ da rekabete katılabilir. Michigan Üniversitesi’nden istatistik profesörü Ambuj Tewari’nin de belirttiği gibi, eğer güçlü modelin lisansı buna izin veriyorsa, bu tamamen normal bir uygulama. Nitekim Anthropic bile kendi açıklamasında, firmaların “kendi modellerini daha küçük ve ucuz versiyonlara damıtmasının” sektörde rutin bir uygulama olduğunu kabul ediyor. Sorun, tekniğin kendisinde değil. DeepSeek örneğinde olduğu gibi, kullanım şartlarını ihlal ederek ve kimliği gizleyerek yapılan sistematik çıkarım saldırılarında.

Bedelin Üç Katmanı

Fakat bence tartışmanın büyük kısmı yanlış yere odaklanıyor. Fikri mülkiyet ihlali önemli bir konu; kim kimin API’sini kime sorduğu, hangi sözleşmenin ihlal edildiği elbette hukuken önemli. Ama asıl kalıcı zarar, bunların dışında, üç farklı yerde sessizce birikiyor.

Birincisi, ekonomik. DeepSeek’in R1 modelini duyurduğu Ocak 2025’te Nvidia bir günde 589 milyar dolar değer kaybetti. ABD teknoloji hisseleri toplamda yaklaşık bir trilyon dolar eridi. Bu tepki abartılı olabilir ama arkasındaki mantık gayet sağlam, distile edilmiş bir model, öncü modele yakın bir performansa ulaştığı anda, rekabet fiyatları hesaplama maliyetine doğru çeker. Gerçekten kar elde edemeyen bir şirket, eğitim ve geliştirme için milyarlarca dolar harcamanın mantığını sorgulamaya başlar. Çünkü bu maliyetler gerçekten çarpıcı. Öncü modelleri eğitmenin maliyeti 2016’dan bu yana yılda yaklaşık 2,4 kat arttı. Yani bir tarafta katlanarak büyüyen bir yatırım, diğer tarafta bu yatırımın çıktısını marjinal maliyetle kopyalayabilen bir rakip var. Bu denklem uzun vadede sürdürülebilir değil. Şirketler de bunun farkında; bazıları API’larına daha sıkı koruma koyuyor, bazı özelliklerini gizliyor, hatta model satmak yerine kendi ürünlerine odaklanan bir şirket yapısına doğru evrilmeyi konuşuyor. Bu savunma refleksleri kısa vadede işe yarasa da, uzun vadede sektörün şeffaflığını ve dışarıdan denetlenebilirliğini azaltıyor, yani distilasyona karşı alınan önlemler bile başlı başına bir maliyet.

İkincisi, ve bence asıl kritik olan, yakınsama riski. Eğer sektördeki her yeni model aynı birkaç öncü öğretmenden damıtılıyorsa, ortaya çıkan öğrenciler zamanla birbirine benzer akıl yürütme kalıplarına, aynı hata modlarına ve aynı körlüklere sahip oluyor. Araştırmacılar bunu siber güvenlikteki monokültür riskine benzetiyor. Yani kritik altyapının aynı yazılım tabanında çalıştığı durumlarda tek bir güvenlik açığının (2024’teki CrowdStrike kesintisinde olduğu gibi) sistemin tamamını aynı anda çökertebilmesi gibi. Aynı şey burada da geçerli. Tek bir jailbreak, aynı öğretmenden türeyen binlerce modeli aynı anda etkileyebilir. Daha da önemlisi, yapay zekânın tek tip olması gerekmiyor. Yerel dille, yerel hukuki çerçeveyle ve yerel ihtiyaçlarla eğitilmiş bağımsız bir model, farklı ve gerçekten daha isabetli çözümler üretebilir. Distilasyon, bu farklılaşma çabasını en baştan kısa devre yaptırıyor çünkü sıfırdan bir şey inşa etmek yerine öncü modeli sorgulayıp üzerine ince ayar yapmak çok daha ucuz. Bu durum, ekosisteme yeni fikir veya yeni eğitim yöntemi teşvikini de ortadan kaldırabilir. Neden özgün bir araştırma yoluna baş koyasınız ki, önünüzde çok daha ucuz ve çok daha hızlı bir kestirme varken?

Üçüncüsü, güvenlik borcu. Araştırmalar, ince ayar ve distilasyon sürecinin modellerin güvenlik katmanlarını yapısal olarak aşındırdığını gösteriyor. ABD’nin NIST kurumuna bağlı CAISI’nin DeepSeek değerlendirmesi çarpıcı. Test edilen en güvenli DeepSeek modeli, yaygın bir jailbreak tekniği altında kötü niyetli isteklerin yüzde 94’üne yanıt verirken, aynı testte ABD öncü modelleri sadece yüzde 8’inde açık veriyor. Aynı raporda, kötü niyetli metinle ele geçirilen DeepSeek modelinin, kullanıcı giriş bilgilerini sızdırmaya çalışma oranı yüzde 37 iken, ABD öncü modellerinde bu ortalama yüzde 4’te kalıyor. Yapay zekâ ajanlarının e-posta yönetiminden finansal işlemlere kadar gerçek sistemlere erişmeye başladığı bir dönemde, bu fark gerçek bir risk.

Sonuç: Neden Buna Alışmamalıyız

Peki bundan sonra ne olur? Bence yakınsama ve ucuza yönelme eğilimi bu hızla devam ederse, sonuç sektörün topyekun durması olmayacak. Para akışı hala güçlü ve kısa vadede kesilecek gibi görünmüyor. Ama bazı şirketler konsolide olacak ya da model sunma işinden çekilip kendi ürünlerine yönelecekler. Bu da sahadaki oyuncu ve yaklaşım çeşitliliğini azaltacak, gelişme durmasa da tekilleşecek ve yavaşlayacak. Şeker hastası her lokmanın bedelini bilir, yine de bırakamaz. Ucuza ve “yeterince iyi” olana alışan bir sektör de aynı sarmalda. Yakınsamanın kendi çeşitliliğini, öncü model geliştiren şirketlerin kapanmasının ise sektörün geleceğini tükettiğini görüyor, biliyor, hatta bazen kendi ağzıyla itiraf ediyor. Ama alışkanlık bir kere yerleşti mi bilmek yetmiyor, vazgeçmek gerekiyor. Distilasyonun asıl bedeli kimin kimden çaldığı değil, hepimizin aynı birkaç zihnin yankısını dinlemeye razı olmamız.

Kaynaklar

• Anthropic, “Detecting and preventing distillation attacks,” 23 Şubat 2026 — anthropic.com

• Asher Trockman & Yash Savani, “Antidistillation preserves AI openness, originality, and safety,” 19 Şubat 2026 — antidistillation.com

• NIST CAISI, “Evaluation of DeepSeek AI Models,” 30 Eylül 2025 — nist.gov

• Epoch AI, “The Rising Costs of Training Frontier AI Models” — epoch.ai

• Geoffrey Hinton, Oriol Vinyals, Jeff Dean, “Distilling the Knowledge in a Neural Network,” 2015 — arxiv.org

• Axios, “China just erased America’s AI lead,” 17 Temmuz 2026 — axios.com

Başlangıç

Hikaye 1982’de Stanford’da başlar. Andy Bechtolsheim adlı bir doktora öğrencisi, üniversitenin ağ projesi için tasarladığı iş istasyonuna projenin adını verir: Stanford University Network, kısaca SUN. Xerox PARC’ta gördüğü Alto bilgisayarından ilham alan bu cihaz, dönemin pahalı ve kapalı sistemlerine karşı ucuz, açık ve en önemlisi ağa bağlı bir alternatifti. Daha sonra Bechtolsheim’a iki Stanford mezunu daha, Vinod Khosla ile Scott McNealy de katıldı. Kısa süre sonra Berkeley’den, BSD Unix’in babası sayılan Bill Joy da ekibe dahil oldu. Dört kurucu, mainframe’lerin hantal dünyasına karşı “gücü masaüstüne getirme” fikriyle yola çıktı.

Felsefelerini tek bir cümlede topladılar. Şirketin araştırmacısı John Gage’in ortaya attığı söz şuydu: “Ağ, bilgisayardır.” 1980’lerin ortasında, kişisel bilgisayarların birbirinden kopuk ada gibi durduğu bir çağda bu iddia kulağa fazla cüretkar geliyordu. Ama Sun bu inancı ürünlerinin ruhuna işledi. Ağ iletişimini işletim sistemine gömdü, makineleri birbiriyle konuşturdu ve her şeyi bu bağlantı üzerine inşa etti.

Yükseliş

Yükseliş baş döndürücüydü. Sun, 1986’da halka açıldı ve 1988’de tarihte hiçbir bilgisayar şirketinin ulaşamadığı bir hızla 1 milyar dolarlık gelire ulaştı. Dotcom balonu ise Sun için altın çağ oldu. Yükselen her internet şirketinin veri merkezinde Sun sunucuları çalışıyordu. Şirket bunu bir reklam cümlesine çevirdi: “Nokta com’daki noktayı biz koyduk.” Borsadaki sembolünü bile gururla JAVA yaptı. Sun aynı zamanda bir yetenek fabrikasıydı. Sonradan Google’ın başına geçecek Eric Schmidt, şirketin teknoloji direktörüydü. Silikon Vadisi’nin geleceğini şekillendirecek pek çok isim Sun’da çalıştı.

Sonra balon patladı. 2000’lerin başında internet şirketleri arka arkaya çökünce, Sun’ın en büyük müşteri kitlesi bir anda buharlaştı. Sunucu gelirleri eridi. Ama asıl darbe başka yerden geldi. Linux ile ucuzlayan sunucular, Sun’ın pahalı işlemcisi SPARC ve Solaris işletim sistemi kombinasyonunu alttan oymaya başladı. Kurumlar artık binlerce dolarlık özel iş istasyonları yerine, sıradan donanım üzerinde çalışan açık kaynak yazılımları tercih ediyordu. McNealy bu rüzgarı yıllarca ciddiye almadı. Linux’u ve Intel işlemcilerini kurumsal müşterilerin er geç reddedeceği kalitesiz alternatifler olarak gördü. Bu yanlış teşhis, Sun’ın uygun fiyatlı donanıma geçişini yıllarca geciktirdi.

İşin en acı tarafı şuydu: Sun dünyanın en değerli yazılımlarından birini yaratmıştı ama ondan para kazanmayı hiç beceremedi. Java her yere yayıldı, neredeyse bedavaya dağıtıldı ve şirketin kasasına doğru dürüst gelir girmedi. Rakipleri donanım kar marjları düşerken hizmet ve danışmanlık gelirlerine yaslandı. Sun ise en değerli varlıklarını ücretsiz dağıtıyordu. StorageTek (2005, yaklaşık 4 milyar dolar) ve MySQL (2008, 1 milyar dolar) gibi satın almalar da yarayı kapatmaya yetmedi.

Son Perde

Son perde 2009 baharında açıldı. Önce IBM ile satış görüşmeleri yürütüldü ama taraflar fiyatta anlaşamadı. Ardından Oracle devreye girdi. Larry Ellison, hisse başına 9,50 dolardan, toplam 7,4 milyar dolara Sun’ı satın almayı kabul etti. Avrupa Komisyonu’nun MySQL endişeleri yüzünden aylarca süren incelemenin ardından, anlaşma 27 Ocak 2010’da tamamlandı. Bir zamanlar interneti ayakta tutan şirket, bağımsız bir varlık olarak tarihe karıştı. Java ve Solaris, veritabanı devi Oracle’ın eline geçti.

Peki geriye ne kaldı? Bıraktıkları miras uzun bir liste. Kendi işlemci mimarileri SPARC’ı geliştirdiler. SunOS ardından Solaris işletim sistemi, akademiden finansa kadar ciddi iş yüklerinin omurgası oldu. NFS yani ağ dosya sistemi, farklı bilgisayarların dosyaları ortak kullanmasını standart hale getirdi. ZFS ise modern depolama sistemlerinin atası sayılır. Ve 1995’te dünyayı değiştiren dil geldi: “Bir kez yaz, her yerde çalıştır” vaadiyle Java, internet çağının ortak dili oldu.

Bunların bir kısmı şirketle birlikte söndü, bir kısmı ise hala aramızda. Java hala milyarlarca cihazda çalışıyor, NFS ile ZFS bugünün altyapısının sessiz kahramanları. Sun’ın savunduğu açık standart ve açık kaynak kültürü, modern yazılım dünyasının doğal hali oldu. Ama en kalıcı mirası bir ürün değil, bir öngörüydü: “ağ bilgisayardır.” Bulut çağında uygulamalarımız da, verilerimiz de, hesaplama gücümüz de artık masamızdaki bilgisayarda değil, ağın öbür ucunda duruyor.

Trajedi

İşte Sun’ın trajedisi tam da burada. Şirket haklıydı, sadece fazla erken haklıydı. “Ağ bilgisayardır” dediğinde ortada ne bu vizyonu taşıyacak internet bağlantısı ne de onu ayakta tutacak bir ekonomi vardı. Bugün AWS, Azure ve Google Cloud üzerine kurulu bir dünyada her birimiz, Sun’ın 1984’te gördüğü rüyanın içinde yaşıyoruz. İşin acı ironisi şu: bu rüyayı gerçeğe çeviren bulut, tam da bir zamanlar McNealy’nin kalitesiz bulup küçümsediği Linux ve ucuz sunucular üzerinde yükseldi. Yani Sun’ı öldüren güçler, aynı zamanda onun kehanetini doğrulayan güçler oldu. Şirket öldü ama fikri kazandı. Java hala her yerde çalışıyor, ağ gerçekten bilgisayarın kendisi haline geldi ve Sun’da yetişen bir kuşak Silikon Vadisi’nin sonraki devlerini kurdu.

Ve belki de aynı hikaye şu an yeniden yazılıyor. Yapay zekâ çağını başlatan şirketler, tıpkı Sun gibi, geleceği herkesten önce görüyor ve onu inşa etmek için milyarlarca dolar yakıyor. Ama tarihin ısrarla hatırlattığı bir şey var, bir teknolojiyi ilk hayal eden ile ondan asıl kazançlı çıkan çoğu zaman aynı isim olmuyor. Şu an çok parlak görünen şirketlerin bir kısmı da sessizce sahneden çekilebilir. Belki de bir teknoloji şirketi için en buruk kader budur: geleceği herkesten önce doğru tahmin etmek ama onu görecek kadar yaşayamamak.

Yani insanların kolektif aklıyla geleceği fiyatladığı iddia edilen bir platform, tam da o gerçeğin görüntüsünü başı ağrımasın diye sahte siteler üstünden kurgularken yakalanmıştı.

Aslında bu tek bir skandaldan ibaret değil. Bu haber, tahmin piyasalarının bütün vaadinin kalbindeki soruyu su yüzüne çıkarıyor: Bu piyasalar geleceği okuyor mu, yoksa şekillendiriyor mu?

Tahmin Piyasası Nedir?

Fikir basit. Bir tahmin piyasasında insanlar bir olayın gerçekleşip gerçekleşmeyeceği üzerine gerçek parayla iddiaya girer. “Şu seçimi filanca kazanır” ya da “şu tarihe kadar şu olur” gibi bahisler alınıp satılır. Piyasadaki fiyat, kalabalığın o olaya biçtiği olasılığa göre değişir. Bahis kısmını düşünmezseniz bu tür piyasalar size çok fazla veri sunabilir. Çünkü anketlerde insanların doğruyu söyleme zorunluluğu yoktur, ama parası masadaysa daha dikkatli düşünür.

Bu yüzden tahmin piyasaları uzun süre bir öngörü aracı gibi sunuldu. Ve son birkaç yılda az kişinin bildiği bir kripto oyunu olmaktan çıkıp ana akıma taşındılar. Polymarket bugün Yahoo Finance ve Substack gibi platformlarla, hatta Wall Street Journal’ın sahibi Dow Jones ile veri ortaklıkları kuruyor. İşin ironisi, o sahte video hikayesini ortaya çıkaran gazete de tam olarak bu Wall Street Journal’dı. Yani şirket, iş ortağının yayın organı tarafından ifşa edildi.

Sektörün Kralı

Bu dünyanın merkezinde Polymarket ve kurucusu Shayne Coplan var. Coplan, “kendi kendini yaratmış” en genç milyarder olarak anılıyor. Şirketi 2020’de tek başına, hatta hikayeye göre banyosunda kurdu. Temiz, ilham verici, tam bir “startup” hikayesi.

Ne var ki platformun adının karıştığı skandal listesi bir hayli kabarık. İçeriden bilgiyle ticaret (insider trading) iddiaları o kadar ciddileşti ki, ABD Kongresi’nde bir soruşturma açıldı. Trump ailesinin platformlarla yakın bağları var: Donald Trump Jr. hem Polymarket’e hem rakibi Kalshi’ye danışmanlık yapıyor, aynı zamanda kendi risk sermayesi şirketi 1789 Capital üzerinden Polymarket’in yatırımcısı. Trump’ın en kritik kararlarına, örneğin İran’a yönelik hamlelere denk gelen “şaşırtıcı derecede iyi zamanlanmış” bahisler ana akım basında bile açıkça konuşuluyor.

Buna rağmen bu piyasalar büyük ölçüde kendi kendini denetlemeye bırakıldı. Wall Street Journal’ın ortaya çıkardığı sahte bahis hikayesi de tam bu zeminde anlam kazanıyor: Gerçeği fiyatladığı söylenen sistem, gerçeğin kendisini üretebiliyor.

Ağın Merkezinde Kim Var?

Bunca bağlantı, yatırım ve isim yan yana gelince insan doğal olarak soruyor: Bu ağın merkezinde kim var? Ve biraz geriye gidince örüntü tekrar tekrar aynı yere çıkıyor.

Polymarket’in erken yatırımcıları arasında Peter Thiel’in Founders Fund’ı var. Şirkete yön veren isimlerden Joey Krug, Thiel’in bursuyla yetişmiş, önce Ethereum tabanlı tahmin piyasası Augur’u kurmuş, sonra Founders Fund’a geçmiş. Augur’dan Polymarket’e uzanan hat dikkat çekici.

Thiel konusunda oldukça fazla içerik ürettiğimiz için sizler açısından bu sürpriz değil. Bir süre önce onun neden bu işleri yaptığını anlamaya çalışmıştık. Palantir’i, gözetim felsefesini, kamuya pek çıkmayan düşünce dünyasını konuşmuştuk. O zaman elimizde Polymarket bağlantısı yoktu ve niyet sorusuna nötr yaklaşmıştık. Şimdi tabloya yeni bir parça eklendi. Bu, “işte kesin cevap” demek değil. Sadece daha fazla detaya hakim olduk.

Derin Geçmiş

Bu tahmin piyasalarının kavramsal kökeni de enteresan. 2003’te ABD Savunma Bakanlığı’nın araştırma kolu DARPA, Policy Analysis Market adında bir proje geliştiriyordu. Amaç, belirli bölgelerdeki siyasi istikrarsızlığı, askeri hareketliliği ve benzeri olayları bir piyasa üzerinden önceden fiyatlamaktı. Program basında “Terörizm Vadeli İşlemler Piyasası” olarak damgalanınca büyük tepki topladı ve Temmuz 2003’te kapatıldı. Not düşmekte fayda var. Programın test için seçtiği ülkeler arasında Türkiye de vardı.

Bu programın mimarı, akademisyen Robin Hanson’dı. Ve Coplan’ın 2019’da, Polymarket’i kurmadan önce doğrudan iletişime geçtiği isim de Hanson oldu. Bu bir “operasyon” kanıtı değil, bunu iddia edecek veri elimizde yok. Ama belgelenmiş bir tarih ve temas. Kısaca, görmezden gelinecek kadar önemsiz değil.

Aynı Mantığın Kardeşliği

Buradaki asıl köprü teknik değil, kavramsal. DARPA’nın o programını tanımlayan cümle şuydu: Sürprizi önlemek, gelecekteki olayları önceden görmek. Aynı DARPA ekosisteminden çıkıp Thiel tarafından kurulan Palantir’in kuruluş mantığı da neredeyse kelimesi kelimesine aynı.

Yani gözetim yazılımı ile tahmin piyasası, aynı ailenin iki çocuğu gibi görünüyor. Biri verilerinizi tarayarak, diğeri kalabalığın bahsini okuyarak aynı işi yapmaya çalışıyor: Geleceği erkenden bilmek. Palantir’i anlatırken gördüğümüz o mantık, şimdi bahis kılığında karşımızda.

Şimdi de Meta

Ve tam bu noktada tablonun en yeni parçası geliyor. New York Times’ın haberine göre Meta CEO’su Mark Zuckerberg, çalışanlarına Polymarket ve Kalshi benzeri bir tahmin piyasası uygulaması geliştirme talimatı verdi. Arena adı verilen uygulama başlangıçta gerçek para yerine oyunlardakine benzer bir puan sistemiyle çalışacak. Ama şirket ileride gerçek parayla bahsi de tamamen dışlamış değil.

Bu, yıllarca kenarda duran bir altyapının nasıl yüzeye çıktığının en net örneği. Milyarlarca kullanıcısı olan bir şirket bu masaya oturunca ölçek tamamen değişiyor.

Burada sadece bir soru bırakmak istiyorum. Meta, bir zamanlar Cambridge Analytica skandalında kullanıcı verisinin kanaat şekillendirmek için kullanılmasıyla anılan şirketti. Şimdi aynı şirket, kanaati fiyatlayan bir piyasaya giriyor. İki olay arasında kanıtlanmış bir bağ yok. Ama soruyu sormamak da zor.

Fikirlerin Özü

Bütün bunların ardında, sadece kazanç hırsından ibaret olmayan bir fikir var. Robin Hanson’ın yıllar önce ortaya attığı ve Coplan’ı en çok etkileyen makalesinde savunduğu kavramın adı “futarchy”. Kabaca, tahmin piyasalarını bir yönetim mekanizmasına çevirme fikri. Yani “değerlere oy verelim, ama inançlar üzerine bahis oynayalım” mantığıyla, kamu kararlarını piyasalara bıraktığımız bir düzen.

Bu fikir tesadüfi değil. Teknolojinin, kamuoyunun rızasını beklemeden değişim dayatmanın en etkili yolu olduğu görüşüyle doğrudan akraba. Thiel’in felsefesini anlamaya çalıştığımızda karşılaştıklarımızın bugün nereye evrildiğini görüyoruz. Tahmin piyasaları bu çerçevede sadece bir bahis platformu değil, bir karar altyapısının prototipi olarak düşünülmeli.

Peki Neden?

“Thiel bunları neden yapıyor” diye sorup durduk ama dürüst olmak gerekirse net bir cevaba varamadık. Bugün elimizde o zaman olmayan bağlantılar var. Ama asıl soru hala açık.

Belki bunların hepsi, birbirini tanıyan bir avuç insanın aynı fikre farklı zamanlarda kapılmasından ibaret. Belki de sessizce kurulan bir şeyin, artık yüzeye çıkacak kadar olgunlaşmasından. Wall Street Journal’ın sahte bahis videosu hikayesiyle başladık. Belki de asıl bahis, bu piyasaların gerçekten geleceği okuyup okumadığı değil, geleceği yazıp yazmayacağı üzerine.