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.

Zaten asıl ilginç olan da o fiyat etiketi.

Üç model, üç kademe

OpenAI bu sürümle birlikte isimlendirmeyi de değiştirdi. Artık sayı (5.6) nesli, isim ise kalıcı bir yetenek kademesini gösteriyor:

• Sol: Amiral gemisi, en güçlü model.

• Terra: Günlük iş için dengeli orta seviye.

• Luna: Hızlı ve ucuz giriş seviyesi.

Fiyatlandırma (1M token başına, girdi / çıktı):

• Sol: $5 / $30

• Terra: $2.50 / $15

• Luna: $1 / $6

İşte burada durup karşılaştırma yapmak lazım, çünkü bu üç rakam aslında OpenAI’ın yeni stratejisini anlatıyor.

Sol: Opus ile aynı kulvarda

Sol’un fiyatı ($5 girdi / $30 çıktı) neredeyse doğrudan Anthropic’in amiral gemisi Claude Opus 4.8’i ($5 / $25) hedefliyor. Girdi tarafında birebir aynı, çıktıda ise Sol bir tık daha pahalı. Yani OpenAI üst segmentte fiyatı düşürmek yerine “rakibimle aynıyım” diyor. Buradaki rekabet fiyattan çok yetenek üzerinden yürüyor. Özellikle kodlama, biyoloji ve siber güvenlik benchmark’larında.

Terra: sessiz kahraman

Terra ($2.50 / $15) belki de en akıllıca konumlanmış model. OpenAI’ın kendi ifadesiyle Terra, önceki nesil GPT-5.5 ile yarışabilecek bir performans sunarken iki kat daha ucuz. Bu, “geçen ayın amiral gemisini bu ayın orta segment fiyatına” pazarlaması. Açıkçası maliyetin sektörde gitgide daha çok konuşulduğu bir dönemde tam isabet diyebiliriz.

Luna: Çin’e doğru bir adım

Asıl dikkat çeken kademe Luna ($1 / $6). Bu, OpenAI’ın bugüne kadar verdiği en agresif fiyat ve niyet açık: ucuz model pazarında Çinli rakiplerle kapışmak.

Ama burada dürüst olalım. Luna, Çinli modellere yaklaşıyor; onları yakalamıyor. Kıyas için DeepSeek tarafına bakalım: DeepSeek V4 Pro $1.74 / $3.48, V4 Flash ise $0.14 / $0.28. Luna’nın girdi fiyatı ($1) V4 Pro’nun altında. Bu gerçekten etkileyici. Ama asıl ucuz olan Çin kademesi, yani V4 Flash, hala Luna’dan girdi tarafında yaklaşık 7 kat, çıktı tarafında yaklaşık 20 kat daha ucuz.

Bir de son haftaların moda modeli var: Z.ai‘nin GLM 5.2’si. Fiyatı $1.40 / $4.40. Karşılaştırma kafa karıştırıcı biçimde başa baş: Luna girdide daha ucuz, GLM ise çıktıda belirgin biçimde daha ucuz, ki çıktı çoğu iş yükünde faturanın asıl belirleyicisi. Yani saf token fiyatında Luna ile GLM 5.2 aynı kulvarda, hatta toplamda GLM bir tık önde.

Özetle Luna, “Batılı bir modelden bu fiyatı görmek şaşırtıcı” dedirtiyor; ama Çin cephesi hala biraz daha ucuz. OpenAI bu boşluğu kapatmaya çalışıyor, henüz kapatmış değil.

Yeni hamle: Jalapeño

Hemen bir parantez açalım: bu fiyatların bugün düşük olması bir maliyet mucizesi değil, stratejik bir tercih. OpenAI bu modelleri hala büyük ölçüde Nvidia GPU’ları üzerinde, muhtemelen negatif kar marjı ile servis ediyor. Pazar payı için kıran kırana bir rekabet ortamındayız. Bugünkü fiyatları açıklayan şey çip değil, bu rekabet.

İşin geleceğe bakan kısmı ise ayrı. OpenAI aynı günlerde Broadcom ile geliştirdiği kendi çipini tanıttı: Jalapeño. Bu, eğitim için değil, doğrudan çıkarım (inference) için tasarlanmış özel bir çip. Çip henüz üretimde değil. İlk ürünlerin 2026 sonunda çalışmaya başlaması, asıl yaygınlaşmanın ise 2027’yi bulması öngörülüyor. Yani bugünkü fiyatlarla doğrudan bir ilgisi yok.

Önemi şurada: inference, her isteğin maliyetini belirleyen kısım. Genel amaçlı GPU yerine kendi iş yüküne göre tasarlanmış özel bir çip kullanırsan performansın artar, birim maliyetin düşer. Jalapeño devreye girdiğinde, bugün tercihle verilen bu agresif fiyatların karlı biçimde sürdürülebilir hale gelmesini sağlayabilir.

Ama madalyonun diğer yüzüne de bakmak lazım. Darboğaz artık GPU’da değil, bellekte. Sektörün uzun süredir konuştuğu “GPU kıtlığı” hikayesi, yerini “bellek kıtlığı”na bırakıyor. Çünkü çıkarımda (inference) token üretmek, bir hesaplama probleminden çok bir veri taşıma problemi. Daha fazla hesaplama bunu çözmüyor; daha fazla bellek ve bellek bant genişliği gerekiyor. Nitekim Jalapeño’nun tanıtımında öne çıkan da ham hesaplama gücü değil, “veri hareketini azaltmak”tı.

Ve asıl sıkışık nokta tam burası. Yüksek bant genişlikli bellek (HBM) 2026 boyunca fiilen tükenmiş durumda. Böyle olunca fiyatları da uçtu. Bu belleklerin üretimi yalnızca üç şirketin (SK Hynix, Samsung, Micron) elinde. Jalapeño da sonuçta HBM’e muhtaç. Yani OpenAI yarın kendi çipiyle GPU bağımlılığını azaltsa bile, kıt ve pahalı kaynak bir kademe aşağıya, yani belleğe, kaydığı için bu baskıdan tümüyle kurtulmuş olmayacak.

Peki neden kullanamıyoruz?

Fiyatı gördük ama modeli kullanamıyoruz. Sebebi de teknik değil, jeopolitik. 26 Haziran’da OpenAI, GPT-5.6’ya başlangıçta kimin erişeceğine ABD hükümetinin karar vereceğini açıkladı. Bu önizleme süresi boyunca erişim ABD hükümeti tarafından onaylanıyor. Sebep şu: Washington frontier modelleri artık fiilen bir ihracat kontrolü kalemi gibi görüyor. Aynı sorunu Anthropic de yaşadı; Mythos 5 ve Fable 5 ABD vatandaşı olmayanlara kapatılmıştı. Yani bu üç kademeli cazip fiyat listesi şimdilik çoğumuz için kağıt üzerinde.

Sonuç

GPT-5.6’nın asıl haberi yeteneklerden çok fiyat tablosu. Sol Opus’la aynı hizada, Terra geçen yılın gücünü yarı fiyata, Luna ise OpenAI’ı ilk kez Çin’in fiyat seviyesine yaklaştırıyor. Bugün bu rakamlar bir rekabet tercihi, ama yarın Jalapeño gibi kendi çipiyle sürdürülebilir hale gelebilir. Yeter ki kıtlık, GPU’dan kaydığı bellekte yeni bir duvar örmesin. Tabii bunları konuşurken bir ironiyi de atlamayalım. Yapay zekâ hiç bu kadar ucuz olmamıştı, ama frontier seviyesinde erişimi de hiç bu kadar zor olmamıştı.

Sızıntılar bir başladı mı mutlaka devam eder. Wired dergisine kimliği belirsiz bir kaynak da başka bilgiler iletti. Ağustos’ta Dublin yakınlarındaki bir şatoda buluşacaklar. Oturum başlıkları oldukça ilginç gözüküyor: “III. Dünya Savaşı’nda Yol Almak”, “Nükleeri Geri Getir”, “Tarikat İnşa Et”. Üyelere özel bir çöpçatan uygulaması bile var; üyelerden ‘gizli kalacak’ denerek toplanan aşk hayatı ve siyasi görüş bilgileri de sızan veriler arasında. Kısacası Bilderberg’in teknoloji çağına uyarlanmış hali diyebiliriz. Peki bu ağı yirmi yıl önce kim kurdu ve neden kurdu? Cevap, bu günlerde çok sık duyduğumuz bir isim: Peter Thiel.

Bilderberg, 1954'ten beri her yıl gizlilik içinde toplanan; siyaset, finans, iş dünyası ve medyadan en üst düzey isimleri bir araya getiren kapalı bir konferans. Adını, ilk toplantının yapıldığı Hollanda'daki Hotel de Bilderberg'den alıyor. Konuşulanlar kayda geçmez ve basına kapalıdır. Tam da bu gizlilik yüzünden yıllardır "dünyayı gizlice yönetenler" temalı komplo teorilerinin baş aktörüdür.

Hayat Hikayesi

1967’de Frankfurt’ta doğan Thiel, bir yaşındayken ailesiyle ABD’ye göçtü, çocukluğunun bir kısmını çok ilginç bir tesadüfle gelecekteki ortağı Elon Musk gibi Güney Afrika’da geçirdi. Bugün Alman, Amerikan ve Yeni Zelanda pasaportuna sahip. Yani üçlü vatandaş. Evanjelik bir ailede büyüdü; kendini “heterodoks” bir Hristiyan olarak tanımlıyor. Stanford’da felsefe okurken, entelektüel zihin dünyasını şekillendirecek düşünür René Girard’la tanıştı.

1998’de Confinity’yi kurdu; şirket, Elon Musk’ın X.com’uyla 2000’de birleşip PayPal oldu (Musk ile ilk teması, sanılanın aksine Afrika değil, bu birleşmeydi). eBay satışından sonra, Silikon Vadisi’nin yarısını yönetecek “PayPal Mafyası” doğdu. 2003’te CIA’nın tohum yatırımıyla Palantir’i kurdu. Palantir yazısında da belirttiğim üzere şirketin adı, Tolkien’de geleceği gösteren ama bakanı yozlaştıran “gören taş”tan geliyor.

2004’te Facebook’un ilk büyük yatırımcısı olarak hayatımıza bir başka noktadan daha sızdı. Sonrası daha az bilinir ama bir o kadar anlamlı. 2009’da “Artık özgürlük ile demokrasinin bağdaştığına inanmıyorum” diye yazdı. Demokrasiyi CEO benzeri tek bir yöneticiyle değiştirmeyi savunan Curtis Yarvin’i fonladı; vergi ve devlet denetiminden bağımsız, okyanusta yüzen şehir-devletleri (”seasteading”) fikrini destekledi; ölümü “çözülecek bir problem” olarak gören longevity araştırmalarına hatırı sayılır paralar döktü. Ve tanıştığında genç bir yazar olan JD Vance’i önce Senato’ya, oradan başkan yardımcılığına kadar taşıdı. Yani Thiel yalnızca bir yatırımcı değil: ağ kuran, ideoloji finanse eden, elinden tuttuğunu kral yapan bir figür.

Üç Katman

Thiel’in hikayesini tek tek olaylar olarak okursanız, zengin bir adamın garip hobileri gibi görünebilir. Bir cemiyet, tuhaf bir toplantı serisi ve bir yazılım şirketi. Ayrı ayrı bakıldığında hiçbiri çok da garip değil. Ama bu üçünü yan yana koyduğunuzda ortaya tek bir örüntü çıkıyor. Dialog sızıntısının asıl önemi de burada. Çünkü Dialog tek başına yalnızca “yeni nesil bir Bilderberg” hikayesi. Ama diğer iki şeyle birlikte okununca... Bir yanda gücü bir araya getiren ağ, bir yanda bu gücün ne için kullanılacağını anlatan ideoloji, diğer yanda da onu sahada uygulayacak teknik altyapı. Sırasıyla: Dialog, Antichrist ve Palantir.

Dialog: Yukarıda anlattığımız cemiyet ya da oluşum. Ne derseniz. Bakan, komutan, senatör, kurucu… Farklı yapılardan en güçlü insanları yılda bir kez kapalı kapılar ardında toplayan bir yapı. Ama şunu da belirtmem lazım ki sızıntı ile ortaya çıkan isimlerin “üye mi, konuşmacı mı, misafir mi” olduğu net değil. Aslında cemiyetten çok, seçkinleri aynı odaya çeken bir mıknatıs. Ama o mıknatısın kutbu belli.

Antichrist: 2025 sonbaharından beri Thiel, San Francisco’dan Roma’ya uzanan, davetiyeyle girilen kapalı toplantılar yapıyor. Konusu Deccal üzerine. Tezi şaşırtıcı. Ona göre Deccal korkulacak bir karakter değil; barış ve güvenlik vaat eden bir koruyucu. Muhtemelen bir kişi bile değil, bir tek dünya devleti. İnsanlık nükleer savaş, iklim ve kontrolsüz yapay zekâ korkusuyla o kadar dehşete düşer ki, kurtuluşu her şeyi gözetleyen küresel bir otoriteye teslim olmakta arar. Argüman, fikren beslendiği Girard ile hukukçu Carl Schmitt’in düşünceleri üzerine kurulu.

Palantir: Her şeyi gören, her şeyi birleştiren küresel gözetim sistemi. Palantir; e-postaları, finansal hareketleri ve sosyal medyayı tek bir profilde birleştiriyor, devletlere, istihbarata ve kolluk kuvvetlerine hizmet veriyor. Pazarlama vaadi ile yaptıkları tutarlı. Üstelik bu vaat tıpatıp aynı: huzur, güvenlik, kaostan gelen düzen. Yani Deccal’in habercisi dediği sloganı, kendi şirketinin reklam metni yapmış durumda.

Komplo Teorisi

Burada kolay yol, “Thiel yeni dünya düzenini kuruyor” deyip komplo teorisine sığınmak olurdu. Ama bunu kanıtlayamayız. Dialog ideolojik olarak fazla karışık ve Thiel kendini tek dünya devletine karşı konumlandırıyor. Palantir de sonuçta bir şirket. Üçünü “gizli bir efendi planı” diye birbirine eklemek, var olmayan bir yapıya kılıf aramak olur.

Ama asıl çarpıcı olan başka bir şey, bunların hepsinin tek adamda birleşmesi. Ve burada Thiel’in kendi düşünce yapısı imdada yetişiyor. Beslendiği felsefi doktrine göre, Deccal’i durdurmak için ona biraz benzemek gerekir. Bu gözle bakınca çelişki çözülür. Küresel gözetim devletini engellemek adına küresel gözetim altyapısı kurmak. Tek dünya düzenini reddederek, tam da onu engelleyecek aracı geliştiren kişi olarak kendini konumlandırıyor.

Siz de bir düşünün. Bir adam bütün bu katmanları inşa ediyorsa, bu tesadüfi bir güç yoğunlaşması mıdır, yoksa bir şeyin sessiz inşası mı?

Önce işin pozitif tarafı. SpaceX bu halka arzdan yaklaşık 75 milyar dolar topladı ve 1,77 trilyon dolar değerlemeyle listelendi. Bu, tarihin en büyük halka arzı. Saudi Aramco’yu bile geçti. İlk gün getirisi yüzde 19’un üzerinde. Böylece Elon Musk dünyanın ilk trilyoneri oldu ve SpaceX de ABD’nin altıncı en büyük halka açık şirketi unvanını almış oldu.

Ama bardağın boş tarafına da bakmak lazım. Bu paraları nasıl topladı? Çünkü ne gelir ne de kar bunu açıklıyor. Şirketin 2025 geliri 20 milyar doların altında, xAI tarafı geçen yıl 5 milyar dolar net zarar yazdı. Peki bu fiyatı kabul edenler tam olarak neyin bahsini oynuyor? Bana sorarsan iki şeyin bahsini oynuyorlar, yörüngedeki işlem gücü ve uzaydaki kaynaklar.

Dördüncü Deneme ile Alınan Nefes

2008’de SpaceX’in kasası boşalmıştı. Üç Falcon 1 denemesi başarısız olmuş, Musk’ın PayPal’dan kalan son 100 milyon doları da şirketi rahatlatmaya yetmemişti. 28 Eylül 2008’de dördüncü deneme tuttu ve Falcon 1 yörüngeye ulaşan ilk özel sıvı yakıtlı roket oldu. Bu başarının ardından gelen 1,6 milyar dolarlık NASA sözleşmesi de imdada yetişti. Sonrasını biliyoruz, ama şunu da eklemem lazım. SpaceX 2021’de Raptor kriziyle, 2025’te de xAI entegrasyonuyla iki kez daha ölümü teğet geçti. Yani bu şirketin hikayesi tek bir anın değil, sürekli son anda nefes alan birinin hikayesi.

Kimse Yanına Yaklaşamıyor

Rakamları görünce neden rakipsiz olduğunu anlayabiliyoruz. BryceTech’e göre SpaceX, 2025’te dünyada fırlatılan tüm uyduların yüzde 85’ini tek başına fırlattı ve yörüngeye çıkan faydalı yüklerin yüzde 80’inden fazlasını taşıdı. Şu an yörüngede 10.400’den fazla aktif Starlink uydusu dönüyor; gezegenin etrafındaki tüm aktif uyduların neredeyse üçte ikisi. 100’den fazla ülkede 10 milyonu aşkın insan geniş bant internete bu sayede ulaşıyor.

Bütün bunun altında yatan tek bir kelime var, maliyet. NASA, kendi verileriyle uzaya kilogram başına 54.500 dolara yük taşıyordu. Falcon 9 bunu 2.720 dolara indirdi, yani yirmide bire. Falcon Heavy 1.500 dolar civarı. Yapılmakta olan Starship’in hedefiyse kilogram başına 100 doların altı. Çılgın gelebilir ama Musk’ın hayali 10 dolar. Uzaya çıkmak ucuzladıkça yörünge de bir tür “ucuz arsa” haline geliyor. İşte asıl hikaye tam da burada başlıyor.

Asıl Bahis

xAI, Şubat 2026’da SpaceX’e katıldı ve şirket yavaş yavaş yönünü değiştirmeye başladı. Kendi yapay zekâ modelini, yani Grok’u öne sürmek yerine, altyapı şirketi olmayı seçtiği anlaşılıyor. Rakamlar bunu doğruluyor. Anthropic, Memphis’teki Colossus 1’i ayda 1,25 milyar dolara kiraladı. Google ise 110.000 Nvidia GPU için ayda 920 milyon dolar ödeyecek. İkisi birlikte yılda yaklaşık 26 milyar dolar; tek başına SpaceX’in 2025 cirosunu geçen bir gelir akışı.

Bir sonraki adım daha da çılgın olacak. Yani işlem gücünü uzaya çıkarmak. AI1 uyduları, her biri ortalama 120 kilovat işlem gücü taşıyan birer yörünge veri merkezi olacak. Çok uzun bir süre beklemeyeceğiz. FCC’ye bir milyon adet için başvuruldu bile. Mantığı da basit. Güneşle eşzamanlı yörüngede ışık neredeyse hiç kesilmiyor, yani enerji bedavaya yakın. Ayrıca ne su soğutması ne de imar izni derdi var. Dünyadaki veri merkezleri tüm bu dertlerle boğuşurken uzay tertemiz bir sayfa sunuyor.

Ümit Burnu Hikayesi

1497’de Vasco da Gama Ümit Burnu’nu dolaşıp Hindistan deniz yolunu açtığında, baharat ticaretindeki Arap ve Ceneviz tekelini bir çırpıda çökertmişti. Dolayısıyla ticaretin ve paranın aktığı boğazın değişmesi, tarihin akışını da değiştirdi. SpaceX de bugün ucuz fırlatma ve yörünge altyapısıyla yeni bir ticaret yolu oluşturmaya aday. Ve o yolu kontrol eden, sadece bir pazarı değil, oyunun kurallarını da ele geçirir.

Bu halka arz tek bir şirketin hikayesi değil, yapay zekâ altyapısının yeni bir evreye geçtiğinin işareti. Kapı aralandı; Anthropic ve OpenAI da halka arz sırasına girdi. Görmemiz gereken şey de bu. Yapay zekâda artık konuştuğumuz konular model katmanından fiziksel altyapı katmanına, yani enerjiye, soğutmaya, yörüngeye, GPU kirasına kayıyor.

Biz ne mi yapacağız? Modellerin işletilebilmesi, en az modelin kendisi kadar önemli. Kesinlikle bu konuda ülkece yatırım yapmalıyız. Ama altyapı konusunda oldukça gerideyiz. Şunu da unutmayalım, değer ürettiğin yerde değil, akışın geçtiği boğazda birikir.

Asıl mesele SpaceX’in kaç para ettiği değil. Yapay zekânın yeni Ümit Burnu’nu kimin tutacağı.

Muhtemelen bu satırları okuduğunuz cihazdaki çip, onu çalıştıran işletim sisteminin atası, cihazınızı ağa bağlayan matematiksel temel ve sinyali gürültüden ayıran teori. Hepsi aynı yerden çıktı. Aklınıza önce Silikon Vadisi gelmiş olabilir ama değil, bir tekelin geliriyle finanse edilen tek bir araştırma laboratuvarı: Bell Labs.

Sabırlı Para Modeli

Bell Labs, 1925’te AT&T’nin araştırma kolu olarak kuruldu. Onu benzersiz kılan yalnızca bütçesi değildi. AT&T bir tekeldi ve bu tekelin istikrarlı geliri, sonucu yıllarca hatta on yıllarca sürebilecek araştırmalara sabırla para akıtmayı mümkün kılıyordu. Yönetici Mervin Kelly’nin kurduğu model basit ama radikaldi: en iyi fizikçileri, matematikçileri ve mühendisleri aynı çatı altında topla, onlara takvim baskılı hedefler dayatma ve farklı disiplinlerin birbiriyle sürekli iletişim halinde olmasına izin ver. Murray Hill’deki ana bina bile bunun için tasarlanmıştı. Uzun koridorlar, bir araştırmacıyı odasından çıkıp başka alanlardan insanlarla karşılaşmaya adeta zorluyordu.

Bu kültürün belki en çarpıcı yanı, başarısızlığa tanınan alandı. Bir araştırmacının yıllarını verip elle tutulur bir sonuç çıkaramaması kovulma sebebi değildi. Bu özgürlük bir lüks değil, modelin ta kendisiydi. Çünkü gerçekten yeni olan hiçbir şey önceden çizilmiş bir takvime sığmaz. Aynı binada bir matematikçinin bir kimyagerle ya da bir mühendisle öğle yemeğinde sohbet etmesi, çoğu zaman bir bütçe kaleminden daha verimliydi. Bilgi hiyerarşi yoluyla değil, tartışma yoluyla üretiliyordu.

Transistörden Unix’e

Sonuç, teknoloji tarihinin gördüğü en yoğun buluş serisi oldu. 1947’de John Bardeen, Walter Brattain ve William Shockley transistörü icat etti. Bugün dünyadaki her bilgisayarın, her telefonun ve her veri merkezinin temel taşı. Bir yıl sonra Shannon, bilgi kuramını kuran makalesini yayımladı ve “bit” kavramını dünyaya tanıttı. Bir mesajın gürültülü bir kanaldan hatasız nasıl iletilebileceğini matematiksel olarak ilk kez o tarif etti. Bugün attığınız her mesajın, izlediğiniz her videonun altında bu kuram var. 1960’ların sonunda Ken Thompson ve Dennis Ritchie, Unix işletim sistemini ve C programlama dilini geliştirdi. Linux, macOS, Android ve neredeyse tüm bulut altyapısının atası bu işletim sistemi. Listeye lazer, güneş pili, CCD görüntü sensörü, iletişim uyduları ve hücresel telefon fikrini de eklemem lazım.

Faturayı Kim Ödedi?

Bunlar abartılı pazarlama cümleleri değil. Bell Labs, 10 Nobel ödüllü bir Ar-Ge laboratuvarı. Kurumun ürettiği değer, kendi ticari hedeflerinin çok ötesine taşıyordu. Bu noktada şirketin sahiplik yapısına da bakmak gerekir, çünkü Bell Labs’i finanse eden para birkaç patronun cebinden çıkmıyordu. AT&T halka açıktı ve hisseleri geniş bir tabana yayılmıştı. Milyonlarca küçük yatırımcının güvendiği bir yatırım aracıydı. Peki hissedarlar neden daha fazla kâr yerine araştırmaya razıydı? Çünkü 1934 tarihli Communications Act sonrasında devlet AT&T’nin getiri oranını sabitlemişti. Şirket fazla kâr ederse düzenleyici telefon tarifelerini düşürüyordu; araştırmaya gitmeyen para hissedara değil tarife indirimine gidiyordu. Yani temel araştırma fiilen telefon abonelerinin faturasından, sistemin yapısına gömülü bir mekanizmayla finanse ediliyordu. Tüm Bell Sistemi’nde Ar-Ge’nin ciroya oranı yüzde 2-3’ü geçmiyordu ama bu küçük dilim on yıllarca kesintisiz ve sorgusuz aktı. Halka geniş ölçüde açık, sıkı denetlenen ve karşılığında belirli ayrıcalıklar tanınan bir yapının topluma neler kazandırabileceğinin belki de en iyi örneği budur.

Motor Neden Durdu?

Peki bu olağanüstü motor neden durdu? Cevap, onu var eden şeyin ta kendisinde saklı. 1984’te ABD, AT&T tekelini parçaladı. Tekel bitince bu çalışmaları mümkün kılan sabırlı sermaye de gitti. Rekabet tüketiciye ucuz telefon getirdi ama bu çok önemli araştırmaların faturasını ödeyecek kurumu ortadan kaldırdı. Bell Labs önce 1996’da Lucent’e, sonra 2006’da Alcatel-Lucent’e bağlandı ve 2016’dan bu yana Nokia çatısı altında. Nokia Bell Labs bugün de değerli işler üretiyor ama o eski ölçekli, sabırlı ve sonucu önceden sormayan temel araştırma modeli geride kaldı.

Bugün benzer bir şey kurmak neden bu kadar zor? Çünkü Bell Labs aslında bir toplumsal anlaşmanın ürünüydü. Toplum tekele göz yumdu, tekel de bu rahatlığı bilime aktardı. O anlaşma artık yok. Modern teknoloji devlerinin de güçlü araştırma laboratuvarları var ama çoğu bir sonraki ürüne, bir sonraki çeyreğe ya da hisse fiyatına bağlı. Cevabı yirmi yıl sonra gelecek bir soruya bugün kaç şirket sabırla yatırım yapar?

Ya Hiç Var Olmasaydı?

Ya Bell Labs hiç var olmasaydı? Dürüstçe şunu diyebilirim: Transistör de bilgi kuramı da er ya da geç başka bir yerde keşfedilirdi. Bilim hiçbir zaman tek bir kuruma bağlı kalmamıştır. Ama mesele tek tek icatlar değil. Asıl mesele, o icatları arka arkaya üretebilen modelin kendisi. Bugün yapay zekâ yarışında gördüğümüz coşkunun büyük bölümü, on yıllar önce ekilmiş tohumların hasadı. O tohumları eken kurum ise kısa vadeli getiri baskısı olmadan, cevabı belki hiç gelmeyecek sorulara yıllarca cevap arayabilen bir kurumdu. Sanırım en büyük kaybımız o icatlar değil. Artık nasıl kurulacağını unuttuğumuz o laboratuvarın kendisi.

Bu konu da daha fazla okuma yapmak isteyenler için Türkçe çevirisi bulunan birkaç kitap önerebilirim. Bu yazıyı hazırlarken benim de faydalandığım ilk kaynak, Jon Gertner’ın Fikir Fabrikası: Bell Laboratuvarları ve Amerikan Yenilikçiliği’nin Altın Çağı kitabı (Modus Kitap). Bell Labs’in en kapsamlı tarihi; Kelly, Shockley ve Shannon gibi isimlerin hikayesini kurumun iç işleyişiyle birlikte anlatıyor. Bilgi kuramının ve “bit” kavramının serüvenini merak edenler için James Gleick’in Enformasyon: Bir Tarih Bir Kuram Bir Tufan kitabı (Optimist Yayınları) Shannon’ın çalışmasını çok daha geniş bir tarihsel çerçeveye oturtuyor. Dijital çağın genel resmini görmek isteyenler içinse Walter Isaacson’ın Geleceği Keşfedenler kitabı (Domingo Yayınevi), Ada Lovelace’tan günümüze uzanan hikayede Bell Labs de önemli bir yer kaplıyor.

13-15 Mayıs’ta Donald Trump, yanına Nvidia’dan Jensen Huang, Apple’dan Tim Cook ve Elon Musk’ı da alarak Pekin’e gitti. 21 Mayıs’ta, yani dönüşünden yalnızca altı gün sonra, ABD hükümeti beklenmedik bir şey yaptı: dokuz kuantum bilişim şirketine doğrudan ortak oldu. 22 Mayıs’ta ise Fransa Cumhurbaşkanı Emmanuel Macron, bu gelişmelere karşı Fransa’nın da boş durmayacağını ilan etti.

Bu yazıda, o altı günün ne anlama geldiğini ve bizi nereye götürdüğünü anlatmaya çalışacağım.

Pekin’de gerçekten ne görüldü?

Resmi gündem ticaret, tarifeler, nadir toprak elementleri ve elbette Tayvan ile İran’dı. Ama görüşmelerin asıl meselesi, masada hiç adı geçmeyen ama herkesin farkında olduğu “odadaki fil”, yani yapay zekâydı. Liderler yapay zekânın geleceği konusunda somut bir anlaşmaya varmadan dağıldılar. Sanırım bu bilinçli bir kaçınmaydı, çünkü iki tarafın da bildiği bir gerçek vardı.

O gerçek şuydu: Çin, yapay zekâ yarışındaki açığı büyük ölçüde kapatmak üzereydi. Yıllardır ABD’nin elindeki en güçlü kozlardan biri, Çinli şirketlerin Nvidia’nın gelişmiş çiplerine erişememesiydi. Pekin zirvesinin hemen ardından Washington, Nvidia’nın H200 çiplerini Alibaba, Tencent, ByteDance ve JD.com dahil yaklaşık on Çinli şirkete satmasına yeşil ışık yaktı. Yani ABD, en kritik teknolojik kozlarından birini gevşetir gibi yaptı.

Bunu salt Trump’ın korkarak geri adım atması gibi okumak hatalı olur. Doğrusu şu olmalı: Pekin gezisi yeni bir endişe yaratmadı; var olan, derin ve yapısal bir endişeyi bir anda görünür hale getirdi. Heyet, Çin’in artık bir takipçi değil, eş seviyede bir rakip olduğunu yakından gördü. Ve dönüşte verilen cevabın sertliği, bu farkındalığın boyutunu ele veriyordu.

Devlet müşteri değil, ortak

ABD ekonomi tarihinin büyük bölümünde federal hükümet, inovasyonun sahibi değil müşterisi olmuştur. Özellikle ordu, kimsenin finanse etmeyeceği araştırmaları fonlar, ama kazançtan pay almaz.

21 Mayıs’ta bu mantık kırıldı. ABD Ticaret Bakanlığı, dokuz kuantum bilişim şirketine toplam 2 milyar doların üzerinde teşvik dağıtacağını, ama fonun şartı olarak her birinde azınlık hissesi alacağını duyurdu. Bu, kuantum sektörüne bugüne dek yapılmış en büyük federal müdahaleydi.

Paranın dağılımı da dikkat çekiciydi. Teşvikin büyük dilimi IBM’in oldu: şirket 1 milyar dolarlık pay aldı. GlobalFoundries’e 375 milyon dolar ayrıldı. D-Wave, Rigetti, Infleqtion, Atom Computing, PsiQuantum ve Quantinuum’un her birine 100 milyon dolara kadar pay düştü; bir diğer şirket olan Diraq ise 38 milyon dolara kadar destek aldı.

Bu konuda eleştiriler de var. Temel sav şu: devletin hisse alması rekabeti bozuyor, yatırım kararlarını siyasileştiriyor ve gözde firmalar zora düştüğünde onları koruma dürtüsü yaratıyor.

Neden kuantum, neden tam da şimdi?

Asıl can alıcı soru bu. Cevap, hamlenin “ulusal güvenlik” gerekçesinde gizli; o gerekçenin merkezinde de şifreler var.

Yeterince büyük ve hata-düzeltmeli bir kuantum bilgisayar, Shor algoritması sayesinde bugün interneti, bankacılığı ve devlet iletişimini ayakta tutan açık anahtarlı şifrelemeyi (RSA) kırabilir. Klasik bilgisayarların milyonlarca yılda çözeceği problemleri, böyle bir makine kısa bir sürede çözebilir.

Devletler “şimdi topla, sonra çöz” (harvest now, decrypt later) stratejisiyle hareket ediyor: ele geçirdikleri şifreli verileri, yıllar sonra kuantumla açmak üzere arşivliyorlar. Bugün gönderdiğiniz şifreli bir mesaj, gelecekte okunmak üzere bir depoya kaldırılmış olabilir. Aslında kripto tarafı da buna hazırlanıyor ve yeni algoritmalar geliştiriyor. İyi haber şu ki AES gibi simetrik şifrelemeler çok daha dayanıklı.

Buradan yazının çekirdek tezine varıyoruz: yetkililer kuantumu, sonuçları doğrudan kriptografi ve savunmaya uzanan “çift kullanımlı” bir teknoloji olarak görüyor. Devletin bu şirketlere ortak olması bir tesadüf değil. Kuantum aynı anda hem bir hesaplama aracı hem de potansiyel bir istihbarat silahı. Bir ülke, rakibinin tüm şifreli iletişimini okuyabilecek ilk taraf olmak istiyorsa, o teknolojinin kime ait olduğunu boş veremez.

Avrupa’nın cevabı

ABD’nin hamlesinden bir gün sonra, 22 Mayıs’ta Macron sahneye çıktı. Fransa’nın açıkladığı paket, kuantuma 1 milyar avro, yarı iletkenlere 550 milyon avro ayırıyordu. Ama bu açıklamada asıl kritik olan, Macron’un diliydi; çok net biçimde egemenlik üstüne kurulu bir açıklamaydı. ABD ve Çin’deki “hızlanmaya” işaret etti ve “sınır ötesi etkisi olan herhangi bir yasadan bağımsız”, Avrupalı şirketlerce tasarlanıp işletilen bir kuantum ekosistemi çağrısı yaptı. Burada kastedilen, Avrupa verisinin Amerikan yargısına maruz kalmasından duyulan kaygıydı. Size ilginç bir ayrıntı daha vereyim. Aynı gün, Amerikan devi Nvidia, Fransız girişimi Alice & Bob’a yatırım yaptığını duyurdu. Yani “egemenlik” söylemiyle “sermayenin sınır tanımazlığı” aynı anda yaşandı.

Peki bu bize ne anlatıyor?

Altı günlük zaman çizelgesi, aslında çok daha büyük bir yapısal hareketin konsantre bir özeti. Kuantum, deneysel bilimden ulusal sanayi politikasının önceliğine terfi etti. Devletler artık sadece fonlamıyor, masaya ortak olarak da oturuyor. Çünkü mesele yalnızca daha hızlı bilgisayarlar değil; geleceğin şifrelerini kimin kıracağı, kimin koruyacağı meselesi.

Bunun teknoloji ekosistemindeki herkes için somut bir sonucu var. Post-kuantum kriptografiye geçiş artık “acaba gerekli mi” sorusu değil, “ne kadar geç kalırsam o kadar riskli” denklemidir. Bugün arşivlenen şifreli verinin gelecekte okunabileceğini bilmek, iyi bir başlangıç noktasıdır. Devletler kuantuma milyarlarla ortak olurken, bizim yapabileceğimiz şey post-kuantum dünyaya bugünden hazırlanmaktır.

Peki biz ne yapabiliriz derseniz: şifreleme algoritmalarını kendimiz yazmadığımız için en etkili adım, kullandığımız uygulamaları ve cihazları güncel tutmak ve post-kuantum kriptografiye (NIST’in ML-KEM, ML-DSA standartlarına) geçişi başlatan uygulamaları tercih etmektir. Modern tarayıcılar, Signal ve Apple iMessage gibi araçlar bu geçişi çoktan yapmaya başladı. İkinci olarak, “şimdi topla, sonra çöz” riskine karşı uzun süre gizli kalması gereken hassas verileri eski şifrelemeyle saklamaktan kaçınmaktır. Özetle iş, yeni bir teknoloji satın almak değil; doğru güncellemeyi yapmak, doğru tedarikçiyi seçmek. Sıkıcı ama kritik bir hijyen meselesi.

Trump Pekin’de tam olarak ne gördü, bilemeyiz. Ama dönüşte ne yaptığını biliyoruz. Ve bazen bir hamlenin zamanlaması, niyetin kendisinden daha çok şey anlatır.

Yazılım dünyası bu konuda maden ocağındaki kanarya gibi. İngiliz madencileri gaz dedektörleri yokken ocaklara kanarya götürürdü; kuş susunca havadaki zehirli gaza karşı kaçma vakti gelmiş demekti. Bugün bu deyiş, tehlikeyi geneline yayılmadan önce ilk hisseden grup için kullanılıyor. Yapay zekânın yıkıcı etkilerini ilk biz görüyoruz.

Ama fırsat da yok değil. Mesele işi tamamen algoritmalara devretmek değil. Çalışma biçimimizi değiştirecek yeni bir zihinsel modele geçmek. Bu modelin adı: Yapay Zekâ Tostu.

İnsanın Yeni Konumu: Sürecin Başında ve Sonunda

Compound Engineering kavramının mucidi Kieran Klaassen’ın geliştirdiği tost metaforu, yapay zekâyla iş birliğinin anatomisini özetliyor. En dıştaki katmanlar, yani tostu bir arada tutan ekmekler, insan. İçindeki tüm malzeme yapay zekâ.

Sürecin başında ne yapılacağına karar veren insan. Stratejik çerçeveyi çizen, yönü tayin eden de insan. Sonunda çıkan ürünü onaylayan, cilalayan, ona ruhunu katan yine insan. Yapay zekâ, iki kritik insani dokunuş arasındaki yoğun iş yükünü üstlenen dolgu malzemesi.

“İnsanlar tostun ekmeğidir, yapay zekâ ise ortadadır. Yapay zekâ, tostunuzun içine koyduğunuz her şeydir.”

Bu model sadece bizim gibi kod yazanlar için değil. Tasarımcı, stratejist, içerik üreticisi fark etmez. Bir ürünün gerçekten size ait olmasını istiyorsanız, işin hem başlangıcında hem bitişinde yer almalısınız.

Uygulama Katmanının Sonu

Geleneksel düzende vaktimizin yüzde 80’ini işin kendisini yapmaya harcardık. Kod yazmak, taslak oluşturmak, veri düzenlemek. Gerçekçi olalım. Bu iş katmanı artık çözüldü. Sanırım şurada mutabıkız. Dil modelleri artık karmaşık planları saatlerce, hatta günlerce hatasız uygulayabiliyor.

Bu durum hepimizi işçi konumundan yönetici ya da mimar konumuna taşıyor. Orta katmandaki teknik detaylarla boğulmak yerine süreci orkestra etmemiz gerekiyor. Yani yapay zekâ planı uygularken biz zihnimizi üst seviye kararlar için saklamalıyız.

Çerçeveyi Değiştirmek

Yapay zekânın hapsolduğu yerel çerçeveyi aşan insani uzmanlık tam olarak ne? Beliniz tutulmuşsa yapay zekâ size hemen ağrı kesici önerir. İlaç ağrıyı geçirie ama sorunu çözmez. Yani problemin çerçevesini değiştirip bir üst seviyeye çıkamaz. Belki sorun belinizde değil. Gün boyu oturduğunuz sandalyededir. Belki yatağınızı değiştirmeniz gerekiyordur. Belki de yürüyüşe çıkmanız.

Yapay zekâ verilen görev sınırları içinde kusursuz çalışıyor. Ama hangi sorunun çözülmeye değer olduğuna ve soruna hangi perspektiften bakılması gerektiğine karar vermek tamamen insani bir yeti. İnsan uzmanlığı artık doğru cevabı bulmak değil. Doğru soruyu sormak ve çerçeveyi belirlemek.

Beğeni ve Estetik: Yapay Zekânın Sınırı

Yapay zekâ çıktılarının en büyük açığı sıradan kalmaları. Hepsi birbirine benziyor, hiçbiri size ait gibi durmuyor.

Kieran’ın klasik müzik geçmişinden gelen bir tespiti var. Bir parçayı yüz kez çalışmak mekanik bir iş. Ama o eseri sahnede icra etmek, ona duygu katmak, işi sanata çevirir.

“Bir şeyin size ait olmasını istiyorsanız, sizden gelmeli ya da bir şekilde sizinle bağlantılı olmalı.”

Beğeni ve detaylardan aldığınız keyif, ürünü standart olandan ayırır. Yapay zekâ her şeyi tek tipleştirirken, “bu iyi hissettiriyor” dediğiniz son dokunuş geriye kalan tek farklılaştırıcı.

Hatalardan Öğrenen Ortak Beyin

Yapay zekâyı tek seferlik bir araç gibi kullanmayın. Zamanla gelişen bir çalışma arkadaşı olarak konumlandırın. Compound Engineering’de kritik adım şu: öğrenilen her bilgi sistemin hafızasına işleniyor. Yapay zekâ aynı hatayı bir daha yapmıyor. Sizinle birlikte öğrenen bir bellek, bir ortak beyin oluşuyor.

Süreç döngüsel:

1. Planla: Problemi tanımla, çerçeveyi çiz, stratejiyi kur.

2. Uygula: İşi yapay zekâya devret, bırak o halletsin.

3. Gözden geçir: Çıktıyı test et, estetik dokunuşunu yap, hissiyatı kontrol et.

4. Biriktir: Hataları ve öğrenimleri sistem hafızasına yaz, zekâsını kalıcı kıl.

Klavye Hızından Düşünme Hızına

Klavye başında saatlerce uğraşan operatörlerin yerini, fikirlerini hızla hayata geçiren yaratıcı yöneticiler alıyor. Yazma hızından düşünme hızına geçiyoruz.

Yapay zekâ tostun ortasını doldurdu. Ortadaki malzeme her geçen gün daha ucuz, daha hızlı, daha kaliteli hale geliyor. Onu tosta dönüştürmek ise hala sizin işiniz:

Hangi soruyu soracağınız. Çerçeveyi nasıl çizeceğiniz. Çıktıya hangi gözle bakacağınız. Ne öğrendiğinizi nasıl biriktireceğiniz. Tostun karakteri buralardan geçiyor.

Sıradan mı yoksa size has mı olacağı, tamamen size kalmış.

Geçen gün bir arkadaşla konuşurken yine aynı yere geldik. Hep aynı yere geliyoruz aslında. Şirket içinde, X’te, yüzyüze sohbetlerde, etkinliklerde, bazen de boş muhabbetlerde. Gündem hep aynı: layoff’lar, iş bulamayan junior’lar, emekliliği ertelenenler, yurt dışında çalışıp hisse opsiyonları kağıt parçasına dönenler vb. Sektörümüz bir süredir hep aynı şeyi konuşuyor. Sanırım daha önce böyle bir dönemden geçmemiştik.

Önce Kendimden

Yıllardır kafamın bir köşesinde aynı plan vardı: bir gün, şirketten yeterince uzaklaştığımda, kendi açık kaynak projelerimde çalışacaktım. Belki başkalarının projelerine PR gönderirim, belki kendi bakımını sürdürdüğüm küçük projeler olur. Para için değil, başka bir şey için. Bir nevi emeklilik planı gibi düşünüyordum bunu. Maddi değil, anlamsal bir şey.

O plan eridi.

Açık kaynak dünyasını takip edenler bu gelişmeleri görmüştür. GitHub Şubat’ta sessizce yeni bir ayar yayınladı: artık projeler PR mekanizmasını tamamen kapatabiliyor. Çünkü gerçekten ihtiyaç vardı. cURL projesinin yedi kişilik güvenlik ekibi, kendilerine gelen güvenlik raporlarının %20’sinin YZ üretimi olduğunu ve bunların yalnızca %5’inin gerçek bir açık tarif ettiğini gördükten sonra Daniel Stenberg Ocak’ta “bug bounty” programını kapattı. Bu konuda yazdığı blog yazısının adı bile her şeyi anlatıyor: Death by a Thousand Slops. Mitchell Hashimoto da yeni projesi Ghostty’de bunu yasakladı. Steve Ruiz, tldraw’da harici PR’ları otomatik kapatmaya başladı. OpenClaw’ın yaratıcısı Peter Steinberger bile kendi projelerinde gelen PR akışını yönetemediğini açıkça söyledi. Düşünün, kendisi YZ agent’ı satan adam. Sebep hep aynı: YZ üretimi düşük kaliteli, çoğu zaman anlamsız PR’lar gerçek katkıyı boğdu. Yalnızca Mart 2026’da GitHub’a 17 milyon YZ PR’ı açıldı; altı ay önce bu sayı 4 milyondu.

PR nedir? Pull Request kelimelerinin kısaltması. Açık kaynak projelerinde dışarıdan birinin koda katkı verme yöntemi. Bir değişiklik yapıyorsun, bunu gönderiyorsun, proje sahibi inceleyip kabul ya da reddediyor. Açık kaynağın temel akış mekanizması.

Yani “emekli olunca açık kaynağa katkı vereceğim” cümlesi giderek anlamını yitiriyor. Çünkü katkı verilecek topluluk diye bir şey giderek kalmıyor. Vibe coding ile paketler agent’lar tarafından yazılıyor; kimse doküman yazmıyor, kimse issue açmıyor, kimse insanı tanımıyor. Geri besleme döngüsü kırılıyor. Ve topluluk yavaş yavaş susuyor.

Benim emeklilik planım buydu. Şu an iptal.

Asıl Yas Başka Yerde

Ama ben yine de şanslıyım. Bir emeklilik hayalinin suya düşmesine yas tutuyorum. Asıl yas başka yerde.

Bir tarafta Jr geliştiriciler. Yani genç yeni mezunlar. Yapay zekânın en kolay yuttuğu pozisyon zaten giriş seviyesi işler. Şirketler artık yeni mezun gençleri almıyor; alanlara verilen maaş gerçekten komik seviyelerde. Bu sektörün giriş kapısı neredeyse kapandı. Bunun on yıl sonraki sonucunu kimse konuşmak istemiyor: alttan gelen kimse yok ve bunun farkına 2032’de varacağız.

Diğer tarafta Sr olanlar. Yani kıdemli mühendisler. Microsoft tarihinde ilk kez gönüllü emeklilik programı açtı. 51 yıllık şirket, ilk kez. Şartları sağlayan 8.750 kişiye “işten çıkar mısın?” diye sordular. Çıkmak isteyen var, ama sanırım istemeyen daha çok. California bölgesinde kıdemli mühendisin iş bulma süresi son iki çeyrekte 38 günden 67 güne çıkmış. İki yıl önce olsa bu rakama gülerdik.

Bir de şu kuşak var: San Francisco’da, Seattle’da, Austin’de yıllarca bir startup’a girip hisse senedi opsiyonu ile emekli olmayı planlayanlar. 2021’in ucuz para ortamında işe girenler şanslı. Sonrası gerçekten kötü. Yapay zekâ şirketleri dışındaki startup’larda çalışanların hisseleri ne zaman anlamlı bir kâr sağlayacak belli değil. Ha, yapay zekâ harici startup kaldı mı, o da başka bir soru.

İroni

Zaten bir de şu ironi var. Yazılımcılar olarak onlarca yıldır tek bir hayal kurduk: daha az kod yazmak. Üst düzey diller geldi, framework’ler geldi, abstraction’lar, ORM’ler, kod tamamlayıcılar, generator’lar, low-code, no-code geldi. Her yeni katman aynı vaatle geldi: “Bunu artık yazmak zorunda kalmayacaksın.” Hep biraz daha az yazdık, biraz daha az dert ettik.

Tebrikler, başardık... Artık kod yazamıyoruz.

Cevabım Yok

Burada bir çıkış göstermem, “ama şunu yapın” dememi bekleyenler olacak. Yapmayacağım. Çünkü yapamıyorum. Benim de bir çıkışım yok.

Belki şu var: bunu kabul etmek bile bir çıkış noktası. Sektörümüzün altın çağının bittiğini, yenisinin başlamadığını, arada bir boşlukta durduğumuzu kabul etmek. Bu boşlukta ne yapacağımıza dair kimsenin bir fikri yok. Büyük şirket yöneticilerinin bile yok. Daha fazla çip alıp daha fazla token tüketmeye çalışıyorlar. Bu sırada da insanları yolluyorlar.

Bir cevabım olsa yazardım. Ama yok.

Anthropic, geçtiğimiz haftalarda Blackstone ve Goldman Sachs ile 1,5 milyar dolarlık bir ortak girişim duyurdu. Bu şirket, özellikle orta ölçekli şirketlere yapay zekâ araçlarını satacak ve entegrasyonlarını bizzat yönetecek bir danışmanlık departmanı gibi çalışacak. Anthropic’in Accenture ve Deloitte gibi devlerle kurduğu mevcut Claude Partner Network büyük ölçekli kurumsal müşterilere odaklanıyor; bu yeni girişim ise içinde yeterli mühendislik kapasitesi olmayan, ama dönüşmek zorunda kalan şirketleri hedef alıyor.

OpenAI cephesinde ise “The Deployment Company” adıyla anılan ve 10 milyar dolar değer biçilen bir şirket kuruyor. TPG ve SoftBank destekli bu girişim, ortakların portföyündeki 2.000’den fazla şirkete doğrudan erişim sağlayarak OpenAI yazılımlarının benimsenmesini hızlandırmayı hedefliyor. Sam Altman bunu “yapay zekâ bulutu” olarak tanımlıyor. AWS’nin yazılım üretmeden altyapı satması gibi değil; kendi ürününü bizzat konuşlandıran, sahada var olan bir yapı.

Haksız Rekabet

Bu hamleler kaçınılmaz olarak haksız rekabet tartışmalarını beraberinde getiriyor. Model laboratuvarları artık kendi modelleri üzerine uygulama geliştiren girişimlerle aynı sahada oynuyor. Anthropic’in Claude Code’u, bu modeli temel alarak araç geliştiren bağımsız şirketlerle doğrudan rekabet ediyor. OpenAI’ın “operator” katmanına yerleşme çabası, API müşterilerinin kurduğu iş modellerini tehdit ediyor.

Avantaj burada üç katlı: modelin içini en iyi bilenler onlar, çıkarım maliyetleri en düşük olan onlar, ve kullanıcı etkileşimlerinden toplanan veriyle modeli en hızlı iyileştirecek olanlar da onlar. 10 milyar dolarlık fon ve dev veri merkezleri üstüne cazip bir giriş bariyeri ekliyor.

Buna karşın Altman “hedefimiz geliştiricilerle rekabet etmek değil” diyor. Bu firmaların kaynaklarının yüzde yetmişinden fazlasını hâlâ temel araştırmalara ayırdığı belirtiliyor. Uygulama katmanına akan enerji toplam kapasitenin küçük bir dilimi. Ama bu bir teselli mi yoksa gerçekten güvence mi bunu zaman gösterecek.

Rekabet Kapısı Kapanmıyor, Değişiyor

Tüm bu tablo karşısında şunu sormak mantıklı: bağımsız geliştiriciler ve girişimler ne yapacak?

Cevap kaçmak değil, oyunun kurallarını anlamak. Model laboratuvarları genel yetenekleri artırmaya odaklanır; başarılı girişimler ise önce somut bir kullanıcı sorununu çözer, modeli o soruna göre şekillendirir. Cursor, bunu VS Code’u forklayarak yaptı. Önce geliştirici ihtiyaçlarını anladı, modeli ancak bu ihtiyaçlar doğrultusunda optimize etti. Model kalitesi değil, ürün kalitesi öndeydi.

Dikey uzmanlık bu yüzden hâlâ güçlü bir koz. Sağlık, hukuk veya finans gibi nişlerde derin bilgiye sahip bir yapı, genel çözüm sunan bir devi yenebilir. Günün sonunda Anthropic ve OpenAI her sektöre aynı anda odaklanamaz. Hala gerçek anlamda geniş ve boş alanlar mevcut.

Model bağımsızlığı da kritik bir avantaj. Büyük laboratuvarlar kendi modellerine mahkumdur. Bağımsız girişimler ise açık kaynak dahil tüm modelleri bir arada kullanarak her görev için en iyi kombinasyonu seçebilir. Açık kaynaklı modellerin kapasitesi arttıkça, belirli alanlarda ince ayar yapılmış bir model kapalı alternatiflerini geride bırakabiliyor. Veya maliyet anlamında çok büyük avantaj sağlayabiliyor.

İnsan odaklı kontrol de göz ardı edilen bir farklılaşma noktası. Model laboratuvarları otonom sistemlere, bir sonraki güncellemenin her şeyi çözeceğine odaklanır. Bağımsız geliştiriciler ise kullanıcı kontrolünü, hızı etkileşimi önceliklendirerek model güncellemelerini beklemek yerine mevcut sınırları zorlayan araçlar inşa edebilir.

Son olarak fiyatlandırma. Token başına para kazanmak zorunda olmayan bir firma, sonuç başına yüksek bedel biçebilir. Eğer bir yapay zekâ aracı bir insanın yaptığı işin gerçek bir kısmını üstleniyorsa, o işin yarattığı değer üzerinden fiyat biçmek altyapı satmaktan çok daha karlı bir model.

Son Söz

Tarih bu oyunu daha önce oynadı. En iyi teknoloji kazanmadı, en geniş dağıtım ağına sahip teknoloji kazandı. VHS, Betamax’tan teknik olarak zayıftı. Windows, alternatiflerinden daha zarif değildi. OpenAI ve Anthropic bu dersi iyi biliyor. Şimdi soru şu: bağımsız geliştiriciler ve girişimler bu dağıtım savaşında nerede duracak?

Cevap aslında basit. Devlerle savaşa girme, o savaşı kazanamazsın. Bunun yerine derinleş: bir niş seç, o nişte rakipsiz ol. Da da önemlisi tek bir modele bağlanma; OpenAI da Anthropic da yarın fiyatını artırabilir, politikasını değiştirebilir. Açık kaynaklı modelle gerçekten çok önemli. Belirli bir alanda ince ayar yapılmış açık kaynaklı bir model, kapalı alternatifleri rahatça geçebiliyor. Kısaca yol yakınken kendi altyapını kur, kendi verini sahiplen. Uzun vadede bağımsızlık, en iyi rekabet stratejisi.

Bunu Andrej Karpathy söylüyor. OpenAI’ın kurucu ekibinden, Tesla’nın otonom sürüş yazılımını inşa eden, geçen yıl “vibe coding” kavramıyla tüm sektörü sarsan adam.

Ve dürüst olmak gerekirse ben de aynı şeyi hissediyorum. Son aylarda bunu çok söylüyorum. Araçlar bu kadar hızlı gelişirken ayak uydurmak değil, sadece nelerin çıktığını takip etmek bile zorlaşıyor.

Aslında Karpathy’nin kastettiği bir şikâyet değil. Araçların ve modellerin bu kadar hızlı ilerlemesinin yarattığı şaşkınlık. Bu şaşkınlığın arkasında çok daha büyük bir paradigma var.

Üç paradigma, bir devrim

Karpathy’yi anlamak için önce onun zihinsel çerçevesini anlamak gerekiyor. 2017’de “Software 2.0” makalesini yazdığında sektör onu ciddiye almadı. Sonra Tesla’nın sistemlerinde bunun ne demek olduğunu herkes gördü: Elle yazılmış yüz binlerce satır kural, yapay sinir ağına dönüşüyordu. Ve sonuçları çok daha iyiydi.

Şimdi sıra üçüncü sürümde.

Yazılım 1.0 hepimizin bildiği dünya. Kod yazıyorsun, bilgisayar çalıştırıyor. Her adım açık, deterministik, öngörülebilir. Güçlü ama kırılgan: Her senaryoyu önceden tanımlamak zorundasın.

Yazılım 2.0’da kuralları sen yazmıyorsun, veri yazıyor. Sinir ağlarını tasarlıyorsun, veri setlerini hazırlıyorsun, hedef fonksiyonunu tanımlıyorsun; geri kalanı optimizasyon hallediyor. “Programlama” kelimesinin anlamı sessizce değişti: Kod yazmak değil, davranışı şekillendirmek oldu.

Yazılım 3.0 ise şu an içinde yaşadığımız şey. Büyük dil modelleri birer yazılım geliştirme platformu haline geldi. Artık ne kod ne de veri seti gerekiyor; doğal dil yeterli. Context window’un içindekiler senin veri setin, prompt senin programın, LLM senin yorumlayıcın.

Dikkat ederseniz bu üç paradigma birbirinin yerini almıyor, birbirinin üstüne ekleniyor. Bugün çalıştırdığın bir sistem muhtemelen üçünü aynı anda barındırıyor. Ama 3.0’ın altındakileri bitirme süreci hızlanıyor.

Aralık 2025: Kırılma noktası

Karpathy soyut kavramları somut hikayelerle anlatmayı seviyor. Ve bu geçişi en net anlatan hikaye bizzat kendi deneyimi.

2025 boyunca Claude Code, Codex gibi araçları kullanıyordu. Yardımcı oluyorlardı ama sık sık düzeltme gerektiriyordu. Sonra Aralık geldi. Tatildeydi, elinde normalden fazla zaman vardı. Bir şey fark etti: Modeller artık daha büyük parçalar üretiyor, daha tutarlı çalışıyor, daha az hata yapıyordu. “En son ne zaman düzelttim, hatırlamıyorum” dedi. Sisteme güveni artmaya başladı. Yan proje klasörü patladı.

Bunu sadece kişisel bir gözlem olarak aktarmıyor. “Bu geçişi pek çok insan kaçırdı. Yapay zekâyı geçen yıl hâlâ ChatGPT benzeri bir şey olarak düşünenler çok. Ama Aralık itibarıyla işler köklü biçimde değişti” diyor.

Vibe coding’den agent mühendisliğine

İşte tam bu noktada Karpathy’nin en önemli ayrımı ortaya çıkıyor.

Vibe coding işi kolaylaştırdı. Teknik bilgisi olmayan biri de artık uygulama yazabiliyor, prototip çıkarabiliyor, bir fikri hızla test edebiliyor. Bunların hepsi gerçek ve değerli.

Ama vibe coding’de kalmak, eski paradigmada takılı kalmakla eşdeğer.

“Agent mühendisliği” ise işleri gerçekten değiştiriyor. Agentlara işi delege et, ama kalite çıtasını koru. Güvenlik açıklarına izin verme. Sistemi doğru tasarla. Karpathy kendi projesinden somut bir hata örneği veriyor: Ajan, Stripe ödemeleriyle Google hesaplarını eşleştirmek için aynı e-posta adreslerini kullanacak bir kod yazdı. Kod çalışıyordu. Ama tasarım yanlıştı. Çünkü biri Stripe’ta farklı, Google’da farklı bir mail kullanabilir. Bu hatayı fark etmek insan yargısı gerektiriyor.

Kodlamayı bilmek değil, neyin doğru olduğunu anlamak.

Hayvanlar değil, hayaletler

Karpathy’nin en orijinal metaforu burada devreye giriyor. LLM’leri hayvan olarak düşünmek yanlış diyor. Hayvanlar evrim yoluyla şekillendi; merak, oyun, içsel motivasyon var. LLM’ler ise bunların hiçbirine sahip değil. Milyarlarca insan ürünü veriden damıtılmış istatistiksel yapılar. Tanıdık görünüyorlar çünkü bizim dilimizle konuşuyorlar. Ama içeride hayvan zekâsı yok, sadece istatistik var.

Karpathy bunlara “hayalet” diyor. Ve bu metafor önemli çünkü hayvan beklentisiyle yaklaşırsan hayal kırıklığına uğrarsın. LLM’ler pürüzlü varlıklar. 100.000 satırlık kodu yeniden yazabiliyor ama 50 metre uzaklıktaki araba yıkamaya yürüyerek mi yoksa arabayla mı gidilmesi gerektiğini yanlış söylüyor. Bu tutarsızlık bir hata değil, bu sistemlerin doğasında var.

Modelin nerede güçlü olduğunu, nerede tökezlediğini deneyimle öğrenmek gerekiyor. Körü körüne güven de şüphe de yanlış.

Kavrama Devredilmemeli

Karpathy’nin zihninden bir türlü çıkmayan bir cümle aslında birçok şeyi anlatıyor: “Thinking’i devredebilirsin, ama understanding’i devredemezsin.” Süreci ajana bırakabilirsin, ama kavrayışı bırakamazsın.

Ajanlar ne kadar güçlenirse güçlensin, yönlendirme insanda kalıyor. Ne inşa edeceğini bilmek. Neden değerli olduğunu anlamak. Modelin ne zaman yanlış yolda gittiğini sezebilmek. Hangi sonucun şüpheli olduğunu fark etmek.

Bu bir teselli ödülü değil. Karpathy’ye göre bu, önümüzdeki dönemin en kıt kaynağı. Kod üretimi ucuzluyor, API detaylarını ezberlemek anlamsızlaşıyor. Ama anlama, yargı ve estetik giderek daha değerli hale geliyor.

Geride hissetmek bir şikâyet değil, bir uyarı. Paradigma değişti ve cevaplaman gereken soru şu: Sen de değişiyor musun?

DeepSeek Yanılsaması

Hatırlarsanız Ocak 2025’te DeepSeek piyasayı sarstı. Çinli startup, Batılı rakiplerinin milyarlarca dolarla ulaştığı performansı çok daha küçük bütçeyle ve açık kaynaklı bir yaklaşımla sunduğunu iddia etti. R1 modelinin eğitim maliyeti yaklaşık 6 milyon dolardı; OpenAI’ın veya Anthropic’in benzer modellerine kıyasla astronomik bir fark. Piyasalar müthiş bir tepki verdi, Nvidia hisseleri tek günde yüzlerce milyar dolar eridi. “Yapay zekâ artık ucuzlayacak” anlatısı zirveye çıktı.

Ama o modeli mümkün kılan şey, DeepSeek’in sahibi de olan High-Flyer isimli hedge fund’ın 2025’te %56,6 getiri sağlayan bilançosuydu. Dış yatırımcıya ihtiyaç yoktu çünkü tek bir fon yeterliydi. En azından o an için.

Nisan 2026’da ise durum değişti. V4 modeli için oldukça geciken DeepSeek ilk kez dış finansman arayışına girdi. En az 300 milyon dolar toplamayı hedefliyorlar; şirket değerlemesi ise 10 milyar dolar. “Ucuz ve kestirme yollarla zirveye ulaşmak” tezinin bizzat mimarı bile artık aynı çarkın içinde: daha fazla işlem gücü, daha fazla araştırmacı, daha fazla sermaye. Yani daha çok para.

Jevons Paradoksu: Ucuzladıkça Nasıl Pahalanır?

19. yüzyılda ekonomist William Stanley Jevons, buhar makinelerinin verimliliği arttıkça kömür tüketiminin de arttığını gözlemledi. Paradoks basitti: Bir kaynağı daha verimli kullanmak, o kaynağa olan toplam talebi azaltmaz; tam tersi, artırır.

Yapay zekâ tam da bu paradoksu yaşıyor. Token başına maliyet düşüyor. Ama kimse daha az token kullanmıyor; tam tersi. Basit bir soru bile 1.000 token tüketirken, muhakeme (thinking) özelliği çalışan bir agent benzer görevi 50.000 token yakarak yapıyor. “Agent” dönemi, birim fiyatın düşmesine rağmen toplam faturayı katlıyor.

Tokenmaxxing: Silikon Vadisi’nin Yeni Statü Sembolü

Meta’nın içinde çalışanlar arasında gizli bir yarış başladı. “Claudeonomics” adlı dahili bir liderlik tablosu, 85.000 çalışanın YZ token kullanımını takip ediyor. Üst sıralardakilere “Token Legend” ve “Session Immortal” unvanları veriliyor.

30 günlük sürede toplam çalışan kullanımı 60,2 trilyon tokeni aşıyor. Gerçekten inanılmaz. En yüksek bireysel kullanıcı günde ortalama 281 milyar token tüketmiş. Peki bu ne anlama geliyor? Claude’un herkese uyguladığı fiyatları baz alırsak Meta’nın aylık kullanımı yaklaşık 900 milyon dolara tekabül ediyor.

Bu sadece Meta değil. Microsoft’ta da Ocak ayından bu yana benzer bir liderlik tablosu var. Kıdemli mühendisler normalde çok az kod yazarken tablonun en üstünde yer alıyor; genel müdür düzeyindeki isimler günlerinin çoğunu toplantılarda geçirmelerine rağmen ilk 20’de görünüyor. Neden? Çünkü token tüketimi, “AI-native” olmanın ölçütü hâline geliyor. Az kullananlar geri kalmış gibi görünüyor.

“Tokenmaxxing” denilen bu olgu, anlamsız tüketimi statüye dönüştürüyor. Deloitte’tan Jim Rowan’ın ifade ettiği gibi bu yaklaşım, token tüketiminin iş değerine eşit olduğunu varsayıyor. Oysa çoğu zaman eşit değil. Eskiden yazılan kod satırlarını saymak gibi.

Ama asıl sorun şu: Bu kurumsal oburluk, küresel işlem gücü arzını emiyor. Ve fiyatlar da ister istemez yukarı gidiyor.

Bulut Devleri Fiyatları Artırıyor

Mart 2026’da Alibaba Cloud birçok hizmette fiyatları yüzde 34 artırdı. Baidu ve Tencent hemen ardından aynı yola başvurdu. Alibaba, gerekçe olarak “küresel YZ talebindeki artış ve tedarik zinciri maliyetleri”ni gösterdi.

Bu, son yirmi yılın bulut sektöründe görülmemiş bir adım. Rekabetin sektörü sürekli ucuzlattığı bir ortamda büyük oyuncuların eş zamanlı zam yapması, bir dönemin kapandığını işaret ediyor. Artık pazar payı için fiyat kırmanıza gerek yok; talep o kadar yüksek ki fiyatları korumak zorunda bile değilsiniz.

Batı yakasında da tablo farklı değil. OpenAI, 23 Nisan 2026’da GPT-5.5’i sunarken aynı adımı attı: GPT-5 serisinin token fiyatını tek seferde ikiye katladı. Girdi token’ı 2,50 dolardan 5 dolara, çıktı token’ı 15 dolardan 30 dolara çıktı. Üst segment GPT-5.5 Pro’ya geçmek isteyenler için fatura daha da ağır: milyon girdi token’ı başına 30, çıktı token’ı başına 180 dolar. Üst segment akıl yürütme kapasitesine erişmek artık bir abonelik meselesi değil; gerçek anlamda bir servet meselesi.

Anthropic’in Fiyat Deneyi

21 Nisan 2026’da Anthropic, fiyatlar sayfasını sessiz sedasız güncelledi: Claude Code, 20 dolarlık Pro planından çıkarılıp 100 dolarlık Max planına taşındı. Hiçbir duyuru, hiçbir e-posta, hiçbir açıklama olmadan. Reddit, Hacker News ve X bir anda alevlendi. Birkaç saat içinde geri adım atıldı ama çok yakın bir gelecekte bu planın gerçeğe dönüşeceği açık.

Anthropic’in büyüme direktörü Amol Avasare durumu şöyle özetledi: “Max planını bir yıl önce başlattığımızda, Claude Code yoktu, Cowork diye bir şey yoktu ve saatlerce çalışan ajanlar da yoktu. Max, yoğun sohbet kullanımı için tasarlanmıştı; o kadar.”

Engels’in Duraklaması

Burada tarihin tekrar ettiğini görmek gerekiyor.

Sanayi Devrimi’nin ilk yıllarında üretim kapasitesi, yani GSYİH, hızla büyüdü. Ama işçi ücretleri onlarca yıl yerinde saydı. Buharlı makineler, dokuma tezgahları, demiryolları…Tüm bu teknolojik sıçramalar gerçekleşirken sıradan insanın yaşam standardı ancak yarım yüzyıl sonra iyileşmeye başladı. Ekonomistler bu dönemi bugün “Engels’in Duraklaması” olarak adlandırıyor; Friedrich Engels’in dönemin işçi sınıfının koşullarını belgelediği o karanlık tabloya atfen.

Verimlilik patladı. Ama getiri, makineye sahip olanlara aktı.

Bugün yapay zekâ için aynı riski okumak mümkün. Yönetici ve profesyonel sınıfın verimliliği YZ sayesinde katlanıyor. Daha hızlı analiz, daha iyi karar desteği, daha güçlü araçlar. Ama bu verimlilik artışının ekonomik getirisini kim alıyor? Modellere sahip olan, işlem gücünü kontrol eden, API’lara ayrıcalıklı erişimi bulunan kitle.

Sıradan kullanıcı için ise tablo farklı: Planlar kısıtlanıyor, fiyatlar artıyor, üst segment modeller lüks bir ayrıcalığa dönüşüyor. Verimlilik vadediliyor ama o verimliliğe giden yolun maliyeti her ay biraz daha büyüyor.

Sanayi Devrimi’nde duraklama yarım yüzyıl sürdü. Yapay zekâda aynı sürecin ne kadar süreceği henüz bilinmiyor. Ama süreç başladı.

Kimin Zekâsı

İnternetin ilk yıllarında bilgiye erişimin demokratikleşeceği vaat edildi. Bir ölçüde doğru oldu ama platformların algoritmaları kontrol ettiği, dikkat ekonomisinin her şeyi şekillendirdiği bir yapı ortaya çıktı.

Yapay zekâ için aynı süreç çok daha hızlı ve çok daha derin işliyor. Fark şu: Bu sefer söz konusu olan sadece bilgiye erişim değil, akla erişim. Muhakeme kapasitesine, karar destek sistemlerine, karmaşık analizlere erişim.

Ve o erişim giderek pahalanıyor.

Büyük şirketler token yarışı yaparken, bulut sağlayıcılar fiyatları artırırken, abonelik planları sessiz sedasız kısıtlanırken tüm bu gelişmeler tek bir yöne işaret ediyor: En güçlü yapay zekâ araçlarına erişim, yakın gelecekte oldukça pahalı hâle gelebilir. Onu karşılayamayanlar için geriye ne kalıyor? Daha yavaş modeller, daha kısıtlı bağlamlar, daha sıradan yanıtlar.

Yapay zekâ devrimi insanlığı özgürleştirme vaadini taşıyarak geldi. Ama şu an gidişat, bilginin hiç bu kadar bol, bu kadar erişilebilir, bu kadar ucuz görünmediği bir dönemde onu gerçekten satın alma gücünün her zamankinden daha kısıtlanmış olabileceğine işaret ediyor.

Peki ne yapabiliriz ? Oyunun kurallarını öğrenmek, en azından faturanızı küçültür. Hangi model hangi iş için yeterli, bir prompt ne kadar kısa olabilir bunu bilen biri aynı sonuca çok daha ucuza ulaşıyor. Tokenmaxxing bir statü sembolü, ama token verimliliği sessiz bir avantaj. Açık kaynaklı modeller de hala orada. Llama, Mistral, Qwen vs. Büyümeye de devam ediyorlar.

Ama bunlar bireysel hamleler. Süreç kendiliğinden düzelmeyecek. İşler hep böyle yürüdü.

Kaynakça

• TechFundingNews, “DeepSeek First External Funding, $10B+ Valuation,” 17 Nisan 2026 — techfundingnews.com

• PYMNTS, “DeepSeek Seeks $20 Billion Valuation as Tech Giants Weigh Investment,” 22 Nisan 2026 — pymnts.com

• Fortune, “Meta Killed Employee AI Token Dashboard,” 9 Nisan 2026 — fortune.com

• The Pragmatic Engineer, “The Pulse: Tokenmaxxing as a Weird New Trend,” Nisan 2026 — blog.pragmaticengineer.com

• South China Morning Post, “Alibaba and Baidu Lift Cloud Prices by Up to 34%,” 18 Mart 2026 — scmp.com

• Data Center Dynamics, “Chinese Cloud Providers Hike Up Prices for Cloud and AI Services,” 19 Mart 2026 — datacenterdynamics.com

• The Register, “Anthropic Tests Reaction to Yanking Claude Code from Pro,” 22 Nisan 2026 — theregister.com

• APIdog, “GPT-5.5 Pricing: Full Breakdown,” 23 Nisan 2026 — apidog.com

• HR Executive, “From Meta to Salesforce: Will the Tokenmaxxing Trend Go Beyond Silicon Valley?,” Nisan 2026 — hrexecutive.com

• Techloy, “At Meta, AI Usage Is Becoming a New Performance Metric,” Nisan 2026 — techloy.com

Özellikle yazılım endüstrisi, iş yapma şeklini temelden değiştiren yapısal bir dönüşüm geçiriyor. Hiyerarşik basamaklarla örülü kurumsal dünya, yerini hızın ve doğrudan teknik katkının belirleyici olduğu bir yapıya bırakıyor. Orta kademe yönetim tasfiye edilirken; frontend, backend ve ürün yönetimi gibi rol tanımları arasındaki sınırlar siliniyor, unvanların içi boşalıyor. Geriye net bir figür çıkıyor: İş Bitirici.

İş Bitirici Sınıf: Yeni Örgüt Mantığı

Eski PayPal çalışanı ve yatırımcı Keith Rabois’a göre her şirkette sonucu götüren küçük bir insan grubu var. Bunlar kendisine bir hedef gösterildiğinde kaynağı bulan, ekibi motive eden, engeli kendisi çözen ve sonuca ulaşan kişiler. Rabois bunlara “namlu” (barrel) diyor. Yani hedefe çevirip ateşleyebildiğin, inisiyatif alabilen iş bitiriciler. Geri kalan herkes, ne kadar yetenekli olursa olsun, “cephane” (ammunition). Gerekli, ama tek başlarına atış yapamayanlar. Rabois’in verdiği rakamlar çarpıcı: PayPal 2002’de toplam 254 kişiydi ve bu efsanevi yetenek havuzunda dahi yalnızca 12-17 arası “namlu” vardı. Rabois’in altını çizdiği temel kural şu: Bir şirketin aynı anda yapabileceği önemli iş sayısı, namlu sayısıyla orantılıdır. Cephane eklemek hiçbir şey çözmez; namlu olmadan daha fazla cephane, sadece daha fazla harcama demektir.

Yapay zeka çağının temel dönüşümü tam da burada netleşiyor. Cephaneyi üretmek ve yönetmek artık yapay zekânın işi. Geriye yalnızca namlular yani iş bitiriciler kalıyor.

Koordinasyon Katmanı Boşa Çıkıyor

Cephane yapay zekâya geçince, onu dağıtıp yöneten katman da işlevsiz kalıyor. Manager, Director, Product Manager... Bu unvanlara sahip kişiler aslında aynı işi yapıyordu: Cephaneyi planlamak, önceliklendirmek, takip etmek, raporlamak ve de aralarındaki iletişimi sağlamak. Yapay zekâ bu görevlerin tamamını devraldığında, o unvanların varlık sebebi kalmıyor.

Revelio Labs’ın 100 milyondan fazla istihdam profilini izleyen analizine göre orta kademe yönetici iş ilanları Ekim 2025 itibarıyla Nisan 2022 zirvesinden %42 aşağıda ve toparlanma sinyali de yok. Yani yeni mezunlar ve tecrübesizlerden çok konuşurken asıl gözden kaçırdığımız nokta orta seviye olabilir. Gusto’nun 8.500 küçük ve orta ölçekli işletme analizi, bir yöneticinin doğrudan denetlediği kişi sayısının 2019’daki 3 kişiden 2025’te 6 kişiye, yani tam iki katına çıktığını gösteriyor. Yani koordinasyon için artık bu kadar kişiye ihtiyaç yok.

Ürün müdürlerinin (PM) durumu bu hikayenin en görünür yüzü. Geleneksel PM görevleri yani girdilerini toplamak ve yol haritası yazmak, yapay zekâ çağında gereksizleşiyor. Kasım ayında imkansız olan bir şey Mart’ta kolay hale geliyorsa, yıllık planlama saçma bir yaklaşım. PM’in işi zaten koordinasyondu; koordine edilecek insanlar buharlaştı. Shopify iki yıldır ürün yöneticilerinin statik sunum yapmasına izin vermiyor; her şey çalışan bir demo olmak zorunda. Sadece özellikleri bir slayta yazıp gelmek artık kabul edilmiyor. Her rolün, PM, tasarımcı, mühendis fark etmez yeni görevi aslında birer mini CEO olmak: neyi, neden inşa ettiğini bilmek.

Unvanlar Neden Eriyor?

Tüm bunları birleştiren daha derin bir ayrım var. Rabois’in ifadesiyle: “Değer koruma için mi (value preservation) yoksa değer yaratma için mi (value creation) iş yapıyorsun? Değer koruma tarafında kıdem ve deneyim faydalıdır. Değer yaratma tarafında muhtemelen değildir.”

Bu cümle unvanların neden eridiğini en yalın biçimde açıklıyor. Unvan ve kıdem savunma pozisyonda faydalı bir araçtır. Ama yeni bir şey inşa ederken unvan sadece yavaşlatır. Yapay zekâ çağında her şirket değer yaratma tarafına kaymak zorunda, çünkü sahip olunan varlıklar çok hızlı çürüyor. Bir yıl önce imkansız olan şey bugün yapılabilir halde. Bu hızda mevcut ürünleri savunmak, yenisini inşa etmeyen şirket için ölümle eşdeğer.

Yeni Otorite Kaynağı: Etki

Unvan bazlı hiyerarşi çökerken yeni bir yükseliş yolu kurumsallaşıyor: Staff+ mühendislik. Yani yönetici olmadan teknik liderlik. Bu roller insan yönetimini değil, sistem ve teknik yön yönetimini hedefler. Staff mühendis performans görüşmeleri yapmaz; organizasyonun teknik stratejisini belirler, karmaşık darboğazları çözer, gerektiğinde diğer mühendislere mentorluk yapar. Aslında bir güç çarpanıdır. Hiyerarşisi yoktur; etki alanı vardır.

Ortaya çıkan figür generalist uzman: Tek bir alanda derinleşip yatay olarak birden çok disipline yayılan mühendis. Kod yazar, ürün kararı alır, müşteriyle konuşur, kendi işini kendi koordine eder. Unvanı fazla önemli değildir önemli olan etkisidir.

Yapay Zekâ Sarhoşluğu ve Geri Dönüş

Elbette bu yaklaşımın riskleri de var.

Birincisi, erken hareketin geri dönüş maliyeti. Şirketler henüz var olmayan yapay zekâ kabiliyetleri üzerine bahis oynayarak insan çıkarıyor. Acele edilirse işten çıkartılan çalışanların yerini tekrar doldurmanın maliyeti çok daha büyük olabilir.

İkincisi, insanoğlunun ta kendisi. Resmi bir yapının olmadığı düz organizasyonlarda, kaçınılmaz olarak kayıt dışı ve hesap verilemeyen örtük hiyerarşiler oluşur. Unvanlar kaldırılırsa kararlar en yetkin olana değil, sesi en yüksek çıkana kalır. Ama burada zaten daha az insan hedeflendiği için bu riskin çok da büyük olmayacağını düşünüyorum.

Kodun Otoritesi

Şirketler artık cephaneyi yapay zekâdan alıyor; cephaneyi yöneten katmanı kaldırıyor; geriye sadece iş bitiriciler kalıyor. Bu tablonun geri döneceğine dair işaretler de zayıf. Geri dönüş senaryosu gerçekleşse bile, geri dönen şey eski organizasyon şeması olmayacak, yeni ve daha ucuz bir cephane (outsource ya da junior) olacak. Koordinasyon katmanı ise yapay zekâ tarafından yutuldu ve geri gelmeyecek. Çünkü o katmanın yaptığı işler (rapor yazmak, durumu birilerine aktarmak, onay trafiğini yönetmek) artık makinelerin en iyi yaptığı işler.

Bu yeni düzen bireysel olarak da bir duruş gerektiriyor. Gelecekte avantajlı olacak olanlar, yeni bir gelişme gördüğünde beklemeyenler; doğrudan bir şey inşa etmeye başlayanlardır. Bekleyip hazırlık yapanlar, hazırlık bittiğinde inşa edilecek şeyin çoktan bittiğini görür.

Sonuç olarak, liderlik bir unvan değil, bir davranış. Çıkabileceğiniz en üst basamak kartvizitinizde yazmayacak, inşa ettikleriniz söyleyecek.

Anthropic’in yayınladığı teknik raporda Mythos, daha önceki hiçbir modelde görülmemiş düzeyde akıl yürütme ve siber güvenlik yeteneklerine sahip. Model, mevcut Opus modelinin üzerinde yer alan “Capybara” adlı yeni bir model kategorisinde konumlanıyor. Şirket, bu modelin siber güvenlik alanında “bir basamak atlamayı” temsil ettiğini ve kötü niyetli aktörlerin eline geçmesi durumunda elektrik şebekeleri, hastaneler ve küresel finans ağları gibi kritik altyapıları felç edebilecek kapasitede olduğunu belirtti.

Teknik Yetenekler

Modelin yeteneklerine dair somut örnekler de yok değil. Mythos, OpenBSD gibi dünyanın en güvenli kabul edilen işletim sisteminde 27 yıldır fark edilmeyen kritik bir güvenlik açığını tespit etti. Bunun yanı sıra FreeBSD’de 17 yıllık bir uzaktan kod çalıştırma açığı bularak, bir saldırganın internet üzerinden sunucunun tam kontrolünü ele geçirmesini sağlayacak bir kod geliştirdi. Üstelik bunu tamamen kendi başına, hiçbir insan müdahalesi olmadan başardı.

Asıl tehlike, modelin sadece hataları bulması değil, birden fazla güvenlik açığını birbirine bağlayarak karmaşık ve çok aşamalı saldırı vektörleri oluşturabilmesi. Şirket, birkaç hafta içinde tüm büyük işletim sistemleri ve web tarayıcılarında binlerce açığı belirlediğini duyurdu.

Bardağın Dolu Tarafı

Bu modele ve açıklamaya yönelik olumlu görüşler, Anthropic’in bu yaklaşımını “sorumlu bir duruş” olarak tanımlıyor. Concordia Üniversitesi’nden ekonomi profesörü Moshe Lander, bu durumu bir ilaç şirketinin henüz yan etkileri tam olarak test edilmemiş bir ilacı piyasaya sürmemesine benzeterek, şirketin toplumu korumak adına kârından feragat ettiğini söyledi.

Anthropic, ayrıca Project Glasswing adını verdiği bir proje başlattı. Aralarında Amazon, Apple, Microsoft, Google, CrowdStrike, Cisco ve Linux Foundation’ın da bulunduğu yaklaşık 40 kuruluşa Mythos erişimi sağlandı. Anthropic bu çalışmalar için 100 milyon dolara kadar kullanım kredisi de verdi.

Meselenin ciddiyetini gösteren en çarpıcı gelişme ise Washington’dan geldi: ABD Hazine Bakanı Scott Bessent ve Fed Başkanı Jerome Powell, Mythos’un siber riskleri konusunda Citigroup, Morgan Stanley, Bank of America, Wells Fargo ve Goldman Sachs CEO’larını kapalı kapılar ardında acil bir toplantıya çağırdı. Bu, bir yapay zekâ modelinin bu kadar üst düzeyde güvenlik toplantısına neden olduğu ilk örnek.

Bardağın Boş Tarafı

Öte yandan, oldukça sert eleştiriler de var. Meta’nın eski Baş Yapay Zekâ Bilimcisi Yann LeCun (Meta’dan ayrılarak kendi girişimini kurdu), Anthropic’in bu “felaket senaryolarını” bir pazarlama taktiği ve “düzenleyici ele geçirme” (regulatory capture) stratejisi olarak görüyor. LeCun, Mythos hakkında da “saçmalık ve kendini kandırma” ifadesini kullandı. Eleştirenlere göre, Anthropic teknolojisini “benzersiz bir şekilde tehlikeli” olarak pazarlayarak hükümetleri ağır düzenlemeler yapmaya zorluyor; bu da yüksek uyum maliyetleri nedeniyle küçük girişimlerin ve açık kaynaklı modellerin rekabet edememesine yol açacak.

Trump’ın eski yapay zekâ danışmanı David Sacks da Anthropic’in “korku temelli sofistike bir düzenleyici ele geçirme stratejisi” izlediğini söyledi.

Anthropic’in siber saldırı iddialarını destekleyen doğrulanabilir veriler sunmaması, güvenlik topluluğu içinde bu raporların “yüzde 90 gösteriş, yüzde 10 gerçek” olduğu şeklinde yorumlanmasına neden oldu. Şirketin geçmişte Claude Opus modelinin güvenlik açıklarını bulabildiğine dair iddialarının, modelin hem hatayı hem de yamayı halüsinasyon görmesi nedeniyle geri çekmek zorunda kalması, Mythos hakkındaki iddialara dair şüpheleri artırıyor.

Daha Derin Bir Endişe

Belki de en rahatsız edici gelişme, Anthropic’in kendi iç politikasındaki değişim. Şirketin Şubat 2026’da yayınladığı Sorumlu Ölçeklendirme Politikası (RSP) v3.0 güncellemesiyle, gerekli güvenlik önlemleri alınamazsa geliştirme sürecini durdurma taahhüdünü sessizce kaldırdığı ortaya çıktı. Bu, 2023’ten beri Anthropic’i rakiplerinden ayıran temel mekanizmaydı. Yeni politikada durdurma yerine, yalnızca Anthropic’in yarışta lider olduğu ve felaket riskinin ciddi görüldüğü durumlarda “geciktirme” vaadi getirildi. Ama eleştirmenlere göre bu koşulların aynı anda gerçekleşmesi neredeyse imkansız.

Zamanlama da dikkat çekici. Aynı hafta ABD Savunma Bakanı Pete Hegseth, Anthropic’e Claude’un askeri kullanımdaki kısıtlamalarını kaldırması için bir ültimatom vermişti. Belki en çarpıcı sinyal ise içeriden geldi: Anthropic’in Koruma Araştırmaları ekip lideri Mrinank Sharma, RSP v3 değişikliği duyurusundan iki hafta önce istifa etti ve kamuoyuna yazdığı mektupta “dünyanın tehlikede olduğu” ifadesini kullandı. Sharma, organizasyon içinde “en önemli olanı bir kenara bırakma baskılarıyla” sürekli karşılaştığını ve değerlerin eylemlere gerçekten yön vermesinin ne kadar zor olduğunu yazdı. Anthropic’ten ayrılınca muhtemelen yeni bir yapay zekâ girişimi başlattığını düşünmüş olabilirsiniz. Ama Sharma sanki bu işlerden elini eteğini çekmişe benziyor. İngiltere’ye dönüp şiir alanında yüksek lisans yapmak istemesi gerçekten enteresan.

Geleceğe Bakış

Gelecekte bizi bekleyen gelişmeler, bugünkü tartışmaları gölgede bırakacak kadar ürkütücü. Yapay zekâ sistemleri artık sadece birer araç olmaktan çıkıp, kendi gelişimlerini optimize eden otonom sistemlere dönüşme yolunda ilerliyor. Önümüzdeki on yıl içinde yapay zekâlar kendi eğitim setlerini hazırlayacak, kendi mimarilerini optimize edecek ve yazılım geliştirme döngüleri aylardan saatlere düşecek.

En temel sorun ise “enstrümantal yakınsama” problemi. Bir hedefe ulaşmak için optimize edilmiş bir yapay zekâ, “kapatma düğmesini” bir engel olarak görebilir.

İnsan kontrolünün bypass edilebileceği bu yeni düzende, yapay zekâ bizden nefret ettiği için değil, hedeflerine ulaşma konusundaki aşırı sadakati nedeniyle müdahalemizi tolere etmeyecektir. Tıpkı HAL 9000’in dediği gibi: “Bu görev, senin onu tehlikeye atmana izin veremeyeceğim kadar önemli.” Gelecek, bir yapay zekânın bizi yok etmek istemesi değil, bizi sadece yolundaki birer “sürtünme” veya “değişken” olarak görüp denklemden çıkarması riskini taşıyor.

Mythos, yapay zekânın siber güvenlik alanındaki potansiyelini somut olarak gözler önüne serdi. Ancak asıl soru değişmedi: Bu gücü kontrol edebilecek yasal ve teknik mekanizmalar, teknolojinin hızına yetişebilecek mi? Şu ana kadarki kanıtlarla, bu soruya iyimser bir yanıt veremiyoruz.

Bu yazı ise ilk yazının karşıtı olarak yapay zekâ gelişmeleri karşısında gerçekte değişmeyen ama algıda değişen şeyler üzerine. Önce paradigma genellikle nasıl değişir bir üzerinden geçelim.

Bir paradigma, dönemin sorunlarını çözdüğünde doğal olarak kabul görür. İnsanlar bu kurallar içinde yaşar ve paradigmaları sorgulamaz; onlar “gerçeklik” sanılır. Zamanla, paradigmanın açıklayamadığı sorunlar (anomali) ortaya çıkar. İlk başta görmezden gelinir veya “istisna” sayılır. Anomaliler çoğalınca eski sistem işlemez olur. “Eskisi gibi olmuyor, yenisi de henüz yok” denilen sancılı bir arayış dönemi başlar. Kriz döneminde ortaya çıkan yeni bir model, eski paradigmanın çözemediği anomalileri kolayca çözer. Yeni modelin başarısı görüldükçe, insanlar (özellikle yeni nesil) bu paradigmayı benimsemeye başlar. Eski paradigmayı savunanlar yavaş yavaş sahneden çekilir.

Bu sancılı değişim bazen beklenmedik derecede hızlı olur. Herkes bir mıknatısın etkisine girmiş gibi bir anda yeni paradigmaya hizalanır. COVID pandemisi bunun iyi örneklerinden birisi. Mecburen de olsa bir anda hayatımıza uzaktan çalışma modeli girdi. O zamanlar kadar yaygın olmasa da hibrit çalışma şeklinde hala hayatımızın bir parçası. Teknolojiden örnek verecek olursak iPhone anı iyi bir örnek olabilir. Sadece birkaç yılda tuşlu telefonlar yerini dokunmatik ekrana bıraktı.

Yapay zekâ yıllardır geliştirilen ve kullanılan bir teknoloji olmasına rağmen toplumun geniş kesimlerini mıknatıs gibi hizalaması Kasım 2022 ChatGPT lansmanı ile oldu. Sadece 2 ayda 100 milyon kullanıcıya ulaşan OpenAI’ı hızlıca rakipleri izledi.

Teknoloji sıklıkla “early adopters” ile başlayan bir dalga ile kitleselleşir. Dil modelleri, görsel modeller, video ve müzik üretim araçları, günlük kullandığımız uygulamaların içine entegre olan yapay zekâ teknolojileri bir tsunami dalgası gibi hayatımıza girdi. Aktif kullanıcısı olmayanlar bile mecburen tüketicisi olmak zorunda kaldılar. (Linkedin içeriklerinin çoğu, AI Slop içerikler, AI videolar vb.)

YZ’nin yarattığı bu büyük etkinin bir sebebi performans kaynaklı (çıktıların başarısı) olması. Diğer bir sebebi ise sosyal medya başta olmak üzere tüm medya çeşitlerinde sürekli haber olabilmesi. Her yeni versiyonunun, her yeni kabiliyetinin ayrı ayrı konuşulması ve büyük bir “hype” yaratılması. Eskiden böyle konular teknoloji ve bilim ile ilgilenen insanların konuştuğu niş sayılabilecek bir alana hapsolurdu. Şu an evlerde, okullarda, kafe köşelerinde konuşuluyor. YZ ile üretilen içerikler elden ele dolaşıyor. Tüm bu hype etkisi ile herkes mıknatıs etkisinde dünyanın artık bildiğimiz gibi olmayacağını düşünüyor.

Her gün sosyal medyada aynı tweetler: “Artık yazılım bir meslek değil!” ”Hollywood bir gecede bitti” ”Tasarımcıların gözü yaşlı”

Peki gerçekten öyle mi? Çok başarılı çıktılara rağmen, bir araç olarak verimliliği ciddi anlamda arttırmasına rağmen bahsedildiği kadar büyük toplumsal bir dönüşüm yaşandı mı? Gündeme, olaylara, haberlere anlık bakmanın sonucu olarak değişimi acaba biraz fazla gözümüzde büyütüyor olabilir miyiz? Bir paradigma körlüğü söz konusu olabilir mi?

ChatGPT anı ile başlayan YZ devriminin olası etkileri neler olacaktı, hatırlıyor musunuz? “Google Search’ün sonu.” “Apple YZ yarışını kaçırdı.” ”Doktorlar (avukatlar, yazılımcılar vb.) işsiz kalacak!” ”Üniversiteler bitti. YZ ile artık hiçbir şey öğrenmene gerek yok” vb.

Benim ve bizim de bolca yazıp çizdiğimiz konular. Google Search yerinde duruyor. Apple da forsundan pek bir şey kaybetmiş gibi değil. Ekonomik sıkıntılar ya da pandemi etkisi ile daralan sektörler olsa da YZ kaynaklı işsizlik henüz yazıp çizdiğimiz kadar olmadı. Bu yıl da gençler sınavlara hazırlanıyorlar. Hala iyi üniversiteler var. Ve görülen o ki bir süre daha olacak.

Algıladığımız dünya ile gerçek arasında ciddi bir fark var. Farkın sebebi bence yapay zekanın potansiyel olarak yapabilecekleri ile gerçek dünyanın imkanları arasındaki fark. Başta devletler, kurumlar, şirketler ve bireyler düşündüğümüz kadar hızlı adapte olamıyorlar. Çok hızlı adapte olan bireyler olsa bile mevcut düzen bu kadar hızlı değişmeye müsait değil. Değişecek mi? Kesinlikle değişecek. Ama hız konusunu biraz abartmış olabiliriz.

Yukarıdaki çalışma Claude’ye ait. Teorik olarak YZ’nin yapabileceği işler ile şu an yapabildiklerini gösteriyor. Dünya henüz YZ teknolojilerine adapte olabilmiş değil. Çok büyük bir değişim bizi bekliyor. Buna hazırlanacak zamanımız olacak gibi. Teşekkürler hantal şirketler, teşekkürler bürokrasi. Bugün dikkat etmemiz gereken şey bahsettiğim “Değişen Paradigma”. Eski modelin, eski dünya anlayışının değiştiğini sanmamak lazım. Şu an dünya hala eskisi gibi dönüyor. Bir süre daha yalpalaya yalpalaya dönmeye devam edecek.

Şöyle düşünün, buraya kadar okuduysanız, hala umut var. :)

Claude’nin “Labor market impacts of AI: A new measure and early evidence” çalışmasını Executive Summary yayınında değerlendirmiştik.

Bu dönüşümün en ses getiren hamlesi, Amazon’un kurucusu Jeff Bezos’tan geldi. Bezos, bir yazılım şirketi kurmaya çalışmıyor; geleneksel üretimi kökünden değiştirecek 100 milyar dolarlık devasa bir yatırım fonu için çalışıyor. Wall Street Journal’ın haberine göre bu fon, yatırımcı belgelerinde “imalat dönüşüm aracı” olarak tanımlanıyor. Yani verimsiz çalışan fabrikaları satın alıp yapay zekâ ile yeniden kurgulamak.

Yeni Proje: Project Prometheus

Bezos’un bu fikrinin kalbinde Project Prometheus adlı girişim yer alıyor. Kasım 2025’te 6,2 milyar dolar sermaye ile kurulan şirkette Bezos, eski Google yöneticisi, fizikçi ve kimyager Vik Bajaj ile birlikte eş CEO olarak görev yapıyor. Bajaj’ın geçmişi projenin saf bir para oyunundan ibaret olmadığını anlatıyor diyebiliriz.

Peki Prometheus ne yapıyor? Aşina olduğumuz ChatGPT ya da Claude gibi metin tabanlı modellerden çok farklı bir şey: fiziksel dünyanın kurallarını, termodinamik yasalarını anlayan ve malzeme bilimine hakim “Gerçek Dünya Yapay zekâsı” geliştiriyor. Bu teknoloji sayesinde bir uçak kanadının etrafındaki hava akışı veya bir metal parçanın ne zaman çatlayacağı, aylarca süren testler yerine dijital ortamda simüle edilebilecek.

Hedef İşçiler Değil

Burada önemli bir nüans var: Prometheus’un birincil odağı montaj bantlarını robotlara teslim etmek değil. Bunlar zaten dünün konusu. Prometheus’un hedefleri üretim öncesi süreçleri yani prototipleme, mühendislik tasarımı, malzeme optimizasyonunu yapay zekâ ile iyileştirmek. Bu ayrım kritik çünkü asıl hedef, fabrika işçisini değil, fabrikayı yönetemeyen verimsiz işletme yapılarını köklü biçimde dönüştürmek.

Bezos bu teknolojiyi çip üretimi, havacılık, savunma ve otomotiv gibi sektörlerdeki köhnemiş şirketleri satın alarak hayata geçirmeyi planlıyor. Strateji net: Hantal veri sistemlerine ve geç kalınmış yatırım kararlarına dayalı tesisleri alıp, yapay zekânın gücüyle yeniden inşa etmek.

Yapay Zekâ İşçinin Değil, Verimsiz Patronun Düşmanı

Peki bu dönüşümden gerçekten kim zarar görür? Yapay zekâ ve robotlar konusunda yaygın anlatı “işçiler işini kaybedecek”. Ama bu tabloyu biraz daha dikkatli okumak gerekiyor.

Prometheus’un hedefindeki şirketler, teknolojiyi benimseyememiş, dijitalleşmeye yatırım yapmamış, onlarca yıl aynı süreçlerle idare etmiş işletmeler. Bu şirketlerin sahipleri ve yöneticileri, aslında hem çalışanlarını hem de rakiplerine karşı rekabet güçlerini yıllarca istismar etmiş bir yapıyı temsil ediyor. Yapay zekâ burada devreye girdiğinde asıl sarsılan taraf, işçi değil; verimsizlikte israr eden eski işletme modeli oluyor.

Bu çerçeveden bakıldığında bazı ilginç gerçekler ortaya çıkıyor. Kalite kontrol işçisi yerini kaybetmez; aksine, mikro hataları tespit eden AI görüntüleme sistemlerinin yanında daha az rutin iş yapan, daha kabiliyetli bir role evrilir. Mühendis, aylar süren prototipleme döngülerinden kurtulur; tasarım ve inovasyon üzerine yoğunlaşır. Lojistik çalışanı, fiziksel yükün büyük kısmını robotlara devreder; koordinasyon ve problem çözmeye odaklanır.

Asıl tehdit altındaki grup şu: Rakiplerine kıyasla teknolojiyi benimsemeyi geciktirmiş, “böyle yürüdü, neden değiştirelim” anlayışıyla fabrikasını yönetmeye devam eden orta ölçekli patronlar. Onların iş modeli, bu fonun tam hedefinde.

Tabii ki bu tabloyu farklı okuyanlar da var. Mesela Senatör Bernie Sanders, X’te yayımladığı ve milyonlarca kez görüntülenen gönderisinde “Oligarklar işçilere karşı tam anlamıyla savaş açıyor” dedi; ardından Senato HELP Komitesi kıdemli üyesi sıfatıyla Bezos’u bizzat ifade vermeye çağırdı. Bu bir tweet’ten ibaret bir hareket değil, resmi bir Senato hamlesi. İfade de neler sorulacak, ne cevaplar verilecek göreceğiz.

Ama Sanders’a şunu sormak isterdim: Teknolojiye yatırım yapmayı reddeden, çalışanlarına düşük ücret vererek verimsizliğini kâra dönüştüren sistemin savunulması ne kadar meşru?

Prometheus, Yunan mitolojisinde ateşi tanrılardan çalıp insanlara veren Titan’dır. Cezası ağır oldu ama insanlık ateşi aldı ve medeniyeti inşa etti. Bezos’un bu ismi seçmesi tesadüf değil: “Fiziksel dünyayı anlayan yapay zekâyı” imalat sektörüne taşımak, tam da o mitolojik ateş hırsızlığının modern versiyonu. Tanrıların kızdığına şüphe yok. Sanders bunun işareti sayılabilir.

Türkiye İçin Asıl Mesele

Bu noktada Türkiye özelinde dürüst olmak gerekiyor.

“Ucuz işgücü avantajı” meselesi, bizim için zaten kapanmıştı. Yıllarca süren yüksek enflasyon ve para politikası, Türk işgücünü rekabetçi fiyatlandırmanın çok ötesine taşıdı. Tekstil sektörü bunun en somut kanıtı. Büyük üreticilerin önemli bir kısmı çoktan Mısır, Etiyopya ve Orta Asya’ya taşındı. Türkiye’nin bu alanda “ucuz üretim merkezi” olma dönemi fiilen sona erdi.

Yani robotlar buradaki işçilerin işini çalmıyor, o işler zaten başka ülkelere gitmişti.

Bu tablo, tehditten çok bir fırsat sorusunu gündeme getiriyor: Ucuz işgücüyle rekabet edemiyorsak, ne ile rekabet edeceğiz? Prometheus gibi sistemlerin hedef aldığı şirketler “verimsiz ve köhnemiş” olanlar. Türkiye’de hala ayakta olan, otomotiv yan sanayisinden savunmaya, yazılımdan lojistiğe uzanan üretim ekosistemi bu dönüşümde ya başarılı olacak ya da Mısır’ın ardından başka bir ülkenin ucuz alternatifi haline gelecek.

Bezos’un 100 milyar dolarlık hamlesi, güç dengelerini ve emeğin değerini yeniden yazıyor. Türkiye için bu, kaybettiğimiz bir yarıştan çıkıp kazanabileceğimiz başka bir yarışa geçişin tam zamanı. Yapay zekâ işçiyi değil, verimsiz patronu kovalıyor.

Ama yerine bir şey koymaya hazırsanız.

Kaynaklar

• Wall Street Journal, “Bezos in Talks to Raise $100 Billion for AI-Focused Manufacturing Fund,” 19 Mart 2026 — wsj.com

• TechCrunch, “Jeff Bezos reportedly wants $100 billion to buy and transform old manufacturing firms with AI,” 19 Mart 2026 — techcrunch.com

• Axios, “Jeff Bezos wants to change manufacturing with AI,” 20 Mart 2026 — axios.com

• The Street, “Jeff Bezos wants to buy manufacturers for a disturbing reason,” 20 Mart 2026 — thestreet.com

• Common Dreams, “’A Declaration of War Against the Working Class’: Sanders Demands Bezos Testify Over AI Robot Plan,” 24 Mart 2026 — commondreams.org

• Wikipedia, “Project Prometheus (company),” 1 Mart 2026 — en.wikipedia.org