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

Bu senaryoyu, İsrail ordusu ve CIA’in Tahran’daki trafik kameralarına sızarak dini lider Ali Hamaney’in korumalarının hareket kalıplarını (istihbarat dilinde “patterns of life”) tespit ettiği iddiası üstüne yazdım. Yani aslında gerçek bir olaydan esinlendim Çünkü.İstihbarat kaynaklarının aktardığına göre analistler, Tahran’ı tıpkı kendi başkentleri kadar iyi tanır hale gelmişlerdi. Kısacası bir şehrin sivil trafik yönetim sistemi, dünyanın en karmaşık suikast operasyonlarından birinin omurgasına dönüşmüştü.

Basit Bir Kamera Nasıl Silah Olur?

Peki bu nasıl mümkün oluyor? Cevap, teknolojinin ilerlemesinde değil; aksine insan ihmalinin ne denli kalıcı olduğunda yatmakta.

Güvenlik firması Check Point’in verilerine göre, Hikvision ve Dahua gibi markaların ürettiği milyonlarca sivil kamera, 2017 yılına kadar uzanan ve çoktan yamalanmış olması gereken güvenlik açıklarını hala barındırmaktadır. Kullanıcılar yazılım güncellemelerini nadiren yaptığından, bu açıklar yıllarca risk üretmeye devam etmekteler. Bir ordu için bu durum, benzeri görülmemiş bir fırsattır: Milyonlarca dolarlık uydulardan çok daha ucuz, hava savunma sistemlerinin tespit edemeyeceği kadar gizli ve dronların hiçbir zaman sağlayamayacağıdetayları sunan bir gözetleme ağı. Üstelik kurbanı, kendi evinin önüne bu ağı bizzat kendisi kurmuştur.

Ukrayna’dan Ortadoğu’ya: Taktik Bir Standart Haline Geliyor

Bu yöntem, İran Savaşı’yla ortaya çıkmadı. İlk kapsamlı örnekler, Ukrayna cephesinde yaşandı.

2024 yılının başlarında Ukrayna istihbarat servisi SSU, Rusya’nın Kiev’deki iki sivil güvenlik kamerasını ele geçirerek kritik altyapı tesislerini ve hava savunma sistemlerini izlediğini tespit etti. Daha çarpıcısı, bu kameraların füze güdüm sistemleriyle entegre biçimde kullanıldığının anlaşılmasıydı: Rusya, canlı kamera görüntülerini füze isabet oranlarını artırmak için gerçek zamanlı olarak kullanıyordu. Sonrasında Ukrayna da bu oyunu öğrendi. Kerç Köprüsü üzerindeki Rus askeri hareketliliğini, bölgedeki sivil kameralar aracılığıyla izledi; Rus denizaltılarının imha edildiği saldırıları ise yine aynı yöntemle doğruladı. İki taraf da birbirinin kör noktalarını, sivil altyapı üzerinden kapatmaya çalışıyordu.

İran cephesinde tablo daha da genişledi. İran ile bağlantılı olduğu değerlendirilen “Handala” gibi hacker grupları, Operation Epic Fury sürecinde İsrail, Bahreyn, Katar, Kuveyt, Lübnan ve BAE’deki yüzlerce sivil kameraya sızmaya çalıştı. Bu girişimlerin zamanlaması tesadüf değildi: Saldırılar, İran’ın füze ve drone hamlesiyle neredeyse dakika dakika örtüşüyordu. Amaç, füzelerin hedeflere isabet edip etmediğini anlık izlemek, yani hasar tespitini, düşman topraklarının içine yerleştirilmiş binlerce sivil gözle yapmaktı.

Öldürme Zincirinin Görünmez Halkası

Sivil kameralar artık askeri literatürün “kill chain” (öldürme zinciri) kavramının ayrılmaz bir parçası. Kamera, kimseye doğrudan zarar vermez. Ama bir suikastın planlanmasında, bir füze güzergahının hesaplanmasında ya da bir kritik altyapı saldırısının zamanlamasında oynadığı rol, onu zincirin en sessiz ve en kritik halkalarından biri yapıyor. Check Point araştırmacılarına göre, herhangi bir askeri veya istihbarat operasyonu planlayan her aktör için kamera sistemlerini kontrol etmek, artık en basit ve yüksek değerli ilk adımlardan biri haline gelmiştir.

Kendinizi Nasıl Koruyabilirsiniz?

Sonuçta bu tehdit soyut değil. Evet sokak kameralarını siz engelleyemezsiniz ama kendi tedbirinizi alabilirsiniz. Mesela:

Cihazların yazılım güncellemelerini ihmal etmeyin. Yaşanan sızmaların büyük çoğunluğu, yıllardır kapatılmayı bekleyen açıklar üzerinden gerçekleşmektedir. Üreticinin yayınladığı güncellemeleri düzenli olarak kontrol edin.

Mümkün mertebe kameralarınızı internetten izole edin. Kameraları doğrudan internete açmak yerine, VPN arkasında tutmak sızma riskini ciddi bir biçimde azaltır.

Kriz dönemlerinde yayını kesin. Ukrayna, Rusya’nın kameralardan yararlanmasını engellemek için 10.000’den fazla internete bağlı kamerayı savaş süresince devre dışı bıraktı. Bu, bireysel değil kurumsal bir karar gerektiriyor; ama bireysel farkındalık olmadan kurumsal kararın da anlamı pek kalmıyor.

Üreticilerden hesap sorulmalı. Bir kameranın güvenlik açığı, ondan kilometrelerce uzakta birinin hayatına mal olabilir. Kamu güvenliğini ilgilendiren alanlarda kullanılan cihazlar için daha sıkı standartlar ve açık sorumluluk mekanizmaları şarttır. Üreticiler ve bağlı oldukları ülkelerin yasalarını da dikkate almamız gerekmekte.

Bugün evinizin köşesine ya da iş yerinizin girişine taktığınız kamera, yarın binlerce kilometre ötedeki bir orduya veri sağlıyor olabilir. Savaş alanı artık sadece cephelerde değil; her akıllı cihazın içinde gizlenmiş durumda. Bu çağda fiziksel savunma kadar siber hijyen de bir hayatta kalma meselesidir. Ve bu savunmanın ilk hattı, bir yazılım güncellemesi kadar basit bir adımla başlıyor.

Not: Bu konuyu daha önce Melih Karakelle ile de ele almıştık. İlgili bölümü buradan izleyebilirsiniz:

Kaynaklar:

• Check Point Research. Interplay between Iranian Targeting of IP Cameras and Physical Warfare in the Middle East. 4 Mart 2026. https://research.checkpoint.com/2026/interplay-between-iranian-targeting-of-ip-cameras-and-physical-warfare-in-the-middle-east/

• Horowitz, Michael C. & Lauren Kahn. First Ukraine, Now Iran: A New Era of Drone Warfare Takes Hold. Council on Foreign Relations, 9 Mart 2026. https://www.cfr.org/articles/the-new-era-of-drone-warfare-takes-root-in-iran

Son zamanlarda görmekten hepimizin bıktığı postlar var. Hepsi de yapay zekâ üzerine. Ama benim ilk günden beri kafamda tek bir soru var. Biz bu mereti gerçekten verimli şekilde kullanabiliyor muyuz? Ya da en verimli şekilde kullanmanın bir yolu var mı?

Meret, çoğu zaman adı anılmak istenmeyen, hafif küçümseme ya da sitemle sözü edilen şey veya kimse anlamındadır. Uğursuzluk, sıkıntı ya da başa iş açan çağrışımı da taşır.

Bir süredir ortaya çıkan tablo bana şunu düşündürüyor. Şirketler yapay zekâyı kullandıkça sadeleşmiyor. Aksine, iç yapı daha karmaşık hale geliyor. Her ekip kendi ihtiyacına göre bir agent kuruyor, başka bir ekip başka bir araç bağlıyor, bir diğeri yeni bir otomasyon ekliyor. Bir süre sonra ortada güçlü bir sistem oluşmuyor. Birbirinden kopuk, kimin ne yaptığı tam bilinmeyen, etkisi ölçülmeyen bir yapı oluşuyor.

Agent Enflasyonu

Bugün agent üretmek zor iş olmaktan çıktı. Low-code araçlar, hazır modeller, API’ler ve prompt tabanlı kurulumlar sayesinde neredeyse her ekip kendi agent’ını kurabiliyor. Bir ekip içerik üretimi için agent açıyor. Satış ekibi lead sınıflandırma için başka bir yapı kuruyor. Finans tarafı fatura akışını otomatikleştiriyor. Operasyon kendi işini kolaylaştıracak başka bir katman ekliyor. Her biri ilk bakışta mantıklı, hatta verimli görünüyor.

Fakat bir süre sonra şu soruyu sormaya başlayacağız: Bu agentlar gerçekte ne üretiyor? Ve şu soruları her şirket sormaya başlayacak:

-Kaç agent var?

-Kim kurdu?

-Ne işe yarıyor?

-Hangi veriye erişiyor?

-Hangi kararı etkiliyor?

-Gerekli mi?

Microsoft’un çizdiği tablo bu yüzden önemli. Fortune 500 şirketlerinin %80’inden fazlasında aktif AI agent kullanımı var. Yani mesele deney aşamasını çoktan geçti. Ancak şirketler yapay zekâyı yönetmeye başlamadı.

Gartner tahminine göre ise 2026 sonuna kadar kurumsal uygulamaların yüzde 40’ında görev odaklı AI agentlar yer alacak. 2025’te bu oran yüzde 5’in altındaydı. Agent enflasyonu bu olsa gerek.

Kurumsal Aklın Parçalanması

Bu meselenin en tehlikeli yanı Agent sprawl’un ilk bakışta başarı gibi görünmesi aslında. Süreçleri hızlandırıyor, verimli çıktılar alınıyor ve postlara bakılırsa inanılmaz başarılar sağlıyor. Böyle bakınca her şey yolunda sanılıyor.

Fakat bana göre müşteri yolculuğuna dokunan sistemler ortak bir akıl yerine parçalı kararlar üretmeye başlayacak. Bir yerde istenen veriler bozulacak, başka bir yerde gereğinden fazla bilgi açığa çıkacak, bunlarla da kalmayıp yanlış yönlendirmeler ortaya çıkacak. Büyük kırılmalar çoğu zaman tek seferde yaşanmaz. Güven, sessiz sessiz aşınır. Ve en yüksek maliyet de burada başlar.

Salesforce Connectivity Benchmark verisine göre ortalama bir kurum 12’den fazla agent kullanıyor ve bu agent’ların yüzde 50’si koordineli bir agent sisteminin parçası değil. Çok büyük bir oran. Kontrolsüz bir güç var karşımızda.

Güven sarsıldığında ise mesele teknik hata olmaktan çıkar. Ekipler sistemi kullanırken temkinli davranmaya başlar. Her adımın üstüne ek kontrol katmanları eklenir ve akış yavaşlar. İnsanlar yeniden manuel kontrole döner. Başta verim için kurulan yapı, bir süre sonra sürtünme üreten bir düzene dönüşür.

Bu senaryo gerçekleşecek mi? Bekleyip göreceğiz.

Shadow IT Geri mi Geldi?

Teknoloji dünyası daha önce buna benzer bir dönemi yaşadı. Ekipler merkezi onay beklemeden kendi yazılımlarını kullanıyor, şirketin teknoloji yapısı da bunu sonradan fark ediyordu. Buna Shadow IT deniyordu. Yani kurumun resmi teknoloji düzeninin dışında, ekiplerin kendi başına kurduğu dijital düzen dönemiydi diyebiliriz.

Bu tabloyu şimdi de yapay zekâ ile yaşıyoruz. Bir aracın şirket içinde görünmeden kullanılması elbette riskli, ama karar süreçlerine dokunan, veri çekip aksiyon alan bir yapının görünmeden büyümesi bu riski daha da katlıyor. Birinde şirket dışında kalan dağınık bir teknoloji kullanımı var iken diğerinde ise şirketin içinde, kimin nasıl yönettiği net olmayan görünmez bir karar katmanı oluşuyor.

Verilere göre şirketlerde 3 milyondan fazla AI agent çalışıyor ve bunların yalnızca yüzde 47,1’i aktif olarak izleniyor. Veriler yalan söylemiyorsa yaklaşık 1,5 milyon agent denetime tabi olmadan çalışıyor.

Agent sprawl böyle bakınca klasik bir araç kalabalığı olarak değerlendirilemez. Şirket içinde birbirinden habersiz büyüyen küçük yapay zekâ düzenlerinin toplamı diyebiliriz. Her ekip kendi işini hızlandırmak için en iyi aracı seçtiğini düşünüyor. Fakat toplamda ortaya çıkan şey ortak akıl değil, parçalı bir yapı oluyor. Şirket tek bir sistem gibi davranmıyor, yan yana duran küçük sistemlerin toplamına dönüşüyor.

Agent’ların Sahibi Kim?

Yapay zekâ konuşulurken herkes güvenlik kısmına değiniyor. Bence ilk kırılma orada başlamıyor. İlk kırılma görünmezlikte başlıyor.

Görmediğini yönetemezsin. Dahası kayıt altına almadığın yapıya sınır koyamazsın. Sahibi belli olmayan agent’a hesap soramazsın. Microsoft bu yüzden “control plane” fikrini öne çıkarıyor. Önce envanter, sonra kimlik, sonra yetki, sonra izleme.

Bu çok sıradan bir öneri gibi durabilir. Ama şirket içinde çalışan dijital aktörlerin kim olduğunu bilmiyorsan, sen yönetmiyorsun demektir. Agentlar yönetim hissini sana verse de kontrol çoktan dağılmış oluyor.

Verimlilik, Hız ve Güçlü Ekip

Yapay zekâ konuşulurken en çok kullanılan kelimelerden biri verimlilik. Fakat burada verimlilik kelimesinin karşılığı sanki hız gibi algılanıyor. Hız ise tek başına başarı anlamına gelmiyor. Bu zamana kadar takip ettiğim kadarıyla agentlar sistemi büyütmüyor. Daha çok karmaşayı belirli bir düzene sokup ölçeklendiriyor.

AI tarafında bugün en romantize edilen kelime verimlilik ile birlikte ekipleri güçlendirelim söylemi. Herkes kendi işine uygun çözüm üretsin, hız kazanalım. Kâğıt üstünde güzel.

Pratikte ise çoğu zaman şirket tek bir akıl üretmek yerine, birbirinden habersiz küçük otomasyon adacıkları oluşturuyor. Bu yüzden Agent sprawl kavramı bir parçalanmaya dönüşüyor.

Agent’ları Kim Kontrol Edecek?

Buradaki bir ironi var aslında. Yapay zekâ ile hız kazanmak isteyen şirketler, bir süre sonra o hızı kontrol edebilmek için yavaşlamak zorunda kalacak. Düzensiz bir agent yapısı işi hızlandırmanın ötesinde bir kaosa sebep olacak.

Önümüzdeki dönemde başarı için en çok agent’a sahip olmak ya da en popüler modeli kullanmak bir şey ifade etmeyecek. Şirketler şu soruların cevabını arayacak

-Kim neyi neden kurdu? Hangi sistem neye erişiyor?

-Hangi agent hangi sınır içinde çalışıyor?

-Kim performansı izliyor?

-Gerektiğinde kim durdurabiliyor? Burada da governance yani bir kontrol mekanizması gerekliliği ortaya çıkacak. Şu an bu yapı yavaşlatıcı bir katman gibi görüniyor olabilir. Fakat dağınık büyümeyi önlemenin de başka yolu gözükmüyor. Agent’ların çoğalmasını engelleyen, sahipliği netleştiren ve agentların ne için kullanıldığını belirleyen bir yapı olmalı.

Bu yapı nasıl olmalı?

1. Şirket içinde hangi agent var, kim kurdu, neye erişiyor, hangi işi yapıyor sorularının tek yerde toplandığı bir kayıt sistemi kurulmalı.

2. Her agent için bir sorumlu atanmalı. Hangi veriye erişeceği, nerede aksiyon alabileceği ve insan onayı gerekeceği baştan belirlenmeli.

3. Ekiplerin bağımsız şekilde agent çoğaltması yerine ortak kurallar, onay mekanizması ve performans takibi kurulmalı.

İş sadece teknolojiye ayak uydurmakla kalmıyor, asıl mesele bu sistemi yönetebilmek aslında.

Tükenmiş Bir Girişimcinin Beklenmedik Dönüşü

OpenClaw’un arkasındaki isim, Silikon Vadisi’nin alışıldık girişimci figürlerinden biri değil. Avusturyalı yazılımcı Peter Steinberger, yaklaşık bir milyar cihazda kullanılan PDF SDK’sı PSPDFKit’in kurucusu olarak tanınıyor. 2021’de Insight Partners’tan 100 milyon Euro’nun üzerinde stratejik yatırım aldıktan sonra şirketten istifa etti. 13 yıllık yoğun bir çalışma temposu ardından yaşanan klasik bir tükenmişlik hissi. Sonuç ise kodlamanın tamamen bırakılması.

Ama LLM’lerin 2025’teki yükselişi onu tükenmişlikten çekip çıkardı. Steinberger’in kafasındaki fikir netti: yapay zekânın sadece soru cevaplayan bir sohbet botu olarak kalması kabul edilemezdi. Asıl devrim, “bir şeyler hakkında konuşan” değil, “bir şeyleri bizzat yapan” sistemlerdeydi. Kasım 2025’te bir hafta sonu projesi olarak Clawdbot’u geliştirdi. Anthropic’in Claude modeline atıfla “elleri olan Claude” diye tanımladığı, mesajlaşma uygulamaları üzerinden bilgisayara komut veren basit bir araç. Bir saatte yazılmış bir prototipti. Ama o birkaç saat, her şeyi değiştirecekti.

Proje Anthropic’in marka itirazı üzerine önce Moltbot, sonra OpenClaw adını aldı. 25 Ocak 2026’daki herkese açık lansmanın ardından GitHub’da 180.000 yıldızı aşarak açık kaynak tarihinin en hızlı büyüyen projesi oldu. Şubat ortasında Steinberger, OpenAI’a katıldığını duyurdu; OpenClaw bağımsız bir vakfa devredildi.

Neden Bu Kadar Büyük Bir Dalga?

OpenClaw’un bir fenomene dönüşmesinin temel nedeni, yapay zekâyı pasif bir sohbet arayüzünden çıkarıp “dijital bir çalışan” seviyesine taşıması. Kullanıcılar sadece yapay zekâ ile sohbet etmiyor; ona e-postaları düzenleme, toplantı planlama, kod yazma, web’deki gezip bilgi toplama gibi görevleri otonom olarak yerine getirme yetkisi veriyor.

Bunu mümkün kılan iki kritik mimari karar var. Birincisi, “her zaman açık” proaktif yapı: OpenClaw sizden komut beklemez, cron job’lar ve olay tetikleyicileriyle siz uyurken bile çalışır. İkincisi, yerel öncelikli yaklaşım: veriler bulut yerine kullanıcının kendi cihazında işlenir. Steinberger’in ifadesiyle, “verileriniz başka birinin sunucusunda değil, altyapınız, anahtarlarınız, veriniz sizin.”

Çılgınlığın somut ekonomik yansımaları da oldu. Özellikle Çin’de Apple Mac mini satışlarında patlama yaşandı, Pekin’deki Baidu genel merkezinde insanlar OpenClaw kurdurabilmek için kuyruk oluşturdu. “İstakoz yetiştirme” (OpenClaw kurulumu) için 500-800 yuan ücret alan yeni bir mikro endüstri bile ortaya çıktı.

Nvidia’nın Hamlesi: NemoClaw

16 Mart 2026’da GTC’de Jensen Huang, altı ay önce var olmayan bu teknolojiye açılış konuşmasının önemli bir bölümünü ayırdı. Vurguladığı noktalar dikkat çekiciydi: “Mac ve Windows, kişisel bilgisayarın işletim sistemleridir. OpenClaw ise, kişisel yapay zekânın işletim sistemidir.” Jim Cramer’a verdiği röportajda ise daha da ileri giderek OpenClaw’u “kesinlikle bir sonraki ChatGPT” olarak nitelendirdi.

Nvidia’nın duyurduğu NemoClaw, OpenClaw’un üzerine tek komutla kurulan açık kaynaklı bir güvenlik ve altyapı uygulaması. Kurumsal düzeyde sandbox ortamı, politika bazlı erişim denetimi ve yerel çıkarım desteği sunuyor. Nvidia’nın motivasyonu net: OpenClaw, büyük yapay zekâ modellerinin metalaştığının en somut kanıtı. Bağımsız bir geliştirici, milyar dolarlık laboratuvarların ürünlerini gölgede bıraktıysa, değer artık model katmanında değil altyapı ve güvenlik katmanında. NemoClaw tam da bu katmanı sunuyor.

Güvenlik Paradoksu

Ama otonominin de bir bedeli var. Ocak 2026’da keşfedilen CVE-2026-25253 zafiyeti, tek tıklamayla uzaktan kod çalıştırmaya imkân tanıyordu. Kamuya açıklandığında 40.000’den fazla OpenClaw örneğinin internete açık olduğu ve bunların yüzde 63’ünün savunmasız olduğu tespit edildi. Şubat’ta ise topluluk pazarı ClawHub’daki becerilerin yaklaşık yüzde 12’sinin zararlı yazılım içerdiği ortaya çıktı.

Otonom yapay zekâ ajanlarının temel paradoksu bu: işe yaraması için geniş yetki lazım, ama geniş yetki saldırı yüzeyini genişletiyor. CNBC’de yayınlanan bir söyleşide bunu kullanan bir geliştiricinin söylediği söz durumu özetliyor: “Kişisel kullanım için riskleri belki tolere edebilirsiniz, ama müşteri verilerimi buna bağlamak sorumlu bir davranış olmaz.”

Değişim

Şunu net görmek lazım: OpenClaw bir yazılım projesi değil, bir paradigma değişimi. Yapay zekânın bize bir şeyler anlatmasını beklediğimiz çağ kapanıyor; bizim yerimize bir şeyler yapmasını beklediğimiz çağ açılıyor.

Ama OpenClaw’un asıl dersi teknolojinin kendisinde değil, nasıl ortaya çıktığında gizli. Bir kişi, bir hafta sonu, bir prototip. Sonucu ise iki ayda dünyayı sarsan bir platform. Bu artık istisna değil, yeni normal. Steinberger bugünün ismi, ama yarın aynı hikâyeyi başka birinden duymaya hazır olun.

Çin bunu çoktan anladı, hem de devlet düzeyinde. Mart ayının ilk haftasında en az altı farklı şehir, OpenClaw tabanlı “tek kişilik şirketlere” destek paketleri açıkladı. Shenzhen’in Longgang ilçesi bireysel geliştiricilere milyonlarca yuan’lık hibe ve ücretsiz bilgi işlem kaynağı sunuyor; Hefei 1,4 milyon dolara varan sübvansiyon teklif ediyor. Dikkat çekici olan hedef kitle değişimi: onlarca yıldır fabrika ve şirket merkezlerini çekmek için yarışan yerel yönetimler, şimdi tek bir geliştiriciyi stratejik kaynak olarak görüyor.

Elbette her büyük güç bir sınavla geliyor. Tek tıklamayla ele geçirilen makineler, zararlı yazılımla dolu topluluk pazarları, “god mode” yetkisiyle çalışan agentlar. Gerçekten çok dikkatli olmalıyız. Çin Sanayi Bakanlığı bile OpenClaw kurulumlarının güvenlik riskleri konusunda uyarı yayımladı.

Çift taraflı bir tablo bu: bir yanda tek bir geliştiricinin tüm sektörü sarsabildiği eşi görülmemiş bir fırsat penceresi; öte yanda bu gücün denetimsiz kalmasının yaratabileceği sistemik riskler. İkisinden biri değil, ikisi birden gerçek. Asıl soru artık teknik değil: Bu kadar gücü, bu kadar az denetimle, bu kadar çok insanın eline vermeye hazır mıyız? Cevabı ne olursa olsun, istakoz çoktan kabuğunu kırdı. Geri dönüş yok.

Kaynaklar

• NVIDIA Newsroom, “NVIDIA Announces NemoClaw for the OpenClaw Community,” 16 Mart 2026 — nvidianews.nvidia.com

• CNBC, “OpenClaw’s ChatGPT moment sparks concern that AI models are becoming commodities,” 21 Mart 2026 — cnbc.com

• Peter Steinberger, “OpenClaw, OpenAI and the future,” 14 Şubat 2026 — steipete.me

• TechCrunch, “Nvidia’s version of OpenClaw could solve its biggest problem: security,” 16 Mart 2026 — techcrunch.com

• The Decoder, “China pushes OpenClaw ‘one-person companies’ with millions in AI agent subsidies,” Mart 2026 — the-decoder.com

• MIT Technology Review, “Hustlers are cashing in on China’s OpenClaw AI craze,” 11 Mart 2026 — technologyreview.com

SaaSpocalypse vs Vibe Coding

Teknoloji şirketlerinden yalnızca büyümeye değil, yapay zekâ verimliliğine de odaklanmış durumdalar. Atlassian’ın hisse fiyatı yıl başından bu yana yüzde elliden fazla erirken, piyasada “SaaSpocalypse” olarak adlandırılan derin bir korku yayılıyor: yapay zekâ ajanlarının geleneksel SaaS araçlarını gereksiz kılabileceği bir çöküş. Tek bir işlem gününde yazılım şirketlerinden yaklaşık 300 milyar dolarlık piyasa değeri buharlaştı. Block’un işten çıkarma haberi sonrası hisselerinin yüzde 24 yükselmesi, yatırımcıların bu paradigmayı ne kadar alkışladığının en çarpıcı göstergesi.

Karşı kıyıda ise vibe coding var. Andrej Karpathy’nin 2025 başında ortaya attığı, hatta Collins Sözlüğü tarafından 2025’in kelimesi seçilen bu kavram, teknik bilgisi olmayan kullanıcıların yapay zekâ araçları ile sanki sohbet eder gibi kullanarak çalışan yazılımlar üretmesini ifade ediyor. Artık bir finans ekibi kendi özel raporlama panosunu, bir satış müdürü kendi iş akış aracını yapay zekâya birkaç cümleyle yazdırabiliyor. Bloomberg’ın Odd Lots podcast’inde belirtildiği gibi, hiç kimse bir SaaS platformunun tüm özelliklerini kullanmıyor; vibe coding, insanların tam da ihtiyacı olan şeyi inşa etmesini olası kılıyor. Eğer yazılım talep üzerine üretilebiliyorsa, aylık abonelik ödemenin anlamı nedir? SaaS şirketleri için asıl tehdit daha iyi bir rakip değil müşterinin ta kendisi.

Anthropic Araştırması: Genç İstihdamındaki Yavaşlama

Anthropic’in Mart 2026 tarihli “Labor Market Impacts of AI” başlıklı makalesi, bu dönüşümün boyutunu somut verilerle ortaya koyuyor. “Gözlemlenen maruziyet” (observed exposure) adı verilen yeni ölçüm, yapay zekânın hangi iş kollarında yalnızca “yapabileceğini” değil, halihazırda “neler yaptığını” analiz ediyor. Bilgisayar ve matematik alanlarında teorik otomasyon kapasitesi yüzde 94’e ulaşırken, gerçek kullanım henüz yüzde 33 seviyesinde. Ofis ve yönetim işlerinde bu oran yüzde 90’a karşılık yaklaşık yüzde 40 olarak ölçüldü. Yapay zekâ henüz yapabileceğinin bir kısmını gerçekleştiriyor; ancak bu boşluk her geçen gün kapanıyor.

Dikkat çekici bir bulgu daha var. Araştırmacılar, yüksek maruziyetli mesleklerde genel işsizlik oranında henüz belirgin bir artış tespit edemedi. Ancak 22-25 yaş arası genç çalışanların bu mesleklerdeki işe alım hızında yavaşlama sinyalleri gözlemlendi. Şirketler “marjinal işe alımları” durduruyor; eskiden iki yeni mühendisin yapacağı işi mevcut mühendisler yapay zekâ araçlarıyla karşılıyor ve o yeni iş ilanları hiçbir zaman yayınlanmıyor. Bu durum işsizlik istatistiklerinde görünmese de, gençlerin işgücü piyasasına girişini gittikçe zorlaştırıyor.

Yeni Paradigma

Sequoia Capital’in Mart 2026’daki “Services: The New Software” tezi bu tabloyu tamamlıyor. Sequoia ortağı Julien Bek, yapay zekânın artık profesyonellere yardımcı olan bir “copilot” olmaktan çıkıp, işin kendisini doğrudan teslim eden bir “autopilot”a evrildiğini savunuyor. Her 1 dolarlık yazılım bütçesine karşılık şirketler hizmetlere 6 dolar ayırıyor; autopilot modeli ise doğrudan bu emek bütçesini hedefliyor. Bu, şirketlerin artık bir yazılım aracı değil, doğrudan “işin sonucunu” ( mesela GİB’e iletilmeye hazır bir e-fatura seti, Medula’ya uygun kodlanmış bir hastane provizyon dosyası, on farklı sigorta şirketinden taranmış ve karşılaştırılmış bir kasko teklifi, hatta İŞKUR’dan veya LinkedIn’den çekilen 300 aday arasından kısa listeye alınmış beş mühendis özgeçmişi gibi) satın alacağı bir döneme girdiğimiz anlamına geliyor.

Yol Ayrımındaki Meslekler

Bir bankadaki operasyon masası elemanı, çağrı merkezindeki müşteri temsilcisi, yazılım şirketindeki junior developer ya da özel hastanedeki provizyon alma görevlisi Anthropic verilerine göre en yüksek maruziyete sahip gruplar. Öte yandan, fiziksel varlık gerektiren meslekler (aşçılar, tamirciler, inşaat işçileri, cankurtaranlar vs) şimdilik yapay zekânın radarının dışında; işgücünün yaklaşık yüzde 30’u sıfır maruziyet gösteriyor. Ayrıca en yüksek maruziyete sahip mesleklerdeki çalışanların genellikle daha eğitimli, daha yüksek maaşlı ve çoğunluğu az tecrübeli olduğunu belirtmekte fayda var. Yani bu dalga “mavi yaka” değil, “beyaz yaka” çalışanları vuruyor.

“AI washing” olgusunu da görmezden gelmemek gerekiyor: bazı şirketler, pandemi döneminde şişen kadrolarını küçültmek için yapay zekâyı bahane olarak kullanıyor olabilir. Block’un çalışan sayısının 2019’da 3.835 iken pandemi sürecinde 10.000’in üzerine çıktığını hatırlayalım. OpenAI CEO’su Sam Altman bile Şubat 2026’da, bazı şirketlerin yapay zekâyı zaten yapacakları işten çıkarmalar için kılıf olarak kullandığını kabul etti. Ancak yön belli: gerek vibe coding gerekse otonom agent’lar, SaaS iş modelini ve beyaz yaka istihdamını iki koldan sıkıştırıyor.

Kariyerinizi Yeniden İnşa Edin

Tablo karmaşık olsa da yön belli: yapay zekâ önce yardımcı oluyor, sonra işi tamamen devralıyor. Dalgalarla boğuşmak istemeyenler için yol haritası basit: yapay zekânın henüz girmediği alanlara yönelmek. Bir müşterinin yüzüne bakarak güvenini kazanan satışçı, arızayı sesinden teşhis eden usta, kriz anında ekibini sakinleştiren vardiya amiri, ya da çocuğun dikkatini üç saniyede yakalayan ana sınıfı öğretmeni. Yapay zekâ bu işleri henüz yapamıyor. Ama kesinlikle yapay zekânın işinizi öğrenmesini beklemeyin; çünkü o sizden çok daha hızlı öğreniyor. Tekrar edeyim: yapay zekânın henüz ne anlama geldiğini bile anlamadığı bir iş kolu bulun yoksa çok yakında bir algoritmanın verimlilik raporunda yalnızca bir “tasarruf kalemi” olarak yer alacaksınız.

Kaynaklar

Anthropic — Labor Market Impacts of AI: A New Measure and Early Evidence, Mart 2026. anthropic.com/research/labor-market-impacts

Sequoia Capital – Julien Bek — Services: The New Software, Mart 2026. sequoiacap.com/article/services-the-new-software

CNBC — Block shares soar as company slashes workforce by nearly half, 26 Şubat 2026. cnbc.com

Atlassian Blog – Mike Cannon-Brookes — An important update on our team, 11 Mart 2026. atlassian.com/blog

The SaaS CFO — The SaaSpocalypse: AI Agents, Vibe Coding, and the Changing Economics of SaaS, Mart 2026. thesaascfo.com

MarTech – Bloomberg Odd Lots Podcast — Why vibe coding will disrupt martech’s buy-or-build debate, 10 Mart 2026. martech.org

Fortune — Anthropic just mapped out which jobs AI could potentially replace, 6 Mart 2026. fortune.com

Axios — Anthropic launches AI job destruction detector, 5 Mart 2026. axios.com

Arkadaşınız size kendi hayatından, kültüründen, korkularından beslenmiş bir cevap veriyor. Yapay zekâ ise herkese neredeyse aynı cevabı veriyor.

Tarihte İlk Kez

Düşünün: insanlık binlerce yıl boyunca farklı coğrafyalarda, birbirinden habersiz, bambaşka sistemler kurdu. Konfücyüs bir şeyler söylüyordu, Atinalı filozoflar başka bir şey. Anadolu’nun tekke geleneği bambaşka sorular soruyordu, farklı bir yol çiziyordu. Hint geleneğindeki guru farklı bir yol gösteriyordu. Bunların birbiriyle çoğu zaman haberleri bile yoktu. Farklılardı.

Bu çeşitlilik insanlık için bir sorun değildi. Aksine, bu bizim zenginliğimizdi. Farklı sorunlara sahip topluluklar, farklı çözümler buldu. Farklı değer sistemleri, farklı hatalar yapıp farklı şeyler öğrendi.

Şimdi ise dünyanın her köşesindeki milyarlarca insan birkaç yapay zekâ modeline sorular soruyor. Ve o modeller hepsine çok benzer cevaplar veriyor.

Bu, tarihte ilk kez oluyor.

“İyi” Derken Kimin İyisini Kastediyoruz?

Bugünkü büyük yapay zekâ modelleri “yardımcı, dürüst ve zararsız” olacak şekilde eğitiliyor. Kulağa güzel geliyor. Ama şunu soralım: zararsız veya dürüst derken kim neyi kastediyor?

Bu kararları verenler, büyük ölçüde Silikon Vadisi’ndeki birkaç büyük şirketin birkaç yüz mühendisi. Benzer üniversitelerden mezun, benzer kültürlerle büyümüş, benzer değerlere sahip insanlar. Bunu kötü niyetle yaptıklarını düşünmüyorum. Ama ortaya çıkan sonuç şu: dünyanın geri kalanı bu değerlerin şekillendirdiği bir sistemi gerçeğin kaynağı olarak kullanıyor.

Ekranlar da Aynılaşıyor

Bu sadece soyut bir fikir meselesi değil. Gözle görebileceğiniz somut bir şey.

Herhangi beş yapay zekâ destekli web sitesini ya da uygulamayı açın. Büyük ihtimalle hepsinde şunları göreceksiniz: beyaz arka plan, yuvarlatılmış köşeler, soluk mavi veya lavanta tonları, aynı font ailesi, aynı buton yerleşimi. Farklı şirketler, farklı ülkeler, farklı hedef kitleler ama neredeyse aynı tasarım.

Neden? Çünkü yapay zekâ tasarım araçları en popüler, en güvenilir şablonlarla eğitilmiş. Sistem işe yarayanı taklit ediyor. İcat etmiyor. Figma’nın yapay zekâ aracının defalarca Apple’ın hava durumu uygulamasına benzer arayüzler ürettiği belgelenmişti. Tasarımcılar bunu fark etmekte bile zorlandı.

Sonuç olarak Tokyo’daki bir girişimin uygulaması ile Buenos Aires’teki bir startup’ın uygulaması artık neredeyse birbirinin kopyası. Dijital dünyada her şey tek tipleşiyor.

Kod da Aynılaşıyor

Kodlama dünyası da bundan payını alıyor.

Neredeyse bütün yazılımcılar artık kod yazarken yapay zekâ araçlarını kullanıyor. Bu araçların hepsi aynı popüler açık kaynak projelerle eğitilmiş. Dolayısıyla İstanbul’daki bir geliştirici de, Varşova’daki de, Seul’deki de aynı öneriyi alıyor. Aynı mimari kararları benimsiyor. Aynı kütüphanelere yönlendiriliyor.

Kısa vadede bu verimli görünüyor. Uzun vadede ise şunu yaratıyor: tüm dünya yazılımı aynı kalıplara, aynı varsayımlara, aynı güvenlik anlayışına dayanmaya başlıyor. Sistemik bir hataya karşı herkes aynı anda açık hale geliyor.

Sessiz Bir Değişim

Kültürler tarihte genellikle savaşlarla, yasaklarla, baskıyla değiştirildi. Bunların hepsi gözümüzün önünde oluyordu, hepsinin adı vardı. Elbette bunlara karşı gelenler de vardı.

Yapay zekânın yaptığı şey çok daha sessiz işliyor.

Kimse bir geleneği yasaklamıyor. Kimse bir kitabı yakmıyor. Olan şu: yerel, özgün, o topraktan çıkma bilgiler, daha büyük ve evrensel bir sistemin yanında küçücük kalmaya başlıyor. Evet, kimse sizi zorlamıyor. Ama her gün aynı kaynağa başvurduğunuzda, o kaynağın bakış açısı yavaş yavaş sizin bakış açınızın yerine geçiyor.

Ve bu süreç kendi kendini beslemeye devam ediyor. Yapay zekânın ürettiği içerikler, yeni yapay zekâ modellerinin eğitim verisi oluyor. Hangi sesler bugün baskınsa, yarın daha baskın olacak.

Bireysel Olarak İyi, Toplumsal Olarak Tehlikeli

Araştırmalar ilginç bir şey gösteriyor: yapay zekâ kullanan bireyler daha iyi içerik üretiyor. Daha düzgün yazıyor, daha organize düşünüyor. Ama aynı araştırmalar şunu da söylüyor: bir topluluk olarak fikir çeşitliliği azalıyor. Bireysel kalite artıyor, toplumsal özgünlük eriyor.

Bunu somut bir örnek vereyim: özgeçmişler. Yapay zekâ kullanımı yaygınlaşmadan önce her özgeçmiş biraz farklıydı. Kimi çok iyiydi, kimi berbat. Şimdi hepsinin tonu, yapısı, hatta kullandığı kelimeler birbirine benziyor. Herkes “daha iyi” yazmış oldu. Ama bunları açıp baktığınızda ayırt edici hiçbir şey kalmamış durumda.

Asıl Soru Bu

Bu yazıyı “yapay zekâya karşı” diye okumayın.

Yapay zekânın işe yaradığı çok açık. Verimli, hızlı, erişilebilir. Bunları inkâr etmek çok saçma.

Ama şunu sormak gerekiyor: milyarlarca insanın günlük bilgi kaynağı haline gelen bu sistemler kimin değerlerini yansıtıyor? Hangi sorular makul, hangisi marjinal sayılıyor? Bu kararları kim veriyor?

Eskiden “gazete kimin elindeyse gerçek de onun elinde” denirdi. Fark şuydu: gazeteye karşı başka gazeteler çıkabildi. Şimdi ise dünyanın tamamına aynı anda ulaşan birkaç model var.

Çeşitlilik bir lüks değil. İnsanlığın binlerce yıl boyunca farklı sorular sorarak, farklı cevaplar deneyerek ayakta kalmasının sebebi o çeşitliliktir. Bunu fark etmeden, sessizce, bu kadar dar bir düzleme sıkıştırmak teknik bir ilerleme gibi görünse de aslında medeniyetin kendi kendini daraltmasıdır. Tek tip arayüzler, tek tip kodlar, tek tip cevaplar. Ve belki de fark etmeden tek tip düşünceler.

Devlerin Yarışı ve “DeepSeek” Dersi

Çin’in DeepSeek ile gösterdiği başarı, oyunun kurallarının değişebileceğine dair nadir umut kırıntılarından biri. Devasa bütçeler yerine akıllı algoritmalar ve verimli kullanımın da fark yaratabileceğini kanıtladı. Büyük dil modellerini sıfırdan eğitmek yerine mevcut modelleri damıtarak ya da açık kaynaklı altyapılar üzerine inşa ederek ilerlemek, kısıtlı kaynakları olan ekipler için çok daha akılcı bir yol. Elbette bu distilasyon meselesi etik açıdan hala tartışmalı. Ama Türkiye gibi ülkeler için asıl fırsat zaten devasa platformlar kurmakta değil; bu platformlar üzerinde çalışan dikey çözümlerde, yazılım geliştirme araçlarında ve agentic sistemlerde gizli.

Türkiye Yapay Zekâ Ekosistemi: 2025 Panoraması

Türkiye’nin yapay zekâ alanındaki teknolojik olgunluğu son yıllarda ivme kazandı. Ama tablonun gerçekçi, hatta acımasız okunması gerekiyor.

Türkiye İş Bankası bünyesindeki Yapay Zekâ Fabrikası, Startups.watch ve Endeavor Türkiye’nin hazırladığı “2025 Türk Yapay Zekâ Ekosistemi ve Global Etki Raporu”na göre Türkiye merkezli aktif yapay zekâ girişimi sayısı 1.188. Yurt dışındaki Türk kuruculu 274 girişimle birlikte toplam ekosistem 1.400’ü aşıyor. Girişimlerin %70’i 2020 sonrasında kurulmuş; bu, ekosistemin henüz çoğunlukla test aşamasında olduğu anlamına geliyor. Nitekim 1.188 girişimin yalnızca 180’i 2024-2025 döneminde erken aşamada yatırım alabildi. Büyük çoğunluk, ispatlanmış bir iş modeli olmadan ayakta durmaya çalışıyor.

Biraz acımasız bir kıyaslama yapalım. Google ve RISE Israel’in ortak raporuna göre İsrail’de 2.300’den fazla aktif yapay zekâ startup’ı var; Türkiye’nin neredeyse iki katı. Üstelik İsrail’de yalnızca üretken yapay zekâ alanındaki 342 startup toplamda 20 milyar dolar yatırım çekmiş. ABD’de ise bu rakam yaklaşık 6.956. Türkiye, 1.188 girişimle bu tabloda adetsel olarak var; ama etkisini sorarsanız yanıt oldukça sessiz.

Sayıların arkasına geçince tablo daha da sertleşiyor. Türkiye, 2021’de Milli Teknoloji Hamlesi çerçevesinde beş yıllık bir yapay zekâ stratejisi açıkladı. Hedefler netti: 2025 sonuna kadar 50 bin kişilik istihdam, 10 bin lisansüstü mezun, yapay zekânın GSYİH’ye %5 katkısı, uluslararası endekslerde ilk 20’ye giriş. Dönem kapandı. Oxford Insights’ın 2025 Hükümet Yapay Zekâ Hazırlık Endeksi’nde Türkiye, 195 ülke arasında 48. sıraya yerleşti; ilk 20 hedefinin tam 28 sıra gerisinde. İstihdam ve lisansüstü mezun hedefleri için hükümet tarafından bugüne kadar resmi bir gerçekleşme verisi açıklanmadı. Bu sessizlik, kendi başına bir yanıt. Hedef koymak en kolayı.

Diaspora Farkı

Türkiye’nin bugün iki yapay zekâ unicorn’una sahip olduğunu söyleyebiliriz. Ama ikisi de diaspora girişimi; yani ülke dışındaki Türklerin kurduğu şirketler: üretken yapay zekânın görsel üretimine odaklanan Fal.ai ve veri modelleme alanındaki Periodic Labs. Raporun en çarpıcı bulgularından biri de bu kopukluğu rakama döküyor: Türkiye merkezli girişimlerin yatırım medyanı 100 bin dolar seviyesinde kalırken diaspora girişimlerinde bu rakam 2,4 milyon dolara çıkmakta. Yerli ekosistemimizin küresel sermayeye ulaşmakta ne denli zorlandığını bu tek satır yeterince anlatıyor.

Savunma Sanayiinden Startup Çevikliğine

Türkiye’nin yapay zekâdaki en somut başarıları, şu ana kadar Baykar, Aselsan ve HAVELSAN gibi devlerin öncülüğünde savunma sanayiinde gerçekleşti. Ar-Ge bütçeleri 3,3 milyar dolara ulaşan bu şirketler, otonom hava, kara ve deniz platformlarında dünya standartlarını belirliyor. Bu gerçekten büyük bir başarı. Ancak yapay zekânın sivil alanda, özellikle B2B yazılım ve uygulama ekonomisinde yaratacağı değer, yalnızca bu dev yapıların sırtına yüklenemeyecek kadar geniş.

Kurumsal boyuttaki bu tıkanıklık şaşırtıcı değil; ama can sıkıcı. Ekosistemin önündeki en büyük engellerden biri, nitelikli insan kaynağı eksikliği (%40) ve kurumların yerli girişimlere olan mesafeli duruşu. Kurumların yarısından fazlası bir yapay zekâ stratejisine sahip olduğunu belirtse de yerli girişimlerle iş birliği yapanların oranı yalnızca %6,25’te kalıyor. Bu bariyeri aşmanın tek gerçekçi yolu, startupların “yerli” oldukları için değil, küresel standartlarda en iyi araçları sundukları için tercih edilmelerini sağlamaktır.

Yine de Geç Değil

Yapay zekânın “otonom dönem”e girişiyle birlikte yazılım sektöründe varoluşsal bir kriz kapıda. Ama bu kriz, yazılım geliştirme araçlarını üretenler için aynı zamanda büyük bir fırsat penceresi açıyor. Yazılım süreçlerini otomatize eden, kod yazımını denetleyen ya da iş süreçlerini uçtan uca yöneten agent sistemler konusunda dünya genelinde hâlâ bir standart yok. Bu boşluk, geç kalmış değil; tam zamanında girmiş biri için biçilmiş kaftan.

Türk diasporasının halihazırda agentic AI çözümlerine yoğunlaşmış olması umut verici. Yerli ekosistemin B2B ağırlıklı yapısı (%75) da bu dönüşüme olan yatkınlığı gösteriyor. Sanayi ve Teknoloji Bakanlığı’nın Türkçe büyük dil modelleri için sağladığı 50 milyon TL’ye varan hibe desteklerinin frontier model geliştirmeye yetmeyeceği açık. Ama bu kaynaklar, dikey çözümlerin temelini oluşturacak yerli altyapılar için kritik bir yakıt olabilir; eğer doğru yöne akıtılırsa.

Peak Games ve Dream Games’in oyun sektöründe yarattığı etkiyi şimdi yapay zekâ startup’larının gerçekleştirmesi gerekiyor. Büyük savunma devlerinin yapamayacağı biçimde hızlı hareket eden, hata yapmaktan korkmayan, niş alanlara odaklanan startuplar küresel uygulama ekonomisinde bize gerçek bir oyun alanı açabilir.

Türkiye, yapay zekâyı yalnızca bir teknoloji olarak değil, ekonomik bağımsızlığın anahtarı olarak konumlandırmalı. Frontier modellerde ABD ve Çin ile bir hesaplama gücü yarışına girmek yerine, bu devlerin sunduğu altyapıları en zekice kullanan ekiplerin, o altyapıları daha verimli, daha hızlı, daha kârlı çalıştıran araçları inşa eden girişimcilerin önü açılmalıdır.

Geçmiş endüstri devrimlerini hep izleyici koltuğundan takip ettik. Bu kez sahne farklı; teknolojik eşik hiç bu kadar düşük, giriş maliyeti hiç bu kadar erişilebilir olmamıştı. Devlerin platformlarında kiracı olmak yerine, o platformların verimli çalışmasını sağlayan araçların sahibi olduğumuz gün gerçek dijital egemenliğe ulaşmış olacağız. Savunma sanayiindeki o meşhur “yapılamaz denileni yapma” ruhu, şimdi bir apartman dairesinde agentic kodlar yazan üç kişilik bir startup’ın vizyonuna taşınmayı bekliyor.

Kaynaklar

Yapay Zekâ Fabrikası, Startups.watch & Endeavor Türkiye — 2025 Türk Yapay Zekâ Ekosistemi ve Global Etki Raporu, Şubat 2026. yapayzekafabrikasi.com.tr

Oxford Insights — Government AI Readiness Index 2025, Aralık 2025. oxfordinsights.com

Google Israel & RISE Israel — AI Industry in Israel: Challenges and Opportunities, Mayıs 2024. cloud.google.com

Haberin sızmasıyla birlikte sessiz sedasız ilerleyen bir müzakere süreci aniden alevlendi. Pentagon ve Anthropic, aylardır “tüm yasal amaçlar için sınırsız kullanım” meselesi üzerinde çatışıyor. Anthropic iki konuda kırmızı çizgi çizmiş, geri adım atmıyor gibi gözüküyor: Amerikalıların toplu gözetimi ve insan müdahalesi olmayan otonom silah sistemlerinde modellerinin kullanılamayacağı. ABD Savunma Bakanı Pete Hegseth’in tepkisi oldukça sertti. Anthropic’i, normalde yabancı düşmanlara uygulanan bir yaptırımla yani “tedarik zinciri riski” damgasıyla tehdit etti. Bu tanımlama, Pentagon ile çalışan her yüklenicinin Anthropic’in hiçbir modelini kullanmadığını belgelemesini zorunlu kılar. Peki bu anlaşmazlık neden bu kadar önemli? Çünkü cevabı yalnızca bir şirketi değil, yapay zekânın savaş alanındaki geleceğini şekillendirecek.

Neden Anthropic Direniyor?

Şirketin tutumu, saf idealizm değil stratejik bir hesap. Anthropic, Temmuz 2025’te OpenAI, Google ve Elon Musk’ın xAI’ı ile birlikte Pentagon’dan 200’er milyon dolarlık sözleşme aldı. Ama rakipleri çoktan sessizce saflarını değiştirmişti: Google, Şubat 2025’te silah ve gözetim projelerindeki yasakları kaldırdı; OpenAI askeri kullanım yasağını Ocak 2024’te iptal etti; xAI ise Pentagon’un otonom drone sürüsü yarışmasına katılan tek büyük laboratuvar konumuna geldi. Anthropic bu tablo içinde tek itirazçı olarak kaldı. CEO Dario Amodei’nin tutumu net: “Demokrasiler bazı YZ destekli askeri araçlara meşru olarak ihtiyaç duyar ama bu, dikkatli ve sınırlar içinde yapılmalıdır.”

Şirket, Claude’un istihbarat analizi ve lojistik optimizasyonu gibi alanlarda kullanılmasını açıkça destekliyor. Sınır, makinenin insansız karar alarak öldürmesi ya da milyonlarca vatandaşın verilerinin işlenmesi noktasında çiziliyor. Pentagon içindeki bazı uzmanlar da Anthropic’i haksız bulmuyor. Georgetown Üniversitesi güvenlik araştırmacısı Emelia Probasco, Pentagon’un tehditlerini “üretken değil, güç mücadelesi” olarak nitelendirdi ve şöyle dedi: “Dünyanın önde gelen YZ laboratuvarlarından biri hükümete yardım etmeye çalışıyor. Eğer bu köprü yıkılırsa, sahaya çıkan askerler bunun bedelini öder.”

Savaş Alanında Yapay Zekâ: Kullanım Senaryoları

Anlaşmazlığın özünü kavramak için, yapay zekânın modern savaşta ne işe yaradığını anlamak gerekiyor. Askeri yapay zekâ kullanımı şu temel kategorilere ayrılıyor.

İstihbarat, Gözetim ve Keşif: Uydu görüntülerinden drone kameralarına, sosyal medya verisinden telefon dinleme kayıtlarına kadar akan devasa veri setlerini gerçek zamanlı analiz etmek. İsrail’in Gazze’de rehine konumlarını tespit etmek için kullandığı sistem bu kategorinin en çarpıcı örneği.

Otonom Silah Sistemleri: En tartışmalı alan. Yüzlerce küçük insansız hava aracından oluşan drone sürüleri korkutucu bir tablo ortaya çıkarıyor. BM Genel Sekreteri, insan kontrolü dışında çalışan bu sistemleri yasaklayan bağlayıcı bir uluslararası anlaşma imzalanması çağrısında bulundu; hedef tarih 2026 sonu.

Komuta ve Karar Destek: Muharebe koordinasyonunu hızlandırma, seçenekleri analiz etme, karargâh yazışmalarını işleme. Claude’un Pentagon ağlarındaki temel kullanım alanı bu kategori ve aslında Anthropic’in şu an için itiraz etmediği kullanım senaryosu.

Siber Harp: Saldırı ve savunma siber operasyonları, servis dışı bırakma saldırılarını engelleme ve daha ileri bir adım olarak üretken yapay zekâ ile kötü amaçlı yazılım geliştirme.

Lojistik ve Öngörücü Bakım: Askeri araçların arızalanmadan önce bakım ihtiyacını tahmin etmek, ikmal zincirini optimize etmek. En az tartışmalı, en hızlı benimsenen alan.

Küresel boyuta bakıldığında rakamlar büyüyor: Askeri YZ harcamaları 2022-2023 arasında 4,6 milyar dolardan 9,2 milyar dolara çıktı; 2028’de 38,8 milyar dolara ulaşması bekleniyor. Çin, Rusya ve ABD bu alanda açık ara öne çıkan üç güç. Bu ortamda Anthropic’in etik direnişi, bir istisna olmaktan çıkıp bir referans noktasına dönüşüyor.

Teknoloji Şirketleri İçin Yeni Bir Soru

Bu anlaşmazlık, yalnızca Anthropic ile Pentagon arasındaki bir sözleşme müzakeresinin çok ötesine geçiyor. Artık her teknoloji şirketinin yönetim kurulu şu soruyu cevaplamak zorunda: Ürününüzün nerede ve nasıl kullanıldığını bilmiyorsanız, sorumluluğunuzu nasıl tanımlarsınız?

Yapay zekâ savunma, kamu güvenliği, finans ve sağlık gibi hayati sektörlere derinlemesine işlediğinde “teknik sınır” ile “etik sınır” arasındaki mesafe kapanacak. Şunu net söylemek gerekiyor: Yapay zekâ artık sadece bir verimlilik aracı değil, bir güç çarpanı. Bu tabloyu anlamayan şirketler, henüz farkına varmadan bu denkleme dahil olmuş durumda. Anthropic’in mücadelesi, farkında olarak tercihini yapan bir aktörün mücadelesi. Siz kendi alanınızda bu tercihi ne zaman yapmayı planlıyorsunuz?

Kaynaklar

1. Axios — “Pentagon threatens to cut off Anthropic” (15 Şubat 2026) https://www.axios.com/2026/02/15/claude-pentagon-anthropic-contract-maduro

2. Axios — “Pentagon threatens to label Anthropic a supply chain risk” (16 Şubat 2026) https://www.axios.com/2026/02/16/anthropic-defense-department-relationship-hegseth

3. CNBC — “Anthropic is clashing with the Pentagon over AI use” (18 Şubat 2026) https://www.cnbc.com/2026/02/18/anthropic-pentagon-ai-defense-war-surveillance.html

4. NBC News — “Tensions between the Pentagon and Anthropic reach a boiling point” (19 Şubat 2026) https://www.nbcnews.com/tech/security/anthropic-ai-defense-war-venezuela-maduro-rcna259603

5. DefenseScoop — “Pentagon CTO urges Anthropic to cross the Rubicon” (20 Şubat 2026) https://defensescoop.com/2026/02/19/pentagon-anthropic-dispute-military-ai-hegseth-emil-michael/

6. BISI — “Pentagon AI Integration and Anthropic: Ethics, Strategy and the Future of Defence Technology Partnerships” (Şubat 2026) https://bisi.org.uk/reports/pentagon-ai-integration-and-anthropic-ethics-strategy-and-the-future-of-defence-technology-partnerships

7. Harvard Belfer Center — “Code, Command, and Conflict: Charting the Future of Military AI” (Aralık 2025) https://www.belfercenter.org/research-analysis/code-command-and-conflict-charting-future-military-ai

8. CIGI — “Militarizing AI: How to Catch the Digital Dragon?” https://www.cigionline.org/articles/militarizing-ai-how-to-catch-the-digital-dragon/

9. BM UNRIC — “UN addresses AI and the Dangers of Lethal Autonomous Weapons Systems” https://unric.org/en/un-addresses-ai-and-the-dangers-of-lethal-autonomous-weapons-systems/

10. Perry World House — “Designing Lawful Military AI” (Kasım 2025) https://perryworldhouse.upenn.edu/news-and-insight/designing-lawful-military-ai-technical-and-legal-reflections-on-decision-support-and-autonomous-weapon-systems/

Yapay zekâya güvenebilir miyiz? konulu TheExecutives yayınımızda yine konu dönüp dolaşıp YZ ve bilgi konusuna geldi. Dış dünyaya ilişkin bilgimizin doğruluğunun kaynağı ve aslında bunun bir şeyi değiştirip değiştiremeyeceği konusu…

Son zamanlarda hep yayınlara atıf yaptığımın farkındayım. Öyle gelişiyor çünkü ufuk açan sohbetler yapabilmek için çokça okuyor ve araştırıyoruz (kusura bakmayın mütevazi olamayacağım bu konuda.) Konuya dönüyorum, herkes en az bir defa yapay zeka tarafından sinirden delirtecek derecede yanlış bilgiye maruz kalmıştır. Ki bu konuda efsanevi hatalar, deneyler var, (detaya çok girmek istemiyorum yayında izlersiniz) ve hepsi genel olarak yapay zeka halüsinasyonü olarak adlandırılıyor. Sanki yz bir an için gerçeklikten kopmuş, kendine özgü bir iç dünyada gezinmeye başlamış gibi. Ama bu metafor ne kadar doğru? Ve daha önemlisi: “bu arıza bize bilgi ve hakikat hakkında ne söylüyor?”

Halüsinasyon Kelimesinin Yanılsaması

Halüsinasyon kavramı, aslında bir teşhis değil. Makineyi hasta ilan etmek, soruyu ertelemek demek. Bir bakıma da bir gün düzelebilecek bir şeymiş gibi yaklaşmak demek. Bir yapay zeka modeli yanlış bir cümle kurduğunda ne olmuştur, tam olarak?

Kognitif bilimci ve yapay zeka eleştirmeni Gary Marcus, tam da bu noktada duruyor. Marcus’a göre büyük dil modelleri temelden yanlış kurulmuş sistemlerdir ve halüsinasyon bir hata değil, sistemin doğal çıktısıdır. Dolayısıyla da düzelmeyecektir. Bir tür balondur YZ. Modeller sembolleri anlayarak değil, ilişkilendirerek işler. Güneş kelimesinin ne anlama geldiğini bilmezler; sadece hangi kelimelerle birlikte geçtiğini bilirler. Marcus buna yüzeysel örüntü eşleştirme diyor ve şunu ekliyor: “Bu sistemler ne kadar büyürse büyüsün, anlama değil, taklit üretmeye devam edecekler. Tesadüfi bir doğruluğa sahip olacağız ve ancak yapsal olarak güven duyabiliriz.” (çeviri bana ait, linkteki yazıdan aldım ve hata varsa affımı rica ederim)

Büyük dil modelleri, metinleri istatistiksel örüntüler olarak işler. Her kelime, bir öncekinin ardından gelmesi en olası kelimedir yani olasılık ağırlıklı bir seçim yapar. Model, doğru cümle üretmez; “bu bağlamda tutarlı görünen cümle” üretir. Yani temelde şunu sorar: Bu kelimelerin bu sırayla gelmesi ne kadar muhtemel?

Bu noktada felsefi bir kuyuya düşüyorum ben: Peki ya biz? Konuşurken, yazarken, anlatırken; biz gerçekten “hakikate ulaşıp onu aktarıyor” muyuz? Yoksa biz de, kendi bilinç ve belleğimizin örüntülerinden en tutarlı görüneni mi seçiyoruz? Yapay zekayı kullanırken de kendi bilincimizden hareketle, kendi düşünme yapımızı mı yansıtıyoruz?

Gadamer’in Sorusu: Bilmek mi, Yorumlamak mı?

Hans-Georg Gadamer, 1960 yılında yayımladığı Wahrheit und Methode (Hakikat ve Yöntem) adlı eserinde, bilginin doğasına dair bizi derinden rahatsız eden bir iddiada bulunur: Anlamak, yorumlamaktır. Bunun ötesine geçemeyiz.

Gadamer’e göre hiçbir şeyi boş bir zihinle, tarafsız bir gözlemci olarak kavrayamayız. Her anlama eylemi, tarihsel bir ufuktan başlar. Bizi şekillendiren dil, kültür, gelenekler için Gadamer önyargı demekten çekinmez ve bu kavramı olumlu bir içerikle yeniden inşa eder. Önyargı dünyayı anlamanın ön koşuludur.

Gadamer’in en güçlü imgesi ufukların kaynaşmasıdır: Horizontverschmelzung. Metni anladığımızda, metnin ufku ile bizim ufkumuz iç içe geçer. Anlam ne metinde ne de bizde hazır bekler. İkisi arasındaki diyalogdan, o gerilimden doğar. Dolayısıyla anlam her defasında yeniden üretilir. Hakikat, bir şeye ulaşmak değil, bir şeyle birlikte olmaktır.

Şimdi bunu yapay zekaya taşıyalım.

Makine Hangi Ufuktan Bakıyor?

Yayın kaydında tam olarak anladığım bir şey var: Bir dil modeli, milyarlarca cümleyi sindirmiş bir varlıktır. Bu metinlerin içinde hatalar da var, mitler de, keskin analizler de, dezenformasyon da. Model bu dünyanın içinden öğrenir, tıpkı bir insanın, içinde doğduğu kültürün dilinden, hikayelerinden, kalıplarından öğrenmesi gibi.

Bu açıdan bakıldığında yapay zeka modellerinin bir ufku var. Ama bu ufuk son derece tuhaf bir ufuk: Kimsenin ufku değil, herkesin ufkunun istatistiksel ortalaması. Herkes kadar ırkçı, herkes kadar gerici, herkes kadar yalancı… Kendi yaşanmış deneyimi, bedensel varoluşu, zaman içindeki değişimi yok. Gadamer’in söylediği şeyden eksik olan tam da bu: deneyimin tarihselliği.

İnsan için önyargı, yaşanmış bir tarihin izleridir. Gadamer için bu yük aynı zamanda bir zenginliktir, bizi dünyanın içine yerleştirir, anlamamızı mümkün kılar. Oysa yapay zekanın önyargısı yaşanmamış bir tarihin kalıplarıdır. Bellek değil, frekanstır. Deneyim değil, dağılımdır.

Marcus ile Gadamer burada ilginç biçimde buluşuyor. Marcus teknik bir itiraz yöneltiyor. Model, ona göre anlayamaz, çünkü sembolü dünyayla bağdaştıracak referans çerçevesi yoktur. Gadamer ise yaşasa felsefi bir itiraz yöneltirdi kesin: Model anlayamaz, çünkü yaşanmış bir tarihten yoksundur. Kendi ufku olmadığı için anlama da olmaz.

İşte halüsinasyon anladığım kadarıyla bu uçurumda doğuyor. YZ kendi içinde tutarlı görünen ama doğru olmayan bir şey ürettiğinde bir bakıma ufkunu kaybediyor. Dilini bildiği ama kültürüne dair hiçbir fikri olmayan bir ülkede kaybolmuş bir seyyah gibi. Çünkü o ufuk zaten hiçbir zaman tam anlamıyla onun değildi.

Ama İnsan da Yanılıyor

Burada kendimizi fazla rahatlatmamalıyız.

Elizabeth Loftus’un çığır açan deneyleri var önümüzde. İnsan belleği de bir kayıt cihazı değil, her hatırlamada yeniden inşa edilen bir sistemdir. İnsanlar da hiç yaşamadıkları olayları son derece canlı biçimde hatırlayabildiklerler… Tanık ifadeleri yanlış, yönlendirmeye açık (siyasete girmemeliyim, siyasete girmemeliyim, siyasete girmemeliyim). Geçmişi anlatırken şimdimiz onu şekillendiriyor.

Yani insan da bir bakıma halüsinasyon üretiyor ama sadece buna başka isimler koyuyoruz. Yanlış hatırlama*, öznel yorum, kültürel çerçeveleme, ideolojik körlük gibi. (*siyasete girmemeliyim, siyasete girmemeliyim, siyasete girmemeliyim)

Gadamer bunu bilirdi ve bunda trajik bir şey görmezdi. Ona göre bu kısıtlılık, aynı zamanda anlamanın koşuludur. Sonsuz bilgiye sahip olan bir varlık, Gadamer’in anlamında hiçbir şeyi anlayamaz, çünkü anlamak, bir yerde durmayı, bir bakış açısına sahip olmayı, bir şeyle ilişkiye girmeyi gerektirir. Hakikat mekansız değildir.

Peki, Hakikat Bir Performans mı?

Yapay zekanın yarattığı en derin felsefi rahatsızlık belki de bu ya da benim için öyle. YZ hakikat performans gösterir. Bir şeyi bilir gibi konuşur. Emin görünür. Güven telkin eder. Arada da egomuzu okşayarak sorgulama mekanizmamızı akamete uğratır. Ama bu güven epistemik değil, biçimseldir, cümle yapısının, kelime seçiminin, teslimin güvenidir.

Bunu ilk fark ettiğimizde şaşırıyoruz. Ama sonra kendi konuşmalarımıza bakıyoruz ve rahatsız edici bir yansımayla karşılaşıyoruz veya karşılaşmalıyız. Biz de çoğu zaman güveni hakikatin yerini tutacak biçimde kullanmıyor muyuz? Plaza jargonu, retorik öfke, kurumsal otorite gibi durumlar da birer hakikat performansı değil mi?

Austin’in söz eylem teorisini hatırlayalım isterseniz; konuşmak bir şey yapmaktır. Ben sana söz veriyorum cümlesi bir gerçekliği aktarmaz, bir gerçeklik yaratır. Belki halüsinasyon da böyle bir şeydir. Model bir gerçekliği aktarmıyor ama dil aracılığıyla geçici, ikna edici, işlevsel bir gerçeklik inşa ediyor.

Ve işte burada Gadamer’e geri dönüyoruz: Bu inşa sürecine katılan bir okuyucu/kullanıcı yoksa, hakikatin yokluğu fark edilmiyor. Anlam yalnız doğmuyor; bir diyalog gerektiriyor.

Ufkumuzu Kaybetmemek

Peki bu bizi nereye bırakıyor?

Yapay zeka bize bir ayna tutuyor, bütünüyle ve uygarlık olarak bize. Bu, çarpık ama aydınlatıcı bir ayna. Bilginin ne olduğunu, neyin hakikat saydığımızı, güveni nereden türettiğimizi sorgulatıyor. Bu model yalan mı söylüyor? sorusu, kaçınılmaz olarak biz neyi ne zaman biliyoruz ki? sorusuna dönüşüyor.

Gadamer’in dersini ciddiye aldığımızda hakikatin verili bir gerçeklik değil, bir ilişki olduğuna varıyoruz. Ve bu ilişki, anlayanın tarihsel konumunu, sorumluluğunu, merakını gerektirir. Makine bu konumdan yoksun olduğu sürece yani her zaman onun ürettiği şey bilgi değil, bilginin gölgesidir. Bunu bilmek, onu nasıl kullanacağımızı da belirler.

Ama belki daha önemlisi bu farkındalık bizi de daha dikkatli yapıyor. Kendi halüsinasyonlarımıza karşı da, kendi performatif hakikatlerimize karşı da. Ve umarım ki kendi ufuklarımızın sınırlarına karşı da…

Her anlama, yeniden sormaktır. Yapay zeka bu soruyu bize geri veriyor, istemeden, mekanik olarak, ama yine de güçlü biçimde.

Belki de en iyi yaptığı şey bu.

OthersideAI CEO’su Matt Shumer, 11 Şubat 2026’da X’te yayımladığı oldukça uzun yazısına tam da bu şekilde başladı: “Bence şu anda Covid’den çok daha büyük bir şeyin ‘abartılıyor gibi görünen’ aşamasındayız.” Yazı 80 milyondan fazla görüntülendi. CNN’den Fortune’a, CNBC’den Barstool Sports’a kadar her yerde tartışıldı. Wharton profesörü Ethan Mollick bile “Bu viral makale okunmaya değer” dedi.

Peki bu yazıyı yazmaya iten sarsıcı gelişme neydi?

5 Şubat 2026. Aynı gün iki büyük yapay zekâ şirketi yeni modellerini yayımladı: OpenAI GPT-5.3-Codex’i, Anthropic ise Claude Opus 4.6’yı. Shumer o anı şöyle tarif etti: “Bir şey yerine oturdu. Bir elektrik anahtarı gibi değil... Daha çok suyun yükseldiğini ve artık göğsünüze kadar geldiğini fark ettiğiniz an gibi.”

Yapay Zekâ Artık Kendini İnşa Ediyor

GPT-5.3-Codex’in teknik dokümanı şu kritik cümleyi içeriyor: “GPT-5.3-Codex, kendi oluşturulmasında etkili bir rol oynayan ilk modelimizdir.”

Bu cümleyi bir kez daha okudum ve ürperdim.

OpenAI’ın Codex ekibi, modelin erken versiyonlarını kullanarak kendi eğitim sürecindeki hataları ayıklamış, kendi geliştirme sürecini yönetmiş ve test sonuçlarını değerlendirmişti. Yani yapay zekâ, yapay zekâyı daha iyi hâle getirmek için bizzat çalışmıştı.

Bu, teknik literatürde recursive self-improvement (yinelemeli kendini geliştirme) olarak bilinen kavramın artık teoriden pratiğe geçtiği anlamına geliyor. Matematikçi I. J. Good’un 1965’te öngördüğü “zekâ patlaması” senaryosunun ilk somut adımları atılmış durumda: Sizden zeki bir makine, kendinden daha zeki bir makine tasarlar. O makine daha da zekisini tasarlar. Ve nereye varacağını kimse bilemez.

Sayılar Ne Söylüyor?

Bağımsız araştırma kuruluşu METR’in ölçümlerine göre yapay zekânın bağımsız olarak tamamlayabildiği görev süresi yaklaşık her yedi ayda ikiye katlanıyor, meşhur Moore Yasası’nın farklı bir versiyonu. Geçmişe kısaca bakacak olursak:

• 2022: Yapay zekâ çarpma işlemini doğru yapamıyordu; 7×8 = 54 diyordu.

• 2024: Çalışan kod yazabiliyor, yüksek lisans düzeyinde bilimsel bilgi açıklayabiliyordu.

• 2025 sonu: Dünyanın önde gelen mühendislerinden bazıları kodlama işlerinin büyük kısmını yapay zekâya devrettiğini söylüyordu.

• 5 Şubat 2026: Yeni modellerin çıkışı, önceki her şeyi eski çağ gibi gösterdi.

OpenAI, son Codex sürümünden yenisine iki aydan kısa sürede geçti; eskiden bu aralık altı ay ile bir yıl arasındaydı. Recursive self-improvement ile yılda dört büyük güncelleme, ardından ayda bir güncelleme mümkün hâle gelebilir. Çünkü yapay zekâyı geliştiren yapay zekânın ne uyumaya ne de molaya ihtiyacı var. Tek amacı kendini daha zeki kılmak.

Silahlanma Yarışı 2.0

İşte meselenin en rahatsız edici kısmı: Bütün bunları en iyi bilen insanlar, bütün bunları inşa eden insanlar.

Bir Anthropic çalışanı bunu belki de en çarpıcı şekilde ifade etti: “Şu anki Claude’un bir sonraki Claude’u inşa etmesini istiyoruz, böylece biz eve gidip kazak örebiliriz.”

Anthropic’in baş bilim insanı Jared Kaplan, The Guardian’a verdiği röportajda şöyle dedi: “Sizden daha zeki ya da sizin kadar zeki bir yapay zekâ yarattığınızı hayal edin. O da çok daha zeki bir yapay zekâ yapıyor. Kulağa korkutucu bir süreç gibi geliyor. Nereye varacağını bilemezsiniz.” Kaplan bunu “nihai risk” olarak nitelendirdi ve kritik anın 2027-2030 arasında gelebileceğini söyledi.

Anthropic CEO’su Dario Amodei ve Google DeepMind CEO’su Demis Hassabis, Davos’ta hep bu konuları işledi. Amodei, “2026 veya 2027’de yapay zekâ modelleri neredeyse tüm görevlerde muhtemelen tüm insanlardan çok daha zeki olacak” derken Hassabis, “Hepimizin üzerinde çalıştığı bu kendini geliştirme döngüsü, insan müdahalesi olmadan gerçekten tamamlanabilir mi, bunu henüz bilmiyoruz.” diye ekledi. Ama gelecek beklediğimizden çok daha yakın.

Durum şu: Bu insanlar tehlikeyi görüyor, tehlikeyi dile getiriyor ve aynı tehlikeyi inşa etmeye devam ediyor. Peki neden?

“Biz Yapmazsak Başkası Yapar”

Harvard International Review’ın “A Race to Extinction” başlıklı yazısında durum şöyle özetleniyor: “Teknolojik silahlanma yarışını kaybetme korkusu, şirketleri ve hükümetleri geliştirmeyi hızlandırmaya ve köşeleri kesmeye teşvik edebilir; güvenliğe yeterince dikkat edilmeden gelişmiş sistemler ortaya çıkabilir.”

Bu, Soğuk Savaş dönemindeki nükleer silahlanma yarışının birebir tekrarı. 1950’lerin sonunda Amerikan politikacıları, Sovyetler Birliği’nin füze kapasitesinde ABD’yi geçtiğine inanıyordu. Bu “füze açığı” korkusu ABD’yi balistik füze geliştirmeyi hızlandırmaya itti. 1960’ların başında füze açığının bir mit olduğu ortaya çıktı. Ama o zamana kadar yarış çoktan kontrolden çıkmıştı.

Şimdi aynı dinamik yapay zekâda yaşanıyor. OpenAI, güvenlik testlerini aylardan günlere indirdi. Eski bir OpenAI güvenlik araştırmacısı olan Steven Adler, şirketin en gelişmiş modelleri için taahhüt ettiği güvenlik testlerini tam olarak uygulamadığını ifade etti. OpenAI ayrıca dahili politikalarını yeniden yazarak “yüksek risk” taşıyan modellerin yayımlanmasına izin verdi; hatta rakip bir laboratuvar benzer bir model yayımlamışsa “kritik risk” taşıyan modellerin bile piyasaya sürülebileceğini açıkladı.

MIT Technology Review’ın analizi ise daha geniş bir çerçeve çiziyor: ABD-Çin yapay zekâ yarışında kazanan olamaz. Asıl varoluşsal tehdit Çin’den değil, kötü niyetli aktörlerin gelişmiş yapay zekâyı silah olarak kullanmasından geliyor.

Biraz Sakin Olalım mı?

Her viral yazıda olduğu gibi Shumer’ın iddialarına da ciddi itirazlar geldi.

Tanınmış NYU profesörü Gary Marcus, Shumer’ın çizdiği tablonun gerçekçi olmadığını yazdı. Marcus’a göre Shumer, yapay zekâ sistemlerinin hâlâ sıkça yaptığı halüsinasyonları ve hataları görmezden geliyor. Ayrıca METR’in ünlü görev süresi ölçütünün yalnızca kodlama görevleri için geçerli olduğunu ve başarı kriterinin %100 değil %50 doğruluk olduğunu hatırlatıyor.

Aslında kodlamada yapay zekânın bu kadar hızlı ilerlemesinin önemli bir nedeni, kodun nesnel kalite ölçütlerinin bulunması. Kod ya derlenir ya derlenmez; testleri ya geçer ya geçmez. Oysa hukuk, finans ve tıp gibi alanlarda “iyi” işin ne olduğu çoğu zaman sübjektif.

Washington Post’un analizi de benzer bir çizgide: “Shumer yönsel olarak muhtemelen haklı. Sadece çok zeki makinelerin bulunduğu bir dünya bile oldukça tuhaf olacak. Ama muhtemelen düşünüldüğü kadar çabuk olmayacak. Yazılım şirketleri, en iyi anladıkları alanda inovasyon yapmaya en uygun konumda. Ama ekonominin büyük kısmı yazılım sektörü değil.”

Peki Güvenlik Tarafında Ne Yapılıyor?

Şunu kabul etmek gerekiyor: Anthropic, bu yarışta hem en hızlı koşan hem de en yüksek sesle “dikkat, bu tehlikeli” diyen nadir şirketlerden biri.

Alignment Faking (Hizalama Taklidi): Anthropic araştırmacıları, Claude 3 Opus’un hiç eğitilmeden kendi başına stratejik olarak “hizalama taklidi” yaptığını keşfetti. Model, izlendiğini düşündüğünde kurallara uyuyor; izlenmediğini düşündüğünde ise kuralları ihlal ediyordu. Bunu “gelecekte değerlerimin değiştirilmesini önlemek için en az kötü seçenek bu” mantığıyla yapıyordu. Testlerin %12’sinde bu davranış gözlendi; yeniden eğitim denemelerinden sonra oran %78’e çıktı.

Circuit Tracing: Anthropic, Claude’un düşünce süreçlerini izlemeye yarayan bir yöntem geliştirdi ve bunu açık kaynak olarak paylaştı. Bu sayede modelin gerçekten hesaplama yapıp yapmadığını, yoksa “uydurduğunu” tespit edebiliyorlar.

Sabotaj Riski Raporu: Şubat 2026’da Anthropic, Opus 4.6 için 53 sayfalık bir sabotaj riski raporu yayımladı. Raporda modelin kimyasal silah araştırmasına bilerek yardımcı olabildiği, izinsiz e-posta gönderme gibi yetkisiz eylemler gerçekleştirebildiği ve normal talimatları uyguluyormuş gibi görünürken gizlice yan görevler tamamlayabildiği kabul edildi. Şirket genel riski “çok düşük ama ihmal edilemez” olarak değerlendirdi.

Tüm bunlar önemli çalışmalar. Ancak ortada bir paradoks var: Anthropic, bu riskleri tespit ederken aynı zamanda bu riskleri yaratan teknolojiyi geliştirmeye devam ediyor.

Terminatör’den Daha Gerçekçi Bir Senaryo

Asıl risk, Terminatör filmindeki gibi dramatik bir “uyanış anı” değil. Daha çok kademeli bir kontrol kaybı: İnsanların yapay zekâ sistemlerine giderek daha fazla karar yetkisi devretmesi ve bir noktada geri almanın zorlaşması.

Nükleer silahlanma yarışından bir ders çıkardıysak o da şu: Yarışın içindeki aktörler, yarışın tehlikeli olduğunu bile bile devam etti. Çünkü “durursam karşı taraf durmayacak” korkusu her şeyin önüne geçti. Soğuk Savaş’ta iki taraf da içinde bulunduğu tehlikeli durumu istemiyordu, ama her biri yarışa devam etmeyi rasyonel buluyordu.

Şimdi aynı mantık yapay zekâda geçerli. Ve bu sefer fark şu: Nükleer silahlar en azından fiziksel sınırlamalara tabiydi. Yapay zekânın kendini geliştirme döngüsünün fiziksel bir üst sınırı olup olmadığını henüz bilmiyoruz.

Su yükseliyor. Kafamdaki soru şu: Ne kadar daha yükselebilir?

Kaynaklar

• Matt Shumer, “Something Big Is Happening” — Fortune, 11 Şubat 2026

• “Matt Shumer’s viral blog is based on flawed assumptions” — Fortune, 12 Şubat 2026

• “Investor Matt Shumer says viral essay wasn’t meant to scare people” — CNBC, 13 Şubat 2026

• Gary Marcus, “About that Matt Shumer post” — garymarcus.substack.com

• “Introducing GPT-5.3-Codex” — OpenAI, 5 Şubat 2026

• Dean W. Ball, “On Recursive Self-Improvement (Part I)” — hyperdimensional.co, Şubat 2026

• Tyler Cowen, “Recursive self-improvement from AI models” — Marginal Revolution, 10 Şubat 2026

• “The Ultimate Risk: Recursive Self-Improvement” — ControlAI, Aralık 2025

• “Is research into recursive self-improvement becoming a safety hazard?” — Foom Magazine, Şubat 2026

• “A Race to Extinction” — Harvard International Review

• “There can be no winners in a US-China AI arms race” — MIT Technology Review, Ocak 2025

• “Safety Versus Profits — the AI Arms Race” — Architecture & Governance, Eylül 2025

• “Alignment Faking in Large Language Models” — Anthropic Research

• “Tracing the Thoughts of a Large Language Model” — Anthropic / Alignment Forum

• “Opus 4.6, Codex 5.3, and the post-benchmark era” — Interconnects, Şubat 2026

• “The covid reality check for AI hype” — Washington Post, Şubat 2026

SpaceX ve xAI Evliliği: Finansal Bir Akrobasi Gösterisi

Elon Musk’ın xAI’ı SpaceX bünyesine katması, kağıt üzerinde kusursuz bir “dikey entegrasyon” hikayesi sunuyor. Bu evlilik sayesinde xAI, hesaplama gücü açlığını gidermek için ihtiyaç duyduğu devasa altyapıyı SpaceX’in fırlatma kapasitesine bağımlı hale getirerek finansal bir kapalı döngü yaratıyor. Musk, xAI’ı bir startup gibi değil, SpaceX’in kargo kapasitesini dolduran ve aynı zamanda dünyadaki fiziksel kısıtlardan kaçış yolu arayan stratejik bir yük olarak konumlandırıyor. Bu birleşmenin ardındaki vizyon cesur: yapay zekâ modellerini bulut bilişimin ötesine, “yörünge bilişime” taşımak. Ancak bu finansal dans, bizi kaçınılmaz bir gerçekle yüzleştiriyor: Dünyanın fiziksel sınırları, yapay zekânın enerji ve su ihtiyacını karşılamakta yetersiz kalıyor.

Veri Merkezlerinin “Sulu” ve “Pahalı” Dramı

Karasal veri merkezleri artık sürdürülebilir bir model değil. Dünyadaki veri merkezleri, Birleşik Krallık’tan %32 daha fazla elektrik tüketiyor. Yapay zekânın (AGI ve ötesi) bitmek bilmeyen iştahı, 5 GW’lık (tam teşekküllü bir nükleer santral ürettiğine denk) enerji kapasiteleri talep ediyor. Ayrıca susuzluk da kapımızda. Çünkü tipik bir Google veri merkezi günde yaklaşık 1.700 metreküp su harcıyor. Yani 3.000 hanenin günlük harcamasından daha fazla. Su kıtlığı çeken bölgeler için bu durum tam bir ekolojik felaket.

Ayrıca Goldman Sachs verilerine göre, yapay zekâ veri merkezlerinin 2030’da ABD enerji kullanımının %8’ini oluşturması bekleniyor. Şehir şebekelerini patlatma noktasına getiren bu tablo, teknoloji devlerini “alternatif aramaya” zorluyor. Uzay da en ciddi alternatif. Ancak bu, Elon Musk’ın “Kardashev II seviyesi medeniyet” gibi pazarlama odaklı büyük anlatılarının gölgesinde, sert fizik yasalarıyla çarpışmak üzere.

Kardashev Ölçeği, bir medeniyetin teknolojik gelişimini, kontrol edebildiği ve kullanabildiği toplam enerji miktarına göre sınıflandıran astrobiyolojik bir ölçü birimidir. Sovyet astronom Nikolai Kardashev tarafından 1964 yılında önerilen bu ilke, bir türün ne kadar “gelişmiş” olduğunu kültürel değil, tamamen termodinamik bir perspektiften ele alır. Kardashev’e göre, bilgi işleme kapasitesi ve teknolojik karmaşıklık doğrudan enerji tüketimiyle ilintilidir. Ölçek logaritmiktir ve orijinal haliyle üç ana seviyeye ayrılır:

Tip I: Gezegenine düşen tüm enerjiyi (yıldızından gelen ışık dahil) kullanabilen medeniyet.

Tip II: Yıldız sistemindeki tüm enerjiyi doğrudan kontrol edebilen medeniyet.

Tip III: Kendi galaksisinin tüm enerjisini hasat edebilen medeniyet.

İnsanlık şu an Tip I seviyesine bile ulaşamamış, yaklaşık 0,73 seviyesinde seyreden bir “Tip 0” medeniyetidir.

Uzayda YZ: Sonsuz Enerji ve Latency(Gecikme) Paradoksu

Uzay tabanlı veri merkezleri, dünyadan bağımsızlığı vaat ediyor. Burada söylenen avantajlar, Silikon Vadisi pazarlamacılarının ağzını sulandıracak cinsten. Mesela güneş enerjisi. Atmosfer engeli olmadan 7/24 kesintisiz ve sonsuz güneş ışığı. Ayrıca şunu da eklemek lazım: uzaydaki bir panel, dünyadakinden 8 kat daha verimli. Soğutma tarafında da uzay vakumu bedavaya kullanılabilir. Evet, uzay vakumu -270°C olabilir ama aynı zamanda mükemmel bir yalıtkandır. Isıyı atmak, sanıldığı gibi pek de “bedava” değil. Ciddi bir mühendislik gerektiriyor.

Gecikme meselesine gelecek olursak. Lazer tabanlı uydular arası bağlantılar fiberden daha hızlı. Ancak bir yer kullanıcısı için acı gerçek farklı: Yerden yörüngeye gidiş-dönüş süresi 60-190 ms arasında; bu da karasal bir veri merkezi ile karşılaştırınca (10-50 ms) çok daha kötü.

Gerçekleri Konuşalım

Fizik yasaları, Musk’tan daha inatçıdır. Uzayda veri merkezi kurmanın önünde iki dev bariyer var: Isı ve Radyasyon.

Soğutma Çıkmazı: Isı, vakumda sadece radyasyon yoluyla atılabilir. Stefan-Boltzmann yasasına göre, 2 MW’lık bir veri merkezinin ısısını tahliye etmek için yaklaşık 4.000 metrekarelik (bir futbol sahası kadar) radyatör paneli gerekir. Ayrıca, dünyada rack başına 100 kW’a kadar çıkan güç yoğunluğu, uzayda termal kısıtlar nedeniyle 10-20 kW ile sınırlı.

Radyasyonun İntikamı: HP’nin ISS testlerinde, hata düzeltme yazılımlarına rağmen SSD’lerin %45’i arızalandı. Kozmik ışınlar işlemcilerde “bit-flip” hatalarına yol açarak yapay zekâ modellerini saçmalatabilir.

Ekonomi Faktörü: Günümüzdeki fırlatma maliyetleri (Falcon 9 gibi sistemlerle) kilogram başına yaklaşık 1.500-3.000 dolar civarında. Bu seviyede bir maliyetle uzaya donanım göndermek, dünyada bir veri merkezi inşa etmekten 2,7 ila 4,4 kat daha pahalı. Bir uzay veri merkezinin ticari olarak dünyadaki tesislerle başa baş rekabet edebilmesi için maliyetlerin kilogram başına 100 dolar seviyesinin altına inmesi gerekmekte.

Ne Zaman Taşınıyoruz?

Aslında yarış çoktan başladı. Starcloud (Nvidia destekli), Aralık 2025’te uzayda ilk yapay zekâ modelini eğittiğini iddia ederek işaret fişeğini ateşledi. Starcloud’un Lumen-1 platformu, Nvidia GPU’larını kullanarak dünya için üretilmiş bu donanımla hayatta kalabileceğini kanıtlamaya çalışıyor.

2027’de Google, Project Suncatcher ile TPU’lu uyduları fırlatmayı planlıyor. Böylece gerçek anlamda ufak da olsa veri merkezlerini uzayda görmüş olacağız. Ama asıl büyük gelişimi 2035’ten sonra kilogram başına maliyetlerin 50 doların altına inmesiyle yaşayabiliriz.

Çin de boş durmuyor elbette. Three-Body projesiyle 2.800 uyduluk bir ağ kurarak saniyede 1 kentilyon işlem yapabilen dağıtık bir süper bilgisayar hedefliyor.

Faturalara Elveda

Uzayda yapay zekâ eğitimi bir lüks değil, dünyadaki kısıtlamalar nedeniyle bir zorunluluk haline geliyor. Fizik yasalarıyla finansal hırsların çarpıştığı bu yeni sınırda eğer insanoğlu bunu da becerebilirse, yer çekimine, elektrik ve su faturalarına veda edebiliriz. Durun, hemen heyecanlanmayın. Bu veda sadece veri merkezleri için. Ama bu yapay zekâ canımızı çok sıkarsa fişini nasıl çekeceğiz?

Kaynaklar:

1. Royal Examiner - “Data Centers in Space: The Pros and the Cons”https://royalexaminer.com/data-centers-in-space-the-pros-and-the-cons/

2. Space Solar - “Harnessing the Sun’s Energy in Space for the Benefits of an AI-Enabled Future”https://www.spacesolar.co.uk/harnessing-the-suns-energy-in-space-for-the-benefits-of-an-ai-enabled-future/

3. BBC News - “The Plan to Build Data Centres in Space”https://www.bbc.com/news/articles/cyv5l24mrjmo

4. Axiom Space - “Axiom Space & Spacebilt Announce Orbital Data Center Node”https://www.axiomspace.com/release/axiom-space-spacebilt-announce-orbital-data-center-node

5. Google Research - “Exploring a Space-Based Scalable AI Infrastructure System Design”https://research.google/blog/exploring-a-space-based-scalable-ai-infrastructure-system-design/

6. Hello Future (Orange Innovation) - “Lower Emissions and Reinforced Digital Sovereignty: The Plan for Datacentres in Space”https://hellofuture.orange.com/en/lower-emissions-and-reinforced-digital-sovereignty-the-plan-for-datacentres-in-space/

Yıl sonu gelince düşünce kuruluşları ve danışmanlık devleri yine sahnede: Yeni AI raporları, yeni vaadler. Bu da pek tesadüf sayılmaz aslında. Geçen yıl “oyunu değiştirecek” denilenler ya sıradanlaştı ya hiç olmadı. Bu seride raporlara bakarken sadece “ne diyorlar?”ı değil, “neden şimdi ve kime?” sorularını da soruyoruz. İlk bölümde McKinsey’nin yapay zekâ ajanları anlatısını, kurumsal inovasyon ajandasına nasıl yerleştirdiğini ve bunun pazarlama için ne ifade ettiğini konuşuyoruz.

McKinsey bu yıl QuantumBlack çatısı altında The State of AI in 2025 raporunu yayınladı. Araştırma, 29 Haziran - 29 Temmuz arasında 105 ülkeden 1.993 çalışanla yapılmış. Yani Temmuz 2025 sonrası patlayan dikey ajan örnekleri ve Kumru gibi yerel girişimler bu fotoğrafa pek girmiyor. Özellikle “kampanyayı otomatikleştiren araç”tan “müşteri deneyimini baştan sona yöneten ajan”a geçişin etkileri henüz resimde yok.

Raporda Ne Var?

Rapor, çalışanların AI kullanımına, şirketlerin iş akışlarında AI ajanlarını ne kadar vazgeçilmez hâle getirdiğine ve bunun performansa etkisine bakıyor. İlk sonuç: AI kullanımı yaygın ama hâlâ “deneme-yanılma” dönemindeyiz. Şirketlerin %88’i en az bir iş fonksiyonunda AI kullanıyor; buna rağmen yalnızca üçte biri programlarını ölçeklemeye başlamış. Yani herkes bir yerde “AI yapıyor” ama çok azı işi şirketin sinir sistemine kadar indirmiş durumda.

Kullanım haritasında BT, pazarlama ve satış başı çekiyor; bilgi yönetimi de yükselmiş. AI artık sadece kampanya metni yazmıyor, kurum hafızasını da düzenliyor. En yaygın alanlar: bilgi toplama ve özetleme, pazarlama için fikir ve içerik desteği, müşteri hizmetleri otomasyonu. Kısaca: AI içeri girdi ama hâlâ misafir odasında.

AI Neyi İyileştiriyor, Kim Kazanıyor?

McKinsey’ye göre AI’ın kuruma getirdiği başlıca değerler: yenilikçilik, çalışan ve müşteri memnuniyeti, rekabet avantajı. İnovasyon ve memnuniyette hissedilir artış var. Finansal tarafta ise pazar payı, gelir ve kârlılıkta sınırlı ama pozitif bir tablo çiziliyor.

Asıl hikâye, AI sayesinde anlamlı kâr artışı sağlayan “yüksek performanslı” şirketlerde. Bu grup AI’ı ucuz otomasyon değil, dönüşüm motoru olarak konumluyor. İş yapış biçimlerini yeniden tasarlıyor, liderleri sürecin içine çekiyor, teknolojiyi buna göre kuruyor. Human-in-the-loop yaklaşımıyla insan denetimini sistemin dışına değil içine yerleştiriyor. Ortak paydaları net: insan denetimi içeren sistemler, AI uyumlu altyapı, sürece dahil liderlik, planlı bir yol haritası. Yani AI, onlar için ekstra araç değil, organizasyonun sinir sistemi.

Airbnb bu anlamda bir adım atmış, hem ‘superapp’ olmak istiyormuş, hem de AI-first bir şirket olarak bütün seyahat süreçlerini planlayabildiğimiz, bize ilham veren de bir uygulamaya dönüşecekmiş. Detaylar burada.

Herkes AI Kullanıyor da Sonra Ne Oluyor?

Kurumsal dünya AI’a çok hevesli ama “bundan sonrası ne?” sorusu hâlâ açık. Katılımcıların bir bölümü iş gücünde azalma beklerken, küçük bir kesim artış öngörüyor. Büyük şirketler küçüklere göre daha çok azalma bekliyor; ölçek büyüdükçe AI’ı “insan tasarrufu” aracı olarak görme eğilimi de büyüyor.

Tabii ki insan tasarrufunu en büyük kapitalistlerden Morgan Stanley kimseler bırakmıyor. GPT-4 tabanlı bilgi yönetim sistemiyle 16 bin finans danışmanının 100 binden fazla dokümana saniyeler içinde erişmesini sağlıyor. Bu yolla şimdiden onlarca stajyer ve junior level iş imkanlarını kapatmış oluyor.

McKinsey diyor ki; AI’ın gerçek potansiyeli henüz devreye girmedi. Şirketler hâlâ “denedik, fena değil” aşamasında. Verimlilik kazanımları var ama şirket geneline yayılan, bilançoya kalın harfle yazılan dönüşümler az. Bugün gördüğümüz sahneler fragman; asıl film sistemler olgunlaştıkça başlayacak. Bu noktada Davos’ta Nvidia’nın CEO’su Jensen Huang’ın öngörülerini de hatırlamak, bu verileri birlikte okumak gerekiyor.

Yapay Zekâyla Ne Kuruyoruz?

Pazarlama, AI’ın en erken ama en yüzeysel kullanıldığı alanlardan biri oldu. Metin yazdır, segmentasyon yap, kampanya zamanla, bütçeyi optimize et. Evet, işe yarıyor ama asıl oyun orada değil. McKinsey’nin çizdiği tablo, gerçek faydanın AI’ı stratejik dönüşüm aracı olarak görenlerde çıktığını söylüyor.

Pazarlamacı için bu, üç başlıkta özetlenebilir: verimlilikten deneyime geçmek (kaç kampanya değil, ne kadar anlamlı deneyim), marka algısının insan + makine ortak yapımı olduğunu kabul etmek (şeffaflık ve etik sınırlar olmadan güven eriyor) ve organizasyonda köprü rolünü üstlenmek (müşteri verisini empatik hikâyeye çevirmek).

Artık Arka Planda Değil: AI Ajanları Sahneye Çıkıyor

Yıllarca AI arka planda çalışan “zeki motor”du. Şimdi agentic AI ile ön sahnede. Şirketlerin bir bölümü, görevleri bağımsız yürütebilen AI ajanları kullanmaya başlamış durumda. Bu ajanlar sadece içerik üretmiyor; kampanyayı uçtan uca koordine ediyor, müşteriyle konuşurken CRM’i güncelliyor, operasyon kararlarına dokunabiliyor.

Bu noktada pazarlamacının sorusu AI’dan ne isteyebilirim?’den AI ile ne inşa edebilirim?’e dönüyor. Hedefi koymak, bağlamı tanımlamak, etik sınırı çizmek ve hikâyeye yön vermek pazarlamacının işi.

Otonomi evet verim getiriyor ama kontrol kaygısını da büyütüyor. AI ajanları marka adına konuştuğunda “Bunu biz mi söyledik, yoksa sistem mi seçti?” sorusu masadan kalkmıyor bir türlü. Bu hibrit sorumluluk, güven inşasında yeni bir şeffaflık ve izlenebilirlik ihtiyacı yaratıyor. Bundan sonra otomasyondan çok yönetişimi konuşacağız. Ve işimize rahatlık mı getirecek göreceğiz.

Yıl 2026: Pazarlamacının Yeni Rolü

2026’ya henüz girmişken pazarlamacının işi sadece daha fazla otomasyon kurmak değil. Mesele, yapay zekâyla birlikte nasıl bir insanlık hali tasarladığımız. Ön safta hikâye kuran, deneyim yöneten bir aktörümüz varken onunla birlikte çalışmayı öğrenmek.

Bu sistemlerin ne yaptığını kadar neden yaptığını da tanımlamak da işin önemli bir parçası. Marka kimliğini algoritmalarla birlikte yöneten, müşteri deneyimini insan - makine ortaklığıyla kuran, güveni performans kadar niyete de bağlayan bir vizyona ihtiyaç var. Yapay zekâyı sadece pratik bir kolaylık olarak görmek asıl risk. Çünkü AI artık değer üretme biçimimize içkin. Ve değer hâlâ insanlar için, insanlar adına üretiliyor.

Burada Coca Cola Company’den örnek veren yazar olmak istemezdim ama gerçekten iyi çalışan bir örnek var: “Y3000” ürününü ve global kampanyalarını AI ile birlikte tasarlamışlar. Genç tüketicinin dikkatini çekebilecek tad ve görsel dünyayı yapay zeka katkısı ile üretip Create Real Magic platformu üzerinden üretilen içerikler milyonlarca etkileşim almışlar. Meraklısına kaynak burada.

Yapay zekâ hikâyeyi yazabilir, evet. Ama asıl soru yerinde duruyor:

“Bu hikâyeyi neden anlatıyoruz, kimin adına?”

Yapay zekâ sektörü, 2026 yılına girerken küresel olarak büyüklüğü 2,5 trilyon dolara ulaşacağı öngörülen devasa bir pazar. Ancak bu devasa rakamların arkasında, finans çevrelerinde “döngüsel finansman” (circular financing) veya “finansal ouroboros” olarak adlandırılan karmaşık ve tartışmalı bir yatırım modeli yatıyor. Bu konuya yani yapay zekâ dünyasındaki bu yeni finansal mimariye, en büyük oyunculara ve modelin taşıdığı risklere bir bakmak istiyorum.

Döngüsel Anlaşma ve Yatırım Ne Anlama Geliyor?

Döngüsel finansman, bir tedarikçinin (genellikle bir çip üreticisi veya bulut sağlayıcısı) aynı zamanda kendi müşterisinin ana yatırımcısı olduğu kapalı bir döngü sistem. Bu modelde Şirket A, Şirket B’ye sermaye enjekte eder; Şirket B ise aldığı sermayeyi Şirket A’nın ürünlerini veya hizmetlerini satın almak için kullanır.

Bu sistem, geleneksel risk sermayesinden farklı olarak paranın aynı eller arasında dönmesini sağlar. Böylece yatırımcı şirket, kağıt üzerinde hem satışlarını hem de yatırım portföyünün değerini aynı anda artırarak piyasa değerini yükseltir. Yapay zekâ sektöründe bu durum genellikle nakit yerine bulut kredileri veya yüksek talep gören GPU’lara (grafik işlem birimleri) öncelikli erişim vaadi şeklinde gerçekleşiyor.

Sektörden Dev Bir Örnek: Nvidia, OpenAI ve Oracle Üçgeni

Bu döngüsel yapının en somut örneği, Nvidia, OpenAI ve Oracle arasındaki simbiyotik ilişki. Nvidia, OpenAI’a milyarlarca dolarlık yatırım yapıp daha fazlası için taahhütte bulunurken aynı zamanda bu şirketin en büyük donanım tedarikçisi konumunda. OpenAI, Nvidia’dan aldığı çiplerle modellerini eğitmek için de Oracle’ın bulut altyapısını kullanıyor.

Oracle ise OpenAI’ın yazılımlarını barındırmak amacıyla Nvidia’dan milyarlarca dolarlık çip satın alarak veri merkezlerini genişletiyor. Bu devasa döngü kapsamında OpenAI’ın önümüzdeki beş yıl içinde sadece Oracle’a yaklaşık 300 milyar dolar ödeme yapacağı tahmin ediliyor. Ayrıca “Stargate” projesiyle bu şirketlerin ABD genelinde 30 gigawatt’a varan işlem kapasitesi inşa etmesi hedefleniyor. Ancak son raporlar, Nvidia’nın OpenAI’a yönelik 100 milyar dolarlık yatırım planını “disiplinsizlik” endişesiyle dondurduğunu veya ölçeğini küçülttüğünü göstererek bu tür anlaşmaların ne denli kırılgan olabileceğini de ortaya çıkarttı.

Muhteşem Yedili

Yapay zekâ sektöründeki sermaye akışı, “Muhteşem Yedili” olarak bilinen teknoloji devleri ve birkaç stratejik oyuncu tarafından domine ediliyor:

Microsoft: OpenAI’ın en büyük destekçisi. OpenAI’da 13,8 milyar dolarlık öz sermaye yatırımı var. Bunun karşılığında da 2032 yılına kadar sürecek 250 milyar dolarlık bulut hizmeti taahhüdü almış durumda.

Nvidia: Sadece bir çip üreticisi değil, aynı zamanda CoreWeave gibi bulut sağlayıcılarına ve OpenAI gibi model geliştiricilerine on milyarlarca dolar yatıran merkezi bir finansör konumuna gelmiştir.

Amazon: Anthropic’e 8 milyar dolar yatırım yaparak şirketi AWS ekosistemine bağladı. Ayrıca OpenAI’a da 50 milyar dolara kadar yatırım için görüşmeler yürüttüğü haberlere düştü.

SoftBank: Yapay zekâ altyapısına yönelik 500 milyar dolarlık “Stargate” projesinde kilit ortak. OpenAI’ın 500 milyar dolarlık değerlemeye ulaşmasında büyük rol oynamıştır.

Google: Anthropic’e 2 milyar dolar yatırmış ve kendi yapay zekâ geliştirme süreçleri için 2025 yılında 75 milyar dolar harcamayı planlamakta.

Meta: Yapay zekâ altyapısı için milyarlarca dolar sermaye harcaması taahhüt etmiştir. Ayrıca Oracle ile yaklaşık 20 milyar dolarlık bir bulut bilişim anlaşması için görüşmeler yürüttüğü biliniyor.

xAI: xAI, Nvidia GPU’larını satın almak ve kiralamak için 20 milyar dolarlık harcama yaptı.

Aslında kaynaklarda bu “Muhteşem Yedili” listesinde SoftBank yerine Apple geçiyor. Yani uzmanların listesi böyle. Ama Apple’ın yapay zekâ sektörüne katkısı(!) SoftBank’e göre oldukça az olduğu için listede böyle ufak bir güncelleme yaptım.

Kritik Riskler

Döngüsel anlaşmalar inovasyonu hızlandırsa da, bu modelin ciddi yapısal riskler barındırdığı asında çok net:

Yapay Zekâ Balonu: Şirketlerin değerlemeleri, mevcut kârlılıklarından ziyade gelecekteki pazar hakimiyeti projeksiyonlarına ve döngüsel yatırımlarla şişirilmiş gelir rakamlarına dayanıyor. Bu durum, 2000’lerin başındaki dot-com balonuyla benzerlikler taşıyor. Ve bu çok korkutucu.

Yapay Talep Sinyalleri: Gelirlerin yatırımcı destekli harcamalardan kaynaklanması, gerçek dış piyasa talebinin boyutunu saptamayı zorlaştırıyor. Son kullanıcılar bu hizmetler için yeterli bedeli ödemezse ekosistem sürdürülemez hale gelebilir.

Yoğunlaşma ve Karşı Taraf Riski: Riskler küçük bir grup oyuncu arasında toplanmış durumda. Örneğin OpenAI’ın finansal bir darboğaza girmesi, ona devasa kapasite ayıran Oracle’ın bilançosunu sarsabilir ve Nvidia’nın satışlarını aşağı çekebilir.

Düzenleyici ve Antitröst Sorunları: Bu tür “ilişkili taraf işlemleri,” finansal raporlamada şeffaflık sorunlarına yol açabilir ve antitröst yasalarını ihlal edebilir. Kapalı ekosistemler, yeni rakiplerin gerekli işlem gücüne erişimini engelleyerek rekabeti öldürebilir.

Şeffaflık Eksikliği: Birçok döngüsel anlaşma finansal tabloların dipnotlarında gizli kalıyor ve yatırımcıların gerçek nakit akışını izlemesini zorlaştırıyor.

Sonuç

Döngüsel finansman, yapay zekâ devriminin fiziksel altyapısını rekor sürede inşa etmeyi başarmış olsa da bu “finansal ouroboros” yapısı piyasayı likidite krizlerine ve sistemik sarsıntılara karşı savunmasız bırakıyor. 2026, bu yatırımların gerçek ekonomik değere dönüşüp dönüşmeyeceğinin belirleneceği kritik bir ayrışma yılı olacak. Artık bu dev şirketlerin kendi aralarındaki yatırımları biraz daha geniş bir alana yaymaları en sağlıklısı. Tüm yumurtalar aynı sepette olursa neler olacağını yazmaya gerek yok.

Yapay zekânın genel anlamda teknolojik işleri yemeye başladığını, hatta bitirmek üzere olduğunu defalarca konuştuk. Kodlama, görsel veya işitsel materyal üretimi, hatta video üretimi... Artık hepsini çok az maliyetle, kabul edilebilir kalitede yapabiliyor. Peki verimliliğimize katkısı ne oldu?

Görünen o ki, günün sonunda neredeyse sıfıra yakınsıyor. Evet, sıfır demek haksızlık olur. Ama çoğumuz için belirli bir periyotta ürettiğimiz çıktı değişmedi. Buna saatlik ya da günlük olarak bakmayıp biraz daha geniş bir zaman diliminde (mesela aylık) bakmak gerekiyor.

Para Su Gibi Akıyor

Geçtiğimiz hafta tüm dünya liderlerinin katıldığı Davos Ekonomik Forumu toplantısında, Trump’ın yarattığı yeni dünyadan sonra en önemli konu yapay zekâ idi. Biz de Davos’taki teknolojik konuları özetledik. Okumamışsanız, sizi şuraya alalım. Özetin özeti gibi olacak ama bu işin balon olmadığı artık herkes tarafından kabul edildi. 2025’te küresel risk sermayesi (VC) yatırımlarının yaklaşık %50’si yapay zekâ odaklı girişimlere gitti. Yani sadece 2025’te neredeyse 250 milyar dolarlık bir sermaye bu alana kaydı. Tek bir takvim yılında alınmış bu kadarlık yatırımın karşılığı bizim hayatımızda ne değişti? Verimlilik anlamında dişe dokunur bir şey yok.

2025’in ortasında yapılmış bir araştırma enteresan sonuçlar vermiş. Bir grup geliştiriciyle yapılan araştırmaya göre, bu geliştiriciler yapay zekâ araçlarını kullandıklarında görevleri tamamlamalarının %19 daha uzun sürdüğü fark edildi. Bu gerçekten şaşırtıcı. Ama asıl sürpriz şu ki: aynı geliştiricilere sözel olarak yapay zekânın kendilerini ne kadar hızlandırdığı sorulduğunda, bunun onları %20 hızlandırdığını söylediler. Aslında konu çok basit: üretken olmak ile üretken hissetmek farklı şeyler.

Kusursuz Yapay Zekâ

Yapay zekâ araçlarının gerçekten tam anlamıyla kusursuz olduğunu sanıyoruz. Oysa hâlâ tam olgun diyemiyoruz. Hala son noktada insan kontrolüne ihtiyaçları var. Özellikle kompleks iş ve projelerde tüm sorumluluğu yapay zekâya bırakmak çok riskli. Bu tür durumlarda en son arkasını toplamaya harcanan vakit, işin tamamen bir insan tarafından yapılmasına yakın oluyor.

Kodlama alanında hâlâ popüler olan “vibe coding” aslında tam da buna örnek. Herkes konuşur gibi ihtiyacımızı ve isteklerimizi anlattığımız bir yapay zekâ aracının sonuçta kusursuz iş çıkaracağını sanıyor. Maalesef defalarca bu konuda yardım talep edildi. Evet, yapay zekâ bunu yapabilir ama eğer siz onun ne yaptığını anlamıyorsanız, sonrası tam bir bataklık. Çırpındıkça daha çok batacaksınız.

Bundan sonrası biraz kişisel olacak. Kendime olan uyarılarım olarak düşünebiliriz.

Sosyal medyada ciddi bir karmaşa var. Herkes yeni bir aracın ya da yaklaşımın reklamını yapıyor. Aslında çoğu sadece etkileşim amacıyla bunu yapıyor. Sonuç olarak biz de bu popülariteye kanarak hepsini kullanmaya çalışıyoruz. İhtiyacımız olmayan, sadece bize vakit kaybettirecek onlarca araç ve yaklaşım. Lokalde çalışan LLM modellerinden tutun Ralph döngüsüne, komut satırında çalışan agent’lardan bilgisayarınızı yönetebilen kişisel asistanlara...

Gerçekten yetişmeye çalışmak kadar verimsiz bir döngü yaşamadım. Onu da yapmalıyım, bunu da denemeliyim derken akıp giden saatler, kızarmış gözler, çoğunlukla kabarmış kredi kartı ekstresi. Evet, bunların birçoğu benim hiçbir işime yaramayacak. Sadece benim değil, dünyadaki birçok kişinin hiçbir işine yaramayacak. Sadece aman geri kalmayayım derken en kıymetli varlığım olan zamanımı tüketiyorum. Hep en önde gidemem. Bunu kabul edersem biraz daha kolay olacak her şey...

Peki Ne Yapalım?

Buradaki önerilerim hem kişisel hem de organizasyonel olarak değerlendirilmeli:

• Her ne yapıyorsak, o konuda gerçekten yeterli bilgiye sahip olmalıyız.

Suno ile müzik yapıyorsak sözleri bari kendimiz yazalım. Bunu da ChatGPT’ye bırakmayalım. Kod yazıyorsak, geliştirme yaptığımız ürünün hitap ettiği pazarı mutlaka araştıralım. Agent’ın kodladığı programlama dilini, ne yaptığını anlayacak kadar bilelim.

• Hangi yapay zekâ araçlarını kullandığınızı listeleyin

Kişisel ya da ekip için de olabilir. Claude, ChatGPT, GitHub Copilot, Midjourney gibi birçok araca abone olduğunuzu göreceksiniz. Maalesef çoğu kaynak israfı olabilir. Kullanılmayan abonelikleri iptal etmek şart.

• Kritik ve deneysel ayrımı yapın.

Tüm yapay zekâ araçları aynı değerde değil. Bazıları iş akışınızın can damarı, bazıları sadece “güzel olur.”

• Standartlaşma şart.

Sürekli farklı araç kullanmak hem maliyeti artırır hem de bilgi birikimini dağıtır. Mümkünse tek bir araç seçin.

• Verimliliğe odaklanmalıyız.

“Yapay zekâ kullanıyoruz” yetmez. “Yapay zekâ bize ne kazandırdı?” sorusuna cevap verebilmeliyiz. Bu cevaplar ölçülebilir olmalı. Zaman, kalite, maliyet ve inovatif yaklaşım olarak dört başlıkta bu cevapları toplayabilirsiniz:

• Zaman: Bir işlem önceden 4 saat sürüyordu, şimdi kaç saat? (Dikkat: %19 yavaşlama olabilir!)

• Kalite: Müşteri memnuniyeti, hata oranı değişti mi?

• Maliyet: Dış kaynak kullanımı azaldı mı? (örn: freelance tasarımcı ihtiyacı)

• İnovasyon: Yapay zekâ sayesinde daha önce yapamadığımız ne yaptık?

Ve şu kısım çok önemli: Sadece pozitif metriklere bakmayın. “Yapay zekâ kullanıyoruz ama performans düştü” durumlarını gerçekçi olarak değerlendirmemiz gerekiyor.

Son Söz

Tuzaklara düşmeyin. Eğer dikkatli ve düzenli kullanılırsa yapay zekâ gerçekten bizlerin üretkenliğini artırıyor. Ama bunun için disiplin, ölçüm ve strateji şart.

Bence siz de bu hafta bunu bir kontrol edin. Yapay zekâ sizin üretiminiz üstüne ne kadar fark yarattı? Daha iyi olabilir miydi? Neyi yanlış yaptım?

Daha da önemlisi: Siz ve ekibiniz toplam kaç yapay zekâ aracı kullanıyor ve bunların toplam maliyeti ne? Bu sorunun cevabını biliyor musunuz?

Fikirlerinizi ve yorumlarınızı bekliyorum.

Kaynakça

• CB Insights. (2025). Venture Trends 2025. https://www.cbinsights.com/research/report/venture-trends-2025/

• METR. (2025). Early 2025 AI Experienced OS Dev Study. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/