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

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

Hayat Hikayesi

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

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

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

Üç Katman

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

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

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

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

Komplo Teorisi

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

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

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

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

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

Dördüncü Deneme ile Alınan Nefes

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

Kimse Yanına Yaklaşamıyor

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

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

Asıl Bahis

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

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

Ümit Burnu Hikayesi

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

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

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

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

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

Sabırlı Para Modeli

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

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

Transistörden Unix’e

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

Faturayı Kim Ödedi?

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

Motor Neden Durdu?

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

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

Ya Hiç Var Olmasaydı?

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

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

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

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

Pekin’de gerçekten ne görüldü?

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

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

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

Devlet müşteri değil, ortak

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

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

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

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

Neden kuantum, neden tam da şimdi?

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

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

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

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

Avrupa’nın cevabı

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

Peki bu bize ne anlatıyor?

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

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

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

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

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

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

İnsanın Yeni Konumu: Sürecin Başında ve Sonunda

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

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

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

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

Uygulama Katmanının Sonu

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

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

Çerçeveyi Değiştirmek

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

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

Beğeni ve Estetik: Yapay Zekânın Sınırı

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

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

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

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

Hatalardan Öğrenen Ortak Beyin

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

Süreç döngüsel:

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

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

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

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

Klavye Hızından Düşünme Hızına

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

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

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

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

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

Önce Kendimden

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

O plan eridi.

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

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

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

Benim emeklilik planım buydu. Şu an iptal.

Asıl Yas Başka Yerde

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

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

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

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

İroni

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

Tebrikler, başardık... Artık kod yazamıyoruz.

Cevabım Yok

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

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

Bir cevabım olsa yazardım. Ama yok.

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

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

Haksız Rekabet

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

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

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

Rekabet Kapısı Kapanmıyor, Değişiyor

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

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

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

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

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

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

Son Söz

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

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

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

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

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

Üç paradigma, bir devrim

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

Şimdi sıra üçüncü sürümde.

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

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

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

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

Aralık 2025: Kırılma noktası

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

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

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

Vibe coding’den agent mühendisliğine

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

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

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

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

Kodlamayı bilmek değil, neyin doğru olduğunu anlamak.

Hayvanlar değil, hayaletler

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

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

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

Kavrama Devredilmemeli

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

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

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

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

DeepSeek Yanılsaması

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

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

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

Jevons Paradoksu: Ucuzladıkça Nasıl Pahalanır?

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

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

Tokenmaxxing: Silikon Vadisi’nin Yeni Statü Sembolü

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

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

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

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

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

Bulut Devleri Fiyatları Artırıyor

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

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

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

Anthropic’in Fiyat Deneyi

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

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

Engels’in Duraklaması

Burada tarihin tekrar ettiğini görmek gerekiyor.

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

Verimlilik patladı. Ama getiri, makineye sahip olanlara aktı.

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

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

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

Kimin Zekâsı

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

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

Ve o erişim giderek pahalanıyor.

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

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

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

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

Kaynakça

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

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

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

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

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

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

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

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

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

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

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

İş Bitirici Sınıf: Yeni Örgüt Mantığı

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

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

Koordinasyon Katmanı Boşa Çıkıyor

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

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

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

Unvanlar Neden Eriyor?

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

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

Yeni Otorite Kaynağı: Etki

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

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

Yapay Zekâ Sarhoşluğu ve Geri Dönüş

Elbette bu yaklaşımın riskleri de var.

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

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

Kodun Otoritesi

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

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

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

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

Teknik Yetenekler

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

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

Bardağın Dolu Tarafı

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

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

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

Bardağın Boş Tarafı

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

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

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

Daha Derin Bir Endişe

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

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

Geleceğe Bakış

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Yeni Proje: Project Prometheus

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

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

Hedef İşçiler Değil

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

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

Yapay Zekâ İşçinin Değil, Verimsiz Patronun Düşmanı

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

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

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

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

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

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

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

Türkiye İçin Asıl Mesele

Bu noktada Türkiye özelinde dürüst olmak gerekiyor.

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

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

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

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

Ama yerine bir şey koymaya hazırsanız.

Kaynaklar

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

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

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

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

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

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

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/