Yapay zekada gerçek değer!

YAZI: VICTOR DEY

Yapay zeka öncüsü Andrew Ng’e göre iş akışlarını otomatikleştiren ajan tabanlı sistemler (Agentic AI), insan seviyesinde zekadan çok daha önce ekonomik değer yaratacak.

Daha iyi yapay zeka modelleri geliştirme yarışı olarak başlayan süreç; bugün işlem gücü, yetenek ve kontrol mücadelesine dönüşmüş durumda. Metin, görsel, kod ve karar üretmek için devasa veri setleriyle eğitilen temel modeller (foundation models), artık kurumsal yazılımdan bulut altyapısına ve ulusal dijital stratejilere kadar pek çok alanın temelini oluşturuyor.

Ancak yapay zekaya dair dil giderek daha iddialı ve esnek hale geldi. “Agentic AI” kavramı akademik makalelerden Davos’taki billboard’lara sıçradı; yapay genel zeka (AGI) ise yatırımcı sunumlarında ve bilanço görüşmelerinde rutin bir ifade haline geldi. Tanımlar bulanıklaşıyor. Bazı şirketler “genel” kavramının çıtasını sessizce aşağı çekerek, kademeli verimlilik artışlarını bile AGI kapsamına sokabiliyor.

Buna karşın ekonomik sonuçlar, özellikle ölçülebilir yatırım getirisi (ROI), hâlâ düzensiz. PwC’nin 2026 Küresel CEO Araştırması’na göre 95 ülkede 4.454 CEO’nun yüzde 56’sı son 12 ayda yapay zekadan ne gelir artışı ne de maliyet düşüşü sağladıklarını belirtiyor. Yalnızca yüzde 12’si her iki sonucu birden elde etmiş. Buna rağmen CEO’ların yüzde 51’i, gelir artışına dair güven azalmış olsa da yatırımlarını sürdürmeyi planlıyor. Sonuç olarak mühendislik gerçekliği, ticari anlatı ve kamu beklentisi arasındaki makas açılıyor.

Modern yapay zekayı bu kadar doğrudan şekillendirmiş az sayıda isim var. Andrew Ng, DeepLearning.AI ve Coursera’nın kurucusu, Landing AI’nin icra kurulu başkanı ve Google Brain’in kurucu lideri olarak alanın hemen her aşamasında rol aldı. 200’den fazla makaleye imza atan Ng, daha önce Stanford AI Lab’i de yönetti. 2024’te “Agentic AI” kavramını popülerleştirerek, çok adımlı, araç kullanabilen ve iş akışlarını yürütebilen sistemlerin, yalnızca daha büyük modeller ölçeklemekten daha kısa vadede ekonomik değer üretebileceğini savundu.

Ng, Fast Company Global edisyonuna verdiği özel röportajda yapay genel zekânın hâlâ onlarca yıl uzakta olduğunu söylüyor. Gerçek rekabet alanı ise başka bir yerde.

“Agentic AI” kavramını siz popülerleştirdiniz. Bu terimi nasıl ortaya attınız ve çoklu ajan sistemleri kurumsal üretime geçerken kavram nasıl evrildi?
Bu terimi yaklaşık iki buçuk yıl önce kullanmaya başladım, fakat o dönemde kamuya açık şekilde sahiplenmedim. Topluluğun, odağını tek adımlı “prompt-cevap” etkileşimlerinden çok; çok adımlı muhakeme ve eylem gerçekleştirebilen sistemlere kaydıracak bir dile ihtiyaç duyduğunu düşündüm. Daha spesifik olarak, farklı düzeylerde otonomiye sahip bir spektrum olacağını öngördüm: Bir kısmı hafif otonom ya da hafif ‘agentic’, bir kısmı ise uzun süre boyunca çok sayıda adım atabilen, yüksek derecede ‘agentic’ sistemler.

Ben kullanmaya başlayana kadar bu kavram bu bağlamda yaygın değildi. Bültenimde ve konferans konuşmalarımda kullanmaya başladım ve hızla karşılık buldu. Pazarlama ekiplerinin bu kadar sahipleneceğini ise doğrusu beklemiyordum. Bu yıl Davos’a gittiğimde kelimeyi binaların cephelerinde gördüm. San Francisco dışında bile billboard’larda yer alıyor. Terimi bilinçli şekilde yaymak istedim ama bazen “fazla mı ileri gittim?” diye düşünmüyor değilim.

ASIL SORU YATIRIMIN GERİ DÖNÜŞÜ

Kurumlarda “Agentic AI” benimsenmesi hızlanıyor ancak entegrasyon, yönetişim ve ölçülebilir ROI konusunda zorluklar var. Neden?
İki yıl önce yoğun bir risk ve tehlike söylemi vardı. Geçen yıl şirketler gerçek dünya uygulamalarına odaklandı. Bu yıl ise gündem net biçimde yatırımların geri dönüşü. Birçok şirket henüz güçlü getiri görmese de yatırım yapmayı sürdürüyor çünkü yapay zekanın nihayetinde değer yaratacağını biliyorlar. Söylem, “ne yapabilir?” heyecanından “ekonomik etkiyi nasıl üretir?” sorusuna evrildi. Bir de ilginç bir “çift ekran” durumu var. Bir yanda şirketler “Agentic AI”nin henüz anlamlı ROI üretmediğini söylüyor -ki haklılar. Diğer yanda ‘agentic’ iş akışları geliştiren ekipler hızlı büyüme ve somut uygulamalar görüyor. Penetrasyon hâlâ düşük ama hızlı biçimde bileşik olarak büyüyor.

Şirketlerin en büyük hataları neler?
Çoğu şirket aşağıdan yukarıya inovasyon izliyor. Bu değerli ama genellikle noktacık çözümler üretiyor; dönüşüm değil, marjinal verimlilik artışı sağlıyor. Eğer yapay zeka bir süreçte yalnızca tek bir adımı otomatikleştiriyorsa, belki bir saatlik insan emeği tasarruf edersiniz. Bu faydalıdır ama işi kökten değiştirmez. Bugünkü uygulamaların çoğu bu kategoride. Gerçek değer için şirketlerin tek tek görevleri optimize etmek yerine, uçtan uca iş akışlarını yeniden tasarlaması gerekir. Bu ise üst yönetim liderliği gerektirir. Tek bir adımda çalışan birinin tüm süreci dönüştürme yetkisi olmaz. Etki, sektörel reçeteleri kopyalamaktan değil, organizasyonun özgül bağlamına göre strateji geliştirmekten gelir.

Şu anda bir yapay zeka balonunun içinde olup olmadığımız ya da internet dönemine benzer erken aşama bir altyapı inşa sürecinde bulunup bulunmadığımız konusunda büyüyen bir tartışma var. Sizce yapay zeka balonu var mı? Spekülatif hype ile bugün gerçekten yaratılan kalıcı ve sürdürülebilir yapay zekâ değerini nasıl ayırt edebiliriz?
Uygulama katmanında balon olduğunu düşünmüyorum. Hukuki ve teknik doküman işleme, müşteri başarı yönetimi, araştırma gibi alanlarda hızlı genişleme var. Daha fazla uygulama yatırımı ve inference altyapısı görmek isterim; şu an kapasite yetersizliği ve rate limit kaygıları var. Yani şu an modeller var, ama onları çalıştıracak yeterli ‘hesaplama altyapısı’ yok. Asıl soru model eğitim katmanında. En büyük yatırımlar az sayıda oyuncuda yoğunlaşıyor. Sadece belirli amaçla kullanılan ve inference’ta verimsiz şekilde yeniden kullanılabilen özel donanımlar söz konusu olduğunda aşırı kapasite riski artıyor. Şu anda aşırı yatırım yapıldığını düşünmüyorum. Ama risk varsa, en çok eğitim katmanında.

SİSTEMLER FARKLILAŞACAK

Sektör tek model yaklaşımından daha çeşitli ve ‘agentic’ sistemlere doğru ilerlerken, şirketler yapay zeka mimarisini nasıl kurgulamalı? Gerçek dünyada çalışan AI sistemleri için tek bir baskın çerçeve mi ortaya çıkacak, yoksa kurumların daha esnek bir yaklaşım benimsemesi mi gerekecek?
Yazılım beş satır koddan yıllarca çalışan dev sistemlere kadar uzanır. Bu çeşitlilik nedeniyle tek bir mimari ya da yönetişim çerçevesi olmayacak. İnsan işi de çeşitlidir: Yazım denetiminden karmaşık finansal analizlere kadar. Dolayısıyla yapay zeka sistemleri de farklılaşacak. Bizim ekiplerde temel ilke hız. Sürekli iyileştirme şart. Dikkatli inşa eder, kullanıcıyla test eder, geri bildirim toplar ve hızla iterasyon yaparız. Bu döngü güvenilir ve yüksek performanslı sistemleri mümkün kılar.

“Agentic AI”, sistemlerin sınırlı insan müdahalesiyle akıl yürütme ve harekete geçme kapasitesini hızla artırıyor. Peki bu mimarilerin yükselişi, AGI’ye yani ‘Yapay Genel Zeka’ya giden yolu anlamlı biçimde hızlandırıyor mu?
Halkın çoğu AGI’yi insan kadar zeki yapay zeka olarak görüyor. Faydalı bir tanım da şu: İnsanların yapabildiği her entelektüel görevi yapabilen sistem. Siz ve ben 20 saat eğitimle uçak uçurmayı öğrenebiliriz, ormanda kamyon sürebiliriz ya da yıllar içinde doktora tezi yazabiliriz. Çoğu insan bunları yapabilir. Yapay zeka bu seviyeden hâlâ çok uzak. Bazı şirketlerin ileri sürdüğü alternatif, daha düşük eşikli tanımlarla bakarsanız, “AGI’ye ulaştık” denebilir. Ama bu, insan seviyesinde zekaya ulaşıldığı anlamına gelmez; yalnızca tanımın aşağı çekildiğini gösterir. Bir yıl önce AGI 50 yıl uzakta gibiydi. Son bir yılda belki yüzde 2 ilerledik; 49 yıl kaldı diyebiliriz. Bu mecazi bir ifade ama özeti şu: Yaklaştık, fakat hâlâ onlarca yıl uzağız.

EGEMEN YAPAY ZEKA

Jeopolitik parçalanma hükümetlerin ve şirketlerin yapay zeka stratejisini değiştiriyor mu?
Gözlemlediğim bir diğer büyük tema “egemen (sovereign) AI”. Dünya giderek daha parçalı bir yapıya evriliyor ve ulus-devletler, yapay zekaya erişim konusunda başka ülkelere ya da uzun vadede tam anlamıyla güvenemeyecekleri tek bir şirkete bağımlı kalmak istemiyor. Bu nedenle hükümetler ve bölgeler, rekabetçi ve güvenli kalabilmek için kendi AI kapasitelerini nasıl inşa edip sürdürebileceklerini dikkatle değerlendiriyor. Yapay zeka ekonomik büyüme ve ulusal güvenlik açısından daha merkezi bir konuma geldikçe, altyapıyı ve modelleri kimin kontrol ettiği sorusu da çok daha kritik hale geliyor. Dolayısıyla kurumsal benimsemenin yanı sıra AI’nin devreye alınmasında giderek güçlenen bir jeopolitik boyut da söz konusu.

2026’da şirketler AI’dan gerçek ekonomik getiri ararken, ‘agentic’ sistemlerden anlamlı değer yaratıp yaratamayacaklarını belirleyecek liderlik kararları ve iş gücü dönüşümleri neler olacak, gerçek ekonomik değer için liderler ne yapmalı?
Liderlik belirleyici. CEO’larla çalıştığımda, üst yönetim seviyesinde neye yatırım yapacağına stratejik olarak karar vermesi ve bu yatırımları yalnızca etrafındaki hype’a değil, teknolojinin gerçekten neyi yapabildiğini ve neyi yapamadığını net biçimde anlayarak bilinçli şekilde konumlandırması gereken kritik anlar görüyorum. Dönüşüm dönemlerinde, bir organizasyonun AI’dan gerçek değer üretip üretemeyeceğini ya da sadece sınırlı deneyler yapıp kenarda kalacağını liderlik kararları belirler.

Büyük bir stratejik yön belirlemeden önce sık sık CEO’larla konuşurum. Kimse AI’nın birkaç yıl içinde tam olarak nerede olacağını bilmiyor; adeta bir “savaş sisi” içinde hareket ediyoruz. Ancak belirsizlik hiçbir şey bilmediğimiz anlamına gelmez. Teknolojiyi derinlemesine anlayan ekipler ve iş ortakları, bu belirsizliği önemli ölçüde daraltabilir ve çok daha bilinçli kararlar alınmasını sağlayabilir.

Aynı zamanda herkesin kod yazmayı öğrenmesi ya da en azından AI ile yazılım geliştirmeyi öğrenmesi gerekiyor. AI, özel araçlar üretmenin önündeki bariyeri ciddi biçimde düşürdü. Bugün pazarlama ekiplerim, işe alım uzmanlarım, İK profesyonellerim ve finans analistlerim AI kullanarak kod yazdıklarında, kullanmayanlara kıyasla çok daha üretkenler. İşe alım yaparken de artık AI desteğiyle üretim yapabilen adayları tercih ediyorum. Bu dönüşümde erken davranmış olabilirim, ancak artık daha fazla girişimin ve köklü şirketin aynı yöne hareket ettiğini görüyorum. Nasıl ki internet araması yapamayan ya da e-posta kullanamayan birini işe almak zamanla düşünülemez hale geldiyse, ben de artık AI kullanarak kod üretmeyen ya da otomasyon geliştiremeyen beyaz yaka çalışanları işe alırken tereddüt ediyorum.

“İşe alım yaparken artık AI desteğiyle üretim yapabilen adayları tercih ediyorum. Bu dönüşümde erken davranmış olabilirim, ancak artık daha fazla girişimin ve köklü şirketin aynı yöne hareket ettiğini görüyorum.”

ŞİRKETLER HATAYI NEREDE YAPIYOR?

• DÖNÜŞTÜRÜCÜ DEĞİL Şirketlerin en sık yaptığı hata, yapay zekayı küçük ve sadece verimlilik araçları olarak konumlandırmak. Çoğu kurum aşağıdan yukarıya bir inovasyon modeli izliyor. Bu yaklaşım değerli olabilir; ekipler kendi iş akışlarında deneyler yapıyor, küçük otomasyonlar geliştiriyor. Ancak sonuç noktasal çözümler oluyor. Bu faydalı, ama dönüştürücü değil.
• UÇTAN UCA TASARIM ÖNEMLİ Gerçek değer, tek tek görevleri optimize etmekten değil, uçtan uca iş akışlarını yeniden tasarlamaktan gelir. Bir organizasyonda belirli bir adımı yürüten kişinin tüm süreci yeniden kurgulama yetkisi yoktur. Bu nedenle dönüşüm, alt ekiplerin inisiyatifiyle sınırlı kalır. Anlamlı getiri için üst yönetimin aktif liderliği gerekli.
• HAZIR REÇETELER Bir diğer hata da sektörel “hazır reçeteleri” kopyalamak. Her şirketin süreçleri, veri yapısı ve karar mekanizmaları farklıdır. Başka bir şirkette işe yarayan bir ‘agentic’ sistem, sizde aynı sonucu vermeyebilir. Yapay zeka stratejisi, şirketin kendi yapısına göre tasarlanmalıdır. Aksi halde ortaya çıkan şey, dönüşüm değil iyileştirmedir.

AI BALONU TARTIŞMASI YANLIŞ YERDE

• SOMUT KULLANIM
  Uygulama katmanında bir balon görmüyorum. Hukuki ve teknik doküman işleme, müşteri başarı yönetimi, araştırma gibi alanlarda AI gerçek iş problemlerini çözerek hızla yayılıyor. Burada spekülatif bir genişleme değil, somut kullanım görüyorum. Hatta benim görmek istediğim şey daha fazla uygulama yatırımı. Şu anda temel modeller var ama onları gerçek dünyada çalıştıracak yeterli çıkarım kapasitesi yok.
• ASIL RİSK NEREDE?
  Bir riskten söz edeceksek, bu risk model eğitim katmanında ortaya çıkabilir. En büyük sermaye yatırımları az sayıda oyuncuda yoğunlaşıyor. Bu tür yüksek maliyetli altyapının başka kullanım alanlarına kaydırılamaması, zaman içinde aşırı kapasite riskini artırabilir. Şu an için aşırı yatırım yapıldığını düşünmüyorum. Ancak AI piyasasında balon olasılığı aranacaksa, bunun en muhtemel adresi uygulamalar değil, eğitim katmanıdır.

“Yapay genel zeka (AGI) bir yıl önce 50 yıl uzakta gibiydi. Son bir yılda belki yüzde 2 ilerledik. Ona ulaşmaya 49 yıl kaldı diyebiliriz. Bu mecazi bir ifade ama özeti şu: Yaklaştık, fakat hâlâ onlarca yıl uzağız.”