Yıldız Holding Yönetim Kurulu Üyesi Murat, kaleme aldığı son yazısında yapa zekadaki furyaya değindi. Ülker, “Gençler hatırlamaz ama bir zamanlar çok modaydı, filan nereden koşuyor diye sormak. Emin Çölaşan’ın rahmetli Turgut Özal için başlattığı bir iftira kampanyası ile dillere düşmüş ve rakibi hadsizce kıyasıya eleştirmek için kullanılan bir üsluptu. Şimdi de yapay zeka için benzeri bir furya var;” dedi.
İŞTE ÜLKER’İN YAZISININ TAMAMI
Gençler hatırlamaz ama bir zamanlar çok modaydı, filan nereden koşuyor diye sormak. Emin Çölaşan’ın rahmetli Turgut Özal için başlattığı bir iftira kampanyası ile dillere düşmüş ve rakibi hadsizce kıyasıya eleştirmek için kullanılan bir üsluptu. Şimdi de yapay zeka için benzeri bir furya var; kesin birtakım amaçlara hizmet etmesi için bilinçli olarak üretilen veya kendiliğinden gelişen, açıkçası gerçek ile de pek işi olmayan efsaneleri yani mitleri tanımlamak bence hepimiz için önemli. Bu efsaneleri HBR’nin 2026 kitabındaki (1) tahminleri ve tespitleri ile ilişkilendirerek detaylı yazıyorum. Ama önce MİTleri sıralayalım:
Mit 1: Agentic AI zaten kendi kendine çalışacak seviyeye yaklaştı.
Mit 2: Blockchain, yapay zekadaki güven sorununu kusursuz bir şekilde çözer.
Mit 3: Sağlıkta hiper kişiselleştirme geldi.
Mit 4: Living Intelligence yani Yaşayan Zeka çağının eşiğindeyiz; her şey kendi kendine öğrenen sistemlere dönüşecek.
Mit 5: Büyük teknoloji sağlayıcıları kusursuzdur; sistemik çöküş mümkün değildir.
Mit 6: Veri zaten şirketin malı; çalışan ya da vatandaş bu konuda söz sahibi olamaz.
Mit 7: DeepSeek ve benzerleri gösterdi ki Batı Dünyası’nın Yapay Zekada üstülüğünün sonu geldi, artık her şey ucuz ve kolay olacak.
Mit 8: Yapay Zeka çok verimli; çevresel ayak izi aslında görmezden gelinebilir.
Mit 9: Yavaş gelişen teknolojiler için uzun vadeli stratejiye gerek yok; zaten ya patlar ya ölür.
Mit 10: Yapay Zeka işlerin çoğunu beyaz yakadan alacak.
Sonrasında ise İŞİN ASLI NEYMİŞ? Kim ne demiş? Biz, Türkiye olarak ne yapabiliriz?
Yapay Zeka Çağında Çalışan mı Hızlanmalı, Sistem mi? İnsan ve yapay zeka kpi’ları nasıl hizalanmalı?
Gibi sorunlardan bahsedeceğim. Ancak ekosisteminin tamamını kavrayabilmek için, yapay zekayı “üreten emeği” de anlamamız gerekiyor. 2025’te yayımlanan “Feeding the Machine: The Hidden Human Labor Powering AI” (Makineyi Beslemek: Yapay Zekayı Güçlendiren Gizli İnsan Emeği) kitabı bunun için oldukça iyi bir kaynak.
Neticede hedefimiz çalışan mutluluğu için olmalıdır; yoksa YZ ne işe yarar ki! @mutluetmutluol
Geçenlerde Tech Cerebrum’un düzenlediği Generation Next Summit’e de katıldım. Daha önce de belirttiğim gibi Türkiye’nin yapay zeka geleceğinin en üst düzeyde ele alındığı önemli bir buluşma oldu, bu notlarımı da konuyla birleştirerek sizinle paylaştım (https://www.instagram.com/p/DU78EceiN8N/).
YENİ TEKNOLOJİ EFSANELERİ (myth)
Yeni teknolojilerde, özellikle yapay zeka, blokzincir, kuantum bilgisayarlar ve biyoteknoloji tartışmalarında “mit” (myth) kelimesi, klasik anlamından biraz farklı kullanılır. Artık yalnızca “gerçek olmayan inanış” değil, bir teknolojinin etrafında oluşan kolektif anlatıyı da ifade ediyor. Çok bilinen birkaç örnek sıralayayım ki konu bizim gibiler tarafından daha iyi anlaşılsın.
Yanlış inanış (myth as misconception): Yapay zeka yakında bütün işleri tamamen ortadan kaldıracak, denildiğinde bu bir mit olabilir, çünkü gerçeği aşırı basitleştirir.
Kurucu anlatı (founding myth): Silikon Vadisi’nin “garajda başlayan girişim” hikâyesi. Apple, HP gibi örnekler gerçek unsurlar barındırsa da, zamanla girişimciliğin kültürel miti hâline gelmiştir. Zaten müstakil villanızda size münhasır bir kapalı garajınız ve içinde otomobilleriniz varsa, hayata iyi bir yerden başlıyorsunuz demektir, bana göre…
Vizyoner anlatı (technology myth): Bir teknolojinin henüz gerçekleştirmediği ama insanları peşinden sürükleyen gelecek tasviri. Örneğin AGI’nın insanlığı tamamen dönüştüreceği veya Mars’ta milyonlarca insanın yaşayacağı fikri, teknik bir öngörü olduğu kadar bir mittir. Aman dikkat biz delikanlı iken de “Uzay Yolu” efsane dizisi vardı. Işınlanma ve ışık hızı ile seyahat hariç hepsi gerçekleşti!
Pazarlama miti: Şirketlerin teknolojiye neredeyse büyülü özellikler atfetmesi. “Bu yapay zekâ her problemi çözer.” gibi. Bu genelleme huyumuzdan nasıl vazgeçeriz, bilmiyorum.
Burada “mit”, mutlaka yalan anlamına gelmez. Daha çok ünlü edebiyat kuramcısı, göstergebilimci Roland Barthes’ın kullandığı anlamda, bir topluluğun dünyayı anlamlandırmasını sağlayan güçlü bir anlatıdır. Teknolojide mitler yatırım çeker, yetenekleri cezbeder, kullanıcı davranışını etkiler ve hatta düzenleyici politikaları şekillendirir.
Ben şimdi size yapay zeka ile ilgili 10 meşhur miti aktarayım da gelecek hakkında siz karar verin.
Mit 1: Agentic AI zaten kendi kendine çalışacak seviyeye yaklaştı.
Yapay zekayla ilgili herkesin bir adım önde olduğunu, geride kaldığınızı düşündüğünüzde, internette karşılaştığınız videolarda, bir görev verdiğinizde kendi planını çıkaran, alt hedefleri döken ve sonuç üreten mükemmel yapay zeka modellerini görünce “yakında tamamen kendi başına çalışan bir sistem göreceğiz” düşüncesi canlanıyor, değil mi? Bu modeller Agentic AI olarak tanımlanıyor. Bizdeki bu düşüncenin kaynağı teknoloji gündeminin hızla değişiyor olması ve tabii merakımız, gelişmelerin bizi heyecanlandırıyor olmasıdır. HBR’nin 2026 derlemesi kendi kendine kusursuzca işleyen bir makinenin hala pek de yakın olmadığını gösteriyor. Hatta bölümün yazarı ekonomist Mark Purdy’nin anlattıklarından, bu alandaki ilerlemenin ne kadar da zahmetli olduğunu anlıyoruz.
Agentic AI, bugün kullanıcı bir görev belirlediğinde, cevap verirken işin kapsamını, safhalarını kendisi düşünüp planlayabiliyor. Bu elbette muazzam bir gelişme. Ama sakın bağlamı kendi başına toplayan ve hatalarını kendi kendine düzelten bir yapı gözünüzde canlanmasın. Bu modellerin işe yarar sonuçlar üretebilmesi için hala insan belirliyor çerçeveyi! Görevin kapsamı ve sınırları, kararların hangi parametreler gözetilerek verileceği, izin verilen kaynaklar, hangi riske ne kadar tolerans gösterileceği gibi konular, insan eliyle netleştirildiği sürece sistem işliyor.
Bir diğer mesele, bu sistemlerin kendi kendini düzenleyebilen yapılar olmamasıdır. Agentic AI, Türkçe’de vekil YZ yani benim yerime işimi yapan vekalet verdiğim kişi veya kurum gibi, beni oldukça heyecanlandırdı. Ancak kendi kararlarıyla, kendi stratejisiyle, kendi düzeltme mekanizmalarıyla işleyen bir zekâdan söz etmek için erken.
Mit 2: Blockchain, yapay zekadaki güven sorununu kusursuz bir şekilde çözer.
Daha önce bir yazımda yer verdiğim (https://muratulker.com/ne-olacak-bu-kripto-para-ve-nftnin-hali/) Blockchain veri güvenliği, mülkiyet ve güven kavramlarını kurumlardan alıp algoritmalara veren merkeziyetsiz bir dijital kayıt mimarisidir. İkinci mit yani efsane bununla ilgili: “YZ’ye güven krizini çözmek istiyorsak, sistemin yanına bir de blockchain ekleyelim, gerisi kendiliğinden gelir.” Kulağa hoş gelse de, gerçek böyle değil. Birçok kurum için mesele, YZ’nin nasıl çalıştığını gerçekten anlamaktan çok, hesap verilmesi gerektiği vakit “bakın her şeyi kayıt altına alıyoruz” diyebilmekten öteye geçmiyor. Sanki böylece sorumluluk ve hesap verebilirlik de otomatik olarak halledilmiş olacak.
İşin öncelikle organizasyon ve insan kısmını halletmeniz gerekiyor, teknoloji buna eşlik etmeli. Eğer arayüzün ve sürecin tasarımında modele dair her kararın zincire işlenmesini işin kendisine dahil hale getirirseniz, böylece çalışanlar her şeyi kayıt altına almak zorunda kalırlar.
Mit 3: Sağlıkta hiper kişiselleştirme geldi.
Son yıllarda sağlık teknolojisi hakkında konuşurken sık sık aynı cümleleri duyuyoruz: “Veri artık her yerde, cihazlar sürekli ölçüyor, elektronik sağlık kayıtlarında her bilgi var; demek ki kişiselleştirilmiş tedavi dönemi başlamış”. Bu umut verici anlatı epey yaygın ama bu iddianın pratik karşılığı henüz zayıf, çünkü büyük sağlık verisine erişim hala dağınık, sistem silo yapıları ile işliyor, süreçler ise kırılgan.
Hastanelerde istenen standart ön hazırlık testleri, çoğu zaman zaten var olan sonuçları göz ardı ediyor. 2021 ila 2022 yılları arasında analiz edilen 20.000 vaka içinde hastaların yüzde 70’inin, istemeden tekrar edilen testlerle vakit kaybettiği görülmüş. Sistem hala, genel olarak elindeki veriyi birbirine bağlayarak akıllı bir karar zinciri oluşturabilmekten uzak.
EHR’ler (Electronic Health Record) yani dijital veri kayıtları aracılığıyla sunulan teşhis önerileri veya standart tedavi usulleri de, çoğu zaman hastanın sosyal koşullarını, eşlik eden hastalıklarını, yaşam düzenini veya güncel risk profilini tam olarak hesaplayamıyor. Yani elinizde düzenlenmiş bir tedavi çizelgesi olsa bile gerçek hayattaki binlerce küçük değişkene uyum sağlama kapasitesi oldukça sınırlı. Bu yüzden doktorların bu rehberlere güveni de giderek azalıyor. Kişiselleştirme iddiasının gerçek olabilmesi için süreçlerin modülerleşmesi, karar noktalarının parçalanması ve yapının daha esnek hale gelmesi gerekiyor. Veri zaten mevcut; ama verinin doğru bağlamda işlenmesi henüz eksik. Yapay zekanın burada sağlayabileceği katkı, her bir hastanın koşullarına göre testi, randevuyu, ön hazırlığı veya bakım yolunu dinamik olarak düzenlemek. Bazı örneklerde bu uygulanmış ve ciddi bir verimlilik artışı sağlanmış. Sağlıkta hiper kişiselleştirme ancak operasyonel bir dönüşüm problemi.
Mit 4: Living Intelligence yani yaşayan zeka çağının eşiğindeyiz; her şey kendi kendine öğrenen sistemlere dönüşecek.
Teknoloji dünyasında gündemdeki bir kavram hakkındaki anlatı genellikle gerçeküstü olur: “Sistemler artık yalnızca veri işleyen araçlar olmayacak; tıpkı bir organizma gibi çevrelerini algılayan, uyumlanan, kendini güncelleyen yapılara dönüşecek.” Bu cümle heyecan verici fakat gerçekle arasında ciddi bir fark vardır.
Bugün elimizde olan teknoloji; daha çok “algıların genişlemesi” ile ilgili modellerde sensörler, akıllı cihazlar ve çevresel veriler birbirini besliyor ve sisteme dış dünyadan gelen bilgi akışı daha zengin hale geliyor. Ama bu, adaptasyon kabiliyetinin kendiliğinden geliştiği anlamına gelmiyor. Sistemin büyük bölümü hala birbirinden kopuk, şirketler arası uyum ise oldukça sınırlı.
Yaşayan Zeka yani Living Intelligence dendiğinde, birçok kişi yakın zamanda kendi kendine öğrenen, kendi sınırlarını çizen, kendi amaçlarını belirleyen sistemler göreceğini sanıyor. Halbuki sistemlerin hangi koşullarda nasıl davranacağı, nereye kadar otonomi kazanacağı ve hangi risklere karşı korunacağı, yine insan eliyle belirleniyor. Ama yine de Living Intelligence güçlü bir vizyon, yakından izlemekte fayda var.
Mit 5: Büyük teknoloji sağlayıcıları kusursuzdur; sistemik çöküş mümkün değildir.
Kurumların çoğu, bulut hizmetlerini, güvenlik araçlarını veya altyapı tedarikçilerini seçerken bu düşünce ile kendini rahatlatıyor. Sanki ölçeği büyük olanın hatası da küçük olur; milyonlarca müşteriye hizmet veren bir şirket hiçbir sorun yaşamazmış gibi; halbuki Microsoft Azure’un yaşadığı geniş çaplı global kesintide de sorunlar ortaya çıktı ve başka örnekler de var.
Uzmanlara göre bir başka kritik konu, sektör hala riskin bütünsel analizini yapacak bir modele sahip değil; şirketler bir şeylerin yanlış gitmesi durumunda kendi işlerinin ne kadar süre aksayacağını, hangi süreçlerin birbirine bağımlı olduğunu veya ne kadar hızlı toparlanabileceklerini çoğu zaman kestiremiyor.
Mit 6: Veri zaten şirketin malı; çalışan ya da vatandaş bu konuda söz sahibi olamaz.
Modeller güncel davranışları öğrenebilmeleri için sürekli beslenmeye ihtiyaç duyuyor; kaynak tüm ekosistem yani çalışanların yazdığı e-iletiler, kullanıcıların platformlara bıraktığı içerikler, dijital ortamda yaptığınız hemen her şey ve veri akışı azaldığında modeller hızla “bayatlıyor”, hata oranları artıyor ve sistemlerin karar kalitesi düşüyor. Artık veri tek taraflı sahip olunan bir kaynaktan ziyade karşılıklı bir alışveriş, bir ilişki olarak değerlendirilmeli.
Son birkaç yılda karşımıza çıkan veri sendikası girişimleri, veri kooperatifleri veya çalışan temelli veri protokolleri; hep bu dönüşümün sonuçları. İnsanlar artık “benim verimden faydalanıyorsan, bu ilişkinin şartlarını birlikte belirleyelim” diyor. Kimi zaman bu, eğitim verisinin nasıl kullanılacağına dair sınır talebi; kimi zaman bir model güncellenirken hangi içeriğin dahil edilemeyeceğine ilişkin veto hakkı; kimi zaman ise veri katkısının maddi anlamda bir karşılığının olup olmayacağı yönünde bir tartışma olarak vuku buluyor. Verinin sahibi kim sizce?
Mit 7: DeepSeek ve benzerleri gösterdi ki Batı Dünyası’nın Yapay Zekada üstünlüğünün sonu geldi, artık her şey ucuz ve kolay olacak.
DeepSeek R1 esasında yeni bir dönemin başlangıcını işaret ediyor. GPT-4 dönemini tanımlayan “Pattern matching” (örüntü eşleştirme) yaklaşımının yerini, akıl yürütebilen, ara adımlar oluşturabilen, problemi parçalayıp çözüme ilerleyebilen modeller almaya başladı. Reinforcement Learning’in (RL) ağırlığı artıyor; modeller sonucu tahmin etmekten çok, çözüm üretmeyi öğreniyor.
R1’in geliştirme maliyetinin 5,5 milyon dolar olduğu iddia ediliyor; fakat bu rakamın yalnızca tek bir eğitim çalıştırması olduğu zaten raporlarda açıkça belirtiliyor yani mühendislik, veri hazırlığı, donanım altyapısı, operasyon maliyetleri bu hesabın içinde değil. Batı’ya göre daha ucuz olduğu doğru; fakat bedavaya da değil! Ama şunu da unutmamak lazım RL çalışabilmek için güçlü örüntü tahmini (PR) gerekiyor.
Artık açık kaynak ve kapalı modeller aynı ekosistemin parçaları halinde ama bu, “açık modeller her şeye çözüm” anlamına gelmiyor. Kapalı modeller güvenlikte, multimodal kabiliyette ve kırılması yapılarla hala önde. Yani kazanan tümünü alır senaryosu yok. Çok aktörlü, karma bir pazar yapısı var.
Yani yarış bitmedi, aksine yeni başlıyor.
Mit 8: Yapay Zeka çok verimli; çevresel ayak izi aslında görmezden gelinebilir.
Bu medyatik bir sav; “Modeller daha verimli, donanım yatırımları artıyor, veri merkezleri artık optimize gibi demek ki enerji tüketimi eskisi kadar sorun değil.”. Ama bu doğru değil!
Verimlilik artışı, toplam etkiyi azaltmaz, bilakis modellerin kullanım alanları genişledikçe enerji tüketimi de katlanarak büyüyor. Bir yandan çip mimarileri hızlanıyor, soğutma teknolojileri iyileşiyor, model eğitiminde kullanılan yöntemler daha hesaplı hale geliyor; ancak YZ’ye olan talep de olağanüstü bir hızla artıyor. Sonuçta sistem, kazandığı verimliliği birkaç kat fazlasıyla geri harcıyor.
Mit 9: Yavaş gelişen teknolojiler için uzun vadeli stratejiye gerek yok; zaten ya patlar ya ölür.
Gözümüzün önünde tam bir asırdır yavaşça gerçekleşen bir devrim var; mesela LiDAR yani nesneleri lazer ışınıyla tarayıp 3 boyutlu harita çıkaran sensörlerdeki maliyet düşüşleri, GPS’in neredeyse ücretsiz hale gelmesi, 5G’nin yaygınlaşması, sensör teknolojilerindeki gelişmeler ve yapay zekanın olgunlaşması derken; devrimin bileşenlerinin her biri farklı hızlarda, farklı maliyet eğrilerinde olgunlaşıyor. Bugün hala en kritik bileşenlerden bazıları, mesela tam otonom sürüş için gereken yapay zeka, “moonshot” kategorisinde; Moonshot, birbirine bağlı onlarca teknolojinin aynı anda olgunlaşmasını gerektiren, süre ve koordinasyon gerektiren uzun soluklu projelerdir. Şirketlerin “bırakalım olgunlaşsın, zamanı gelince bakarız” demesi bir körlük yapıyor, çünkü bu devrim bu teknolojik çoklu altyapıların aynı anda uygun maliyet ve kaliteye ulaşmasıyla gerçekleşiyor.
Bu nedenle teknolojiyi “yeterince ucuzladığında değerlendiririz” diyen şirketler, genellikle rakiplerini izlemekle yetiniyor. Burada beklemek, bir nevi stratejik körlük olarak değerlendirilebilir.
Mit 10: Yapay Zeka işlerin çoğunu beyaz yakadan alacak.
Teknolojinin hızını görünce, iş dünyasının da benzer bir hızla değişeceğini varsayıyoruz, kaygılanıyoruz. Geleceğe dair tahminler çoğu zaman “neyin mümkün olduğundan” çok, “kimin bunu söylediği” tarafından belirleniyor.
İşgücü dönüşümü, tek başına teknolojiyle açıklanabilecek bir süreç değildir. Ekonomik koşullar, kurumların yatırım tercihleri, regülasyonlar, organizasyonel tasarımlar, çalışan politikaları gibi birçok unsur gelişmenin yönünü belirler. Teknoloji ise tüm bunların kritik bir bileşeni; bazı görevler otomasyonla kolaylaşıyor, bazıları yeniden tanımlanıyor, bazıları ise tamamen yeni beceriler gerektiriyor. Değişimin hızı sektörlere, kurumlara ve yerel koşullara göre farklı yani tek bir kırılma anı veya tek yönlü bir gelecek yok.
İŞİN ASLI NEYMİŞ
Yapay Zeka Çağında Çalışan mı Hızlanmalı, Sistem mi?
Cerebrum Technologies’in Yönetim Kurulu Başkanı R. Erdem Erkul 15 Şubat’ta LinkedIn hesabında yayımladığı bir postta şunları yazmıştı: “Geçtiğimiz hafta Ar-Ge haftalık toplantımızda, ekip arkadaşlarımla uzun uzun konuştuk. Masada klasik bir gündem yoktu. Ne backlog listesi ne sprint tartışması… Şu soruyu sordum: Son bir haftada gerçekten kaç satır kod yazdınız?
En kıdemli mühendislerimizden biri gülümsedi. “Yazmadık” dedi. Biz artık kod yazmıyoruz. Kod ürettiriyoruz. O an aslında tarihin kırıldığı yeri hissettim. Eskiden mühendis; satır satır yazan kişiydi. Bugün mühendis; doğru soruyu soran, doğru mimariyi kuran, üretilen kodu denetleyen, sistemi yöneten kişi. Cerebrum Tech’te aylardır bunu yaşıyoruz.
Artık bir geliştiricimiz sabah evden çıkarken Slack üzerinden yapay zekaya: Şu modüldeki bug’ı düzelt. “Cerelinsight’a yeni dashboard filtresi ekle”; “LLM inference katmanında latency’yi optimize et” diyebiliyor. Ofise gelmeden, sistem test edilmiş versiyonu geri gönderiyor. Mühendis ve yazılımcı inceliyor, onaylıyor, üretime alıyoruz. Artık yazılım geliştirme tanımı değişti.
Eskiden: Kod → Test → Deploy idi. Bugün: Niyet → Prompt → Denetim → Ölçekleme. Aradaki fark, sadece hız değil. Zihinsel yükün değişmesi. Biz artık parmak kası değil, muhakeme kası çalıştırıyoruz. Ar-Ge ekibimizle konuşurken şunu söyledim: “Yapay zeka bizim yerimizi almıyor. Bizim seviyemizi değiştiriyor. Bu dönüşüme hazır mıyız?”
Mühendislerimizi, yazılımcılarımızı kod yazan kişiler olarak mı yetiştiriyoruz, yoksa sistem düşünen, mimari kuran, yapay zekayı yöneten kişiler olarak mı? Cerebrum’da gördüğümüz tablo net: Bu yolun sonu değil. Henüz başlangıcındayız. Ve kazananlar, en hızlı yazanlar değil; en iyi düşünenler olacak.(https://www.linkedin.com/feed/update/urn:li:activity:7428729178004439040/).”
Bugün birçok kurumda şu refleksi görüyoruz: “Yapay zekâ çok hızlı. O halde çalışan da hızlanmalı.” Oysa mesele düşünmektir.
Harvard Business Review’da yayımlanan ve Aruna Ranganathan ile Xingqi Maggie Ye tarafından kaleme alınan çalışma da bunu gösteriyor: Yapay zeka iş yükünü azaltmıyor; işin kapsamını genişletiyor (2).
Araştırmacılar yaklaşık 200 çalışanı olan ABD merkezli bir teknoloji şirketinde üretken yapay zekanın iş alışkanlıklarını nasıl değiştirdiğini sekiz ay boyunca incelemişler, 40’tan fazla derinlemesine mülakat yapmışlar.
Çalışanlar yapay zekanın ne kadar yetenekli ve üretken olduğunu gördükçe daha fazla iş üstlenmişler. Daha çok yazmışlar, daha çok denemişler, daha çok çoklu süreç yürütmüşler, arkadaşlarına daha çok koçluk yapmışlar, daha uzun süre çalışmaya başlamışlar. Bunun nedeni zorunluluk değil, başarı hissi, diyor araştırmacılar. “Yapabiliyorum” duygusu, “yapmalıyım” baskısına dönüşmüş. Ancak buradan çıkarılması gereken sonuç “çalışanlar daha fazla çalışmalı” değildir.
Görüşüme göre: Yapay zeka kullanımının artmasıyla çalışanların görevleri genişliyor, daha fazla işi bir arada yürütüyor. Teknoloji her zaman üretkenliği arttırırken iş temposunu da arttırmıştır (3). Ama çalışan performans normu yeniden düzenlenmelidir. Aksi halde sistem sürdürülemez hale gelir. Çünkü insanın bilişsel kapasitesi sınırlıdır (4), sürekli çoklu görev karar kalitesini düşürür (5) uzun vadede tükenmişlik riski doğar (6).
Yapay zekayı daha iyi kullanmak için çalışanı hızlandırmaya gerek yok. Hız beklentisi sistemden olmalıdır. Yapay zeka ile çalışabilenler sistemi yöneten kişilerdir; rota belirlenir, güvenlik sağlanır, kontrol edilir ve karar verilir. Bu yaklaşım, insanı üretim makinesinin bir parçası olmaktan çıkarır, kararların mimarı yapar.
Ranganathan ve Ye’nin önerdiği, sadece bilinçli duraklamalar değil, performans normu değişmelidir.
1.Performans metrikleri insan üretim hızından yapay zeka sistem çıktısına kaymalı.
2.Çalışan için Anahtar Performans Göstergeleri (KPI) hız değil, doğruluk ve muhakeme kalitesi olmalı.
3.Sistem kapasitesi yapay zeka ile ölçülmeli, insan mesai süresiyle değil.
4.Organizasyonda yapay zeka doğru yere yerleştirilmeli.
Madalyonun Diğer Yüzü
Bahsettiğim tüm bu ilkeler, yapay zekayı “kullanan” organizasyonlar ve çalışanlar için geçerli. Ancak ekosisteminin tamamını kavrayabilmek için, yapay zekayı “üreten emeği” anlamamız gerekiyor. 2025’te yayımlanan Feeding the Machine: The Hidden Human Labor Powering AI yani Makineyi Beslemek: Yapay Zekayı Güçlendiren Gizli İnsan Emeği (7) kitabı bunun için oldukça iyi bir kaynak.
James Muldoon, Mark Graham ve Callum Cant, 10 yılı aşkın bir araştırma sürecinde Kenya’dan Uganda’ya, İrlanda’dan ABD’ye uzanan bir coğrafyada 200’den fazla derinlemesine mülakat gerçekleştirmişler. Harvard araştırması 8 ay boyunca tek bir ABD şirketindeki yapay zekayı kullanan beyaz yakalı çalışanlara odaklanmıştı. Bu çalışma ise, yapay zekanın üretim aşamasında emek harcayan çalışanları merceğine alıyor.
Yazarlar, yapay zekayı bir “extraction machine” yani özünü çıkaran bir makine olarak kavramsallaştırıyor. Bu makine sermaye, doğal kaynaklar, insan emeği ve kolektif zekayı girdi olarak alıyor, bunları istatistiksel tahminlere dönüştürüyor. Aslında parlak, otonom, her işi kolaylaştıran, kolaylaştırmanın da ötesinde işimize bir şeyler katan o yapay zekanın arkasında gizlenen, devasa bir insan işgücü var.
Nairobi’deki içerik moderasyonu merkezlerinde günde 10 saat boyunca travmatik görüntüleri izleyerek onları etiketleyen çalışanlar, Uganda’da minimum ücretle veri etiketleyen gençler, Manila’daki BPO (business process outsourcing) şirketlerinde yapay zeka için veri temizleyenler, İrlanda’da seslerinin sentetik yapay zeka modelleri için kullanıldığını sonradan öğrenen seslendirme sanatçıları, Amazon depolarında algoritmik gözetim altında çalışan operatörler gibi yani yapay zekanın “otonom” görünen yüzeyinin altında devasa bir insan emeği var; kitap bunları anlatıyor.
Yapay zekanın kullanıcı yani çalışanlar tarafındaki görüşlerimi özetlersem; yapay zeka çağında liderin rolü insanı hızlandırmak değil, yönünü belirlemektir. Yapay zekayı üretim gücü olarak konumlandırmaktır. İnsan tasarımcı, denetleyici, karar vericidir. Verimlilik artışı sistem mimarisinden beklenmelidir. Aksi halde yapay zeka bizi özgürleştirmez; sadece daha yoğun bir çalışma rejimi üretir. Bunun sonucu muhtemelen çalışan mutsuzluğu olacaktır.
Çalışanlarımız mutlu olmayacaksa yapay zeka ne işe yarar ki! Ne diyoruz hep @mutluetmutluol
Bu arada tabii başka görüşte olanlar da var. Microsoft’un CEO’su Mustafa Süleyman’ın iddiasına göre gelecek 12-18 ay içinde beyaz yakalı olarak adlandırılan ve bilgisayar başında oturup iş yapan ve hukukçuların, muhasebecilerin, proje yöneticilerinin ve pazarlamacıların yerini tamamen yapay zeka alacak. Mustafa Süleyman yeni sisteme AGI (Artificial General Intelligence) değil, Superintelligence (Süper Zeka) (8) diyor. (https://x.com/ft/status/2021913057065160828?s=46)
KARAR SİZİN
Türkiye’de neler oluyor; Tech Cerebrum’un Şubat 2026’da düzenlediği Generation Next Summit Türkiye’nin yapay zeka geleceğinin en üst düzeyde ele alındığı önemli bir buluşma oldu. Ben de bu toplantıya katıldım (https://www.dha.com.tr/yerel-haberler/istanbul/gelecegin-teknolojileri-generation-next-summit-2821812).
Açılış oturumunda; Cerebrum Yönetim Kurulu Başkanı Dr. R. Erdem Erkul, DEİK Başkanı Nail Olpak, T.C. Ulaştırma ve Altyapı Bakan Yardımcısı Dr. Ömer Fatih Sayan, Kazakistan Eski Merkez Bankası Başkanı Kairat Kelimbetov, Cumhurbaşkanlığı Siber Güvenlik Başkanı Ümit Onal, Başbakan Yardımcısı Cevdet Yılmaz, Çalışma ve Sosyal Güvenlik Bakanı Prof. Dr. Vedat Işıkhan ve Sanayi ve Teknoloji Bakanı Mehmet Fatih Kacır gibi isimler ufuk açıcı değerlendirmeler paylaştı.
Konuşmalarda ortak vizyon çok netti: Yapay zeka alanında izleyen değil, yön veren bir Türkiye.
Zirvede öne çıkan ana başlıklar şunlardı:
Veri egemenliği olmadan dijital egemenlik olmaz.
2. Yapay zeka yalnızca bir verimlilik aracı değil, stratejik bir güç unsurudur.
3. Kamu, büyük veri kapasitesiyle dönüşümün ana aktörlerinden biridir.
4. Yapay zeka “ek bir araç” değil, iş süreçlerini yeniden kuran yeni bir mimaridir.
5. Gençleri sürece dahil etmeden sürdürülebilir dijital güç inşa edilemez.
Zirvedeki değerlendirmeler, Türkiye’nin dijital dönüşümü yalnızca teknolojik bir yenilik olarak değil; ekonomik bağımsızlık, ulusal güvenlik ve küresel rekabet meselesi olarak ele aldığını gösteriyor. Bu yaklaşım son derece memnuniyet verici.
Neredeyse her konuşmacının sorduğu temel soru şuydu: Sistemde yönetici mi olacağız, yoksa kullanıcı mı? Türkiye’nin tercihi yönetmekten yana!
Elbette yapay zeka çağını yetişmek ve geri kalmamak için hızla dönüşmek, iş yapış biçimlerimizi yapay zeka çağının gereklerine göre yeniden tasarlamak gerekiyor. Ancak her şeyden önce eğitim sistemimizi güncellemek; çocuklarımızı daha ilkokuldan dijital dünyaya hazırlamak ve toplumsal ölçekte gerekli etik normları güçlendirmek zorundayız.
Son olarak, yapay zekanın kendisi değil, onu nasıl ve ne amaçla kullandığımız stratejiktir. Bugün olanların kısa vadeli cazibesine kapılmadan, uzun vadeli akıl ve sorumlulukla ilerlemeliyiz.
Bu arada yukarıda sözünü ettiğim Generation Next Summit’te birbirinden güzel sunumlar, paneller vardı. Kore Cumhuriyeti Büyükelçiliği Ekonomi Bölümü Başkanı Jung-hwan LİM’in yazdıklarımla ilgili, duygusal mesaj içeren sunumdaki konuşmasının özeti şöyleydi:
“Güney Kore’nin yapay zekadaki konumu bir anda ortaya çıkmış bir başarı değildir. Bu, 1960’lardan itibaren adım adım inşa edilmiş uzun bir sanayi yolculuğunun sonucudur.
1960’larda Kore’nin ihracatı peruk ve tekstil gibi emek yoğun ürünlere dayanıyordu. Bu dönem Kore’ye disiplinli üretim, zamanında teslim, düşük hata oranı ve yüksek kalite kültürünü kazandırdı.
Ardından ağır sanayiye geçildi. 1973’te ilk entegre demir çelik tesisi tamamlandı. Çelik, modern sanayinin temeli olarak fabrikaların, makinelerin ve şehirlerin kurulmasını mümkün kıldı. Gemi inşa sektöründe büyük ilerleme sağlandı ve Hyundai Heavy Industries dünyanın en büyük tersanelerinden biri haline geldi. Bu süreç Kore’ye karmaşık sistemleri tasarlama ve yönetme yeteneği kazandırdı.
1980’lerde yarı iletkenlere yatırım yapıldı. 1983’te Samsung ilk DRAM bellek çipini geliştirdi. Yarı iletken üretimi yüksek hassasiyet, kalite kontrol ve sürekli Ar-Ge gerektiriyordu. Bu alandaki uzmanlık Kore’yi bellek çiplerinde dünya lideri yaptı ve yapay zeka çağının temelini oluşturan bilgi işlem gücünü sağladı.
Yapay zeka yalnızca modellerden yani algoritmalardan ibaret değildir. Yapay zeka için üç temel unsur gerekir: bilgi işlem kapasitesi, yarı iletkenler ve gerçek dünya uygulamaları. Kore bu üç alanda da güçlüdür.
Özellikle HBM (Yüksek Bant Genişlikli Bellek) üretiminde Kore lider konumdadır. GPU’ların etkin çalışabilmesi için hızlı veri akışı sağlayan bellek gereklidir ve bu darboğazı HBM çözer. 2026 tahminlerine göre SK Hynix ve Samsung, küresel HBM pazarının büyük bölümünü tedarik edecektir.
Kore, yapay zekayı yalnızca araştırma alanında değil, gerçek üretim süreçlerinde kullanmaktadır. Samsung üretim hatalarını tahmin etmekte, Hyundai üretim anormalliklerini tespit etmekte, SK enerji verimliliğini artırmaktadır. Naver, LG ve Samsung kendi yapay zeka modellerini geliştirmektedir.
Yapay zeka Kore için ulusal stratejik önceliktir. 2027 yılına kadar 50 milyar dolarlık yatırım planlanmıştır. 30.000’den fazla GPU’ya sahip ulusal bir bilgi işlem merkezi kurulacak ve 200.000 üst düzey yapay zeka uzmanı yetiştirilecektir.
Türkiye’nin genç nüfusu ve yazılım yeteneği çok iyidir. Türkiye’nin medyan yaşı 34’tür, Avrupa Birliği’nden 10 yaş düşüktür. Türkiye’nin insan kaynağı önemli bir avantajdır. Peak Games’in satışı, Trendyol ve Getir gibi şirketlerin veri temelli uygulamaları, Türkiye’nin yapay zekâyı gerçek hizmetlere dönüştürmedeki mühendislik kapasitesini göstermektedir. Cerebrum Tech ve Avatar jet gibi şirketlerin sergilediği ilham verici vizyon, basit model geliştirmenin önüne geçerek yapay zekayı gerçek insan etkileşimleriyle birleştiriyor.
Kore ve Türkiye birbirini mükemmel bir şekilde tamamlıyor. Kore, yapay zeka yarı iletkenleri, bilgi işlem altyapısı ve derin üretim deneyimi getiriyor. Türkiye ise genç yazılım yeteneği, çevik hizmet geliştirme ve son derece stratejik bir coğrafi konum getiriyor. Biz rekabet etmiyoruz. Güçlü yönlerimiz mükemmel bir yapboz gibi birbirine uyuyor.
Ortak Bir Tarih ve Gelecek
Saygıdeğer konuklar,
1950’lerde 20.000’den fazla Türk genci, hiç bilmedikleri bir ülke için binlerce kilometre yol kat etti. Onların cesareti ve fedakarlığı sadece tarihteki bir anı korumakla kalmadı; o ülkenin tüm geleceğini mümkün kıldı. Kore, o asil temel üzerine endüstriler kurdu, ileri teknolojiyi geliştirdi ve bugün küresel yapay zeka merkezinin kalbini oluşturan bir ulusa dönüştü. Kore halkı bu dayanışmanın derin anlamını bir gün bile unutmadı. Ve şimdi yeni bir çağın kapısında birlikte duruyoruz.
Eğer ‘Geçmişin Kardeşleri’ savaş çağında birbirlerini koruduysa, ‘Bugünün Kardeşleri’ teknoloji çağında birlikte şanlı bir gelecek inşa etmelidir. Kore’nin inşa ettiği sağlam teknolojik kökler, Türk gençliğinin kaynayan yenilikçi enerjisiyle buluştuğunda, ikimizin de tek başına hayal bile edemeyeceği bir gelecek yaratacağız. Yapay zeka teknolojiden çok daha fazlasıdır. Bu, ne tür bir gelecek kurmayı seçeceğimize dair derin bir sorudur.
Ve ben Kore ile Türkiye’nin o harika geleceği birlikte inşa etmek için mükemmel ortaklar olduğundan kesinlikle eminim. Kore Cumhuriyeti Büyükelçiliği, küllerden yapay zekaya uzanan bu onurlu yolculukta en güçlü yoldaşınız olarak yanınızda duracaktır. Ve şimdi bir sonraki bölüm geldi; onu birlikte yazmak zamanı.“
Tech Cerebrum ve Yönetim Kurulu Başkanı Erdem Erkul’un ülkemizin Egemen Yapay Zeka (Sovereign AI) geliştirmesi konusundaki çabalarını çok takdir ediyorum. Egemen Yapay Zeka bir ülkenin yapay zeka alt yapısını, verisini, modellerini ve kritik yeteneklerini başka ülkelere veya yabancı şirketlere bağımlı olmadan geliştirebilmesi ve yönetebilmesi anlamında kullanılıyor. Egemen Yapay Zeka gelecekte bağımsız kalabilmenin en önemli stratejik şartlarından biri olarak görülüyor.
