Yapay zeka araçlarının kabiliyetleri bir yandan artarken, bir yandan da en iyi modelleri kullanma şeklimiz alıştığımızdan giderek farklılaşıyor. Modellerin üyelik hizmetlerinden kaldırılması (Fable 5), fiyatlandırma politikalarının ciddi şekilde tüketici aleyhinde değişmesi (Cursor ve Copilot fiyatlandırması), diğer taraftan da Anthropic, OpenAI gibi şirketlerin henüz kâr edememesine rağmen çılgınca yatırım almaya ve büyümeye devam etmesi bize ister istemez, “Yapay zeka dünyası nereye gidiyor?” diye sorduruyor.
Yapay Zekanın Fiyat Paradoksu
Çoğu yazılım geliştirici için yapay zeka araçlarını kullanmak, işin kaçınılmaz bir parçası haline geldi. Önce doğru fonksiyonları otomatik tamamlamayla çıktığımız yolculukta artık büyük geliştirme döngüleri ve gözden geçirmeleri yapay zekaya emanet edebiliyoruz. 2025 Temmuz ayında en iyi modellerden biri Grok 4 modeliyken 2026 yılı Temmuz ayında Alibaba tarafından açık kaynak kodlu olarak yayınlanan ve iyi bir bilgisayarınız varsa kendiniz bile çalıştırabileceğiniz Qwen3.6 27B modeli, Grok 4’e kıyasla birçok açıdan çok daha iyi sonuç veriyor. Hal böyleyken insan maliyetlerin dramatik şekilde düşmesini bekliyor. Fakat biz giderek yapay zekaya daha çok para ödemeye başlıyoruz. Bu yetmezmiş gibi bir de büyük firmalar bundan hala kâr edemediklerini açıklıyor. Peki bu neden ve nasıl oluyor?
Maliyet Hesaplarının Matematiği
Microsoft, Google, Meta ve Amazon’un 2026 için açıkladıkları altyapı yatırımlarının toplamı 725 milyar dolar; bir önceki yıla göre yaklaşık yüzde 77 artış. Paranın büyük kısmı veri merkezlerine, GPU’lara ve bunları besleyecek enerjiye gidiyor. Modelleri geliştirmek de personel ve hesaplama gücü açısından hiç ucuz şeyler değil. OpenAI 2025 yılında 20 milyar dolarlık bir gelir açıklamış. Neyin gider olduğu tartışma konusu olsa da bu giderler bu miktarın kat kat üstünde. Yani bugün kendi ürettikleriyle ayakta durma şansları yok. Ancak dev yatırımlarla ayakta kalabiliyorlar.
Tüketicilerin ise bu modelleri kullanması iki farklı şekilde oluyor. İki şeklin iktisadi mantığı oldukça farklı. Birincisi API fiyatlandırması. Genellikle şahıs olarak değil şirket olarak kullanıyorsanız kullandığınız token (kelime parçacığı) başına bir fatura size yansıtılıyor. Kullandığınız kadar ödüyorsunuz. Buradaki fiyatlandırma da token başına uygun görünse de gelen faturalar hiç de ucuz değil. İkinci kullanım şekli üyelikler şeklinde. ChatGPT, Gemini ve Claude üyeliklerimiz bu kategoride. Fiyatlandırma sabit bir fiyat üzerine kullanım kotaları şeklinde. Bir nevi spor salonu üyelikleri gibi. Kullanmasanız da bu parayı veriyorsunuz. Bu biraz rahatlama sağlasa da kotasının tamamını kullanabilenler için token başına ödenen fiyat, API fiyatına göre onlarca, hatta bazen yüzlerce kat fark edebiliyor. Modelleri geliştirip sunan firmalar bu yoğun kullanımı kendileri finanse ediyorlar ve buralarda büyük miktarlarda zarar ediyorlar. Peki zarar etmelerine rağmen neden böyle yapıyorlar?
Bu durumun bir benzerini çoğumuz zamanında Uber ile yaşadık. Uber ülkelerde ilk kez hizmet vermeye başlarken normal taksi fiyatlarına göre çok uygun fiyatlar sunarak piyasaya girdi. Bizler de mantıklı bir hareket olarak bundan faydalandık. Daha iyi bir hizmeti daha ucuza almayı neden reddedelim ki? Uber de bu süreçlerden kâr etmedi. Adeta bizim ucuz binişlerimizi sübvanse etti. Sonucunda çoğu ülkede milyonlarca kişinin telefonunda uygulaması yüklendi; daha önemlisi konfor, hizmet kalitesi ve özellikle güvenlik konusuyla ilgili bizde bir alışkanlık oluşturdu. Fakat şirket kâr etmeliydi, altyapıya ve sürücüye ödeme yaparken bu sürdürülebilir değildi. Promosyonlar giderek azaldı. Mevcut geldiğimiz yerde ortalama bir sürüş taksiden daha pahalıya geldiği halde yeni oluşturduğumuz alışkanlığımıza devam ettik.
Şirketler arasındaki rekabet ve açık modellerin baskısı bir süre daha üyelik modelinin devamını sağlasa da mevcut haliyle üyelikler üzerinden yapay zeka hizmetlerini kullanmak sonsuza kadar bizlerle olmayacak. Alışkanlıklarımızın değiştiği ve artık eskisine geri döndüğümüzde büyük rahatsızlık duyacağımız zamanları yaşıyoruz. Uzun bir kodu teker teker gözden geçirmek, dokümanların içinden aradığımız bir bilgiyi hepsini okuyarak bulmak artık pek düşünülür şeyler değil. Yeterince “ayağımız alıştığında” ve bu modellere bağımlılığımız arttığında, ya yavaş yavaş ya da birdenbire üyelik sistemlerindeki fiyatlandırmalar değişecek. Yazının başında söylediğimiz gibi değişmeye başladı bile. Özetle yapay zekayı şu an kullandığımız model sadece tüketici ve sağlayıcı açısından bile sürdürülebilir değil. İşin ekolojik ve sosyal boyutlarına girmiyorum bile.
Yeni bir Mühendislik Problemi Olarak Maliyet Yönetimi
Maliyetlerin artmasını ekonomik perspektiften düşünmüş olsak da teknik perspektiften henüz ele almadık. Biraz basitleştirilmiş haliyle: eskiden yaptığımız talepler ve bunun sonunda yapay zekadan istediğimiz şeyler çok daha basitti. Doğru promptları kullanmaktan bahsediyorduk. Şimdi işin rengi tamamen değişti. En önemli teknik gelişmelerden bir tanesi hesaplama zamanında (test-time) harcanan token sayısını arttırarak, modellerin cevap vermeden önce kendi kendine düşünmesini sağlayarak (reasoning) performansı ciddi şekilde arttırabileceğimizi fark ettik. Vadedilen Agentic sistemler her tarafta kullanılmaya başladı. Bir işin yapılması için çoğu zaman sorduğumuz model sadece kendi çalışmıyor artık arka tarafta işin halledilebilmesi için irili ufaklı birçok yapay zeka modelini adeta küçük bir şirket gibi çalıştırıp sonuçları bize veriyor. Bu bir iş için gereken token sayısını yüzlerce hatta binlerce kez arttırabiliyor.
Şu an elimizde farklı fiyat aralıklarından irili ufaklı bir çok model var ve hepsinin farklı konularda farklı seviyelerde kabiliyetleri var. Çoğunun ne kadar düşünüp, ne kadar token yakacağına da karar verebiliyoruz. Bir nesneyi taşımak için bir araba mı, kamyonet mi kamyon mu yoksa bir yük gemisine mi ihtiyacımız olduğunu düşünmemiz gerekli yoksa birdenbire, binlerce, hatta milyonlarca tokenı kontrolsüz şekilde yakabiliriz. Üstelik çoğu zaman bunu taşıyacağımız şeyin ağırlığından emin olmadan yapmaya çalışıyoruz.
Yapay zeka çağında yeni edindiğimiz görevlerden birisi de bu iş akışlarını ve süreçleri doğru yöneterek attığımız taşın ürküttüğümüz kuşa değecek şekilde kullanımı sağlamak. Doğru modellerin seçilmesi, doğru yapılarda iş paylaşımı yapılması, yeterli miktarda düşünerek faturayı arttırmadan doğru sonuca ulaşılması, daha önceden öğrenilen şeyleri tekrar etmemek gibi birçok yeni kaygımız var. Hepsi maliyet kaynaklı.
Yeterince konuşulduğunu görmediğim başka bir kaldıraç ise (bence en güçlüsü) yapay zeka gerektirmeyen yerleri ayıklamaktan geçiyor. Bize getirdiği kolaylıklar ve gereken eforun azlığı nedeniyle problemi tamamen yapay zekaya bırakmak iyi bir fikir gibi geliyor. Ama hala çoğu şey için aslında yapay zekaya ihtiyacımız yok. Hala yazılımlarla birçok problemimizi tekrarlanabilir, sınanabilir şekilde çözebiliyoruz. Üstelik yapay zeka kullanarak bu yazılımları geliştirme hızımız da oldukça artabiliyor. Daha iyi bir model kullanmış olsak bile tekrarlanan bir maliyet, tek seferlik bir maliyete düşmüş oluyor.
Zeka Değil Güvenilirlik
Maliyetleri iyi yönetsek bile bu hala yapay zekanın istediğimiz işi yeteri kadar iyi yapabileceği anlamına gelmiyor. Yapay zekanın yanlış yaptığı şeyler söz konusu olunca çoğu zaman sorunun zeka eksikliğinden gelmediğini görüyoruz.
Sektörde yapay zeka kullanımı konusundaki en büyük motivasyon kaynaklarından bir tanesi geride kalma korkusu (FOMO). Yapay zeka öncesinde de yaşadığımız bir duygu olsa da yaşadığımız yapay zeka dünyasında korkunun boyutu ve yanlış yolda ilerleme hızı oldukça arttı. Başarısız olan yapay zeka projelerini artık çoğu zaman bununla açıklayabiliyoruz. “Gerçekten katma değer elde edecek yer neresi? Buna değer mi?” gibi soruları sormaktan çok, “Nerede yapay zeka kullanabiliriz? Geride kalmamalıyız.” gibi düşünceler verimsiz kullanımlara ve başarısız projelere neden oluyor. Yani en büyük darboğazlardan bir tanesi yapay zekanın kullanılacağı doğru yeri seçmek.
Doğru uygulama alanı bulunduğu yerlerde bile yapay zeka kabiliyetleri konusundaki belirsizlik son derece engelleyici. Nasıl oluyor da benchmarklarda kod yazma, araştırma gibi alanlarda insan uzmanları bile geçip mükemmele yakın skorlar üreten bu modeller gerçek dünyada teste soktuğumuzda bizi hayal kırıklığına uğratabiliyor? Bütün bunların altında tek kelimelik bir sorun yatıyor: güvenilirlik. Yüzde 90 doğrulukla çalışan bir sistem, hangi yüzde 10’da yanıldığı bilinmediği sürece yüzde 90 değer üretmez. Bazen negatif değer üretir, çünkü hatayı aramanın maliyeti işi baştan yapmaktan pahalıdır. Yapay zekânın kurumsal katma değerinin önündeki en büyük engel bu. İnsanların bu işleri nasıl başarabildiğini düşündüğümüzde cevap ilginçleşiyor. Evet, belki insanlar başlangıçta daha fazla hata bile yapıyor. Fakat olası senaryoların zararını değerlendirebilme, hata yapma olasılığını tahmin edebilme, gerektiğinde yardım isteyebilme ve yaptığı hatayı öğrenerek bunu tekrarlamaması gibi faktörler düşünüldüğünde uzun vadede bir insan uzman çoğu konuda yapay zekadan çok daha güvenilir oluyor. Yapay zeka sistemlerini güvenilir yapmanın yolu, kullanan ve tasarlayan kişilerin bu kısıtların farkında olarak sistemdeki hataları tespit edip, kaliteyi ölçebilecek, hatalarından ders çıkartabilecek mekanizmaların mühendisliğini iyi yapabilmesinden geçiyor.
Kısıtlanmış Yapay Zeka Dünyası
Biz fiyatlarla oldukça meşgulken en az bu konu kadar kritik başka gelişmeler de yaşandı. Anthropic’in yeni Fable 5 modeli önce kullanıma sunuldu sonra ABD hükümetinin talebiyle erişimden kaldırıldı. Güvenlik gerekçesiyle yaptırım uygulanan bu kararın aynı zamanda politik bir boyutu da var. Trump yönetimi yabancı uyrukluların erişimine kapatılmasını istedi fakat bunu sağlamanın kolay ve uygulanabilir bir yolu olmadığı için hükümetin onay verdiği bazı kuruluşlar dışında herkesin erişiminden kaldırıldı.
Çoğu kişinin aklına gelen sorular şöyleydi: “Neden şimdi?”, “Hangi modelin erişime kapatılacağına nasıl karar veriliyor?”, “Kimlerin erişeceği neye göre belirlenecek?”. Bu tür soruların maalesef bir cevabı yok ve şu an yönetim inisiyatif alarak bunu uyguluyor. ABD, ekonomik eşitlik konusunda zaten iyi bir durumda değil, ama hep ‘fırsat eşitliği’ vadeden bir ülke. Bu karar oradaki değerlere bile ters bir hamle olarak algılandı. Zaten büyük şirketlerin sahip olduğu devasa sermaye avantajları yetmezmiş gibi bir de bu tarz modellere herkesten önce erişenlerin avantajını katlanarak artırabileceği bir ortam meydana gelmiş oldu. Piyasadaki boşlukları doldurmak için ilk fırsatlar “hükümet tarafından desteklenen” kişilere ya da şirketlere verildiğinde bu avantajla daha çok kazanıp daha çok yer edinerek bir kartopu etkisiyle büyüyebilirler.
Özellikle kimin erişebildiğinin ve neyin yasaklanacağının belirli standartlara ve kurallara bağlı olmadığı kuralların çok belirsiz olduğu bu dijital ortamda bu belki en önemli teknolojiyi bir sopa olarak kullanılabilecek bir karar gücü, henüz hukuki altyapılar hazır olup buna adaletsiz diyemediği için dünyayı daha otoriter, token fiyatlarının da artışıyla tekno-feodalizm riskinin giderek arttığı bir yere getirdi. Özellikle otoriter rejimlerin çoğunun, burada olduğu gibi, bir çeşit güvenlik tehdidini gerekçe göstererek gücünü perçinlediği düşünülürse… Son durumda model erişimlerinin tekrar sağlanmasıyla bu konudaki gerilim biraz yatışsa da tekrarlamaması için şu an hukuki bir engel yok. Dünyanın geleceği için sadece yönetimlerin ve devletlerin çıkarını değil kamu yararını ve halkın yararını gözetmek üzere hukukçuların, meslek odalarının ve sivil toplum kuruluşlarının süreçlere dahil olması şu an en makul yollardan biri olarak görünüyor.
Tabi buraya kadarki sadece ABD bacağı. Ülke içindeki düzenlemelerle bile dünyanın geriye kalanının refahını gözetecek şekilde düzenleme yapılacağının bir garantisi yok. Şu an dünyada, bu konudaki en önemli dengeleyici güç açık modeller. Çoğunlukla Çin menşeli olarak üretilen bu modeller, herkesin kullanımına açık olarak paylaşılabiliyor. Tabi çalışacakları donanımlara sahip olmak hala sizin sorumluluğunuzda. Fakat ABD’nin Çin’e uyguladığı ağır GPU ambargoları, modellerin genellikle daha ufak boyutlu ve daha mütevazı donanımlarda çalışabilecek şekilde geliştirilmesine yol açıyor. Bazıları laptoplarımızda bile çalışacak kadar ufak. En iyi açık modeller ABD firmalarının sunduğu kapalı modelleri, daha düşük maliyetlerle yaklaşık 3 ay geriden takip ediyor. Bu aslında diğer bütün ülkelere de yazılımsal ve modeller açısından bir bağımsızlık şansı veriyor. Çünkü ABD hükümetine ters düşen birisinin modellere erişimlerinin kapatılmasını engelliyor. Tabi herkesin bu modelleri indirip çalıştırabilmesi güvenlik endişelerini de yanında getiriyor. Özellikle (şaşırtıcı olmayan şekilde) ABD merkezli yapay zeka şirketleri bu konuya karşı savaş açmış durumda. Temel argümanlarını güvenlik üzerinden yapsalar da ticari avantajlarını kaybedeceklerine dair duydukları dillendirilmeyen endişe gözardı edilemez. Gerçekten kötü niyetli aktörlerin erişimlerini ve denetimi bir parça daha zorlaştırabiliyor olsa da bence asıl tehlikeden gözlerimizi çok da çevirmemeliyiz: “Hükümetlerin ve büyük şirketlerin musluğun başını tuttuğu sistemin akışının dışında bırakılan insanların giderek daha dezavantajlı kalarak ekonominin dışına itildiği, kimin içeride kalacağının da kolayca teknoloji devleri tarafından kontrol edilebileceği tekno-feodal bir dünya… Açık kaynak yazılımların yanında bu açık modeller bizi bu ihtimalden en çok koruyan kozlarımız.
Böyle Bir Dünyada Mesleklerin Önemi
Çoğu meslektaşımla birlikte ben de bir bilgisayar mühendisi olarak bu araçların giderek mesleğimi elimden alacağına dair bir kaygıyı taşıyorum. Ama özellikle işten çıkarmalardan sonra şirketlerin yaşadığı hayal kırıklıkları ve işe alımların yeniden başlaması bize gösteriyor ki insanın rolü hala bitmeye yaklaşmış değil. Yapay zeka birçok görevi başarıyla ve hızla yapıyor. Ama meslekler sadece bir görevden oluşmaz. Doğru yerde doğru şeyleri uygulayıp doğru şekilde iletişim kurmayı gerektirir.
Yapay zeka modelleriyle kod yazmak oldukça ucuzladı ve hızlandı. Fakat bilgisayar mühendisleri olarak bizim mesleğimiz hiçbir zaman “kod yazmak” değildi. Bu işimizin bir parçası olsa da ana hedefimiz hiçbir zaman bu değildi. Bunu bazen benim de kendime hatırlatmam gerekiyor. Bağlamı anlamak, doğru problemi seçmek, bazen de o problemin yapay zekâ gerektirmediğini görebilmek, sistemi güvenilir kılmak ve sonucun sorumluluğunu taşımak hala bizim görevlerimiz. Ve bunu yaparken insanlığın, dünyanın ve ülkemizin faydasına olduğundan da emin olmak. Görevler hızla dönüşüyor, mesleğin çekirdeği şaşırtıcı biçimde yerinde duruyor.
