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.
Yeni Teknoloji Efsaneleri (Myth)
Yeni teknolojilerde, özellikle yapay zeka, blokzincir, kuantum bilgisayarlar ve biyoteknoloji tartışmalarında 'mit' 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.
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.
Pazarlama miti: Şirketlerin teknolojiye neredeyse büyülü özellikler atfetmesi. 'Bu yapay zekâ her problemi çözer.' gibi.
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.
Mit 1: Agentic AI 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. 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.
Mit 2: Blockchain, Yapay Zekadaki Güven Sorununu Kusursuz Çözer
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. İşin öncelikle organizasyon ve insan kısmını halletmeniz gerekiyor, teknoloji buna eşlik etmeli.
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.
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.
Mit 4: Living Intelligence Çağının Eşiğindeyiz
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.
Mit 5: Büyük Teknoloji Sağlayıcıları Kusursuzdur
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.
Mit 6: Veri Şirketin Malıdır
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.
Mit 7: DeepSeek Batı'nın Üstünlüğünü Bitirdi
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.
Mit 8: Yapay Zekanın Çevresel Ayak İzi Görmezden Gelinir
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.
Mit 9: Yavaş Gelişen Teknolojiler İçin Strateji Gerekmez
Gözümüzün önünde tam bir asırdır yavaşça gerçekleşen bir devrim var; mesela LiDAR, GPS, 5G, sensör teknolojileri 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. Şirketlerin 'bırakalım olgunlaşsın, zamanı gelince bakarız' demesi bir körlük yapıyor.
Mit 10: Yapay Zeka Beyaz Yakalıların İşini Alacak
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.
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.'
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. 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.
Görüşüme göre: Yapay zeka kullanımının artmasıyla çalışanların görevleri genişliyor, daha fazla işi bir arada yürütüyor. Teknoloji her zaman üretkenliği arttırırken iş temposunu da arttırmıştır. Ama çalışan performans normu yeniden düzenlenmelidir. Aksi halde sistem sürdürülemez hale gelir.
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:
- Performans metrikleri insan üretim hızından yapay zeka sistem çıktısına kaymalı.
- Çalışan için Anahtar Performans Göstergeleri (KPI) hız değil, doğruluk ve muhakeme kalitesi olmalı.
- Sistem kapasitesi yapay zeka ile ölçülmeli, insan mesai süresiyle değil.
- Organizasyonda yapay zeka doğru yere yerleştirilmeli.
Madalyonun Diğer Yüzü: Yapay Zekayı Üreten Emeği
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. 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. 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.
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 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.
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.
Generation Next Summit ve Türkiye'nin Yapay Zeka Vizyonu
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. 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.
- Yapay zeka yalnızca bir verimlilik aracı değil, stratejik bir güç unsurudur.
- Kamu, büyük veri kapasitesiyle dönüşümün ana aktörlerinden biridir.
- Yapay zeka 'ek bir araç' değil, iş süreçlerini yeniden kuran yeni bir mimaridir.
- 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.
Kore Cumhuriyeti Büyükelçiliği Ekonomi Bölümü Başkanı Jung-hwan Lim'in sunumundaki önemli vurgular arasında, Kore'nin yapay zeka başarısının 1960'lardan itibaren adım adım inşa edilmiş uzun bir sanayi yolculuğunun sonucu olduğu belirtildi. 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. Kore ve Türkiye'nin birbirini mükemmel bir şekilde tamamladığı ifade edildi.
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.
