Yapay zekâ sektörünü okumanın en az işe yarayan yolu, bu ay benchmark sıralamalarının tepesinde kim oturuyorsa geleceğin de onun olacağını varsaymaktır. Oysa daha önemli eğilim tam tersini söylüyor: Zekâ hızla ucuzluyor.
Epoch AI'ın The Plunging Price of Thought başlıklı çalışması bu dinamiği açıkça ortaya koyuyor. Aynı model performansına ulaşmanın maliyeti çöküyor; düşüş çoğu zaman yılda on kat, hatta daha fazla. Bugün yalnızca öncü modellerin yüksek bir bedelle yapabildiği iş, çok geçmeden daha küçük ve ucuz modellerin elinde sıradanlaşıyor.
Çıkarılacak sonuç, herhangi bir sıralama tablosundan daha önemli: Zekâ sıradan bir emtiaya dönüşüyor. Bugün kıt olan yarın bol bulunur; bir yetenek bollaştığı anda da rekabetin ön cephesi başka bir yere taşınır.
Aynı şeyin sohbette yaşandığını zaten gördük; şimdi de kodlamada yaşandığını izliyoruz. Merak edilen soru, cephenin bundan sonra nereye kayacağı. Bana kalırsa bu iki adımda olacak. Önce eyleme: işin nasıl yapılacağını anlatan değil, o işi bizzat yapan sistemlere. Ardından organizasyona: bir ekip, bir departman, sonunda da bir şirket gibi eşgüdüm içinde çalışan, uzman ajanlardan oluşan büyük topluluklara.
Doygunluk nasıl bir şey?
Genel amaçlı sohbet, sıradan kullanıcı açısından doygunluğa yaklaşmış durumda. Bu, ilerlemenin durduğunu göstermez; modeller matematikte, yazı yazmada, araştırmada ve çok modlu akıl yürütmede hâlâ birbirinden ayrışıyor. Ama bir belgeyi özetlemek, e-posta taslağı hazırlamak, bir kavramı açıklamak ya da bir paragrafı çevirmek için birkaç model gayet iş görüyor.
Beş sistem birden kabul edilebilir bir cevap verebiliyorsa, benchmark puanlarında %10 önde olmanın ticari değeri, işi yalnızca bir iki sistemin yapabildiği günlerdekinin çok gerisinde kalır. Doygunluk gelişmenin sonu değildir. Değişen şudur: Marjinal iyileşmeler ortalama müşterinin gözünde hem daha az fark edilir hem de daha az değer taşır; rekabet de bir üst basamağa taşınır.
2026'nın ön cephesi: kodlama
Modeller arasındaki farkların hâlâ en belirleyici olduğu alan kodlama, çünkü kod affetmez. Model kulağa makul gelen laflarla işi geçiştiremez. Bir kod tabanını kavraması, bir hatanın izini dosyadan dosyaya sürmesi, değişiklik yapması, testleri çalıştırıp neyin neden çalışmadığını anlaması ve uzun adım zincirleri boyunca kendi yaptığı hataları düzeltip yoluna devam edebilmesi gerekir. Kodlamayı akıl yürütme, araç kullanımı, bellek ve sebat için alışılmadık derecede çetin bir sınav yapan da bu.
Ama gidişat belli. Bir yıl kadar içinde önde gelen kodlama modelleriyle geri kalanlar arasındaki makasın iyice daralmasını, belli başlı modellerin çoğunun da gündelik yazılım işlerinin büyük kısmının altından kalkabilmesini bekliyorum.
"Kodlama çözülecek" demek, yazılım mühendisliği ortadan kalkacak demek değil. Mimari, ürün sezgisi, belirsiz gereksinimler, güvenlik ve sistem tasarımı zorluğunu koruyor. İddiam daha dar ve ekonomik: Bugün yapay zekâda premium kodlama yeteneği saydığımız şey, standart bir özellik olacak. Yeni özellikler geliştirmek, hata düzeltmek, test yazmak, kodu yeniden düzenlemek ve bir kod deposunda yolunu bulmak, modelleri birbirinden ayıran şeyler olmaktan çıkacak. En iyi kodu hangi model yazıyor diye sormak, düzgün bir e-postayı hangi model yazabiliyor diye sormaya benzemeye başlayacak.
Kodlamanın önemli olmasının bir nedeni daha var: Yazılım, dijital dünya üzerindeki kaldıracını koddan alır. İyi kod yazan bir model kendi araçlarını kendisi yapabilir, içinde çalıştığı ortamı yeniden biçimlendirebilir. Kodlama bir varış noktası olmaktan çok bir köprü.
Birinci cephe: zekâdan eyleme
Sohbet botu döneminin temel kalıbı şuydu: prompt → cevap. Kodlama ajanlarıyla görev → iş → çıktı kalıbına geçtik. Sırada niyet → eylem → sonuç var.
Artık bir seyahati nasıl planlayacağınızı sormazsınız; seyahatin planlanmasını, rezervasyonların da yapılmasını istersiniz. Hangi dizüstü bilgisayarı alacağınızı sormazsınız; bütçenizi ve tercihlerinizi söyler, en sonda satın almayı onaylarsınız. Müşteriye yazılacak cevabın taslağını da istemezsiniz; sistem hesap geçmişini okur, sorunu çözer, kayıtları günceller, müşteriye yanıt verir, sonrasını da takip eder.
Sohbet ürünleri zekâ satar; ajanlar ise tamamlanmış iş.
Modeller yeterince akıllandığında darboğaz, gerçek dünyada ne kadar güvenilir çalışabildikleri olur. Sistem yazılımları ve web sitelerini kullanabiliyor mu? Bağlamı saatlerce, hatta günlerce koruyabiliyor mu? Bir şey bozulduğunda toparlanabiliyor mu? Ne zaman insan onayına başvurması gerektiğini fark edebiliyor mu? Parayı, kimlik bilgilerini, erişim izinlerini ve özel verileri güvenle idare edebiliyor mu? Sonuçta her şey dönüp dolaşıp şu soruya çıkıyor: İşi ona devredecek kadar güvenebilir misiniz?
Bunlar zekâdan çok sistemle ilgili sorunlardır ve etkileri katlanarak büyür. Her adımda %99 güvenilir olan bir ajan, yüz adımlık bir işin sonunda ancak %37 civarında güvenilirdir. İşte bu aritmetik yüzünden hataları yakalamak, işi doğrulamak ve aksilikleri sorunsuz atlatmak, benchmark'ta birkaç puan önde olmaktan daha önemlidir.
İkinci cephe: ajanlardan organizasyonlara
Otonom ajanlar da belki yalnızca bir ara durak. Daha büyük sonuçlar doğuracak dönüşüm, tek bir kişiye yardım eden tek bir ajan yerine birlikte çalışan yüzlerce, binlerce ajanı hayal etmeye başladığımızda gelecek.
Tek bir ajan, her bireyin takıldığı sınırlara takılır: sınırlı bağlam, sınırlı dikkat, sınırlı uzmanlık. İnsan organizasyonları tam da bu sınırları aşmak için var. Hiçbir şirket her şeye kadir tek bir çalışanla yürümez. Şirketler mühendislik, satış, finans, hukuk ve operasyon uzmanlarıyla yürür. Bu uzmanları yöneticiler koordine eder; kaynakları dağıtan ve neyin önemli olduğuna karar veren üst yönetim de onlara yön verir.
Yapay zekânın illa tek bir asistan metaforuna bağlı kalması gerekmiyor; bir firma metaforu etrafında da örgütlenebilir.
Böyle bir sisteme şu müşteri segmenti için bir ürün piyasaya sür dediğinizi düşünün. Ajanlardan biri pazarı araştırır. Bir diğeri müşteri verilerini analiz eder ve ürünün konumlandırmasını sanal alıcılar üzerinde dener. Mühendislik ajanları prototip geliştirirken saldırgan rolündeki ajanlar bu prototipleri bozmaya çalışır, bir güvenlik ajanı da tasarımı denetler. Finans ajanı birim ekonomisini modeller, pazarlama ajanı kampanya taslakları hazırlar, hukuk ajanı mevzuat risklerini inceler. Yönetici ajanlar birbiriyle çelişen çıktıları uzlaştırır, işleri yeniden dağıtır, emin olunamayan kararları bir üst kademeye taşır. En tepede de bir şey hep aynı soruyu sorup durur: Bu proje hâlâ yapılmaya değer mi?
Ortada elinde bir sürü araç bulunan tek bir ajan yok; ortada bir organizasyon var.
Bu noktada ekonomiden işe yarar bir mercek ödünç alabiliriz. İktisatçı Ronald Coase'a göre firmalar, koordinasyonu bir hiyerarşi içinde sağlamak bazen piyasada sözleşme yapmaktan daha ucuza geldiği için vardır; bir firmanın büyüklüğünü de bu iki maliyetin dengelendiği nokta belirler. Ajan sürüleri ikisini birden değiştiriyor. Fazladan bir "çalışan" eklemenin maliyeti çıkarım (inference) maliyetine, yani modeli çalıştırmanın bedeline doğru inerse ve koordinasyonun kendisi de otomatikleşebilirse, firmanın doğal büyüklüğü ve biçimi, üzerine henüz pek kafa yormadığımız yönlerde değişebilir.
Argümanın iki ayağı da burada buluşuyor. Ajan sürülerini mümkün kılan şey, düşüncenin fiyatındaki bu çöküş. Zekâ pahalıyken onu karneye bağlar, tek bir asistanla idare edersiniz. Ucuzladığında ise beş yüz ajan çalıştırmayı, onlara birbirlerinin işini denetletmeyi ve ürettiklerinin çoğunu çöpe atmayı göze alabilirsiniz.
Mimari neden IQ'dan ağır basabilir?
Diyelim ki Model A, tek başına akıl yürütmede Model B'den %10 daha iyi. Şimdi de Model B üzerine kurulu bir sistem düşünün: 500 uzman ajanı paralel çalıştırabiliyor, çıktılarını çapraz doğrulayabiliyor, her alt problemi o iş için en uygun modele yönlendirebiliyor ve emin olmadığı konuları üst kademeye havale edebiliyor. Bu durumda kazananın Model A olacağı hiç de belli değil.
İnsan ekonomisi de böyle işler. En verimli şirketler, her çalışanı piyasanın en zeki insanı olan şirketler değildir; insan gücünü, sermayeyi, bilgiyi ve teşvikleri en iyi biçimde bir araya getirip işleyen bir sistem kurabilenlerdir.
Yapay zekâ da aynı yolu izlerse, zekâyı değerlendirirken esas alacağımız birim kayar: önce modelden ajana, ardından ajandan ajan organizasyonuna. O zaman bugünkü benchmark kültürü, asıl rekabet şirketler arasında yaşanırken tek tek çalışanların IQ'sunu ölçmeye benzer.
Geleceğin benchmark'ı bir sıralama tablosundan çok bir kâr-zarar tablosuna benzeyebilir. Bir grup ajan bir e-ticaret işini bir ay boyunca çekip çevirebilir mi? Kâr marjını eritmeden geliri büyütebilir mi? Müşteri kazanabilir, destek taleplerine bakabilir, tedarikçilerle pazarlık edebilir, dolandırıcılığı yakalayabilir, bütçenin içinde kalabilir ve kendi stratejisi tökezlediğinde bunu fark edebilir mi? Nihai sınav, bir sistemin zor bir soruyu yanıtlayabilmesi değil, bir şirketi yönetebilmesi olabilir.
Kazananı tahmin etmek neden bu kadar zor?
Bugünkü yapay zekâ pazarı, olgunlaşmış bir sektörden çok 1990'ların ortasındaki internete benziyor. O yıllarda internetin devleşeceğini görmek kolaydı; kimin kazanacağını görmek ise çok zordu. Portallar rakipsiz görünüyordu, sonra ortadan kayboldular. Tarayıcılar parladı, sonra söndü. Stratejik görünen kategoriler sıradan birer emtiaya dönüştü; o gün önemi pek anlaşılmayan şirketler ise tarihin en büyükleri arasına girdi.
Yapay zekânın önemli olduğunu bilmek, yarattığı değerin kimin cebine gireceğini bilmek demek değil. Zekâ ucuzlamaya devam ederse model kalitesi, şirketi rakiplerinden koruyan bir hendek olarak şaşırtıcı derecede sığ kalabilir.
Yapay zekâ destekli aramanın yakın geçmişi bu açıdan öğretici. Bir dönem, web'den bilgi çekip sentezleyen ve kaynak gösteren bir büyük dil modeli (LLM) başlı başına bir ürün kategorisi gibi görünüyordu; Perplexity adlı girişim de tam bu farkın üzerinde yükseldi. Buradan çıkan daha geniş ders şu: Başarılı yapay zekâ özellikleri genellikle platform özelliğine dönüşür. Bir yetenek değerini kanıtladığı anda bütün büyük platformlar onu bünyesine katar. Sohbette böyle oldu, kodlamada böyle oluyor, büyük ihtimalle ajanlarda da böyle olacak.
Zekâ bollaşınca kıt kalan ne?
Bütün meselenin düğümlendiği ekonomik soru bu. Düşüncenin fiyatı düşmeye devam ederse değer, zekânın hâlâ ihtiyaç duyduğu şeylere kayar:
- Dağıtım ve dikkat: kullanıcıların zaten bulunduğu yerde olmak.
- Bağlam ve bellek: bir kişi ya da kurum adına doğru hareket edecek kadar onu tanımak.
- İzin ve güven: biri adına para harcama, oturum açma, mesaj gönderme ve taahhütte bulunma yetkisi.
- Erişim: tescilli verilere, araçlara, müşterilere, sermayeye ve ödeme altyapılarına.
- Doğrulama ve koordinasyon: çok sayıda ajanı çalıştırabilmek ve yaptıkları işin doğru olduğundan emin olabilmek.
Bu gözle bakınca yerleşik devler de farklı görünmeye başlıyor: Kıt kalacak şeylerin büyük kısmı zaten onlarda. Google'ın elinde Search, Android, Chrome, Workspace, YouTube, Maps, ödeme hizmetleri ve kullanıcılara dair derin bir bağlam var. Meta, milyarlarca kişilik ölçekte sosyal ilişki ağlarını, mesajlaşma uygulamalarını, içerik üreticilerini ve reklamverenleri elinde tutuyor. Microsoft'un kozları kurumsal kimlik altyapısı, Office, GitHub, Azure ve şirketlerin iş akışları. Apple ise bugün var olan en değerli kişisel bilişim platformlarından birini kontrol ediyor.
Ajanların hem iş görebilecekleri bir sahaya hem de adına hareket edecekleri birinin yetkisine ihtiyacı var. Modeli bir gün bir başkasıyla değiştirmek mümkün olabilir. Etrafındaki sistemi değiştirmek ise mümkün olmayabilir.
Yardımcı pilotlardan şirketlere
Süreci en yalın haliyle şöyle özetleyebiliriz:
- 2023–2025: Yapay zekâ soruları yanıtlar.
- 2025–2027: Yapay zekâ görevleri tamamlar.
- Ardından: Yapay zekâ işi koordine eder.
Bu yolda yazılımla emek arasındaki çizgi bulanıklaşmaya başlar. Bugün on kat fazla iş çıkarması gereken bir şirketin genellikle çok daha fazla insana ihtiyacı olur. Ajan organizasyonlarının dünyasında ise kadroya eklenen bir sonraki işçi pekâlâ bir yazılım kopyası daha olabilir. Beş kişilik bir girişim elli kişinin, elli kişilik bir şirket de beş yüz kişinin kapasitesiyle çalışabilir. Sonunda "çalışanları" neredeyse tamamen yapay olan işletmeler görebiliriz. Bu işletmelerde insanlar sermayeyi, hedefleri, ilişkileri ve yönetişimi sağlar; son sözü de onlar söyler.
Bunun ne hızla olacağı gerçekten belirsiz. Süreci yetenekten çok güvenilirlik, hukuki sorumluluk ve güven meseleleri yavaşlatabilir. Yine de yön önemli, çünkü sormamız gereken soruyu değiştiriyor.
Artık soru model yazılımı yazabilir mi? değil. Yeni soru şu: Sistem yazılım kullanabilir, yazılım geliştirebilir, başka ajanları koordine edebilir, kaynakları dağıtabilir ve uzun süre boyunca bir hedefin peşinden gidebilir mi? Daha da ötesi: Tek bir kişi, yapay zekâ aracılığıyla ne büyüklükte bir organizasyonu etkili biçimde yönetebilir?
Bu, önümüzdeki on yılın belirleyici ekonomik sorularından biri olabilir. Eğer öyleyse, yapay zekânın en önemli ölçütü tek bir modelin sohbette ne kadar zeki göründüğü olmayacak. Asıl ölçüt, eşgüdümle çalışan modellerden kurulu bir sistemin ekonominin ne kadarını fiilen yürütebildiği olacak.
Yorumlar