TKNLJ

Palantir son derece güçlü bir çeyrek açıkladı. Şirketin geliri yaklaşık 1,9 milyar dolara, kârı ise 1,1 milyar doların üzerine çıktı. Yıllık gelir artışı yüzde 93’e ulaşırken Palantir’in toplam işi rekor seviyeye yükseldi. Şirketin yalnızca ABD hükümetinden elde ettiği gelir de yaklaşık 809 milyon dolar oldu.

Bu tablonun ardından CEO Alex Karp, yapay zekâ sektörünün bir bölümünü “Marksist” olmakla suçladı. Karp’ın kullandığı kavram, Amerikan siyasi tartışmalarında son yıllarda kazandığı geniş ve belirsiz anlam nedeniyle dikkat çekiyor. “Marksist” sözcüğü artık yalnızca belirli bir ekonomik veya siyasi düşünce geleneğini tarif etmek için değil, fazla solcu, merkeziyetçi ya da istenmeyen görülen pek çok yaklaşımı mahkûm etmek için de kullanılabiliyor.

Marksizm neyi eleştiriyordu?

En genel tanımıyla Marksizm, Karl Marx’ın kapitalizm, sınıflar ve mülkiyet ilişkileri üzerine geliştirdiği düşünsel gelenekten doğdu. Marx’a göre kapitalist toplumdaki temel gerilimlerden biri, üretim araçlarına sahip olanlarla geçimini çalışarak sağlayanlar arasındaydı. Fabrikalar, makineler, toprak ve sermaye dönemin başlıca üretim araçlarını oluşturuyordu.

Bugünün dijital ekonomisinde bu listeye veri merkezleri, büyük yapay zekâ modelleri, özel veri kümeleri ve hesaplama altyapısı da eklenebilir. Bu kaynakları kontrol eden şirketler yalnızca bir ürün satmıyor; başka şirketlerin üretim süreçlerini, bilgiye erişimini ve rekabet kapasitesini etkileyebilecek bir altyapıyı da yönetiyor.

Marx’ın temel eleştirilerinden biri, kapitalizm geliştikçe üretim araçlarının giderek daha az sayıda sermaye sahibinin elinde yoğunlaşabilmesiydi. Bu açıdan birkaç özel teknoloji şirketinin dev veri merkezleri kurması, milyarlarca dolarlık modellere sahip olması ve ekonominin geri kalanının kullandığı yapay zekâ altyapısını kontrol etmesi Marksist bir proje değil, sermaye yoğunlaşmasının güncel bir örneği olarak görülebilir.

Karp’ın asıl itirazı veri mülkiyetine

Karp’ın açıklamasının arkasında kavramsal tartışmadan daha somut bir ticari sorun bulunuyor. Palantir CEO’suna göre büyük yapay zekâ laboratuvarları müşterilerinin bilgisini, verisini ve uzmanlığını kendi modellerine taşıyor. Modeller bu içeriklerle güçlendikçe birkaç şirket, ekonominin geniş bölümünün ihtiyaç duyduğu yeni üretim araçlarını kontrol eder hale geliyor.

Karp bu süreci anlatırken “üretim araçlarını ele geçirmek” ifadesini kullanıyor ve yaklaşımda “Marksist tonlar” bulunduğunu söylüyor. Oysa özel şirketlerin başka şirketlere ait bilgi ve uzmanlığı kendi altyapısında toplaması, üretim araçlarının ortak mülkiyetinden çok piyasa gücünün birkaç özel aktörde merkezileşmesine işaret ediyor.

Palantir kendisini bu modele karşı daha bağımsız bir altyapı sağlayıcısı olarak konumlandırıyor. Şirketin müşterilerine sunduğu temel vaat, verinin müşteride kalması ve hangi yapay zekâ modelinin kullanılacağına müşterinin karar vermesi. OpenAI, Anthropic veya başka büyük model sağlayıcılarıyla çalışan işletmelerin kendi fikrî birikimlerinin bu şirketlerin sistemlerine akabileceği endişesi, Palantir’in ticari söyleminin merkezinde yer alıyor.

Bu kaygı bütünüyle gerçek. Bir şirket müşteri verilerini, üretim yöntemlerini, kurumsal yazışmalarını ve çalışanlarının uzmanlığını bir yapay zekâ sistemine aktardığında mülkiyet ve denetim sorunları ortaya çıkıyor. Modelin bu bilgilerden öğrenip öğrenmediği, rakiplerin bundan dolaylı biçimde yararlanıp yararlanamayacağı ve şirketin sonunda kendi bilgisini kullanmak için başka bir platforma ödeme yapmak zorunda kalıp kalmayacağı ciddi biçimde tartışılmalı.

Ancak bu sorunları “Marksizm” sözcüğüyle açıklamak, tartışmayı berraklaştırmak yerine bulanıklaştırıyor. Burada söz konusu olan yapı piyasa gücü, platform kapitalizmi, teknoloji oligopolü veya tekel eğilimi gibi kavramlarla daha doğru biçimde tarif edilebilir.

Kavramdan siyasi etikete

Marksizm bir ekonomik ve siyasi düşünce geleneğidir. Marksizm adına kurulan rejimlerin baskıları, ekonomik başarısızlıkları ve insan hakları ihlalleri tarihsel değerlendirmelerin konusudur. Bununla birlikte Marx’ın sınıf, sermaye birikimi ve ekonomik gücün yoğunlaşmasına ilişkin analizlerinin siyaset bilimi, ekonomi ve sosyoloji üzerinde büyük etkisi bulunduğu da açıktır.

Bu nedenle “Marksist” sözcüğü tek başına bir kişinin veya kurumun iyi ya da kötü olduğunu göstermez. Liberal, kapitalist, muhafazakâr veya anarşist gibi bu kavram da öncelikle belirli fikirleri tarif eder. Hakarete dönüşmesi, sözcüğün içeriğinden çok hangi niyetle ve bağlamda kullanıldığına bağlıdır.

Karp’ın kullanımında “Marksist” sözcüğü, tutarlı bir düşünce sistemini tanımlamaktan çok, rakiplerinin ekonomik yaklaşımını mahkûm eden siyasi bir etikete dönüşüyor. Buradaki ironi, Palantir’in devlet ve savunma sözleşmelerinden yüz milyonlarca dolar kazandığı, gelirini ve kârını hızla artırdığı bir çeyrekte başka özel şirketlerin fazla güç toplamasından şikâyet etmesinde yatıyor.

Karp’ın veri mülkiyeti ve yapay zekâ altyapısındaki yoğunlaşma konusundaki uyarısı ciddiye alınmayı hak ediyor. Fakat bu uyarının doğru anlaşılabilmesi için kavramların da doğru kullanılması gerekiyor. Marx bugün büyük yapay zekâ şirketlerinin sermayeyi, bilgiyi ve üretim altyapısını birkaç merkezde topladığını görseydi onları büyük olasılıkla “Marksist” diye tanımlamazdı. Daha çok, kapitalizm hakkında yaptığı uyarıların yeni teknoloji çağında farklı araçlarla yeniden ortaya çıktığını söylerdi.

Karp’ın gerçek sorusu önemli: Şirketlerin verisi ve uzmanlığı yapay zekâ sağlayıcılarının kontrolüne geçerse üretim gücü kimde kalacak?

Hollywood’un yapay zekâyla ilişkisi, teknoloji karşısındaki en belirgin ikilemlerden birini sergiliyor. Oyuncular, senaristler ve yapımcılar kameralar önünde mesafeli bir dil kullanırken teknoloji, kapalı kapılar ardında üretim süreçlerinin parçası haline geliyor. Hollywood’u uzun yıllardır izleyen gazeteci Matthew Belloni, WIRED’a verdiği röportajda bu durumu kısa ve açık bir cümleyle özetliyor: “Herkes kullanıyor.”

Yapay zekâ kullanımı yalnızca şirketlerin idari işlerini hızlandırmakla sınırlı değil. Teknoloji doğrudan yaratıcı süreçlere de giriyor. Senaristler sahne fikirleri üretmek, mekân tasvirlerini geliştirmek ve alternatif espriler bulmak için yapay zekâ araçlarından yararlanıyor. Belloni, ünlü bir dizi yapımcısının senaristlerini ChatGPT kullanmadıkları için azarladığını da aktarıyor. Bu örnek, yapay zekâ kullanımının bazı yapımlarda kişisel bir tercih olmaktan çıkarak beklenen bir çalışma yöntemine dönüşmeye başladığını gösteriyor.

Değişimin en hızlı hissedildiği alanlardan biri animasyon. Storyboard hazırlanmasından belirli görüntülerin üretilmesine kadar uzanan çok sayıda aşama artık yapay zekâ araçlarıyla gerçekleştirilebiliyor. Bu sistemler bir projenin görsel dünyasını daha kısa sürede taslak haline getirebildiği gibi, üretim sürecindeki bazı teknik işleri de otomatikleştirebiliyor. Netflix’in geçtiğimiz ay yaklaşık 300 yapımında üretken yapay zekâ kullanıldığını açıklaması, teknolojinin deneme aşamasını geçerek geniş ölçekte uygulandığını ortaya koyuyor.

Bu hızlı benimsenmenin arkasında yalnızca teknolojik merak bulunmuyor. Film yapım maliyetleri yükselirken gişe gelirleri aynı hızda artmıyor. Stüdyolar bu nedenle yapımları ucuzlatacak, yeniden çekim ihtiyacını azaltacak ve üretim takvimlerini kısaltacak yöntemler arıyor. Yapay zekâ, aynı görüntü üzerinde daha fazla işlem yapılmasına ve daha önce yeni set, ekip veya çekim gerektiren bazı işlerin dijital ortamda tamamlanmasına imkân vererek bu ekonomik baskıya doğrudan karşılık veriyor.

Ben Affleck’in yapay zekâ şirketinin Netflix tarafından 587 milyon dolara satın alınması, bu dönüşümün ulaştığı ekonomik büyüklüğü gösteren en çarpıcı örneklerden biri. Şirketin geliştirdiği teknoloji, daha önce çekilmiş görüntüleri yapay zekâyla genişletebiliyor, eksik kamera açıları oluşturabiliyor ve bazı durumlarda pahalı yeniden çekimlerin önüne geçebiliyor. Böylece yapay zekâ yalnızca görüntü üretmek için değil, mevcut çekimlerden daha fazla malzeme çıkararak yapım maliyetini düşürmek için de kullanılıyor.

Hollywood’daki endişe de tam bu noktada yoğunlaşıyor. Yapay zekânın çalışanlara yardımcı bir araç mı olacağı, yoksa giderek onların yerini mi alacağı henüz açıklığa kavuşmuş değil. Oyuncu ve senarist sendikaları teknolojinin bütünüyle yasaklanmasını talep etmiyor. Buna karşılık yapay zekâ kullanılan bir senaryoda insan yazarın kredilendirilmesini ve dijital oyuncuların gerçek oyuncuların yerine ücretsiz biçimde kullanılmamasını istiyor. Animasyondaki bazı teknik işlerin otomasyondan etkilenmeye başlaması, bu kaygıların varsayımsal olmadığını gösteriyor.

Tartışmanın merkezinde yalnızca istihdam değil, yaratıcı emeğin görünürlüğü de bulunuyor. Bir senarist yapay zekâdan sahne veya espri önerisi aldığında ortaya çıkan metnin yazarı kim sayılacak? Bir oyuncunun görüntüsü dijital olarak çoğaltıldığında bu kullanım nasıl ücretlendirilecek? Sendikaların yaklaşımı, teknolojiyi üretimden çıkarmaya değil, yapay zekâ kullanılan süreçlerde insan emeğinin adının, ücretinin ve söz hakkının korunmasına dayanıyor. Stüdyolar maliyet avantajını kaybetmek istemezken çalışanlar otomasyonun sınırsız biçimde uygulanmasını engellemeye çalışıyor.

Bir başka önemli cepheyi telif hakları oluşturuyor. Hollywood şirketleri bir yandan yapay zekâ firmalarının kendilerine ait karakterleri ve görsel dünyaları izinsiz kullanamayacağını savunarak dava açıyor, diğer yandan kendi yapımlarında aynı teknolojiden yararlanıyor. Disney, Universal ve Warner Bros. ile Midjourney arasındaki dava bu çelişkinin en görünür örneği. Midjourney ise stüdyoların yapay zekâyı hangi yöntemlerle kullandığını sorgulayarak ilgili belgelerin açıklanmasını istiyor.

Bu karşılıklı talepler, yapay zekâ tartışmasının basit bir teknoloji karşıtlığı olmadığını gösteriyor. Stüdyolar kendi fikrî mülkiyetlerinin modeller tarafından izinsiz kullanılmasını engellemek isterken yapay zekânın sağlayacağı hız ve maliyet avantajından vazgeçmek istemiyor. Çalışanlar da teknolojiyi bütünüyle reddetmek yerine onun hangi koşullarda ve kimin hakları korunarak kullanılacağını belirlemeye çalışıyor. Tarafların ortak kaygısı aynı yerde birleşiyor: Yapay zekâdan uzak durmak, onu rakiplerinden daha geç kullanmak anlamına gelebilir.

Hollywood bu nedenle yapay zekâyı sevip sevmediğine karar vermiş değil; ancak onu kullanıp kullanmama aşamasını büyük ölçüde geride bırakmış görünüyor. Asıl mücadele artık teknolojinin üretime girip girmeyeceği konusunda değil, sağladığı ekonomik değerin kimler arasında paylaşılacağı, yaratıcı emeğin nasıl korunacağı ve telif sınırlarının kim tarafından çizileceği üzerinde yürütülüyor.

Hollywood’da kimse yapay zekâyı sevdiğini yüksek sesle söylemek istemiyor; fakat kimse rakibinin önce kullanmasını da istemiyor.

Google, yapay zekâ yapılanmasının merkezinde önemli bir yönetim değişikliğine gidiyor. Google DeepMind’in kurucusu ve uzun süredir CEO’su olan Demis Hassabis, günlük yönetim sorumluluklarından çekilerek Alphabet’in baş bilim insanı olarak daha uzun vadeli yapay zekâ ve bilim çalışmalarına odaklanacak. DeepMind’in günlük yönetimini ise Türkiye doğumlu bilgisayar bilimci Koray Kavukcuoğlu üstlenecek. Böylece Google’ın temel yapay zekâ araştırmalarıyla Gemini modellerinin ürünlere dönüştürülmesi arasındaki kritik sorumluluk Kavukcuoğlu’nun yönetiminde birleşecek.

Bu atama yalnızca şirketin üst kademesinde yapılan sıradan bir görev değişikliği değil. Kavukcuoğlu; DeepMind’in bilimsel araştırmalarından Gemini modellerinin geliştirilmesine, bu modellerin Google ürünlerine aktarılmasından şirketin küresel yapay zekâ rekabetindeki stratejisine kadar uzanan geniş bir alanın yönetiminde belirleyici olacak. Hassabis uzun vadeli bilimsel hedeflere yönelirken Kavukcuoğlu’nun görevi, araştırma laboratuvarında ortaya çıkan çalışmaların günlük operasyonunu ve ürünlere ulaşan yolculuğunu yönetmek olacak.

Kavukcuoğlu’nun DeepMind ile ilişkisi şirketin henüz küçük ve bağımsız bir İngiliz araştırma laboratuvarı olduğu dönemde başladı. Kuruma 2012 yılında katılan Kavukcuoğlu, derin öğrenme ekibini kurdu ve zaman içinde araştırma bölümünün yöneticiliğine kadar yükseldi. Google tarafından bugün dünyanın önde gelen yapay zekâ uzmanlarından biri olarak tanımlanan Kavukcuoğlu, dışarıdan getirilen bir yönetici değil; DeepMind’in araştırma kültürünün ve teknolojik gelişiminin içinde yetişmiş bir isim.

Kavukcuoğlu’nun imzasını taşıyan çalışmaların başında DQN, yani Deep Q-Network geliyor. Bu sistem, yapay zekânın Atari oyunlarını yalnızca ekrandaki görüntüleri izleyerek öğrenebilmesini sağladı. Oyunun kuralları veya başarıya götüren hareketler sisteme önceden anlatılmadı. Yapay zekâ, hangi hamlelerin işe yaradığını deneme ve yanılma yoluyla keşfetti. Derin öğrenmeyle pekiştirmeli öğrenmeyi bir araya getiren çalışma, modern yapay zekâ araştırmalarının önemli dönüm noktalarından biri kabul edildi.

Kavukcuoğlu’nun katkıda bulunduğu bir diğer önemli proje WaveNet oldu. İnsan sesini önceden kaydedilmiş parçaları bir araya getirerek değil, doğrudan ses dalgası düzeyinde üreten WaveNet, daha doğal ve akıcı sentetik seslerin önünü açtı. DQN makinelerin deneyimden hareket etmeyi öğrenmesine, WaveNet ise insan sesine daha fazla yaklaşmasına katkıda bulundu. Bu iki çalışma, Kavukcuoğlu’nun yalnızca yöneticilik geçmişini değil, bugünkü yapay zekâ ürünlerinin temelini oluşturan araştırmalardaki yerini de gösteriyor.

Kavukcuoğlu son yıllarda araştırma tarafındaki görevlerinin ötesine geçerek Google’ın yapay zekâyı ürüne dönüştürme sürecinde merkezi bir rol üstlendi. Şirketin en önemli yapay zekâ ailesi olan Gemini modellerinin geliştirilmesini ve Google ürünleriyle bütünleştirilmesini yönetti. 2025 yılında Google tarihinde ilk kez oluşturulan Baş Yapay Zekâ Mimarı görevine getirildi ve doğrudan Google CEO’su Sundar Pichai’ye bağlı çalışmaya başladı. Yeni düzenleme, bu sorumluluk alanını DeepMind’in günlük yönetimini de kapsayacak biçimde genişletiyor.

Google’ın önündeki temel mesele artık güçlü yapay zekâ modelleri geliştirip geliştiremeyeceği değil. Şirket uzun yıllardır dünyanın en güçlü araştırma kadrolarından birine sahip. Asıl sınav, bu bilimsel birikimi ne kadar hızlı, tutarlı ve etkili biçimde kullanıcıların karşısına çıkarabildiği. OpenAI ve Anthropic gibi rakiplerin geliştirdikleri modelleri kısa sürede ürünleştirmesi sektörün temposunu değiştirdi. Google ise araştırma gücüne rağmen zaman zaman daha yavaş ve parçalı hareket etmekle eleştirildi.

Bu nedenle Kavukcuoğlu’ndan beklenen, yalnızca DeepMind’in toplantılarını ve günlük işleyişini yönetmesi değil. Araştırma laboratuvarlarıyla Google’ın geniş ürün ekosistemi arasındaki mesafeyi kısaltması, Gemini modellerinin geliştirilmesi ile kullanılabilir ürünlere dönüşmesi arasındaki süreci hızlandırması gerekiyor. Kavukcuoğlu’nun hem temel araştırmaları hem de ürünleştirme süreçlerini yakından tanıması, Google’ın bu iki dünya arasında kurmaya çalıştığı köprü açısından önem taşıyor.

Atamanın dikkat çekici taraflarından biri de Kavukcuoğlu’nun kariyer yolculuğu. Türkiye’den çıkan bir araştırmacı, 2012 yılında küçük bir İngiliz yapay zekâ laboratuvarına katıldı. Bu laboratuvar daha sonra Google tarafından satın alındı; yapay zekâ teknoloji dünyasının en büyük rekabet alanına dönüştü. Kavukcuoğlu ise araştırmacı olarak girdiği kurumun derin öğrenme ekibini kurdu, araştırma yönetimine yükseldi ve sonunda DeepMind’in günlük yönetimini üstlenecek noktaya geldi.

Google’daki yeni dönemin iş bölümü böyle şekilleniyor: Demis Hassabis uzun vadeli bilimsel araştırmalara yoğunlaşırken Koray Kavukcuoğlu, DeepMind’in günlük yönetimini, Gemini modellerini ve bu modellerin Google ürünlerine taşınmasını yönetecek. Bu değişikliğin başarısı tek bir unvandan çok, Google’ın araştırma gücüyle ürün geliştirme kapasitesini aynı hızda çalıştırıp çalıştıramayacağıyla ölçülecek. Kavukcuoğlu’nun önündeki asıl görev de Google’ın sahip olduğu bilimsel birikimi küresel yapay zekâ yarışında daha hızlı ve bütünlüklü bir güce dönüştürmek olacak.

Google’ın yeni sınavı model geliştirmek değil, araştırmayı ürünlere daha hızlı ve bütünlüklü biçimde taşıyabilmek.

Yapay zekânın gündelik kullanımı bugün büyük ölçüde metin düzeltme, özet çıkarma, başlık önerme ve bilgi arama gibi işlerde yoğunlaşıyor. ABD’nin geçen yıl başlattığı Genesis Mission ise teknolojiyi bu yardımcı rolün çok ötesine taşımayı hedefliyor. Program, yapay zekâyı bilimsel araştırma, ileri üretim, enerji, biyoteknoloji ve kritik altyapı güvenliğinin merkezine yerleştirmeyi amaçlıyor. Washington artık teknolojiden yalnızca yanıt vermesini değil; yeni malzemelerin, ilaçların ve üretim yöntemlerinin geliştirilmesine doğrudan katkı sağlamasını bekliyor.

Amerikan Ulusal Standartlar ve Teknoloji Enstitüsünün programa resmen katılması, bu hedefin uygulama alanını genişletiyor. NIST ile Enerji Bakanlığı arasında yapılan anlaşma kapsamında yapay zekâ; biyoteknoloji, kuantum teknolojileri, yeni malzemeler, üretim ve siber güvenlik gibi stratejik alanlarda kullanılacak. Genesis Mission’ın temel hedefi ise Amerikan bilim ve mühendisliğinin üretkenliğini on yıl içinde iki katına çıkarmak.

Söz konusu plan, bilim insanlarına bir sohbet robotu aboneliği sağlamaktan çok daha kapsamlı. ABD’nin süper bilgisayarlarının, ulusal laboratuvarlarının, bilimsel cihazlarının, büyük veri kümelerinin ve yapay zekâ modellerinin ortak bir araştırma altyapısında buluşturulması öngörülüyor. İleride kuantum sistemlerinin de bu yapıya bağlanması hedefleniyor. Ortaya çıkarılmak istenen sistem, tek tek araştırmacıların bilgisayarlarından çok daha büyük, ülke çapında çalışan bir bilimsel sinir ağına benziyor.

Yeni bir malzemenin geleneksel yöntemlerle geliştirilmesi uzun ve pahalı bir deneme süreci gerektiriyor. Araştırmacı önce bir fikir oluşturuyor, simülasyon yapıyor, malzemeyi laboratuvarda üretiyor ve sonuçları inceliyor. Deneme başarısız olduğunda süreç yeni bir adayla yeniden başlıyor. Yüzlerce veya binlerce ihtimalin bulunduğu alanlarda doğru bileşime ulaşmak yıllar alabiliyor.

Genesis Mission’ın kurmaya çalıştığı düzende yapay zekâ milyonlarca olasılığı tarayacak, süper bilgisayarlar en güçlü adayların simülasyonlarını gerçekleştirecek, laboratuvar cihazları sonuçları ölçecek ve elde edilen veriler yeniden modele aktarılacak. Sistem bu döngünün sonunda bir sonraki deney için en umut verici seçenekleri önerecek. Bilim insanı karar ve doğrulama sürecinin merkezinde kalırken hesaplama, karşılaştırma ve deney tasarımı çok daha yüksek bir hızda yürütülebilecek.

Programın özellikle vurguladığı nokta, yapay zekânın araştırmacının yerini alması değil, keşif sürecini hızlandırması. Teknoloji burada bağımsız bir bilimsel otorite olarak değil; büyük miktarda veriyi işleyen, ihtimalleri daraltan ve hangi deneyin yapılacağına daha güçlü kanıtlarla karar verilmesini sağlayan bir araştırma ortağı olarak konumlandırılıyor.

NIST’in ilk projelerinden biri, yaklaşımın laboratuvarlarla sınırlı olmadığını gösteriyor. ABD, yapay zekâdan yararlanarak drone üretim kapasitesini iki yıl içinde on kat artırmayı hedefliyor. İnsanlarla birlikte çalışan robotlar ve otonom sistemler kullanılarak fabrika içindeki üretim süreci yeniden tasarlanacak. Yapay zekâdan beklenen, drone hakkında içerik hazırlaması değil; üretim hattındaki darboğazları belirlemesi, kaynak kullanımını iyileştirmesi ve fabrikanın daha hızlı çalışmasına yardımcı olması.

İkinci büyük çalışma alanını siber güvenlik oluşturuyor. NIST; elektrik şebekeleri, telekomünikasyon sistemleri, su tesisleri, finans kuruluşları ve sağlık altyapısına yönelen saldırıları çok yüksek hızda tespit edebilecek ve bunlara müdahale edebilecek yapay zekâ ajanları geliştirmek istiyor. Bu sistemlerin yalnızca şüpheli hareketi raporlaması değil, ideal koşullarda saldırıyı analiz ederek gerekli savunma adımlarını başlatması da hedefleniyor.

Genesis Mission artık dar kapsamlı bir araştırma girişimi değil. Amerikan yönetimi temmuz ayında programa bağlı çalışmalar için 5 milyar doların üzerinde federal kaynak açıkladı. Özel sektör ve diğer ortakların sağladığı hesaplama gücü, bulut altyapısı, modeller ve başka kaynakların değeri 800 milyon doları aşmış durumda. OpenAI, Nvidia, Microsoft, Google, IBM, AMD, Amazon ve Oracle da programın ortakları arasında bulunuyor.

Enerji Bakanlığının yapay zekâyla çözülmek üzere belirlediği 26 büyük bilim ve teknoloji problemi, girişimin ölçeğini ortaya koyuyor. Liste; ileri üretimden biyoteknolojiye, nükleer enerjiden kritik minerallere ve kuantum teknolojilerine kadar uzanıyor. Böylece kamu laboratuvarlarının bilimsel birikimi, devletin hesaplama altyapısı ve teknoloji şirketlerinin modelleri aynı ulusal hedefler çevresinde bir araya getiriliyor.

Genesis Mission, küresel yapay zekâ rekabetinin yalnızca hangi şirketin daha iyi sohbet robotu geliştirdiği üzerinden değerlendirilemeyeceğini gösteriyor. Asıl ekonomik ve stratejik üstünlük, yapay zekâyı laboratuvarlara, fabrikalara, enerji sistemlerine ve bilimsel cihazlara en hızlı bağlayan ülkelerin eline geçebilir. Bir modelin iyi şiir yazması ilgi çekici olabilir; ancak yeni bir batarya malzemesinin beş yıl yerine beş ayda bulunmasını sağlaması, sanayinin ve enerji politikasının yönünü değiştirebilir. Önümüzdeki yarışta asıl farkı chatbotların cevaplarından çok laboratuvarların ne kadar hızlandığı belirleyebilir.

Yapay zekâ yarışındaki asıl farkı, chatbotların cevaplarından çok laboratuvarların ne kadar hızlandığı belirleyebilir.

Yapay zekâ, iş hayatından eğitime kadar pek çok alanda insanlara zaman kazandıran bir yardımcıya dönüşüyor. Şimdi teknoloji şirketlerinin ilgi alanında aile hayatı ve ebeveynlik de bulunuyor. OpenAI CEO’su Sam Altman’ın paylaştığı yeni kullanım fikri, bu yönelimin ne kadar ileri gidebileceğini gösteren dikkat çekici bir örnek oldu.

Altman’ın önerisine göre ebeveynler çocuklarının ilgi alanlarını ChatGPT’ye anlatacak, sistem de bu bilgilere dayanarak çocuğa özel bir podcast hazırlayacak. Aile daha sonra bu programı, örneğin okula giderken arabada birlikte dinleyebilecek. Minecraft’la ilgilenen bir çocuk için oyun evrenindeki konuları ele alan kişiselleştirilmiş bir yayın üretilebilecek.

Fikir ilk bakışta yararlı görünüyor. Çocuğun ilgisini çeken bir konuda yaşına uygun içerik hazırlanması, yolculuk süresinin eğlenceli ve öğretici biçimde değerlendirilmesini sağlayabilir. Ancak öneri internette, yapay zekânın ebeveyn ile çocuk arasındaki doğrudan iletişimin yerini alabileceği endişesiyle karşılandı. “Gravity Falls”un yaratıcısı Alex Hirsch, tartışmayı “Çocuklarınızla konuşsanız?” sorusuyla özetledi.

Ebeveynlik yeni teknoloji pazarı

Altman’ın yapay zekâ destekli ebeveynlik konusundaki açıklamaları bu öneriyle sınırlı değil. Daha önce yeni doğan bebeğini büyütürken ChatGPT olmadan bunu nasıl yapabileceğini hayal edemediğini söylemiş, ardından insanlığın binlerce yıldır çocuk yetiştirmeyi bir biçimde başardığını da kabul etmişti.

Yapay zekâ şirketleri açısından aile yaşamı giderek yeni bir ürün alanına dönüşüyor. OpenAI ailelere yönelik ürünler geliştirecek yöneticiler ararken Meta, yapay zekâ tarafından hazırlanan uyku hikâyeleri üzerinde çalışıyor. Çocuklara özel eğitim içeriği, masal, oyun, soru-cevap ve kişiselleştirilmiş sesli yayınlar şirketlere uzun süreli ve gündelik bir kullanım alanı sunuyor.

Bu araçların ebeveynlere sağlayabileceği katkıyı küçümsememek gerekiyor. Yapay zekâ bir çocuğun sorduğu bilim sorusunu yaşına uygun biçimde açıklayabilir, aile gezisi planlayabilir, kitap önerebilir veya anne ve babanın zorlandığı bir matematik konusunu anlatabilir. Günün sonunda yorgun bir ebeveyn için hızlı ve anlaşılır bilgi üreten bir yardımcı gerçekten değerli olabilir.

Tartışmanın merkezindeki soru bu sistemlerin işe yarayıp yaramadığı değil. Asıl mesele, yardımcı bir araçla insan ilişkisinin yerini alan aracı arasındaki sınırın nerede çizileceği. Yapay zekâ ebeveyne konuşma konusu önerebilir; fakat konuşmanın kendisini üstlendiğinde aile içi iletişim giderek teknoloji tarafından hazırlanmış, düzenlenmiş ve ölçülmüş bir faaliyete dönüşebilir.

Verimsiz sohbetin değeri

Çocukla arabada geçirilen yirmi dakikanın belirli bir öğrenme hedefine sahip olmaması, o sürenin değersiz olduğu anlamına gelmiyor. Çocuk arkadaşının kalemini uzun uzun anlatabilir, okulda yaşadığı küçük bir olayı büyütebilir veya ansızın anne ve babasının çocukluğuna ilişkin bir soru sorabilir. Bu konuşmalar önceden planlanmadığı için önemlidir.

Kişiselleştirilmiş bir podcast çocuğun mevcut ilgilerini iyi biçimde besleyebilir; ancak çocuğun henüz ifade edemediği bir kaygıyı, gün içinde yaşadığı kırgınlığı veya merak ettiği beklenmedik bir konuyu kendiliğinden ortaya çıkaramaz. Ebeveynle kurulan doğrudan ilişki yalnızca bilgi aktarımından ibaret değildir. Çocuğun sesindeki tereddüdü, konuyu değiştirme biçimini veya anlatırken neye heyecanlandığını fark etmek de bu ilişkinin parçasıdır.

Aile içindeki “verimsiz” zaman, ebeveynlerin çocuk hakkında en nitelikli bilgiyi elde ettiği alanlardan biridir. Yapay zekâ sistemi çocuğun daha önce belirtilmiş ilgi alanlarına göre içerik üretirken gerçek sohbet, onun değişmekte olan kişiliğini ve o günkü duygusunu gösterebilir. Algoritma bilinen tercihleri pekiştirir; çocuk ise çoğu zaman konuşurken yeni bir ilgi, soru veya sorun ortaya çıkarır.

Yardımcı olmak ile yerini almak

Yapay zekâ sohbet botlarını kullanan yetişkinlerin oranı ABD’de hızla yükseliyor. Buna rağmen teknolojinin toplum üzerindeki etkilerine ilişkin kaygılar sürüyor ve gençler bu konuda özellikle kuşkucu davranıyor. Aile hayatına yönelik ürünler, bu tereddütlerin en hassas alanlarından birine temas ediyor.

Çünkü mesele yalnızca çocuklara sunulan içeriğin kalitesi değil. Çocuğun ilgi alanlarına ilişkin verilerin kim tarafından tutulacağı, sistemin hangi davranışları teşvik edeceği ve aile içindeki iletişimin ne ölçüde bir şirketin ürününe bağlanacağı da önem taşıyor. Kişiselleştirme kolaylık sağlarken ebeveynlik ilişkisinin ticari bir platform üzerinden kurulmasını olağanlaştırabilir.

Teknoloji sektörünün temel sorusu uzun süredir yapay zekânın hayatın başka hangi alanlarında kullanılabileceği. Aileler açısından bunun karşısına ikinci bir soru koymak gerekiyor: Yapay zekâ hangi alanlarda yararlı bir yardımcı olarak kalmalı ve hangi alanlarda geri çekilmelidir?

Çocukla konuşmak her zaman öğretici, düzenli veya verimli olmayabilir. Fakat ilişkinin değeri de büyük ölçüde bu öngörülemezlikten doğar. Yapay zekâ yolculuk için iyi bir podcast hazırlayabilir; yine de bazen en doğru kullanım, yayını kapatıp çocuğa gününün nasıl geçtiğini sormaktır. Bu yöntem ücretsizdir, internet veya abonelik gerektirmez ve çocuğunuz hakkında herhangi bir algoritmadan daha güncel bilgi sağlar.

Yapay zekâ iyi bir podcast hazırlayabilir; ancak çocuğun beklenmedik sorusunu ve o günkü duygusunu önceden planlayamaz.

Yapay zekâ şirketleri daha güçlü modeller geliştirebilmek için yalnızca yeni veri merkezlerine, işlemcilere ve enerji kaynaklarına ihtiyaç duymuyor. Sektörün giderek daha kritik hale gelen gereksinimlerinden biri de nitelikli insan üretimi içerik. Bu arayış, teknoloji dünyasını beklenmedik bir kaynağa, yapay zekâ çağından önce basılmış kitaplara yöneltiyor.

İnternet son birkaç yılda yapay zekâyla hazırlanmış yazılar, görseller, ürün açıklamaları ve birbirine benzeyen içeriklerle hızla doldu. Bunların düşük kaliteli ve seri üretilmiş bölümünü tanımlamak için “AI slop”, Türkçesiyle “yapay zekâ bulamacı” ifadesi kullanılıyor.

Sorun yalnızca internetin niteliksiz içerikle dolması değil. Yeni modeller internetten toplanan verilerle eğitildikçe başka yapay zekâ sistemlerinin ürettiği içerikleri de öğrenmeye başlıyor. Böylece bir modelin çıktısı, sonraki modelin eğitim verisine dönüşüyor. Yanlışlar, tekrarlar ve yüzeysel anlatımlar yeni sistemlere aktarılarak çoğalabiliyor.

Bu nedenle özellikle 2022’den önce basılmış kitaplar yapay zekâ şirketlerinin gözünde değerli veri kaynakları haline geldi. Bu eserlerin insanlar tarafından yazıldığından büyük ölçüde emin olunabiliyor. Üstelik basılı kitapların önemli bir bölümü editörlük, düzeltme ve yayın süreçlerinden geçtiği için internette rastgele toplanan metinlere kıyasla daha tutarlı bir dil ve içerik sunuyor.

Project Panama: Kitapları veriye çevirmek

Anthropic’in 2024 yılında başlattığı “Project Panama”, yapay zekâ sektörünün nitelikli veri arayışının en çarpıcı örneklerinden biri oldu. Mahkeme belgelerine göre şirket bu çalışma kapsamında milyonlarca basılı kitap satın aldı.

Kitaplar geleneksel yöntemlerle sayfa sayfa taranmadı. Ciltlerin sırtları kesildi, sayfalar birbirinden ayrıldı ve yüksek hızlı tarayıcılardan geçirilerek dijital kopyaları oluşturuldu. Fiziksel kitaplar ise işlem tamamlandıktan sonra geri dönüşüme gönderildi.

Bu yöntemin nedeni hızdı. Bir kitabı zarar vermeden dijitalleştirmek için sayfaların tek tek çevrilmesi gerekiyor. Milyonlarca eser söz konusu olduğunda bu yöntem hem zaman hem de maliyet bakımından uygulanabilir olmaktan çıkıyor. Kitabın sırtının kesilmesi ise sayfaların seri biçimde taranmasına olanak sağlıyor. Böylece kültürel bir ürün, fiziksel bütünlüğünü kaybederek makine eğitiminde kullanılacak sayısal veriye dönüştürülüyor.

Project Panama, yapay zekâ sektörünün veri ihtiyacının fiziksel dünyada nasıl bir endüstriyel sürece dönüştüğünü de gösteriyor. Yapay zekânın görünürde soyut olan öğrenme sürecinin arkasında kitapların satın alınması, parçalanması, taranması, depolanması ve geri dönüştürülmesi gibi son derece somut işlemler bulunuyor.

Satın alınan kitap ile korsan kopya arasındaki sınır

Operasyon daha sonra önemli bir telif davasının konusu oldu. Amerikalı Yargıç William Alsup, Anthropic’in satın aldığı fiziksel kitapları dijital eğitim verisine dönüştürmesini belirli koşullarda adil kullanım kapsamında değerlendirdi. Ancak korsan kaynaklardan indirilen milyonlarca kitap için aynı sonuca varmadı.

Mahkemenin yaklaşımında kitabın nasıl edinildiği belirleyici oldu. Fiziksel bir kitabın satın alınarak başka bir biçime dönüştürülmesi ile eserin korsan bir kaynaktan elde edilmesi aynı işlem olarak kabul edilmedi. Bu ayrım, yapay zekâ şirketlerinin eğitim verisi toplarken sahip olabilecekleri hakların sınırını da gösterdi.

Anthropic daha sonra yazarlar tarafından açılan toplu davada 1,5 milyar dolarlık uzlaşmayı kabul etti. Böylece yapay zekâ modellerinin kitaplarla eğitilmesi tartışması, teknik bir veri toplama meselesinin ötesine geçerek telif hakkı, mülkiyet ve yaratıcı emeğin karşılığına ilişkin büyük bir hukuk mücadelesine dönüştü.

Yeni kıt kaynak: İnsan üretimi veri

Hikâyenin en önemli yanı yalnızca kitapların nasıl tarandığı veya mahkemenin hangi kararı verdiği değil. Bu süreç, yapay zekânın temel hammaddesinin insan kültürü olduğunu açık biçimde gösteriyor. Kitaplar, gazeteler, makaleler, görseller, müzikler ve yazılım kodları modellerin dünyayı öğrenmesini sağlayan kaynakları oluşturuyor.

İlk büyük yapay zekâ modelleri insanlar tarafından kurulmuş interneti okudu. Ardından yapay zekâ sistemleri internete kendi içeriklerini eklemeye başladı. Yapay zekâ üretimi metin ve görüntülerin oranı arttıkça, eğitim verisi içindeki insan üretimi içeriği ayırt etmek de zorlaştı. Teknoloji şirketleri bu nedenle geleceğin modellerini geliştirmek için geçmişin daha güvenilir insan üretimi arşivlerine dönüyor.

Bu dönüşüm basılı kitapların teknoloji çağındaki konumunu da değiştiriyor. Bir dönem dijital yayıncılık karşısında yok olacağı düşünülen eski kitaplar, bugün dünyanın en gelişmiş makinelerine dil, anlatım ve bilgi öğretmek için kullanılan değerli kaynaklara dönüşmüş durumda. Basılı kitap ölmedi; yalnızca okurun rafından çıkarak yapay zekânın eğitim verisi zincirinde yeni bir görev üstlendi.

Önümüzdeki yıllarda yapay zekâ sektörünün en kıymetli kaynaklarından biri yalnızca işlemci veya elektrik olmayabilir. İnsanlar tarafından üretilmiş, yapay zekâ içerikleriyle karışmamış ve belirli bir kalite sürecinden geçmiş temiz veri de stratejik bir kaynağa dönüşebilir. Yapay zekâ geleceği üretmek istiyor; fakat bunu daha iyi yapabilmek için hâlâ insanlığın geçmişini okumak zorunda.

Yapay zekâ geleceği üretmek istiyor; fakat daha iyi olabilmek için hâlâ insanlığın geçmişini okumak zorunda.

Yapay zekânın okullara girip girmeyeceği tartışması büyük ölçüde sona erdi. Öğrenciler ödev hazırlarken, araştırma yaparken ve anlamadıkları konuları öğrenmeye çalışırken bu sistemlerden çoktan yararlanmaya başladı. Eğitim kurumlarının önündeki asıl mesele artık yapay zekâyı sınıfın dışında tutmak değil, onun hangi koşullarda ve kimin denetiminde kullanılacağını belirlemek.

ABD’nin en büyük öğretmen sendikalarından American Federation of Teachers bu amaçla öğretmenlere yapay zekâ eğitimi verecek özel bir akademi kurdu. Programın hedefi, beş yıl içinde 400 bin öğretmeni eğitmek. Ancak projenin finansmanı önemli bir tartışmayı da beraberinde getiriyor: Microsoft, OpenAI ve Anthropic programa toplam 23 milyon dolar sağlıyor.

Böylece öğretmenlere yapay zekânın nasıl kullanılması gerektiğini anlatacak programın maliyetini, aynı teknolojiyi geliştiren ve satan şirketler karşılıyor. Bu destek gerekli bir eğitim yatırımına dönüşebilir; fakat hangi araçların önerileceği, risklerin nasıl anlatılacağı ve eğitimin sınırlarının kim tarafından çizileceği sorularını da gündeme getiriyor.

Öğrenciler başladı, öğretmenler yetişmeye çalışıyor

Sendika, eğitimin artık ertelenemeyeceğini savunuyor. ABD’de yapılan araştırmalarda gençlerin yarısından fazlası okul çalışmalarında yapay zekâdan yardım aldığını belirtiyor. Buna karşılık öğretmenlerin yalnızca yaklaşık yüzde 40’ı, görev yaptıkları okullarda yapay zekâ konusunda herhangi bir mesleki eğitim verildiğini söylüyor.

Bu fark, öğrencilerle öğretmenler arasında yeni bir bilgi dengesizliği yaratıyor. Öğrenci kullandığı aracın olanaklarını hızla keşfederken öğretmen çoğu zaman sistemin nasıl çalıştığını, üretilen bilginin ne kadar güvenilir olduğunu ve hazırlanan bir ödevde yapay zekânın payını nasıl değerlendireceğini kendi başına anlamaya çalışıyor.

Öğretmenlerin karşı karşıya kaldığı mesele yalnızca bir öğrencinin ödevini ChatGPT’ye yaptırıp yaptırmadığını belirlemekten ibaret değil. Yapay zekâ ders planı hazırlayabiliyor, farklı seviyelerdeki öğrenciler için ayrı materyaller üretebiliyor, sınav soruları oluşturabiliyor ve özel desteğe ihtiyaç duyan öğrenciler için içeriği yeniden düzenleyebiliyor. Doğru kullanıldığında öğretmenin zamanını alan teknik işlerin bir bölümünü azaltarak öğrenciyle daha fazla ilgilenmesine imkân sağlayabilir.

Aynı sistemler yanlış bilgi üretebilir, mevcut önyargıları yeniden oluşturabilir ve öğrencinin kendi başına düşünmesi gereken işi onun yerine yapabilir. Bu nedenle öğretmen eğitiminin yalnızca komut yazmayı öğretmesi yeterli değil. Kaynak kontrolü, veri güvenliği, öğrenci mahremiyeti, etik kullanım ve yapay zekânın hangi görevlerde kullanılmaması gerektiği de eğitimin parçası olmak zorunda.

Türkiye’de yapay zekâ sınıfa yerleşiyor

Türkiye’de de benzer bir süreç yürütülüyor. Millî Eğitim Bakanlığının 2025-2029 Eğitimde Yapay Zekâ Eylem Planı, öğretmenlerin yapay zekâ kullanımı konusunda eğitilmesini doğrudan hedefliyor. Öğretmenlere yönelik yapay zekâ el kitabı 2026’da genişletildi; ders planlama, materyal üretimi ve ölçme-değerlendirme gibi alanlarda somut kullanım örnekleri yayımlandı. İstanbul başta olmak üzere çeşitli illerde uygulamalı atölyeler ve eğitimler düzenleniyor.

MEB, konuyu yalnızca “ChatGPT nasıl kullanılır?” düzeyinde ele almamaya çalışıyor. Öğrenci mahremiyeti, veri güvenliği ve etik kullanım için ayrı bir kılavuz ve bildirim sistemi oluşturuldu. Okullarda kullanılan yapay zekâ uygulamalarının etik kurallara uygunluğu da izlenmeye başlandı.

Değişim öğretmen adaylarını da kapsıyor. Millî Eğitim Akademisinin 2026 programında “Eğitimde Yapay Zekâ Uygulamaları” doğrudan ders başlıklarından biri haline geldi. Böylece yapay zekâ bilgisi, görevdeki öğretmenlere sonradan verilen ek bir beceri olmanın yanında öğretmen yetiştirme sürecinin de parçasına dönüşüyor.

Yeni eğitim uçurumu

Gelişmekte olan ülkelerde sorun daha temel bir noktadan başlıyor. ABD’de öğretmenin ChatGPT’yi nasıl kullanacağı tartışılırken Kenya, Uganda, Gana veya Tanzanya’da internet, bilgisayar ve mesleki eğitime erişim hâlâ belirleyici olabiliyor.

UNESCO bu nedenle Microsoft ve KPMG ile Kenya, Gana, Hindistan, Malezya, Tanzanya ve Uganda’da öğretmenlere ve üniversite öğretim elemanlarına yapay zekâ eğitimi veren bir program yürütüyor. Programın 2026 sonuna kadar yarım milyon öğretmen ve öğrenciye ulaşması hedefleniyor. Kazakistan ve Tacikistan’da da benzer eğitimler başladı.

UNESCO’nun dikkat çektiği temel sorun, yapay zekânın sınıflara öğretmen eğitiminden ve ulusal politikalardan daha hızlı girmesi. Dünyanın birçok ülkesinde öğretmenlerin yapay zekâ çağında hangi becerilere sahip olması gerektiğini tanımlayan ulusal bir eğitim sistemi henüz bulunmuyor.

Bu durum eğitimde yeni bir eşitsizlik yaratabilir. Bir tarafta yapay zekâyla öğrenciye özel ders programları hazırlayan, sınav sonuçlarını analiz eden ve öğretmenin iş yükünü azaltan okullar bulunacak. Diğer tarafta ise öğretmenlerin teknolojinin nasıl çalıştığını anlamaya çalıştığı, fakat gerekli cihazlara, bağlantıya ve eğitime ulaşamadığı okullar kalacak.

Eğitimde dijital uçurum uzun süre bir okulda bilgisayar bulunup diğerinde bulunmaması üzerinden tanımlandı. Yapay zekâ çağında buna yeni bir ölçüt ekleniyor: Bir okulda teknolojiyi bilinçli, güvenli ve pedagojik amaçlarla kullanabilecek öğretmen bulunup bulunmadığı.

Öğrenciler öğretmenlerin ve eğitim sistemlerinin hazırlanmasını beklemedi. Yapay zekâyı çoktan kullanmaya başladılar. Bundan sonraki belirleyici unsur, teknolojinin sınıfa girip girmemesi değil; sınıfta direksiyona öğrencinin, teknoloji şirketinin veya gerekli eğitimi almış öğretmenin geçip geçmeyeceği olacak.

Yapay zekâ sınıfa çoktan girdi; bundan sonraki mesele, teknolojiyi sınıfta öğrencinin mi, şirketin mi, öğretmenin mi yöneteceği.

Yapay zekâ yarışı çoğunlukla ABD ile Çin arasında, daha büyük modeller ve milyarlarca dolarlık veri merkezleri üzerinden anlatılıyor. Afrika açısından ise öncelikli soru dünyanın en güçlü modelinin hangisi olduğu değil, hangi modelin mevcut bütçe ve altyapıyla çalıştırılabileceği. Bu nedenle DeepSeek, Alibaba’nın Qwen ailesi ve diğer Çin yapay zekâ sistemleri kıtada giderek daha fazla ilgi görüyor.

Bu ilginin temelinde siyasi yakınlıktan çok maliyet ve erişilebilirlik bulunuyor. Amerikan şirketlerinin kapalı modellerini sürekli API üzerinden kullanmak, küçük bir Afrika şirketi için ağır bir gider oluşturabiliyor. Çinli modellerin önemli bir bölümü ise açık ağırlıklı dağıtılıyor. Geliştiriciler model ağırlıklarını indirerek sistemi kendi altyapılarına kurabiliyor, değiştirebiliyor ve yerel verilerle yeniden eğitebiliyor.

Bir sağlık kuruluşu modeli kendi kayıtlarına, tarım şirketi bölgesel üretim koşullarına, yazılım ekibi ise yerel dillere uyarlayabiliyor. Verilerin başka bir ülkedeki sunucuya gönderilmeden işlenebilmesi de mahremiyet ve denetim bakımından avantaj sağlayabiliyor.

Modelden fazlasını satan Çin

Kenya bu eğilimin görünür olduğu ülkelerden biri. Nairobi’deki teknoloji şirketleri ve araştırmacılar Çin modellerini yerel uygulamalarda kullanmaya başladı. Qhala adlı teknoloji şirketinde düzenlenen bir toplantıda Huawei Cloud yöneticileri Afrikalı girişimcilere DeepSeek’i tanıttı.

Huawei’nin teklifi yalnızca bir yapay zekâ modelinden ibaret değil. Bulut hizmeti, veri depolama, ağ ve işlem altyapısı aynı paketin parçaları haline geliyor. Çinli şirketler yıllardır Afrika’ya telekomünikasyon ekipmanı, telefon, güneş paneli ve veri merkezi teknolojisi sağlıyor. Şimdi bu altyapının üzerine yapay zekâ hizmetleri ekleniyor.

Huawei, ZTE ve diğer Çinli şirketlerin kıtadaki yatırımları böylece yeni bir dağıtım kanalı oluşturuyor. Çin Afrika’ya yalnızca bir chatbot sunmuyor; onun çalışacağı teknolojik çevreyi de beraberinde getiriyor.

İki binden fazla dil için model

Afrika’da iki binden fazla dil konuşulmasına rağmen büyük yapay zekâ modelleri İngilizce, Çince ve birkaç büyük dünya dilinde daha güçlü. Güney Afrika’daki Lelapa AI gibi araştırma ekipleri, Çin’in açık modellerinin yerel diller ve veriler üzerinde uyarlanabilmesini bu nedenle önemli buluyor. Nijerya’daki EqualyzAI gibi girişimler de küçük ve özelleştirilmiş modeller üzerinde çalışıyor.

Kıtadaki kullanıcıların ihtiyacı her zaman genel kültür sorularını yanıtlayan dev modeller değil. Bir çiftçinin bitkisindeki hastalığı anlaması, hava durumunu öğrenmesi; bir yurttaşın kredi sözleşmesini çözebilmesi veya en yakın sağlık merkezini bulabilmesi daha somut değer taşıyor. Bu hizmetlerin yerel dillerde sunulması, yapay zekâyı dar bir eğitimli kesimin aracından gündelik hayatın parçasına dönüştürebilir.

Yapay zekânın Kuşak ve Yol’u

Amerikan şirketleri yarışın en gelişmiş modellerine ve genel yapay zekâ hedeflerine odaklanırken Çin, güçlü modelleri geniş bir coğrafyaya düşük maliyetle yaymaya çalışıyor. DeepSeek, Qwen ve Kimi gibi sistemlerin ucuz veya açık biçimde dağıtılması bu nedenle yalnızca teknik değil, jeopolitik bir tercih.

Kuşak ve Yol girişiminde limanlar, demiryolları, köprüler ve telekomünikasyon ağları öne çıkmıştı. Şimdi bunların yanına yapay zekâ ekleniyor. “Token diplomasisi” olarak adlandırılan bu yaklaşımda ülkelere yalnızca kredi veya fiziksel yatırım değil, hesaplama gücü ve model erişimi de sağlanıyor. Şirketler, üniversiteler ve kamu kurumları zamanla bu teknoloji üzerinde sistemler kuruyor.

Fırsatın içindeki bağımlılık

Çin’in teklifi Afrika açısından önemli bir fırsat sunarken yeni bir bağımlılık riski de taşıyor. 2026’da yayımlanan bir araştırmaya göre kıtadaki internet erişimi yaklaşık yüzde 38 düzeyinde ve dünyadaki veri merkezlerinin yüzde 1’inden azı Afrika’da bulunuyor. Dünyanın en genç nüfuslarından birine sahip kıta, yapay zekâyı çalıştıracak fiziksel altyapının ancak küçük bir bölümünü barındırıyor.

Ucuz bir modele erişebilmek bu açığı azaltabilir, fakat teknoloji egemenliği yalnızca ChatGPT veya DeepSeek kullanabilmekle kazanılmıyor. Belirleyici sorular daha temel: Veri merkezleri kime ait, araştırmacılar nerede yetişiyor, modeller değiştirilebiliyor mu, veriler hangi ülkede tutuluyor ve sağlayıcı fiyatı artırdığında ya da hizmeti kestiğinde sistem çalışmayı sürdürebiliyor mu?

Kötü senaryoda Afrika veriyi üretirken modeli ABD veya Çin geliştirir; kıta daha sonra kendi verisiyle eğitilmiş zekâyı hizmet olarak geri satın alır. Bu nedenle bazı Afrikalı araştırmacılar, Çin modellerini nihai ürün olarak almak yerine Afrika’nın kendi modellerini geliştireceği bir başlangıç noktası olarak kullanması gerektiğini savunuyor.

Mesele yalnızca Afrika’yı ilgilendirmiyor. Latin Amerika, Güneydoğu Asya, Orta Doğu ve Türkiye de Amerikan kapalı modelleriyle Çin’in daha ucuz ve açık sistemleri arasında seçim yapacak. Asıl seçenek ise bunlardan birine bütünüyle bağımlı olmak değil, mevcut modellerin üzerine yerel bilgi, altyapı ve araştırma kapasitesi kurabilmek.

Türkiye açısından da temel soru hangi sohbet robotunun bugün daha iyi olduğu değil, on yıl sonra şirketlerin, üniversitelerin ve kamu kurumlarının kullandığı yapay zekânın kime ait olacağıdır. Afrika’da büyüyen Çin etkisi, erişim ile egemenliğin aynı şey olmadığını hatırlatıyor. Bir ülkenin internete, bilgisayara ve yapay zekâya sahip olması yeterli değil; bunların hiçbirini denetleyemiyorsa teknolojik bağımlılık yalnızca biçim değiştirmiş demektir.

Bir ülkenin yapay zekâya erişebilmesi teknoloji egemenliği değildir; belirleyici olan altyapıyı ve veriyi kimin denetlediğidir.

Beyaz Saray, en gelişmiş yapay zekâ modellerini devlet denetiminden geçirmek amacıyla yeni bir sistem hazırladı. Planın merkezinde, modellerin piyasaya çıkarılmadan önce güvenlik yeteneklerinin incelenmesi bulunuyor. Ancak önerilen mekanizma bütün yapay zekâ sistemlerini aynı biçimde ele almıyor. Amerikan şirketlerinin geliştirdiği açık ağırlıklı modeller şimdilik bu denetimden muaf tutulacak. Böylece devlet, şirketlerin kendi kontrolünde tuttuğu kapalı modeller için bir güvenlik kapısı kurarken internet üzerinden indirilebilen ve değiştirilebilen sistemlere geçiş izni vermiş olacak.

Yeni sistemin öncelikli hedefi OpenAI, Anthropic ve Google gibi şirketlerin geliştirdiği, erişimi ve kullanımı şirket tarafından kontrol edilen en gelişmiş kapalı modeller. Özellikle siber saldırı düzenleme ve bilgisayar sistemlerini kırma konusunda belirli bir yetenek düzeyinin üzerine çıkan modellerin, kullanıma sunulmadan önce hükümete test amacıyla verilmesi öngörülüyor. Devlet böylece yeni bir modelin yalnızca genel performansını değil, kritik sistemlere karşı kullanılabilecek tehlikeli yeteneklere sahip olup olmadığını da önceden görmek istiyor.

İncelemenin odak noktasında bankalar, sağlık sistemi ve devlet kurumları gibi kritik altyapılar bulunuyor. Test kapsamına giren şirketler, yeni modellerini piyasaya çıkarmadan önce 30 güne kadar hükümetin incelemesine açabilecek. Bu süre içinde modelin siber saldırıları kolaylaştırıp kolaylaştırmadığı ve mevcut bilgisayar sistemlerine yönelik yeni riskler yaratıp yaratmadığı değerlendirilebilecek. Amaç, tehlikeli bir yeteneği model milyonlarca kullanıcıya ulaştıktan sonra fark etmek yerine piyasaya çıkış aşamasında belirlemek.

Sistem resmen gönüllülük esasına dayanıyor. Şirketlere modellerini hükümete teslim etmeleri için doğrudan bir zorunluluk getirilmiyor. Ancak Amerikan yönetiminin geçmişte teknoloji şirketlerine ihracat kontrolleri üzerinden müdahale edebilmiş olması, bu gönüllülüğün sınırları konusunda tartışma yaratıyor. Bir şirket sisteme katılmamayı seçse bile daha sonra farklı düzenleyici araçlarla karşılaşabileceğini hesaba katmak zorunda kalabilir. Bu nedenle sektör açısından “katılabilirsiniz” biçimindeki davet, devletin kapının yanında beklediği bir gönüllülük modeli olarak görülüyor.

Düzenlemenin en tartışmalı bölümü açık ağırlıklı modeller için getirilen istisna. Meta veya Nvidia gibi şirketlerin geliştirdiği, kullanıcıların indirebildiği ve kendi ihtiyaçlarına göre değiştirebildiği modeller şimdilik inceleme kapsamına alınmayacak. Beyaz Saray, bu yaklaşımın Amerikan açık yapay zekâ ekosisteminin büyümesi için gerekli olduğunu düşünüyor. Küçük şirketlerin ve girişimlerin önünü kesmemek, açık teknolojilerin geliştirilmesini ağır bir denetim süreciyle yavaşlatmamak hedefleniyor.

Fakat açık modellerin yapısı, güvenlik açısından belirgin bir çelişki yaratıyor. Kapalı bir model şirketin sunucularında tutuluyor ve erişim koşulları üretici tarafından belirleniyor. Açık ağırlıklı bir model ise internete yayımlandıktan sonra binlerce kişi tarafından indirilebiliyor, değiştirilebiliyor ve başlangıçta öngörülmeyen amaçlarla kullanılabiliyor. Dağıtılan kopyaları geri çağırmak veya modelin bütün uyarlamalarını denetlemek kolay değil. Buna rağmen hazırlanan sistem, şirketin kasasında duran güçlü modeli görmek isterken internete dağıtılan modeli şimdilik serbest bırakıyor.

Washington’ın kurmaya çalıştığı denge iki ayrı hedefe dayanıyor. Bir tarafta çok güçlü kapalı modellerin kritik altyapılara karşı kullanılabilecek yeteneklerini önceden kontrol etme isteği bulunuyor. Diğer tarafta ise Amerikan şirketlerinin açık yapay zekâ alanında Çin’le yarışmasını engellememe düşüncesi yer alıyor. Açık modellerin de aynı denetim sürecine alınması, Amerikan ekosistemindeki küçük şirketlerin ve girişimlerin gelişimini yavaşlatabilecek bir yük olarak değerlendiriliyor. Yönetim bu nedenle güvenlik denetimini şimdilik en güçlü kapalı sistemlerle sınırlıyor.

Bu ayrımın ne kadar sürdürülebilir olduğu ise belirsiz. Açık modeller giderek güçleniyor ve bugün denetim eşiğinin altında kalan bir sistem gelecekte kapalı modellerle benzer yeteneklere ulaşabilir. Böyle bir durumda modelin açık olması, yaratabileceği siber güvenlik riskini ortadan kaldırmayacak. Aksine indirilebilmesi ve değiştirilebilmesi, tehlikeli kullanım biçimlerinin kontrolünü daha da zorlaştırabilir. Washington’ın kapalı modeller için koyduğu ölçütleri, benzer güce erişen açık modellerden uzun süre uzak tutması bu nedenle kolay görünmüyor.

Beyaz Saray’ın hazırladığı sistem, yapay zekâ güvenliğiyle teknolojik rekabet arasındaki gerilimi açık biçimde ortaya koyuyor. Devlet en güçlü kapalı modelleri piyasaya çıkmadan önce incelemek, fakat Amerikan açık model ekosistemini de ağır bir denetimle yavaşlatmamak istiyor. Bugün için açık modellere tanınan geçiş hakkı, bu dengenin rekabet tarafını koruyor. Ancak açık modeller kapalı sistemlerin gücüne yaklaştıkça güvenlik kapısının onlar için de kapanması veya en azından daha dar hale gelmesi kaçınılmaz bir tartışmaya dönüşecek.

Devlet şirketin kasasında tutulan güçlü modeli incelemek isterken, internete dağıtılan açık modeli şimdilik serbest bırakıyor.

Yapay zekânın istihdam üzerindeki etkisi tartışılırken en sık dile getirilen kaygı, makinelerin insanların yaptığı işleri devralması ve geniş çaplı işsizliğe yol açması. Dünya Bankası’nın değerlendirmesi ise bu tehlikenin bütün ülkelerde aynı büyüklükte olmadığını gösteriyor. Financial Times’ın aktardığı çalışmaya göre gelişmekte olan ülkeler, yapay zekânın neden olacağı iş kayıpları bakımından sanıldığı kadar kırılgan olmayabilir. Teknoloji doğru alanlarda kullanıldığında bu ülkeler için bir işsizlik kaynağından çok üretkenlik ve büyüme aracına dönüşebilir.

Çalışmadaki en dikkat çekici fark, bütünüyle otomasyona uygun işlerin oranında görülüyor. Gelişmekte olan ülkelerde yapay zekâyla tamamen otomatikleştirilebilecek işlerin oranı yüzde 10’un altında kalırken zengin ülkelerde üçte birin üzerine çıkıyor. Bu tablo, teknolojik dönüşüm karşısında ilk bakışta daha güçlü görünen gelişmiş ekonomilerin istihdam bakımından daha büyük bir risk taşıyabileceğini düşündürüyor. Başka bir ifadeyle yapay zekânın çalışanların yerini alma ihtimali, otomasyona açık işlerin daha fazla olduğu zengin ülkelerde daha yüksek görünüyor.

Dünya Bankası, gelişmekte olan ülkelerde asıl değişimin işlerin bütünüyle ortadan kalkması biçiminde yaşanmayacağını öngörüyor. Yapay zekânın daha olası etkisi, çalışanların mevcut işleri daha hızlı, doğru ve verimli yapmasını sağlamak olacak. Böylece teknoloji insan emeğinin yerine geçen bağımsız bir güç olmaktan çok, o emeğin kapasitesini artıran bir yardımcıya dönüşebilir. Bu yaklaşım, yapay zekâ tartışmasını yalnızca kaç kişinin işsiz kalacağı sorusundan çıkararak teknolojinin çalışanlara hangi yeni imkânları sunabileceğine yöneltiyor.

Bu dönüşümün ilk örnekleri farklı alanlarda şimdiden görülmeye başladı. Sağlık hizmetlerinde görüntülerin analiz edilmesi, mahkemelerde dosyaların incelenmesi, eğitim uygulamaları, tarımsal çalışmalar ve hava tahminleri yapay zekânın kullanılabildiği alanlar arasında bulunuyor. Bu örneklerde teknoloji, işi yapan insanı bütünüyle ortadan kaldırmak yerine büyük miktardaki bilgiyi değerlendirme sürecini hızlandırıyor. Dolayısıyla aynı insan gücüyle daha fazla iş yapılabilmesi ve sınırlı kaynakların daha verimli kullanılabilmesi mümkün hale geliyor.

Gelişmekte olan ülkeler açısından önemli bir başka unsur da maliyet. Yapay zekâdan yararlanmak isteyen her ülkenin milyarlarca dolarlık veri merkezleri kurması veya kendi büyük yapay zekâ modelini sıfırdan geliştirmesi gerekmiyor. Daha küçük, belirli bir göreve odaklanan modeller düşük maliyetle ve daha zayıf teknolojik altyapıyla da çalışabiliyor. Bu durum, yapay zekâ yarışının yalnızca en büyük bütçelere, en gelişmiş işlemcilere ve devasa veri merkezlerine sahip ülkelerin katılabileceği kapalı bir alan olmadığını gösteriyor.

Dünya Bankası bu nedenle gelişmekte olan ülkelere ABD ve Çin’le aynı ölçekte bir yapay zekâ yarışına girmelerini önermiyor. Daha gerçekçi yol, mevcut teknolojileri almak ve bunları ülkenin kendi ekonomik ve toplumsal ihtiyaçlarına uyarlamak. Sağlık sisteminde görüntü analizi gerekiyorsa buna odaklanan, tarımsal üretimde hava koşullarının değerlendirilmesine ihtiyaç duyuluyorsa o görevi yerine getiren daha küçük modeller geliştirilebilir. Böylece kaynaklar gösterişli fakat pahalı bir teknoloji rekabetine değil, doğrudan çözülebilecek sorunlara yöneltilebilir.

Bu yaklaşımın ekonomik büyüme üzerinde de önemli bir etkisi olabilir. Tahminlere göre yapay zekânın yaygın biçimde kullanılması, gelişmekte olan ülkelerin uzun vadeli büyüme hızını yüzde 4,1’den yüzde 4,9’a çıkarabilir. Aradaki fark ilk bakışta sınırlı görünebilir; ancak uzun vadeli büyüme söz konusu olduğunda üretkenlikteki düzenli artış ülkelerin ekonomik kapasitesini belirgin biçimde değiştirebilir. Buradaki temel kazanç, daha az insanla aynı işi yapmak değil, mevcut çalışanların bilgiye daha hızlı ulaşmasını ve daha yüksek değer üretmesini sağlamak.

Bununla birlikte olumlu senaryo kendiliğinden gerçekleşmeyecek. Dünya Bankası’nın işaret ettiği büyüme imkânının kullanılabilmesi için elektrik, internet, cihaz erişimi ve dijital eğitim alanlarındaki eksiklerin giderilmesi gerekiyor. Güvenilir elektriğin bulunmadığı, internet bağlantısının yetersiz kaldığı veya çalışanların gerekli dijital becerilere ulaşamadığı ülkelerde yapay zekâdan beklenen verimlilik artışı da sınırlı kalacak. Teknolojiyi edinmek kadar, onu gündelik işlerin parçası haline getirecek temel altyapıyı kurmak da önem taşıyor.

Ortaya çıkan tablo, gelişmiş ve gelişmekte olan ülkelerin aynı teknolojiden farklı biçimlerde etkilenebileceğini gösteriyor. Zengin ülkelerde otomasyona uygun işlerin daha yüksek olması, iş kaybı kaygısını büyütürken gelişmekte olan ülkelerde yapay zekâ daha çok çalışanların kapasitesini artırma fırsatı sunuyor. Dünya Bankası’nın temel hükmü bu nedenle açık: Yapay zekâ, gelişmekte olan ülkelerde insanların işini elinden alan bir tehdit olmak zorunda değil; doğru altyapı, doğru eğitim ve ihtiyaca uygun modellerle insanların yaptığı işi daha değerli ve verimli hale getirebilir.

Yapay zekânın işçilerin yerini alma ihtimali, otomasyona daha açık işlerin bulunduğu zengin ekonomilerde daha yüksek.