Stratechery, AI Balonu Yanılgısını Yıkmak: Yapay Zekâ ile Ne Yapmalıyız?
Orijinal Başlık: Agent Üzerinde Kabarcıklar
Orijinal Yazar: Ben Thompson, Stratechery
Çeviri: Peggy, BlockBeats
Editör Notu: Yapay Zeka yatırımları ve endüstri anlatısı hızla artarken, "kabarcık var mı?" sorusu piyasada sürekli tekrarlanan bir konu haline geldi. Bir yanda, aşırı risk anlatısı insanların teknolojinin kontrolsüzlüğü hakkındaki endişelerini sürekli güçlendirirken; diğer yanda, hızla genişleyen sermaye harcamaları ve değerleme seviyeleri, "kabarcık teorisi"nin hala varlığını sürdürmesine neden oldu. Bu ayrılık altında, piyasa değerlendirmesi belirgin belirsizlikler göstermekte.
Bu makalenin yazarı Ben Thompson, teknoloji analizi platformu Stratechery'nin kurucusudur, teknoloji endüstrisi yapısını ve iş modeli evrimini uzun süredir takip etmektedir. Nvidia GTC 2026 etkinliğinde, "AI'nin bir kabarcık içinde olup olmadığı"na yönelik önceki değerlendirmesini düzelten Thompson, mevcut durumu artık bir kabarcık olarak görmemekte, bunun yerine teknoloji paradigmaları değişiminden kaynaklanan yapısal bir büyümeyi anlamakta.
Bu değerlendirme, LLM'nin üç önemli geçişine dayanmaktadır. 2022 yılından bu yana ChatGPT'nin büyük dil modellerinin yeteneklerini sergilediği zamandan bu yana, LLM artık "kullanılabilir fakat güvenilir olmayan"dan, "çıkarım yeteneğine sahip" olmaya ve ardından "görevleri bağımsız olarak gerçekleştirebilen" bir noktaya gelmiştir. Özellikle 2025'in sonlarında, Anthropic Opus 4.5 ve OpenAI GPT-5.2-Codex'in piyasaya sürülmesiyle, ajansal çalışma yükleri kavramdan gerçeğe doğru ilerlemeye başlamıştır.
Buradaki esas nokta, modelde değil, "ajans uyumluğu"nun ortaya çıkışındadır. Ajans, kullanıcıyı modele bağlamadan, modeli planlayan, araçları çağıran ve sonuçları doğrulayan sorumluluğu üstlenir. Bu, AI'yı sürekli insan müdahalesine gereksinim duyan bir araçtan, görevleri devredilebilen bir yürütme sistemine dönüştürmektedir. Bu değişiklik, sadece güvenilirliği artırmakla kalmamış, aynı zamanda AI'nın uygulama sınırlarını genişletmiştir.
Bu paradigm değişikliği temelinde, yazar, AI talebinin artık kullanıcı ölçeğine değil, daha çok birim kullanıcıların planlama yeteneğine bağlı olduğunu ve ayrıca ajansal iş yüklerinin "kazanan her şeyi kap" özelliklerine sahip olduğunu belirtmektedir. Bu durum, yüksek performanslı hesaplama gücüne olan talebi sürekli artıracak ve çip üreticileri ile bulut hizmeti sağlayıcılarına yapısal fırsatlar sunacaktır.
Bu çerçeve içinde, mevcut büyük ölçekli sermaye harcamaları artık sadece geleceğe yönelik spekülatif bir bahis değil, gerçek talebin önceden yansıması olabilir. AI'nin "yardımcı araç"tan "yürütme altyapısına" doğru ilerlemesiyle, ekonomik etkisi belki de henüz yeni başlamaktadır.
Aşağıda orijinal metin bulunmaktadır:
Geçmişte, genellikle ikincisine yönelirdim ve bazen balonun bazı aşamalarda kötü bir şey olmadığına bile inanırdım.
Ancak şu anda, 2026 yılının Mart ayında, NVIDIA GTC'nin açılışında dururken, kanaatim değişti: Bu belki de bir balon değil. (Ve ironik bir şekilde, bu kanaatın kendisi, belki de balonun işareti olabilir.)
LLM'nin Üçlü Paradigma Atlaması
Son birkaç haftada, NVIDIA ve Oracle'ın mali raporlarını tartışırken, LLM'nin üç önemli atılım yaşadığını defalarca vurguladım.
İlk Aşama: ChatGPT
İlk dönüm noktası, 2022 Kasım'ında ChatGPT'nin piyasaya sürülmesiydi, bunu neredeyse anlatmaya gerek yok. Transformer tabanlı büyük dil modeli zaten 2017'de ortaya çıkmış olmasına rağmen ve yetenekleri sürekli gelişmiş olsa da, uzun süre değersiz olarak görüldü. Hatta Ekim 2022'de Stratechery röportajımda, bu teknolojinin şaşırtıcı olmasına rağmen, ürünleştirme ve girişimcilik yeteneğine sahip olmadığını düşünmüştüm.
Ancak birkaç hafta sonra, her şey kökten değişti. ChatGPT, dünyanın LLM'nin yeteneklerini gerçekten fark ettiği ilk kez oldu.
Yine de, erken versiyonlar iki derin iz bıraktı, özellikle "baloncu" tarafından sürekli olarak vurgulandı:
Birinci olarak, model sık sık hata yapar, hatta cevabı bilmediği zaman "hayali" üretir. Bu onu daha çok bir "show-off aracı" haline getirir, etkileyici ancak güvenilmez.
İkincisi, bile bununla birlikte çok kullanışlı olmasına rağmen, doğru kullanmayı bilmeli ve çıktıları sürekli olarak doğrulamalı, hataları düzeltmelisiniz.
İkinci Aşama: o1
İkinci dönüm noktası, 2024 Eylül'ünde OpenAI tarafından yayınlanan o1 modeliydi. O zaman LLM, daha güçlü temel model ve fine-tuning teknikleri nedeniyle önemli ölçüde ilerlemiş, çıktılar daha doğru, hayali daha azdı.
Ancak o1'ın önemli çığırı şuydu: Önce "düşünür", sonra cevaplar.
Geleneksel LLM, yol bağımlıdır, çıkarımlama sürecinde yanlış gittiğinde, sonuna kadar yanlış gider. Bu, "öz-yinelemeli modelin" temel zayıflığıdır. Ancak çıkarım modeli cevabı kendisi değerlendirir, önce cevabı üretir, ardından doğru olup olmadığını değerlendirir ve gerektiğinde diğer yolları dener.
Bu, modelin yanlışları aktif olarak yönetmeye başladığı anlamına gelir, kullanıcı müdahale yükünü azaltır. Sonuçlar da oldukça belirgindir. Eğer ChatGPT'nin atılımı LLM'yi "kullanılabilir" hale getirmekse, o zaman o1'in atılımı LLM'yi "güvenilir" hale getirmektir.
Faz 3: Ajan (Opus 4.5 / Kod)
2025 sonunda, üçüncü atlamayı yaşadık.
2025 Kasım ayında, Anthropic Opus 4.5'i piyasaya sürdü, başlangıçta pek ilgi çekmedi. Ancak Aralık ayında, bu modeli kullanan Claude Code birden önce görülmemiş bir yetenek sergiledi; neredeyse aynı anda, OpenAI GPT-5.2-Codex'i piyasaya sürdü ve benzer bir seviyede performans gösterdi.
İnsanlar önceden "Ajan" hakkında konuşuyorlardı, ancak bu an geldiğinde, nihayet gerçekten görevleri başarıyla yerine getirmeye başladılar, hatta birkaç saat süren karmaşık görevleri bile doğru bir şekilde tamamladılar.
Belirleyici olan modelde değil, denetim katmanında (kayış), yani modeli planlayan, araçları çağıran, süreçleri yürüten yazılım katmanında. Başka bir deyişle, kullanıcı artık doğrudan modele müdahale etmiyor, hedefleri belirliyor ve Ajan modeli planlıyor, araçları çağırıyor, süreçleri yürütüyor ve sonuçları doğruluyor.
Programlamayı bir örnek olarak ele alalım:
· Faz 1: Model kodu oluşturur
· Faz 2: Model çıkarım sırasında yapar
· Faz 3: Ajan kod oluşturur → Testleri yürüt → Testleri otomatik çalıştır → Hata olursa tekrar dene, kullanıcının sürekli müdahalesi gerekmez.
Bu, ChatGPT çağının temel kusurunun sistemli bir şekilde çözüldüğü anlamına gelir, daha yüksek doğruluk, daha güçlü çıkarım yeteneği, otomatik doğrulama mekanizması.
Üzerinde durulması gereken tek sorun şudur: Aslında onunla ne yapılmalıdır?
"Eylem" Eşiği Düşüyor
Bu üç kırılma noktasını sürekli vurgulamamın nedeni, endüstrinin neden ciddi şekilde işlem gücü eksikliği çektiğini ve neden aşırı ölçekli sermaye harcamalarının mantıklı olduğunu açıklamaktır.
Üç paradigma, işlem gücü talebini tamamen farklı kılar:
· Faz 1: Eğitim işlem gücü tüketir, ancak çıkarım maliyeti düşüktür
· Faz 2: Çıkarım maliyeti yükselir (daha fazla belirteç + daha yüksek kullanım sıklığı)
· Faz 3 (Ajan): Birden fazla kez çıkarım modelini çağırma, Ajan kendisi de işlem gücü tüketir (hatta CPU'ya eğilir), kullanım sıklığı daha da artar
Ancak daha da önemlisi üçüncü nokta: Talep yapısı değişiminin ciddi şekilde küçümsenmesi.
Şu anda, sohbet botlarını kullanan insanlar, Ajanları kullanan insanlardan çok daha fazladır ve aslında birçok insan AI'ı yeterince kullanmamaktadır. AI kullanımının nedeni "eylem" gerektirmesidir. LLM bir araçtır, bir amacı, bir iradesi yoktur, sadece etkin bir şekilde çağrılabilir.
Ancak, Agent bu durumu değiştirdi, insan etkinliğine duyulan gereksinimi azalttı. Gelecekte, bir kişi aynı anda birden fazla Ajanı yönetebilecek.
Bu, sadece az sayıda insanın "etkinlik"e sahip olması durumunda bile büyük miktarda hesaplama gücü talebini ve ekonomik üretimi tetikleyebileceği anlamına gelir.
Yapay Zeka hala "insan tarafından yönlendirilmeyi" gerektirir, ancak artık "birçok insan" gerektirmez.
İşletmelerin Ödeme Odaklılığı
Tüketici tarafındaki AI'ya ödeme yapma isteği sınırlıdır, bu artık yavaş yavaş açık hale gelmektedir. Üretkenlik için gerçekten ödeme yapmaya istekli olanlar, işletmelerdir.
İşletmelerin gerçekten heyecanlandığı şey, AI'ın sadece verimliliğini artırmak değil, aynı zamanda insan gücünü ikame edebilmesi ve daha etkili olabilmesidir.
Şu anki gerçeklik şudur ki, büyük şirketlerde işi gerçekten ileri taşıyanlar genellikle az sayıdadır; ancak kuruluşlar çok büyüktür, bu da büyük miktarda koordinasyon maliyetine yol açar. Bir Ajanın rolü, "değeri ilerleten kişilerin" etkisini artırmak ve aynı zamanda organizasyon sürtünmesini azaltmaktır.
Sonuç olarak, "daha az insan → daha yüksek üretim → daha düşük maliyet"tir. Bu aynı zamanda neden gelecekteki işten çıkarmaların, muhtemelen yalnızca "döngüsel ayarlamalar" olmayacağını, daha çok yapısal bir değişiklik olabileceğini açıklar.
Şirketler, sadece "salgın döneminde fazla insan mı işe aldık?" sorusunu değil, aynı zamanda AI çağında belki de zaten bu kadar çok insana ihtiyacımız olup olmadığını da düşüneceklerdir.
Bu Neden Balon Değil?
Bu açıdan bakıldığında, "balon olmadığı" mantığı oldukça açıktır:
1. LLM'nin temel eksiklikleri, sürekli olarak hesaplama gücü ve mimari ile çözülmektedir
2. İhtiyacı yönlendiren insan sayısı eşiği azalmaktadır
3. Ajan'ın getirdiği fayda, sadece maliyeti düşürmek değil, aynı zamanda geliri artırmaktır
Bu nedenle, neden tüm bulut sağlayıcıların hesaplama gücünün talebi karşılamadığını ve sermaye harcamalarını sürekli olarak büyük ölçüde artırdıklarını söylediğini anlamak zor değildir.
Ajan ve Değer Zinciri Yeniden Yapılandırması
Bir diğer önemli soru, eğer model nihayet ticarileşirse, OpenAI ve Anthropic hala para kazanabilir mi?
Geleneksel görüş, bunun mümkün olmayacağını düşünmektedir, ancak Ajan bu durumu değiştirdi. Anahtar nokta, gerçek değerin modelin kendisinde değil, "model + kontrol sistemi"nin bütünleşmesindedir.
Kar genellikle "bütünleştirme katmanına" akar, değiştirilebilir modüllerden ziyade. Bir elma gibi, donanımı neden ticarileştirilmez? Çünkü yazılımla derinlemesine bütünleşmiştir. Aynı şekilde, Ajan, modelin harnesi ile derin işbirliği gerektirir, bu da OpenAI ve Anthropic'i değer zincirinde temel bütünleştiriciler haline getirir, değiştirilemez bir halka değil.
Microsoft'un dönüşümü bir sinyaldir, başlangıçta "değiştirilebilir model" vurgusu yapıyordu, ancak gerçek bir Ajan ürününü piyasaya sürdükten sonra bundan vazgeçmek zorunda kaldı.
Bu, modelin tamamen ticarileştirilmeyebileceği anlamına gelir, çünkü Ajan bütünleşik bir yeteneğe ihtiyaç duyar.
Son Paradoks
Başlangıçtaki paradoksa geri dönmek zorundayım.
Ben her zaman, herkesin hala balon endişesi taşıdığı sürece, bu bir balon değildir; gerçek bir balon, artık kimse tarafından sorgulanmadığında oluşur diye düşünmüştüm.
Ve şu anda, sonuç olarak benim çıkarımım şudur: Bu bir balon değil.
Ancak eğer "Bu bir balon değil" demem, bunun tam tersini kanıtlıyorsa, işte o zaman durum böyledir.
BlockBeats Resmi Topluluğuna Katılın:
Telegram Abonelik Grubu: https://t.me/theblockbeats
Telegram Sohbet Grubu: https://t.me/BlockBeats_App
Twitter Resmi Hesabı: https://twitter.com/BlockBeatsAsia
