Türkiye’nin Yapay Zekâ Hamlesi: Algoritmadan Kamu Kapasitesine - I

Yapay zekâ üzerine son yıllarda çok şey söylendi. Çoğu tartışma, yeni modellerin neler yapabildiği etrafında döndü. Fakat bu dönüşümün devletlere, ekonomilere ve kamu idaresine uzanan tarafı çok daha geniş bir alanı kapsıyor. Bu yüzden bu konuyu tek bir yazıya sığdırmak istemedim. Bu serinin devamında, Türkiye'nin yapay zekâ hamlesini farklı başlıklar üzerinden ele alacağım. İlk durak, bu yarışın görünmeyen zemini olan işlem kapasitesi, altyapı ve sektörel üretim. Çünkü teknolojik rekabetin tarihi, çoğu zaman görünen ürünlerden çok onları mümkün kılan altyapılar üzerinden yazıldı.

Sanayi devriminden bu yana teknolojik üstünlük, makinelerin ne kadar süratli çalıştığıyla ölçülmedi hiçbir vakit. Buhar makinesi fabrikayı dönüştürürken şehirlerin yapısını, çalışma düzenini ve devletin iktisadi vazifelerini de değiştirdi. Elektrik, üretim hatlarını aydınlatmanın ötesinde gündelik hayatın ritmini yeniden kurdu. İnternet ise haberleşme vasıtası olarak doğduğu hâlde birkaç on yıl içinde ticaretin, güvenliğin, diplomasinin ve kamu hizmetlerinin müşterek altyapısına dönüştü.

Yapay zekâ da benzer bir genişleme geçiriyor.

Birkaç yıl evvel yapay zekâ denildiğinde insanla konuşan programlar, metin üreten uygulamalar veya birkaç saniyede görüntü hazırlayan modeller akla geliyordu. Teknolojinin şaşırtıcı tarafı, iktisadi ve siyasi sonuçlarının önüne geçmişti. İnsanlar ChatGPT’nin hangi meslekleri ortadan kaldıracağını, öğrencilerin ödevlerini nasıl değiştireceğini veya bir makinenin şiir yazıp yazamayacağını tartışıyordu.

Bugün devletlerin önündeki sorular daha ağır: Bu sistemleri kim geliştirecek? Modeller hangi verilerle eğitilecek? İşlem gücü hangi şirketlerin ve ülkelerin elinde toplanacak? Kamu kurumları yapay zekâyı hangi işlemlerde kullanacak? Bir algoritmanın verdiği hatalı kararın sorumluluğunu kim taşıyacak?

KÜME Vakfı’nda düzenlenen Türkiye’nin Yapay Zekâ Eylem Planı söyleşisini dinlerken dikkatimi çeken de bu değişimdi. Sanayi ve Teknoloji Bakanlığı Millî Teknoloji ve Yapay Zekâ Genel Müdürü Sadullah Uzun’un anlattığı program, münferit uygulamaların ötesine geçiyor; veri merkezlerini, kamu alımlarını, özel sektör yatırımlarını, sektörel çözümleri ve e-Devlet hizmetlerini aynı çerçevede ele alıyordu.

Konuşulan, yeni bir sohbet robotunun geliştirilmesi değildi. Yapay zekânın üretime ve kamu idaresine hangi usulle yerleştirileceğiydi.

Yeni kudretin altyapısı

Yirminci yüzyılda devletlerin gücü ağır sanayi kapasitesi, enerji kaynakları, nüfus ve askerî üretim üzerinden ölçülüyordu. Çelik üreten, uçak geliştiren, liman ve demiryolu kuran ülkeler uluslararası sistemin merkezinde yer alıyordu.

Bu ölçüler ortadan kalkmadı. Fakat yanlarına veri merkezleri, gelişmiş işlemciler, bulut altyapıları ve büyük veri kümeleri eklendi.

Sadullah Uzun’un konuşmasında aktardığı rakamlara göre dünyanın en yüksek işlem kapasitesine sahip 500 altyapısının yüzde 75’i ABD’de, yüzde 15’i Çin’de bulunuyor. Aynı konuşmada, 2025 itibarıyla ABD’nin yaklaşık 60, Çin’in 35 büyük dil modeline sahip olduğu; dünyanın geri kalanında ise toplam 13 model bulunduğu ifade edildi.

Bu tablo, yapay zekâ kapasitesinin birkaç ülke ve şirket çevresinde biriktiğini gösteriyor. Birleşmiş Milletler Ticaret ve Kalkınma Konferansı (UNCTAD)’nın 2025 Teknoloji ve İnovasyon Raporu da aynı yoğunlaşmaya dikkat çekiyor. Kuruma göre dünya çapındaki kurumsal araştırma ve geliştirme harcamalarının yüzde 40’ı, çoğu ABD ve Çin merkezli yaklaşık 100 şirket tarafından gerçekleştiriliyor. UNCTAD, yapay zekâ piyasasının 2023’teki 189 milyar dolarlık büyüklüğünden 2033’te 4,8 trilyon dolara çıkabileceğini öngörüyor.

Bu ekonominin merkezinde ekranda görülen uygulamalardan çok, onların arkasındaki altyapı bulunuyor. Nvidia, Microsoft, Amazon ve Google’ın avantajı güçlü modeller geliştirmelerinden ibaret değil. Çip tasarımından bulut hizmetlerine, veri merkezi ağlarından yazılım ekosistemine kadar birbirini tamamlayan katmanlara sahipler.

Microsoft, OpenAI modellerini Azure altyapısıyla şirketlere ulaştırıyor. Amazon, kendi modellerinin yanı sıra farklı şirketlerin sistemlerini AWS üzerinden çalıştırıyor. Google ise Gemini ailesini, kendi bulut ve veri merkezi kapasitesiyle beraber sunuyor. Nvidia’nın işlemcileri bu yapıların önemli bölümünde ortak donanım hâline gelmiş durumda.

Stanford Üniversitesinin 2026 AI Index raporuna göre 2025 yılında ABD’deki özel yapay zekâ yatırımları 285,9 milyar dolara ulaştı. Çin’de kayda geçen özel yatırım 12,4 milyar dolar seviyesindeydi. Çin’de kamu destekli fonların ağırlığı sebebiyle iki ülkeyi yalnız özel sermaye üzerinden mukayese etmek eksik kalabilir; buna rağmen sermayenin hangi ölçekte toplandığını göstermesi bakımından fark dikkate değer.

Bir yapay zekâ modelinin birkaç saniye içinde verdiği cevabın arkasında binlerce işlemci, yüksek enerji tüketimi, soğutma altyapısı, nitelikli mühendisler ve yıllara yayılan yatırımlar bulunuyor. Bu nedenle ülkelerin rekabeti, daha güzel cevap veren sohbet robotları arasındaki bir yarış gibi okunamaz. İşlem kapasitesine erişim, model geliştirme kabiliyetinin maddi şartına dönüşmüş durumda.

Türkiye hangi alanda derinleşebilir?

Türkiye’nin ABD veya Çin’in kurduğu yapıyı bütünüyle tekrar etmesi ne iktisadi ölçeği ne de teknolojik birikimi bakımından gerçekçi görünüyor. Her ülkenin yüz milyarlarca dolar harcayarak genel amaçlı temel modeller geliştirmesi de gerekmiyor.

Sadullah Uzun’un üzerinde durduğu “sektörel yapay zekâ çözümleri” bu nedenle önem taşıyor. Sağlık, sanayi, tarım ve turizm gibi Türkiye’nin uzun yıllar içinde bilgi ve veri biriktirdiği alanlarda ihtiyaca mahsus sistemlerin geliştirilmesi hedefleniyor.

Bu yaklaşımın dünyada somut karşılıkları var.

Sanayide yapay zekâ en çok öngörücü bakım, kalite kontrolü, enerji yönetimi ve üretim planlamasında kullanılıyor. Siemens’in Chengdu fabrikasında sensör verileriyle çalışan öngörücü bakım sistemleri üretim hattına yerleştirildi; yapay zekâ tabanlı uygulamalar farklı üretim atığı türlerini tespit etmek için kullanıldı. Dünya Ekonomik Forumu’nun Küresel Deniz Feneri Ağı’na giren fabrikalarda üretim planlaması, bakım ve tesis yönetimi uygulamalarının en sık rastlanan yapay zekâ kullanım alanları olduğu görülüyor.

Çinli Tongwei Solar’ın Meishan tesisinde makine öğrenmesiyle üretim süreçleri ayarlandı, görüntü işleme sistemleri hücre kusurlarını tespit etti ve üretim bakımı üretken yapay zekâ ile desteklendi. Şirketin açıkladığı sonuçlara göre kusur oranı yüzde 41, dönüşüm maliyetleri yüzde 37 düştü. Bu rakamlar her fabrika için aynı neticeyi vadetmez; fakat yapay zekânın sanayide neden sohbet uygulamalarından daha stratejik görüldüğünü açıklıyor.

Türkiye’de de bu yaklaşımın ilk örnekleri bulunuyor. TÜBİTAK’ın Yapay Zekâ Ekosistem Çağrısı, teknoloji sağlayan KOBİ ve araştırma kurumlarıyla çözüme ihtiyaç duyan şirketleri aynı projede buluşturuyor. İlk çağrıda dört tematik alandaki 10 konsorsiyuma destek verildi; ikinci çağrıda akıllı üretim, tarım, gıda, hayvancılık, iklim, eğitim ve finans alanlarında 17 konsorsiyum destek kapsamına alındı.

Desteklenen tarım projeleri arasında arıcılıkta polenleri yapay zekâyla sınıflandıran makineler, sensör ve görüntü verileriyle tarımsal süreçleri takip eden sistemler bulunuyor. Eğitim alanında ise özel eğitime ihtiyaç duyan öğrenciler için kişiselleştirilmiş senaryolar hazırlayan yapay zekâ destekli uygulamalar geliştiriliyor.

Bunlar büyük dil modelleri kadar görünür projeler değil. Fakat bir fabrikada arızayı gerçekleşmeden fark eden, tarladaki hastalığı erken teşhis eden veya özel eğitimde öğrencinin ihtiyacına göre içerik hazırlayan sistemler doğrudan verimlilik üretiyor.

Türkiye’nin güçlü olabileceği saha da burada beliriyor. Küresel şirketlerin geliştirdiği genel amaçlı modelleri Türkçeye tercüme eden bir pazar olmak yerine, belirli sektörlerin verisi ve tecrübesi üzerinden ürün geliştirmek.

Bu tercihin gerçekleşmesi için iyi niyetli strateji belgeleri yeterli olmayacak. Hastane verilerinin hangi şartlarda araştırmaya açılacağı, fabrikalardaki verinin teknoloji şirketleriyle nasıl paylaşılacağı, tarımsal verinin hangi standartta tutulacağı ve geliştirilen ürünlerin ilk müşterisinin kim olacağı belirlenmek zorunda.

Asıl tartışma ise bundan sonra başlıyor. Bir ülke işlem gücü kurabilir, veri merkezi inşa edebilir, yerli modeller geliştirebilir. Fakat bütün bunların vatandaşın gündelik hayatına nasıl yansıyacağı bambaşka bir mesele. Serinin bir sonraki yazısında, yapay zekânın devlet kapısını nasıl değiştirebileceğini konuşacağız.