Generatif Yapay Zeka Nedir, Nasıl Çalışır?
Generatif yapay zeka (GenAI), metin, görsel, ses, video veya kod gibi yeni içerikler üretebilen yapay zeka sistemlerine verilen addır. Üç yıl önce üretken yapay zeka çoğu şirket için merak konusuydu. Bugün McKinsey’nin Kasım 2025 tarihli Küresel Yapay Zeka Araştırması’na göre şirketlerin %88’i en az bir iş fonksiyonunda düzenli olarak yapay zeka kullanıyor; bir yıl önce bu oran %78’di. Bu yazıda generatif yapay zekanın ne olduğunu, teknik olarak nasıl çalıştığını, şirketlerin bugün nerede kullandığını, 2026’nın gündemine oturan yapay zeka ajanlarını ve beraberinde gelen düzenleyici yükümlülükleri ele alıyoruz.
Generatif Yapay Zeka (GenAI) Nedir?
Generatif yapay zeka, metin, görsel, ses, video veya kod gibi yeni içerikler üretebilen yapay zeka sistemlerine verilen addır. Klasik yapay zeka uygulamalarının çoğu sınıflandırma ve tahmin yapar: bir işlemin sahte olup olmadığını söyler, gelecek ayın talebini öngörür. Generatif yapay zeka ise öğrendiği örüntülerden yola çıkarak daha önce var olmayan bir çıktı üretir.
Alanın kökeni derin öğrenmeye dayanıyor. 2014’te Ian Goodfellow ve arkadaşlarının tanıttığı Üretken Çekişmeli Ağlar (Generative Adversarial Networks, GAN), birbiriyle yarışan iki model kullanarak gerçekçi içerik üretmenin önünü açtı. Bugünkü büyük dil modellerinin temeli ise 2017’de yayımlanan “Attention Is All You Need” makalesiyle tanıtılan transformer mimarisidir.
Generatif Yapay Zeka ile Klasik Yapay Zeka Arasındaki Fark Nedir?
| Klasik (ayırt edici) yapay zeka | Generatif yapay zeka | |
|---|---|---|
| Ne yapar | Veriyi sınıflandırır veya tahmin eder | Yeni içerik üretir |
| Çıktısı | Etiket, skor, sayı | Metin, görsel, ses, kod |
| Tipik örnek | Dolandırıcılık tespiti, kredi skorlama, talep tahmini | Rapor taslağı, müşteri yanıtı, kod önerisi |
| Eğitim verisi | Etiketlenmiş, göreve özel | Çok büyük ölçekli, büyük kısmı etiketsiz |
| Doğruluk | Tek doğru cevap vardır, ölçülebilir | Tek doğru cevap yoktur, çıktı denetlenmelidir |
Bu ayrım pratikte önemli: klasik bir modelin hatası ölçülebilir bir yanlış tahmindir, generatif bir modelin hatası ise kendinden emin biçimde yazılmış yanlış bir cümledir.
Generatif Yapay Zeka Nasıl Çalışır?
Büyük dil modelleri ve transformer mimarisi
Büyük dil modelleri (LLM), transformer mimarisi üzerine kurulur. Bu mimarinin getirdiği temel yenilik, dikkat (attention) mekanizması sayesinde bir kelimenin cümledeki diğer kelimelerle ilişkisini bağlam içinde değerlendirebilmesidir. Böylece model yalnızca tek tek cümleleri değil, sayfalar boyunca süren bağlamı takip edebilir.
Transformer mimarisinin bileşenleri
- Girdi temsili: metin, modelin işleyebileceği sayısal vektörlere dönüştürülür. Her kelime veya kelime parçası bir vektörle temsil edilir.
- Kendi kendine dikkat: model, her kelimenin diğer kelimelerle ilişkisini ağırlıklandırarak bağlamı çıkarır.
- Katmanlar: transformer birden çok katmandan oluşur, her katman bir öncekinin çıktısını işleyerek temsili derinleştirir.
- Çıkış katmanı: model, göreve göre nihai çıktıyı üretir; metin tamamlama, çeviri veya soru yanıtlama gibi.
Modeller nasıl eğitilir?
Büyük dil modelleri; kitaplar, makaleler ve web sayfaları gibi çok geniş metin kümeleri üzerinde eğitilir. Eğitim sırasında model dilin yapısını ve kelimeler arası ilişkileri öğrenir. Eğitim maliyeti yüksektir ama hızla düşüyor: Stanford Üniversitesi’nin AI Index raporuna göre donanım maliyetleri yılda ortalama %30 azalırken enerji verimliliği yılda %40 artıyor.
Şirketler Generatif Yapay Zekayı Nerede Kullanıyor?
McKinsey’nin Kasım 2025 araştırmasına göre en yoğun kullanım alanları bilgi teknolojileri, pazarlama ve satış ile bilgi yönetimi.
Bankacılıkta tablo daha somut. Avrupa Bankacılık Otoritesi’nin verilerine göre AB bankalarının yaklaşık %40’ı genel amaçlı yapay zeka kullanıyor. Kullanım alanları şöyle dağılıyor:
| Kullanım alanı | Bankaların oranı |
|---|---|
| Dolandırıcılık tespiti | %71,8 |
| Müşteri desteği (chatbot dahil) | %70 |
| İç süreçlerin optimizasyonu | %54 |
| Kredi skorlama | %49,5 |
| Düzenleyici kredi riski modellemesi | %42,4 |
| Kara para aklamayla mücadele | %37 |
Ama benimseme ile ölçeklenme aynı şey değil. Aynı McKinsey araştırmasında, yıllık geliri 5 milyar doları aşan şirketlerin neredeyse yarısı yapay zekayı ölçeklendirme aşamasına taşımışken, geliri 100 milyon doların altındaki şirketlerde bu oran %29’da kalıyor. Finansal etki tarafında katılımcıların %39’u faaliyet kârına bir düzeyde etki bildiriyor, ancak çoğunluk bu etkinin %5’in altında kaldığını söylüyor.
Yapay Zeka Ajanları ve RAG: 2026’da GenAI Nerede?
Generatif yapay zekada gündem içerik üretmekten iş yapmaya kaydı. Yapay zeka ajanı, verilen bir hedefi kendi başına adım adım yürütebilen sistem demek.
McKinsey’nin araştırmasında katılımcıların %62’si kurumlarının ajanlarla en azından deneme aşamasında olduğunu söylüyor. Gartner ise 2026 sonunda kurumsal uygulamaların %40’ının göreve özel yapay zeka ajanı içereceğini öngörüyor; bu oran 2025’te %5’in altındaydı. Harcama tarafında Gartner, ajan yazılımına yapılan harcamanın 2026’da 206,5 milyar dolara, 2027’de 376,3 milyar dolara ulaşacağını tahmin ediyor.
Bu tabloyu dengeleyen bir uyarı da var. Gartner, ajan projelerinin %40’tan fazlasının 2027 sonuna kadar iptal edileceğini, sebep olarak da artan maliyetleri, net olmayan iş değerini ve yetersiz risk kontrollerini gösteriyor. Aynı çalışmada Gartner, binlerce ajan sağlayıcısından yalnızca 130 kadarının gerçek anlamda ajan yeteneği sunduğunu tahmin ediyor.
Kurumsal veriyle çalışan uygulamalarda bugün en yaygın yaklaşım RAG (Retrieval-Augmented Generation) mimarisi: model, cevabı üretmeden önce şirketin kendi belgelerinden ilgili bilgiyi çekiyor. Böyle bir sistemi uçtan uca nasıl kurduğumuzu RAG sistemi oluşturma yazımızda adım adım anlattık.
Generatif Yapay Zekanın Sınırları ve Riskleri
- Halüsinasyon: model, doğru olmayan bir bilgiyi akıcı ve ikna edici biçimde üretebilir. Kurumsal kullanımda çıktının denetlenmesi şarttır.
- Önyargı: model, eğitim verisindeki önyargıları öğrenir ve yeniden üretir.
- Telif ve mülkiyet: üretilen içeriğin kime ait olduğu ve eğitim verisinin telif durumu hâlâ tartışmalı bir alan.
- Veri gizliliği: kurumsal veriyle çalışırken verinin nereye gittiği ve nerede saklandığı en kritik tasarım kararıdır.
- Veri altyapısı: modelin kalitesi beslendiği verinin kalitesini geçemez. Bu yüzden GenAI projelerinin çoğu aslında bir veri yönetimi projesi olarak başlar.
Düzenleme: AB Yapay Zeka Yasası GenAI İçin Ne Diyor?
Avrupa Birliği’nin Yapay Zeka Yasası (AI Act) 1 Ağustos 2024’te yürürlüğe girdi ve kademeli olarak uygulanıyor. Generatif yapay zekayı doğrudan ilgilendiren kısım, genel amaçlı yapay zeka (GPAI) modellerine ilişkin kurallar; bunlar 2 Ağustos 2025’te devreye girdi. Yasa 2 Ağustos 2026 itibarıyla, bazı istisnalarla birlikte genel olarak uygulanmaya başladı.
Pratikte öne çıkan iki başlık var. Birincisi şeffaflık: chatbot gibi sistemler kullanıcıya bir yapay zekayla etkileşimde olduğunu bildirmek zorunda. İkincisi yüksek riskli kullanım alanları; işe alım ve kredi değerlendirmesi gibi alanlarda belgelenmiş risk yönetimi ve insan gözetimi gerekiyor, ancak bu yükümlülüklerin başlangıcı AI Omnibus uzlaşısıyla 2 Aralık 2027’ye ertelendi.
Bir Generatif Yapay Zeka Projesine Nereden Başlanır?
Yukarıdaki rakamlar benimsemenin yaygın, ölçülebilir getirinin ise seyrek olduğunu gösteriyor. Aradaki farkı kapatan şey genellikle teknoloji seçimi değil, projenin nasıl kurgulandığı. Sahada işe yaradığını gördüğümüz sıra şu:
- Dar ve ölçülebilir bir senaryoyla başlayın. “Şirkete yapay zeka getirelim” bir proje tanımı değildir. “Operasyon ekibinin mevzuat sorularına, kendi dokümanlarımızdan kaynak göstererek yanıt veren bir asistan” bir proje tanımıdır.
- Başarıyı baştan tanımlayın. Yanıt süresinde kaç dakika kazanılacak, kaç talep insana düşmeden çözülecek, hata oranı neyin altında kalmalı. Bu ölçütler yoksa proje sonunda “güzel oldu” demekten öteye geçilemez.
- Veriyi projenin parçası sayın. Modelin erişeceği dokümanların güncelliği, sahipliği ve erişim yetkileri netleşmeden yazılan hiçbir uygulama üretime alınamaz.
- İnsan denetimini tasarıma koyun. Generatif modellerde tek doğru cevap olmadığı için, çıktının kim tarafından ve hangi eşikte kontrol edileceği en baştan belirlenmelidir.
- Mevzuatı sonraya bırakmayın. Kullanım senaryonuz işe alım veya kredi değerlendirmesi gibi bir alana giriyorsa, yükümlülükleri proje başlarken masaya yatırmak gerekir.
Sonuç
Generatif yapay zeka artık deneme aşamasını geçti, ama rakamlar iki şeyi birden söylüyor: benimseme çok yaygın, ölçülebilir getiri ise hâlâ az sayıda şirkette. Aradaki farkı kapatan şey modelin kendisi değil, altındaki veri altyapısı ve doğru kurgulanmış bir kullanım senaryosu.
GTech olarak şirketlere yapay zeka ve ileri analitik çözümlerinde uçtan uca destek veriyoruz. Yapay zekanın temel kavramlarını Yapay Zeka Nedir yazımızda ele almıştık. Kurumunuz için doğru senaryoyu birlikte kurgulamak isterseniz bizimle iletişime geçebilirsiniz.
Kaynaklar
- McKinsey & Company, The State of AI in 2025: Agents, Innovation, and Transformation (5 Kasım 2025)
- Goodfellow ve ark., Generative Adversarial Networks, arXiv (10 Haziran 2014)
- Vaswani ve ark., Attention Is All You Need, arXiv (12 Haziran 2017)
- Stanford HAI, The 2025 AI Index Report
- Avrupa Bankacılık Otoritesi, Special topic: Artificial intelligence
- Gartner, 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026 (26 Ağustos 2025)
- Gartner, Autonomous Business and AI Layoffs May Create Budget Room, but Do Not Deliver Returns (5 Mayıs 2026)
- Gartner, Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 (25 Haziran 2025)
- Avrupa Komisyonu, AI Act
Hazırlayan: GTech Veri Bilimi Ekibi
