Yapay Zeka Nedir, Yapay Zeka Hakkında Bilmeniz Gerekenler

Beş yıl önce bu yazıyı ilk yazdığımızda yapay zeka çoğu şirket için hâlâ deneysel bir konuydu. Bugün tablo çok farklı. Stanford Üniversitesi’nin 2026 AI Index raporuna göre kuruluşların %88’i en az bir iş fonksiyonunda yapay zeka kullanıyor, üniversite öğrencilerinin beşte dördü ise ders çalışırken üretken yapay zeka araçlarına başvuruyor. Bu yazıda yapay zekanın ne olduğunu, nasıl çalıştığını, üretken yapay zekanın neden ayrı bir başlık hak ettiğini, şirketlere ne kattığını ve beraberinde gelen düzenleyici yükümlülükleri güncel verilerle ele alıyoruz.

Yapay Zeka Nedir?

OECD’nin 2024’te güncellediği tanıma göre yapay zeka sistemi, kendisine verilen açık veya örtük hedefler doğrultusunda, aldığı girdilerden yola çıkarak tahmin, içerik, öneri veya karar gibi çıktılar üretmeyi çıkarsayabilen makine tabanlı bir sistemdir. Sadeleştirmek gerekirse: yapay zeka, normalde insan zekası gerektiren görevleri (örüntü tanıma, dil anlama, karar verme gibi) yerine getirebilen ve işlediği veri arttıkça kendini geliştirebilen sistemler bütünüdür.

Bu sistemleri klasik yazılımdan ayıran nokta, kuralların insan tarafından tek tek yazılmaması. Yapay zeka örnek verilerden örüntüleri kendisi çıkarır ve bunu daha önce hiç görmediği durumlara uygular. GTech olarak yapay zeka ve ileri analitik çözümlerimizde de temel aldığımız yaklaşım budur.

Yapay Zekanın Tarihi

“Yapay zeka” terimi ilk kez 1956’da Dartmouth Konferansı’nda John McCarthy tarafından ortaya atıldı. Sonraki altmış yıl boyunca alan büyük ölçüde akademik kaldı. İlk dönem çalışmaları problem çözme ve sembolik yöntemler etrafında yoğunlaştı, 2010’lardan itibaren makine öğrenmesi ve derin öğrenme öne çıktı.

Asıl kırılma son üç yılda yaşandı. 2022’nin sonunda ChatGPT’nin kullanıma açılmasıyla üretken yapay zeka gündelik hayata girdi ve kurumsal benimseme hızı önceki on yıllarla kıyaslanamayacak biçimde arttı. Stanford AI Index verilerine göre en az bir iş fonksiyonunda yapay zeka kullandığını söyleyen kuruluşların oranı 2023’te %55, 2024’te %78 idi; 2026 raporunda bu oran %88’e çıktı.

Yapay Zeka Türleri Nelerdir?

Yapay zeka iki ayrı eksende sınıflandırılır: sistemin yetenek düzeyi ve kullandığı teknik yaklaşım. Yetenek düzeyine göre sınıflandırma şöyledir:

Teknik yaklaşıma göre ise dört ana grup öne çıkar:

• Kural tabanlı sistemler: kararlar insan tarafından yazılmış açık kurallarla verilir, sistem veriden öğrenmez.
• Makine öğrenmesi: kurallar örnek veriden çıkarılır, model yeni veriyle birlikte gelişir.
• Derin öğrenme: çok katmanlı sinir ağlarıyla görüntü, ses ve metin gibi yapılandırılmamış veride örüntü bulunur.
• Üretken yapay zeka: öğrendiği örüntülerden yeni içerik üretir; bir sonraki bölümün konusu budur.

Kamuoyundaki tartışmaların çoğu genel yapay zeka üzerine dönse de, şirketlerin bugün kurduğu ve değer ürettiği her uygulama dar yapay zeka kategorisindedir.

Üretken Yapay Zeka (Generative AI) Nedir?

Bugün “yapay zeka” dendiğinde akla gelen büyük ölçüde üretken yapay zeka: metin, görsel, ses veya kod üretebilen sistemler. Bu teknoloji, milyarlarca parametreyle eğitilmiş büyük dil modellerine (LLM) dayanıyor. Konuyu ayrıntılı olarak generatif yapay zeka yazımızda ele almıştık.

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. Aynı araştırmada katılımcıların %62’si kurumlarının yapay zeka ajanlarıyla en azından deneme aşamasında olduğunu söylüyor. En yoğun kullanım alanları bilgi teknolojileri, pazarlama ve satış ile bilgi yönetimi.

Ama aynı araştırma dikkat çekici bir dengesizliğe de işaret ediyor. 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 da tablo ölçülü: katılımcıların %39’u yapay zekanın faaliyet kârına (EBIT) bir düzeyde etkisi olduğunu söylüyor, ancak çoğunluk bu etkinin %5’in altında kaldığını belirtiyor. Bir başka deyişle benimseme hızlı ilerliyor, ama bunu gerçek ve ölçülebilir getiriye dönüştürmek hâlâ az sayıda şirketin becerebildiği bir iş.

Kurumsal veriyle çalışan üretken yapay zeka uygulamalarında bugün en yaygın yaklaşım, modeli şirketin kendi verisiyle besleyen RAG (Retrieval-Augmented Generation) mimarisi. Böyle bir sistemi uçtan uca nasıl kurduğumuzu RAG sistemi oluşturma yazımızda adım adım anlattık.

Yapay Zeka Nasıl Çalışır?

Yapay zeka tek bir teknoloji değil, birbirini tamamlayan yöntemlerin bir araya gelmesiyle çalışır:

• Makine öğrenimi: verideki örüntüleri insan tarafından ayrı ayrı programlanmadan bulur, istatistiksel yöntemlerle modeller kurar.
• Yapay sinir ağları: birbirine bağlı işlem birimlerinden oluşur ve karmaşık verilerdeki ilişkileri katman katman öğrenir.
• Derin öğrenme: çok sayıda katmana sahip büyük sinir ağlarını kullanarak, çıplak gözle fark edilemeyecek kadar ince örüntüleri modeller. Yüz ve duygu tanıma çalışmamız bunun somut bir örneği.
• Büyük dil modelleri (LLM): derin öğrenmenin dile uygulanmış hâli. Devasa metin veri setleriyle eğitilerek dil üretme ve anlama becerisi kazanır, üretken yapay zekanın temelini oluşturur.
• İleri algoritmalar: daha fazla veriyi daha hızlı işleyerek nadir görülen senaryoları tanımlamayı ve karmaşık sistemleri optimize etmeyi mümkün kılar.
• Grafik işlem birimleri (GPU): bu modellerin eğitimi için gereken paralel hesaplama gücünü sağlar.

Bütün bu bileşenlerin üzerinde durduğu ortak zemin ise veri. Modelin kalitesi, beslendiği verinin kalitesini geçemez. Bu yüzden yapay zeka projelerinin çoğu aslında bir veri yönetimi ve veri mühendisliği projesi olarak başlar. Konunun yöntem tarafını merak ediyorsanız veri bilimi nedir yazımıza da göz atabilirsiniz.

Maliyet tarafında da hızlı bir iyileşme var. Stanford AI Index’e göre donanım maliyetleri yılda ortalama %30 düşerken enerji verimliliği yılda %40 artıyor. Bu da yapay zekayı her ölçekten şirket için giderek daha erişilebilir hale getiriyor.

Yapay Zeka Neden Önemli?

Yapay zeka artık denenebilecek bir teknoloji olmaktan çıkıp iş süreçlerinin bir parçası hâline geliyor. Gartner’ın Ağustos 2025 tarihli öngörüsüne göre 2026 sonunda kurumsal uygulamaların %40’ı göreve özel yapay zeka ajanları (agent) içerecek; bu oran 2025’te %5’in altındaydı. Harcama tarafında ise Gartner, yapay zeka platform ve modellerine yapılan küresel harcamanın 2026’da 64 milyar dolara ulaşacağını, bunun 2025’teki 39 milyar dolara göre %63,4’lük bir artış anlamına geldiğini tahmin ediyor.

Bu rakamların şirketler için pratik karşılığı şu: rakipler süreçlerini otomatikleştirirken, veri altyapısı ve stratejisi olmayan şirketler için rekabet giderek zorlaşıyor. Ama McKinsey verilerinin de gösterdiği gibi, asıl farkı yaratan teknolojinin kendisi değil, onu doğru stratejiyle ve doğru veri altyapısıyla uygulayabilme kapasitesi.

Yapay Zeka Şirketlere Nasıl Katkı Sağlar?

Katkı sektöre göre değişse de tekrar eden birkaç başlık var:

• Karar süreçleri: sezgiye dayalı kararların yerini, geçmiş veriden çıkarılmış örüntülere dayanan öneriler alır.
• Operasyonel verimlilik: tekrar eden, kural tabanlı işler otomatikleştirilerek ekiplerin zamanı daha yüksek katma değerli işlere kayar.
• Müşteri deneyimi: kişiselleştirilmiş öneriler ve daha hızlı yanıt süreleriyle müşteri memnuniyeti artar.
• Risk yönetimi ve uyum: dolandırıcılık tespiti, kredi riski ve piyasa riski modellemesi gibi alanlarda yapay zeka bugün yaygın biçimde kullanılıyor. Finans sektöründe yapay zeka kullanımı yazımızda bu uygulamaları ayrıntılandırdık.
• Tahminleme: talep, stok ve nakit akışı tahminlerinde hata payının düşmesi doğrudan maliyet avantajına dönüşür.

Bunların sahadaki karşılığı için iki örnek: Bank of Kigali, üretken yapay zeka dönemine hazırlanmak üzere veri altyapısını Symphony Analytics ile kuruyor; finans sektöründe üretken yapay zekanın nerelere dokunduğunu ise GenAI ve Symphony ile dönüşüm yazımızda ele aldık.

Yapay Zekanın Potansiyel Tehlikeleri Nelerdir?

Yapay zekanın hızlı yaygınlaşması riskleri de görünür kıldı. Öne çıkan başlıklar veri gizliliği, algoritmik önyargı, modellerin gerçek dışı çıktı üretmesi (halüsinasyon) ve yapay zekanın iş gücü üzerindeki etkisi. Bu konular hem akademik hem kurumsal tartışmaların merkezinde olmaya devam ediyor.

Düzenleme tarafında en kapsamlı çerçeve Avrupa Birliği’nin Yapay Zeka Yasası (AI Act). Yasa 1 Ağustos 2024’te yürürlüğe girdi ve kademeli olarak uygulanıyor: yasaklı uygulamalar ile yapay zeka okuryazarlığı yükümlülükleri 2 Şubat 2025’te, genel amaçlı yapay zeka modellerine ilişkin kurallar 2 Ağustos 2025’te devreye girdi. Yasa 2 Ağustos 2026 itibarıyla, bazı istisnalarla birlikte genel olarak uygulanmaya başladı.

Yasa yapay zeka sistemlerini dört risk kategorisine ayırıyor:

• Kabul edilemez risk: sosyal puanlama ve manipülatif yapay zeka gibi uygulamalar tamamen yasak. Bu yasaklar Şubat 2025’ten beri yürürlükte.
• Yüksek risk: işe alım, kredi değerlendirmesi, kritik altyapı yönetimi gibi hassas alanlarda kullanılan sistemler. Belgelenmiş risk yönetimi, insan gözetimi ve bazı durumlarda bağımsız denetim gerektiriyor. Bu yükümlülüklerin başlangıcı, yasanın sadeleştirilmesine yönelik AI Omnibus uzlaşısıyla 2 Aralık 2027’ye ertelendi; ürünlere gömülü yüksek riskli sistemler için tarih 2 Ağustos 2028.
• Sınırlı risk: chatbot gibi sistemler, kullanıcıya bir yapay zekayla etkileşimde olduğunu bildirmek zorunda.
• Minimal risk: bugünkü yapay zeka uygulamalarının büyük çoğunluğu bu kategoride, ek bir yükümlülük yok.

Bu çerçeve Türkiye’de faaliyet gösteren şirketleri de doğrudan ilgilendiriyor: AB pazarına ürün veya hizmet sunan ya da AB’deki kişilere ilişkin veri işleyen yapay zeka sistemleri kapsama girebiliyor.

Sonuç

Yapay zeka artık deneysel bir teknoloji değil, iş dünyasının günlük operasyonlarına giren bir altyapı unsuru. Ama benimseme oranlarındaki hızlı artışın yanında, şirketlerin çoğu bunu hâlâ ölçülebilir bir getiriye dönüştürmekte zorlanıyor. Farkı yaratan şey, doğru strateji ile sağlam bir veri altyapısı.

GTech olarak şirketlere yapay zeka ve veri analitiği çözümlerinde uçtan uca destek veriyoruz. Kurumunuz için doğru yapay zeka stratejisini birlikte kurgulamak isterseniz bizimle iletişime geçebilirsiniz.

Kaynaklar

• Stanford HAI, The 2026 AI Index Report
• Stanford HAI, The 2025 AI Index Report
• OECD, Explanatory Memorandum on the Updated OECD Definition of an AI System (Mart 2024)
• McKinsey & Company, The State of AI in 2025: Agents, Innovation, and Transformation (5 Kasım 2025)
• Gartner, 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026 (26 Ağustos 2025)
• Gartner, Worldwide AI Platforms and Models Market to Grow 63% in 2026 (20 Temmuz 2026)
• Avrupa Komisyonu, AI Act

Hazırlayan: GTech Veri Bilimi Ekibi