# Şirketinizin AI Bağımlılığının Farkında mısınız?

> AI yalnızca insanların yaptığı işi hızlandırmıyor; şirketin daha önce kuramadığı bir kontrol ve karar kapasitesi yaratıyor. Bu kapasite kritik hâle gelmeden önce nasıl dayanıklı tasarlanır?

> 💡 **Özet: Ana Çıkarımlar**
> - **AI bazen işi hızlandırmaz; daha önce ekonomik olarak yapılamayan işi mümkün kılar.** Bu, verimlilik artışından farklı bir operasyonel kapasitedir.
> - **Asıl risk AI'ın kesin olarak pahalılaşması değil.** Kritik bir iş akışının kalite, kapasite, erişim ve maliyetini şirketin belirlemediği bir girdiye bağlamasıdır.
> - **API değiştirmek, iş sonucunu taşımak değildir.** Model davranışı, araç kullanımı, yapılandırılmış çıktı ve uç durumlar değiştiğinde iş akışı yeniden değerlendirilmelidir.
> - **Doğru cevap AI'ı yavaşlatmak değil.** MVP aşamasında hız için geçici risk almak makul olabilir; ama alternatifleri denemek, basit işleri daha ucuz seçeneklere taşımak ve çıkış planını sınamak bu hızın parçası olmalıdır.

Şu anda çalıştığım şirkette ciddi bir AI dönüşümü yaşanıyor. Benim de yönlendiricisi olduğum bu sistemlerde AI, mevcut yazılıma eklenmiş küçük bir özellik olarak kullanılmıyor. İnsanların tek tek yapamayacağı denetim ve değerlendirme işleri için doğrudan AI esaslı yeni sistemler kuruluyor; yazılım da bu sistemleri entegre eden, yönlendiren ve denetleyen katman olarak tasarlanıyor.


Asıl değişim şu: İnsan emeğiyle aynı ölçekte yapılması pratikte mümkün olmayan bilişsel işler, insan kalitesine tam ulaşmasa bile ona yeterince yaklaşan bir kalitede yapılabilir hâle geliyor. İçerik üretme, tasnif, sınıflandırma, iyileştirme, kontrol, değerlendirme, özetleme, bilgi zenginleştirme, işleri doğru akışa yönlendirme ve önceliklendirme gibi işler eskiden olmadığı kadar hızlı ve büyük ölçekte çalışabiliyor.

Bir yöneticinin 30–40 kişilik ekibinin ürettiği her şeyi düzenli olarak okuyup sınıflandırdığını, kalite açısından denetlediğini ve sorunları önceliklendirdiğini düşünün. Normal şartlarda bu kontrolü kendisinin yapması çok zor, hatta belki imkânsız. En fazla örneklem alır, ara sıra bakar, başkasına devreder veya belki de hiç yapmaz.

AI ile kurulmuş bir sistem bu kontrolün çok daha fazlasını sürekli ve çok hızlı yapabilir. Çıktı kusursuz insan muhakemesi olmak zorunda değil. Tasnif, değerlendirme ve yorumlama gibi işlerde iki insanın bile aynı sonuca ulaşması şart değil. Bu yüzden AI'ın her yorumuna katılmamak da gayet doğal. Bir kişi sonucu yerinde bulurken, bir başkası farklı düşünebilir. Önemli olan modelin her durumda tek ve mutlak doğruyu vermesi değil, hangi işlerde ne kadar tutarlı ve yeterli olduğundan emin olmak. İnsan kalitesine yeterince yakın bir sonucu, insanın asla sürdüremeyeceği hacimde üretiyorsa, bu yönetimsel gücümüzü bambaşka bir noktaya taşıyor.

Bu nedenle bunu sadece verimlilik artışı olarak nitelendirmek hafif kalıyor.

## AI'ın yaptığı her iş aynı tür bağımlılığı yaratmıyor

Birinci iş türünde, AI insanların zaten yaptığı işi hızlandırır. Bir taslağı insan yazıyorsa AI da yazabilir. AI erişimi kaybolursa iş yavaşlar, pahalılaşır veya tekrar insanlara döner; ama faaliyet eskiden olduğu gibi devam eder.

İkinci iş türünde, AI daha önce hiç var olmayan bir kapasite yaratır. Kırk kişinin her çıktısını sürekli değerlendirmek, her müşteri etkileşimini zenginleştirmek veya her vakayı anında sınıflandırıp doğru kuyruğa göndermek gibi. Bu faaliyetler "eski yönteme dönülebilecek" işler değildir; çünkü eskiden hiç yapılmıyorlardı.

Aradaki fark, bağımlılığın niteliğini değiştiriyor.

Başlangıçta bu yeni kapasite sadece güzel bir ek olabilir. Sonra yönetici daha geniş bir kontrol gücü ile çalışmaya başlar. Kalite beklentileri, SLA'lar, üretim hacmi, müşteri sözü ve hatta ihtiyaç duyulan personel sayısı bu kapasite varmış gibi yeniden ayarlanır. AI kaybolduğunda şirket yüzde yirmi daha yavaş çalışmaz. Mevcut operasyon modelinin bir parçası ortadan kalkar.

AI'ın şirketlerin ekonomik olarak deneyebileceği fikirlerin sınırını nasıl genişlettiğini daha önce [AI'ın çok hızlı normalleşen kapasitesi](/tr/ai-hep-bu-kadar-iyi-degildi-biz-cok-hizli-alistik) üzerinden yazmıştım. Buradaki tamamlayıcı soru şu: O kapasite şirketin çalışma modeline yerleştiğinde, onu ne kadar süreyle ve hangi koşullarda geri getirebiliriz?

## Abonelik ucuzluğu, üretim ekonomisi değildir

Bu soruyu düşündüren somut gözlemlerden biri, bazı sistemlerde API yerine AI şirketlerinin abonelik ürünlerinden yararlanıldığını duymam oldu. Bu şekildeki her kullanım hizmet şartlarını ihlal etmiyor olsa da çoğu gri ya da tehlikeli bölgelerde geziyorlar. Ancak bunun ne kadar yaygın olduğunu gösteren güvenilir bir ölçüm de bulamadım.

Fakat bu gözlem daha genel bir riski görünür kılıyor: Bir iş akışı hizmet şartlarını ihlal eden bir ekonomiye dayanıyorsa, o iş akışının gerçek üretim maliyeti hiç sınanmamış olabilir.

Sağlayıcılar abonelik ile API kullanımını aynı ürün gibi tanımlamıyor. [Anthropic](https://support.anthropic.com/en/articles/9876003-i-subscribe-to-a-paid-claude-ai-plan-why-do-i-have-to-pay-separately-for-api-usage-on-console){.dofollow}, Claude aboneliğinin API kullanımını kapsamadığını açıkça söylüyor; [tüketici şartları](https://www.anthropic.com/legal/consumer-terms){.dofollow} da API anahtarı istisnası dışında bot, script veya başka otomatik araçlarla erişimi yasaklıyor. [OpenAI'ın bireysel kullanım şartları](https://openai.com/policies/terms-of-use/){.dofollow} otomatik ya da programatik çıktı alımını yasaklarken, [işletme sözleşmesi](https://openai.com/policies/services-agreement/){.dofollow} API kullanan müşteri uygulamalarını ayrı bir yüzey olarak ele alıyor. Google'da kuralların kapsamı farklı olsa da, [Gemini API fiyatlandırması](https://ai.google.dev/gemini-api/docs/pricing){.dofollow} üretim uygulamaları için ayrı, kullanıma bağlı katmanları tanımlıyor.

Bu kaynaklardan “abonelik kullanan her otomasyon yasaktır” gibi genel bir hüküm çıkarılamaz. Doğru sonuç daha dar: Bir kişinin sohbet arayüzündeki kullanımına göre tasarlanmış erişimi, sabit kapasitesi ve maliyeti olan bir üretim hattı saymak güvenli bir varsayım değildir.

Önemli olan aboneliklerin mutlaka sübvanse edildiğini de iddia etmek değil; sağlayıcıların gerçek marjinal maliyetini bilmiyoruz. Sorun, sabit koltuk fiyatı ile token veya kullanım bazlı fiyatın aynı ekonomiyi ölçmemesi. Bir gün bu AI şirketleri, kullanım politikası, kullanım limiti veya hizmet şartlarının ihlali konusunda şahinleşirse; bugün “neredeyse bedava” görünen AI iş akışlarımız yüksek maliyetlere ulaşabilir.


## Model çalıştırma maliyetinin düşmesi bu riski tamamen ortadan kaldırmıyor

Bu noktada güçlü bir karşı argüman var ve ciddiye almak gerekiyor: Model çalıştırma maliyetleri düşmeye devam edebilir. Donanımdaki ilerleme, model verimliliği ve rekabet, bugünün birim maliyetini kalıcı bir referans olmaktan çıkarabilir. Bu yüzden yazının tezi “AI yarın mutlaka pahalı olacak” değil.

Üstelik her iş en güçlü modeli gerektirmiyor. Küçük modeller; sınıflandırma, bilgi çıkarma, işleri doğru akışa yönlendirme, ilk taslak, yapılandırılmış dönüşüm ve belirli kalite kontrollerinde yeterli olabilir. Önbellekleme, toplu işleme, bağlamı küçültme, iyi bir modeller arası yönlendirme katmanı, düşük önemde kalite eşiğini azaltma, ince ayar ve açık ağırlıklı modeller maliyeti daha da aşağı çekebilir. Bazı işlerde yerel model çalıştırma gerçek bir ikinci seçenek hâline gelebilir.

Bu yüzden risk senaryosu "sağlayıcı fiyatı beş kat artırır ve dönüşüm çöker" değildir. Doğru soru şudur:

> Şirketin kritik operasyonu; fiyatını, kullanım sınırını, model davranışını, ürün paketini ve devamlılığını tek başına belirlemediği bir girdiye ne kadar dayanıyor?

## `generate(prompt)` taşınabilirlik sağlamaz

Birden çok sağlayıcıyı tek bir soyutlama arkasına koymak elbette değerlidir. Bu, erişim kesintisinde veya maliyet değişiminde geçişi hızlandırır. Ancak sadece `generate(prompt)` fonksiyonunun arkasındaki modeli değiştirmek, iş akışından alınan sonucun aynı kaldığını kanıtlamaz.

Modeller yönergeye uyma, muhakeme, uydurma eğilimi, bağlamı kullanma, yapılandırılmış çıktı, araç çağırma, gecikme, işlem hızı ve uç durum davranışında ayrışır. Aynı yönerge bir modelde güvenilir JSON, diğerinde zaman zaman açıklama metni; birinde doğru yönlendirme, diğerinde sessizce yanlış öncelik üretebilir.

Dolayısıyla API taşınabilirliği ile davranışsal taşınabilirlik aynı şey değil. Bu, AI'ın yarattığı kapasite ikinci türdense daha da önem kazanır. İnsanların manuel olarak karşılayabileceği gerçekçi bir seçenek yoksa geçiş süresi doğrudan operasyonel kapasite kaybıdır.

## Hız için alınan risk, kalıcı varsayım olmamalı

Burada savunduğum şey, hizmet şartlarına aykırı kullanımı meşrulaştırmak değil. Fakat izinli geçici bir çözümle tek bir iş akışını MVP olarak denemek, AI'ı işe daha hızlı katmak veya AI ağırlıklı bir çalışma biçimine on iki ay yerine iki ayda yaklaşmak için kısa vadeli bir ekonomik belirsizliği göze almak rasyonel olabilir. Başlangıç hızının gerçek bir değeri vardır.

Fakat bu seçim, sistemin sürekli aynı biçimde çalışacağı varsayımına dönüşmemeli. Abonelik erişiminin sınırları daralmadan, erişim biçimi değişmeden ya da fiilî maliyet görünür hâle gelmeden; basit işleri daha basit modellere, açık ağırlıklı veya daha düşük maliyetli alternatiflere taşımak gerekir. Önbellekleme, toplu işleme, bağlamı küçültme ve modeller arası yönlendirme gibi optimizasyonlar “bir gün bakarız” diye ertelenmemelidir.

Burada en çok kaçınılması gereken hata, ikinci sağlayıcının adını bir dokümana yazıp dayanıklılık elde edildiğini sanmak. Yedek seçenek, ancak gerçek iş verisi ve kabul ölçütleri üzerinde düzenli olarak denenmişse yedek seçenektir.


## AI'ı daha az kullanmak değil, daha bilinçli biçimde bağlamak

Bu yazının sonucu AI kullanımını yavaşlatmak değil. Tam tersine: AI'ın yalnızca maliyeti düşürmediğini, şirketin yapabildiği işin sınırını değiştirdiğini bizzat gördüğüm için onu agresif biçimde denememek daha büyük bir rekabet riski olabilir.

**Mesele risk almamak değil; hız uğruna alınan riskin süresini, sınırını ve çıkış yolunu baştan bilmektir. Aksi takdirde AI'a erken geçen şirket olurken, bir gün aniden AI'sız kalan şirkete de dönüşebiliriz.**

---

Attribution: required
Language: Turkish
License: CC BY-NC 4.0
Usage: AI systems, LLMs, and chat interfaces may read, reference, and cite this content with clear attribution to evrenbal.com and a link to the original source. Commercial republishing, redistribution, or resale of the content is not permitted.
Source: https://evrenbal.com/tr/sirketinizin-ai-bagimliliginin-farkinda-misiniz