Geçen hafta bir müşteriye yeni bitirdiğimiz bir kurulumu anlatıyordum. Dört adım, tek ekran, sunum yok. Üçüncü adımın ortasında CEO araya girdi:
"Bunu yapay zekâ olmadan da yapamaz mıydınız?"
Oda, herkesin zaten aklından geçen bir soru sorulduğunda sessizleştiği o özel biçimde sessizleşti. Ancak dürüst olayım: hoşuma gitti. Bu yıl bir alıcının bana sorduğu en iyi soru buydu. Ve cevabı rahatsız edici.
Büyük kısmını yapardık.
Bizi çağırma sebepleri şuydu: iade oranı iki haftada dört puan artmıştı ve kimse fark etmemişti. Kimse ilgilenmediği için değil — o sayı dört ayrı yerde durduğu ve dördüne birden bakan tek bir kişi olmadığı için.
Kurduğumuz dört adım:
- Veriyi tek yerde toplamak. Bir cron ve biraz SQL.
- Eşiği geçince haber vermek. Tek bir alarm kuralı.
- Rakip fiyatlarını kontrol etmek. Bir tarayıcı betiği.
- Dört bin destek kaydının serbest metnini okumak. Bir model.
Bu küçük bir hata değil. Asıl hata bu.
Yapay zekâyı yanlış yere koymayı bir zevk meselesi sanırdım. Ancak sonra sayılar geldi.
Haziran 2025'te Gartner, agentic AI projelerinin %40'ından fazlasının 2027 sonuna kadar iptal edileceğini öngördü: artan maliyetler, belirsiz iş değeri ve yetersiz risk kontrolleri yüzünden. Tahminin arkasında 3.400'den fazla kuruluşla yapılmış bir anket var. Ama benim aklımda kalan cümle Gartner analisti Anushree Verma'nın: "Bugün agentic diye konumlandırılan pek çok kullanım senaryosu aslında agentic bir uygulama gerektirmiyor." Gartner'ın bu işin satış tarafı için de bir adı var: agent washing — mevcut sohbet botlarının ve RPA ürünlerinin ajan diye yeniden paketlenmesi. Kendi tahminlerine göre agentic AI satan binlerce satıcıdan yaklaşık 130'u gerçek.
Bir ay sonra MIT'nin Project NANDA ekibi The GenAI Divide: State of AI in Business 2025 raporunu yayımladı. Otuz-kırk milyar dolarlık kurumsal harcamaya rağmen üretken yapay zekâ pilotlarının yaklaşık %95'i ölçülebilir hiçbir getiri üretmemiş. Kötü getiri değil. Ölçülebilir getiri yok.
McKinsey'nin State of AI serisi de aynı duvara toslar: şirketlerin büyük çoğunluğu artık bir yerde yapay zekâ kullanır, ama kurumsal düzeyde EBIT etkisi bildirenlerin oranı yaklaşık %39. Üstelik etkiyle en güçlü bağı kuran şey model seçimi ya da satıcı değil — iş akışının kökten yeniden tasarlanması.
Üçünü yan yana koyunca kimsenin slayta yazmak istemediği bir örüntü çıkar: sektör yapay zekâda başarısız olmuyor. Konumlandırmada başarısız oluyor. Modeller büyük ölçüde çalışır. Sorun, makinenin yanlış yerine cıvatalanmış olmalarıdır.
Peki herkes bunu neden hâlâ yapıyor?
Bana asıl sorulan soru budur ve toplantıda hiç sorulmaz. Toplantıdan sonra, koridorda, alçak sesle sorulur: başarısızlık oranı bu kadar belgeliyse yönetim kurulum benden neden hâlâ bir yapay zekâ stratejisi istiyor?
Cevap aptallık değil. Aynı anda iten üç kuvvet var ve her biri tek başına akıllıca.
Demo artık sistemin maliyetine mal olmuyor. ERP'yi ERP olmadan gösteremezdiniz; oysa bugün bir öğleden sonra ve düzgün bir istem, çalışan bir sistemden neredeyse ayırt edilemeyen bir şey üretir. Demo eskiden kanıttı. Bugün kostüm.
Bir limon piyasasında alışveriş yapıyorsunuz. İddia etmek bedava, doğrulamak bir çeyreklik iştir. Akerlof, Gartner'ın binlerce satıcı arasında yaklaşık 130 gerçek satıcı sayarak ölçtüğü dengeyi tam olarak öngördüğü için Nobel aldı.
Kariyer aritmetiği simetrik değil. Bugüne kadar kimse bir pilotu açıklamak için kurula çağrılmadı; hiç pilotu olmamasını açıklamak için çağrılan ise çok.
Bu savı ayrı bir yazıda hakkını vererek açtım — yapay zekâ alan kovulmaz — çünkü buraya sığdığından fazla yer hak ediyor.
Yazının geri kalanı için önemli olan kısım ise çıkış yolu. Akerlof makalesini öfkeyle bitirmedi. Çareyle bitirdi: garanti, belgelendirme, itibar — yani kaliteyi ucuza doğrulanabilir kılan mekanizmalarla. İyi bir test tam olarak budur. Aşağıdaki test, hiçbir satıcıdan izin almadan, yaklaşık doksan saniyede kendinize verebileceğiniz bir garantidir.
Alanın en eski kuralı
İşin asıl utandırıcı tarafı, bunun yeni bir keşif olmaması.
2016'da — bugünkü heyecanın hiçbiri yokken — Google, Martin Zinkevich'in 37 kurallık saha rehberi Rules of Machine Learning'i yayımladı. Otuz yedi kuralın birincisi şu:
Makine öğrenmesi olmadan ürün çıkarmaktan korkmayın.Yani otuzuncu kural değil. Birinci kural. Özelliklerden, hedeflerden, eğitimden önce. Google'da bir makine öğrenmesi mühendisine söylenen ilk şey şuydu: buna gerçekten ihtiyacın var mı, önce onu kontrol et.
Sekiz yıl sonra Anthropic'in Building Effective Agents yazısı — yani ticari çıkarı sizin daha çok model tüketmeniz olan insanlar — aynı şeyi aynı yerde söyler: "Mümkün olan en basit çözümü bulmanızı, karmaşıklığı yalnızca gerektiğinde artırmanızı öneririz." Ardından çoğu sunumun tamamen atladığı ayrımı çizer: iş akışları önceden tanımlı kod yollarından geçer, ajanlar ise modelin kendi sürecini yönetmesine izin verir; ve agentic sistemler "daha iyi görev performansı için gecikme ve maliyetten feragat eder."
Yani bu sistemleri kuranlar da, modelleri üretenler de on yıldır aynı şeyi söyler. Unutan taraf, arada kalan katmandır: sunum, satıcı, bütçe kalemi.
Duvar ve pencere
Meseleyi şu anda şöyle düşünürüm — ve gerçek bir projeyle temas ettiğinde ayakta kalan tek zihinsel model budur.
Bir binanın hem duvara hem pencereye ihtiyacı vardır. Tuğla ucuzdur, sıkıcıdır ve tamamen güvenilirdir: yük bindirirsiniz, her seferinde aynı şekilde taşır. Cam ise pahalıdır, güzeldir ve tuğlanın yapamadığı tek şeyi yapar — dışarıdakini içeri alır.
Determinizm taşıyıcı duvarınızdır. Yapay zekâ camınızdır.
Nitekim inşaatta kimse bunu tartışmaz. Ama yazılımda bir şekilde taşıyıcı duvarları camdan örmeye başladık, çünkü cam fotoğrafta daha iyi durur. Sonra bina oturunca şaşırırız.
Yapay zekâyı gerçekten ikame edilemez kılan şey, çoğu insanın sandığından çok daha dar ve tuhaftır. Ben buna isimlendirme problemi derim: yalnızca daha önce isimlendirdiğiniz bir kategori için kural yazabilirsiniz.
O dört bin kayda bakın. "Bedeni küçük." "Dar geldi." "Normalden ufak." Üç cümle, tek anlam, ortak tek kelime yok. Aklınıza gelmemiş bir eşanlamlı için regex yazamazsınız. Bu eşanlamlı aklınıza da gelmez, çünkü iadelerin sebebini zaten bilseydiniz onu arıyor olmazdınız.
Mesele tam olarak budur. Kurallar sahip olduğunuz soruları cevaplar. Modeller sahip olmadığınız soruları bulur. Determinizm isimlendirebildikleriniz için, yapay zekâ isimlendiremedikleriniz içindir. Üstelik isimlendiremediğiniz çok şey var: bir şirketin ürettiğinin %80 ilâ %90'ı yapısızdır — kayıtlar, çağrılar, e-postalar, belgeler — ve büyük kısmını hiçbir zaman hiçbir şey okumaz.
Gerekli mi sorusunu çözen üç soru
Uyguladığım test budur ve adım başına doksan saniye sürer.
1. Girdi yapısız mı? Serbest metin, ses, görsel, birinin eğri taradığı bir PDF. Girdinin zaten kolonları varsa model probleminiz yok — sorgunuz var.
2. Dallar önceden sayılabilir mi? Olası sonuçların tam listesi bir tahtaya sığıyorsa, koda yazın. Sonlu bir dal kümesi, kostüm giymiş bir kural motorudur.
3. Çıktı dil mi? Bir özet, bir açıklama, bir taslak, bulanık kategorilere yerleştirme. Çıktı bir sayı ya da bir doğru-yanlış değeri ise, yanında duran her modelden fena halde şüphelenin.
Üçü de hayırsa: kod yazın. İkisi hayırsa: yine kod yazın. Biri hayırsa: gelin tartışalım, veriyi de getirin.
Değer mi sorusunu çözen iki soru
Yukarıdaki üç soru yapay zekânın işi yapabileceğini söyler. Yayına almanız gerektiği hakkında ise hiçbir şey söylemez. LinkedIn sürümünde eksik bıraktığım kısım buydu — ve bana en pahalıya mal olan kısım da bu.
4. Yanılmanın bedeli ne, geri dönüşü var mı? Yanlış sınıflandırılmış bir destek kaydına omuz silkersiniz. Oysa en büyük müşterinize giden yanlış tonda bir tahsilat e-postası size CEO'nuzdan telefon getirir. Ucuz ve geri alınabilirse bırakın çalışsın. Pahalı ya da geri alınamazsa model yine işi yapar, ama imzayı insan atar. Bu ayrım bürokrasi değildir; onay kapılarının ait olduğu yer tam olarak burasıdır. Cevabın biçimine dikkat edin: asla "burada yapay zekâ kullanma" değil, "burada yapay zekâyı denetimsiz kullanma."
5. Bu muhakeme kaç kez yapılacak? Dört bin kayıt bir modele değer. Ayda on iki kayıt ise bir öğleden sonrasına ve bir kahveye değer; üstelik onları kendiniz okuyarak modelin size söyleyeceğinden fazlasını öğrenirsiniz. Kaba kuralım şu: bir kişi bir aylık hacmi bir öğleden sonrada bitirebilirse, yapay zekâ probleminiz yok, bir öğleden sonranız var. Bu bir birim ekonomisi sorusudur ve CFO'nuzun zaten soracağı aritmetik budur.
Kimsenin sunuma koymadığı aritmetik
Modelleri duvardan uzak tutmanın daha sert bir sebebi var: çarpma.
Adımları zincirlediğinizde güvenilirlikleri çarpılır. Yani ortalaması alınmaz — çarpılır. %95 doğru çalışan bir adım, bir dil modeli için mükemmeldir. Beş tanesini arka arkaya koyun, zincir %77 çalışır. Yirmi tanesini koyun, %36'ya iner.
Aktarmalı uçuşları düşünün. Her bacak %95 tarifesinde, kulağa gayet iyi gelir. Beş bacak alırsanız düğüne yetişme ihtimaliniz dörtte üçtür. Yirmi bacak alırsanız arabayla gitmeliydiniz.
Bu yüzden konumlandırma estetik bir tercih değildir. Modele devrettiğiniz her adım, 1,0'dan 0,95-küsura indirdiğiniz bir adımdır ve bu sayılar zincir boyunca birbirini çarpar. Deterministik bir adım yalnızca daha ucuz değildir — çarpımdaki 1,0'dır. Aşağısındaki hiçbir şeyi seyreltmez.
Bir de sıkıcı maliyet var ki projeyi dördüncü ayda genellikle o bitirir: bir SQL sorgusu milisaniyelerde ve yuvarlama hatası kadar bir bedelle cevap verir; bir model çağrısı ise saniyelerde cevap verir ve her seferinde, sonsuza kadar, token başına faturalanır. Tavanı konmamış maliyetler, kötü doğruluğun bitirdiğinden çok daha fazla pilotu bitirdi.
Ters yöndeki hata, ki o da aynı derecede pahalı
Adil olayım, çünkü bu test iki tarafı da keser ve ekiplerin diğer taraftan düştüğünü de gördüm.
Bir yerlerde bir ekip "bedeni küçük" ifadesi için kırk tane regex bakımı yapar. Sonra altmış. Ardından biri İngilizcesini ekler. Derken bunları yazan kişi ayrılır ve artık kimse hiçbirini silmeye cesaret edemez; dosya yalnızca büyür.
Her hafta büyüyen bir kural listesi, arayüzü daha kötü, değerlendirme seti olmayan ve tek bakımcısı sessizce özgeçmişini güncelleyen bir modeldir. Ekibiniz insan ifadelerinin taksonomisini elle tutuyorsa, zaten kötü bir model kurmuşsunuz demektir. Gidin iyi bir tane alın.
Test "model kullan" cevabını, "kullanma" cevabı kadar sık verir. Onu bir tercih değil de test yapan şey budur.
Malzeme listesini okuyun
Kimse arabasına "GPS'li araba" demez. GPS, belki dört yüz bileşenden biridir; sadece baktığınız bileşen olduğu için araca adını verme hakkı kazanmaz.
Bizim iade projemiz dört adımdı, biri model kullanıyordu. Yani %25 yapay zekâ, %100 yapay zekâ diye anılan bir proje. Bu boşluğun artık piyasada adı var. Gartner buna agent washing der. SEC'in adlandırması ise AI washing ve Mart 2024'te iki yatırım danışmanına — 225.000 ve 175.000 dolar — sahip olmadıkları yapay zekâ yetenekleri iddiasında bulundukları için türünün ilk yaptırımlarını uyguladı.
Sizin iç sunumunuzun menkul kıymet dolandırıcılığı olduğunu söylemiyorum. Söylediğim şu: bir düzenleyici, bir sistemin yaptığı iş ile anıldığı isim arasındaki mesafeye artık bir fiyat biçti ve o fiyat tek yöne gider.
Peki bu nasıl yapılır? Disiplin karmaşık değil. Her adımı listeleyin. Her birini etiketleyin: taşıma, kural, entegrasyon ya da yapısız girdi üzerinde muhakeme. Sonra muhakeme diye etiketlediğiniz her adımı tek tek, yüksek sesle savunun.
Bir adımın neden modele ihtiyacı olduğunu tek cümlede söyleyemiyorsam, o adımın modele ihtiyacı yoktur. Bu cümle, hiçbir müşterinin öldürdüğünden daha çok kendi tasarımımı öldürdü.
Biz nerede duruyoruz ve neden dört ayrı ürün çıkardık
Yapay zekâ platformu satan birine sorulacak adil bir soru var: kendi testinizde siz nerede duruyorsunuz?
Dürüst cevap şu: şirketimizin biçimi, bu yazının savunduğu şeyin biçimidir. Bir otomasyonun içindeki işin büyük kısmı yapay zekâ değilse, ürünlerin büyük kısmı da olamaz.
- Piperails veriyi taşır. Yirmi bir küsur kaynaktan altı hedefe, bir takvime bağlı olarak. İçinde dil modeli yoktur, çünkü ERP'den dünkü siparişleri çekmek bir taşıma işidir; taşıma ise bir cron ifadesiyle çözülmüş bir problemdir.
- DataRails isimlendirebildiğiniz soruları cevaplar. SQL, bir anlamsal katman, panolar. Ayrıca model yok. Soru belliyse sohbet değil sorgu istersiniz.
- RoboRails gerçek bir tarayıcıyı takvime bağlı çalıştırır ve geçti-kaldı kararı verir: rakip fiyatı, ödeme hunisi, gece üçte bozulan giriş ekranı. Yine orada da model yok. Bir izleme adımı ya deterministiktir ya da izleme olarak beş para etmez.
- PromptRails ise modellerin girdiği yerdir. Orada bile kurduğumuz şeyin çoğu model değil, modelin etrafındaki düzenektir: korkuluklar, politikaya ve denetim izine bağlı PII maskeleme, hak eden adımlarda insan onayı ve verdiği her kararın izi.
Tek bir ayrıntı, tüm savı küçük ölçekte anlatır. Piperails bir MCP sunucusu açar, böylece model boru hattını çağırabilir. Yön bilinçli seçilmiştir: model boru hattından sayıyı ister; boru hattı ise modele 4,1'in 4,0'dan büyük olup olmadığını hiç sormaz.
Tek başına yayımladığımız tek model olan piimask — 0,5 milyar parametre, kendi donanımınızda çalışır — tam olarak tek bir iş yapar: serbest metinde kişisel veriyi bulmak, Türkçe ve İngilizce. Yapısız girdi, önceden sayılamayan dallar, dil çıktısı. Üç sorudan da geçer; bu yüzden birinin sürekli beslemek zorunda kalacağı bir regex dosyası olarak değil, model olarak vardır.
CEO'ya nasıl cevap verilir
Şimdi gerçekten inandığım şeyi söyleyeyim; öğrenmem birkaç rahatsız edici toplantı aldı: "bunun büyük kısmı yapay zekâ değil" bir itiraf değildir. O odada söyleyebileceğiniz en güçlü şeydir.
Çünkü CEO aslında "yapay zekâ gerekli mi?" diye sormuyordu. "Bana bir şey mi satılıyor?" diye soruyordu. Sınırı kendiniz çizdiğiniz anda — şu üç adım tesisat, şu tek adım model ister, başka hiçbir şeyin neden istemediği de şudur — satıcı olmaktan çıkar, odada aritmetiği yapan kişi olursunuz.
Aynen kullanabileceğiniz hâli:
"Bu dört adımın üçü sıradan mühendislik ve bilerek öyle kurduk. Bir adım, hiçbir kuralın yakalayamayacağı dört bin cümleyi okuyor; modele ihtiyaç duyan adım o. Diğer üçünde de model kullansaydık, daha az güvenilir bir sisteme daha fazla ödüyor olurdunuz."Üstelik buna bugüne kadar kimse itiraz etmedi. Odada ölen projeler, dürüst cevabın "şey, yapay zekâ daha esnek" olduğu projelerdir.
Pazartesi sabahı
Yapay zekâ portföyünüzü alın — her proje, her pilot, şu an birinin masasında duran her satıcı demosu — ve her biri için üç şey yazın:
- Adımlar. Hedef değil. Adımlar. Neredeyse her zaman dört ile yedi arasında çıkar.
- Her adım için bir etiket: taşıma, kural, entegrasyon ya da yapısız girdi üzerinde muhakeme.
- Muhakeme diye etiketlediğiniz her adım için tek cümlelik gerekçe.
Bazı projeler bir cron ile bir sorguya çöker. Onları bu çeyrek yayına alın — binadaki en hızlı yatırım getirisi onlardır ve pahalı bir şey kılığında orada beklerler.
Bir ya da iki tanesi ise ortasında gerçekten ikame edilemez bir model adımıyla ayakta kalır. Yani gerçek yapay zekâ projeleriniz onlardır. Düzgün fonlayın, kapılarını koyun, verdikleri her kararın izini tutun ve bütçeyi baştan beri modele ihtiyacı olmayanlara yaymayı bırakın.
Cam, binadaki en pahalı malzemedir ve yaptığı işi yapan tek malzemedir. Duvarı ondan örmemenizin sebebi tam olarak budur.
Peki sizin listenizde, iş gerektirdiği için yapay zekâ olan kaç kalem var — slayt istediği için olan kaç kalem?
Kaynaklar
- George A. Akerlof, "The Market for 'Lemons': Quality Uncertainty and the Market Mechanism," Quarterly Journal of Economics, 1970.
- Gartner, agentic AI projelerinin %40'ından fazlasının 2027 sonuna kadar iptal edileceğine dair basın bülteni, 25 Haziran 2025.
- MIT Project NANDA, The GenAI Divide: State of AI in Business 2025, Temmuz 2025.
- McKinsey & Company, The State of AI anket serisi, QuantumBlack.
- Martin Zinkevich, Rules of Machine Learning: Best Practices for ML Engineering, Google, 2016.
- Anthropic, Building Effective Agents, mühendislik blogu, Aralık 2024.
- ABD Sermaye Piyasası Kurulu (SEC), "SEC Charges Two Investment Advisers with Making False and Misleading Statements About Their Use of Artificial Intelligence," 18 Mart 2024.
- IDC, Data Age 2025 — kurumsal verinin yapısız ve analiz edilmemiş oranı üzerine.
Bu testi kendi iş akışlarınızdan birinde çalıştırmak ister misiniz? 30 dakikalık bir görüşme ayarlayın, adımları birlikte etiketleyelim — bize ihtiyaç duymadığı ortaya çıkanlar dahil.