Umut Sarıkaya’nın o meşhur karikatürünü hatırlayalım. Çeliktepe Cengizhan Lisesi ile Saint Benoit Lisesi (Sen Benuğa diye okunduğu gibi geçer karikatürde) takımları arasındaki bir futbol maçını tasvir eder. Bir yanda Çeliktepe Mahallesi gençlerinin sert gerçekliği, öte yanda Fransız ekolü özel okuldaki zengin çocuklarının kırılganlığı vardır.

OpenAI’ın Davos 2026 zirvesine yaptığı çıkarmanın haberleri ve orada sunulan raporları okuyunca, o meşhur karikatürle birlikte dilimize yerleşen “Ağlama Melis” ifadesi ağzımdan dökülüverdi. Yapay zeka geliştirme yarışında devasa yatırımlarla ilerleyen OpenAI, Çeliktepe Mahallesi’nin yani mevcut iş piyasalarının sert gerçekliğiyle tanışmış gibiydi.

“Biz bir süper bilgisayar yaptık, insanlar hâlâ hesap makinesi gibi kullanıyorlar” diye ince ince atarlanma da var gibiydi alt metinde. Hatta yer yer bu atarlanma yüzeye de çıkıyordu sanki.

Buhar makinesinin gelişimini hatırlamak

Davos 2026’ya döneceğiz elbette ama şimdi biraz geriye gidelim. James Watt’ın buhar makinelerini biraz daha ileriye taşıdığı 1700’lü yılların ikinci yarısındayız. James Watt, buhar makinesini önceki modellere göre hayli geliştirmiş durumda. Oysa buhar makinelerinin verimi hâlâ %7’lerde geziniyor, geriye kalan %93 boşa giden ısı olarak kayboluyor.

Fransız fizikçi Sadi Carnot’nun verim üzerine çalışmaları ve nihayet İngiliz mühendis Charles Algernon Parsons’ın 1884 yılında ilk başarılı buhar türbini yapmasıyla bu teknoloji rayına oturuyor.

Ancak bu teknolojinin tam olarak benimsenmesi için daha fazlasına ihtiyaç vardı. Çünkü buhar makinesinin çağında mesele sadece buharın gücü değildi. Aslen o gücün işe hangi ritmi dayattığı önemliydi ve bunun benimsenmesi için de zamana ihtiyaç vardı.

Önce, Richard Arkwright vardiya düzeni fikrini ortaya attı ve uyguladı. Sonra Josiah Wedgwood işi istasyonlara bölüp modern fabrika organizasyonunun temellerini attı. Üzerine Brunel, üretimi bir iş akışı gibi tasarlamayı akıl etti. Nihayetinde Frederick W. Taylor, ritmi bilimselleştirdi ve Henry Ford bu ritmi zemine ray gibi döşedi.

Hepsinin sonunda ulaşılan nokta bir endüstri devrimiydi. Yani bu devrim, makinenin icadından çok, işin örgütlenişinin değişmesinden doğmuştu; parçalanmış görevler, senkronize ekipler, ölçülen performans, yönetilen akış vb.

Davos çıkarmasının şık kavramları

İşletme derslerinde öğrendiğim bu klasik endüstri tarihi notlarını da tıpkı "Ağlama Melis" karikatürü gibi OpenAI'ın Davos 2026’ya yaptığı hafif sitemli çıkarmayla hatırladım. Kısacası yapay zeka “hype”ının coşkusu çekilirken, operasyonel gerçekliğin soğuk yüzü sahneye çıkıyor diyebilirim.

Anlaşılan şimdi maliyet muhasebesi vakti. Distopik sorular yerine “Peki değer üretiyor mu?” sorusu var elimizde. OpenAI CEO’su Sam Altman ve CFO’su Sarah Firiar, Davos’ta modellerin yapabildikleriyle kurumların onları fiilen kullanabildiği yer arasındaki tehlikeli makasa dikkat çekiyorlar.

Bunun da adı “benimsenme açığı” konmuş. Başka bir ifadeyle de “yetkinlik fazlası.”

Kullanıcı alışkanlığından ötesi var

Davos’ta yapılan çıkarmadan anlaşılan şu: OpenAI 2026’da artık yeni bir faza geçmek istiyor. Çünkü bir yandan gelirlerinin 2025 sonunda 20 milyar doların üstüne çıktığını, diğer yandan işlem kapasitesinin 1,9 GW’a ulaştığını söylüyor. Fakat bir yandan da yatırım getirisinin beklenen oranda olmadığı vurgulanıyor.

İşte tam bu noktada karşımıza “benimsenme açığı” kavramı çıkıyor. Nitekim PwC Küresel Başkanı Mohamed Kande’nin Fortune dergisine verdiği röportajdan da öğrendiğimiz üzere kurumun anketlerine göre şirketlerin %56’sı üretken yapay zekadan somut bir fayda görmediğini belirtmiş.

Bu konuda daha keskin bir veri de geçen Ağustos ayında MIT raporundan gelmişti. O rapora göre kurumsal üretken yapay zeka uygulamaları %95 başarısız oluyordu. Hâl böyle olunca benimseme açığı da kaçınılmaz oluyor demek ki.

OpenAI tarafı benimsenmeme sorumluluğunu biraz kullanıcıya ve kurumlara atmak istiyor gibi görünüyor. Oysa kurumsal benimseme, yalnızca “kullanıcı alışkanlığı” meselesi değil; ürün tasarımından fiyatlamaya, güvenlikten hukuka, entegrasyondan veri yönetimine uzanan bir maliyet ve risk dağılımı meselesi. Kurumlar, modellerin ne yapabildiğinden çok, onu kullanmanın neye mâl olacağını ölçmeye çalışıyor.

Benimseme krizi yapay zeka ajanlarıyla aşılabilir mi?

Bu sancılı benimseme süreciyle ilgili çarpıcı veriler var. Örneğin, OpenAI’ın kendi raporuna göre ücretli kurumsal kullanıcıların bile %19’u veri analizi yeteneklerini, %14’ü akıl yürütme kapasitesini hiç kullanmamış. Bu, “erişim var ama kullanım yok” demek biraz. Kullanıcıların çoğu hâlâ 2023 alışkanlıklarıyla basit özet ve üretim işlerinde kalıyor da denebilir.

Bunu aşmanın yolu eğitimden mi yoksa tasarımdan mı geçiyor sorusu kritik. OpenAI tarafı bunu bir Ajanik Yapay Zeka (Agentic AI) sıçramasıyla çözebileceğini düşünüyor. Burada ayrımı “ChatGPT soru cevaplardı, bilgi verirdi, Operator yani yapay zeka ajanları iş yapacak” şeklinde çizerek teknolojilerine güveniyorlar.

Ancak orada da otonomi arttıkça büyüyen denetim ihtiyacını gözden kaçırıyor olabilirler. İnsanlar henüz işi bir yapay zeka ajanına tamamen devredecek kadar güvenmiyor. Bu da “Her adımı kontrol edeceğime kendim yaparım” gibi bir yola girme riskini oluşturuyor. Burada tıpkı buhar makinesinin icadından fabrika düzeyinde yerleşmesine kadar geçen süreçteki gibi ara aşamalara ihtiyaç var.

Pratik benimsenme telaşının ardındaki ekonomi

OpenAI’ın Davos çıkarmasının odağında teknoloji basınına da sıkça yansıdığı gibi “pratik benimsenme” kavramı var. Bu yeni strateji işin büyü aşamasından finansal sürdürülebilirlik ve pazar hakimiyeti mücadelesine döndüğünün başka bir işareti. Zaten sekiz yılda 1,4 trilyon dolar altyapı taahhütü veren bir kurumun başka da bir şansı yok gibi.

Ücretsiz sürümlerde ve düşük maliyetli paketlerde yapılan reklam testleri ve 2026’nın ikinci yarısında duyurulması beklenen donanım yani cihaz satma hedefi bu stratejinin diğer bileşenleri. Bu sırada kendi reklamlarını da yapmayı ihmal etmiyorlar tabii. Tıpkı ekranı ikiye bölen deterjan reklamları gibi bir mantıkla diyorlar ki: İleri düzey kullanıcılarımız düşünme kapasitelerini 7 kat artırdı.

Daha da ötesine geçip; öncü ülkeler ve geride kalan ülkeler diye ülkeleri de ikiye bölüp, öncü ülkelerin üç kat daha fazla yapay zeka düşünme kapasitesi kullandığını ekliyorlar.

Ülkeler için OpenAI perspektifi

Ülkelere girmişken, OpenAI’ın Davos ruhuna da uygun olarak “Open AI for countries” perspektifinden de bahsedelim. Çünkü bu başlıkta da ilginç veriler vardı. Bir defa şunda çok netler: Yapay zeka artık elektrik şebekesi ya da karayolu ağı gibi bir kritik kamusal altyapı olarak görülmeli. Bu da ülkeler arasındaki dijital uçurumun kapatılmasını gerektiriyor.

Estonya’nın eğitime entegrasyon kabiliyeti, Pakistan ve Vietnam’ın ileri düzey yapay zekayı erken benimsemesi dikkat çekici unsurlar. Singapur ve Hollanda gibi daha küçük ama yüksek gelirli ülkelerin nüfusa göre kullanım oranlarının yüksek olması ise çok şaşırtıcı değil. Birleşik Arap Emirlikleri’nin veri merkezi atağı, Norveç’in yeşil enerji üstünlüğü de beklentiler dahilinde.

OpenAI, 11 ülkeden başarılı örnekleri göstererek bütün ülkelere çözüm ortaklığı teklif ediyor kısacası.

Egemen yapay zeka hedefi ve çelişkiler

Ancak burada akla bir soru geliyor kuşkusuz. Bu bir kalkınma programı mı, yoksa bağımlılık mimarisi mi? Çünkü yapay zekayı altyapı olarak tanımladığınız anda, onu sağlayan aktör stratejik ortak olmaktan çıkıp sistem kurucu hâline gelir. Böyle olunca egemen yapay zeka hedefi ile küresel bir tedarikçiye olan bağımlılık konusundaki gerilim büyür. Hele ki kamu hizmetlerinde yapay zeka kullanımı şeffaflık, denetlenebilirlik ve ayrımcılık riskini de büyütür.

Buna karşılık olarak, veri merkezlerinin ülkelerde bağımsız olarak kurulması argümanıyla geliniyor. Oysa egemenlik yalnızca veri merkezinin nerede kurulu olduğuyla değil; modelin hedef fonksiyonunu kim tanımlıyor, hata olduğunda kim hesap veriyor, kamu hizmeti hangi teşviklere bağlanıyor sorularıyla da ilgili biraz.

Çin’in rekabet baskısı ve teknolojinin çevresel maliyeti

Burada OpenAI’ın çok değinmediği başka bir endişesi daha var. Eğer kendi pahalı akıl yürütme becerisini benimsetemezse verimlilik konusu yeniden gündeme gelir. Bu da “daha az maliyetle benzer performans” vadeden Çin’in Deepseek’inin yarattığı baskıyı akla getirir. Öyleyse yüksek kapasiteyle kullanımın benimsenmesi OpenAI için aynı zamanda bir rekabet baskısı diyebiliriz.

Dahası maliyetler sadece parayla ilgili değil, bu işin çevresel maliyetleri de var bildiğimiz gibi. Bu veri merkezleri nerede kurulacak, hangi bölgeler enerji/su maliyetini üstlenecek, kim gerçek faturayı ödeyecek, kim kazanacak?

Örneğin Türkiye gibi ülkeler bu dalgaya “uygulama ekosistemi” olarak mı eklemlenecek, yoksa “enerji ve veri merkezi” yükünü taşıyan bir coğrafya olarak mı? Dahası yüksek benimsenmeyle birlikte gelecek işsiz dalgasında, hangi ülkeler nasıl ayakta kalacak?

Mesele benimseme hızı mı sahiden?

OpenAI’ın Davos mesajını yahut vaadini tek bir cümleye indirgemek zor. Ancak “benimseme açığı”, “yetkinlik fazlası” gibi şık kavramlarla söylemeye çalıştıkları şey açık: Teknoloji hazır, siz nerede kaldınız? Çünkü çok para harcadık. Bir an önce benimseyin de maliyeti karşılayalım.

Fakat meseleyi dünyanın benimseme hızına indirgemekte bir sorun var bana kalırsa. Çünkü asıl mesele, bu teknolojinin kimi güçlendirdiği, kimi bağımlı kıldığı, hangi maliyeti kime yıktığı ve hata olduğunda kimin hesap verdiğiyle ilgili.

Evet “benimsenme açığı” gerçekten de olabilir. Fakat bu açığı kapatmak, yalnızca daha iyi arayüzler ve daha cesur kullanıcılar üretmekle olmaz. Ajanların eylem gücünü, reklamın teşviklerini, devletlerin egemenlik gerilimini, enerji ve su maliyetinin adaletini, işgücü üzerindeki baskıyı birlikte düşünmezsek “açığı” kapattığımızı sanırken daha büyük bir boşluğu büyütebiliriz.

O boşluğun merkezinde de “Kim hesap verecek?” sorusu olur kuşkusuz.

vardiya ile ilgili hikayeler