Bir şirketi düşünün. Verimlilik hesabı yaptı, yapay zekayı seçti, çalışanını kapıya gönderdi. Aradan birkaç ay geçti. Aynı şirket, aynı çalışanı aynı masaya geri çağırdı.
Bu bir anekdot değil. Forrester'ın araştırması işverenlerin yüzde 55'inin yapay zeka adına verdikleri işten çıkarma kararlarından pişman olduğunu ortaya koyuyor. Robert Half'ın 2.000 yöneticiyle yürüttüğü çalışmada ise her üç şirketten biri, verimlilik uğruna işten çıkardığı çalışanı aynı pozisyona yeniden almak zorunda kaldığını itiraf ediyor. Otomasyon açtı, kurumsal hafızayı kapattı. İnsan emretti, insan düzeltti.
Peki bu geri dönüşler bize ne söylüyor? Yapay zekanın işe yaramadığını mı? Hayır. Yapay zekanın ne olduğunun yanlış anlaşıldığını söylüyor. Ve bu yanlış anlama yalnızca şirketlerin değil, üniversitelerin, hükümetlerin ve kamuoyunun ortak yanılgısı.
Deloitte Asya-Pasifik CEO'su Rob Hillard geçtiğimiz günlerde önemli bir şikayette bulundu: Üniversiteler, öğrencilere yapay zekayı hile aracı olarak görerek yasaklayıcı ve caydırıcı tutum izliyor. İş dünyası ise yapay zekayı bilen mezun arıyor. Bu çelişkili duran konuda, üniversiteler topyekun hatalı gözüküyor. Fakat bu biraz yüzeysel bir bakış açısı.
Üniversite, sadece birer araç operatörü yetiştiren sıradan birer meslek okulu değildir. Akademinin asıl görevi; teknik becerinin de ötesinde, eleştirel düşünce, yöntem ve muhakeme üretebilmektir. Dolayısıyla “mezunlarınız yapay zeka bilmiyor” şikayeti, üniversiteleri teknik birer kurs merkezine dönüştürme sığlığından kurtarılmalı; akademinin bu araçları metodolojik birer araç olarak müfredata nasıl entegre edeceği sorusuna evrilmelidir.
Bu tartışmada asıl sorun çerçevesizliktir. Gallup-Lumina araştırması yaklaşık 3.800 öğrenciyle yapıldı. Öğrencilerin yüzde 42'si okullarının yapay zeka kullanımını caydırdığını, yüzde 11'i ise tamamen yasakladığını söylüyor. Buna rağmen öğrencilerin yüzde 57'si haftada en az bir kez yapay zekayı derslerinde kullanıyor. Yani yasak kağıt üzerinde kalıyor, öğrenci kullanmaya devam ediyor, ama nasıl kullanacağını bilmiyor.
Avrupa bu sorunun farkına özellikle temel eğitim kademelerinde farklı bir yerden başladı. Fransa'da kağıt-kalem sınavlarına dönüş, İsveç'te dijital eğitimden geri adım, Finlandiya'da el yazısı tartışması — bunların hepsi aynı kaygıdan besleniyor: Dijital araçlar bazı becerileri körletiyor. Sorun yapay zekadan önce mobil teknolojilerin gelişmesiyle başladı, yapay zeka onu derinleştirdi.
O nedenle kademeli bir uygulama ile yapay zekanın da entegre edilebileceği bir sistem işlevsel ve makul olacaktır.
Burada bir ayrımı da net kurmak gerekiyor. Yapay zeka üretir, yaratmaz.
Bu cümle basit görünüyor ama altı derin. Yapay zeka mevcut verilerden örüntüler çıkarır, bu örüntüleri istatistiksel olarak birleştirir ve çıktı üretir. Bunu çok hızlı, çok hacimli ve çoğu zaman etkileyici biçimde yapar. Ama etkileyici olmak özgün olmak değildir. Özgünlük, daha önce var olmayan bir bağlantı kurmaktır. Yapay zeka eğitim verisinin dışına çıkamaz. Dolayısıyla ürettiği her şey, bir biçimde zaten var olanın yeniden düzenlenmesidir.
Yaratıcılık, hatalı bir çıktı üzerine dile gelmez. Ama üretim hatalı olabilir. Bu nedenle yapay zeka üretimde hata yapabilir. Ama insanın yaratıcılığı ve özgünlüğü ön planda olduğunda hata söz konusu olmaz. Hata ve eksikler o özgünlükte erir gider. Zaten hata varsa yaratıcılık söz konusu olmaz. Kısaca insanın özgünlüğünü ve yaratıcılık özelliğinin değer ve önemini anlamak gerekir.
2025 tarihli deneysel bir araştırma bunu somutlaştırıyor. ChatGPT, yaratıcılık testlerinde insan katılımcılardan çok daha fazla fikir üretti. Ama özgün ile sıradan arasındaki farkı ayırt edemedi. İnsanlar bu ayrımı yapabiliyor, yapay zeka yapamıyor.
Yöneticileri yorma meselesi de buradan geliyor, ama tek bir kanaldan değil, üçten birden.
Birincisi tek tipleşme. Farklı çalışanların yapay zeka ile ürettikleri çıktılar birbirine yaklaşıyor. Özgünlük kayboluyor, kurumun sesi silikleşiyor. Yönetici önüne gelen metni sıfırdan yazmak yerine yeniden şekillendirmek zorunda kalıyor.
İkincisi halüsinasyon. Yapay zeka olmayan kaynakları varmış gibi gösterebiliyor, yanlış veriler üretebiliyor, tutarsız bağlamlar kurabiliyor. Üstelik bunu son derece güvenli bir dille yapıyor. Yönetici her çıktıyı tek tek doğrulamak zorunda kalıyor. Bu doğrulama yükü, kazanılan zamanı geri alıyor.
Üçüncüsü bağlam körlüğü. Yapay zeka o kurumun kültürünü, o müşterinin geçmişini, o toplantıdaki dengeyi bilmiyor. Ürettiği metin teknik olarak doğru ama kurumsal gerçeklikten kopuk olabiliyor. Çalışan teslim ediyor, yönetici bağlamı yeniden kuruyor.
Verimlilik vaat edildi, denetim yükü arttı. Üç kanaldan birden.
İnsan yapay zekayı kaldıraç olarak kullandığında tablo değişiyor. Kendi muhakemesini, deneyimini ve yaratıcılığını beslemek için araç olarak konumlandırdığında yapay zeka anlam kazanıyor. Ama bu, yapay zekayı yaratıcı yapmıyor. Kaldıraç taşı kaldırmaz, onu tutan el kaldırır.
Yapay zeka yanlış kullanıldığında insanın yaratıcılığını köreltebilir. Doğru kullanıldığında ise insanın muhakeme ve yaratıcılık sınırlarını zorlayan bir araca dönüşür.
Buraya kadar anlattıklarımız yapay zekanın iç dünyasıyla ilgiliydi. Şimdi dışarıya bakalım.
Yapay zeka şirketleri insanlığa büyük bir dönüşüm vaat ediyor. Peki bu şirketler kar ediyor mu? Büyük çoğunluğu etmiyor. OpenAI 2024'te yaklaşık 5 milyar dolar zarar etti. Yatırımlar beklentiye akıyor, beklenti gerçeğin önüne geçiyor.
Bu noktada Nvidia'yı ayrı tutmak gerekiyor. Nvidia kar ediyor, ama bu yapay zekanın başarısının değil, bu alana pompalanan paranın büyüklüğünün göstergesi. Nvidia, altına hücum eden madencilere kazma satıyor. Altın bulunup bulunmadığından bağımsız olarak kazma satışı sürüyor.
Döngüye bakıldığında tablo netleşiyor. Büyük teknoloji şirketleri yapay zeka şirketlerine yatırım yapıyor. Bu para Nvidia gibi donanım üreticilerine akıyor. Kar belirli ellerde yoğunlaşıyor, dışarıya sızmıyor. Nobel Ekonomi Ödüllü Prof.Dr.Daron Acemoğlu bu tablonun en sert eleştirmenlerinden biri. Amerika'da yedi teknoloji şirketi şu an Nasdaq endeksinin yüzde 60'ını oluşturuyor. Bu şirketlerin her birinin reel gelirleri, 19. yüzyıl ortasındaki İngiliz İmparatorluğu'nun gayrisafi milli hasılasının yaklaşık iki katı. Bu tablo çarpıcı bir merkezileşmeyi gözler önüne seriyor — tarihin gördüğü en büyük güç yoğunlaşmalarından biri.
Güven sorunu yalnızca ekonomik değil. ABD Savunma Bakanlığı OpenAI, Google, Microsoft ve Nvidia dahil sekiz büyük teknoloji şirketiyle yapay zeka araçlarını gizli askeri ağlarda kullanmak üzere anlaşma imzaladı.
İsrail ise sivil yapay zeka modellerini ve algoritmaları etkileyecek içerikler üretmek üzere üçüncü taraf teknoloji firmalarıyla sözleşmeler imzalıyor. Amaç; küresel modellerin bölgesel krizlere ve kendisine dair sorulara verdiği yanıtları, yani yapay zekanın ürettiği “gerçekliği” arka kapıdan şekillendirmek.
Bu ilişkiler doğrultusunda, kişisel verilerin de devletler karşısında ne kadar güvence altında kaldığını bilemiyoruz. Avrupa Birliği bu belirsizlik için ciddi bir mevzuat geliştirdi. Ama mevzuat teknolojinin hızına yetişebiliyor mu?
Şimdi görünmez faturaya geliyoruz.
Acemoğlu otomasyonun emek üzerindeki etkisini net koyuyor. İşgücü yerine sermayeye ağırlık verildiğinde sermayenin payı artıyor, işgücünün payı azalıyor. Bu soyut bir eşitsizlik değil. ABD'de 1980 sonrasında yaşanan gelir uçurumunun önemli nedenlerinden biri otomasyon.
Sanayi işçilerinin işini kaybettiği bölgelerde uyuşturucu bağımlılığı, ruh sağlığı sorunları ve toplumsal çözülme iç içe geçti.
İkinci eşitsizlik daha az görünür ama en az birincisi kadar derin. Yapay zeka insan verisiyle besleniyor. İnsanın önyargılarını, manipülasyon kalıplarını, kötücül davranışlarını da öğreniyor. Bunu kasıtlı yapmıyor, ama etkisi kasıtlı olmaktan farksız olabiliyor. Mahremiyet erozyonu, beceri kaybı, bağımsız düşüncenin zayıflaması — bunlar terminatör filmleriyle değil, gündelik ve sessiz bir aşınmayla geliyor.
Üçüncü eşitsizlik ise en somut ve en az konuşulan. Su.
Yapay zeka veri merkezleri soğutma için devasa miktarda su tüketiyor. GPT-3'ü eğitmek için Microsoft'un veri merkezlerinde yaklaşık 700.000 litre su harcandı. 2027'ye kadar yapay zeka kaynaklı küresel su tüketiminin yıllık 4,2 ila 6,6 milyar metreküpe ulaşması öngörülüyor. Bu Danimarka'nın yıllık su tüketiminin dört ila altı katı. Bazı tahminlere göre sadece Teksas'taki veri merkezlerinin 2030'da tüketeceği su, ABD'nin en büyük rezervuarı Mead Gölü'nü beş metreden fazla boşaltmaya eşdeğer.
Üstelik bu veri merkezlerinin büyük bölümü zaten su sıkıntısı yaşayan bölgelerde kuruluyor. Su demek tarım demek. Tarım demek gıda demek. Gıda demek sağlık demek. Bu zinciri kurmak için hayal gücüne ihtiyaç yok, yalnızca dürüst bir hesap yapmak yeterli.
Peki ne yapmalı?
Önce neyin yanlış sorulduğunu görmek gerekiyor. “Yapay zekayı nasıl daha çok kullanalım?” yanlış soru. Doğru soru şu: “Yapay zekayı kimin için, ne amaçla ve hangi sınırlar içinde kullanıyoruz?”
Üniversiteler yasaklamak ve caydırmak yerine çerçeve çizmelidir. Hangi kullanım öğrenmeyi besler, hangi kullanım onu köreltir — bu ayrımı netleştirmek akademinin görevidir. Öğrenciye yapay zekayı yasaklamak, onu iş dünyasına hazırlamamak değildir. Öğrenciye yapay zekayla düşünmeyi değil, yapay zeka yerine düşünmeyi öğretmek asıl hazırlamamaktır.
Şirketler ise pişmanlıklarından ders çıkarmalıdır. Kurumsal hafıza, insan denetimi ve sorumluluk duygusu bir algoritmayla ikame edilemiyor. Bunu öğrenmek için çalışanı kovup geri çağırmak gerekmiyordu, ama öyle oldu.
Acemoğlu'nun sorusu burada belirleyici: Yapay zekanın yönünü kim çizecek? Piyasa mı, devlet mi, teknoloji şirketleri mi? Acemoğlu'nun cevabı net — toplumun kendisi. Ama toplumun bu tartışmaya katılabilmesi için önce ne sorulduğunu anlaması gerekiyor.
Yapay zeka üretiyor. Hızlı üretiyor, hacimli üretiyor, etkileyici üretiyor. Ama yaratmıyor. Yaratmak için deneyim gerekiyor, bağlam gerekiyor, sorumluluk gerekiyor. Bunlar hâlâ insanda. Ancak insan anlam yaratabiliyor ve anlamlı kılabiliyor.
Araç olarak kalırsa yapay zeka güçlü bir kaldıraçtır. Amaç olarak konumlandırılırsa hem insanı hem gezegeni tüketir.
