Tahminsel Yapay Zeka 2027'de Üretken Yapay Zekayı Geride Bırakabilir mi

Yapay zekâ tartışmasının neredeyse tamamı üretken modellere akarken Eric Siegel ters yönü işaret ediyor ve iddiasını hiç yumuşatmıyor: kuruluşların çoğu üretkene ayırdığı kadar kaynağı tahminsel yapay zekâya da ayırmalı. Ona göre bugünkü dengesizlik bir moda değil, bir portföy hatası. Vitrin ışıkları bir teknolojinin üzerinde, para kazandıran iş ise başka bir teknolojinin mutfağında dönüyor ve bu makas her çeyrekte biraz daha açılıyor.

Sohbetin manşetlik iddiası videonun başlığında duruyor: tahminsel yapay zekâ 2027'de üretkeni geride bırakacak. Sunucu Geoff Nielson bu kehaneti Siegel'e açıkça soruyor ve konuk geri adım atmıyor; bölümün yayımlandığı günlerde bir yönetici dergisinde yayımlanan yazısında girişim yatırımlarının üretkene nasıl yığıldığını rakamlarla ortaya koyduğunu anlatıyor. Yani iddia bir sohbet esprisi değil, yazılı bir tezin sözlü savunması olarak kuruluyor.

Aşırı yüklenilen vitrin, eksik yüklenilen mutfak

Tarafları tanımak tabloyu netleştiriyor. Eric Siegel, tahminsel analitik üzerine yazdığı çok satan kitapla ve MIT Press etiketiyle yayımlanan The AI Playbook kitabıyla tanınan bir isim; Şubat 2024'te çıkan 256 sayfalık bu kitap, makine öğrenmesinde asıl sanatın dağıtım olduğunu savunuyor. Karşısındaki sunucu Geoff Nielson ise Info-Tech Research Group bünyesinde Digital Disruption programını hazırlıyor ve yüzlerce kuruluşa yapay zekâ stratejisi kurma konusunda danışmanlık vermiş bir ekip adına soruyor. Siegel'in MIT Press ile yayımlanan kitabı da aynı noktaya parmak basıyor: modeller değil, sahaya inişler yarışır.

Ayrımı bir cümleyle kurmak mümkün: üretken yapay zekâ içerik yazar, tahminsel yapay zekâ ise her işe bir sayı yazar. Tahminsel model bir e-postayı tamamlamaz; onun yerine her işlemi, her müşteriyi, her başvuruyu puanlar ve sıralar. Hangisi sahte, hangisi ayrılmaya yakın, hangisi borcunu ödeyecek: bu soruların her birine bir olasılık puanı üretilir ve işletme kararını bu puana göre verir. Biri hikâye anlatır, öteki bahis oranlarını dağıtır.

Siegel bu mekanizmayı anlatırken neredeyse coşkulu bir dile geçiyor ve öğrenmenin kendisini iki kez şaşırtan bir mucize diye tarif ediyor. Kavramın adı tümevarım : sınırlı sayıda örnekten, daha önce hiç görülmemiş durumlar için geçerli genellemeler türetmek. Milyonlarca satır eğitim verisi bile karşılaşılabilecek tüm durumların yanında küçücük bir örneklemdir; buna rağmen model, görmediği örnekler hakkında doğru çıkan iddialar üretebilir. Konuşmacıya göre veriden öğrenmenin büyüsü tam olarak budur ve bu büyü üretken modellerden çok önce keşfedilmiştir.

Neden herkes üretkene koşuyor

Peki asıl para mutfaktaysa kalabalık neden vitrinde? Siegel'in yanıtı iki katmanlı: dikkat ekonomisi ve para ekonomisi. Üretken modellerin demoları seyirliktir, herkesin ilk elden deneyebildiği bir sihir sunar; tahminsel modellerinse çıktısı bir kontrol panelindeki sessiz bir skordur. Siegel bu dengesizliği Forbes için kaleme aldığı yazıda da rakamlarla savunuyor; üretken yapay zekâ manşetleri toplarken tahminsel projelerin kurumsal mutfakta sessizce çoğaldığını ve proje sayısında başa baş yarıştığını söylüyor. Gösterişli olanla değerli olan aynı şey değildir.

Eleştiri dozu sohbet ilerledikçe sertleşiyor. Her derde deva vaatlerin ortalığı kaplamasının bir nedeni olduğunu söylüyor Siegel: bu vaatler birilerine çok para kazandırıyor, değerlemeleri şişiriyor ve abartıyı körükleyenleri zengin ediyor. Abartıya karşı çıkan akıllı görünür, abartıyı süren zengin olur esprisi bu yüzden acı bir gözlem olarak kayda geçiyor. The CTO Club'un thectoclub.com adresinde yayımlanan söyleşisinde Siegel üretken yapay zekâ abartısını daha da sert sözlerle eleştiriyor ve kurumları vitrin projelerin cazibesine kapılmamaya çağırıyor.

Üç soruluk proje çerçevesi

Sohbetin en kullanışlı bölümü, tahminsel projeyi üç soruya indiren çerçevedir: ne tahmin ediliyor, isabet ne düzeyde ve sonuçla ne yapılacak. Tahmin edilenle yapılacak iş birlikte projenin tanımıdır: hangi müşteri ayrılacak, ona özel teklif götür; hangi işlem sahte görünüyor, denetime tak; hangi kuyu pili bitecek, uyduyu kontrol et. Üçüncü soru olan isabet düzeyi ise beklentiyi ayarlar; model kahin değildir, olasılık dağıtır ve işletme bu olasılıklarla oynamayı öğrenmek zorundadır.

Örnekler alanı hızla dolduruyor çünkü liste neredeyse sonsuz bir kuyruk oluşturuyor. Pazarlama, risk yönetimi ve sahtecilik tespiti en köklü üç durak; müşteri kaybı modellemesi bunların yanında ayrı bir klasik olarak anılıyor. Kimse indirim kuponunu müşteri tabanının tamamına dağıtamaz; çözüm, ayrılma olasılığı en yüksek grubu puanlayıp müdahaleyi oraya yoğunlaştırmaktır. Aynı mantık kredi başvurularında, sigorta hasarlarında ve bakım planlamasında da işler; tahmin hep bir eyleme bağlanır.

Ölçek sorusu pazar verileriyle yanıt buluyor. Pazar araştırmacısı BCC Research bccresearch.com adresinde yayımladığı raporda küresel tahminsel analitik pazarını 2022'de 11,1 milyar dolar olarak verip 2027'de 23,9 milyar dolara ulaşacağını öngörüyor; yıllık bileşik büyüme yüzde 16,5 olarak hesaplanıyor. Aynı kuruluşun genel yapay zekâ pazarı için verdiği 2029 hedefi trilyon dolar düzeyinde olsa da tahminsel segmentin çift haneli büyümesi, mutfaktaki işin vitrinden bağımsız bir motoru olduğunu kanıtlıyor.

Dağıtım bir danışmanlık işidir

Siegel'in en çok alıntılanan cümlesi bu bölümde geliyor: değer üretmek teknik kurulum değil, danışmanlık işidir. Tahminsel projeler kuruluşun en büyük ölçekli operasyonlarının kalbine dokunduğu için modelcilerle iş birimlerinin aynı masada, aynı dilde konuşması gerekir. Herkesin yarı teknik bir anlayışa sahip olması şarttır; yoksa model laboratuvarda parlar, sahada tozlanır. Bu yüzden proje ekibi kod yazmaktan çok uzlaşma yazar: hangi eşikte müdahale edilecek, kim sorumlu olacak, başarı neyle ölçülecek.

Sahtecilik ekibi örneği bu soyut ilkeyi ete kemiğe büründürüyor. Model her işleme bir sahtecilik olasılığı yazar ve performansı ölçülür; ama bu sayı ekibi küçültmeniz mi yoksa büyütmeniz mi gerektiğini söylemez. Belki ekip küçülür ve tasarruf edilir, belki ekip büyür ve daha fazla sahtecilik yakalanarak kazanç artar. Sayılar tercihi aydınlatır, tercihi dayatmaz. Aritmetik teknolojiye aittir, karar işletmeye; ikisi arasındaki köprü de tam olarak o danışmanlık emeğidir.

Genel amaçlı araç tuzağı ve verimlilik bilmecesi

Üretken yapay zekâ tamamen değersiz midir? Siegel burada adil davranıyor ve genel amaçlı araç fikrinin hakkını veriyor: tıpkı binaya yeterince bilgisayar koymak gerektiği gibi, herkesin elinin altında güçlü bir üretim aracı olması değerlidir. Ancak uyarı hemen geliyor: elinde çekiç olan her şeyi çivi görür ve kuruluş çekiç şenliğine döner. Her soruna üretken modelle koşmak, temsil edici kullanım örneklerini hiç düşünmeden alet kutusunu kutsamaktır. Araç geneldir, değer önerisi her zaman özeldir.

Değer tartışması verilerle sertleşiyor. Fortune'un aktardığı MIT çalışması üretken yapay zekâ pilotlarının yüzde 95'inin ölçülebilir gelir artışı üretemediğini ortaya koyuyor; hızlı gelir sıçraması yakalayanların oranı yalnızca yüzde 5 düzeyinde kalıyor. Aynı araştırmada uzman satıcılardan alım ve ortaklıkların yaklaşık yüzde 67 başarı oranına ulaştığı, içeriden inşa edilen işlerinse üçte bir düzeyinde kaldığı bildiriliyor. Vitrin projelerin çoğu vitrinde kalıyor; mutfağa inen azınlık ise genellikle dışarıdan alınan tarifle iniyor.

Verimlilik paradoksu sohbetin en felsefi durağı. Ölçümler mi yanlış, değer mi gerçekten yok? Siegel içgüdüsünü saklamıyor: konuşulan değerin belki yüzde 5'i gerçekten üretiliyor, gerisi değerlemelere yazılmış bir temenni. Güncel CEO anketleri bu şüpheyi destekliyor: danışmanlık şirketi EY'in www.ey.com adresinde yayımlanan paylaştığı Ekim 2026 anketinde CEO'ların yarısının yapay zekâyı en büyük verimlilik kaynağı saydığını, ancak yüzde 23'ünün bu kazanımı finansal sonuca dönüştürmekte zorlandığını bildiriyor. Üstelik CEO'ların yalnızca yüzde 16'sı yapay zekâ getirisini anlık ve net biçimde görebildiğini söylüyor.

Programın ev sahibi Info-Tech cephesinden de bir not düşmek gerekir: kuruluşun yapay zekâ stratejisi atölyeleri, tam da bu boşluğu kapatmayı vaat eden bir danışmanlık ürünü olarak bölümün ortasında tanıtılıyor. Bu tanıtım bölümün küçük bir kısmını kaplıyor ve içeriğin bütününe yön vermiyor; yine de dinleyiciye hangi cümlenin sohbet, hangi cümlenin satış olduğunu ayırt etme işi kalıyor. Anlatıcı notu olarak ekleyelim: strateji atölyesi fikri doğru bir ihtiyaca dokunuyor, ancak o ihtiyacın adı bu bölümde konuyor.

Toparlayan tablo iki araştırmanın kesişiminde beliriyor. MIT verisi içeriden inşa ısrarının maliyetini, EY verisi ise beceri açığının boyutunu gösteriyor: CEO'ların yüzde 72'si yetenek kıtlığının daha da büyüyeceğini düşünüyor, yüzde 47'si ekiplerinin gelişme hızına yetişemediğini söylüyor. Yani kuruluşlar hem yanlış sepete oynuyor hem de doğru sepetin ustasından yoksun. Siegel'in reçetesi bu noktada birleşiyor: temsil edici kullanım örneklerini bilin, üç soruyu sorun, iş birimiyle el sıkışmadan modele geçmeyin ve başarıyı dağıtıma geçen işle ölçün.

Kapanış cümlesi açılıştaki kancaya geri bağlıyor ve tabloyu tersine çeviriyor. Bugün dikkatin ve yatırımın aslan payı üretkende; ama projelerin, pazarın ve vaka birikiminin sessiz çoğunluğu tahminsel tarafta büyüyor. 2027 bir takvim kehaneti olarak değil, bir portföy uyarısı olarak okunmalı: vitrinle mutfak arasındaki makas kapanacak ve hazırlıklı olan, olasılık puanlarını operasyona bağlamayı öğrenmiş olan kazanacak. Siegel'in ters tezi ilk duyuşta yıkıcı geliyor; ikinci duyuşta ise sağduyu gibi duruyor.