Erman Taylan — yapay zekâ üzerine kısa videolar (Soft Commitment)

Rippling yeni ürününü önce kendi şirketinde açtı. Ve şunu gördü.

Bir çalışan, Claude'a takvimini ve e-postalarını analiz ettirip her sabah kendine bir plan çıkarttırıyordu. Yıllık faturası otuz bin dolardı.

Kimse kural çiğnemiyor. Sadece karşılığı yok. Ve bugün çoğu şirketin bunu görecek hiçbir aracı yok. Fatura toplu geliyor. Kimin ne için harcadığı görünmüyor.

Rippling'in yaptığı şey şu. Anthropic'teki kullanım loglarını alıyor. GitHub'daki pull request verisiyle birleştiriyor. Üstüne kendi performans değerlendirmelerini koyuyor.

Ve çıkan ilk sonuç, çoğu yöneticinin beklediğinin tam tersi. En çok harcayanlar, en yüksek performanslılar. Yani faturayı kısmak, en iyi insanını kısmak olabilir.

Demek ki harcamanın kendisi bir sinyal değil. Sinyal kesişimde duruyor. Çok harcayan, ama yazdığı kodu ekip arkadaşları sürekli geri çeviren mühendisler. Yani bol bol slop üretenler.

Ürün buradan aksiyona geçiyor. Kişi bazında token bütçesi tanımlıyorsun. Limit aşılınca yöneticiye uyarı gidiyor. Gerekirse erişim otomatik kapanıyor.

Bir çalışanın artık ne ürettiği değil, nasıl ürettiği de kayıt altında. İş yerinde daha önce hiç var olmamış bir görünürlük bu. Buna nasıl bakacağımıza henüz karar vermedik.

Yapay zekâ kullanım verisi tek başına sadece bir fatura. Anlam kazandığı yer, bağlandığı yer. Organizasyon şemasına, performans geçmişine, üretilen işe bağlandığı anda bir yönetim sistemine dönüşüyor.

Yeni bir ekran açılmıyor. İnsan verisinin üstüne yeni bir katman biniyor.

O yüzden yapay zekâ harcama yönetimi ayrı bir kategori olmayacak. Zaten organizasyon şemasını elinde tutanın bir özelliği olacak.

Yapay zekâ ucuzluyor. Ama şirketlerin ödediği fatura büyüyor.

Çünkü ucuzlayan şey token fiyatı. Yapay zekâyı kullandığımız işler ise her gün daha karmaşık hale geliyor.

Tomasz Tunguz bu yüzden çok basit bir soru soruyor. Yapay zekâ faturası mühendisin maaşından pahalıya geldiğinde ne olacak?

Bugün en tepedeki yazılım şirketleri mühendis başına yılda doksan bin dolar harcıyor. Medyan şirket ise çalışan başına yılda yüz elli dolarlara iniyor.

Bu bir bütçe farkı değil, bu aslında bir yaklaşım farkı. O yüzden doğru soru "yapay zekâya ne kadar harcamalıyım" değil. Doğru soru, bu harcamanın karşılığında kişi başına ürettiğin değerin değişip değişmediği.

Soft Commitment'ın son sayısında Tomasz Tunguz'un üç gelecek senaryosunun neler olduğundan bahsettim. Şurası kesin;

Yapay zekâ bütçesi, yazılım araçları bütçesinin biraz zamlanmış hali değil. Şirketin maliyet yapısının ta kendisi. Bunu bir araç kalemi sanmak, artık affı olmayan bir hata.

Hep "AI Native şirketler" diyorum. Peki bu şirketler tam olarak neye benziyor?

Hafta içinde INSEAD ve HBS imzalı bir araştırma (.pdf) okudum. Kurulurken AI Native yola çıkanlarla çıkmayanları kıyaslamış; aynı sektörde ve aynı dönemde kurulmuş şirketleri yan yana koyup şu farkları bulmuş:

* %25 daha az insan çalıştırıyorlar,

* mühendis oranları %13 daha yüksek,

* giriş seviyesi çalışan ve yönetici oranları yaklaşık %15 daha düşük,

* daha kıdemli çalışanlara sahipler (senior payı %20 daha yüksek),

* ve hiyerarşileri bir kademe daha yatay.

Ama değerlemeleri benzer, yani çalışan başına daha fazla değer üretiyorlar...

Şurası kesin; AI mevcut organizasyonu sadece verimli kılmakla kalmıyor, organizasyonun ne olduğunu değiştiriyor. Ayrıca sadece içeriye bakmayalım, bu şirketlerin 3’te 2’si kendi müşterilerine sunduğu ürüne de AI’ı gömmüş durumda.

Kurumsal şirketlerin AI native şirketlerden örnek alabileceği konuların başında kesinlikle takım yapıları, yeni organizasyon ve çalışma şekilleri yatıyor.

Beyin ile bilgisayar arasındaki iletişimi sağlayan arayüzde, yani Neural Interface'de geçen hafta içinde iki önemli gelişme birden yaşandı.

İlk olarak Elon Musk'ın bir başka şirketi olan Neuralink, elektrotlarını beynin sert zarını kesmeden yerleştirmeyi başardı. Böylece insanların Neuralink kullanması noktasında en büyük manuel süreç ve zorlu adım aşılmış oldu.

Aynı hafta içinde Meta da tam tersi taraftan geldi. Brain2Qwerty'nin ikinci versiyonunu duyurdu, bu sefer hiçbir cerrahi müdehale olmadan %61 kelime doğruluğuna ulaşıldı. Bugüne kadar olan cerrahisiz yöntemlerde bu oran %8'di.

Neural Interface yani Sinirsel Arayüz; kısa bir süre önceye kadar implant bağımlıydı, şu an ise bu durumun çok da uzun sürmeyeceği bir dünyaya gidiyoruz.

Özellikle beyin hasarı yaşamış, felçli veya konuşma yetisini kaybetmiş insanlar için önemli bi haber bu.

Klavye, fare, dokunmatik, ses... ve sırada niyet var. Evet, uzun vadedeyse arayüze yeni bir katman ekleniyor...

30 Kasım 2022 ChatGPT lansmanı. Hatırlayan ilk sene prompt engineering, sonra context building, sonra agent'lar, arada MCP'ler... Her sene yeni bir trend kelime, ve ortalama bir sene bile hayatımızda kalmadılar. Ve bu döngü de hepimizi yordu, farkındayım… Ama yeni yeni popüler olan Loop Engineering'ten bahsetmek istiyorum size...

En kısa haliyle; tek seferlik bir model çağrısı yerine sürekli, kendi kendini düzelten, sizin her adımda başında durmadığınız bir çalışma şekli. Yani model bir asistan değil, tabir-i caizse bir işçiye dönüşüyor.

Yazılımcıysanız; coding agent'lar zaten ilk günden beri bir döngüydü, Loop o döngünün üzerine bir döngü daha koyuyor. Claude Code'un yaratıcısı Boris Cherny, "Artık prompt yazmıyorum, benim işim loop yazmak" diyor. Ve ürününüzü başkaları loop'luyorsa, sizin de loop'lamanız gerekecek gibi duruyor.

Biz son kullanıcılar içinse panik yok; OpenAI da Anthropic de bunu platformlarına ufak ufak ekliyor zaten. Ama AI'ı derin kullananlardansanız, todo belli: bu ürünleri denemek ve iş akışınıza eklemek.

Hemen bir örnek vereyim: 100 lead hedefiniz, belli bir bütçeniz var; agent beş kampanya kuruyor, ilk verilere bakıp en iyisini seçiyor, beş tane daha açıyor. Bütçe bitene ya da 100 lead gelene kadar döngü sürüyor; olmazsa dönüp size soruyor.

"Just another buzzword" tuzağına düşmeden; öğrenmek, denemek, yani gelişmek gerekiyor. Çünkü kimse bir sonraki adımda ne olacağını bilmiyor.

Evernote, Vimeo, Eventbrite, WeTransfer... Bu ürünlerin en az bi kaç tanesi tanıdık gelmiştir diye düşünüyorum. Geçen hafta ABD'de halka açılan Bending Spoons, bu modası geçmiş ama hâlâ kullanıcısı da olan dijital ürünleri, ucuza satın alıp AI'la şirketleri daha verimli hale getiren, çalışan sayılarını yüzde 80'e varan oranlarda düşüren bir çatı şirket. Yani satın al ve dönüştür modeli. Halka arzda hisse ilk gün %40 yükseldi; değerleme 25,7 milyar dolar. IPO'dan gelen parayla tek yapmak istedikleri satın almalara ve şirketlerin verimliliğini AI ile arttırmaya devam etmek. Yakından izledikleri tam 1000 şirket var. Ben burada altı çizilmesi gereken iki konu görüyorum. İlki; bu model adeta private equity'nin AI'la yeniden yazılmış hali. PE'lerde para finansal mühendislikten kazanılırdı, Bending Spoons ise ürünü AI destekli küçücük bir ekiple baştan yazıyor ve asla satmıyor. Burada kritik fark da şu; eski modelin darboğazı insandı, AI o darboğazı kaldırınca, aynı merkez ekip yüzlerce şirketi birden dönüştürebilir hale geldi. Ve iki: AI ile compound product yani yatayda genişleyen şirketler, AI ile optimize edilen eski şirketler ve ChatGPT gibi foundation model şirketleri derken; yeni girişimler için rekabet alanı daralıyor. AI ile ürün yapmak kolay, ama kullanıcıya ulaşmak daha da zorlaşıyor.

S&P 500'deki en büyük 10 şirket on yıl önce piyasanın %17'siydi, bugün %36'sı. Spotify ya da YouTube’da içerik üretenlerin %1–2’si, gelirin de izlenmelerin de %90’fan fazlasını alıyor.” Evet buna power law diyoruz. Peki yapay zekâ kullanımında durum ne? Ramp'in verilerine göre; şirketlerde yapay zekâyı en çok kullanan %1, medyan kullanıcıya göre 650 kat daha fazla token harcaması yapıyor, bu arada top %10'un da on katından fazla. Kısaca buna AI'ın kaldıraç etkisi diyebilirim. Bi başka örnek; Eskiden '10x developer' derdik; bir kişi on kişilik iş çıkarır diye. Artık 50x mümkün, Cursor araştırmalarında bunu söylüyor. En çok commit atan %1'lik developer kitlesi ile %10'u kıyasladıklarında, yukarıdakine benzer bir fark görüyorlar ve makas her geçen gün açılıyor. Yapay Zekâ ile beraber power law kavramı da değişim geçirdi diyebilirim. Yani artık iş hayatında “ortalama performansların” bir anlamı kalmadı. Aynı şey biz insanlar olduğu gibi şirketler için de geçerli hatta.O %1'e girmek için AI'ı çok kullanmak lazım demiyorum, bunun yanında taste, domain bilgisi, iletişim ve dağıtım kanalları gibi AI'ın yerine geçemeyeceği yetenekler var. Bunları AI ile kaldıraç etkisine maruz bırakmak lazım aslında.

Yapay zekânın bugüne kadar pek de konuşmadığımız ‘toplum kabulü’ sorunu var. Bir önceki sayıda, Stanford’ın raporundan şunun altını çizmiştim: “AI uzmanları ve halkın AI’a psikolojik bakışı arasındaki fark da dikkat çekici. Şöyle ki; AI uzmanları %73 oranla tüm bu yaşananların insanlığın geleceğine olan etkisine pozitif bakıyor, halkın ise yalnızca %23’ü.” Büyük AI laboratuvarları, şu an hala iletişimlerini, yapay zekâ ürünlerini uzmanlar ve erken benimseyen kitle kullansın odağında tutuyor. OpenAI TBPN’i satın alıyor örneğin, ya da Google ve Apple belki mass’e dokunuyor ama sadece ‘büyülü’ bir yerden; artık şunu böyle yapabileceksiniz diyerek. Ve bu şirketler toplumdaki AI kabulünu hala fazlasıyla hafife alır haldeler. Oysa bu insanlar eğitim hayatlarının nasıl şekilleneceğini, kariyerlerinin ne yöne gideceğini bilmiyor, yakın çevrelerinden işsiz kalan insanların hikayelerini duyuyor, hayattaki partner’leri (eş, sevgili, arkadaş…), onları AI önerisiyle terkediyor… Şu an tam da bu toplum kabulü için çalışılması, üzerine düşülmesi gereken zamana girdik. Nasıl spektrumun bir ucunda, AI’ı dibine kadar kullanmaya çalışan, hayatını değiştirmeyi kafaya koymuş bir kitle varsa -yani bizlerden söz ediyorum-; en az bir o kadar da bu dönüşümün tam karşısında duranlar var diyebilirim. Biraz gerçek istatistiklere gireyim mi? Gen Z’lerle yapılan bir ankette, %44’ü en az bir kere çalıştıkları şirketteki AI stratejisini sabote ettiklerini söylüyor. Daha genel bir vakaya gidelim; New York’da açılması planlanan AI odaklı lise; veli, öğretmen ve öğrencilerden gelen yoğun tepkiler sonrası, rafa kalktı. Eğer öneri kabul edilse, okulun adı “Next Generation Technology High School” olacaktı. Diğer yandan da QuitGPT gibi oluşumların sayısı iki elin parmaklarını geçmeye başladı. Örneklerin sayısını arttırmak pek mümkün. Hatta bu alanda şöyle ilginç bir gelecek senaryosu da okudum; ABD’de bir sonraki seçimlerde AI’a karşı negatif bakış daha da artacak ve siyasiler, AI’a karşı durmayı bir ‘konumlanma’ olarak kullanacak. İnsanların en baştaki çekincesini, Maslow teorisini düşünerek kolayca bulabiliriz. En başta kendilerini, sonrasında yakınlarını bu değişimin içinde adeta kaybolmuş hissediyorlar. Önce maddi kaygılar, hemen sonrasında da ‘bir işe yarama’ güdüsü için büyük bir soru işaretinin içindeler. Çözüm kural koyucuların AI’ı regüle etmesi, ve buna bir hayli uzağız. Artık şunu söylemek mümkün; Universal Basic Income için pek yakında planları duymaya başlayacağız, en azından ilk versiyon için.

ABD'nin, Public Wealth Fund üzerinden OpenAI’a yatırımcı olması konuşuluyorken, AI Tax gündemi var ki tekrardan alevlendi. AI Tax tezinin arkasında kabaca şu var: AI ve robotlar insan emeğinin yerini almaya başladıkça, vergi sisteminin insan çalıştırmayı cezalandırıp AI kullanmayı ödüllendiren yapısı sürdürülemez hale geliyor. İşte tam da bu yüzden, ‘insanı değil, AI’ı vergilendirelim’ deniliyor.

Şu an bir iş için insan ile AI’ı maliyet olarak karşılaştırdığımızda; insana ödenilen parayı, vergiler zaten her şeyden bağımsız ikiyle çarpıyor (sigorta primi gibi tüm vergi yükleri)… Yani insanlık maça 1-0 yenik başlıyor. AI şirketlerine devletler ortak mı olur, yoksa vergi sistemi mi değişir bilemiyorum ama UBI’nin fonlanması için bu gibi önerilerin hayata geçeceği net bir gelecek senaryosu olarak duruyor.

Büyük LLM şirketleri, AI’ın gelişmesiyle beraber iklim krizi gibi çok sayıda bilimsel problemin çözümünde önemli yol katedileceğini söylüyor. Ki buna katılıyorum, ama sorun şu ki buradan doğacak maddi faydayı da yine büyük LLM şirketleri alacak.

AI vergilendirmesi, ya AI kullanan şirketlerin bu faturalarının ek bir vergiye tabii olması ya da AI ile oluşacak verimliğe vergi getirilmesi gibi düşünülebilir. Ya da ikisi birden…