Otonom Yapay Zekanın İçten İçe Çöken Matematiği

Bir sayıyla başlayalım, çünkü bu yazının geri kalanı o sayının gölgesinde kuruluyor. Her adımda yüzde 95 doğru karar veren bir yapay zeka ajanını alın — kulağa neredeyse kusursuz geliyor. Onu yirmi adımlık bir işe koşun: bir faturayı okusun, kalemleri ayırsın, sistemden teyit alsın, onay istesin, kaydetsin, raporlasın. Adımların her birinde yüzde 95'lik o doğruluk birbiriyle çarpılır. Sonuç yüzde 95 değil, yüzde 36'dır. Yani aynı işi üç kez yaptırırsanız ikisinde bir yeri kırılır. Doğruluğu adım başına yüzde 90'a indirin, başarı yüzde 12'ye düşer. Yüzde 85'te yüzde 4 kalır.

Bu, gizli bir bulgu değil. İlkokul çarpma işlemi. Ama 2026'nın kurumsal teknoloji bütçelerini şekillendiren "otonom ajan" söyleminin tam ortasında, lansman sahnelerinde hiç telaffuz edilmeyen rakam tam olarak bu. Şirketler bir demoyu izliyor — ajan tek bir görevi pürüzsüz tamamlıyor, salon alkışlıyor — ve o demodan, on yedi adımlık gerçek bir iş akışının da aynı pürüzsüzlükte yürüyeceği sonucunu çıkarıyor. Çıkmıyor. Matematik buna izin vermiyor.

Demonun Yalan Söylediği Yer

Burada ince bir aldatma var, ve teknik değil istatistiksel. Bir modelin sınav kâğıdındaki hata oranı, o modelin gerçek işteki hata oranı değildir. Bir model kıyaslama testinde yüzde 2 "halüsinasyon" oranı gösterebilir; aynı model yirmi adımlık bir ajan akışına sokulduğunda ürettiği işin hatası yüzde 2 olmaz, katlanarak büyür. Üçüncü adımda yapılan sessiz bir yanlış, yedinci adımda artık temelden bozuk bir çıktıya dönüşür — ve ara adımlar tek tek bakıldığında makul göründüğü için kimse nereden koptuğunu fark etmez.

2026'da yayımlanan değerlendirme çalışmaları bu noktayı daha da rahatsız edici kılıyor. Ajanları yalnızca son çıktının kalitesine göre puanlayan testler, izledikleri yolu da denetleyen testlere kıyasla yüzde 20 ila 40 daha fazla görevi "başarılı" sayıyor. Yani yanlış yoldan tesadüfen doğru cevaba ulaşan bir ajan, alkışı hak etmediği halde alıyor. Bir kurumun satın alma kararı bu şişirilmiş başarı oranına dayandığında, faturayı altı ay sonra prodüksiyonda ödüyor.

Rakamların Hizaya Geldiği An

Tek bir araştırmacının matematiğine güvenmek zorunda değiliz; saha verisi aynı yöne işaret ediyor. RAND, üç yıla yayılan ve altmış beş kurumsal yapay zeka girişimini kapsayan bir meta-analizde, bu projelerin yüzde 80'inin vaat edilen iş değerini üretemediğini buldu. MIT'nin NANDA girişiminin "GenAI Ayrımı" başlıklı 2025 raporu daha da çıplak: 30 ila 40 milyar dolarlık kurumsal harcamaya rağmen üretken yapay zeka pilotlarının yüzde 95'i ölçülebilir hiçbir getiri sağlamadı. Pilotların yalnızca yüzde 5'i gerçek bir gelir ivmesi yarattı.

Sektörün kendi gözlemcisi Gartner ise işin etiket tarafına bakıyor. Kurum, otonom yapay zeka projelerinin yüzde 40'tan fazlasının 2027 sonuna kadar iptal edileceğini öngörüyor — gerekçeler tanıdık: kontrolden çıkan maliyetler, belirsiz iş değeri, yetersiz risk denetimi. Aynı analizde geçen bir tabir, sektörün ruh halini özetliyor: "agent washing", yani ajan boyası. Eski sohbet botlarını, kural tabanlı otomasyon araçlarını ve asistanları, içine gerçek bir özerklik koymadan "ajan" diye yeniden paketlemek. Gartner'a göre binlerce sözde ajan satıcısının yalnızca yaklaşık 130'u gerçekten ajan üretiyor.

Faturayı Kim Kesiyor

Persona gereği hep aynı soruyu sorarım: bu işi kim finanse ediyor ve karşılığında ne bekliyor? Otonom ajanların ekonomisi burada açığa çıkıyor. Bir ajan, tek bir sohbet mesajına kıyasla aynı işi yapmak için yaklaşık bin kat daha fazla "token" tüketiyor — çünkü her adımda tüm bağlamı baştan okuyor. 2023'te basit, doğrusal bir iş akışının etkileşim başına maliyeti yaklaşık dört sente denk gelirken, 2026'da araç çağrıları ve yinelemeli akıl yürütme döngüleriyle örülmüş bir ajan sisteminde bu rakam etkileşim başına 1,20 dolara çıkıyor. Yaklaşık otuz kat.

İşin cilveli yanı şu: token fiyatları gerçekten düşüyor. Bir analiz, milyon token başına harmanlanmış maliyetin tek yılda yüzde 67 gerilediğini, 18,40 dolardan 6,07 dolara indiğini gösteriyor. Buna rağmen kurumların yapay zeka faturaları artıyor. Çünkü sorun fiyat değil, hacim. Mimarinin kendisi, her ajan koşusunda devasa miktarda token yakmayı zorunlu kılıyor. Ortalama bir kurumsal yapay zeka bütçesi 2024'te yıllık 1,2 milyon dolardayken 2026'da 7 milyon dolara tırmandı. Lansmanlarda satılan "otomasyon tasarrufu" ile defterdeki gerçek satır arasındaki makas, tam da bu hacim sorununda açılıyor.

Aslında Çalışan Ne

Tüm bunlar yapay zekanın bir balon olduğu anlamına gelmiyor — ki ben hype'a inanmam ama yokçuluğa da. Aynı verinin diğer yüzü öğretici. MIT'nin raporu, dışarıdan uzmanlaşmış bir satıcıdan alınan ve iş akışına gerçekten gömülen çözümlerin yaklaşık yüzde 67 oranında işe yaradığını, kurum içinde sıfırdan kurulan projelerin ise bunun ancak üçte biri başarıyla yürüdüğünü gösteriyor. En yüksek getiri de gösterişli satış-pazarlama araçlarında değil, kimsenin sahnede anlatmak istemediği arka ofis işlerinde çıkıyor: mutabakat, faturalama, dış kaynak maliyetlerinin kesilmesi.

Çalışan kurulumların ortak paydası, çarpma işlemine teslim olmamak. Adım sayısını kısaltan, girdisi ve çıktısı net, ölçülebilir, sınırları çizili işler — kodlama, müşteri desteği, finansal mutabakat, arama — ajanların gerçekten taşıdığı yük bu. İnsan da denklemden çıkmıyor; yalnızca yeri değişiyor. Sektörde "döngüdeki insan" modelinden "döngünün üstündeki insan" modeline geçiliyor: insan her adımı onaylamak yerine, ajan yürütürken denetliyor, kritik düğümlerde durduruyor. Token başına sert tavanlar, koşu bitmeden tetiklenen anomali uyarıları, uzun süren her işte zorunlu insan kontrol noktaları. Adı bile kondu: agentic FinOps.

Türkiye'den Bakınca

Bu denklem, geç benimseyen pazarlar için aslında bir avantaj barındırıyor. Türkiye'deki bir banka ya da perakende zinciri, San Francisco'daki erken benimseyicinin ödediği beta-test bedelini ödemek zorunda değil. İlk dalganın yüzde 80'lik hüsranı şimdiden belgelendi; hangi mimarinin yüzde 36'da kaldığı, hangisinin tuttuğu artık kamuya açık veri. Akıllı kurum, lansman vitrininin parıltısına değil, çarpma işlemine bakan kurumdur — kaç adım, her adımda ne kadar doğruluk, ve bu zincir koptuğunda faturayı kim keser.

2026, otonom yapay zekanın teorik vaatten fiziksel sınıra çarptığı yıl olarak kayda geçiyor. Sınırı çizen ne yonga gücü ne de modelin zekâsı; sınırı çizen, lansman metninde hiç görünmeyen o basit çarpma. Bir ajanın yüzde 95'i etkileyici bir sayı. Yirmi kez çarpıldığında geriye kalan yüzde 36 ise, satın alma kararını vermeden önce bilmeniz gereken tek sayı.