7 Kasım 2025 / William H. Janeway
Üretken yapay zekanın yükselişi, büyük dil modellerinin muazzam enerji taleplerini karşılamak için yarı iletken tesisleri ve veri merkezleri inşa etmek üzere küresel bir yarış başlattı. Ancak yatırımlar ve değerlemeler arttıkça, giderek artan kanıtlar, finansal spekülasyonun üretkenlik kazanımlarını geride bıraktığını gösteriyor.
CAMBRIDGE – Son haftalarda, bir “Yapay Zeka Balonu”na tanık olduğumuz düşüncesi, kamuoyu tartışmalarının dışından ana akıma kaydı. Financial Times yorumcusu Katie Martin’in yerinde bir ifadeyle , “Balon tartışmaları her yerde yaygınlaşıyor.”
Tartışma, veri merkezlerine ve üretken yapay zekayı yönlendiren büyük dil modellerini (LLM) eğitmek ve işletmek için gereken devasa enerji altyapısına yapılan yatırımlardaki artışla körükleniyor. Önceki spekülatif balonlarda olduğu gibi, artan yatırım hacimleri, her ikisi de halka açık ve özel piyasalarda tarihi zirvelere ulaşarak değerlemelerin yükselmesini sağlıyor. “Muhteşem Yedili” olarak adlandırılan teknoloji devleri -Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia ve Tesla- S&P 500’e hakim durumda ve her biri 1 trilyon doların üzerinde bir piyasa değerine sahip ve Nvidia artık dünyanın ilk 5 trilyon dolarlık şirketi .
Özel pazarda, OpenAI’nin 2008 sonrası dönemin en coşkulu yatırımcısı SoftBank’tan 500 milyar dolarlık bir değerlemeyle 30 milyar dolar yatırım almayı planladığı bildiriliyor. Bu yatırım turu, şirketin 2024 yılında 3,7 milyar dolarlık gelir elde etmesine rağmen toplam zararının 5 milyar dolara ulaşmasına ve 2029 yılına kadar toplam nakit tüketiminin 115 milyar dolar olması beklenmesine rağmen gerçekleşiyor .
Önceki spekülatif döngüler gibi, bu döngü de yaratıcı finansman mekanizmalarının ortaya çıkışıyla damgasını vuruyor. Dört yüzyıl önce, Hollanda Lale Çılgınlığı çiçek soğanları üzerinde vadeli işlem sözleşmelerinin ortaya çıkmasına neden olmuştu. 2008 küresel mali krizi, sentetik teminatlı borç yükümlülükleri ve kredi temerrüt takasları gibi egzotik türevler tarafından körüklenmişti. Bugün, çip üreticilerini (Nvidia, AMD), bulut sağlayıcılarını (Microsoft, CoreWeave, Oracle) ve OpenAI gibi LLM geliştiricilerini birbirine bağlayan dairesel finansman döngüsünde de benzer bir dinamik yaşanıyor.
Bir yapay zeka balonunun dış hatlarını gözden kaçırmak zor olsa da, gerçek etkisi finans piyasalarından genel ekonomiye yayılıp yayılmayacağına bağlı olacak. Bu değişimin nasıl ve ne şekilde gerçekleşeceği henüz belirsiz. Neredeyse her gün milyarlarca dolarlık yeni yapay zeka altyapı projelerinin duyuruları geliyor. Aynı zamanda, giderek artan sayıda rapor, yapay zekanın iş uygulamalarının hayal kırıklığı yaratan getiriler sağladığını ve bu abartının gerçekliğin çok ötesinde olabileceğini gösteriyor.
Geçmişin Kabarcıklarının Hayaletleri
Finansal balonlar, odak noktaları ve konumları açısından anlaşılabilir. İlki, yatırımcıların neye güvendiğiyle ilgilidir: Spekülasyona yol açan varlıklar, geniş ölçekte kullanıldığında ekonomik üretkenliği artırma potansiyeline sahip mi? İkincisi, bu faaliyet esas olarak hisse senedi veya kredi piyasalarında mı yoğunlaşıyor? Bir balon kaçınılmaz olarak patladığında ekonomik felakete yol açan şey, borçla finanse edilen spekülasyondur. Moritz Schularick ve Alan M. Taylor’ın gösterdiği gibi , kaldıraçla beslenen balonlar, son bir buçuk asırdır defalarca finansal krizlere yol açmıştır.
Gayrimenkule odaklanan ve 2008-2009 küresel mali kriziyle doruğa ulaşan 2004-2007 kredi balonu buna bir örnektir. Bu balon, üretkenliği artırma vaadinde bulunmamış ve patladığında ekonomik sonuçları korkunç olmuş, başta ABD Merkez Bankası olmak üzere, özel sektör zararlarının benzeri görülmemiş bir şekilde kamu tarafından karşılanmasına yol açmıştır.
Buna karşılık, 1990’ların sonlarındaki teknoloji balonunun odak noktası, internetin fiziksel ve mantıksal altyapısını küresel ölçekte inşa etmek ve buna ticari uygulamalardaki ilk deney dalgasını eklemekti. Bu dönemdeki spekülasyonlar ağırlıklı olarak halka açık hisse senedi piyasalarında yoğunlaşmış, işlem gören önemsiz tahvil piyasasına da bir miktar yansımış ve genel kaldıraç sınırlı kalmıştı. Balon patladığında, ortaya çıkan ekonomik hasar nispeten mütevazıydı ve geleneksel para politikasıyla kolayca kontrol altına alınabilmişti.
Modern kapitalizmin tarihi, bu tür ” üretken balonların ” ardı ardına ortaya çıkmasıyla tanımlanmıştır . Demiryollarından elektriklendirmeye ve internete kadar, finansal spekülasyon dalgaları, getirileri önceden bilinemeyen potansiyel olarak dönüştürücü teknolojileri finanse etmek için tekrar tekrar büyük miktarda sermayeyi harekete geçirmiştir.
Bu vakaların her birinde, temel altyapıyı kuran şirketler iflas etti . Spekülatif fonlama, deneme yanılma deneylerinin ekonomik olarak üretken uygulamalar ortaya koymasından yıllar önce bu şirketlerin inşa etmesini sağlamıştı. Yine de kimse demiryolu raylarını sökmedi, elektrik şebekelerini sökmedi veya yeraltı fiber optik kablolarını kazmadı. Altyapı, hayal edilen “yeni ekonomi”nin yaratılmasını desteklemeye hazır bir şekilde kaldı; ancak bu, sancılı bir gecikmeden sonra ve büyük ölçüde dümende yeni oyuncularla gerçekleşti. Bu “Genel Amaçlı Teknolojiler”in mümkün kıldığı “katil uygulamaları” keşfetmek için gereken deneyler zaman alır. LLM’lerden anında tatmin arayanların hayal kırıklığına uğraması muhtemeldir.
Örneğin, Amerika Birleşik Devletleri’ndeki ilk demiryolunun inşası 1828’de başlarken, bu örnekte en önemli uygulama olan posta siparişi perakendeciliği 1872’de Montgomery Ward’ın kurulmasıyla başladı. On yıl sonra, Thomas Edison Pearl Street elektrik santralini açarak Elektrik Çağı’nı başlattı, ancak elektriklendirmenin neden olduğu üretimdeki verimlilik devrimi ancak 1930’larda geldi. Benzer şekilde, 1876’da icat edilen Otto içten yanmalı motordan 1908’de Henry Ford’un Model T’sine ve Jack Kilby’nin entegre devresinden (1958) IBM PC’ye (1981) ulaşmak bir nesil sürdü. Proto-internetin ilk gösterimi 1972’de gerçekleşti: Amazon ve Google sırasıyla 1994 ve 1998’de kuruldu.
Yapay Zeka balonu bu yelpazede nereye oturuyor? Şimdiye kadarki yatırımların büyük bir kısmı Büyük Teknoloji şirketlerinin geniş nakit rezervlerinden ve sürekli nakit akışından gelmiş olsa da, kaldıraç etkisi belirtileri ortaya çıkmaya başlıyor. Örneğin, yarışa geç katılan Oracle, nispeten sınırlı likiditesini yaklaşık 38 milyar dolarlık bir borç paketiyle telafi ediyor .
Ve bu sadece başlangıç olabilir. OpenAI, önümüzdeki beş yıl içinde en az 1 trilyon dolar yatırım yapmayı planladığını duyurdu . Bu ölçekte bir harcamanın kaçınılmaz olarak büyük ölçekli borçlanma gerektireceği göz önüne alındığında, LLM programlarının ekonomik değerlerini kanıtlama ve bu olağanüstü yatırım seviyelerini haklı çıkarma konusunda dar bir zaman aralığı var.
İlk çalışmalar iyimserliğe sebep oldu. Stanford’dan Erik Brynjolfsson ve MIT’den Danielle Li ve Lindsey Raymond tarafından müşteri hizmetleri merkezlerinde üretken yapay zekanın kullanımını inceleyen araştırma, yapay zeka desteğinin çalışan verimliliğini %15 artırdığını ortaya koydu . En büyük kazanımlar, üretkenlikleri %30’dan fazla artan daha az deneyimli çalışanlar arasında görüldü.
Brynjolfsson ve meslektaşları ayrıca, yapay zeka önerilerini takip eden çalışanların zamanla daha verimli hale geldiğini ve yapay zeka araçlarına maruz kalmanın kalıcı beceri geliştirmelerine yol açtığını gözlemlediler. Dahası, müşteriler yapay zeka destekli temsilcilere daha olumlu yaklaştılar, daha yüksek memnuniyet gösterdiler ve bir yöneticiyle görüşmek için daha az talepte bulundular.
Ancak genel tablo o kadar da cesaret verici görünmüyor. MIT’nin Project NANDA tarafından yakın zamanda yapılan bir anket, özel sektördeki üretken yapay zeka pilot projelerinin %95’inin başarısız olduğunu ortaya koydu . Brynjolfsson’un hakemli çalışmasından daha az titizlikle hazırlanmış olsa da, anket, üretken yapay zeka ile ilgili kurumsal deneylerin çoğunun beklentilerin altında kaldığını gösteriyor. Araştırmacılar, bu başarısızlıkları, uygulamaları pratik iş ihtiyaçlarına (özellikle arka ofis idari görevleri) uyarlama konusunda uzman yardımı alan az sayıdaki firma ile satış ve pazarlama gibi dışa dönük işlevler için şirket içi sistemler geliştirmeye çalışan firmalar arasındaki “öğrenme boşluğuna” bağladı.
Üretken Yapay Zekanın Sınırları
Üretken yapay zeka kullanıcılarının karşılaştığı temel zorluk, teknolojinin doğasından kaynaklanmaktadır. Tasarım gereği, GenAI sistemleri eğitim verilerini (metin, resim ve konuşma) sayısal vektörlere dönüştürür ve bu vektörler de bir sonraki jetonu (hece, piksel veya ses) tahmin etmek için analiz edilir. Özünde olasılıksal tahmin motorları oldukları için, kaçınılmaz olarak rastgele hatalar yaparlar.
Bu yılın başlarında, Xerox’un efsanevi Palo Alto Araştırma Merkezi’nin eski baş bilim insanı merhum Brian Cantwell Smith, sorunu özlü bir şekilde tanımladı. Edinburgh Üniversitesi Profesörü Henry Thompson’ın bana aktardığına göre, Smith şöyle diyor: “[ChatGPT’nin] yanlış şeyler söylemesi iyi değil, ama asıl, telafisi mümkün olmayan kötü yanı, yanıldığı bir dünya olduğunun farkında olmaması.”
Kaçınılmaz sonuç, farklı türden hatalardır ve bunların en zararlısı “halüsinasyonlardır”; yani kulağa mantıklı gelen ancak gerçekte var olmayan şeyleri tanımlayan ifadeler. İşte bu noktada bağlam kritik hale gelir: İş dünyasında hata toleransı zaten düşüktür ve riskler arttığında sıfıra yaklaşır.
Kod üretimi bunun en iyi örneğidir. Finansal veya operasyonel açıdan hassas ortamlarda kullanılan yazılımların titizlikle test edilmesi, düzenlenmesi ve hata ayıklaması gerekir. Üretken yapay zeka ile donatılmış genç bir programcı, olağanüstü bir hızla kod üretebilir. Ancak bu çıktının yine de kıdemli mühendisler tarafından dikkatlice incelenmesi gerekir. İnternette dolaşan sayısız anekdotun da belirttiği gibi, test ve denetim için gereken kaynaklar hesaba katıldığında, ön uçta kazanılan herhangi bir üretkenlik kaybolabilir. The Bulwark’tan Jonathan Last bunu güzel bir şekilde şöyle ifade ediyor :
Yapay zeka, Çin makine üretimi gibidir. İnanılmaz derecede ucuz bir fiyata (burada insan zamanının maliyetini de hesaba katarak) iyi çıktılar üretebilir. Bu da, yapay zekanın -bugünkü haliyle- kullanışlı bir araç olduğu, ancak yalnızca yüksek hata toleransına sahip görevler için geçerli olduğu anlamına gelir… ChatGPT’den benim için bir konu araştırması yapmasını istesem ve bu araştırmayı yazdığım bir yazıya dahil etsem ve sonucun yalnızca %90’ı doğru çıksa, o zaman bir sorunumuz var demektir. Çünkü yazdığım ürünün hata toleransı düşük.”
Cambridge Üniversitesi ekonomisti Diane Coyle, yeni kitabı The Measure of Progress’te bir diğer önemli endişeye dikkat çekiyor: Yapay zekanın şeffaf olmayışı. Yakın zamanda yazdığı bir makalede , “Yapay zeka söz konusu olduğunda, en temel gerçeklerden bazıları eksik veya tamamlanmamış durumda. Örneğin, kaç şirket üretken yapay zekayı hangi sektörlerde kullanıyor? Bunu ne için kullanıyorlar? Yapay zeka araçları pazarlama, lojistik veya müşteri hizmetleri gibi alanlarda nasıl uygulanıyor? Hangi firmalar yapay zeka aracıları kullanıyor ve bunları gerçekten kimler kullanıyor?” diye yazdı.
Kaçınılmaz Hesaplaşma
Bu bizi şu temel soruya getiriyor: Hukuk alanında lisans (LLM) programlarının değer yaratma potansiyeli nedir? Bilgisayar gücü ve elektriğe olan doymak bilmez iştahları, maliyetli denetim ve hata düzeltmeye olan bağımlılıklarıyla birleşince, kârlılıklarını belirsizleştiriyor. Kurumsal müşteriler, altyapı ve insan desteğine gereken yatırımı karşılayacak kadar kârlı gelir elde edebilecek mi? Ve eğer birkaç LLM programı aşağı yukarı aynı seviyede performans gösterirse, çıktıları metalaşacak ve token üretimi düşük kâr marjlı bir işletmeye mi dönüşecek?
Demiryollarından elektriklendirmeye ve dijital platformlara kadar, ilk hizmet birimini sunmak için her zaman büyük miktarda ön yatırım gerekmiştir; ancak her ek birimin marjinal maliyeti hızla düşerek, genellikle ilk yatırımı geri kazanmak için gereken ortalama maliyetin altına düşmüştür. Rekabet koşulları altında, fiyatlar marjinal maliyete doğru kayma eğilimindedir ve bu da tüm rakiplerin zarar etmesine neden olur. Sonuç, Sherman Antitröst Yasası’nın ifadesini ödünç alarak, defalarca düzenlenmiş tekeller, karteller veya diğer “ticareti kısıtlama komploları” olmuştur .
Kurumsal düzeyde LLM uygulamalarına iki farklı alternatif mevcuttur. Bunlardan biri, belirli ve iyi tanımlanmış görevler için özenle seçilmiş veri kümeleri üzerinde eğitilmiş sistemler olan küçük dil modelleri geliştirmektir . JPMorgan veya devlet kurumları gibi büyük kurumlar, ihtiyaçlarına göre uyarlanmış kendi dikey uygulamalarını oluşturabilir, böylece halüsinasyon riskini ve denetim maliyetlerini azaltabilirler.
Diğer alternatif ise, yapay zeka sağlayıcılarının ilgi ve reklam geliri için yerleşik sosyal medya platformlarıyla rekabet ettiği tüketici pazarıdır. Değerin genellikle eğlence ve etkileşimle ölçüldüğü bu alanda, her şey mümkün. ChatGPT’nin 800 milyon “haftalık aktif kullanıcısı” olduğu bildiriliyor ; bu, Şubat ayındakinin iki katı. OpenAI, LLM ile zenginleştirilmiş bir web tarayıcısı olan ChatGPT Atlas ile bu alana girmeye hazır görünüyor .
Ancak Google ve Apple’ın tarayıcılarının ücretsiz olması ve halihazırda yapay zeka asistanlarıyla entegre olması göz önüne alındığında, OpenAI’nin devasa yatırımlarını haklı çıkaracak sürdürülebilir bir abonelik veya jeton başına ödeme gelir modelini sürdürüp sürdüremeyeceği belirsiz. Çeşitli tahminler, şu anda yalnızca yaklaşık 11 milyon kullanıcının (toplamın yaklaşık %1,5’i) herhangi bir biçimde ChatGPT için ödeme yaptığını gösteriyor. Dolayısıyla, tüketici odaklı hukuk lisansı (LL.M.) programları, halihazırda olgunlaşmış bir pazarda reklam geliri elde etmek için rekabet etmek zorunda kalabilir.
Bu devam eden at yarışının sonucunu kestirmek imkânsız. Hukuk alanında lisans (LL.M.) programları nihayetinde pozitif nakit akışı yaratıp bunları büyük ölçekte işletmenin enerji maliyetlerini karşılayabilecek mi? Yoksa henüz yeni gelişmekte olan yapay zeka sektörü, uzmanlaşmış, niş sağlayıcılardan oluşan bir karmaşaya mı dönüşecek ve en büyük şirketler, kurumsal yatırımcılarına ait olanlar da dahil olmak üzere yerleşik sosyal medya platformlarıyla rekabet mi edecek? Piyasalar, sektörün konsolide olmak yerine parçalandığını fark ettiğinde, yapay zeka balonu da sönecek.
İronik bir şekilde, daha erken bir hesaplaşma daha geniş ekosisteme fayda sağlayabilir, ancak zirvede yatırım yapanlar için acı verici olacaktır. Böyle bir deflasyon, günümüzün iddialı veri merkezi projelerinin çoğunun, geçmişteki balonların geride bıraktığı kullanılmayan demiryolları ve karanlık lifler gibi, atıl varlıklara dönüşmesini önleyebilir. Finansal açıdan ise, bir başka kaldıraçlı balon ve çöküşle sonuçlanabilecek yüksek riskli bir borçlanma dalgasının da önüne geçecektir.
Büyük olasılıkla, gerçek anlamda üretken bir balon, günümüzün spekülatif çılgınlığı yatıştıktan ancak yıllar sonra ortaya çıkacaktır. Gartner Hype Cycle’ın da açıkça belirttiği gibi, “üretkenlik platosundan” önce bir “hayal kırıklığı çukuru” gelir. Zamanlama hayatta her şey olmayabilir, ancak yatırım getirileri açısından oldukça önemlidir.