Yapay Zeka Büyüme Paradoksu

Yapay zeka uzun zamandır sadece bir teknoloji başlığı olmaktan çıktı. Ülkelerin sanayi politikalarını, şirketlerin büyüme stratejilerini ve küresel rekabet dengelerini yeniden tanımlayan bir güç haline geldi.

Tuba İlze / [email protected]
Capital Dergisi / Ocak 2026

Öyle ki veri merkezlerinden çip fabrikalarına uzanan yatırım yarışı, trilyon dolarlık bir ölçeğe ulaşmış durumda. Ancak tarih, teknolojiye yapılan büyük yatırımların her zaman sürdürülebilir büyüme ve refah üretmediğini gösteriyor. Oxford Üniversitesi’nden Prof. Carl Benedikt Frey’e göre yapay zeka çağında kazananları belirleyecek eşik, sermaye miktarından çok rekabetin canlılığı ve kurumların işleyişi olacak.

Frey’in 2025’te yayımlanan “İlerlemenin Sonu: Teknoloji, İnovasyon ve Ulusların Kaderi” kitabı, teknolojinin neden bazı ülkeleri sıçratırken bazılarını uzun süreli durgunluğa sürüklediğini tarihsel örneklerle ortaya koyuyor. Frey’e göre teknoloji, doğru teşvikler ve açık rekabetle birleşmediğinde yeni sektörler yaratmak yerine sadece otomasyonu derinleştiriyor. Bu da büyümeyi hızlandırmak yerine kilitleyen bir teknoloji paradoksu doğurabiliyor.

Oxford Üniversitesi öğretim üyesi Prof. Carl Benedikt Frey ile yapay zekanın sınırlarını, otomasyon ile gerçek yenilik arasındaki farkı, ABD-Çin rekabetinin tarihsel benzerliklerini konuştuk:

Önümüzdeki 10 yıla baktığınızda yapay zekanın gerçekten büyümede bir sıçrama yaratacağını düşünüyor musunuz?

Önümüzdeki 10 yılda belirleyici kırılma noktaları büyük ölçüde teknolojik atılımlara bağlı olacak. Bugünün yapay zeka sistemleri, daha önce gördükleri kalıplar üzerinde optimizasyon yapma konusunda son derece başarılı. Yüksek performansları ve akıcı metin üretme becerileri büyük ölçüde soyut muhakemeden ziyade gelişmiş örüntü eşleştirmelerine dayanıyor. Ancak bu sistemleri eğitim verilerinin parçası olmayan, gerçek ve yeni sorularla test ettiğinizde performansın hızla düştüğünü görüyoruz. Bu kırılganlık, muhakeme biçimlerindeki daha derin bir boşluğa ve genelleme kapasitelerinin sınırlılığına işaret ediyor. Bu nedenle bugün gördüğümüz yapay zeka ilerlemesinin otomatik olarak geniş tabanlı bir verimlilik sıçramasına dönüşeceğini varsaymak için henüz erken.

Yapay zekanın en çok zorlandığı alan neresi?

Yapay zekanın sınırları, özellikle sistemin daha önce hiç görmediği, karşılaşmadığı “dağılım dışı” (out-of-distribution) olarak adlandırılan problemlerde net biçimde ortaya çıkıyor. AlphaGo’nun Lee Sedol karşısındaki zaferi, bir dönem makine üstünlüğü tartışmasını kapatmış gibi görünmüştü. Ancak sonrasında yapılan çalışmalar, bu başarının sanıldığı kadar genellenebilir olmadığını gösterdi. Profesyonel olmayan oyuncular, sıradan bilgisayarlar kullanarak algoritmanın hiç öğrenmediği zayıf noktaları ortaya çıkarabildi. Oyun, sistemin ezberlediği kalıpların dışına çıktığında performans hızla düştü. Bu örnek, koşullar değiştiğinde yapay zekanın neden kırılgan hale gelebildiğini ve neden gerçek dünyadaki belirsizliklerle baş etmekte zorlandığını açık biçimde ortaya koyuyor. Aynı zamanda yapay zekanın kapalı ve tanımlı ortamlarda son derece güçlü olmasına rağmen beklenmedik senaryolar karşısında neden zorlandığını gösteriyor. Sorun şu ki gerçek dünyada problemler tam da bu tür belirsizliklerden oluşuyor.

Son yıllarda teknoloji alanında belirgin bir merkezileşme görüyoruz. Bu eğilim ne anlama geliyor?

Tarih bize şunu çok açık biçimde gösteriyor: Teknolojik ilerleme, kontrolün tek bir merkezde toplandığı ortamlarda hızlanmıyor, aksine yavaşlıyor. Sovyetler Birliği bunun en çarpıcı örneği. Sputnik’i uzaya gönderdiler, ilk insanı uzaya çıkardılar ancak bilgisayar devrimini kaçırdılar. Sorun mühendis ya da bilim insanı eksikliği değildi. Sorun, denemenin ve başarısızlığın serbest olmadığı bir sistemdi. Silikon Vadisi’nde binlerce start up aynı anda farklı yollar denerken Sovyet modelinde tüm kararlar merkezden alınıyordu. Bugün benzer bir riski yapay zeka alanında görüyoruz. Çin’de devlet kontrolü artıyor, ABD’de birkaç büyük teknoloji şirketi pazarı giderek daha fazla domine ediyor. Merkezileşme arttıkça teknoloji daha üretken olmuyor tam tersine potansiyelini kaybediyor.

ABD, Çin ve Rusya’yı karşılaştırdığınızda teknolojiye dayalı büyümede temel ayrım nerede ortaya çıkıyor? Bu farklar şirketler için ne anlama geliyor?

Bu üç ülke arasındaki temel ayrım, teknolojiye erişimden çok teknolojinin nasıl ölçeklendiği ve rekabetin ne ölçüde korunabildiği noktasında ortaya çıkıyor. ABD örneğinde, teknolojiye dayalı büyümeyi mümkün kılan tarihsel unsur başarısızlığa alan tanıyan ancak başarılı fikirlerin de hızla ölçeklenmesine izin veren kurumsal yapıydı. Antitröst davaları, özellikle IBM ve AT&T örneklerinde görüldüğü gibi kısa vadede şirketler için zorlayıcı olsa da uzun vadede yeni sektörlerin önünü açtı. Yazılım, internet ve platform ekonomisinin doğuşu bu sayede mümkün oldu. Çin, Sovyetler Birliği’nden farklı olarak tamamen tek merkezden planlanan bir teknoloji modeli izlemedi. Eyaletler ve yerel yönetimler üzerinden ilerleyen daha deneysel bir yapı kurdu ve bu yaklaşım belirli dönemlerde hızlı ölçeklenmeyi mümkün kıldı. Ancak özel sektör açısından bakıldığında hukukun öngörülebilir olmaması ve siyasi önceliklerin kısa sürede değişebilmesi, uzun vadeli risk almayı sınırlayan temel faktörler olarak öne çıkıyor. Sovyetler Birliği’nde temel sorun teknoloji kapasitesinden çok rekabet eksikliği ve aşırı merkeziyetçilikti. Yeni fikirlerin test edilebileceği, başarısızlık durumunda alternatif finansman ve ölçekleme yollarının bulunduğu bir ekosistem hiç oluşmadı. Çin’den farklı olarak kilit sektörler Moskova’dan doğrudan yönetiliyor, yerel denemelere neredeyse hiç alan bırakılmıyordu. Bu nedenle teknoloji yatırımları sürdürülebilir büyümeye dönüşemedi. Bugün Rusya Sovyetler Birliği’nden farklı bir yapıya sahip olsa da kronizm yani siyasal bağlantıların rekabetin önüne geçmesi hala ölçeklenme ve inovasyon sürecini zayıflatıyor.

Bu farklar yapay zeka yarışında Çin ve ABD için ne tür riskler yaratıyor?

Yapay zeka alanında bugün yaygın olan temel yanılgı şu: Bu yarışın yalnızca sermaye, veri ve hesaplama gücüyle kazanılabileceği düşünülüyor. Ölçek elbette önemli ancak tek başına belirleyici değil. Son beş yılda büyük dil modellerinin ölçeği yaklaşık 10 bin kat büyüdü. Buna rağmen gerçek problem çözme ve yeni durumlara uyum testlerinde hala oldukça sınırlı performans sergiliyorlar. Buna karşılık, daha küçük ama yaratıcı yaklaşımlar çok daha hızlı ilerleyebiliyor. Bu tablo bize şunu gösteriyor: Yapay zekanın geleceği birkaç dev şirkete teslim edildiğinde teknolojinin yönü daralıyor. Çin’de risk, artan merkezi kontrolün yerel denemeleri ve girişimciliği boğması. ABD’de ise sorun farklı bir biçimde ortaya çıkıyor. Piyasa yoğunlaşması giderek artıyor ve büyük teknoloji şirketleri, potansiyel rakip olabilecek start up’ları erken aşamada “öldürücü satın almalarla” bünyelerine katarak rekabet alanını daraltıyor.

Peki teknolojinin büyümeyi desteklemesi nasıl mümkün?

Tarihsel olarak baktığımızda, ekonomik büyümenin büyük sıçramaları mevcut işleri daha ucuza ve daha hızlı yapmaktansa daha önce var olmayan ürünlerin, hizmetlerin ve sektörlerin ortaya çıkmasından kaynaklandı. Bugün ise giriş bariyerleri yükseliyor, erken aşama finansman daha seçici hale geliyor ve büyük şirketler yetenek havuzunun giderek daha büyük bir bölümünü bünyesinde topluyor. Bu tablo, yapay zekanın yönünün yeni değer alanları açmaktan çok mevcut yapıları daha verimli hale getirmeye kilitlenmesi riskini artırıyor. Eğer rekabet canlı tutulmaz ve yeni girişimlerin önündeki engeller azaltılmazsa yapay zeka güçlü bir yenilik motoru olmaktan çıkıp otomasyonu derinleştiren bir teknolojiye dönüşebilir. Yapay zeka alanında dikkat çekici bir paradoks da ortaya çıkmış durumda. Çin, ABD’ye yetişmenin bir yolu olarak açık kaynak yaklaşımını giderek daha fazla benimsiyor. Buna karşılık Amerikalı teknoloji liderleri tescilli ve kapalı modellere yöneliyor hatta uzun süre açık kaynak savunucusu olan Meta bile bu çizgiden uzaklaşmaya başladı. Bu durum, bugün açık modellerle yapılan deneylerin ve alternatif yaklaşımların giderek daha fazla Çin’de gerçekleştiği anlamına geliyor. Uzun vadede bu deney alanı avantajının, Çin lehine beklenmedik sonuçlar üretmesi mümkün.

Dot-com balonuyla bugünkü yapay zeka yatırımları arasında sık sık bir paralellik kuruluyor. Sizce bu benzetme ne kadar doğru?

Dot-com dönemiyle bugün arasında yüzeyde bir benzerlik var: Yüksek beklentiler, hızla artan yatırımlar ve kaçınılmaz bir abartı. Ancak belirleyici fark, geride kalan altyapının niteliğinde yatıyor. Dot-com balonu patladığında Wall Street sarsıldı ama asıl kazanan Main Street oldu. Çünkü 1990’larda yapılan yatırımlar, fiber optik kablolar ve omurga ağları gibi uzun ömürlü bir fiziksel altyapı bıraktı. Balon henüz şişerken bile ABD’de emek verimliliği artışa geçmişti. 1995-2004 döneminde yıllık ortalama yüzde 2,8’lik bir artış gördük ki bu, önceki 20 yılın neredeyse iki katıydı. Balon patladı ama internet altyapısı kaldı. Asıl ayrışma tam da burada ortaya çıkıyor. Dot-com döneminde ABD bütçe fazlası veriyor, kamu borç oranı düşüyor ve faiz yükü sınırlı kalıyordu. Bugün kalıcı bütçe açıkları, 1 trilyon dolara yaklaşan faiz ödemeleri ve giderek daralan bir mali alan söz konusu. Aynı tasarruf havuzundan hem temiz enerji yatırımlarının hem savunma harcamalarının hem de veri merkezi patlamasının finanse edilmesi bekleniyor. Bu, ekonomik sistem üzerinde çok daha yoğun bir baskı yaratıyor. Eğer yapay zekadan beklenen verimlilik artışı zamanında ve yeterli ölçekte gelmezse, yük yalnızca teknoloji şirketlerinin bilançosunda kalmayacak. Kamu maliyesi, kredi piyasaları ve finansal sistemin geneli bu baskıyı hissetmeye başlayacak. Dot-com balonunda hasar büyük ölçüde borsayla sınırlı kalmıştı. Yapay zekadaysa risk, çok daha derinlere, makroekonomik dengeye ve finansal istikrara sızma potansiyeline sahip.

Yapay zekanın gerçek bir büyüme motoruna dönüşmesi hangi koşullara bağlı?

Teknoloji ilerlemeyi garanti etmez, her şey onu kimin kontrol ettiğine ve kurumların deneme-yanılma alanlarını canlı tutup tutmadığına bağlıdır. Yapay zeka birkaç baskın oyuncunun elinde yoğunlaştığında yeni ürünler ve yeni sektörler açmaktan çok otomasyon ve kontrol amacıyla kullanılma olasılığı artar. Belirleyici olan, teknolojinin hızından çok, değişimin yönünü açık tutan kurallar ve rekabet düzenidir.

ÜÇ ÜLKE ÜÇ YOL

ÇİN

Devlet koordinasyonu sayesinde teknoloji üretiminde hızla ölçekleniyor, yüksek hızlı demiryolu ağı 30 bin mili aştı. Yabancı teknolojileri birleştirip hızla ticarileştiriyor; Alstom–Siemens–Kawasaki bunun tipik örnekleri. Apple’ın iPhone ile Çin’de kurduğu tedarikçi ekosistemi modeli, bugün Tesla’nın elektrikli araçlar üzerinden Çinli üreticileri küresel rekabete taşımasıyla tekrar ediliyor. Geç kalan ülke avantajıyla eski altyapıyı atlayıp doğrudan yeni sistemlere geçiyor. Sistem, radikal inovasyondan çok hızlı yineleme ve yüksek yatırım yoğunluğu üzerine kurulu. Merkezileşme arttıkça yerel denemeler azalıyor, uzun vadede verimlilik yavaşlıyor.

ABD

ABD, Japonya’yı açık rekabet ve güçlü girişimcilik ekosistemi sayesinde geride bıraktı. Antitröst yasaları IBM ve AT&T gibi devleri parçalayarak yeni sektörlerin önünü açtı. Apple, Google, Microsoft gibi şirketler bağımsız kalabildiği için bilgisayar devrimi mümkün oldu. Ancak Sarbanes–Oxley sonrası halka arz küçük şirketler için pahalılaştı. Büyük şirket alımları kolaylaştı, rekabet soğudu. Yapay zekada yoğunlaşma artıyor; OpenAI– Microsoft ortaklığı pazarın büyük kısmını kontrol ediyor.

JAPONYA

Savaş sonrası büyüme modeli ithal teknolojiyi mükemmelleştirmeye dayanıyordu. MIT öncülüğünde IBM gibi şirketlerden zorunlu teknoloji transferi sağlandı. Kaizen, yalın üretim ve keiretsu yapıları verimlilikte küresel üstünlük getirdi. 1980’lerde otomotiv ve yarı iletkende ABD’den daha üretken hale geldi. Ancak sistem yeni iş modellerini üretemedi. Rekabet zayıf kaldı.

TÜRKİYE NE YAPMALI?

MAKRO İSTİKRAR

Türkiye için ilk eşik, istikrarlı ve öngörülebilir bir ekonomik ortamın kalıcı hale getirilmesi. Yapay zeka ve veri yatırımları, belirsizlik ortamında üretkenlikten ziyade savunmaya yöneliyor. Makro güvenilirlik sağlanmadığında veri ve teknoloji birikimi büyüme yaratmak yerine atıl kapasiteye dönüşebiliyor. Tarihsel olarak bakıldığında kaynak bolluğu, veri dahil istikrar ve doğru teşvikler olmadan sürdürülebilir refah üretmiyor.

KURUMSAL ÇERÇEVE

İkinci adım, kuralların öngörülebilirliği ve kurumsal uygulamaların güçlendirilmesi. “Dijital kaynak laneti” tam da burada devreye giriyor. Veri, doğru kurumlar ve rekabetçi piyasalarla desteklenmediğinde üretkenlik yerine gözetim, kontrol ve merkezileşme eğilimini güçlendiriyor. Böyle bir yapıda teknoloji, yeni sektörler yaratmak yerine mevcut yapıları kilitleyen bir araç haline gelebiliyor.

CANLI REKABET

En kritik halka ise rekabetin sıkılaştırılması ve piyasaya giriş engellerinin düşürülmesi. “Kimin ne kadar verisi var” sorusu yerine “Bu veriyle kim yeni bir iş kurabiliyor” sorusu önemli. Rekabetin zayıf olduğu ortamlarda veri büyük oyuncuların elinde yoğunlaşıyor ve yenilikçi girişimlerin önü kapanıyor. Oysa yapay zekanın büyümeye katkısı, verinin yeni ürünlere, yeni hizmetlere ve yeni iş modellerine dönüşebildiği açık ekosistemlerde ortaya çıkıyor.

YÜKSELEN EKONOMİLER İÇİN 5 SIÇRAMA EŞİĞİ

TAKLİT ÖNEMLİ AMA YETERLİ Mİ?

Yükselen ekonomiler, başka ülkelerde geliştirilen teknolojileri ithal edip hızla ölçekleyerek uzun bir süre güçlü büyüme yakalayabilir. Bu model bugün hala çalışıyor. Ancak verimlilik sınırına yaklaşıldığında bu strateji giderek azalan getiriler üretmeye başlıyor. Bu noktadan sonra büyümeyi sınırlayan unsur teknolojiye erişimdense onunla ne yapılabildiği oluyor.

VERİMLİLİK YERİNE YENİ İŞ

Tarihsel olarak en güçlü büyüme hamleleri, mevcut işleri daha hızlı ve ucuz yapmaktansa daha önce var olmayan ürünlerin ve sektörlerin ortaya çıkmasıyla gerçekleşti. Yapay zekayı yalnızca bugünkü üretim yapısını optimize etmek için kullanan ekonomiler bir süre sonra tıkanıyor. Asıl fark, şirketlerin deneme yapmasına ve yeni değer alanları yaratmasına izin veren yapılarda ortaya çıkıyor.

ÖLÇEK EKONOMİSİ

İnovasyon, yaratıcı fikirlerin güvenilir, erişilebilir ve ölçeklenebilir ürünlere dönüştürülebildiği noktada gerçek değer üretir. Tarih bize keşiften uygulamaya geçiş aşamasında kurumsal kapasitenin belirleyici olduğunu gösteriyor. Fikir çoktur, onları pazara taşıyabilen yapı ise her zaman sınırlıdır.

GERİ KALMIŞLIK AVANTAJI

Geleceği icat etmede başarılı olan ekonomik yapıyla mevcut bir teknoloji sınırına yetişmede başarılı olan yapı her zaman aynı değildir. Geri kalmış ülkeler, keşif aşamasını atlayarak kanıtlanmış teknolojileri hızla benimseyebilir ve merkezileştirici kurumları daha erken devreye alabilir. Japonya’nın Meiji Restorasyonu, bu “geç kalan avantajının” en güçlü tarihsel örneklerinden biri.