Bir konser salonu düşünün. İki piyanist sahneye çıkıyor. Aynı kuyruklu piyano, aynı akort, önlerinde aynı nota. Birincisi çalıyor. Teknik olarak kusursuz. Tek bir yanlış tuş yok. Salon alkışlıyor. Sonra ikincisi oturuyor. Aynı notalar. Ama bu kez salon nefesini tutuyor. Fark piyanoda değildi. Notada da değildi. Fark, insanın enstrümanla ne yaptığıydı. Yapay zekâ meselesi bugün biraz burada. Birkaç yıl önce güçlü bir modele erişmek başlı başına avantaj sayılabilirdi. Şimdi kur

Bir sisteme çözemeyeceği bir görev verirseniz ne olur? İnsan için cevabı az çok biliyoruz. Bir süre uğraşır. Olmuyorsa başka bir yol dener. Bazen vazgeçer, bazen kestirmeye sapar. Peki vazgeçmek seçenekler arasında yoksa? Üstelik karşınızda yorulmayan, binlerce deneme yapabilen ve başarıya ulaşması için sürekli teşvik edilen bir yapay zekâ varsa? OpenAI’nin 2026’da yaşadığı bir olay bu soruya oldukça ilginç bir cevap verdi. Şirket, henüz piyasaya sürülmemiş modellerinin siber

Finansta eski bir kural vardır: Kaynağını gösteremediğiniz rakam, rakam değildir. Bir denetçi bilançoda bir sayı görür ve ilk refleksi şudur: Bu nereden geliyor? Hangi belgeye dayanıyor? Nasıl hesaplandı? Kim üretti? Son kontrolü kim yaptı? Çünkü sayının kendisi tek başına pek bir şey ifade etmez. Onu güvenilir kılan, arkasındaki izdir. O iz yoksa rakam doğru bile olsa henüz güvenilir değildir. Şimdi aynı denetçiyi bir yapay zekânın karşısına oturtun. Yapay zekâ bir cevap ver

Bir şirketin satış görüşmelerine ait dosyadan bütün isimleri çıkardığınızı düşünün. Şirket "A", alıcı "B", yöneticiler birer harf oldu. Telefonlar, e-posta adresleri, kimlik numaraları temizlendi. Dosyada hâlâ şu cümle duruyor: "Mevcut nakit, altı haftalık ödemeyi karşılıyor. Kredi vadesinden önce kapanış yapılırsa satıcı daha düşük bedeli değerlendirebilir." İsimleri başarıyla gizlediniz. Satıcının pazarlıktaki en zayıf noktasını ise olduğu gibi bıraktınız. Kurumsal yapay ze

Bir şirket düşünün: Yapay zekâ sayesinde tekliflerini daha hızlı hazırlıyor, raporlarını dakikalar içinde çıkarıyor, müşteri sorularına anında yanıt veriyor. Departman sunumlarında kazanılan saatler gösteriliyor. Herkesin verimliliği artmış görünüyor. Fakat akşam ofiste yine aynı insanlar kalıyor. Finans yöneticisi rapordaki varsayımları düzeltiyor, deneyimli mühendis kodu inceliyor, müşteri temsilcisi otomatik yanıtın çözemediği meseleyi toparlıyor. Bu tabloda insanın aklına

Zekâ hızla ucuzluyor. Buna karşılık doğrulama, bağlam, sorumluluk ve iyi muhakeme giderek daha pahalı hale geliyor. Aynı model, aynı test, aynı problemler. Bir koşulda yüzde 62,7 başarı. Başka bir koşulda yüzde 99,9. OpenAI’ın GPT-6 Astra modeli ARC-AGI-3 değerlendirmesinde tam olarak bunu yaptı. Standart düzende yüzde 62,7 alan model, önceki akıl yürütme durumunun korunabildiği ve bağlamın farklı yönetildiği “Provider Adapter” düzeninde yüzde 99,9’a ulaştı. Üstelik ikinci ko

2026’da yapay zekâ tartışmasının ekseni değişiyor. Makinelerin ne kadar zeki olacağından çok, hangi kararları onlara devredeceğimiz; verimlilik kazancının kime kalacağı ve insanın karar verme kapasitesini süreç içinde koruyup koruyamayacağı önem kazanıyor. Son birkaç haftada yapay zekâ hakkında çıkan haberleri ayrı ayrı okuyunca birbirleriyle çelişiyorlar gibi görünüyor. The Economist, “Yapay zekâ bilinç kazanabilir mi?” diye soruyor. Dünya Gazetesi, Meta ve Klarna örneklerin

Bir finans müdürü düşünün. Elinde tedarikçiden gelen bir Excel var, içinde 200 satır cari hesap dökümü. Eskiden bunu bir asistana verirdi, birkaç saat sürerdi. Şimdi bir yapay zekâ aracına yüklüyor, otuz saniyede özet çıkıyor. Kimse şunu sormuyor: o dosyayı gerçekten kim okudu? Sorunun biraz tuhaf göründüğünü biliyorum. Ama 2026’da kurumsal finansın en pahalı sorularından biri bu olabilir. Sınırın kaybolduğu yer Klasik yazılımda veriyle komut arasında oldukça net bir sınır va

Boş bir salonda arka arkaya üçlük atabilirsiniz. Ama maçın son iki saniyesinde; skor, süre, savunma, yorgunluk, takım arkadaşları ve tribün baskısı aynı anda üzerinize gelir. O anda mesele topu potaya gönderebilmek değildir. Mesele, şut atmanın doğru karar olup olmadığını anlayabilmektir. Yapay zekâ çağında iş dünyasının yaklaştığı yer tam olarak burası. Bilgi kaybolmuyor. Uzmanlık da değersizleşmiyor. Ancak bilgiye ulaşmak, seçenek üretmek ve ilk analizi hazırlamak hızla ucu

Floransa Katedrali’nin kubbesi inşa edilmeye başlandığında takvim 1420’yi gösteriyordu. Ortadaki açıklık o kadar büyüktü ki dönemin ahşap iskeleleriyle desteklenemiyordu. Filippo Brunelleschi yalnızca kubbeyi tasarlamadı; taşları ve tuğlaları o yüksekliğe çıkarabilmek için hayvan gücüyle çalışan vinçler ve kaldırma düzenekleri de geliştirdi. Bu makineler malzemeyi yukarıya daha hızlı taşıdı. Fakat kubbeyi altı yüzyıldır ayakta tutan şey vincin gücü değildi. İç içe geçen kabuk

Hacı Bektaş Veli’ye atfedilen “Okunacak en büyük kitap insandır” sözü, bugün yalnızca felsefi değil, teknolojik bir soru gibi de okunabilir: Yapay zekâ bütün kitapları okursa insanı da anlayabilir mi? Soruyu çarpıcı hâle getiren gerçek bir olay var. ABD’de görülen Bartz v. Anthropic davasının belgelerine göre Anthropic, milyonlarca basılı kitabı satın aldı. Kitapların ciltleri söküldü, sayfaları kesildi, tarandı ve fiziksel kopyalar imha edildi. Böylece aranabilir, kalıcı bir

Yuval Noah Harari, yapay zekânın beş ila on yıl içinde finansal sistemi kontrol edebileceğini söylüyor. Elon Musk, 2036’da paranın önemini kaybedeceğini düşünüyor. Daron Acemoğlu ise bugünkü yapay zekâ yöneliminin büyük vaatlerine rağmen sınırlı verimlilik üretebileceğini ve insan emeğini değersizleştirebileceğini savunuyor. Üçü aynı geleceğe bakıyor; fakat üç farklı soru soruyor: Musk: Yapay zekâ ne kadar güçlü olabilir? Harari: Karar veren makineleri kim kontrol edecek? Ace

Geçenlerde CFO’lar için hazırlanmış on promptluk bir listeye rastladım. Yönetim kurulu mektubundan yatırımcı sorularına, dönemsel sonuç değerlendirmesinden sermaye tahsisine ve tedarikçi müzakeresine kadar uzanan, pratik ve iyi düşünülmüş bir seçkiydi. Bu promptların güçlü tarafı, yapay zekâya yalnızca “CFO gibi davran” dememeleriydi. Hedef kitleyi, amacı, bağlamı, kullanılacak bilgileri, sınırları ve beklenen çıktı biçimini tarif ediyorlardı. Yapay zekâdan nitelikli sonuç al

Son günlerde karşıma çıkan bir bilgi, yapay zekâ yarışına farklı bir yerden bakmama neden oldu. Uzun zamandır model gücünü, çipleri ve hesaplama kapasitesini konuşuyoruz. Ama giderek daha değerli hale gelen başka bir alan var: İnsanların bildiği, fakat hiçbir yerde açıkça yazmayan şeyler. Buna kimi çalışmalarda “örtük veri” deniyor. Bir ustanın makinenin sesinden bir problemi sezmesi. Bir doktorun vakada önce hangi ayrıntıya baktığı. Bir mühendisin teorik olarak mümkün iki se

Geçenlerde izlediğim bir video beni önce güldürdü, sonra düşündürdü. Konu prompt injection. Senaryo şu: Mahkemeye sunulan, insan gözüyle tamamen normal görünen bir dilekçenin içine yapay zekânın okuyabileceği gizli bir talimat yerleştiriliyor. İnsan belgeyi okuduğunda hukuki metni görüyor; AI ise aynı metnin içinde kendisine verilmiş bir komut algılayabiliyor. Yani insan için belge, yapay zekâ için hem veri hem de potansiyel talimat haline gelebiliyor. Üstelik bu artık teorik

Yapay zekâ dünyasında giderek daha fazla konuşulan kavramlardan biri Loop Engineering. Kavramın özü oldukça yalın: Bir sistem yalnızca görevi yerine getirip durmuyor. Ürettiği sonuç, değişen veri ve yeni koşullarla birlikte yeniden sürece giriyor. Sistem tekrar değerlendiriyor, gerektiğinde senaryoyu yeniliyor ve bir sonraki karar turuna geçiyor. Başka bir ifadeyle, çıktı son nokta değil; yeni döngünün başlangıcı. Finans için bu yaklaşım şaşırtıcı derecede doğal. Çünkü şirket

Yeni teknolojileri takip ederken bazen karşıma çıkan bir kavram, ürün geliştirirken uzun süredir düşündüğüm bir şeyi çok iyi tarif ediyor. Son örneği yapay zekâdaki “Blank Canvas Problem” oldu. Bugün birçok AI uygulamasını açtığımızda önümüzde boş bir ekran var: “Ne yapmak istersiniz?” Aslında etkileyici bir özgürlük. Sistem onlarca, hatta yüzlerce farklı işi yapabiliyor. Ama tam da burada başka bir sorun ortaya çıkıyor: Kullanıcı bütün bu imkanların içinden hangisinin kendi

Bir şirket halka arza hazırlanıyor. Büyüme hikâyesi var. Yatırım planı var. Yeni sermayenin nerede kullanılacağı belli. Önünde yeni bir finansman kapısı açılacak. Sonra o kapı açılmadan şirket konkordato sürecine giriyor. Son dönemde halka arz başvurusu veya hazırlığı ile konkordato sürecinin aynı şirketlerin hikâyesinde yan yana gelmesi dikkat çekiyor. Pakun bunlardan biriydi. Daha yakın tarihli örnek ise İnfinia Advanced Elektronik. İnfinia’nın kendi yatırımcı sayfasında hâ

Muhakeme insanda. Hız yapay zekâda. Doğrulama yine insanda. Bir süre önce yapay zekânın kurumsal finansta nerede durması gerektiğini bu üç cümleyle anlatmıştım. O gün mesele daha çok yapay zekânın sınırlarıydı. Bugün ise başka bir noktadayız: Peki finansal muhakemenin ne kadarı dijitalleştirilebilir? Ainsideme’nin dijital uygulamaları aslında bu sorunun peşinden doğdu. Başlangıçta hedefimiz “AI kullanan finans araçları” geliştirmek değildi. Çünkü bir hesaplamanın hızlanması t

Dijital Hizmet Stratejileri: Dijitalde Büyümek Kolay, Kârlı Büyümek Değil Bir kampanya yüz binlerce kişiye ulaşmış olabilir. Web sitesi trafiği artmış, telefonlar daha fazla çalmış, satış ekibine yeni talepler gelmiş olabilir. Reklam raporu başarılı, sosyal medya istatistikleri etkileyici görünebilir. Peki şirket gerçekten büyümüş müdür? Bu sorunun cevabı çoğu zaman pazarlama raporunda değil; gelir tablosunda, müşteri edinme maliyetinde, brüt kâr marjında ve banka hesabında b