Cevabın Görmediği Şey

Yapay zekâ bilgiye ulaşmayı kolaylaştırırken, dünyanın en büyük şirketleri neden bazı bilgilere erişebilmek için milyarlarca dolar ödüyor?

Bir kredi sözleşmesindeki en pahalı bilgi, yapay zekânın yanlış yorumladığı madde olmayabilir. Hiç görmediği maddedir.

Çünkü dünyanın en gelişmiş modeli bile erişemediği bir sözleşmenin gerçek koşullarını bilemez. Bilmediği halde son derece ikna edici bir değerlendirme yapabilmesi ise sorunu daha da büyütür.

22 Ekim’de London Stock Exchange Group (LSEG), özel kredi piyasalarına ilişkin veri ve analiz sağlayıcısı Octus’u 3,535 milyar dolar nakit bedelle satın almak üzere anlaşmaya vardığını açıkladı.

Octus’un uzmanlığı, herkesin kolayca ulaşamadığı kredi sözleşmelerini, finansal taahhütleri ve borç yapılandırmalarını araştırmak; bunları doğrulanabilir, karşılaştırılabilir ve karar süreçlerinde kullanılabilir bilgiye dönüştürmek.

Şirketin 2026 gelirinin 300 milyon doları aşması bekleniyor.

İlginç olan şu: Yapay zekânın finansal araştırmaları ucuzlatacağı konuşulurken, dünyanın en büyük finansal veri kuruluşlarından biri bilgiye erişim kabiliyetini güçlendirmek için milyarlarca dolar harcamayı kabul ediyor.

Bu bir çelişki değil. Bilginin ekonomik değerinin nerede oluştuğuna dair önemli bir işaret.

Yapay zekâ, mevcut bilgiyi işleme ve yorumlama maliyetini düşürebilir. Fakat erişimi sınırlı bir belgeyi kendiliğinden temin edemez; kaynağın güvenilirliğini, güncelliğini ve hukuki geçerliliğini de tek başına garanti edemez.

Üstelik bu dönüşüm yalnızca finansal veride yaşanmıyor.

20 Ekim’de Salesforce, müşteri etkileşim platformu Braze’i yaklaşık 5,66 milyar dolar işletme değeriyle satın almak üzere anlaşma imzaladı.

Braze’in değeri, müşteriler hakkında daha fazla bilgi depolamasından çok, şirketlerin kendi müşteri verilerini gerçek zamanlı kullanarak doğru anda harekete geçebilmesini sağlamasında yatıyor.

Bir müşteri satın alma kararından uzaklaşırken bunu fark etmekle, üç ay sonra hazırlanan raporda neden ayrıldığını açıklamak arasında ciddi bir ekonomik fark var.

LSEG bilgiye erişimi, Salesforce ise bilgiyi zamanında kullanabilme kabiliyetini güçlendiriyor.

Bu iki işlemden çıkarılabilecek daha büyük sonuç şu: Yapay zekâ yaygınlaştıkça rekabet avantajı, yalnızca iyi analiz yapabilmekten o analizi besleyen güvenilir bilgiye erişmeye ve sonucunu ticari karara dönüştürmeye kayabilir.

Bu değişim şirket değerlemesini de ilgilendiriyor.

Bir şirketin veri tabanının büyüklüğü, tek başına yüksek değerlemeyi haklı çıkarmaz. Önemli olan, o verinin rakipler tarafından ne ölçüde elde edilebildiği, ne kadar güvenilir olduğu ve müşterilerin vazgeçmekte zorlanacağı bir hizmete dönüşüp dönüşmediğidir.

Satın alma bedelleri de yalnızca veriye ödenmiyor; müşteri ilişkilerini, teknolojiyi, uzmanlığı, gelirleri ve büyüme beklentilerini kapsıyor. Dolayısıyla stratejik açıdan değerli bir varlığı satın almakla, ona finansal açıdan doğru fiyatı ödemek aynı şey değil.

Beklenen büyüme, entegrasyon giderlerini, finansman maliyetini ve ödenen satın alma primini karşılayamazsa teknolojik açıdan başarılı görünen bir satın alma sermaye açısından kötü bir karar olabilir.

Türkiye’deki şirketler içinse mesele biraz farklı.

TÜİK’in Ekim 2026’da yayımladığı araştırmaya göre, en az 10 çalışanı bulunan girişimlerde yapay zekâ kullanımı bir yılda %7,5’ten %14’e yükseldi. Kullanıcı şirketlerin %51’i teknolojiyi pazarlama veya satış amacıyla kullanıyor.

Fakat teknolojiye ilginin arttığı bu dönemde finansal koşullar aynı hızda rahatlamıyor.

İSO’nun Eylül imalat PMI verisi 47,9 ile daralma bölgesinde. TCMB, 22 Ekim’de politika faizini %36’ya indirirken iç talebin zayıf seyrine dikkat çekti. Ekimde kapasite kullanımı sınırlı yükselse de tüketici güveni 84,8’e geriledi.

Bu göstergeler bütün sektörlerin aynı durumda olduğunu söylemiyor. Ancak özellikle talep belirsizliği ve işletme sermayesi baskısıyla karşılaşan şirketlerde, teknolojinin sağlayacağı faydanın nakde ne zaman dönüşeceğini daha önemli hale getiriyor.

Örneğin bir şirketin satış tahminini iyileştiren yapay zekâ uygulaması değer yaratabilir. Ancak aynı şirket, müşterilerinin gerçekte ne zaman ödeme yapacağını bilmiyorsa satış büyürken finansman ihtiyacı da büyüyebilir.

Hatta gelirleri artan şirketin serbest nakit akışı kötüleşebilir.

Bu nedenle Türkiye’de çok sayıda işletme açısından ilk fırsat, daha gelişmiş bir yapay zekâ modeli satın almak değil; satış, stok, alacak, sipariş ve finansman verilerini birbiriyle ilişkilendirerek bugün göremediği ekonomik gerçekleri görünür kılmak olabilir.

Küresel teknoloji şirketleri erişemedikleri bilgiyi satın alırken, bazı işletmeler zaten sahip oldukları bilgiyi kullanamadıkları için değer kaybediyor olabilir.

Aradaki fark yalnızca teknolojiyle kapanmaz. Verinin doğrulanması, ticari bağlamın anlaşılması ve sonuçların finansal etkisinin ölçülmesi gerekir.

Yönetimlerin önündeki karar, ne kadar yapay zekâ kullanılacağından önce hangi bilgi eksikliğinin şirkete neye mal olduğunu belirlemektir. Yatırımın gerekçesi de bu eksikliği gidermenin tahsilata, maliyete, riske ve nakit akışına sağlayacağı ölçülebilir katkı olmalıdır.

Çünkü bazen en pahalı bilgi, satın almak için para ödediğimiz değil, şirketin içinde bulunduğu halde zamanında kullanamadığımız bilgidir.