Yapay Zekânın Asıl Kırılma Noktası: Bilinç Değil, Yetki

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 örneklerinden hareketle şirketlerin “insansız çalışma” hayalinin duvara çarptığını yazıyor. Bill Gates, AI’ın tarihin en büyük eşitleyicisine de en büyük adaletsizlik kaynağına da dönüşebileceğini söylüyor. Daron Acemoğlu, bugünkü yönelim devam ederse iş kaybı ve eşitsizlik riskinin büyüyeceğini, buna karşılık yapay zekâ yatırımlarının beklenen verimlilik etkisinin henüz makro verilere yansımadığını vurguluyor. Yuval Noah Harari, AI çağında korunması gereken şeylerden birinin “güven” olduğunu anlatıyor.

Sonra tartışmanın tonu birden sertleşiyor.

OpenAI ve Anthropic’te temel model geliştirme çalışmalarında bulunan Jacob Coxon, Anthropic’ten istifa ederek önde gelen laboratuvarların kendi kendini geliştirebilen sistemlere doğru sorumsuzca yarıştığını söylüyor. Axios’a göre bunu, hisse haklarının doğmasına yalnızca iki ay kala yapıyor. Üç gün sonra Anthropic CEO’su Dario Amodei çıkıp sektörün model kabiliyetlerini geliştirme hızını düşürmesi gerektiğini açıklıyor. OpenAI Baş Bilim İnsanı Jakub Pachocki ise birkaç gün önce benzer biçimde hiçbir laboratuvarın maksimum hızda ilerlemeyi uzun süre güvenle sürdürecek ölçüde hizalama ve gözetim problemini çözmediğini yazmıştı.

Bunları aynı resmin parçaları olarak okumak daha anlamlı.

Çünkü şu anda yaşadığımız şey yalnızca yeni bir teknolojinin benimsenmesi değil. Ekonomik ve kurumsal karar yetkisinin yavaş yavaş yeniden dağıtılması.

Bilinç meselesi büyüleyici. Ama güç için bilinç gerekmiyor.

The Economist’in 20 Ağustos tarihli yapay zekâ ve bilinç dosyasının merkezinde Anthropic’in Claude üzerinde yaptığı ilginç bir deney var. Araştırmacılar modelin iç katmanlarında, nihai cevabı vermeden önce bazı bilgilerin ortak bir çalışma alanında toplanmasına benzeyen bir yapı — “J-space” — gözlemliyor. Bunun insan beynine ilişkin “global workspace” teorisiyle işlevsel benzerlikleri var.

Ancak önemli sınırı Anthropic’in kendisi çiziyor: Bulgular, Claude’un insan gibi deneyim yaşadığını ya da bir şey “hissettiğini” göstermiyor. Başka bir ifadeyle, karmaşık iç işlem ile öznel bilinç aynı şey değil.

Bu ayrım önemli; fakat iş dünyası ve toplum açısından daha acil başka bir mesele var.

Bir makinenin etkili olabilmesi için bilinçli olması gerekmiyor.

Kredi başvurusunu değerlendirebilir. Bir yatırım alternatifini sıralayabilir. Bir işe alım adayını eleyebilir. Bir siber saldırının adımlarını planlayabilir. Fiyat belirleyebilir, kod yazabilir, başka ajanları görevlendirebilir, bilgi toplayabilir ve insanların önüne hangi seçeneklerin geleceğini belirleyebilir.

Yani öznel deneyime sahip olmadan da ekonomik aktör olabilir.

Harari’nin son haftalardaki açıklamalarını bu açıdan okumak gerekiyor. The Economist ile 26 Ağustos’ta yayımlanan uzun söyleşisinde yapay zekâyı “insanlık tarihinin en büyük psikolojik ve sosyal deneylerinden biri” olarak tanımlıyor; özellikle güvenin insanlardan algoritmik sistemlere kayması üzerinde duruyor. 8 Eylül’de Köln’deki Digital X konuşmasının başlığı ise “AI and the Tower of Babel”. Konuşmanın odağında, makineler bilginin nasıl üretildiğini ve yayıldığını giderek daha fazla belirlerken toplumların anlayışı, güveni ve ortak yön duygusunu nasıl koruyacağı var.

Bu yüzden bilinç tartışmasının hemen yanında başka bir soru açılıyor:

Bir sistemin “ben” diyebilmesi mi daha önemli, yoksa bizim onun verdiği karara itiraz etmeyi bırakmamız mı?

İkincisi çok daha önce gerçekleşebilir.

Meta deneyi bize AI’ın sınırından çok, yanlış ölçümün sınırını gösterdi

Dünya Gazetesi’nin 8 Eylül’de yayımladığı “Şirketlerin ‘insansız çalışma’ hayali duvara çarptı” haberi bu tartışmanın şirket ölçeğindeki en somut örneklerini Meta ve Klarna üzerinden anlatıyor. Haberin dayandığı Reuters araştırması ise Meta’daki deneyi ayrıntılı biçimde ortaya koyuyor.

Meta’nın “Project OT” adlı dönüşüm çalışmasında bazı ekiplerin yüzde 60’a varan ölçüde küçültülebileceği senaryolar hazırlanmıştı. Hedef, birkaç kişilik “AI-native” ekiplerin yapay zekâ ajanlarıyla daha büyük organizasyonların yaptığı işi yapabilmesiydi.

İlk bakışta bazı göstergeler gerçekten etkileyici görünüyordu. AI kullanımıyla şirket içi sistemlerde yapılan kod değişiklikleri yıllık bazda %220 arttı.

Fakat son kullanıcıya ulaşan yeni veya iyileştirilmiş özelliklerdeki artış yalnızca %36 oldu.

Üstelik büyük teknik ve güvenlik olayları %40, çalışanların bu sorunları çözmek için harcadığı “firefighting” zamanı ise %70 arttı. Meta mayıs ayında çalışanlarının yaklaşık yüzde 10’unu işten çıkardı fakat kasım için planlanan ikinci büyük yeniden yapılanma dalgasını iptal etti. Zuckerberg daha sonra AI ajanlarının beklediği hızda gelişmediğini çalışanlarına kabul etti.

Bu veriler bana göre AI tartışmasının en önemli ölçüm hatalarından birini gösteriyor.

Üretilen iş miktarı ile yaratılan ekonomik değer aynı şey değil.

Finansal açıdan baktığımızda denklem oldukça tanıdık: Brüt çıktıdaki artıştan hata maliyetini, yeniden işleme süresini, güvenlik riskini, kontrol ihtiyacını ve operasyonel kesintiyi düşmeden gerçek verimliliği bilmiyoruz.

Bir çalışan AI ile üç kat fazla kod üretebilir. Fakat bunun önemli bir bölümü yeniden kontrol ediliyor, hataları düzeltiliyor veya başka bir yerde operasyonel risk yaratıyorsa şirketin net kazancı üç kat değildir.

Klarna örneği de benzer biçimde okunmalı. AI müşteri hizmetlerinde çok büyük hacmi ve rutin işlemleri devralabildi. Ancak şirket daha sonra insan erişimini yeniden güçlendirdi ve yeni modelini AI’ın rutin talepleri karşılayacağı, gerektiğinde müşterinin gerçek bir çalışana ulaşabileceği hibrit yapıya çevirdi.

Dolayısıyla Meta ve Klarna’dan çıkarılacak sonuç “AI başarısız oldu” değil.

Daha değerli ders şu: Bir görevin otomasyona uygun olması, o görevin içinde bulunduğu insan rolünün tamamının gereksiz olduğu anlamına gelmiyor.

Bu ikisini karıştırmak pahalı bir yönetim hatasına dönüşebilir.

Acemoğlu’nun uyarısının en önemli kısmı istihdamdan bile daha derin

Daron Acemoğlu 21 Ağustos’ta Nature için yazdığı makalede AGI yarışının kendisini sorguluyor ve bunun yerine “pro-worker AI” yaklaşımını öneriyor: insan uzmanlığını ortadan kaldırmaya odaklanan sistemler yerine onu büyüten sistemler.

11 Eylül’de CNBC-e’ye yaptığı açıklamada ise iki noktayı özellikle vurguladı: AI’ın etkisinin henüz verimlilik istatistiklerinde açık biçimde görülmediğini ve mevcut yönelimin daha fazla iş kaybı ile eşitsizlik riski taşıdığını söyledi. Bundan yalnızca dokuz gün önce BBC’ye verdiği söyleşide dile getirdiği sorun daha politikti: AI toplumun hemen her alanını dönüştürecek fakat bu dönüşümün biçimi konusunda insanların çok az söz hakkı var.

Bence Acemoğlu’nun 2026’da Dingwen Kong ve Asuman Ozdaglar ile yayımladığı başka bir çalışma ise iş dünyası açısından en az istihdam tartışması kadar önemli.

Çalışmanın adı “AI, Human Cognition and Knowledge Collapse.”

Modelin ortaya koyduğu paradoks şu: Agentic AI bugün insanların daha iyi karar vermesine yardım ederken, karar vermek için gerekli bilgiyi edinme ve öğrenme çabasını zaman içinde azaltabilir. Bu süreç yeterince güçlenirse toplumun ortak bilgi birikiminin kendisi zayıflayabilir.

Tam bu noktada, Eylül ayında yayımlanan başka bir NBER araştırması teorik kaygıya sahadan çok ilginç bir veri ekliyor.

David Autor ve çalışma arkadaşları, 11 Amerikan fikri mülkiyet hukuk bürosunda çalışan 133 patent avukatını üç ay boyunca izledi. AI asistanı kullanan avukatların ürettikleri işin kalitesi yükseldi; en büyük anlık kazanım genç avukatlarda görüldü.

Sonra AI kaldırıldı.

Avukatlardan mesleki muhakeme gerektiren bir işi tek başlarına yapmaları istendiğinde kalıcı performans artışı esas olarak deneyimli avukatlarda kaldı. Junior grupta ortalama kalıcı gelişme görülmedi. Araştırmacıların vardığı olası sonuç önemli: AI’dan kalıcı beceri kazanabilmek için önceden oluşmuş temel uzmanlık gerekebilir.

Burada şirketlerin önünde henüz bilançolarda görünmeyen bir risk var.

Ben buna uzmanlık borcu diyorum.

Teknik borca benziyor. Bugün hız kazanmak için geleceğe maliyet bırakıyoruz.

Junior analistin yaptığı ilk modeli AI’a, genç avukatın yaptığı ilk taslağı AI’a, yeni mühendisin çözdüğü ilk problemi AI’a verdiğimizde kısa vadede üretkenlik artıyor. Fakat insanların uzmanlaştığı öğrenme basamaklarını da ortadan kaldırırsak on yıl sonra senior uzmanı nereden yetiştireceğiz?

Bir CFO yalnızca finans kitaplarından öğrendiği bilgilerle CFO olmaz. Kötü tahminler görür, likidite krizi yaşar, yanlış varsayımları fark eder, bir yatırımın Excel’de çalışıp gerçek hayatta neden çalışmadığını öğrenir. Muhakemenin önemli kısmı tam da bu sürtünmeden oluşur.

AI bu sürtünmenin tamamını ortadan kaldırırsa bugünün maliyetini düşürürken yarının insan sermayesini tüketebilir.

Gates’in “adaletsizlik” uyarısı aslında bir dağıtım problemi

Bill Gates’in 26 Ağustos tarihli yazısındaki en çarpıcı cümlelerden biri, yapay zekânın “şimdiye kadar icat edilmiş en büyük eşitleyici ya da en kötü adaletsizlik kaynağı” olabileceği yönündeki değerlendirmesi.

Bu cümle çoğu yerde AI karşıtı bir uyarı gibi sunuluyor. Oysa Gates’in metni teknolojiye karşı değil. Tartıştığı şey teknolojiyle yaratılan değerin nasıl dağıtılacağı.

Hatta “Human Reserved” adını verdiği bir alan öneriyor: Teknik olarak makinelerin yapabileceği halde ekonomik, sosyal veya insani nedenlerle bazı görevlerin insanlarda bırakılması. Eğitim ve ruh sağlığı gibi bazı alanlarda ise AI’ın insanın kapasitesini genişlettiği, fakat insanın yönetimde kaldığı karma modeller öngörüyor. Gates bunun yanında AI token’larının ve robotların vergilendirilmesini de açıkça tartışıyor.

Bu tartışmanın temelinde basit bir ekonomik gerçek var.

Bir şirket için emekten tasarruf etmek rasyonel olabilir. Ama bütün şirketler aynı teşvik altında aynı yönde ilerlediğinde ortaya çıkan toplumsal sonuç, tek tek şirketlerin optimizasyonlarının toplamından ibaret değildir.

Verimlilik kazancının tamamı sermaye sahibine gider, giriş seviyesindeki işler kaybolur ve insanların yeni uzmanlık kazanacağı kanallar daralırsa teknoloji toplam üretimi artırırken gelir dağılımını ve sosyal hareketliliği kötüleştirebilir.

Yani AI’ın toplumsal sonucu modelin içinde yazılı değil.

Mülkiyet yapısında, teşviklerde, vergi sisteminde, rekabet politikasında ve kurumların tasarımında yazılacak.

Daha da ilginci: Fren çağrısı artık sektörün dışından gelmiyor

Haziran ayında Planet Labs’in kurucusu Will Marshall, The Economist için yazdığı “Humanity isn’t ready for the coming intelligence explosion” başlıklı makalede AI şirketlerinin kendilerini çıkmakta zorlandıkları bir yarışın içinde bulduğunu savunmuştu. Özellikle AI’ın AI geliştirmeyi hızlandırması — recursive self-improvement — gerçekleşirse teknolojik ilerlemenin onu yönetecek kurumların hızını aşabileceğini söylüyordu. Marshall’ın önerisi soyut bir “AI’ı durduralım” çağrısından çok, doğrulanabilir güvenlik sınırları ve uluslararası koordinasyondu.

Haziranda bu görüş radikal görünebilirdi.

Eylülde artık AI laboratuvarlarının içinden geliyor.

OpenAI Baş Bilim İnsanı Jakub Pachocki 6 Eylül’de yayımladığı An Alien Mind yazısında hiçbir laboratuvarın hizalama ve izleme problemini, maksimum hızda ölçeklemeyi uzun süre güvenle sürdürecek ölçüde çözmediğini düşündüğünü açıkça yazdı. Ortak güvenlik eşikleri kuruluncaya kadar gönüllü yavaşlamaların normalleşmesini beklediğini de ekledi.

9 Eylül’de Jacob Coxon Anthropic’ten ayrıldı. Hem OpenAI hem Anthropic’te pre-training çalışmalarında yer almış bir araştırmacı olarak şirketlerin kendi kendini geliştiren süper zekâya doğru yarışını eleştirdi; önümüzdeki bir-iki yılı kritik dönem olarak tanımladı. Bu bir dış gözlemcinin değil, modelleri geliştiren ekiplerden birinde çalışan bir araştırmacının uyarısıydı.

10 Eylül’de Anthropic kendi tehdit istihbaratı raporunu yayımladı. Şirket, Claude’un siber operasyonlar, gözetim, dolandırıcılık, biyolojik kötüye kullanım ve silah geliştirme dahil farklı alanlarda kötüye kullanılmaya çalışıldığı vakaları tespit edip engellediğini bildirdi. Bazı güvenlik önlemlerinin taleplerin çoğunu durdurduğunu, fakat hepsini durduramadığını da açıkça yazdı.

Ve 12 Eylül’de Anthropic CEO’su Dario Amodei, sektörün model kabiliyetlerini geliştirme hızını yavaşlatması gerektiğini söyledi.

Önerdiği üçlü yapı dikkat çekici: frontier laboratuvarların içine çalışan düzeyinde erişime sahip bağımsız denetçiler yerleştirilmesi; şirketlerin ortak güvenlik standartlarında koordinasyonu; ardından uluslararası koordinasyon. Anthropic bağımsız gözetmenler konusunda kendi başına adım atacağını da taahhüt ediyor.

Burada önemli olan kimin “AI iyimseri”, kimin “AI kötümseri” olduğu değil.

Daha ilginç olan, teknolojiyi en yakından gören insanların giderek aynı kelime etrafında buluşması:

kontrol.

Belki de şirketlerin sorması gereken yanlış soruyu sorduk

Bugüne kadar AI yatırımlarının büyük bölümü şu sorular etrafında konuşuldu:

Kaç kişilik işi yapıyor?

Kaç saat kazandırıyor?

Ne kadar kod yazıyor?

Maliyeti ne kadar düşürüyor?

Bunlar gerekli sorular. Fakat yeterli değiller.

Bir şirketin gerçek AI performansı, yalnızca yaptığı işi hızlandırmasıyla ölçülemez. Ürettiği kararın kalitesi, hata yakalama kapasitesi, insan uzmanlığını geliştirip geliştirmediği, kontrol zincirinin nerede olduğu ve model yanlış çıktığında organizasyonun bunu fark edip edemediği de aynı denklemin parçası.

Meta örneği bize faaliyet hacmi ile değer yaratımının ayrılabileceğini gösteriyor.

Autor’un patent avukatları deneyi anlık performans ile kalıcı uzmanlığın ayrılabileceğini gösteriyor.

Acemoğlu özel verimlilik kazancı ile toplumsal refahın aynı şey olmayabileceğini söylüyor.

Gates teknolojik bolluk ile adil dağılım arasında otomatik bir bağ olmadığını hatırlatıyor.

Harari ise bunların altındaki daha sessiz değişime dikkat çekiyor: İnsanlar sistemlere yalnızca iş yaptırmaya değil, onlara güvenmeye başladığında otorite de yer değiştirmeye başlıyor.

Coxon, Pachocki, Marshall ve şimdi Amodei’nin uyarıları da aynı problemin daha ileri sınırını gösteriyor: teknoloji kendi gelişimini hızlandırmaya başladığında kabiliyet ile onu kontrol etme kapasitemiz arasındaki mesafe açılabilir.

Bütün bunlardan çıkan sonuç bana göre AI’ın başarısız olduğu değil.

Tam tersine.

Yeterince başarılı olmaya başladığı için onu nerede kullanacağımız sorusu, nasıl geliştireceğimiz sorusundan daha önemli hale geliyor.

Ve bu, teknoloji departmanına bırakılabilecek bir konu değil artık. Yönetim kurullarının, CFO’ların, risk yöneticilerinin, insan kaynaklarının ve düzenleyicilerin ortak meselesi.

Çünkü bir noktadan sonra konu yazılım satın almak değil; karar haklarını tasarlamak.

Kredi limitini kim belirleyecek?

Tahmini kim sorgulayacak?

Bir yatırım senaryosunda modelin varsayımını kim bozabilecek?

AI’ın önerisini reddeden insanın kurumdaki yetkisi ne olacak?

Bir hata olduğunda sorumluluk algoritmada mı kalacak, yönetimde mi?

Bence 2026’nın yapay zekâ tartışmasını taşıması gereken yer burası.

Makinelerin ne zaman insan kadar zeki olacağını bilmiyoruz. Bilinç kazanıp kazanmayacaklarını da bilmiyoruz.

Fakat bunun olmasını beklemeden onlara çok önemli bir şeyi verebiliriz:

Yetki.

Ve tarihte güç her zaman yalnızca onu elinde tutanın kapasitesiyle değil, o gücü sınırlayan kurumların kalitesiyle yönetildi.

Yapay zekâ için de farklı olmayacak.

Ainsideme’de bu nedenle AI’ı finansal muhakemenin yerine geçen bir “karar verici” olarak değil, karar mimarisini güçlendiren bir katman olarak ele alıyoruz: insan muhakemesi → AI hızı → insan doğrulaması. Hedef mümkün olan en fazla kararı otomatikleştirmek değil; hangi kararın hızlandırılabileceğini, hangisinin sorgulanması gerektiğini ve hangisinin insanda kalması gerektiğini doğru tasarlamak.

Çünkü önümüzdeki dönemin gerçek rekabet avantajı, en fazla yapay zekâ kullanan şirkette olmayabilir.

Yapay zekâya neyi devretmemesi gerektiğini bilen şirkette olabilir.