Yapay Zekânın Bilançosu
Güncelleme tarihi: 7 Eki
Bir teknolojiye ne kadar inandığınızı, ona ne kadar para harcadığınız değil; para pahalılaştığında neyi hâlâ finanse etmeye razı olduğunuz gösterir.
Yapay zekâda artık tam bu noktadayız.
Reuters’ın Anthropic’in halka arz belgelerinden aktardığına göre Broadcom, Anthropic’e 42 milyar dolara kadar finansman sağlayabilecek. Finansmanın arkasında çok daha büyük bir altyapı taahhüdü var: Anthropic’in yıllara yayılan devasa TPU kapasitesi ihtiyacı. Üstelik Broadcom yalnızca teknoloji tedarikçisi olmayacak; aynı zamanda finansör, hatta belirli koşullarda hissedar olabilecek.
Bu yapı teknoloji dünyası açısından heyecan verici olabilir. Finans tarafından bakınca ise biraz daha tuhaf görünür.
Bir şirket size kapasite satıyor. Sonra o kapasiteyi alabilmeniz için size para veriyor. Verdiği para ileride sizin hissenize dönüşebiliyor.
Burada artık yalnızca “AI talebi ne kadar güçlü?” diye soramazsınız.
Şunu da sormanız gerekir:
Bu talebin ne kadarı kendi finansmanını taşıyabiliyor?
Vendor financing yeni bir şey değil. Uçaktan telekom ekipmanına kadar pek çok sektörde yıllardır kullanılıyor. Fakat AI altyapısının ulaştığı sermaye yoğunluğu, meseleyi başka bir ölçeğe taşıyor.
Çip, veri merkezi, enerji, uzun dönem kapasite sözleşmeleri ve finansman giderek aynı ekonomik zincirin parçaları haline geliyor.
Dolayısıyla yapay zekâ yarışının bir ucunda artık yalnızca daha iyi model yapma yarışı yok. Bir başka yarış daha var:
Bu kadar büyük sermaye ihtiyacını kimin bilançosu taşıyacak?
Türkiye’ye dönünce ise aynı soru anlamını değiştiriyor.
Buradaki şirketlerin çoğu için mesele 42 milyar dolarlık AI altyapısını nasıl finanse edecekleri değil. Çok daha gündelik ve çok daha sert bir soru var:
Yapay zekâya ayırdığım her lira, işletme sermayemin hangi başka kullanımından vazgeçmem anlamına geliyor?
Bu fark önemli.
Çünkü TÜİK’in son verileri Türkiye’de yapay zekâ kullanımının gerilediğini değil, tersine hızla arttığını söylüyor. On ve üzeri çalışanı bulunan girişimlerde AI kullanım oranı bir yılda %7,5’ten %14’e çıktı. Büyük işletmelerde oran %37’nin üzerinde.
Ama bence asıl ilginç veri kullanım oranı değil.
AI kullanan şirketlerin yaklaşık üçte ikisinin açık kaynak çözümlerden yararlanıyor olması.
Bu ayrıntı bize teknoloji tercihi kadar sermaye davranışı hakkında da bir şey söylüyor olabilir.
Türkiye’de şirketler yapay zekâyı reddetmiyor. Fakat onu mümkün olduğunca düşük başlangıç maliyetiyle, mevcut işin içine sokabilecekleri biçimlerde deniyor olabilirler.
Bu bir geri kalmışlık göstergesi olmak zorunda değil.
Bazen sermaye kıtlığı kötü yatırımı ayıklayan oldukça acımasız bir filtredir.
Sorun şu ki filtre fazla sertleşirse iyi yatırımı da ayıklar.
Türkiye’de şirketlerin önündeki tablo tam burada karmaşıklaşıyor.
Politika faizinin %37 olduğu, üretici fiyat baskısının devam ettiği ve imalat PMI’ının hâlâ 50 eşik değerinin altında seyrettiği bir ekonomide sermaye harcamasının hesabı ister istemez değişiyor.
Ama aynı veriler ekonominin durmuş olduğunu da söylemiyor. Kapasite kullanım oranı %74 civarında. Ekonomik güven 100’ün üzerinde. Üretim devam ediyor, şirketler çalışıyor, yatırım tamamen ortadan kalkmış değil.
Dolayısıyla “kimsenin yatırım yapacak hali yok” demek fazla kolay.
Daha doğru ifade şu olabilir:
Yatırımın hata toleransı düştü.
Bir şirketin bugün 10 milyon lira harcarken sorduğu soru ile sermayenin çok daha ucuz olduğu bir dönemde sorduğu soru aynı değil.
Geri dönüş süresi uzadıkça fırsat maliyeti büyüyor.
Tahsilatı zaten baskı altındaysa, stok çevrimi uzuyorsa, kredi maliyeti yüksekse ve işletme sermayesi pahalıysa, “üç yıl sonra stratejik fayda sağlar” türü bir teknoloji yatırımı yönetim kurulunda eskisi kadar rahat savunulamıyor.
Bu nedenle Türkiye’de AI’ın ilk kazananları çok gösterişli projeler olmayabilir.
Bir satış ekibinin teklif hazırlama süresini yarıya indiren uygulama olabilir.
Tahsilat riskini daha erken fark eden bir sistem olabilir.
Satın almada fiyat anomalilerini yakalayan küçük bir model olabilir.
Finans departmanının üç gün uğraştığı konsolidasyonu birkaç saate düşüren bir araç olabilir.
Bunların hiçbiri teknoloji konferansında sahneyi ayağa kaldırmayabilir.
Fakat CFO açısından başka bir özelliğe sahiptirler:
Nakit akışına giden yolları daha kısadır.
Burada yine dikkatli olmak gerekiyor.
Bir yatırımın hızlı geri dönmesi ile değerli olması aynı şey değildir.
Şirket sürekli olarak yalnızca altı ayda parasını çıkaran projeleri seçerse, veri altyapısı, süreç standardizasyonu, insan yetkinliği ve kurumsal teknoloji mimarisi gibi daha uzun vadeli yatırımlar hep ertelenebilir.
O zaman tuhaf bir sonuç ortaya çıkar:
Şirkette yapay zekâ kullanan kişi sayısı artar ama şirketin yapay zekâ kapasitesi aynı ölçüde artmaz.
Muhtemelen Türkiye için asıl risklerden biri de bu.
Çünkü TÜİK’in verisinde AI kullanmayı düşündüğü halde kullanamayan şirketlerin en büyük engeli para değil; uzmanlık eksikliği. Hukuki belirsizlik ile veri güvenliği ve gizlilik endişeleri de hemen arkasından geliyor.
Bu ayrıntı meseleyi yalnızca “dijitalleşme bütçesi” olmaktan çıkarıyor.
Bir şirkete dünyanın en iyi modeli verilebilir.
Yanlış veriyle besleniyorsa, yanlış probleme uygulanıyorsa veya çıktısını sorgulayacak kimse yoksa ortaya çıkan şey verimlilik değil, daha hızlı hata olabilir.
Belki de AI yatırımlarının bundan sonraki dönemde asıl finansal sorusu budur.
Ne kadar güçlü model satın aldığımız değil;
modelin şirketin hangi kararını daha iyi hale getirdiği.
Amerikan teknoloji şirketleri açısından mesele giderek veri merkezlerini, çipleri ve enerjiyi finanse etmenin yollarını bulmaya dönüşüyor.
Türkiye açısından ise başka bir optimizasyon problemi var:
Sınırlı sermayeyi, en fazla karar kalitesi ve nakit etkisi yaratacak yerlere tahsis etmek.
Bu yüzden iki ülkede kullanılan teknoloji aynı olsa bile ekonomik sonuç aynı olmak zorunda değil.
Ucuz veya bol sermaye teknolojiye ölçek kazandırır.
Pahalı sermaye ise teknolojiyi seçim yapmaya zorlar.
Türkiye’de AI’ın önümüzdeki birkaç yıldaki gerçek sınavı kaç şirketin onu kullandığı olmayabilir. Daha önemli ölçü, şirketlerin AI harcamasını operasyonel meraktan ölçülebilir ekonomik değere dönüştürüp dönüştüremediği olacak.
Çünkü bilanço sonunda modeli değil sonucu görür.
Yorumlar