Yapay Zeka Nedir? Çalışma Mantığı, Türleri ve Türkiye'de Durum

Yapay Zeka Nedir? Çalışma Mantığı, Türleri ve Türkiye'de Durum (2026)

Yapay zeka, insanın zihinsel işlerini — anlama, öğrenme, çıkarım yapma, üretme — bilgisayarda taklit eden yazılımların ortak adı. Bugün "yapay zeka" dendiğinde çoğunlukla kastedilen şey daha dar: örnek üstünde eğitilip örüntü öğrenen ve o örüntüyle yeni içerik üreten sistemler. ChatGPT'ye soru sorman, telefonunun fotoğraftaki yüzü tanıması, bankanın kartını şüpheli işlemde bloke etmesi — üçü de bu tarifin içinde.

Terim 1956'da doğdu, ama sokağa 2022'nin sonunda indi. Aradaki 66 yıl boyunca laboratuvar konusuydu; bugün Türkiye'de 16-74 yaş arasındaki her beş kişiden biri üretken yapay zeka kullandığını söylüyor. Bu sayfa o mesafeyi baştan sona anlatıyor: ne olduğu, gerçekte nasıl çalıştığı, kimin yaptığı, ne işe yaradığı, neyi yapamadığı, ne kadar tuttuğu ve Türkiye'nin bu tabloda nerede durduğu.

---

Yapay zeka nedir?

En yalın tanımı: bir bilgisayarın, normalde insan zekası gerektiren bir işi yapabilmesi. Tanımın zayıf noktası da burada — "insan zekası gerektiren iş" listesi sürekli kısalıyor. Bir zamanlar satranç oynamak zeka işiydi; makine kazandı, artık "sadece hesap" diyoruz. Buna literatürde AI etkisi denir: yapay zeka bir işi çözer çözmez o iş zeka olmaktan çıkar.

Daha kullanışlı bir tanım şu: yapay zeka, kuralları elle yazılmayan yazılımdır. Klasik programda "eğer fatura tutarı 500'ü geçerse onay iste" diye kural yazarsın. Yapay zekada kural yazmazsın — sisteme on binlerce fatura gösterirsin, hangilerinin onay gerektirdiğini işaretlersin, sistem aradaki ilişkiyi kendi çıkarır. Fark bu: programlama değil, örnekle öğretme.

Alanın içinde iç içe geçmiş üç halka var ve karıştırılmaları en yaygın kafa karışıklığı:

Kavram	Ne demek	Örnek
Yapay zeka (AI)	En geniş şemsiye: zeki davranış üreten her yöntem	Satranç motoru, kural tabanlı uzman sistem, ChatGPT
Makine öğrenmesi (ML)	Veriden örüntü öğrenen yöntemler alt kümesi	Spam filtresi, kredi skoru, öneri sistemi
Derin öğrenme	Çok katmanlı sinir ağlarıyla yapılan makine öğrenmesi	Görüntü tanıma, dil modelleri, ses sentezi

Makine öğrenmesiiveriden örüntü çıkararak kural yazmadan öğrenen yöntemler yapay zekanın içinde, derin öğrenmeiçok katmanlı yapay sinir ağlarıyla yapılan makine öğrenmesi makine öğrenmesinin içinde, bugünkü sohbet botları da derin öğrenmenin içinde duruyor. Yani her dil modeli yapay zekadır, ama her yapay zeka dil modeli değildir.

Yapay zekanın asıl amacı nedir?

İki ayrı cevap var ve ikisi de doğru.

Akademik amaç: zekanın nasıl çalıştığını, onu inşa etmeye çalışarak anlamak. Alanın kurucuları bunu "makineyi zeki yapmak" kadar "zekayı tarif etmek" olarak da görüyordu.

Pratik amaç: insanın yaptığı bilişsel işi ucuzlatmak ve ölçeklemek. Bir avukatın 400 sayfalık sözleşmeyi okuyup riskli maddeleri işaretlemesi üç saat sürer; model bunu üç dakikada, daha ucuza, ama daha az güvenilir yapar. Ticari yapay zekanın tamamı bu üçgende — hız, maliyet, güvenilirlik — bir denge kurma çabası.

Bunun ötesinde bir de uzun vadeli hedef var: yapay genel zekaiinsanın yapabildiği her bilişsel işi yapabilen, tek bir alana sıkışmayan yapay zeka. Henüz yok, ne zaman olacağı da bilinmiyor — laboratuvarların bir kısmı "birkaç yıl" derken ciddi araştırmacıların bir kısmı "bu yüzyılda değil" diyor. Bugün elindeki her araç dar yapay zekaitek bir iş türünde iyi olan, o işin dışına çıkamayan yapay zeka kategorisinde.

---

Yapay zekanın çalışma mantığı nedir?

Tek cümleyle: yapay zeka anlamıyor, tahmin ediyor. Bunu hafife alma — tahmin yeterince iyi olduğunda anlamaktan ayırt edilemez hale geliyor. Ama mekanizmanın ne olduğunu bilmek, sistemin nerede parlayıp nerede çuvalladığını önceden görmeni sağlar.

Örüntü, ağırlık ve tahmin

Bir sinir ağı, milyonlarca sayıdan (bunlara ağırlıklarimodelin eğitim sırasında ayarladığı, bilgisinin saklandığı sayılar deniyor) oluşan dev bir matematik fonksiyonudur. Eğitim şu döngüdür:

1. Modele bir girdi verilir (bir cümlenin ilk yarısı, bir fotoğraf, bir ses parçası).
2. Model bir tahmin üretir.
3. Tahmin doğru cevapla karşılaştırılır, fark ölçülür.
4. Ağırlıklar, farkı azaltacak yönde milimetrik olarak güncellenir.
5. Bu, trilyonlarca kez tekrarlanır.

Sonuçta ortaya "kural listesi" değil, girdiyi çıktıya çeviren devasa bir istatistiksel harita çıkar. Modelin neyi neden bildiğini kimse tek tek okuyamaz — bu yüzden kara kutuiiç işleyişi insanın adım adım takip edemediği model problemi diye bir başlık var.

Bir dil modeli cümleyi nasıl kuruyor?

Bugün en çok kullandığın tür bu, o yüzden ayrı anlatmaya değer. Bir büyük dil modeliidevasa metin yığınıyla eğitilmiş, sıradaki kelimeyi tahmin ederek metin üreten model metni kelime kelime değil, tokenimodelin metni böldüğü parça; bir kelime, bir hece ya da bir noktalama işareti olabilir token işler.

"Türkiye'nin başkenti" yazdığında model şunu yapar: elindeki bağlama bakar, sıradaki token için sözlüğündeki tüm seçeneklere birer olasılık atar — "Ankara" ezici bir farkla önde, "İstanbul" çok geride, alakasız kelimeler sıfıra yakın — ve bir tanesini seçer. Sonra seçtiğini de girdiye ekleyip aynı işlemi bir sonraki token için tekrarlar. Cevabın akıcı görünmesinin sebebi bu döngünün saniyede onlarca kez dönmesi.

Buradaki kritik nokta: model "Ankara" cevabını bir veritabanından çekmiyor. Eğitim sırasında bu ilişkiyi ağırlıklarına gömmüş ve şimdi yeniden üretiyor. Bu yüzden hiç görmediği bir soruya da makul bir cevap üretebiliyor — ve bu yüzden hiç bilmediği bir konuda da aynı özgüvenle uydurabiliyor.

Türkçe için bir dipnot: tokenizasyon İngilizce metne göre optimize edildiği için Türkçe kelimeler daha çok token'a bölünür. Pratik sonucu, aynı metnin Türkçesinin API'de İngilizcesinden pahalıya gelmesi ve ek çekimlerinde modellerin daha çok hata yapması. Bunu 13 modeli Türkçe testten geçirdiğimiz Türkçesi en iyi yapay zeka modelleri çalışmasında somut çıktılarla görebilirsin.

Transformer: 2017'de değişen şey

Bugünkü patlamanın teknik kökeni tek bir makaleye dayanıyor: Google araştırmacılarının 2017'de yayımladığı "Attention Is All You Need". Makale transformerimetindeki her kelimenin diğer tüm kelimelerle ilişkisini aynı anda tartabilen sinir ağı mimarisi mimarisini tanıttı.

Önceki yöntemler cümleyi soldan sağa, kelime kelime okuyordu — uzun cümlede başı unutuyorlardı. Transformer'ın getirdiği dikkat mekanizmasıimodelin, çıktıyı üretirken girdinin hangi kısımlarına ne kadar ağırlık vereceğini öğrenmesi sayesinde model tüm metne aynı anda bakabiliyor. "Çocuk topu attı çünkü o kırılgandı" cümlesinde "o"nun topa mı çocuğa mı gittiğini modelin çözebilmesi bu mekanizmanın işi.

İkinci avantajı daha sıkıcı ama daha belirleyici: transformer paralel hesaplanabiliyor. Yani binlerce ekran kartını aynı anda çalıştırabiliyorsun. GPT'deki "T" harfi buradan geliyor.

Neden bazen kendinden emin şekilde yanlış söylüyor?

Buna halüsinasyonimodelin, doğruymuş gibi sunduğu uydurma bilgi üretmesi deniyor ve bir yazılım hatası değil, mekanizmanın doğrudan sonucu. Model "en olası devam"ı üretmek üzere eğitildi; "bilmiyorum" demek üzere değil. Var olmayan bir mahkeme kararının ismi, formatı doğru olduğu sürece istatistiksel olarak makul bir devamdır.

Modern modellerde bu oran ciddi biçimde düştü, ama sıfırlanmadı ve sıfırlanacağına dair bir işaret yok. Pratik kural: modelin ürettiği her isim, tarih, rakam, link ve alıntı doğrulanmadan kullanılmaz. Özellikle Türkçe kaynaklarda, çünkü modellerin Türkçe eğitim verisi İngilizceye göre çok daha az.

[mindi_yorum]
💰 Halüsinasyonu azaltmanın ücretsiz yolu: modele kaynak verdir ve "kaynağın yoksa yok de" diye açıkça yaz. Ek maliyeti sıfır, etkisi büyük.
🟢 Web'e bağlı modeller (Perplexity, arama açık ChatGPT/Gemini) uydurma oranını belirgin düşürüyor — çünkü cevabı hafızadan değil, o an okuduğu sayfadan kuruyorlar.
🟡 Link uydurması en sinsi hata türü: adres gerçek bir siteye benziyor, tıklayınca 404 dönüyor. Tıklamadan güvenme.
🔵 "Emin misin?" diye sorma — model çoğu zaman sırf sen sordun diye doğru cevabından döner. Bunun yerine cevabı ikinci bir modele doğrulat.

---

Yapay zeka nasıl yapılıyor?

Bir dil modelinin sıfırdan üretilmesi üç aşamalı bir iş. Aşamaların maliyeti ve süresi arasında uçurum var ve bu uçurum sektörün neden birkaç şirketin elinde olduğunu açıklıyor.

1. Ön eğitim. İnternetten, kitaplardan, kod depolarından derlenen devasa bir metin yığını toplanır ve model bu yığın üstünde "sıradaki token'ı tahmin et" oyununu oynayarak dili öğrenir. Bu aşama binlerce ekran kartının haftalarca aralıksız çalışmasını gerektirir; frontier seviyesi bir model için maliyet on milyonlarca dolarla ölçülür. Çıkan şeye temel modeligenel amaçlı, henüz belirli bir kullanıma göre ayarlanmamış ham model denir ve bu haliyle kullanışlı değildir — soruya cevap vermek yerine soruyu devam ettirmeye çalışır.

2. İnce ayar ve hizalama. Temel model, "sorulan soruya cevap ver, zararlı içerik üretme, formatı koru" davranışını öğrenecek şekilde eğitilir. En yaygın yöntem RLHFiinsanların model çıktılarını karşılaştırıp puanlaması ve modelin bu puanlara göre ayarlanması. Sohbet botunun kibar, yardımcı ve sınırlarını bilen bir asistan gibi konuşması bu aşamanın ürünü — ham modelde böyle bir davranış yok.

3. Çıkarım. Model yayına alınır ve senin sorduğun soruyu cevaplar. Buna çıkarımieğitilmiş modelin gerçek bir girdiye cevap üretmesi deniyor. Eğitim tek seferlik bir yatırım, çıkarım ise her sorguda yeniden ödenen bir masraf — aboneliklerin ve API fiyatlarının asıl kaynağı burası.

Yapay zekayı kim yapar?

Temel modelleri üretebilen aktör sayısı dünyada iki elin parmaklarını biraz aşıyor. Kabaca üç grup:

Kapalı ağırlıklı Amerikan laboratuvarları. OpenAI (GPT ailesi), Anthropic (Claude ailesi), Google DeepMind (Gemini ailesi), xAI (Grok). Modeli sadece kendi arayüzlerinden ve API'lerinden kullanabilirsin; ağırlıkları indiremezsin.

Açık ağırlıklı üreticiler. Meta, Mistral, DeepSeek, Alibaba (Qwen), Z.ai (GLM), Moonshot, NVIDIA (Nemotron). Model dosyalarını indirip kendi bilgisayarında ya da sunucunda çalıştırabilirsin. Aradaki fark stratejik ve ciddi — hangisinin senin işine uyduğunu açık kaynak mı, kapalı AI mı rehberinde ayrıştırdım.

Uygulama katmanı. Bu şirketlerin çok büyük çoğunluğu model üretmiyor; yukarıdakilerin API'sini alıp üstüne ürün kuruyor. Kullandığın araçların çoğu bu kategoride — arayüz onların, beyin başkasının. Bir aracın hangi modeli çalıştırdığını sormak, o yüzden fiyatını sormak kadar önemli.

Modeller ayda birkaç kez değişiyor; hangi model kimin, ne zaman çıktı, ne kadar tutuyor sorusunun güncel cevabı yapay zeka modelleri sayfasında duruyor.

Yapay zeka nerede çalışır?

Üç yer var ve hangisinde çalıştığı doğrudan seni ilgilendiriyor:

Veri merkezinde (bulut). ChatGPT, Claude, Gemini gibi büyük modeller senin cihazında değil, üreticinin sunucularında çalışır. Yazdığın metin internete gider, orada işlenir, cevap geri gelir. Hız ve kalite en yüksek burada; veri gizliliği en düşük burada.

Cihazının içinde. Telefonunun yüz tanıması, klavye tahmini, çevrimdışı çeviri, fotoğraf düzenleme — bunların çoğu telefonun kendi çipinde çalışır, hiçbir yere veri göndermez. Buna uç yapay zekaiveriyi buluta göndermeden, cihazın kendi üstünde çalışan yapay zeka deniyor.

Kendi bilgisayarında (yerel). Açık ağırlıklı bir modeli indirip LM Studio gibi bir programla kendi makinende çalıştırabilirsin. Verin dışarı çıkmaz, abonelik ödemezsin. Karşılığında ekran kartına para verirsin ve daha küçük bir model kullanırsın. Bu hesabın gerçekte nasıl çıktığını ücretsiz yapay zeka hakkında bilmediğin 4 şey yazısında rakamlarla açtım — kısa versiyonu: "bedava" değil, sadece faturayı farklı yere ödüyorsun.

Bir yapay zeka uygulaması nasıl yapılır?

Kendi ürününe yapay zeka koymak istiyorsan sıfırdan model eğitmen gerekmiyor — neredeyse hiç kimse eğitmiyor. Üç gerçekçi yol var, zorluk sırasıyla:

1. Kodsuz araçlar. Hazır bir platformda sürükle-bırak mantığıyla akış kurarsın. Müşteri destek botu, form otomasyonu, içerik üretim hattı bu şekilde bir günde kurulabiliyor. Başlangıç için kod bilmeden uygulama geliştirmek rehberine bak.

2. API çağrısı. Bir laboratuvarın modeline programından istek atarsın, cevabı kendi ürününde kullanırsın. Teknik olarak en esnek yol. Tek bir hesapla onlarca modele erişmek istiyorsan OpenRouter rehberi işini görür.

3. Kendi verinle özelleştirme. İki alt yolu var: RAGimodele, cevap üretirken kendi belgelerinden ilgili parçaları okutma yöntemi ile modele dokümanlarını okutursun, ya da fine-tuningihazır bir modeli kendi verinle yeniden eğitip davranışını kalıcı değiştirme ile modeli kendine göre şekillendirirsin. Çoğu iş için RAG yeterli ve çok daha ucuz; fine-tuning gerçekten gerektiğinde nasıl yapıldığını fine-tuning rehberinde adım adım gösterdim.

---

Yapay zeka türleri nelerdir?

Alanı bölmenin birkaç yolu var; hangisini kullandığını bilmek karışıklığı önlüyor.

Yeteneğe göre: dar, genel, süper

Dar yapay zeka (ANI). Tek bir işi yapar. Satranç motoru satranç oynar, spam filtresi spam ayıklar, dil modeli metin üretir. Bugün var olan her sistem bu kategoride — ChatGPT dahil. Çok geniş bir yelpazede iş yapıyor olması onu genel yapmıyor; hâlâ tek bir yeteneğin (metin tahmini) çok esnek bir uygulaması.

Genel yapay zeka (AGI). İnsanın yapabildiği her bilişsel işi, yeniden eğitilmeden yapabilen sistem. Henüz yok. Ne zaman geleceği konusunda ciddi araştırmacılar arasında on yıllarla ölçülen görüş farkı var.

Süper zeka (ASI). İnsanı her alanda aşan zeka. Tamamen kuramsal.

İşleyişe göre: ayırt edici ve üretken

Ayırt edici modeller sınıflandırır: bu mail spam mi, bu röntgende kırık var mı, bu işlem dolandırıcılık mı. Yapay zekanın ilk yirmi yıllık ticari başarısı bunlardı ve hâlâ sessizce çoğu işi bunlar yapıyor.

Üretken modeller yeni içerik üretir: metin, görsel, ses, video, kod. Üretken yapay zekaiyeni metin, görsel, ses veya kod üreten yapay zeka türü 2022'den beri gündemde olan şey.

Etkileşime göre: asistan ve ajan

Bu ayrım 2026'nın en pratik ayrımı. Asistan sorarsın, cevaplar; her adımda sen varsın. Ajan ise hedefi alır, adımları kendi planlar, araçları kendi kullanır, işi bitirip sana döner.

Yapay zeka ajanıiverilen hedefi kendi adımlara bölüp araçları kullanarak tamamlayan sistem bir tarayıcı açıp form doldurabiliyor, dosya okuyup rapor yazabiliyor, kod yazıp çalıştırıp hatasını düzeltebiliyor. Bunun ne kadarının gerçek ne kadarının demo olduğunu bilgisayarını kullanabilen AI ajanlar karşılaştırmasında tek tek denedim.

---

Yapay zeka örnekleri: farkında olmadan kullandıkların

"Yapay zeka kullanıyor musun?" sorusuna çoğu insan "hayır" diyor. Neredeyse hepsi yanılıyor.

• Harita uygulamanın trafik tahmini ve rota seçimi
• Bankanın kartını şüpheli işlemde durdurması
• E-posta kutunun spam ve öncelikli ayrımı
• Telefonunun kamerası — gece modu, portre bulanıklığı, yüz tanıma
• Netflix, Spotify, YouTube öneri akışları
• Klavyenin sıradaki kelimeyi tahmin etmesi
• Çağrı merkezinin sesini metne çevirip yönlendirmesi
• Alışveriş sitesinin "bunu alanlar şunu da aldı" satırı
• Fotoğraf galerinin "kediler" diye arattığında kedileri bulması

Bunların hiçbiri sohbet botu değil ve çoğu 2022'den çok önce oradaydı. "Yapay zeka geldi" hissinin sebebi teknolojinin yeni olması değil, ilk kez konuşarak erişilebilir hale gelmesi.

Yapay zekalı ürünler nelerdir?

Ürün tarafında dört katman var:

Katman	Ne yapıyor	Örnek
Sohbet arayüzleri	Genel amaçlı asistan	ChatGPT, Claude, Gemini, Copilot, Grok
Gömülü özellikler	Var olan ürünün içine eklenmiş AI	Office/Workspace asistanları, Photoshop üretken dolgu, banka botları
Dikey araçlar	Tek işe odaklı AI ürünü	Görsel üretimi, ses klonlama, transkripsiyon, sunum hazırlama
Donanım	Çipinde AI çalıştıran cihaz	Yeni nesil telefonlar, dizüstüler, akıllı kameralar

mindilot'ta bu araçların kategorilere ayrılmış hali araçlar sayfasında duruyor — hepsi elle eklendi, hiçbiri toplu çekilmedi.

Telefonda yapay zeka nasıl kullanılır?

En hızlı başlangıç noktası, çünkü hiçbir şey kurman gerekmiyor:

1. Zaten yüklü olanı aç. Android'de Gemini, iPhone'da sistem asistanı ve entegre AI özellikleri hazır geliyor. Menüden ayrı bir uygulama indirmen gerekmeyebilir.
2. Uygulama mağazasından resmi olanı indir. ChatGPT, Claude, Gemini, Perplexity — hepsinin ücretsiz mobil uygulaması var. Geliştirici adına bak: sahte klonlar mağazalarda dolaşıyor ve genellikle abonelik tuzağı içeriyorlar.
3. Kamerayı kullan. Mobilin masaüstünde olmayan asıl avantajı bu: fotoğrafı çek, "bu ne, nasıl kullanılır" diye sor. Fatura, ilaç prospektüsü, arıza lambası, yabancı dildeki menü — kamerayla soru sormak mobilde en çok işe yarayan kullanım.
4. Sesli konuş. Yazmaktan hızlı ve yürürken çalışıyor.
5. Klavye entegrasyonunu kur. Bazı uygulamalar klavye eklentisi sunuyor; herhangi bir uygulamanın içinden metin düzelttirebiliyorsun.

Dikkat: mobil uygulamalar konum, kişiler ve fotoğraf izni isteyebiliyor. Hangisini gerçekten gerektirdiğini düşün — sohbet botunun kişi listene erişmesi için sağlam bir sebep olması lazım.

---

Yapay zeka ile neler yapılıyor?

Somut işler üzerinden gidelim. Aşağıdaki tablo, günlük işleri hangi araç türünün karşıladığını ve ücretsiz katmanın yetip yetmediğini özetliyor.

Yapmak istediğin	Ne tür araç	Ücretsizle olur mu
Metin yazma, özetleme, çeviri	Genel sohbet botu	Evet, rahatlıkla
Uzun doküman/PDF okuma	Geniş bağlamlı model veya doküman aracı	Kısmen — sayfa limitine takılırsın
Kaynaklı araştırma	Arama entegre model	Evet
Görsel üretme	Metinden görsele model	Kısmen — filigran ve kota çıkar
Video üretme	Metinden videoya model	Zorlukla — süre ve çözünürlük kısıtlı
Ses klonlama, seslendirme	Ses modeli	Kısmen — ticari kullanım genelde ücretli
Toplantı notu, transkripsiyon	Transkripsiyon aracı	Evet, aylık dakika limitiyle
Kod yazma ve hata ayıklama	Kod asistanı	Evet
Tablo ve veri analizi	Kod çalıştırabilen model	Evet
Çok adımlı işi devretme	AI ajan	Sınırlı

Bu satırların her birinin altında ayrı bir rehber var: çeviri, görsel tasarım, ses klonlama, toplantı transkripsiyonu, veri analizi, PDF ve doküman işleme.

Kurumsal tarafta tablo biraz farklı. Şirketlerde en çok kullanılan üç alan müşteri desteği (otomatik yanıt ve yönlendirme), belge işleme (fatura, sözleşme, başvuru okuma) ve tahmin (talep, stok, arıza). Buradaki asıl kazanç yaratıcılık değil, hacim — bir insanın yapabileceği işi bin kez yapabilmek.

---

Yapay zeka faydaları nelerdir?

Dürüst liste, hem kazandırdığı hem kazandırmadığıyla.

Gerçekten kazandırdıkları:

• Boş sayfa problemi biter. Sıfırdan başlamak yerine kötü bir taslağı düzeltirsin. Çoğu insan için en büyük tek fayda bu.
• Ölçek. 300 müşteri yorumunu tek tek okumak yerine on dakikada temalarına ayırırsın.
• Uzmanlık eşiği düşer. Kod yazmayı bilmeden çalışan bir script, hukuk bilmeden okunabilir bir sözleşme özeti.
• Dil engeli kalkar. Türkçe kaynak yetersiz kaldığında İngilizce literatüre erişmen için artık İngilizce bilmen şart değil.
• 7/24 ve tutarlı. Yorulmaz, ruh hali değişmez, gece üçte de aynı kalitede cevap verir.

Kazandırdığı sanılan ama kazandırmadıkları:

• Doğruluk garantisi. Model doğru olanı değil olası olanı üretir. Kontrol maliyeti sende kalır.
• Yargı. "Bu işi yapmalı mıyım" sorusunun cevabı modelde yok; model sadece "nasıl yapılır"ı biliyor.
• Sıfır emek. İyi çıktı, iyi girdi ister. Kötü brief'ten kötü metin çıkar — sadece daha hızlı çıkar.
• Otomatik tasarruf. Kontrol, düzeltme ve doğrulama süresi hesaba katılmadığında "üç saatlik iş üç dakikaya indi" iddiası çoğu zaman şişik.

---

Yapay zekaya nereden girilir?

Bu sorunun cevabı sandığından kısa: tarayıcıya adresi yaz, e-posta ile kaydol, sor. Kurulum yok, kart bilgisi yok.

• ChatGPT → chatgpt.com — en yaygın, en çok entegrasyona sahip. Kullanım rehberi
• Claude → claude.ai — uzun metinde ve yazı kalitesinde öne çıkıyor
• Gemini → gemini.google.com — Google hesabınla çalışıyor, arama ile iç içe. Kullanım rehberi
• Perplexity → perplexity.ai — cevabı kaynak linkleriyle veriyor, araştırma için pratik. Kullanım rehberi
• Copilot → copilot.microsoft.com — Microsoft hesabıyla, Office'e gömülü

Hangisiyle başlayacağını seçemiyorsan cevap şu: fark etmez, üçünü de aç. Üçü de ücretsiz, üçünde de aynı soruyu sorup hangisinin cevabını beğendiğine bak. Bu karşılaştırmayı iş bazında yapan bir rehber de var: hangi yapay zeka modelini ne için kullanmalısın.

Yapay zeka kullanmak ücretli mi?

Hayır, başlamak ücretsiz. Yukarıdaki beş aracın da gerçek bir ücretsiz katmanı var — deneme süresi değil, süresiz ücretsiz kullanım. Günlük mesaj sınırı ve bazı özelliklerin kilitli olması karşılığında.

Ücretli katmanın gerçekte ne sattığını netleştirelim, çünkü burada yanlış beklenti çok:

Ne alıyorsun	Ücretsiz	Ücretli (~20 USD/ay)
Model zekası	Çoğu zaman aynı ya da bir kademe altı	En güçlü modele erişim
Kullanım limiti	Düşük, sık dolar	Yüksek
Cevap hızı	Yoğunlukta yavaşlar	Öncelikli
Ek özellikler	Kısıtlı	Dosya, ses, ajan, proje alanları

Yani para vermenin asıl karşılığı daha akıllı yapay zeka değil, daha çok yapay zeka. Türkiye'den bakınca bir de kur boyutu var: 20 dolarlık abonelik her kur hareketinde farklı bir rakam. Üç ayrı platforma birden abone olmak çoğu kişi için israf — bir hafta hepsini ücretsiz kullan, en çok elini uzattığın hangisiyse ona abone ol.

Üçüncü bir yol daha var: açık ağırlıklı modelleri ücretsiz API'lerden ya da kendi bilgisayarından çalıştırmak. Sıfır maliyetle çalışan bir kurulumu ücretsiz AI ajan rehberinde anlattım — ama "ücretsiz"in gerçek faturasını da yukarıda bağladığım yerel AI yazısında görmeni öneririm.

Yapay zekayı nasıl kullanmalıyım?

Aynı araçtan çok farklı sonuçlar alınmasının sebebi araç değil, promptimodele verdiğin talimat metni. Beş kural:

1. Rol ve hedef ver. "Bir e-posta yaz" değil; "Geciken bir teslimat için müşteriye özür maili yaz, resmi ama soğuk olmayan bir ton, 120 kelimeyi geçmesin."
2. Bağlamı yapıştır. Modelin senin dosyanı, sözleşmeni, verini görmesi lazım. Anlatma, yapıştır.
3. Örnek göster. Beğendiğin bir metni örnek verip "bu tonda yaz" demek, on cümlelik tarif yazmaktan daha etkili.
4. Tek seferde bitirmeye çalışma. İlk çıktıyı ham madde say, üstüne "üçüncü paragraf fazla resmi, sadeleştir" diye git.
5. Çıktıyı doğrula. Rakam, isim, tarih, link — hepsi kontrol edilir. Bu adımı atlarsan kazandığın zamanı bir düzeltme kriziyle geri ödersin.

Platform bazında değişen ince ayarları ChatGPT, Claude ve Gemini'de prompt yazma rehberinde topladım.

---

Yapay zekanın sınırları ve riskleri

Bu bölüm sayfanın en çok atlanan ama en çok işe yarayan kısmı.

Halüsinasyon. Yukarıda anlattım: model uydurur ve uydururken emin görünür. En tehlikeli olduğu yerler hukuk, sağlık, finans ve akademik atıf.

Önyargı. Model eğitim verisindeki eğilimleri öğrenir. İnternet metni belirli dilleri, coğrafyaları ve bakış açılarını fazla temsil ediyor; model de bunu yansıtıyor. AI önyargısıimodelin eğitim verisindeki eşitsizlikleri öğrenip çıktılarında sürdürmesi özellikle işe alım, kredi ve sigorta gibi karar destek sistemlerinde somut zarar üretiyor.

Veri gizliliği. Buluta yazdığın her şey üreticinin sunucusuna gidiyor. Çoğu platform ücretli/kurumsal katmanda "verini eğitimde kullanmıyoruz" taahhüdü veriyor, ücretsiz katmanda vermeyebiliyor. Müşteri verisi, kimlik bilgisi, sözleşme metni, hasta bilgisi buluta yapıştırılmadan önce o platformun politikası okunur. KVKK açısından da bu bir veri aktarımıdır ve şirket sorumluluğu doğurur.

Prompt enjeksiyonu. Modele okuttuğun bir web sayfası ya da dosya, modele gizli talimat verebiliyor. Ajanlarda ciddi bir açık — nasıl çalıştığını ve nasıl korunacağını prompt injection yazısında anlattım.

Deepfake ve sahtecilik. Ses klonlama artık birkaç saniyelik örnekle çalışıyor; telefonla dolandırıcılıkta kullanılıyor. Bir içeriğin yapay zeka üretimi olup olmadığını nasıl anlayacağını yapay zeka mı yaptı rehberinde topladım — kısa cevabı: AI dedektörlerine güvenme.

Telif ve sahiplik. Modellerin telifli içerikle eğitilmesi dünya çapında dava konusu. Ürettiğin içeriğin telif durumu ülkeye ve platforma göre değişiyor; ticari kullanımda platformun şartlarını okumak gerekiyor.

Bilgi kesim tarihi. Model, eğitildiği tarihten sonrasını bilmez. Bilgi kesim tarihiimodelin eğitim verisinin bittiği tarih; sonrasını bilmez geçmiş bir soruda modele "bilmiyorum" dedirtmez — uydurtabilir. Web araması açık değilse güncel soruyu modele sorma.

[mindi_yorum]
💰 Kurumsal katmanların asıl sattığı şey zeka değil sözleşme: veri işleme taahhüdü, saklama süresi, denetim izi. Fiyat farkını buraya bakarak değerlendir.
🟢 Modelin "bilmiyorum" diyebilmesi bir kalite göstergesi — en iyi modeller bunu en çok yapanlar.
🟡 Ücretsiz katmanda yazdıklarının eğitimde kullanılması birçok platformda varsayılan açık geliyor; ayarlardan kapatılabiliyor ama kimse sana söylemiyor.
🔵 Şirkette kullanacaksan tek satırlık bir kural yaz: "müşteri adı, TCKN, sözleşme metni ve fiyat listesi sohbet kutusuna girmez." Uzun politika kimse okumuyor, tek satır tutuyor.

---

Kurallar: AB Yapay Zeka Yasası ve Türkiye

AB Yapay Zeka Yasası (AI Act) takvimi

Dünyanın ilk kapsamlı yapay zeka mevzuatı olan AB Yapay Zeka Yasası 1 Ağustos 2024'te yürürlüğe girdi ve kademeli olarak uygulanıyor. Türkiye'den AB'ye ürün ya da hizmet veren şirketleri doğrudan ilgilendiriyor.

Tarih	Ne yürürlüğe giriyor
2 Şubat 2025	Yasaklı uygulamalar ve yapay zeka okuryazarlığı yükümlülüğü
2 Ağustos 2025	Genel amaçlı yapay zeka modelleri için yükümlülükler
2 Ağustos 2026	Kuralların büyük çoğunluğu + denetim ve yaptırım başlıyor
2 Aralık 2026	Deepfake ve ilgili içeriklere dair yeni yasaklar
2 Aralık 2027	Ek III kapsamındaki yüksek riskli sistemler
2 Ağustos 2028	Ek I kapsamındaki ürünlere gömülü yüksek riskli sistemler

Dikkat çeken nokta: yüksek riskli sistemlere dair yükümlülükler başta Ağustos 2026 olarak planlanmıştı, "Dijital Omnibus" düzenlemesiyle Aralık 2027'ye ertelendi. Yani "AI Act 2026'da tam yürürlükte" diye okuduğun her metin eksik — şeffaflık ve yaptırım başlıyor, yüksek risk rejimi bir yıl dört ay sonrasına kaydı.

Türkiye'de durum

Türkiye'nin yapay zekaya özel yürürlükte bir kanunu yok. Meclise sunulmuş kanun teklifleri var, komisyon aşamasında; yasalaşmış bir metin bulunmuyor. Bugün için geçerli çerçeve KVKK (kişisel veri), tüketici mevzuatı, fikri mülkiyet ve sektörel düzenlemelerin toplamı.

Politika tarafında ise çok taze bir gelişme var: Türkiye Yapay Zekâ Eylem Planı (2026–2030), 17 Ağustos 2026 tarihli Cumhurbaşkanlığı Genelgesi (2026/9) ile 18 Ağustos 2026'da Resmî Gazete'de yayımlandı. 2021–2025 dönemini kapsayan Ulusal Yapay Zekâ Stratejisi'nin yerini alıyor. Koordinasyon Sanayi ve Teknoloji Bakanlığı'nda; plan "Fark Et, İstifade Et, Üret, Yönet" başlıklı dört sütun üzerine kurulu.

Genelgenin kendisi çerçeveyi ilan ediyor, sayısal hedefler bakanlığın açıkladığı plan metninde. Öne çıkanlar: 2030'a kadar en az 1 gigawatt veri merkezi kapasitesi, veri merkezi ve yapay zeka altyapısı için en az 10 milyar dolarlık kaynak seferberliği, kamu yatırım programının en az %2'sinin yapay zeka projelerine ayrılması, iki yılda 5 milyon kişiye yapay zeka okuryazarlığı eğitimi ve 2027 sonuna kadar 10.000 ileri düzey uzman yetiştirilmesi.

Bu hedefler bir taahhüt, bir sonuç değil — planın nasıl gittiği ancak yıllık raporlarla ölçülecek. Ama yönü net: devlet tarafında yapay zeka artık strateji belgesi değil, bütçe kalemi.

---

Türkiye yapay zekayı nasıl kullanıyor?

Rakamlarla bakınca ilginç bir tablo çıkıyor: bireyler koşuyor, şirketler yürüyor.

TÜİK'in Ekim 2025'te yayımladığı ilk Yapay Zeka İstatistikleri bültenine göre Türkiye'de bireylerin %19,2'si üretken yapay zeka kullandığını beyan ediyor. 16-24 yaş grubunda bu oran %39,4'e çıkıyor, 65-74 yaşta neredeyse sıfıra iniyor. Şirket tarafında ise 10+ çalışanlı girişimlerin yalnızca %7,5'i herhangi bir yapay zeka teknolojisi kullanıyor — 2021'deki %2,7'ye göre üç katına yakın bir artış, ama hâlâ düşük. 250+ çalışanlı büyük şirketlerde oran %24,1'e fırlıyor.

Kullanmayan şirketlerin gerekçeleri de net: %74,2 uzmanlık eksikliği, %67,4 maliyet, %62,4 hukuki belirsizlik. Türkiye'de kurumsal yapay zekanın önündeki engel teknoloji değil, insan ve mevzuat.

Bir de tek araca bağımlılık boyutu var. We Are Social ve Meltwater'ın Digital 2026 Global Overview raporuna göre Türkiye'deki yapay zeka web trafiğinin %94,49'u ChatGPT'ye gidiyor; küresel ortalama %80,92. Yani Türkiye, ChatGPT'nin toplam AI trafiği içindeki payında dünyanın en yoğun pazarlarından biri.

Bu tabloyu daha ayrıntılı rakamlarla Türkiye'de yapay zeka kullanımı sayfasında açtım.

Türkiye ne için kullanıyor? Anthropic verisi ne diyor

Anthropic'in kamuya açık Economic Index veri setinde Türkiye'nin de profili var ve TÜİK'in ölçmediği bir şeyi gösteriyor: ne için kullanıldığını. Veriler, Claude ile yapılan anonimleştirilmiş konuşmaların içeriğinin iş görevleriyle eşleştirilmesinden geliyor — kimin kullandığını değil, hangi tür işin konuşulduğunu ölçüyor.

Mayıs 2026 dönemine ait tablodan üç çıkarım:

1. Türkiye'de yazılım ağır basıyor. Konuşmaların %18,7'si yazılım geliştirme başlığında; dünya ortalaması %11,5. Mühendislik ve mimarlık kategorisi de küresel ortalamanın %40 üstünde. Türkiye'nin yapay zeka kullanımı, teknik işlerin etrafında yoğunlaşmış durumda.

2. Kişisel kullanım işi geçiyor. Türkiye'de konuşmaların %43,3'ü kişisel hayata, %40,4'ü işe ait. Dünyada tam tersi — %43,4 iş, %40,2 kişisel. Yani Türkiye'de yapay zeka henüz ağırlıklı olarak iş masasına değil, günlük hayata oturmuş.

3. Nüfusa göre kullanım ortalamanın altında. Anthropic Kullanım Endeksi — bir ülkenin Claude kullanımındaki payının, çalışma çağındaki nüfustaki payına bölümü; 1,0 nüfusla tam orantılı kullanım demek — Türkiye için 0,64. 121 ülke arasında 74. sırada. Kullanım hevesi yüksek ama hacim henüz nüfusun öngördüğü seviyenin altında.

Bu veriler tek bir platformun gözlemlenen kullanımını yansıtıyor; iş piyasası, istihdam ya da otomasyon hakkında sonuç çıkarmak için kullanılamaz. Yöntem ve tüm veri seti anthropic.com/economic-index adresinde açık.

---

Yapay zekanın kısa tarihi

Bugünü anlamak için yetecek kadarıyla:

Yıl	Olay	Neden önemli
1950	Alan Turing, "Computing Machinery and Intelligence" makalesini yayımladı	Makinenin düşünüp düşünemeyeceği sorusunu test edilebilir hale getirdi (Turing Testi)
1956	Dartmouth Konferansı	"Artificial intelligence" terimi ilk kez kullanıldı; alan resmen doğdu
1966	ELIZA	İlk sohbet programı; basit kalıplarla insanları ikna edebildiği görüldü
1970'ler–80'ler	AI kışları ve uzman sistemler	Beklenti balonları patladı, fon kesildi; kural tabanlı sistemler ticarileşti
1997	Deep Blue, Kasparov'u yendi	Makine, dünya şampiyonunu satrançta ilk kez yendi
2012	AlexNet, ImageNet yarışmasını kazandı	Derin öğrenmenin ekran kartlarıyla ölçeklenebildiği anlaşıldı — modern dalganın başlangıcı
2016	AlphaGo, Lee Sedol'u yendi	Go, kaba kuvvetle çözülemeyecek kadar büyüktü; sezgi benzeri bir yetenek gösterildi
2017	"Attention Is All You Need"	Transformer mimarisi yayımlandı; bugünkü tüm büyük dil modellerinin temeli
2020	GPT-3	Ölçek büyüdükçe modelin eğitilmediği işleri de yapabildiği görüldü
Kasım 2022	ChatGPT	Teknoloji ilk kez sohbet kutusuyla herkese açıldı; benimseme patladı
2024–2026	Akıl yürüten modeller, çoklu ortam, ajanlar	Model cevap vermekten iş yapmaya geçti; rekabet açık ağırlıklı modellerle sertleşti

Bu tablonun anlattığı asıl hikâye şu: yapay zeka 70 yıldır düz bir çizgide ilerlemedi. İki büyük "AI kışı" yaşandı — beklentinin sonucu aştığı, paranın kesildiği dönemler. Bugünkü coşkunun da bir sınırı olup olmadığı açık bir soru.

---

Sonuç: şimdi ne yaparsın

Okuduklarını kullanılabilir hale getirmenin en kısa yolu:

1. Bugün yapman gereken gerçek bir işi seç. Örnek prompt deneme — asıl işini ver. Bir mail, bir özet, bir tablo, bir araştırma.
2. Aynı işi iki farklı araca yaptır. ChatGPT ve Claude, ya da Gemini ve Perplexity. Karşılaştırma, tek denemeden çok daha fazlasını öğretir.
3. Çıktıyı ham madde say, düzelt. İlk cevabı kabul etme; "şurası fazla resmi, şu kısım eksik" diye ilerle.
4. Her rakamı, ismi ve linki doğrula. Bu adım pazarlıksız. Bir kez atlarsan bir daha güvenemezsin.
5. Bir hafta sonra karar ver. En çok elini uzattığın araç hangisiyse ona abone ol — ya da ücretsizde kal, çoğu insan için yetiyor.
6. Hassas veri kuralını bugün koy. Şirkette kullanacaksan tek satırlık kural yaz ve uygula.

İçerik üretiyorsan ve yazdığının yapay zeka asistanlarının cevaplarında kaynak gösterilmesini istiyorsan, GEO rehberi o işin nasıl yürüdüğünü rakamlarla anlatıyor.

Bir sonraki adım için: hangi modelin hangi işte iyi olduğuna model karşılaştırmasından, terimlerin tanımına yapay zeka terimleri sözlüğünden, araçların tam listesine araçlar sayfasından ulaşabilirsin.

---

Sıkça sorulan sorular

Yapay zeka nedir, kısaca?
İnsanın zihinsel işlerini — anlama, öğrenme, üretme — bilgisayarda taklit eden yazılımların ortak adı. Bugünkü örneklerin çoğu, veriden örüntü öğrenip o örüntüyle tahmin üreten makine öğrenmesi sistemleri.

Yapay zekanın çalışma mantığı nedir?
Kural yazmak yerine örnek göstermek. Model, milyonlarca örnek üstünde ağırlıklarını ayarlayarak girdi-çıktı ilişkisini öğrenir; sonra yeni bir girdi geldiğinde en olası çıktıyı tahmin eder. Dil modelleri bunu token token yapar.

Yapay zeka nasıl yapılıyor?
Üç aşamada: devasa veriyle ön eğitim, insan geri bildirimiyle ince ayar, sonra yayına alıp çıkarım. İlk aşama on milyonlarca dolarlık hesaplama gücü gerektirdiği için dünyada bunu yapabilen şirket sayısı iki elin parmaklarını biraz aşıyor.

Yapay zekayı kim yapar?
Temel modelleri OpenAI, Anthropic, Google DeepMind, xAI gibi kapalı ağırlıklı laboratuvarlar ve Meta, Mistral, DeepSeek, Alibaba, NVIDIA gibi açık ağırlıklı üreticiler yapıyor. Kullandığın araçların çoğu model üretmiyor, bu modellerin API'si üstüne ürün kuruyor.

Yapay zeka nerede çalışır?
Üç yerde: üreticinin veri merkezinde (ChatGPT, Claude, Gemini), cihazının kendi çipinde (telefon kamerası, klavye tahmini) ya da senin bilgisayarında (açık ağırlıklı modeller). Nerede çalıştığı, verinin nereye gittiğini belirler.

Yapay zekaya nereden girilir?
Tarayıcıdan chatgpt.com, claude.ai, gemini.google.com, perplexity.ai veya copilot.microsoft.com adreslerine gidip e-postayla kaydolman yeterli. Kurulum ve kart bilgisi gerekmiyor.

Yapay zeka kullanmak ücretli mi?
Başlamak ücretsiz — beş büyük aracın da süresiz ücretsiz katmanı var. Ücretli katman (aylık ~20 USD) daha akıllı model değil, daha yüksek limit, daha hızlı cevap ve ek özellikler satıyor.

Yapay zekayla hangi işler yapılabilir?
Metin yazma, özetleme, çeviri, doküman okuma, kaynaklı araştırma, görsel ve video üretimi, seslendirme, transkripsiyon, kod yazma, veri analizi ve çok adımlı işlerin ajanlara devri. Bunların büyük kısmı ücretsiz katmanda da yapılabiliyor.

Yapay zeka örnekleri nelerdir?
Harita uygulamasının trafik tahmini, bankanın dolandırıcılık tespiti, spam filtresi, telefon kamerasının gece modu, Netflix ve Spotify önerileri, klavye tahmini ve sohbet botları. Çoğu 2022'den önce de vardı; yeni olan konuşarak erişilebilir hale gelmesi.

Telefonda yapay zeka nasıl kullanılır?
Cihazında hazır gelen asistanı aç ya da uygulama mağazasından resmi uygulamayı indir. Mobilin asıl avantajı kamera: fotoğrafı çekip "bu ne" diye sormak masaüstünde olmayan bir kullanım. Sahte klon uygulamalara karşı geliştirici adını kontrol et.

Yapay zekanın asıl amacı nedir?
Akademik tarafta zekanın nasıl çalıştığını inşa ederek anlamak; pratik tarafta insanın yaptığı bilişsel işi ucuzlatmak ve ölçeklemek. Uzun vadeli hedef olan yapay genel zeka ise henüz yok.

Bir yapay zeka uygulaması nasıl yapılır?
Sıfırdan model eğitmeye gerek yok. Üç yol: kodsuz platformlarla akış kurmak, bir modelin API'sini çağırmak, ya da RAG veya fine-tuning ile modeli kendi verinle özelleştirmek. Çoğu iş için RAG yeterli ve fine-tuning'den çok daha ucuz.

Yapay zeka güvenilir mi?
Kısmen. Uydurma bilgi (halüsinasyon) üretebiliyor, eğitim verisindeki önyargıları taşıyor ve buluta yazdığın veri üreticinin sunucusuna gidiyor. Kritik kural: model çıktısındaki her rakam, isim, tarih ve link doğrulanmadan kullanılmaz.

Yapay zeka Türkiye'de ne kadar kullanılıyor?
TÜİK'in Ekim 2025 verisine göre bireylerin %19,2'si üretken yapay zeka kullanıyor; 16-24 yaşta oran %39,4. 10+ çalışanlı şirketlerde ise kullanım %7,5'te kalıyor. Kullanmayan şirketlerin %74,2'si gerekçe olarak uzmanlık eksikliğini gösteriyor.

---

Kaynaklar: AB Yapay Zeka Yasası takvimi — Avrupa Komisyonu AI Act Service Desk. Türkiye Yapay Zekâ Eylem Planı (2026-2030) — Cumhurbaşkanlığı Genelgesi 2026/9, Resmî Gazete, 18 Ağustos 2026; sayısal hedefler için plan metninin dökümü. Türkiye kullanım oranları — TÜİK Yapay Zeka İstatistikleri 2025 (Bülten No. 57945, Ekim 2025). ChatGPT trafik payı — We Are Social / Meltwater Digital 2026 Global Overview. Kullanım kırılımı — Anthropic Economic Index, Mayıs 2026 dönemi, CC BY 4.0. Transformer mimarisi — Vaswani ve ark., "Attention Is All You Need", 2017.