a16z Raporu: Fortune 500 Şirketlerinin %29'u AI, Kodlama ve Müşteri Destek Lideri Kabulü İçin Ödeme Yapıyor

Yazar: a16z

Derin Akış TechFlow

Derin Akış Özet: MIT, şirketlerin %95'lik生成 yapay zeka pilot projelerinin dönüşüm başarısızlığını iddia ederken, a16z portföy şirketlerinin doğrudan verileriyle bu iddiayı çürüttü. Fortune 500 şirketlerinin %29'u ve Global 2000 şirketlerinin %19'u öncü AI startup'ların ücretli müşterileri haline geldi; programlama araçları, en iyi mühendislerin verimliliğini 10-20 kat artırdı. Bu 23.928 kelime uzunluğundaki rapor, iç verilere dayanarak hangi AI senaryolarının gerçek değer yarattığını ve hangilerinin hâlâ kavramsal bir hava ile dolu olduğunu ortaya koyuyor.

Yapay zekânın büyük işletmelerde ne kadar ilerleme kaydettiği hakkında birçok spekülasyon var, ancak mevcut bilgilerin çoğu, kendinden raporlama temelli yapay zeka kullanımına veya niteliksel alıcı duygularını yakalayarak, katı verileri değil, anketlere dayanıyor. Ayrıca, mevcut az sayıdaki araştırmalardan bazıları, yapay zekânın işletmelerde başarısız olduğunu iddia ediyor; en dikkat çekeni, %95'lik生成 yapay zeka pilot projelerinin dönüşüm sağlayamadığını iddia eden MIT araştırması.

İç verilerimiz ve şirket yöneticileriyle yaptığımız görüşmeler ışığında, bu istatistiğin inanılmaz olduğunu tespit ettik. AI'nın nerede en çok benimsendiğini ve ROI'nin nerede açıkça belirgin olduğunu yakından takip ederek, kurumsal AI'da gerçekten etkili olan somut verileri derledik.

Analizlerimize göre, Fortune 500 listesindeki %29 ve Global 2000 listesindeki yaklaşık %19, öncü AI startup'ların aktif ödeme yapan müşterileridir.

Bu istatistiğe uyabilmek için bu şirketler, AI startup'larıyla yukarıdan aşağıya doğru sözleşmeler imzalamış, pilotları başarıyla dönüştürmüş ve ürünlerini organizasyonlarında başlatmış olmalıdır.

Bu kadar kısa bir sürede bu düzeyde nüfuslanma sağlamak önemli, çünkü Fortune 500 şirketleri teknoloji erken benimseyicileri olarak bilinmez. Tarihsel olarak, birçok startup ilk ilerlemeyi diğer startlara satış yaparak elde etmek zorunda kalır, birkaç yıl sonra ilk kurumsal sözleşme imzalar ve Fortune 500 büyüklüğünde müşterilerle anlaşma yapabilmek için daha fazla gelir ve zaman gerekir.

Yapay zeka bu normu devirdi. OpenAI, Kasım 2022'de ChatGPT'yi piyasaya sürerek hem tüketicilere hem de işletmelere yapay zekanın potansiyelini hemen gösterdi. Bu adım, önceki nesil teknolojilerin asla tetiklememiş olduğu bir yapay zeka ilgi fırtınasını serbest bıraktı ve büyük şirketler, daha önce hiç olmadığı kadar yeni ürünler üzerine erken yatırım yapmaya istekli hale geldi. Sonuç: Sadece üç yıldan biraz daha sonra, Fortune 500 şirketlerinin neredeyse üçte biri ve Global 2000 şirketlerinin beşte biri, organizasyonlarında gerçek bir kurumsal yapay zeka uygulamasına sahip.

Bu tür bir kullanım nerede en hızlı gerçekleşir ve bu, modelin temelde daha iyi yaptığı işlere nasıl eşlenir?

En göstergeci değerlendirme yöntemimiz, her senaryonun gelir dinamiklerini, OpenAI'nin bilinen bir referansı olan GDPval tarafından tanımlanan model teorik kapasitesiyle birleştirmektir; GDPval, modellerin gerçek dünya ekonomisinde değerli görevlerdeki yeteneklerini değerlendirir. Bizim için bu iki faktör, modellerin ne kadar iyi olabileceğini ve bugün ne kadar değer sunduğunu özetler. Bu da onları, AI benimsemenin bugün nerede olduğunu, nereye doğru gittiğini ve model yetenekleri olgunlaşmasına rağmen hâlâ askıda kalan AI benimseme yönlerini anlamak için çok açık hale getirir.

Gelir trendi açısından, şirketlerin AI benimseme eğilimi, belirli bir kullanım durumu ve sektör öncülüğünde gerçekleşmektedir. Programlama, destek ve arama şu ana kadar tüm kullanım durumlarının büyük kısmını temsil etmektedir (programlama, bu grupta bile bir sıralama farkıyla dışlanmıştır), ayrıca teknoloji, hukuk ve sağlık sektörleri AI benimsemede en istekli alanlardır.

Programlama: Programlama, AI'nın öncü kullanım durumudur ve neredeyse bir büyüklük sırası kadar öne çıkmaktadır. Bu, Cursor gibi şirketlerin raporladığı patlayıcı büyüme ve Claude Code ile Codex gibi araçların aşırı hızlı büyümesinde açıkça görülmektedir. Bu büyüme oranları, neredeyse herkesin en iyimser tahminlerini aşmıştır ve şu ana kadar Fortune 500/Global 2000 şirketlerinin AI araçlarını benimsemesinin büyük çoğunluğu kodlama alanında gerçekleşmiştir.

Programlama, hem teknik yetenekler hem de kurumsal pazar kabulü açısından AI için ideal bir kullanım senaryosudur. Kod, veri yoğunudur, bu da modellerin eğitimi için çevrimiçi üzerinde kaliteli kodların bolca bulunması anlamına gelir. Ayrıca metin tabanlıdır ve modellerin kolayca ayrıştırılmasını sağlar. Kesin ve açık bir yapıya sahiptir, katı bir sözdizimi ve öngörülebilir sonuçlar sunar. Önemli olan, doğrulanabilir olmasıdır: herkes kodu çalıştırabilir ve bunun çalışıp çalışmadığını bilebilir; bu da modelin öğrenmesi ve geliştirilmesi için sıkı bir geri bildirim döngüsü oluşturur.

İş açısından bakıldığında bu, harika bir uygulamadır. Portföy şirketlerinden sürekli olarak, en iyi mühendislerinin üretkenliğinin AI kodlama araçları sayesinde 10-20 kat arttığını duyuyoruz. Mühendis istihdam etmek her zaman zor ve pahalı olmuştur; bu nedenle üretkenliklerini artıran her şeyin net bir ROI'si vardır—AI kodlama araçları tarafından sağlanan artış, benimsenme için büyük bir teşvik oluşturur. Mühendisler aynı zamanda en iyi araçları arayan erken benimseyicilerdir, çünkü programlama, çoğu iş aktivitesine kıyasla daha bireysel bir görevdir ve mühendisler, işletmelerin birçok diğer fonksiyonunu zorlayan koordinasyon ve bürokrasiyle uğraşmadan kolayca en iyi aracı bulup benimseyebilirler.

Ayrıca, programlama araçlarının 100% uçtan uca görevi tamamlaması gerekmez; çünkü hataları bulma veya şablon kod oluşturma gibi herhangi bir hızlandırma hala zaman tasarrufu sağlar ve faydalıdır. Programlama, sıkı bir insan-döngüsü iş akışına sahip olduğundan, geliştiriciler bugün hala geliştirme sürecini denetliyor; bu araçlar çıktıları hızlandırırken, insan yargılarının incelemesi, düzenlemesi ve yinelemesi için hâlâ yer bırakıyor. Bu, hem kurumsal güveni artırıyor hem de benimseme yolunu daha sorunsuz hale getiriyor.

Programlama becerileri üssel olarak artıyor ve her laboratuvar, kodu kullanım durumu olarak kazanmaya odaklanıyor. Bu büyük bir etkiye sahip. Kod, tüm diğer uygulamaların üst akışıdır, çünkü her yazılımın temel yapı taşıdır; bu nedenle AI'nın kod üzerindeki hızlandırma etkisi, diğer tüm alanları da hızlandırmalıdır. Bu alanlarda kurulma engeli düşüyor ve AI ile çözülebilecek yeni fırsatlar ortaya çıkıyor, ancak aynı erişilebilirlik, başlangıç şirketleri için önceki herhangi bir zamandan daha kritik bir şekilde kalıcı bir rekabet avantajı oluşturmayı zorunlu hale getiriyor.

Destek: Barbellin diğer ucunda, kodun tersine destek sağlar. Yazılım mühendisliği genellikle organizasyonlarda en çok yatırım ve dikkati alır, ancak destek genellikle göz ardı edilir. Destek organizasyonlarındaki işler, arka plan, giriş seviyesi işlerdir ve şirketler bunları yönetmenin çok karmaşık ve yorucu olduğunu düşünerek genellikle offshore şirketlere veya iş süreçleri dışlama (BPO) firmalarına dışarıya verir.

Yönetim konusunda AI'nın başarılı olduğu birkaç neden vardır. İlk olarak, destek etkileşimlerinin çoğu zaman sınırlı ve belirli bir amaçla sınırlıdır (örneğin, para iadesi talebi), bu da ajanta net bir sorun sunar. Destek, görevlerinin net şekilde tanımlanmış tek işlevdir. Destek ekibi büyük ve yüksek dönüşümlüdür, bu nedenle yeni temsilcilerin hızlı ve standartlaştırılmış bir şekilde eğitilmesi gerekir. Bu amaçla, her temsilcinin çalışmalarını yönlendirmek için açıkça tanımlanmış standart operasyon prosedürleri (SOP) mevcuttur. Bu SOP'ler, AI ajantlarının taklit edebileceği net kurallar ve rehberler oluşturur. Bu durum, genellikle daha uzun sürer, daha az net tanımlanmış ve müşteri ile destek temsilcisi dışında daha fazla ilgili tarafı içeren diğer çoğu iş ortamından ayırt eder.

Destek, ROI'yi en net şekilde gösteren iş fonksiyonlarından biridir. Destek, ölçülebilir metrikler üzerine kuruludur: cevaplanan bilet sayısı, müşteri memnuniyeti (CSAT) puanları ve çözülme oranı. Mevcut durumla AI temsilcileri arasındaki herhangi bir A/B testi, AI temsilcileri için olumlu sonuçlar üretir: daha fazla bilet cevaplar, çözülme oranını artırır ve tüketicilerin memnuniyet puanlarını yükseltir—bütün bunlar daha düşük maliyetle. Destek çoğu zaman BPO'lara dış kaynaklanmıştır; bu nedenle AI çözümlerini benimsemek sınırlı bir değişiklik yönetimi gerektirir ve benimseme yolunu daha kolay hale getirir.

Destek, %100 doğru olmasa bile faydalıdır, çünkü insanlara doğal bir geçiş mekanizmasına sahiptir (örneğin, "Sizi yöneticiye yönlendiriyorum"). Bu, satış döngüsünü daha hızlı ilerletir ve pilot AI destek ajantını nispeten düşük riskli hale getirir; en kötü senaryoda, %100 olay basitçe insanlar tarafından çözülecek şekilde yönlendirilecektir.

Sonuç olarak, destek temelde işlem odaklıdır. Müşteriler, diğer tarafta kimin olduğunu umursamaz; bu da desteklerin AI'nın kopyalayamayacağı insan ilişkilerine ihtiyaç duymadığı anlamına gelir. Bu özellikler, Decagon ve Sierra gibi şirketlerin neden bu kadar hızlı büyüdüğünü ve Salient, HappyRobot gibi daha fazla dikey özel destek katılımcısının ortaya çıkmasını açıklar.

Araştırma: Son açıkça şirket piyasası çektirisi olan kategori araştırmadır. ChatGPT'nin ana kullanım senaryosu kendisi bir aramadır; bu nedenle aramanın etkisi, ChatGPT'nin gelir ve kullanımına derinden entegre olabilir ve burada büyük ölçüde altında değerlenmiştir.

AI arama, çok geniş bir kategori olduğu için birçok bağımsız büyük startup'ın ortaya çıkmasına olanak tanır. Kurumsal işletmelerdeki ana sorunlardan biri, çalışanların sistemlerinin farklı kümelerinde ilgili bilgileri kolayca bulup çıkarmasını sağlamaktır. Glean, bu kullanım senaryosu için ana startup sağlayıcısı olarak gelişmiştir. Birçok büyük sektör, çok spesifik endüstri bilgileri (iç ve dış) üzerinde çalışır; Harvey (hukuki aramayla başlamış) ve OpenEvidence (tıbbi aramayla başlamış) gibi şirketler, bu alana odaklanarak temel ürünlerini oluşturarak gelişmiştir.

Teknoloji: Şu ana kadar AI'nın en yaygın olarak benimsendiği sektör teknoloji sektörü. ChatGPT kendisi, ticari kullanıcıların %27'sinin teknoloji sektöründen geldiğini rapor ediyor; Cursor, Decagon ve Glean gibi şirketlerin birçok erken müşterisi teknoloji şirketleri. Teknolojinin neredeyse her zaman erken benimseyici olması ve AI dalgasını başlatan sektör olması nedeniyle bu tamamen şaşırtıcı değil.

Daha da şaşırtıcı olan, tarihte erken benimseyen olarak kabul edilmeyen pazarların bu sefer arzulandığı ortaya çıktı.

Hukuk: Hukuk, AI'da şaşırtıcı şekilde öncü bir sektör olmuştur. Hukuk tarihi boyunca yazılım için zor bir pazar olarak kabul edilmişti, uzun süreli zaman çizelgeleri ve teknik olarak az bilgili alıcılarla.

Çünkü geleneksel kurumsal yazılımlar, avukatların genellikle yaptığı yapılandırılmamış, ince işleri hızlandırmayan statik iş akışı araçları sunar. Ancak AI, teknolojinin avukatlar için değer önerisini daha net hale getiriyor. AI, yoğun metinleri analiz etme, büyük miktarda metinde çıkarım yapma ve yanıt özetleme ile taslak oluşturma konularında ustadir—bunların tümü avukatların sıklıkla yaptığı işlerdir. AI, bireysel avukatların verimliliğini artırmak için sıkça yardımcı sürücü olarak görev yapıyor, ancak bu sınırların dışına da yayılmaya başlamıştır: Bazı durumlarda, avukatlık ofislerinin daha fazla dava işlemesine izin vererek gelir oluşturabilir (Eve gibi, özel olarak talep hukuku ile uğraşan bir örnek).

Sonuç açık. Harvey, kurulduğu 3 yıl içinde yıllık tekrarlayan geliri (ARR) 200 milyon dolar olarak bildirdi; Eve gibi şirketler 450'den fazla müşteriye sahip oldu ve bu sonbaharda 1 milyar dolarlık değerlemeye ulaştı.

Sağlık hizmetleri: Sağlık hizmetleri, AI'ya geleneksel yazılımların hiç olmadığı şekilde tepki veren başka bir pazardır. Abridge, Ambience Healthcare, OpenEvidence ve Tennr gibi şirketler, tıbbi kayıtlar, tıbbi arama veya sağlık hizmetlerinin nasıl sağlanıp finanse edildiğine dair Byzantin kurallarının arka plan otomasyonu gibi ayrık kullanım senaryolarına dayalı olarak gelirlerini çok hızlı bir şekilde artırıyor.

Tıbbi bakım, 1) yüksek beceri gerektiren ve karmaşık işlerin geleneksel iş akışı yazılımlarıyla eşleştirilememesi ve 2) Epic gibi sistemlerin EHR kayıtlarında hakimiyetinin tamamen yeni yazılım sağlayıcılarını baskılaması nedeniyle yazılım benimseme açısından geleneksel olarak yavaş bir pazardı. Ancak AI ile şirketler, tıbbi kayıtçılar gibi idari görevleri değiştirmek veya doktorların daha değerli işlerini desteklemek suretiyle EHR kayıtlarını atlamak için ayrılmış insan işlerini üstlenebiliyor. Bu işler yeterince özgün olduğundan, EHR’yi yıkmak ve değiştirmek gerekmiyor; bu da şirketlerin mevcut yazılım sağlayıcılarını değiştirmeden hızlı bir şekilde genişlemesine izin veriyor.

Bu tahminler en iyi tahminlerdir. Her kategoride oluşan gelir miktarını altında tutabilir ve modelin kapasitesini abartabilir.

Geliri düşük tahmin edebiliriz çünkü:

Gelir analizi, büyük ve bağımsız bir AI işletmesi oluşturmak için yeterince başarılı olan hangi departmanlar ve kullanım senaryolarına dayanmaktadır ve diğer başlangıç şirketlerinin ele aldığı kullanım senaryolarının uzun kuyruğunu hariç tutmaktadır.

Bu pazarların birçoklarında, önemli gelirler elde eden kurumsal olmayan şirket katılımcıları da mevcuttur (örneğin, kodda Codex/Claude Code, hukukta Thomson Reuters’in CoCounsel’i), ancak analizimizi bağımsız startup katılımcılarına odaklıyoruz.

Analizimizde açıklanan birçok görev, model şirketinin temel ürünlerine (örneğin, ChatGPT ve OpenAI arama) entegre edilebilir ancak bu analizde ayrı ayrı ele alınmamıştır.

Bu analiz, tüketiciler veya profesyonel tüketiciler üzerine değil, işletme işleri üzerine odaklanmaktadır. Replit ve Gamma gibi başarılı işler (örneğin, uygulama üretimi ve tasarımı), oldukça sayıda ticari kullanıcıya sahiptir, ancak bugün ana olarak tüketiciler veya profesyonel tüketiciler üzerine odaklanmaktadır. Bu analizin işletme AI'sına ve işletmelerin değer nereden elde ettiğine odaklanması nedeniyle, tüketicilere dayalı işler hariç tutulmuştur.

Yetenek açısından, AI'nın ekonominin farklı sektörlerine etkisini ölçmek son derece zordur, bunu birçok ekonomist denemektedir. İşlerin temel olarak tanımsız ve uzun kuyruklu olması, tamamen otomatikleştirmeyi çok zor hale getirir. Bugün, şirketlerin kısmi otomasyondan ne kadar değer elde edebileceğinin açık olmadığı bilinmektedir—AI yalnızca insan görevlerinin %50'sini yapabiliyorsa, otomatikleştirilemeyen görevlerin önemi, bir darboğaz haline geldikçe artabilir ve bu da onların göreceli değerini artırır. Bu nedenle, bugünün yetenek durumunu aşırı değerlendirebiliriz, çünkü her %1'lik yetenek artışı %1'lik ekonomik değer yaratmaz; ancak göreceli yetenekleri ve her yeni model yayınlandıkça nasıl geliştiğini gözlemlemek hâlâ açıklayıcıdır.

Bu analiz, GDPval benchmark üzerinden en üst düzey değerlendirme modellerinin insan uzmanlarına karşı kazanma oranını ölçer. Buna göre, 2025 sonbaharından beri modellerin ekonomik olarak değerli işlerde önemli ölçüde daha iyi hale geldiği açıktır.

Peki, bu değerlendirme içinde yüksek sıralamaya sahip tüm sektörlerin diğer sektörlerle aynı türde gelir momentumuna sahip olmadığını neden görmediğiz?

AI’yi şimdiye kadar yoğun şekilde benimseyen sektörlerin birkaç ortak özelliği vardır: metin tabanlıdırlar, mekanik ve tekrarlayan işler içerirler, insanların doğrudan katılımını gerektirirler ve insan yargılarını entegre ederler, düzenleyici kısıtlamalar sınırlıdır ve net olarak doğrulanabilir nihai çıktılar sunarlar (örneğin, çalışan kod, çözülmüş destek biletleri). Birçok sektör bu özelliklere sahip değildir. Bunlar ya fiziksel dünyayla ilgilenir, insan ilişkilerine büyük ölçüde bağımlıdır, birçok paydaş arasında belirgin bir koordinasyon maliyeti vardır, düzenleyici veya uyumluluk engelleri getirir ya da doğrulanabilir sonuçlar eksikliğindedir. Gelir momentumu ve model yetenekleri arasında açık bir ilişki olsa da, model yeteneklerinin teorik olarak insan performansının %50’sinin altında olduğu alanlarda (örneğin hukuk), Harvey gibi şirketler, bireysel hukuki işleri güçlendirmek için yan şoför ürünleriyle hızlıca pazar payı kazanabilir ve model gelişmeleriyle birlikte temel ürünlerini sürekli iyileştirebilir.

Burada en dikkat çekici bulgu, model yeteneklerinin hızla gelişiyor olmasıdır. Son 4 ay içinde birkaç alanda büyük ilerlemeler görüldü—muhasebe ve denetim, GDPval üzerinde yaklaşık %20lik bir sıçrama gösterirken, polis/detektif işleri gibi alanlarda bile yaklaşık %30'luk bir iyileşme gözlemlendi. Bu sıçramaların ilgili alanlarda dikkat çekici yeni ürünler ve şirketler ortaya çıkarmasını bekliyoruz. Ayrıca, model şirketleri, elektronik tablolarda ve finansal iş akışlarında temel çalışmalar yaparak, kalıtsal sistemler ve endüstriler üzerindeki zorlu görevleri bilgisayarlarla çözmeyi ve uzun süreli görevlerde anlamlı ilerlemeler sağlamayı açıkça açıkladı; bu da kolayca kısa, sindirilebilir parçalara bölünemeyen tamamen yeni bir iş kategorisini açıyor.

Şirketlerin değerini nereden aldığını ve ROI'yi nasıl düşündüğünü anlamak — ayrıca hangi departmanların çekimi açıkça gördüğünü ve hangilerinin yakında geleceğini — bize AI mimarlarının nerede fırsatlar yaratabileceğini daha net bir şekilde düşünmemizi sağlar.

Teknoloji, hukuk ve sağlık hizmetleri alıcılarına hizmet vermek şimdi açıkça verimli bir toprak olarak görünse de, her kategoride bir "kazanan" olacağını inanmıyoruz. Örneğin, hukuk alanında iç hukuk danışmanları, avukatlık büroları, patent avukatları, talep sahibi avukatlar gibi birçok türde avukat bulunmakta olup, bunların her birinin farklı iş akışları ve çözülebilecek farklı ihtiyaçları vardır. Sağlık alanında da farklı türde doktorlar, sağlık kurumları vb. karışımı nedeniyle aynı durum geçerlidir.

Bu bölümlerin yanı sıra, yeteneklerin güçlendiği ancak gelir açısından hâlâ patlayıcı bir şirket olmayan alanlar da üretken bir düşünme yolu oluşturur. Şu anda birçok iş, model yeteneklerinin ürünleri gerçekten serbest bırakmadan önce kurulmuştur; ancak model serbest bırakması geldiğinde en büyük avantaja sahip olacakları kadar teknik altyapı ve müşteri/pazar bilincine sahiptirler.

Son olarak, laboratuvarın en son araştırmalarını ekonomik olarak değerli çalışmalara nasıl odakladığını takip etmek önemlidir. Uzun vadeli Agent'ların hızlı gelişimi, bilgisayar kullanımına yönelik ciddi yatırımlar ve metin dışındaki modallere (örneğin elektronik tablolar, sunumlar) güvenilir arayüzlerin araştırılması sayesinde, anlamlı bir işletme değeri yaratmak için gerekli olan yapısal altyapıya sahip olan yeni bir startup sınıfı yakında ortaya çıkacaktır.

Veri Yöntemi: Bu veriler, bize bu rapor amaçları için özel verileri paylaşan öncü kurumsal AI startup’larla, açıkça erişilebilir verilerle ve a16z’de startup’lar ve büyük şirketlerle gerçekleştirdiğimiz binlerce diyalogdan analiz edilen anonim verilerden derlenmiştir.