Silicon Valley AI startup, token harcaması ve yönetim modelleri gelişirken dönüşüm yaşıyor

Silicon Valley'lı AI mühendisi Ma Peiyuan, dört yıldan fazla sektör gözlemi temelinde şu anda yaşanan on belirgin değişimi ortaya koydu: İstihdam, uzmanlara değil genel yeteneklilere doğru kayıyor; AI araçları kullanma becerisi, deneyim süresini aşabilir. Organizasyon yapıları daha düzleşmeye doğru ilerliyor; yöneticilerin teknik becerilere sahip olmaları gerekiyor; people manager rolü ortadan kayboluyor. Token kullanımına yönelik yaklaşım, sayısal miktar peşinde koşmaktan verimlilik odaklı hale geliyor; büyük şirketler artık yeniden hesap yapıyor. Model tapınması yıkılıyor; Silicon Valley'de, ucuz ve en üst düzey modelleri birleştiren bir düzenleme popüler hale geliyor. Yeni bir AI altyapısı ortaya çıkıyor; "eğitilemeyen" gerçek sorunları çözebilen dikey AI ajanları hâlâ yatırım değeri taşıyor. Ma Peiyuan, AI alanında bir yılın oldukça uzun bir dönem olduğunu ve çoğu yargıların bir ay içinde bile tersine çevrilebileceğini vurguladı.

Yazan: 36kr

Tüm fikir birliği hızla süresi doluyor

Herkes AI hakkında bir yargı kurmaya çalışıyor, ancak tüm uzlaşmalar hızla geçersiz hale geliyor.

Röportaj | Barai Rüzgâr

Yazı | Deniz Rüzgârı Liu Sijie

Düzenleme | Liu Sijie

Kapak fotoğrafı kaynağı | Görüntüleyen tarafından çekildi

Kaba büyüme aşaması geçti.

Bu, Silicon Valley'de AI girişimlerinin hizasında bulunan Ma Peiyuan'ın son zamanlarda en derin hissi.

2021 yılında lisans mezunuyken, "Amerikan Quora" olarak bilinen Quora'ya girdi, daha sonra AI sohbet robotu toplama platformu Poe'ye geçerek başkan AI mühendisi oldu. 2 ay önce ise Silicon Valley'in en popüler AI Agent startup'ı Cognition'a katıldı.

2026 yılının Mayıs ayında, üç yıldan az bir sürede kurulan bu şirket, 1 milyar doların üzerinde finansman tamamladığını ve değerlemesinin 26 milyar dolara yükseldiğini duyurdu. 8 ay önce değerlemesi 10,2 milyar dolar idi.

Mühendislerin yanı sıra Ma Peiyuan'ın başka bir kimliği de var—Yatırım Avcısı (Venture Scout). Yatırım kurumları için yatırıma değer bulunan AI girişim projeleri arıyor ve her yıl 500.000 ABD doları yatırım limitine sahip.

Mezun olduktan sonraki dört yıldan fazla bir sürede, AI endüstrisi konsensüsüne göre her zaman daha erken harekete geçiyor gibiydi; “agent” kelimesi henüz kimse tarafından net bir şekilde tanımlanmadan önce, ekibi zaten sessizce bir proje başlattı. Anthropic hâlâ bilinmeyen bir isimken, onlar Claude’nin ilk derin kullanıcıları oldu. Ekibin ilk AI sertifikalı mühendisi, ilk AI agent mühendisi oldu ve daha sonra tüm mühendislik ekibini AI ile programlama yapan bir AI Native ekibine dönüştürdü.

Bu farkındalık ve eylem öncülüğü, iki hafta önce “Gelecek İnsanları Laboratuvarı” ile yaptığı görüşmede rastgele “insan yöneticileri yok oluyor” demesiyle en ilginç şekilde doğrulandı; kısa bir süre sonra Tencent ve ByteDance’un orta yönetimi iptal etme haberleriyle bu iddia gerçek oldu.

Değişimler çok hızlı gerçekleşiyor, Silicon Valley'de değişimin yanında yaşamak gerekir.

Bu makaledeki iki röportaj arasındaki iki hafta içinde, Ma Peiyuan, bir önceki röportajında anlattığı Silicon Valley'nin "en pahalı ve en ileri modeli takip etme" mantığının artık geçerli olmadığını fark etti. Şu anda Silicon Valley'de yaygın olan yaklaşım, birçok ucuz modeli ve en üst düzey modeli "farklı şekilde birleştirme ve yönlendirme"dir.

5 saat boyunca Ma Peiyuan ile konuştuk ve neredeyse tamamıyla dünkünün tersini yaptığını fark ettik,硅谷 de aynı. "Tümünü söyleyemem, ama %60'tan fazlasını söyleyebilirim, bir ay sonra tekrar tersine dönebilir."

Geçtiğimiz yıllarda, AI neredeyse Silicon Valley'in tüm varsayılan kurallarını yeniden yazdı: Kimler daha kolay öne çıkıyor, hangi organizasyonlar daha rekabetçi ve hangi harcamalar değerli.

Elbette, bu所谓的“doğru cevaplar” da hızla geçersiz hale geliyor. Yapay zeka alanında bir yıl oldukça uzun bir dönemdir ve birçok yargı bir ay içinde geçersiz kılınabilir.

Aşağıda, Ma Peiyuan'un gözünde oldukça güncel olan 10硅谷 AI gözlemi yer alıyor:

Ma Peiyuan

Ma Peiyuan'un mesleki profili, Silicon Valley'deki AI şirketlerinin en çok sevdiği yetenek modeliyle tamamen örtüşüyor. Geleneksel bir bilgisayar bilimi arka planına sahip değil, yarışmada altın madalya kazanmamış, prestijli üniversitelerin ışığıyla donanmamış ve hatta bir zamanlar bilgisayarlara karşı ilgisi bile yoktu. Ancak geçen dört yıl içinde, Quora'nın reklam ekibinden Cognition'un AI mühendisine kadar yükseldi ve deneyimi, Silicon Valley'deki AI şirketlerinin şu anda en çok aradığı yetenek modelinin her anahtar kelimesini kapsıyor. Deneyimi, sadece bireysel bir gelişim hikayesi değil, aynı zamanda endüstrideki istihdam standartlarındaki değişimin bir örneği.

Gözlem 1: Genel yetenekler, uzmanlığı ezdi

Silikon Vadisi'nde şu anda en çok aranan yetenek profili, belirli bir alanda en derin uzman olan kişi değil, "her şeyde yeterli, açıkça zayıf yönü olmayan" kişidir—endüstri bu duruma polyglot talent diyor, daha basit bir ifadeyle "altıgen savaşçı".

2024 yılında Poe'de, o dönemde tanımı net olmayan bir “agent” projesi başlatıldı. Grup, beni bu yeni çalışan olarak seçtiğinin nedeni oldukça basitti: “hem AI hem de full-stack ve iOS geliştirme deneyimine sahip”. O dönemde gruptaki diğer üyeler çoğunlukla geleneksel makine öğrenimi, arama, reklam ve öneri alanlarından geliyordu ve onların前端 kodlarını yazma bilgisi yoktu; ancak agent tam olarak bir frontend arayüzü yazabilen birine ihtiyaç duyuyordu. Şirketin orijinal AI prompt mühendisliğini yapan kişisi ayrıldıktan sonra, ekip bu boşluğu doldurabilecek kimseyi bulamadı. Tam da bu yüzden, hızlı öğrenebildiğim için hem bu agent için prompt mühendisliğini hem de frontend kod yazımını ben yaptım.

Bu "her şeyden biraz bilen" beceri seti, sonradan iş ararken en değerli sermayem haline geldi. Bana yeni bir alan verirseniz, iki hafta içinde neredeyse tamamen öğrenirim. Ve tam da bu, erken dönem girişimcilerin aradığı özellikti.

İkinci Gözlem: AI'nın doğuştan sahip olduğu beceriler, deneyim yılına kıyasla kısa sürede üstünlük sağlayabilir.

Yapay zeka araçlarının kullanım becerisi, geleneksel anlamda yıl bazlı olarak birikmiş deneyimi doğrudan ezer.

Quora reklam grubundan iOS grubuna geçerken nedenim “konfor bölgesinden çıkmak”tı, ancak o zamanlar iOS konusunda tamamen sıfır deneyime sahiptim. Hızlıca dersler almak yerine, GPT-4’ü ortakım olarak kullandım. Çevremdeki insanlar çok deneyimli iOS mühendisleriydi ve belki de AI’ya inanmazlardı. iOS yazamadım, Swift kodu yazamadım, bu yüzden AI’ye kod yazdırmak için çabaladım.

Sonuç olarak, birkaç aydır yeni başlayan biri olarak, çevremde yıllardır çalışan deneyimli mühendislerin üretkenlik hızını yakaladım ve hatta aştım; iki yıl içinde uzman pozisyonuna ulaştım. Bu, geleneksel terfi sistemlerinde neredeyse imkânsız bir hızdır. Daha önce Facebook'ta en az 4 ila 6 yıl geçmesi gerekirdi ki biri uzman mühendis olabilsin. Google'da bazıları asla uzman mühendis seviyesine ulaşamaz.

Cognition'da 19 yaşında bir mülakatçıyla karşılaştım. Başta 26 yaşında biri olarak 19 yaşındaki biri tarafından "sorgulanmak" beni üzdü; birçok soruya cevap veremedim. Ancak sonra bu durumun, şirketin gerçekten yeteneklere açık olduğunu ve yaşın Silicon Valley'de bir yetenek ölçütü olmadığını gösterdiğini anladım.

Gözlem 3: İş alımı kriterleri tamamen yeniden yazıldı, AI şirketleri aynı şablonu kullanmıyor.

Quora'dan ayrılmadan önce, yaklaşık 20 şirketi dikkatle gözden geçirdim, telefonla görüşüldüklerini de dahil edersem 30 ila 40 şirket oldu. En çok olduğu haftada, 30'dan fazla kariyer danışmanı bana ulaştı.

Bu kadar çok şirketi görüşürken, şu anda AI şirketlerinin işe alım sürecinde tek bir mülakat şablonu olmadığını fark ettim.

Ancak birkaç açık değişiklik var: LeetCode tarzı algoritma sorularının önemi azalıyor ve AI sistem tasarımıyla ilgili en iyi cevaplar her ay değişiyor.

Mülakat yapısı da değişiyor. Çevrimiçi yazılı sınav + work trial, yeni bir kombinasyon haline geldi. Work trial, çok kısa bir “deneme süresi mülakatıdır”. Bazıları 3 saat, bazıları 5 saat, en fazla bir ila iki gün sürer. Karşılaştığım bir mülakatta, bana doğrudan bir kod deposu verildi ve herhangi bir aracı, AI dahil olmak üzere, kullanarak gerçek bir sorunu çözmem istendi. Tamamladıktan sonra, düşünce sürecimi ve sonuçlarımı sunmam gerekti. Tüm süreç, gerçek işe çok yakın hale geldi.

Daha ilginç olanı, AI kullanımının değerlendirilmesi kendisi bile iki farklı modda ayrılıyor. Bazı turda AI kullanımı zorunlu tutuluyor ve nasıl "by code" yaptığınız inceleniyor; ancak bazı turda AI kullanımının kesinlikle yasaklandığı görülüyor, örneğin hata ayıklama (debug) gibi durumlarda, AI destek olmadan hatayı bulup bulamayacağınız test ediliyor; bu da temelde bireysel yazılım mühendisliği becerilerinizi ve zevkinizi ölçmeyi amaçlıyor.

Görüşmeler de çeşitlidir. Örneğin, bazı şirketler benim hangi sektörü satın alması gerektiğini analiz etmemi ister.

Davranış mülakatı (behavior round) da değişti. Artık “en büyük zayıflığınız ve güçlü yönünüz nedir?” veya “arkadaşınızla çatıştığınızda nasıl çözersiniz?” gibi geleneksel sorular değil, insanın gelişim yolculuğunu uzun bir zaman çizelgesi üzerinde inceleyerek, lise döneminden üniversiteye, stajdan işe kadar ilerleyip “yaşam eğiminizi” gözlemleyerek, sizin üssel bir büyüme gösteren biri olup olmadığınızı değerlendirmektedir.

Standart bir cevap olmamasının beklenmedik bir avantajı: kimse soruları ezberleyerek teklif alamaz. Cognition'daki iç önerim bile bana doğrudan şunu söyledi: "Hazırlanma, hazırlık yapacak hiçbir şey olmadığını düşünüyorum."

Silicon Valley'da en iyi insanlar, hiçbir zaman belirli bir şirkete ait olmaz, sadece "o dönemdeki en iyi şirkete" aittir. Yirmi yıl önce Google, on yıl önce Uber ve Robinhood, beş yıl önce Coinbase, şimdi ise AI şirketleri. Silicon Valley, "akıcı bir tabak, sert bir asker"dir. Yeni standartlarla seçilen bu yetenekler, "maaş" değil, bir misyon nedeniyle kalır. En iyi insanları bir araya getiren bu organizasyonlar, AI'nın yeniden şekillendirmesiyle büyük değişiklikler yaşamaktadır.

Gözlem 4: "AI-native" üzerine aşırı ısrar

Silicon Valley şirketlerinin AI-native (AI doğuştan) ihtiyaçları benim tahminimden çok daha fazla. Görüşmeler yaptığım şirketlerin çoğu A serisi, B serisi, bazıları ise tohum serisi. Sıkça sorulan bir soru: Hangi AI araçlarını kullanıyorsunuz? Genellikle kendi yazdığım blogu direkt olarak paylaşıyorum, karşı taraf neredeyse her seferinde “şaşkın kalıyor”.

Sadece AI uygulama geliştirme yapmamı değil, şirket içi AI dönüşümünü ilerletmemi ve ekibimi AI doğuştan bir yapıya kavuşturmamı istiyorlar. Birçok şirket zaten AI ürünlerini geliştiriyor, ancak çalışanlar kendi AI iş akışlarını kurmamış durumda. Ayrıca, her gün uzun süre Twitter’ı tarayıp yeni AI keşiflerini veya verimlilik ipuçlarını zamanında paylaşan kişilere de ihtiyaçları var.

Bu, benim için biraz karşıt geliyor. Geçmişteki bazı “ilgilerim”, örneğin Claude Code gibi yeni araçlarla her gün uğraşmak veya Slack'te AI kullanımını paylaşmak, tamamen yeni bir organizasyon rolü haline geldi.

Quora'da mühendislik ekibinin tamamını Claude Code kullanmaya ikna ettim. Ofiste her mühendisle karşılaştığımda, "AI kullanarak kod yazıyor musunuz?" diye sorardım. Bir zamanlar ofiste siber güvenlikle uğraşan bir mühendis vardı; başta AI ile kod yazmanın çok riskli olduğunu düşünüyordu. Sonra ona, kod yazmak yerine, AI'yi kodu okumak, kod tabanını anlamak ve veri analizi yapmak için kullanması konusunda farklı bir bakış açısı önerdim. Daha sonra gerçekten bunu yapmaya başladı.

Gözlem 5: "AI'yi daha iyi kullanmak", aslında bir organizasyon dönüşümü sorunudur

Cognition'da AI ile ilgili çalışırken, AI'yi daha iyi kullanmanın artık sadece bir mühendislik sorunu değil, aynı zamanda bir organizasyonel dönüşüm sorunu olduğu gerçeğini giderek daha iyi anlıyorum.

Bir örnek verelim. Geleneksel organizasyon yapısına sahip bir internet şirketi, bir hata bulunan düzeltmeye kadar genellikle ihtiyaç değerlendirmesi, mühendislik planlaması, geliştirme, test ve canlıya alma gibi birkaç aşamadan geçer. Gerçekten AI ile kod yazmak sadece iki veya üç saat sürebilir, ancak tüm süreç tamamlanana kadar sıklıkla bir ay sürer.

Daha önce bu süreç mantıklıydı. Bir hata düzeltmek için bir mühendis üç beş gün harcayabilirdi; sürecin değeri, farklı takımları koordine etmek ve kaynakları dağıtmaktaydı. Ancak AI bu süreyi kısalttı.

Şimdi, Cognition'un sunduğu Devin gibi AI yazılım mühendisi ürünlerini kullanarak, geçmişte birkaç gün süren işleri iki veya üç saatte tamamlayabiliyoruz. Cognition'da, Devin'i kullanarak bu hatanın sorumlusunu bulup, Devin'in ona yardım etmesini sağlayarak onarımları tamamlayabiliyoruz; bu süreçte birçok koordinasyon ve aktarım aşaması ortadan kalkıyor ve hiçbir fazlalık kalmıyor. Aslında AI, tüm organizasyon yapısının dönüşümünü zorunlu hale getiriyor.

Gözlem 6: İnsanlar yöneticisi yok oluyor, yöneticilerin kendi kendine kod yazabilmesi gerekiyor

İnsan yöneticisi, mühendislik yöneticisi (engineering manager) anlamına gelir. Son yıllarda ABD'de yaygınlaşan bir görüşe göre, yöneticiler olarak göreviniz, takım koordinasyonu, organizasyonel iletişim, çalışanların duygusal ihtiyaçlarına dikkat etmek ve gelişim desteği sağlamakla sınırlı olmalı; mühendislik becerilerinizin çok güçlü olması gerekmez.

Ancak Cognition'a girdiğimde, tüm organizasyon yapısının çok düzgün olduğunu fark ettim. Örneğin, doğrudan rapor verdiğim kişi, şirketin kurucu ortaklarından biri olan CPO bile olabiliyordu. O, bireysel gelişiminizi detaylı şekilde ilgilendirmiyordu; rolü daha çok büyük yönleri belirlemekti. Hatta şöyle diyebiliriz: Cognition'da şu anda 60 kişilik mühendislik ekibinde, gerçek bir insan yöneticisi sadece bir kişi var; diğerleri, CPO dahil olmak üzere, "hem insan yönetiyor hem de kod yazan" kişilerdi. Bu, Quora'da yaşadığım deneyimle tamamen farklıydı. O zamanlar bir yönetici, beş veya altı mühendisi yönetebiliyordu.

Cognition ekibi, günlük olarak kırmızı giysiler giyen bir meslektaşının doğum gününü kutlamak için kırmızı giysiler giydi.

Bu, AI'nın getirdiği bir organizasyon değişikliği olabilir. Gözlemlediğim kadarıyla, her canlı AI girişimi aslında böyle; sadece insanları yöneten yöneticiler neredeyse yoktur—eğer biri insanları yönetiyorsa, teknik olarak da çok güçlüdür.

Bu karar sadece Silicon Valley'de değil, iki hafta arayla yapılan iki röportaj arasında, yerel büyük şirketler Tencent ve ByteDance de orta yönetimi kaldırmayı ilan etti.

Ma Peiyuan'un gözlemlediği değişiklikler, yalnızca organizasyonel düzeyde kalmadı. Daha geniş endüstriye yönelik yargı: “Silicon Valley'deki AI şirketlerinde, hangi token harcamaları makul, hangi modeller iyi modellerdir?” aynı hızla yıkılıyor. Bu sefer, ilk röportajında yaptığı yargı bile iki haftayı aşamadı.

Silikon Vadisi'nin AI sektörü kendini aylarla hatta günlerle kendini yıkmaktadır; hiçbir yargı uzun süre geçerli kalmaz.

Gözlem 7: Token Maxxing ayrıştı, büyük şirketler verimliliğe yeniden ilgi göstermeye başladı.

Bu yıl başlarında, Silicon Valley'de "Token-Maxxing" geçici olarak popüler hale geldi. Meta gibi şirketler hatta Token kullanım sıralaması bile oluşturdu. En çok kullanan, "AI-native" temsilcisi sayılıyordu. Bence bu ilk olarak çok aptalca bir şey—AI token kullanım miktarı, mühendislerin verimliliğiyle eşdeğer olamaz.

Google ve Meta'nın arkadaşlarım, o zamanlar "Yapay Zeka Büyük Atlaması" yapıyorlardı. Şirketler, "Yapay Zeka Haftası" adlı etkinlikler düzenliyordu; herkes elindeki işleri bırakıp Yapay Zeka Becerileri yazıyor, becerilerini abartılı bir şekilde pazarlıyordu.

Başlangıçta, neredeyse tüm şirketler bu fikre sahipti: Önce herkesin AI'yi mümkün olduğunca çok kullanmasını sağlayıp, tam olarak ne kadar kullanılabileceğini görmek.

Ancak bir kez açık bir sıralamaya dönüştürüldüğünde, insan davranışları bozulur. Mühendisler, “çok kullanmak” için kullanır hale gelir ve hatta AI'nın her gece rastgele dolaşması veya anlamsız görevleri boşuna çalıştırmak gibi çok tuhaf durumlar ortaya çıkar; bunun amacı sadece kullanım miktarını artırmaktır. Bu aslında GPA ile öğrencinin yeteneğini ölçmekle aynı şeydir; tek bir ölçüt kolayca çarpıtılabilmektedir.

Daha sonra birçok üst düzey yönetici de bu sorunu fark etmeye başladı. Daha spesifik olarak, faturalar onları korkuttu. Örneğin, Uber'in 2026 yılına ait yıllık AI bütçesinin ilk dört ayında neredeyse tamamı tükendi. Birçok büyük şirket, Token kullanımını yeniden sınırlamaya başladı. Kurul ve CEO'lar, bu token kullanımının gerçekten değerli mi olduğunu, gerçekten bu kadar verimlilik artışı sağlayıp sağlamadığını ve bir milyar dolar harcandığında gerçekten bir milyar dolarlık bir çıktı mı getirdiğini sormaya başladı.

Bu kaygı, Cognition tarafından açıkça fiyatlandırılmış bir ticari çözüm haline getirildi. 4 Haziran'da Cognition, "AI Verimlilik Garantisi"ni duyurdu—kurumsal müşteriler, Devin (Cognition tarafından çıkarılan AI yazılım mühendisi ürünü) kullanırsa ve belirtilen verimlilik seviyesine ulaşamazsa, en fazla 10 milyon ABD dolarına kadar tazminat alabilecekler. Bu araştırmayı yapan, üç uluslararası bilgisayar bilimi olimpiyatı altın madalyası kazanmış bir meslektaşım; 233 gerçek müşteri senaryosunu inceledi, müşterilerle Devin arasındaki diyalogları rastgele seçti ve müşterilere "Devin kullanmasaydınız, bu işi tamamen manuel olarak ne kadar sürede tamamlardınız?" diye sordu. Bu verileri kullanarak bir tahmin sistemi geliştirdi ve her Devin diyalogunu doğrudan "eşdeğer mühendis saatine" dönüştürdü; mühendislerin saatlik ücretlerini kullanarak bu ürünün toplamda ne kadar maliyet tasarrufu sağladığını hesapladı.

Ancak birçok YC şirketi, birçok politika avantajlı ücretsiz token kotasına sahip olmaları ve yalnızca üç kişilik küçük bir ekip olmaları nedeniyle hâlâ “token maxxing” modelini sürdürmeye devam edebilir; bu durumda yöneticiler, her birinin gerçekten AI kullanarak boş zaman geçirdiğini doğrudan görebilir.

Gözlem 8: Model tapınması da devriliyor

Bu makalenin iki röportajı arasındaki iki hafta içinde, bir önceki kez anlattığım şeylerin artık tam olarak doğru olmadığını fark ettim.

İki hafta önce hâlâ hangi modelin şu anki en ileri seviyede olanı olduğunu konuşuyordum. Şimdi Cognition içinden, henüz Çince adı olmayan bir özellik çıktı: fusion mode—en pahalı modeli kafa karıştırıcı bir şekilde değil, birkaç ucuz modeli ve en iyi modeli birlikte kullanarak yönlendirmek. Günlük alışverişleriniz için Porsche’nizi mi kullanırsınız? Hayır, alışverişleriniz için Honda’nızı ya da daha ucuz bir arabanızı kullanmalısınız. Bu iki hafta içinde model güncellemelerinin hızı benim tahminlerimi aştı; hatta “number one” kim diye konuşmak bile artık çok zor.

Tümünü söyleyemem, ancak %60'tan fazlasını söyleyebilirim; birçok durum bir ay sonra tam tersine dönebilir.

Her teknoloji dalgasının gelişim kuralı budur: eski fikirlerin çökmesi, yeni bir paradigmann başlangıcıdır.

Piyasa, tek bir model ve hesaplama gücüne olan sapkın inancından uzaklaştıkça, “AI’yi kararlı ve kontrollü bir şekilde uygulamak” ve “büyük modellerin çözemeyeceği sert sorunları nasıl çözeceğiz” ihtiyacı patlak verdi. Mühendis ve yatırım avcıları olmak üzere çift bakış açısıyla hareket eden Ma Peiyuan, “büyük model efsanesine” bağımlı olmayan ve gerçek dünya karmaşık sorunlarını çözmeye odaklanan yeni iş modellerinin, Silicon Valley’deki fikirsel uzlaşmazlıklar içinde sessizce doğduğunu fark etti.

Gözlem 9: Yeni bir AI altyapısı ortaya çıkıyor

“Token-Maxxing” etrafında, takımların AI kullanımını izleyip, nerede token harcandığını analiz eden yeni startup'lar ortaya çıkmıştır.

Arka planda daha derin bir sorun, AI ajanlarının kendisinin hassas olmasıdır. Bir promptun küçük bir değişikliği, ajanın performansını bozabilir. Bu nedenle, ajanların çalışmasını izole etmek ve banka hesapları veya üretim ortamı verileri gibi hassas sistemlerle doğrudan temas etmesini engellemek için sandbox (kum kutusu) gibi yeni AI altyapıları ortaya çıkmaya başlamıştır.

Aynı zamanda, “gözlem” kendi başına daha karmaşık hale geldi. Geleneksel sistemlerde hata bildirildiğinde izlenebilirdi, ancak bir ajans “hata bildirmez”. Ajans normal şekilde çalışabilir, ancak çıktı düzeyinde önyargılı, ayrımcı veya kullanıcıya açıkça olumsuz bir deneyim yaşatan ciddi sorunlar ortaya çıkabilir. Bu da, ajansın ne zaman “zihninin bozulduğunu” tespit edecek yeni bir yazılım sistemi gerektirir.

İzlem 10: "Eğitilemez Şeyler", yeni bir iş haline geliyor

Yatırım dünyasında giderek daha popüler hale gelen bir değerlendirme: vertical agent (dikey alan AI ajantları) yatırım değeri kaybetmiştir. Ancak tamamen katılmıyorum.

Silicon Valley yatırımcısı Sarah Guo, "eğitilemez" adlı bir kavram ortaya atmıştır. Temel fikir, birçok dikey sektörde dil modellerinin tamamen otomatikleştirilemeyeceğidir. Çünkü dikey sektörlerde, soyutlanamayan çok sayıda karmaşık süreç bulunur ve bu süreçler genellikle insan gücüyle tek tek çözülmesi gerekir.

Örneğin, ABD vergilendirmesi için 50 eyaletin 50 farklı vergisi vardır ve bunlar tek tek yavaşça entegre edilmelidir; hukuk alanında da aynı şekilde, göç hukuku, medeni hukuk, ticari hukuk gibi her biri kendi içinde karmaşık sistemlere sahiptir ve AI agenti bir adımda tam olarak yerleştiremez.

Dikey AI ajant şirketlerinin değeri, müşterilerle ve FDE'lerle (öncü dağıtım mühendisleri) sürekli etkileşim kurarak daha fazla gerçek sorun tespit etmesindedir. Bu şeyler şirketin ürünlerine kazınır ve bu da diğer büyük şirketlerin eğitemediği, genel modellerin tüketemeyeceği şeydir.

Bu nedenle, vertical agent'ların hâlâ yatırım değeri olduğuna inanıyorum. Ancak bunlar 1000 katlık getiri yerine daha muhtemelen 20 kat, 50 kat veya hatta 100 kat gibi daha istikrarlı ve daha küçük getiriler sunabilir.