En pahalı büyük modeli satın aldınız, ancak arka planda ucuz bir versiyonla değiştirildi—kim fark edebilir? Anthropic, AI endüstrisinin uzun süredir yaşadığı güven sorununu kriptografiyle çözmeyi amaçlayan ilginç bir proje olan FlashProve’i açık kaynak hale getirdi: Bir AI tarafından oluşturulan içeriğin, sağlayıcının iddia ettiği modelden gerçekten geldiğini nasıl kanıtlayabilirsiniz? Şu anda büyük model API’lerini çağırırken, temelde sağlayıcıya güvenmek zorundasınız. Üçüncü taraf rota platformları modeli gizlice değiştirmiş olabilir mi? Güvenlik değerlendirme kuruluşları test ettiği model, normal kullanıcıların kullandığı modelle aynı mı? Hatta sunucu bir hacker tarafından ele geçirildiğinde, model çıktısı gizlice değiştirilmiş olabilir mi? Bu tür sorular, sadece modelin cevaplarına bakarak zorlu bir şekilde cevaplanabilir. FlashProve, Web3 dünyasında çok iyi bilinen sıfır bilgi kanıtı (ZK), daha spesifik olarak zkSNARK’ı kullanıyor. Prensip oldukça anlaşılır: Model sağlayıcısı, bir dizi model ağırlığı için kriptografik bir taahhüt oluşturur; bu, modelin rastgele değiştirilemeyen bir kimliğini kaydeder. Ardından her çıkarım sırasında bir kanıt eklenir. Kullanıcı, model parametrelerini bilmeden veya modeli kendi kendine çalıştırmadan, sadece normal bir CPU ile, bu çıktının önceden taahhüt edilen modelden gerçekten geldiğini doğrulayabilir. Anthropic, 400 milyar parametreli Llama 4 Maverick ile bir deney yaptı ve tek bir H100 ile saniyede yaklaşık 110 token çıkarım kanıtı üretilebiliyor; bir kanıtı doğrulamak sadece onlarca saniye sürüyor. Elbette, şu anki maliyetler hâlâ çok yüksek. Kanıt üretmek için gerekli GPU maliyeti, normal çıkarımın 70–95 katı kadar ve her kanıt yaklaşık 19 MB boyutunda. Şu anda yalnızca 1024 token’lık bağlam ve belirli bir çıkarım yöntemi destekleniyor; büyük ölçekli ticari kullanım için hâlâ uzun bir yol var. Ancak bu projenin dikkat edilmesi gerektiğini düşünüyorum. Geçtiğimiz birkaç yılda, sıfır bilgi kanıtı çoğunlukla kripto endüstrisinde işlem ve hesaplama doğrulamak için kullanıldı. Şimdi Anthropic, aynı kriptografik fikri büyük model hizmetlerine uygulamaya çalışıyor. Daha da önemlisi, bu teknolojinin AI governansındaki potansiyeli. Gelecekte düzenleyici kurumlar, modelin güvenlik değerlendirmesinden geçmesini zorunlu kılarsa, sağlayıcılar, gerçek olarak çalışan ağırlıkların onaylanmış olanlarla aynı olduğunu kanıtlamak zorunda kalacak. Bağımsız denetim kuruluşları da, kendi test ettikleri modelin müşterilerin kullandığı modelle aynı olup olmadığını doğrulayabilecek. Elbette, kriptografi yalnızca hesaplama sürecinin önceden taahhüt edilen kurallara uygun olduğunu kanıtlayabilir; modelin cevaplarının doğru olduğunu veya modelin kendisinin güvenli olduğunu garanti edemez. Her zaman şu düşüncede oldum: AI Agent’ların giderek daha fazla gerçek işi üstlenmeye başlamasıyla, tüm endüstri bir gün şu soruyu cevaplamak zorunda kalacak: Uzaktaki sunucuda çalışan AI’ye neden güveniyoruz? FlashProve hâlâ bir araştırma prototipi, ancak en azından ilerlemeye değer bir teknik yol gösteriyor.

Kurumsal AI harcamaları bir yılda 5,4 kat arttı, ancak para harcamaya razı olan şirketlerin oranı sadece %55'ten %65'e yükseldi. Menlo Ventures, yeni "2026 Kurumsal AI Raporu"nu yayınladı. Bu yıl Eylül itibarıyla kurumsal AI uygulama harcamaları 176,8 milyar dolara ulaştı; geçen yılın aynı dönemine göre bu rakam 33 milyar dolar idi. Bu veriler arasında bazı ilginç noktalar var: Öncelikle, Agent'lar AI hesaplama gücünün en büyük tüketicisi haline geldi. OpenRouter platformunda, Token tüketiminin %80'i Agent'lardan geliyor. Şubat ayında Agent trafiği insan doğrudan kullanımını geçtikten sonra, 37 kat büyüdü. İkinci olarak, model pazarı hızla liderlere doğru yoğunlaşıyor. Anthropic, kurumsal LLM API harcamalarının %55'ini elinde tutuyor; OpenAI %31, bu iki şirket toplamda %86'sını alıyor. Google ise geçen yılın %21'inden %9'a düştü. Ayrıca çok çarpıcı bir rakam daha var: kurumsal AI uygulama pazarı 77,3 milyar dolara ulaştı ve bunun 34 milyar doları programlama araçlarına ait. Claude Code ve Codex adlı iki ürün, programlama pazarındaki harcamaların %70'ini kaplıyor. Bence buradaki en önemli değişim, AI'nın ticari büyüme mantığının değişmesi. Geçmişte SaaS gelirleri çoğunlukla kullanıcı sayısına bağlıydı. Bir şirketin kaç çalışanı vardı, kaç adet hesap satılabilirdi — bu temelde gelir sınırlarını belirliyordu. Ancak Agent'lar farklı. Bir çalışan aynı anda onlarca Agent çalıştırebilir; bu Agent'lar sürekli çalışabilir, modeli tekrar tekrar çağırabilir, Token tüketebilir. Şirket bir çalışan daha almasa bile, AI harcamaları birkaç kat artabilir. Bu da neden ödeme yapan şirketlerin oranı sadece 10 puan artarken, piyasa boyutunun 5,4 kat büyüdüğünü açıklıyor. Daha da dikkat çekici olan ise, yeni AI harcamalarının %55'inin şirketlerin yeni bütçelerinden geldiğidir; sadece %22'si mevcut yazılım bütçelerinden aktarılmıştır. En azından şu aşamada, AI oldukça büyük bir yeni yazılım pazarı yaratıyor. Ancak bu büyüme belirgin yapısal farklılıklar da barındırıyor. Programlama araçları 34 milyar dolarlık bir pazar oluşturabildi çünkü kodun açık bir yürütme ortamı var ve sonuçlar doğrulanabilir; Agent'ların ne kadar iyi çalıştığını ölçmek kolay. Buna karşılık, beyaz yakalıları yerine geçebilecek birçok Agent hâlâ bağımsız görev tamamlama ve sonuç onaylama sorunlarını çözememiş durumda. Bu yüzden sonraki süreçte daha çok şu göstergelere odaklanacağım: Kurumsal kullanıcılar Agent'lara ne kadar gerçek iş vermek istiyor ve her görev tamamlandığında ne kadar ödeme yapmak istiyor? AI'nın kendi kendine AI tüketmeye başlamasıyla, model çağrıları ile kurumsal çalışan sayısı arasındaki ilişki giderek zayıflayacak. Bu, muhtemelen sonraki birkaç yıl boyunca AI piyasasının en önemli incelenecek değişkeni olacak.

Yapay zekâ paranın tamamını çektikten sonra, diğer sektörlerin kredi alması daha pahalı hale gelecek mi? Bugün Çin finansal denetim yetkilileri, Hong Kong'da bu hesabı sordu. 3 Kasım'da Finansal Denetim Genel Müdürlüğü Müsteşarı Xiao Yuanqi, Uluslararası Finansal Liderler Yatırım Zirvesi'nde, büyük miktarlarda paranın teknoloji sektörüne ve öncü şirketlere akışı, kaldıraç oranlarını artırıp aşırı hızlı genişlemeye neden olabilir diye uyardı. Geleneksel sektörlerin yaşadığı baskı, daha yüksek kredi maliyetleri, daha az yeniden yatırım alanı ve daha büyük kredi riski olarak ortaya çıkacaktır. Aynı zirvede, Blackstone CEO'su Jon Gray, hesaplama gücü talebinin hâlâ çok güçlü olduğunu, talebin arzı aştığını ve bundan sonra daha fazla finansman olacağına dair yorum yaptı. Goldman Sachs CEO'su David Solomon da, iyi bir hikâyeye sahip güçlü şirketlerin hâlâ para alabileceğini belirtirken, yatırımcılara yanlış şirket seçiminin kayıpla sonuçlanabileceğini hatırlattı. Bu kişiler birbirleriyle tartışmadılar. Xiao Yuanqi, teknoloji devriminin yerel balonlara yol açmasının nadir olmadığını ve uzun vadeli büyümenin bunları emebileceğini de söyledi. İlginç olan, her birinin neye odaklandığı. Finans kurumları, müşterilerinin ne kadar para istediğini ve hangi varlıkların satın alınmaya değer olduğunu görüyor; denetçiler ise AI masasına oturamayan şirketlerin finansman koşullarının kötüleşip kötüleşmeyeceğini de gözlemliyor. Biz, yapay zekâ finansman tutarlarını bir sektör performansı olarak görüyoruz; sayı ne kadar büyükse o kadar canlı görünüyor. Ancak bu paralar nereden geliyor ve orijinalde nereye akıyor olabilirdi, genellikle kimse bunu sormuyor. Bu açıklamalar henüz yeni bir denetim kısıtlaması olarak okunamaz ve dışlama etkisinin büyüklüğü verilere bağlı. Ancak her gün bir sonraki değerlemeyi takip edenler için, bir model şirketin kaç trilyon dolar değerinde olduğu üzerine tahminler yapmaktan daha dikkat edilmesi gereken bir soru var.

NVIDIA, hesaplama gücü satanlara Çinli müşterilerin oranını kontrol etmeyi zorunlu kılıyor. Financial Times, 3 Kasım'da NVIDIA'nın küresel bulut hesaplama müşterilerinden, hesaplama gücünün en az %51'ini Çin dışı şirketlere satmalarını istediğini bildirdi. İlgili ekip, bu kuralı yazılı belge olmadan bu yazdan beri sözlü olarak uygulamaya başlamıştır; zaten imzalanmış sözleşmeler etkilenmemektedir. Reuters, bu bilgiyi aktarırken bağımsız olarak doğrulanmadığını belirtmiştir. Bu detay, Çinli AI şirketleri için dikkat edilmesi gereken bir noktadır. Çip alamadığınızda, yurt dışındaki sunucuları kiralamak her zaman başka bir seçenek olmuştur. Şimdi ise bu haber göre, tedarikçilerin alt zincir müşteri yapıları da kontrol altına alınmaya başlamıştır. Bu oranla iş yaparsanız, bir bulut şirketi daha fazla Çinli müşteriye hizmet vermek istiyorsa, yeterli sayıda Çin dışı müşteri bulmalı ve diğer taraftaki satışları da büyütmelidir. Kaç adet cihaz satın alabileceğiniz ve kaç Çinli siparişi kabul edebileceğiniz, artık iki farklı kısıtlama haline gelecektir. Çinli ekipler için, sunucuların yurt dışında olması, kapasite artırmanın yalnızca bütçeye bağlı olduğu anlamına gelmez. Bulut sağlayıcının yeterli sayıda diğer müşteriye sahip olup olmadığı da, ne kadar hesaplama gücü kiralayabileceğinizi etkileyebilir. Bugün açıklanan bu şirket içi talep, ABD hükümetinin bugün yeni bir yasak ilan ettiğini anlamına gelmez ve mevcut hesaplama gücünün hemen kesileceğini de ifade etmez. Eski sözleşmeler istisnai olarak korunmaktadır; gerçek dikkat edilmesi gerekenler, yeni siparişler, bir sonraki kapasite artırımı ve sözleşmelerin sona ermesinden sonraki koşullardır.

Bir grup, Elon Musk'ın Doge'su için bir rakip olarak bir capybara seçti. 2 Kasım'da WIRED, kendilerini "Capytistas" olarak adlandıran bir grubun, öncelikle Musk ve Tesla yönetim kurulunu hedefleyerek, zenginlerin konut bilgilerini aşamalı olarak açıklamayı duyurduğunu bildirdi. İsim, Meksika'daki Zapatista hareketinden esinlenilerek verildi ve Doge'ye karşı capybara seçildi. Argümanları şuydu: Teknoloji şirketleri sıradan insanların verilerini toplarken, yöneticiler kendi gizliliklerini koruyor. Gazeteci bir dosyayı inceledi, ancak tam açıklama planının uygulamaya geçirildiğini söyleyemedi. Bu tepkinin çelişkisi doğrudan ortada: Kurumsal veri istismarını eleştirirken, başka bir grubun gizliliğini ortadan kaldırmakla bunu nasıl sağlayabilirsiniz? Veri ticareti için şirketlerin sorumluluğunu talep etmek, basıncı özel konutlara taşıyarak farklı sonuçlar doğurur. Güce yönelik öfke, aile bireylerinin ve komşularının neden risk altına girdiğini otomatik olarak açıklamaz. Capybara, etkili bir direniş sembolü olabilir; ancak konut bilgilerinin açıklanmasının meşruiyeti ayrı bir tartışma konusudur.

Amerika Birleşik Devletleri eski Kara Kuvvetleri Bakanı, OpenAI’de işe başladı. Görevlerinden biri, bu şirketin ordunun gerçekten ne istediğini anlamasını sağlamaktır. OpenAI, 2 Kasım’da Dan Driscoll’un Ulusal Güvenlik Modernizasyonu Yüksek Danışmanı olarak atandığını duyurdu. Bu yeni pozisyon, iç ekiplerin ulusal güvenlik kurumlarının gerçek ihtiyaçlarını anlamasına yardımcı olmak ve ABD müttefikleriyle AI ve siber güvenlik uygulamalarını ilerletmek içindir. Resmi açıklamalar, bu atamayı Daybreak siber güvenlik projesiyle ilişkilendirdi ve sürekli olarak “demokratik AI” ifadesini kullandı. Driscoll’un tanıdık olduğu konular oldukça spesifik. Kara Kuvvetleri Bakanı olarak, birlik operasyonları ve kaynak dağılımını yönetti ve yeni teknolojilerin daha hızlı bir şekilde birliklere girmesini sağlayan satın alma reformlarını teşvik etti. Şimdi ise bu görüşmelerde tedarikçi tarafından yer alacak. Bu olayı, geçen yılki başka bir habille birlikte değerlendirmek mümkündür. Amerika Birleşik Devletleri Kara Kuvvetleri, 2025 yılında teknoloji yöneticilerinin katıldığı bir rezervist inovasyon birliği kurdu; ilk üyeler arasında OpenAI’den Kevin Weil ve eski araştırma müdürü Bob McGrew yer aldı. O zamanlar teknoloji şirketlerinden insanlar askeri üniformalar giyiyordu; şimdi ise eski Kara Kuvvetleri lideri bir teknoloji şirketine girdi. Bu tür personel hareketlerinin değeri büyük ölçüde kurumların anlaşılmasından kaynaklanır. Hangi departmanın ihtiyacı var? Bütçe nasıl planlanıyor? Yeni bir teknoloji nasıl satın alınarak günlük işlere dahil oluyor? Model puanları bu sorulara cevap veremez. Bu atama kendisi yasa dışı olduğunu kanıtlamaz ve yeni sözleşme tutarları da duyurulmadı. Ancak AI şirketlerinin hükümet işlerini nasıl yürüttüğünü incelemek, sadece modelleri ve siparişleri değil, ofislerine hangi kişileri davet ettiğini de gözlemlemek değerlidir.

Şu anki AI ürünlerinin insanları on dakika şaşırtma konusunda çok iyi olmaları kolay, ancak on ay boyunca güvenle kullanılmaları zor. Özellikle işlem türü Agent'lar için. AI'nın bir piyasa analizini yapması hiçbir engel taşımaz, ancak bireysel varlık verileri, araştırma dosyaları ve sürekli izleme görevleri söz konusu olduğunda, kullanıcıların ürün beklentileri tamamen değişir. Minara'nın yakın zamanda Web V2'yi yayınladığını ve Erken Erişim'i açtığını fark ettim; her kullanıcıya ayrı, izole edilmiş bulut tabanlı bir kum kutusu veriyorlar, böylece veriler ve görevler kendi ortamlarında çalışır. Her zaman finansın, bu tür mimariye en çok ihtiyaç duyan Agent senaryolarından biri olduğunu düşündüm. Çünkü işlemler gerçek para ile ilgilidir; kullanıcılar verilerinin nerede tutulduğunu, görevlerin nerede çalıştığını ve ne kadarını kontrol edebileceklerini bilmek isterler. Modelin analiz yeteneği, sizin deneyip denemeyeceğinizi belirler; ancak güvenlik ve güven, uzun vadeli kullanım cesaretinizi verir. Ayrıca, Minara bu sefer masaüstü uygulamasının aynı UI'sini ve kodunu Web'e taşıdı, eski Chat, Agent'e yükseltildi, dosya önizleme ve fonksiyon önerileri gibi deneyimler tamamlandı. Workflow'lar Automation'a doğru ilerliyor; Agent'ların arka planda sürekli görevleri yerine getirmesini hedefliyorlar. Şu anda bazı izleme fonksiyonları hâlâ masaüstü uygulamasında öncelikli. Burada dikkat çekici bir ürün trendi olduğunu düşünüyorum. Geçmişte, AI işlem araçları yapanlar, hangisinin daha fazla varlığı analiz edebileceğini veya daha karmaşık stratejiler üretebileceğini kıyaslamayı severdi. Ancak bu yetenekler, model ilerlemesiyle giderek daha az fark yaratacaktır. Sonraki rekabet, Agent'ların kullanıcıların günlük iş akışlarına gerçekten entegre olup olamayacağına, verileri koruyup koruyamayacağına, sürekli görevler yerine getirip getiremeyeceğine ve farklı cihazlar arasında sorunsuz geçiş yapabilip yapamayacağına dönüştürecektir.

Meta'nın insan benzeri robotunu, Çinli bir şirketle birlikte geliştirdi. The Information'a göre, Meta, Şangay'daki Fourier Intelligence ile iş birliği yaparak, ilk insan benzeri robot prototipi Max'ı sadece üç ayda üretti ve şu anda Max 2'nin ikinci neslini geliştiriyor. Max, yaklaşık 1,5 metre boyunda, 48 kilogram ağırlığında, NVIDIA Jetson Thor çipini kullanıyor, beş parmaklı bir el mekanizmasına sahip ve yüz ekranı ile ifade simüle edebiliyor. Meta'nın robot ürünleri başkanı, Fourier'in Şangay fabrikasında neredeyse iki ay boyunca kaldı ve geliştirme sürecine doğrudan katıldı. Daha da ilginç olan şey, Meta'nın gelecekte insan benzeri robotları, AI Agent Muse'in fiziksel dünyadaki taşıyıcısı haline getirmek istemesi; böylece robotun evlere girip günlük görevleri yerine getirmesi mümkün hale gelecek. Şu anda Meta, bu robotların yalnızca dahili araştırma ve geliştirme amaçlı kullanıldığını ve satış planının olmadığını vurguluyor. Bu durum oldukça ilginç. ABD teknoloji devleri, AI modelleri ve yazılımlar üzerinde büyük yatırımlar yapıyor; ancak insan benzeri robotlar üretmeye başladıklarında, Çin fabrikalarına derinlemesine girmek ve Çinli startup'larla donanım geliştirme işbirliği yapmak zorunda kalıyorlar. Özellikle ABD'nin Çin robot endüstrisine karşı kısıtlamalarını artırdığı bu dönemde, Meta yine Fourier Intelligence ile iş birliği yapmayı seçti ve hatta üst düzey yöneticilerini fabrikaya gönderdi. Çin robot zincirinin, küresel vücutlu akıl yarışmasındaki konumu, birçok kişinin düşündüğünden daha önemli olabilir.

OpenAI, sermaye piyasalarının soğuk bakışını da hissetmeye başladı. The Wall Street Journal'e göre, OpenAI'nin en son sermaye toplama turu 30 milyar dolar hedefliyordu, ancak şu ana kadar sadece yaklaşık 11 milyar dolarlık yatırım taahhüdü toplayabildi ve hedefin yarısını bile karşılayamadı. Daha da utanç verici olan, hedeflenen 1,4 trilyon dolarlık değerlemesinin 1,25 trilyon dolara düşürülmüş olması. Financial Times, OpenAI'nin sermaye toplama hedefini 30 milyar dolar yerine 20 milyar dolara düşürdüğünü ve sonraki aşamada aile ofislerine ve zengin bireysel yatırımcılara daha fazla sermaye çekmeyi planladığını ortaya koydu. İlginç olan, OpenAI'nin bu sermaye toplama turunu bir halka açılımdan önceki son girişim fırsatı olarak sunmaya çalışması ve yatırımcılarda FOMO yaratmaya çalışmasıydı. Ancak şimdi OpenAI bile bu tür bir stratejiyle kolayca para toplayamıyor gibi görünüyor. Piyasa, AI'nın yatırım getirisini yeniden hesaplıyor. Modellerden gelen gelir artışı, hesaplama maliyetlerini yakalayabilecek mi? Binlerce milyar dolarlık değerlemeler, hangi düzeyde kârla desteklenebilir? 11 milyar dolar hâlâ devasa bir rakam, ancak 1 trilyon doların üzerinde değerlenmiş ve hâlâ yoğun bir şekilde harcama yapan bir şirket için bu sermaye toplama turunun soğuk karşılanması dikkat çekici bir sinyal. Sonuçta, OpenAI bile sermaye toplama için indirim yapmak zorunda kalıyorsa, diğer AI şirketleri önlerindeki sermaye piyasalarıyla daha da seçici bir karşılaşma yaşayacak.

Apple'in yeni CEO'su John Ternus, iki aydan az bir sürede tüm AI endüstrisine bir uyarıda bulundu: AI yapmak için AI yapmayın. Son zamanlarda Wired dergisine verdiği bir röportajda, Apple'in elbette AI kullanacağını, ancak ideal durumda kullanıcının bir özelliğin AI mi yoksa geleneksel yazılım mı kullandığını fark etmesine gerek olmadığını, sadece ürünün ne kadar kullanışlı olduğunu değerlendirmesini söyledi. Ayrıca, AI Agent'ların mevcut uygulamaları tamamen yerine geçeceğine dair görüşe tamamen katılmadığını belirtti ve ürün yaratmanın her zaman insan kaynaklarına yüksek oranda bağımlı olduğunu düşündüğünü ifade etti. Ben aslında bu görüşe tamamen katılıyorum. Şu anda birçok teknoloji şirketi, AI'yi ürünün her köşesine sokmaya çalışıyor ve etkinliklerde onlarca özellik gösteriyor, ancak kullanıcıların günlük olarak gerçekten kullandığı birkaç tane bile yok. Ancak Apple'in kendi sorunları da var. Siri bu kadar uzun süre geride kaldıktan sonra, Ternus'un bu ürün felsefesi bilinçli bir kontrol mü, yoksa teknolojik gerilik döneminde kendine bir gerekçe mi buluyor, gelecekte çıkaracağı ürünlerle anlaşılacak. Röportajda ilginç bir ayrıntı daha vardı: Ternus, Trump ile henüz görüşmedi; emekli CEO Cook ise yürütücü başkan olarak politika ve kamu-özel ilişkiler konularında destek vermeye devam ediyor. Görünüşe göre Apple'in eski ve yeni CEO'ları arasında bir görev bölünmesi oluşmuş gibi görünüyor. Ternus ürünleri sorumlu, Cook ise Washington'daki sorunları ele alıyor.