Türkiye’nin Yapay Zekâ Eylem Planı
Türkiye’nin yapay zekâ konusunda attığı en kapsamlı adımlardan biri resmiyet kazandı. Türkiye Yapay Zekâ Eylem Planı (2026-2030), Cumhurbaşkanlığı Genelgesi ile 18 Ağustos 2026’da Resmî Gazete’de yayımlanarak yürürlüğe girdi. Plan aslında ilk kez 13 Haziran’da Türkiye Yapay Zekâ Zirvesi’nde kamuoyuna duyurulmuştu; Ağustos ayında yayımlanan genelgeyle 2026-2030 döneminin resmî yol haritasına dönüştü.
Rakamlar ilk bakışta oldukça iddialı: en az 10 milyar dolarlık özel sektör ağırlıklı yatırım, 1 gigavat veri merkezi kapasitesi, 5 milyon kişiye AI okuryazarlığı eğitimi, 10 bin ileri düzey yapay zekâ uzmanı, 100 bin uygulama profesyoneli, 25 milyar TL’lik araştırma ve büyüme fonları, “Herkes İçin GPU” programı ve kamu yatırımlarında AI projelerine en az yüzde 2 pay.
Ancak bu planı yalnızca yatırım rakamları üzerinden değerlendirmek eksik olur.
Asıl hikâye Türkiye’nin yapay zekâyı artık yalnızca kullanılan bir yazılım kategorisi olarak değil; hesaplama gücü, veri, insan kaynağı, girişimcilik, enerji, robotik ve kamu politikalarını aynı anda kapsayan stratejik bir altyapı meselesi olarak ele almaya başlaması.
Planın başarısını belirleyecek şey de ChatGPT benzeri araçların Türkiye’de ne kadar yaygın kullanıldığı olmayacak.
Daha temel soru şu:
Türkiye yapay zekâyı tüketen ülkelerden biri mi olacak, yoksa bu teknolojinin ekonomik değer zincirinde gerçekten üretici olarak yer alabilecek mi?
“Fark Et, İstifade Et, Üret ve Yönet”: Planın Dört Katmanlı Mantığı
Türkiye Yapay Zekâ Eylem Planı, “Fark Et, İstifade Et, Üret ve Yönet” başlıklı dört temel eksen üzerine kuruluyor ve toplam 16 öncelikli eylem içeriyor. Sanayi ve Teknoloji Bakanlığı, temel hedefi Türkiye’nin yapay zekâ teknolojilerinde tasarlayan, üreten, kullanan ve küresel ölçekte rekabet edebilen ülkeler arasında yer alması şeklinde tanımlıyor.
Bu dört kelime aslında AI ekonomisinin dört farklı sorununa cevap veriyor.
“Fark Et” toplumun ve iş dünyasının yapay zekâyı anlamasını, “İstifade Et” mevcut teknolojinin ekonomiye ve kamu hizmetlerine uygulanmasını, “Üret” Türkiye’nin yalnızca yabancı modelleri kullanan ülke olmaktan çıkmasını, “Yönet” ise bütün bu sürecin güvenlik, etik, regülasyon ve kurumsal koordinasyon tarafını temsil ediyor.
Bu nedenle plan yalnızca “Türkiye kendi ChatGPT’sini yapsın” yaklaşımından daha geniş.
Model geliştirmek bunun yalnızca bir parçası.
AI çağında ekonomik bağımsızlık için aynı zamanda veriye, hesaplama kapasitesine, enerjiye, insan kaynağına, sermayeye ve teknoloji transferi mekanizmalarına ihtiyaç var.
Yapay Zekâ Çağında Yeni Doğal Kaynak: Hesaplama Gücü
Planın en kritik başlıklarından biri kamuoyunda diğer maddeler kadar dikkat çekmeyen hesaplama altyapısı.
Çünkü modern yapay zekâ ekonomisinde algoritma tek başına yeterli değil.
GPU gerekiyor.
Yüksek hızlı ağ gerekiyor.
Depolama altyapısı gerekiyor.
Veri merkezi gerekiyor.
Ve bütün bunları besleyecek büyük miktarda enerji gerekiyor.
Türkiye, plan kapsamında 2030’a kadar veri merkezi kurulu gücünü en az 1 gigavata çıkarmayı hedefliyor. Aynı dönemde yapay zekâ, bulut ve veri merkezi altyapısında özel sektör öncülüğünde en az 10 milyar dolarlık yatırımı harekete geçirme hedefi bulunuyor. Sanayi ve Teknoloji Bakanlığı bu yatırım vizyonunu HIT-30 kapsamındaki veri merkezi ve yapay zekâ programlarıyla da ilişkilendiriyor.
Bu rakamın neden önemli olduğunu anlamak için AI sektöründe yaşanan değişime bakmak yeterli.
Bir zamanlar teknoloji şirketinin en önemli varlıklarından biri yazılım koduydu.
Bugün ise bazı AI şirketlerinin rekabet avantajı doğrudan:
Kaç GPU’ya erişebiliyorsunuz?
sorusuyla ölçülmeye başladı.
Nvidia GPU’ları için küresel talep, dev veri merkezi yatırımları ve Microsoft, Google, Amazon, Meta gibi şirketlerin yüz milyarlarca dolara ulaşan AI altyapı harcamaları bunun sonucu.
Türkiye’nin kendi AI ekosistemini büyütmek istemesi durumunda yerel şirketlerin sürekli yabancı bulut sağlayıcılarının fiyatlandırmasına ve kapasite koşullarına bağımlı kalması önemli bir dezavantaj yaratabilir.
Dolayısıyla veri merkezi politikası teknik bir ayrıntı değil.
Dijital egemenlik politikasının merkezlerinden biri.
“Herkes İçin GPU” Belki de Planın En Kritik Programlarından Biri
Büyük teknoloji şirketi açısından GPU satın almak maliyetli olabilir ama mümkündür.
Bir üniversite araştırma grubu veya küçük girişim için durum tamamen farklı.
Bugün güçlü bir AI modeli geliştirmek isteyen beş kişilik Türk girişiminin karşısındaki ilk problem çoğu zaman fikir değil, hesaplama maliyeti olabilir.
Bu nedenle planda yer alan “Herkes İçin GPU” programı stratejik olarak önemli.
Programın girişimler, KOBİ’ler, üniversite araştırmacıları ve kamu projeleri için hesaplama kaynaklarına erişimi kolaylaştırması; farklı gruplar için ayrı erişim pencereleri ve tahsis kotaları oluşturması planlanıyor.
Böyle bir altyapı gerçekten uygun maliyetli, güvenilir ve yeterli kapasiteyle işletilebilirse Türkiye’de AI girişimciliğinin önemli bariyerlerinden birini azaltabilir.
Çünkü AI çağında inovasyon problemi artık yalnızca:
“İyi yazılımcımız var mı?”
değil.
Aynı zamanda:
“İyi yazılımcımızın modelini eğitecek GPU’su var mı?”
sorusu.
Türkiye için belki de en büyük fırsatlardan biri burada.
Her girişimin kendi veri merkezini kurması gerekmiyor.
Ortak hesaplama altyapısına erişebilmesi gerekiyor.
10 Milyar Doların Kendisi Değil, Nerede Harcanacağı Önemli
“10 milyar dolarlık AI yatırımı” doğal olarak güçlü bir başlık.
Ancak ekonomik açıdan daha önemli soru şu:
Bu 10 milyar dolar hangi katmanda değer yaratacak?
Eğer yatırımın büyük kısmı yalnızca ithal GPU satın almak ve yabancı teknoloji şirketlerinin servislerini Türkiye’de barındırmakla sınırlı kalırsa önemli bir altyapı kazanımı elde edilir, fakat yerli teknoloji katma değeri sınırlı olabilir.
Daha güçlü senaryoda ise bu altyapı:
yerli AI girişimlerini,
model geliştirme şirketlerini,
savunma ve robotik teknolojilerini,
sağlık AI çözümlerini,
endüstriyel otomasyonu,
finans teknolojilerini,
yaratıcı AI ürünlerini,
SaaS girişimlerini
besleyen bir ekonomik katmana dönüşebilir.
Türkiye açısından temel hedef GPU sahibi olmak değil.
GPU üzerinde çalışan fikri mülkiyete sahip olmak.
Bu ikisi arasındaki fark büyük.
Bir ülke veri merkezi kurabilir ama dijital ekonomide düşük katma değerli altyapı sağlayıcısı olarak kalabilir.
Asıl ekonomik değer modelde, üründe, veride, yazılımda ve global kullanıcıya satılabilen teknolojide oluşuyor.
5 Milyon Kişiye AI Eğitimi: Rakam Büyük, Fakat Eğitim Seviyesi Daha Önemli
Planın toplum tarafındaki en iddialı hedeflerinden biri 24 ay içerisinde 5 milyon kişiye yapay zekâ okuryazarlığı kazandırılması.
81 ilde kurulacak atölyeler aracılığıyla yürütülmesi planlanan programın yanında 10 bin ileri düzey AI uzmanı ve 100 bin yapay zekâ uygulama profesyoneli yetiştirilmesi hedefleniyor. Ayrıca 1 milyon çalışanın mesleki dönüşüm değerlendirmesinden geçirilmesi ve 500 uluslararası uzmanın Türkiye’de araştırma, eğitim veya girişimcilik faaliyetlerine katılması planlanıyor.
Burada üç farklı yetkinlik seviyesini birbirinden ayırmak gerekiyor.
Birincisi AI okuryazarlığı.
Yapay zekânın ne yapabileceğini, nerede hata yaptığını, bilgi güvenliğini, prompt kullanımını ve temel etik problemleri anlamak.
İkincisi AI uygulayıcılığı.
Mevcut modelleri iş süreçlerine entegre etmek, API kullanmak, otomasyon kurmak, veri hazırlamak ve ürün geliştirmek.
Üçüncüsü ise AI araştırması ve mühendisliği.
Model eğitmek, inference optimizasyonu yapmak, yeni mimariler geliştirmek ve uluslararası teknoloji yarışına doğrudan katılmak.
Türkiye’nin gerçek rekabet avantajını belirleyecek olan özellikle ikinci ve üçüncü grubun niteliği olacak.
Çünkü milyonlarca insanın ChatGPT kullanmasını öğretmek faydalı.
Ama ülke ekonomisini değiştirecek şey ChatGPT kullanan insan sayısı değil, ChatGPT ölçeğinde teknoloji geliştirebilen mühendis ve şirket sayısı.
Eğitim Sisteminde AI Okuryazarlığı Artık Opsiyonel Olmayabilir
Burada planın daha uzun vadeli kültürel etkisi de var.
AI okuryazarlığı birkaç yıl içerisinde bilgisayar okuryazarlığına benzer temel beceriye dönüşebilir.
1990’larda Word kullanabilmek özel bir yetenekti.
2000’lerde internette araştırma yapabilmek avantajdı.
2010’larda sosyal medya ve dijital araç kullanımı normalleşti.
Bugün ise AI ile çalışabilmek giderek temel profesyonel beceri hâline geliyor.
Ancak eğitim yalnızca “prompt nasıl yazılır?” seviyesine indirgenirse fırsatın önemli kısmı kaçırılmış olur.
Gerçek AI okuryazarlığı aynı zamanda:
halüsinasyonu,
kaynak doğrulamayı,
telif hakkını,
kişisel veri güvenliğini,
bias problemlerini,
model sınırlarını
anlamayı gerektiriyor.
Yani amaç yalnızca daha fazla AI kullanıcısı üretmek değil, daha bilinçli AI kullanıcısı üretmek olmalı.
Ulusal Veri Kütüphanesi: Modelden Önce Veri Sorunu Çözülmeli
Yapay zekâ konusunda çoğu tartışma modeller etrafında dönüyor.
Oysa modelin temel hammaddesi veri.
Türkiye Yapay Zekâ Eylem Planı içerisinde bu nedenle Ulusal Veri Kütüphanesi dikkat çekici projelerden biri. Hedeflerden biri en az 2 bin kamu veri setinin erişilebilir hâle getirilmesi. Sağlık, tarım, savunma, e-ticaret ve benzeri alanlarda güvenli veri alanları oluşturulması da planın veri politikası içinde yer alıyor.
Burada kalite miktardan daha önemli olabilir.
2 bin veri setinin yayımlanması tek başına büyük değer yaratmayabilir.
Verilerin:
makine tarafından okunabilir,
güncel,
temiz,
standardize,
iyi dokümante edilmiş,
API üzerinden erişilebilir
olması gerekiyor.
İyi hazırlanmış kamu verileri girişimler açısından gerçek bir inovasyon altyapısına dönüşebilir.
Örneğin ulaşım verisi yeni mobilite girişimleri yaratabilir.
Tarım verisi hassas tarım uygulamalarını destekleyebilir.
Enerji verileri optimizasyon ürünlerine dönüşebilir.
Coğrafi veriler lojistik ve şehircilik sistemlerinin temelini oluşturabilir.
Veri doğru açılırsa devlet yalnızca bilgi yayımlamış olmaz.
Yeni şirketlerin üzerine ürün kurabileceği altyapı sağlamış olur.
Yapay Zekâ Hızlı Patent Hattı Neyi Değiştirebilir?
Plan içerisinde TÜRKPATENT tarafından Yapay Zekâ Hızlı Hat uygulamasının devreye alınması da öngörülüyor.
Amaç yapay zekâ teknolojileriyle ilişkili sınai mülkiyet başvurularının daha hızlı incelenmesi ve AI kullanımına ilişkin şeffaf beyan mekanizmalarının oluşturulması.
Bu ilk bakışta planın daha küçük maddelerinden biri gibi görünebilir.
Oysa teknoloji girişimleri açısından patent süreci kritik.
Özellikle yatırım arayan deep-tech şirketlerinde:
fikri mülkiyet,
patent portföyü,
lisanslama,
teknoloji sahipliği
şirket değerlemesini doğrudan etkileyebilir.
Bir AI girişiminin geliştirdiği teknolojiye ilişkin hukuki belirsizliğin azaltılması yatırımcı açısından riskin düşmesi anlamına gelir.
Fakat AI çağında patent sisteminin işi de kolay değil.
Model tarafından oluşturulan buluşların statüsü, kullanılan eğitim verileri, insan katkısı ve model çıktılarının fikri mülkiyet sınırları dünya genelinde hâlâ tartışılıyor.
Bu nedenle hızlı inceleme kadar hukuki çerçevenin açıklığı da önemli olacak.
25 Milyar TL’lik Fon: Türkiye AI Girişimlerini Büyütebilir mi?
Eylem planının finansman ayağında iki ayrı mekanizma bulunuyor.
Ulusal Yapay Zekâ Araştırma Fonu için 10 milyar TL, Yapay Zekâ Büyüme Fonu için ise 15 milyar TL ayrılması planlanıyor.
Araştırma fonunda desteklenen projelerin en az yüzde 40’ının pilot veya prototip aşamasına ilerlemesi hedeflenirken büyüme fonunun en az 20 girişimin Seri A/B veya ölçeklenme yatırımlarına katkı sağlaması amaçlanıyor.
Bu ayrım son derece doğru bir probleme dokunuyor.
Türkiye’de teknoloji girişimciliğinin sık karşılaşılan problemlerinden biri yalnızca şirket kurmak değil, şirketi büyütebilmek.
Bir girişim prototip geliştirebilir.
İlk müşterisini bulabilir.
Hatta ürününü Türkiye’de satabilir.
Ama global ölçekte büyümek istediğinde milyonlarca dolarlık sermaye ihtiyacı doğar.
Özellikle AI şirketlerinde GPU, veri, mühendis ve global satış maliyetleri yüksek.
Bu nedenle seed aşaması kadar scale-up finansmanı da kritik.
15 milyar TL’lik fon başarılı girişimleri yalnızca hayatta tutmak yerine uluslararası pazara taşıyabilirse, programın ekonomik getirisi çok daha yüksek olabilir.
Ama 20 Başarılı Şirket Yeter mi?
Burada hedefi yalnızca girişim sayısıyla değerlendirmemek gerekiyor.
AI ekonomisinde birkaç başarılı şirket bile çok büyük değer yaratabilir.
OpenAI.
Anthropic.
DeepSeek.
Mistral.
Scale AI.
Perplexity.
Bunların her biri kendi ekosistemlerinde milyarlarca dolarlık değer üretmiş durumda.
Türkiye’nin mutlaka yüzlerce temel model şirketine ihtiyacı yok.
Belki daha gerçekçi fırsat vertical AI, yani belirli sektörlere özel yapay zekâ ürünlerinde.
Sağlık.
Savunma.
Üretim.
Turizm.
Lojistik.
Finans.
Perakende.
Tarım.
Eğitim.
Türkiye’nin zaten güçlü olduğu sektörlere AI entegre edildiğinde küresel rekabet avantajı daha ulaşılabilir olabilir.
Örneğin dünyanın en büyük genel amaçlı LLM’ini geliştirmek son derece pahalı.
Ama tekstil üretiminde kalite kontrol yapan dünyanın en iyi AI sistemlerinden birini geliştirmek çok daha farklı bir problem.
Stratejik fırsat burada olabilir.
Kamuda AI İçin En Az Yüzde 2: Devlet İlk Büyük Müşteri Olabilir
Plan kapsamında kamu yatırım programı bütçelerinin en az yüzde 2’sinin yapay zekâ projelerine ayrılması hedefleniyor.
Bu maddenin etkisi rakamdan daha büyük olabilir.
Çünkü teknoloji ekosistemlerinde devletin rolü yalnızca fon sağlamak değildir.
Devlet aynı zamanda müşteri olabilir.
Örneğin bir Türk AI girişiminin sağlık sistemi geliştirdiğini düşünelim.
En büyük problemi belki yatırım bulmak değil, ilk büyük müşterisini bulmaktır.
Kamu sağlık kurumları başarılı pilotların müşterisi olursa şirket gerçek veri, gerçek kullanıcı ve gerçek referans elde eder.
Benzer senaryolar:
enerji optimizasyonu,
akıllı şehirler,
coğrafi bilgi sistemleri,
kamu çağrı merkezleri,
belge işleme,
siber güvenlik,
ulaştırma
alanlarında da mümkün.
Bu nedenle kamu AI bütçesinin yerli teknoloji satın alma ve pilot uygulama mekanizmasıyla ilişkilendirilmesi önemli olabilir.
Sağlık, Enerji ve Sanayi Neden Öncelikli?
Planda sağlık hizmetlerinde verimlilik, enerji ve şebeke optimizasyonu, akıllı üretim, kalite kontrol ve coğrafi bilgi sistemleri gibi sektörler özellikle öne çıkarılıyor.
Bunun mantığı anlaşılır.
AI’ın en büyük ekonomik etkisi yalnızca chatbot aboneliklerinden gelmeyebilir.
Asıl büyük değer mevcut sektörlerin verimliliğinde oluşabilir.
Bir fabrikanın hata oranını yüzde 5 azaltmak.
Bir enerji şebekesinin tüketimini optimize etmek.
Bir hastanenin görüntüleme süreçlerini hızlandırmak.
Bir lojistik şirketinin rotalarını iyileştirmek.
Bunların her biri ekonomik olarak son derece ölçülebilir kazanımlar.
Bu nedenle Türkiye açısından AI stratejisinin yalnızca “kaç teknoloji startup’ı kuruldu?” üzerinden değil, mevcut sanayinin ne kadar AI kullandığı üzerinden de ölçülmesi gerekiyor.
Fiziksel AI ve Robotik Planda Neden Özel Yer Tutuyor?
Planın dikkat çekici taraflarından biri robotik ve physical AI teknolojilerini ayrı bir stratejik alan olarak görmesi.
Savunma sanayisinde geliştirilen otonom sistem ve robotik yetkinliklerin sivil sektörlere aktarılması hedefleniyor. 2027 sonuna kadar üç öncelikli pilot uygulama, iki üniversite-sanayi robotik merkezi, üç test sahası ve üç savunmadan sivile teknoloji transferi projesi başlatılması; 2030’a kadar da ihracat veya ortak geliştirme anlaşmaları yapılması planlanıyor.
Bu Türkiye açısından oldukça mantıklı bir alan.
Çünkü savunma sanayisinin son yıllarda kazandığı:
computer vision,
otonom navigasyon,
sensör füzyonu,
dron teknolojileri,
gömülü sistemler,
robotik
yetkinlikleri sivil ekonomiye aktarılabilir.
Depo robotları.
Tarım robotları.
Endüstriyel inspection sistemleri.
Otonom lojistik.
Akıllı makineler.
AI destekli üretim hatları.
Bunlar Türkiye’nin yalnızca yazılım değil donanım + AI bileşiminde ürün geliştirebileceği alanlar.
Otonom Araçlar İçin Test Sahaları Neden Gerekli?
Tam otonom sürüş yalnızca iyi bir otomobil yapmakla mümkün değil.
Dijital haritalar.
Yol altyapısı.
5G/6G iletişim.
Sigorta.
Mevzuat.
Sorumluluk kuralları.
Test ortamları.
Sensör standardizasyonu.
Bunların hepsinin birlikte çalışması gerekiyor.
Bu nedenle planın otonom sürüş altyapısı ve test sahalarına özel yer ayırması önemli.
Türkiye otomotiv üretiminde güçlü bir ülke.
AI dönüşümü doğru yönetilirse klasik otomotiv üretim kabiliyeti:
software-defined vehicle + autonomous driving + AI
ekosistemine dönüştürülebilir.
Aksi durumda Türkiye otomobili üreten fakat aracın en değerli yazılım ve AI katmanlarını dışarıdan satın alan üretim merkezi olarak kalabilir.
Aradaki ekonomik fark çok büyük.
10 TWh Düşük Karbonlu Elektrik Hedefinin AI ile Ne İlgisi Var?
Planın teknoloji haberlerinde daha az dikkat çeken ama belki de en kritik unsurlarından biri enerji.
2030’a kadar 10 teravatsaat düşük karbonlu elektrik alım anlaşması hacmi hedefleniyor.
Bunun nedeni basit.
AI enerji tüketiyor.
Hem de çok fazla.
Bir veri merkezi yatırımcısı için GPU fiyatı kadar önemli sorulardan biri:
“Elektriği nereden ve hangi maliyetle alacağım?”
Türkiye veri merkezi merkezi olmak istiyorsa ucuz, güvenilir ve mümkün olduğunca düşük karbonlu enerji sağlamak zorunda.
Bu nedenle AI politikası enerji politikasından ayrı düşünülemez.
Önümüzdeki dönemde teknoloji rekabetinin beklenmedik biçimde:
GPU + elektrik + su + arazi
denklemine dönüşmesi muhtemel.
Türkiye’nin avantajlarından biri yenilenebilir enerji kapasitesini veri merkezi büyümesiyle eş zamanlı planlayabilmesi olabilir.
AI Büyüme Bölgeleri: Teknoloji Serbest Bölgeleri mi Geliyor?
Plan kapsamında büyük yapay zekâ ve veri merkezi yatırımlarını hızlandırmak için AI büyüme bölgeleri oluşturulması da hedefleniyor.
Buradaki yaklaşım klasik teknoloji parklarından biraz farklı olabilir.
Büyük veri merkezi yatırımı için şirketin yalnızca ofise ihtiyacı yok.
Yüksek kapasiteli elektrik bağlantısı.
Fiber altyapı.
Soğutma.
Arazi.
Enerji güvenliği.
Hızlandırılmış izin süreçleri.
Bunların hazır olması gerekiyor.
Eğer büyüme bölgeleri bu altyapıyı önceden sağlayabilirse Türkiye'nin uluslararası veri merkezi yatırımcıları açısından cazibesi artabilir.
Ancak yine aynı kritik soru geçerli:
Bu bölgeler yalnızca yabancı hyperscaler’ların sunucularını barındıran kampüsler mi olacak?
Yoksa çevresinde gerçek bir Türk AI ekosistemi mi oluşacak?
Başarı ölçüsü ikinci seçenek olmalı.
Etik Kurul ve Yapay Zekâ Yönetişimi Neden Gerekli?
AI planının “Yönet” bölümünde kurumsal yapılanma da önemli yer tutuyor.
Planın ardından açıklanan yönetişim modelinde Ulusal Yapay Zekâ Kurulu, Program Ofisi ve etik/güvenlik mekanizmaları öne çıkıyor. Ulusal Kurulun stratejik öncelikler, kaynak tahsisi, riskler ve etik ilkeler konusunda üst düzey koordinasyon organı olarak tasarlanması planlanıyor.
Bu yapı yalnızca bürokratik koordinasyon için değil, güven problemi açısından da gerekli.
Çünkü AI kamu hizmetlerine girdikçe çok daha hassas karar alanlarına yaklaşacak.
Bir hastanın risk değerlendirmesi.
Bir kredi değerlendirmesi.
Bir sosyal yardım sistemi.
Bir kamu personeli değerlendirmesi.
Bir güvenlik uygulaması.
Bütün bunlarda “algoritma böyle söyledi” açıklaması yeterli olmayacak.
Şeffaflık, denetlenebilirlik, ayrımcılık riskleri ve itiraz mekanizmalarının nasıl kurulacağı önemli.
Dolayısıyla başarılı AI politikası yalnızca yeniliği hızlandırmak değil, güven inşa etmek zorunda.
Türkiye’nin Avantajı Ne?
ABD dev model şirketlerinde güçlü.
Çin donanım üretimi, robotik ve ölçek konusunda güçlü.
Avrupa regülasyon ve endüstriyel teknoloji tarafında iddialı.
Türkiye’nin aynı yarışı tamamen aynı yöntemle kazanması gerçekçi olmayabilir.
Ancak Türkiye’nin kendine özgü bazı avantajları var.
Büyük genç nüfus.
Gelişmiş savunma sanayisi.
Güçlü üretim altyapısı.
Avrupa, Orta Doğu ve Asya arasında coğrafi konum.
Otomotiv.
Tekstil.
Turizm.
Lojistik.
Finans.
E-ticaret.
Büyük kamu hizmetleri ölçeği.
Dolayısıyla Türkiye’nin güçlü AI stratejisi “bir sonraki OpenAI bizden çıksın” hedefinden daha geniş düşünülmeli.
Belki asıl avantaj:
AI’ı gerçek ekonomiye en hızlı entegre eden ülkelerden biri olmak.
Türkiye Kendi Temel Modelini Geliştirmeli mi?
Bu soru kaçınılmaz.
Türkiye'nin yerli büyük dil modelleri üzerine çalışmalar yürüttüğü biliniyor ve BİLGE gibi modeller geliştiricilere açılmaya başladı. Sanayi ve Teknoloji Bakanlığı da bu çalışmaları daha geniş yapay zekâ ekosisteminin parçası olarak konumlandırıyor.
Türkiye açısından Türkçe dil kabiliyeti yüksek, yerel hukuku, kültürü ve kamu ihtiyaçlarını anlayan modeller stratejik olabilir.
Fakat dünyanın en büyük frontier modelini sıfırdan üretmeye çalışmak çok pahalı.
Bu nedenle daha rasyonel yaklaşım üç katmanlı olabilir:
Global açık modellerden yararlanmak.
Türkçe ve bölgesel ihtiyaçlar için modeller geliştirmek.
Belirli sektörlerde dünyanın en iyi özel modellerinden bazılarını üretmek.
Bu yaklaşım hem maliyeti azaltır hem de ekonomik değeri doğrudan kullanım alanına taşır.
Reklamcılık, Tasarım ve Yaratıcı Sektörler Bu Planın Neresinde?
İlk bakışta plan veri merkezleri, robotik ve sanayi üzerine yoğunlaşıyor gibi görünse de yaratıcı ekonomi de dönüşümden doğrudan etkilenecek.
Reklam ajansları bugün bile AI ile:
metin,
görsel,
video,
ses,
3D,
araştırma,
kodlama,
analiz
üretebiliyor.
Türkiye’de uygun maliyetli hesaplama altyapısı ve yerel modeller gelişirse özellikle Türkçe içerik üretiminde yeni şirketler ortaya çıkabilir.
Türkiye’ye özgü:
AI reklam platformları,
Türkçe voice modelleri,
video modelleri,
e-ticaret kreatif otomasyonları,
sosyal medya araçları,
yerel müşteri hizmetleri AI’ları
gibi ürünlerin önü açılabilir.
Bu yaratıcı ajanslar açısından da önemli.
Çünkü gelecekte ajansların rekabeti yalnızca Photoshop’u iyi kullanmak üzerinden olmayacak.
AI altyapısını yaratıcı stratejiyle kim daha iyi birleştiriyor?
sorusu öne çıkacak.
KOBİ’ler İçin Belki de En Büyük Değişim Başlıyor
Türkiye ekonomisinin önemli bölümü KOBİ’lerden oluşuyor.
Bu nedenle AI dönüşümünün yalnızca büyük holdinglerde gerçekleşmesi yeterli değil.
Planda KOBİ kuponları, hesaplama erişimi ve sektörel programların bulunması bu nedenle önemli.
Bir KOBİ’nin kendi AI departmanını kurması gerçekçi olmayabilir.
Ama hazır servislerle:
talep tahmini,
stok optimizasyonu,
müşteri hizmetleri,
kalite kontrol,
satış analizi,
içerik üretimi,
fiyat optimizasyonu
yapması mümkün.
Türkiye AI’dan gerçekten büyük ekonomik verimlilik elde edecekse milyonlarca küçük işletmenin bu teknolojiyi kullanabilmesi gerekiyor.
Planın Önündeki En Büyük Risk: Hedeflerin Uygulamaya Dönüşememesi
Strateji belgelerinde güçlü hedefler belirlemek nispeten kolay.
Asıl zor bölüm uygulama.
2030’a geldiğimizde planı başarılı sayabilmek için yalnızca:
“program başlatıldı”,
“merkez kuruldu”,
“fon oluşturuldu”
demek yeterli olmamalı.
Daha sert sorular gerekiyor.
Kaç AI şirketi global gelir elde ediyor?
Türkiye’nin GPU kapasitesi ne kadar arttı?
AI girişimlerinin yurtdışı satışları ne?
Kamu AI projeleri ne kadar tasarruf sağladı?
AI kullanan KOBİ’lerde verimlilik artışı ne?
Yetiştirilen uzmanların kaçı gerçekten ileri seviye AI mühendisliği yapabiliyor?
1 GW veri merkezi kapasitesinin ne kadarı yerli AI ürünlerini destekliyor?
Fonlanan şirketlerin kaçı ölçeklendi?
Bunlar ölçülmezse büyük rakamlar kolaylıkla iyi görünen sunumlara dönüşebilir.
Diğer Büyük Risk: Beyin Göçü
10 bin ileri düzey AI uzmanı yetiştirmek iddialı.
Ancak bu kişilerin Türkiye’de kalması daha zor olabilir.
AI mühendisleri bugün dünyanın en fazla talep gören çalışanları arasında.
ABD, Avrupa, Körfez ülkeleri ve Çin yüksek maaşlar ve büyük araştırma bütçeleri sunuyor.
Dolayısıyla insan kaynağı stratejisinin:
“uzman yetiştirmek”
ile bitmemesi gerekiyor.
Araştırma bütçesi.
Uluslararası maaş rekabeti.
Hisse opsiyonları.
Startup ekosistemi.
Akademik özgürlük.
GPU erişimi.
Global projeler.
Bunların hepsi yeteneğin ülkede kalmasını etkiliyor.
En iyi AI araştırmacısını yetiştirip ardından başka ülkenin teknoloji şirketine göndermek Türkiye’nin rekabet gücünü sınırlı artırır.
10 Milyar Dolar Büyük Bir Rakam, Ama Küresel AI Yarışı Çok Daha Büyük
Türkiye'nin 10 milyar dolarlık yatırım hedefini doğru perspektifte değerlendirmek gerekiyor.
Bu Türkiye için önemli bir büyüklük.
Ama küresel teknoloji şirketlerinin tek yıllık AI altyapı harcamalarıyla karşılaştırıldığında devasa değil.
Dolayısıyla Türkiye’nin rekabet stratejisi sermaye yarışında ABD’yi yakalamaya çalışmak olamaz.
Daha akıllı uzmanlaşmak zorunda.
Türkiye’nin fırsatı her alanda en büyük olmak değil.
Belirli alanlarda çok iyi olmak.
Savunma AI.
Endüstriyel AI.
Türkçe NLP.
Robotik.
Fintech.
Perakende.
Turizm teknolojileri.
Tarım.
Lojistik.
Bu sektörlerde dünya pazarına satılabilecek ürünler çıkarmak daha gerçekçi bir strateji olabilir.
Asıl Mesele Yapay Zekâ Egemenliği
Türkiye Yapay Zekâ Eylem Planı’nı yalnızca ekonomik kalkınma belgesi olarak değerlendirmek de eksik.
Planın Resmî Gazete’de yayımlanan çerçevesinde teknolojik bağımsızlık, veri odaklı kalkınma, güvenilir yapay zekâ ve sürdürülebilir dijital dönüşüm kavramları özellikle öne çıkıyor.
Bunun nedeni giderek açık hâle geliyor.
Bir ülke:
verisini yabancı bulutta saklıyor,
AI modelini yabancı şirketten alıyor,
GPU’sunu ithal ediyor,
işletim sistemini yabancı şirketten kullanıyor,
AI API’si kesildiğinde hizmet veremiyorsa
dijital ekonomisinde ciddi bağımlılık oluşuyor.
Tam bağımsızlık günümüz teknoloji dünyasında gerçekçi olmayabilir.
Ama kritik katmanlarda alternatif kapasite oluşturmak mümkün.
İşte “dijital egemenlik” tartışması bununla ilgili.
2030’da Başarıyı Nasıl Anlayacağız?
Türkiye Yapay Zekâ Eylem Planı’nın başarı hikâyesi 2030’da “5 milyon kişiye eğitim verildi” cümlesi olmamalı.
Gerçek başarı daha somut görünmeli.
Türkiye’den global AI şirketleri çıkmışsa,
yerli şirketler AI ihracatı yapıyorsa,
KOBİ’lerin üretkenliği artmışsa,
Türkçe AI modelleri güçlü bir ekosistem oluşturmuşsa,
araştırmacılar Türkiye’de kalmak istiyorsa,
kamu hizmetleri gerçekten iyileşmişse,
robotik ve otonom sistemlerde yeni ihracat alanları oluşmuşsa,
veri merkezleri yalnızca yabancı servisleri barındırmak yerine yerli teknoloji üretimini besliyorsa,
plan amacına yaklaşmış demektir.
Aksi durumda çok büyük rakamların olduğu ama ekonomik çıktısı sınırlı kalan başka bir teknoloji programına dönüşebilir.
Türkiye İçin Asıl Yarış Şimdi Başlıyor
2026-2030 Yapay Zekâ Eylem Planı Türkiye açısından önemli çünkü ilk kez yapay zekâyı tek bir yazılım trendi değil, ulusal ölçekte teknoloji altyapısı olarak ele alan kapsamlı bir çerçeve ortaya koyuyor.
5 milyon kişilik eğitim hedefi önemli.
10 milyar dolar önemli.
25 milyar TL fon önemli.
1 GW veri merkezi hedefi önemli.
“Herkes İçin GPU” önemli.
Ama bunların hiçbiri tek başına başarı değil.
Bunlar araç.
Başarı, Türkiye’nin bu araçlarla ne üreteceğinde.
Çünkü yapay zekâ çağında ekonomik değer modeli kullanandan çok modelin üzerine ürün kurana, ürünü ihraç edene, veriyi değere dönüştürene ve teknolojinin kritik altyapısına sahip olana doğru kayıyor.
Türkiye’nin önündeki tercih de aslında oldukça net.
Dünyanın geliştirdiği yapay zekâ araçlarını çok iyi kullanan büyük bir pazar olabiliriz.
Ya da bunları kullanmanın yanında kendi ürünlerini, şirketlerini, modellerini ve fikri mülkiyetini oluşturan bir teknoloji üreticisine dönüşebiliriz.
Yeni eylem planının gerçek önemi 10 milyar dolarlık yatırım hedefinde değil.
İkinci seçeneğin artık resmî bir devlet hedefi hâline gelmiş olmasında.
Nur Oğuz