Yazılım ölmüyor, evrim geçiriyor

• Yapay zeka ile kod üretimi ucuzladıkça "özelliği önce ben yaptım" hendeği yıkılıyor ve yalnızca üst üste özellik biriktirmiş yazılımlar değer açısından gerçek zamanlı olarak yeniden fiyatlanıyor (repriced)
• Artık savunma hattı özellik geliştirme hızından değil, yüksek doğruluklu iş akışları, özel veri, derin kayıt sistemleri üzerinden geliyor; 'gerçek şirket' sayılmanın eşiği de yükseliyor
• "Hafta sonu Claude ile CRM'i vibe coding yaptım" türü iddialar, kod üretimi ile görev kritik servis işletimi arasındaki farkı gözden kaçırıyor; şirketler kod değil güven (trust) satın alıyor
• Ajanlar uygulamaların yerini almak yerine dikey uygulamaların içine katmanlanıyor; veri modeli, yetkiler ve denetim izlerini sahiplenen uygulamalar satış ve yenilemenin öznesi olarak kalıyor
• Son dönemde legacy yazılım şirketlerinin piyasa değerinden 285 milyar dolar silinirken SaaS'ın sonu söylemi yükseldi; ancak yapay zeka talebi hâlâ arzı aşan, gerçek gelire dayalı bir pazar

---

Köpük tartışması yanlış soru

• Yapay zekanın geneline bakıldığında bu bir köpük değil. Talep arzı sürekli aşıyor ve bazı portföy şirketleri, hesaplama gücü eksikliği nedeniyle müşteri talebini tamamen karşılayamıyor
  • Bu talep yalnızca kullanıcı sayısından ibaret değil; buna on milyarlarca dolarlık gerçek gelir bağlı ve köpükler böyle görünmez
• Ancak köpük şüphesinin yoğunlaştığı başka bir alan var: geç aşama değerlemelere sermayenin yığıldığı insansı robotik
  • Geri takla veya dans hareketleri görülüyor ama ekonomik olarak değerli iş yapan bir robot hâlâ yok
  • LLM'ler açık internet adlı eğitim korpusu sayesinde çalıştı ama robotikte buna denk bir veri korpusu yok, bu yüzden
    eğitim verisinin nereden geleceği belirsiz bir araştırma problemi olarak kalıyor (araştırma takvimi venture takvimiyle uyumlu değil)
• Yani "yapay zeka köpüğü" sorusunun yanıtı alana göre değişiyor; yazılım (SaaS) için de hemen "öldü" sonucuna varmak yerine her iddiayı tek tek değerlendirmek gerekiyor

Yazılımın ölümü hakkında 4 iddia (en kötüsünden en iyisine)

• #4: Herkes kendi yazılımını vibe coding ile yapacak

  • "Salesforce'a neden para ödeyeyim, hafta sonu Claude ile kendi CRM'imi vibe coding yaparım" iddiası
  • Bir kod tabanı üretmek ile görev kritik bir servisi işletmek tamamen farklı şeylerdir
    • Vibe coding yapan kişi ayrılırsa kod tabanını sürdürme sorunu ortaya çıkar
    • Kod üretimi, SOC2 uyumluluğu ve halüsinasyon (hallucination) kontrolü sorunlarını çözmez
    • 1998'de yazılmış SQL veritabanı entegrasyonlarını veya sabah 4'te dashboard çöktüğünde uptime sorumluluğunu da çözmez
  • Şirketler kod değil güven satın alır; yapay zeka ile kod eşdeğerliği kolaylaştı ama güven eşdeğerliği hâlâ zordur

• #3: Claude ve ChatGPT gibi ajanlar kurumsal uygulamaları yutacak

  • Vibe coding iddiasından daha iyi bir tez olsa da hata maliyeti yüksek iş akışlarında çalışacağı konusunda şüphe var
  • LLM sistemleri deterministik değildir (non-deterministic) ve halüsinasyona açıktır
    • Normal yazılım hataları yeniden üretilebilirken, ajan başarısızlıkları %98 geçip kritik anda patlayan istikrarsız testlere benzer
  • E-posta taslağı, belge özeti, pazarlama metni gibi düşük riskli işler için uygundur
    • Ancak ajan zorunlu alanları atlar ya da sözleşme tutarını yanlış kaydedip altı haneli bir anlaşmayı kaybettirirse, kuralları zorunlu kılan bir sistem gerekir
  • Tamamen ajan tabanlı iş akışı kuran ekipler sonunda yeniden doğrulama katmanı, onay adımları, rollback ve denetim logları inşa eder
    • Bunların hepsi toplandığında, aslında ajanın etrafına yeniden bir SaaS uygulaması kurmuş olurlar
    • Sonuçta uygulamayı değiştirmek yerine ajanı dikey uygulamanın içine katmanlamış olursunuz
    • Veri modeli, yetkiler, denetim izi ve müşteri ilişkileri uygulamanın sahipliğinde kalır; satılan, desteklenen ve yenilenen şey de bu envelope'un kendisidir
  • Model güvenilirliği arttığında bu daha ilginç hale gelebilir, ama henüz orada değiliz

• #2: Koltuk bazlı fiyatlandırmanın çöküşü SaaS modelini yıkacak

  • Geleneksel SaaS üç katmandan oluşur: veri, iş mantığı ve UI; bunların üzerine şimdi dördüncü bir ajanik katman (agentic layer) ekleniyor
    • Daha önce insanlara 50 koltuk satarken, şimdi iki ajan bunu UI olmadan yapabiliyorsa fiyatlandırma gücü sorunu ortaya çıkar
  • Ajanlar daha çok iş yapıyor ve müşteri daha fazla değer alıyorsa bu varoluşsal bir sorun değil, bir fiyatlama ve paketleme sorunudur
    • Token, çıktı ve hibrit kullanım modelleriyle değere göre fiyatlama (price to value) tasarlayan satıcılar ayakta kalır
    • Koltuk başı fiyatlandırmaya saplanan satıcılar, müşteriler koltukları otomatikleştirdikçe çöker
  • Tamamen çıktıya dayalı fiyatlandırma her kategoriye temiz şekilde uygulanamaz; bu nedenle önümüzdeki birkaç yılda hibrit modellerin (kullanım + çıktı) baskın olması bekleniyor (orijinal metinde açıkça belirtiliyor)

• #1: Kod ucuzladıkça özellik hendeği çöküyor

  • En ciddiye alınması gereken iddia bu
  • SAP, ServiceNow ve Salesforce'un hendeği onlarca yılda birikmiş mühendislik emeğiydi
    • Tüm özellikler, entegrasyonlar ve raporlar; startup'ların yetişmesinin zor olduğu kod tabanlarına gömülüydü, ancak yapay zeka bu zaman çizelgesini dramatik biçimde sıkıştırıyor
  • Ürün sadece bir iş akışı katmanıysa ve savunma tezi "önce ben yaptım" ise, durum tehlikeli
    • İş zekâsı ve yaratıcı içerik üretimi, şu anda hendeği en sığ alanlar; çünkü LLM'ler tam da bu işleri çok iyi yapıyor

Artık hendek nerede var

• Üç savunma unsuru

  • Hata bütçesi sıfıra yakın olan yüksek doğruluklu iş akışları: finansal altyapı, sağlık hizmetleri, regülasyon uyumluluğu vb.
    • Vibe coding, HIPAA denetimini ya da mutabakat uyuşmazlıklarını kaldıramaz; burada hata maliyetinin kendisi hendektir
  • Özel veri geri besleme döngüleri: müşteri kullanımıyla anlamlı şekilde gelişir ve rakipler aynı foundation model ile bunu kopyalayamaz
    • Varlık model değil, veridir
  • Derin kayıt sistemleri (systems of record): legacy operasyonlara gömülüdür, hakikatin kaynağını sahiplenir ve yüksek geçiş maliyeti yaratır
    • Bu şirketler yapay zekadan kaçmak yerine onu agresif biçimde benimsemeli; ajan katmanı veri değerini daha da yükseltir

Yapay zeka yığınının bugünkü durumu: yatırım yapılacaklar ve yapılmayacaklar

• "Yapay zekaya yatırım yapıyoruz" demek, 2012'de "yazılıma yatırım yapıyoruz" demek kadar ayırt edici olmaktan çıktı
• Dört katman var ve bunların hepsi aynı sermaye tahsisi hedefi değil

• 1. Donanım

  • Hesaplama gücü bu döngünün bağlayıcı kısıtı (binding constraint) olmaya devam ediyor
  • Neolabs gibi şirketler, aylar önce işlenmiş olması gereken satın alma siparişlerini (PO) bekliyor
  • Talep gerçek ama arz tıkalı; kazananlar çoğunlukla halka açık şirketler ya da zaten ölçek kazanmış olanlar — seed yatırım bu sonucu değiştirmez

• 2. Model

  • Frontier modeller venture işi değil, sermaye yoğun (capex) işlerdir
  • Bunları düzgün eğitmenin maliyeti küçük bir ülkenin GSYİH'sine yaklaşır; OpenAI, Anthropic ve Google bu oyunu zaten oynuyor
  • Doğrudan cepheden saldıran model startup'ları yanlış savaşı seçmiş oluyor
  • Yalnızca Sciforium gibi, yeni mimari, eğitim/çıkarım yöntemleri veya problem çerçevelemesi ile farklı bir form arayan az sayıdaki şirkete yatırım yapılıyor
    • Mevcut devlerin ancak kendi çekirdek işlerini baltalayarak takip edebileceği bir yan manevra (outflanking) yaklaşımı varsa ilgi çekiyor

• 3. Altyapı

  • Yapay zekanın mevcut SaaS varsayımlarını ilginç biçimde bozduğu yer burası
  • Geleneksel SaaS okuma ağırlıklı (read-heavy) idi; bir satır kaydedilir ve milyonlarca kez okunurdu
    • Yapay zeka iş yükleri bunu tersine çeviriyor: eğitim pipeline'ları, ajan belleği, vektör store'lar ve değerlendirme harness'leri; legacy sistemlerin tasarlanmamış olduğu veri türleriyle yazma ve güncelleme ağırlıklı (write-heavy) çalışıyor
  • Her iki tarafa da aktif yatırım yapılıyor
    • Veri katmanının kendisi: PlanetScale, Greybeam — bu iş yükü biçimine uygun OLTP ve OLAP veritabanı primitive'lerini yeniden inşa ediyor
    • Veri üretim katmanı: Preference Model, Moody Pines, Terac — hesaplama sorunu çözüldükten sonra gerçek darboğaz olan temizlenmiş, yapılandırılmış ve etiketlenmiş veri arzını sağlıyor

• 4. Uygulamalar

  • Şu anda sermayenin büyük kısmı buraya gidiyor; çünkü değer gerçek alıcıya bu katmanda ulaşıyor
  • Tıbbi kodlama, yük optimizasyonu, hukuk incelemesi, satış operasyonları, klinik operasyonlar gibi daha önce dokunulamaz görülen iş akışlarında yapay zeka artık mümkün, bu yüzden yüzey alanı (surface area) çok büyük
  • Rekabet yoğun ve fiyat baskısı var; ama bu, talebin büyük olduğu katmanların doğası
  • Kazananlar, AI-native iş akışını yüksek doğruluklu ortamlar, özel veri döngüleri veya derin kayıt sistemlerinden en az biriyle birleştirenler olacak

Bu pazarda şirket kuranlara

• Donanım ve modeller, yapısal üstünlüğünüz yoksa yeni oyunculara neredeyse kapalı
• Altyapı tarafı, "AI iş yükleri yalnızca chatbot eklenmiş SaaS iş yükleri değildir" gerçeğini içselleştirdiyseniz sonuna kadar açık
• Uygulamalar, hem hacmin en büyük olduğu hem de çıtanın en hızlı yükseldiği alan

• Seed ve Series A aşaması için öneriler

  • "Hızlı çıkarız" hendek iddiasını bırakın — artık bu bir temel beklenti
  • Başkasının elde edemeyeceği, yalnızca sizin biriktirdiğiniz veriyi gösterin
  • Müşterinin istediği zaman söküp çıkaramayacağı, yalnızca sizin emip içine aldığınız iş akışını vurgulayın
  • Hatanın büyük kayba yol açtığı ortamlarda, sisteminizin sağladığı doğruluğu anlatın
  • İki büyük uygulama arasında sıkışmış bir özellikseniz, bir ölü bölgede (dead zone) olduğunuzu kabul etmeniz gerekir
• Yazılım ölmüyor; ancak şişkin, utility tipi yazılımlar gerçek zamanlı olarak yeniden fiyatlanıyor (repriced) ve bunların yerini alacak şey, model API'leriyle yapılmış bir hafta sonu projesinden çok daha zor bir iş — gerçek şirket olmanın çıtası yükseliyor