Zekanın fiyatını kim belirleyecek?

• Yapay zeka, zekayı (intelligence) fiyatlandırılan bir kaynağa dönüştürürken, pazarın tüm katmanları bu fiyatı kimin kontrol edeceği konusunda rekabet ediyor
• Yapay zeka laboratuvarları, kullanımın kendi üzerlerinden akmasını istiyor; uygulamalar ise zekayı laboratuvarlardan daha iyi tahsis edebildiklerini kanıtlamaya çalışıyor ve devletler zekanın ulusal altyapı haline gelecek kadar ucuzlamasını istiyor
• Zekanın maliyeti artık yazılımın bir girdisi değil; şirketlerin, piyasaların ve jeopolitiğin yeniden şekillendiği bir eksen (axis) olarak işliyor
• Yapay zeka yatırımının yazılım yatırımından farklı olmasının nedeni daha fazla değişken olması, bu değişkenlerin eşit olmayan şekilde bağlantılı (coupled) olması ve her değişkenin kendi eğrisi üzerinde hareket eden alt değişkenlere ayrışması
• Bu, denklemin her saat yeniden yazıldığı bir sistemi analiz etmek anlamına geliyor; herhangi bir değişken yeterince oynadığında diğer değişkenlerin anlamını değiştiren sürekli bir yeniden yapılanma söz konusu

---

Yapay zeka yatırımının yazılım yatırımından neden farklı olduğu

• Yazılımda örüntü eşleme zor olsa da işe yarıyordu; dağıtım maliyeti (distribution cost) müşteri edinme verimliliğini, geçiş maliyeti (switching cost) ise elde tutma ve genişlemeyi belirliyordu
  • CAC payback, NDR, magic number, Rule of 40'ın hepsi bu iki gücün alt çıktılarıydı
• Yapay zeka bunu üç nedenle bozuyor
  • Sistemde daha fazla değişken var
  • Değişkenler eşit olmayan biçimde bağlantılı
  • Her değişken kendi eğrisi üzerinde hareket eden alt değişkenlere ayrışıyor
• Capability, cost, latency, deployment, regulation, talent değişkenlerinden herhangi biri hareket ettiğinde diğerlerinin anlamı değişiyor; bir kısıtı çözdüğünüzde sıradaki önemli kısıt da değişiyor

Her değişken neyi değiştiriyor

• Hâlihazırda konuşulan tanıdık değişkenler capability, cost, latency
• Daha zor değişkenler ise araştırma ve üründen çıkan unlocks; bunların niteliğini ve derinliğini önceden modellemek zor ve geliş hızları da sürekli artıyor
• Yazılımın sabit değer olarak ele aldığı kısıtlar, yapay zekada stratejik tercihlere dönüşüyor: geopolitics, deployment, talent

• Capability

  • reasoning, context, multimodality, tool use, planning, memory, controllability şeklinde ayrışıyor ve her biri kendi eğrisi üzerinde sert biçimde hareket ediyor
    • context yalnızca 3 yılda 4 bin tokenden 1 milyon tokenin üstüne çıktı
    • reasoning, prompt hilelerinden bağımsız bir model sınıfına dönüştü
  • retrieval pipelines, output parsers, prompt scaffolds gibi altyapıları içine aldı; bunlar model zayıflıklarını telafi eden protezlerdi (prosthetics)
  • Prompt sığdırabilen bir model ile kod tabanını ya da müşteri geçmişini sığdırabilen bir model farklı ürünlerdir; performans artışı tüm uygulamaları eşit biçimde yukarı çekmez, darboğazı (bottleneck) yer değiştirir

• Cost

  • Maliyet düşüşü yalnızca marjı iyileştirmez, kimin rekabet edebileceğini değiştirir
    • Bir zamanlar frontier API gerektiren iş akışları, ucuz open-weight modellere, ince ayarlı uzman modellere veya yönlendirilmiş stack'lere kaydıkça premium ürünler commodity feature haline gelir
  • DeepSeek, model katmanındaki maliyet beklentisi değişiminin üst katmandaki marj havuzlarını yeniden yönlendirebileceğini daha sert biçimde gösteriyor

• Latency

  • Yapay zeka, asenkron prompting'den gerçek zamanlı iş akışlarına kaydıkça bir değişkene dönüşüyor
    • Yavaş bir model not yazımı için kabul edilebilir olabilir ama sales call, support conversation, tutoring session ve security response gibi alanlarda çöker
  • Karşı tarafta bir insan beklediği anda latency artık performansın ince bir detayı değil, pazarda var olup olamayacağınızı belirleyen unsur olur
    • voice bu eşiği; kalite, kesinti yönetimi ve dakika başına cent düzeyinde fiyatlandırma aynı anda geldiğinde aştı
  • Latency'deki düşüş yalnızca aynı ürünü hızlandırmaz, yeni kullanım yüzeyleri (surface) açar

• Yeni eğriler

  • 2 yıl önce listeye konamayacak inference-time compute, task horizon ve yapay zekanın kendi üretiminin girdisi olması

  • Inference-time compute

    • 10 kat fazla hesaplama kullanarak daha iyi cevap alma ayarı, önceki yazılımlarda olmayan gerçekten yeni bir unsur ve sonuç başına maliyeti bir tercih meselesine dönüştürüyor
      • Aynı modelin 10 saniyelik sorgusu ile 10 dakikalık sorgusu, farklı fiyatlı iki farklı üründür; marj model fiyatına değil, sistemin muhakemesine bağlıdır
    • Bu, lab'lere karşı uygulama katmanının karşı atağıdır; frontier modeller ürün mantığını içine aldıkça her şirket, müşterinin token'larını daha iyi tahsis edebildiğini savunmak zorundadır
    • Lab'ler kullanımın büyümesini isterken, uygulamaların teşviki yalnızca sonuç değeri olan yerlere harcama yapmaktır

  • Task horizon

    • Derinlik ayarı inference-time compute ise, task horizon da uzunluk ayarıdır; yapay zekanın insan müdahalesinden önce kendi başına ne kadar süre çalışabildiğini ifade eder
      • Birim call'dan workflow'a kayar
      • Ajanlar saatlerce çalışıp alt ajanlar oluşturabilir ve karar yolakları başına milyonlarca token tüketebilir; böylece kullanım artık seat ile orantılı olmaktan çıkar
    • Uzunluk ile derinliği çarptığınızda her Fortune 500 CFO'sunun sorduğu token faturası ortaya çıkar

  • Yapay zekanın kendi üretiminin girdisi olması

    • Yapay zeka; synthetic data üretmek, kod yazmak, evals oluşturmak ve deney döngülerini sıkıştırmak için kullanılıyor
      • Her nesil, bir sonraki neslin inşa süresini kısalttığı için değişim hızı içsel (endogenous) hale geliyor
    • Bu özyineleme nedeniyle değişim döngüsü artık fon toplama döngüsünden daha kısa; herhangi bir tezin yarı ömrü de kısalıyor

• Geopolitics

  • Savaşın açık biçimde görünür olduğu yer burası; China yapısal olarak verimlilik ve open-weight yayınlama yönüne itiliyor
    • Çiplere sınırlı erişim ve frontier stack'in bazı kısımlarından dışlanma, bu stratejiyi rasyonel kılıyor
  • U.S. open-weight frontier modellerde hâlâ rekabet edebilir ama henüz aynı yapısal cevabı üretmiş değil
  • Yazılım milyarlarca dolarlık eğitim gerektirmiyordu, ancak frontier open weights; compute financing, patient capital, release governance, serving infrastructure ve yetenek için rekabet araçları gerektiriyor
    • Bazı Amerikan gruplarının bu eğitim maliyetini federation veya financial engineering yoluyla rasyonelleştirmesi gerekecek
  • Frontier lab'ler teknolojinin riskli olduğuna inandıkları için capability temelli regülasyonu savunuyor; frontier erişiminin kontrol edildiği, denetlendiği, ölçüldüğü ve API arkasında kaldığı durumda kazançlı çıkıyorlar
  • DeepSeek, yalnızca bir model yayını değil; zekanın fiyatını kimin belirleyeceği üzerine yürüyen savaşta atılmış bir kurşun

• Deployment

  • Değerin tamamı cloud'a gitmediği için bu alan hâlâ akışkan
    • Inference, ürünü bozmadığı sürece en ucuz yere kayar: frontier reasoning cloud'da, latency edge'de, gizlilik ve kişiselleştirme on-device'da; üçünü de gerektiren iş akışları ise hybrid olur
  • Modeller yalnızca veriyi depolamaz; kullanıcının context, memory, documents, voice, code, behavior ve enterprise permissions öğeleri üzerinde çıkarım yapar; bu yüzden gizlilik SaaS'tan daha önemlidir
  • Çıkarımın nerede gerçekleştiği, marjı kimin alacağını, context'i kimin sahipleneceğini ve müşterinin kime güveneceğini belirler

• Talent

  • SaaS'ta yetenek bir uygulama değişkeniydi; daha iyi ekipler daha hızlı üretir, daha iyi satar ve daha disiplinli çalıştırırdı
  • Yapay zekada yetenek, üretimin ham girdisi (raw input) haline geliyor; az sayıda araştırmacı architecture'ı, data mixture'ı, eval regime'ı ve cost-capability eğrisini değiştirebilir
    • Ekipler yalnızca pazara uygun şekilde uygulama yapmaz, pazarın şeklini de değiştirebilir
  • Artık sadece operasyon kalitesi değil, research taste de varlığın bir parçası

Tehdit artık rakip değil

• SaaS'ta genellikle sizi başka bir şirket öldürürdü: daha fazla fonu olan rakip, daha hızlı ekip veya alanını genişleten mevcut oyuncu
  • Tek istisna, üçüncü taraf bir platform üzerine kurulu şirketlerin fiyat ya da şart değişikliği yüzünden rakip olmadan ortadan kalkmasıydı
  • Yapay zeka bu istisnayı varsayılan (default) hale getiriyor
• Yapay zekadaki tehdit katman göçü (layer migration); capability, cost, latency, deployment, regulation, trust değişkenlerinden biri yeterince değiştiğinde iş başka yere taşınır
  • Modele, open-weight alternatifine, müşterinin veri platformuna, agent runtime'a veya doğrudan cihazın kendisine kayabilir
• Bir diğer değişken demand; alıcılar yavaş hareket eder ama saf değildir, lock-in maliyetlerini bilir ve bu gecikmedeki arbitraj kapanmaktadır

Şirket kurma biçimi de tersine dönüyor

• Eski varsayımlar ve geleneksel VC tavsiyeleri ortadan kalkıyor
  • SaaS üretkenlik ve iyi his satıyorsa, yapay zeka giderek outcomes ve services satan daha az cömert bir işe dönüşüyor; sonuç işe yaramalı ki ürün iyi olsun ve o sonuç yeterince verimli üretilebilmeli ki şirket çalışsın

• Consumer ve Enterprise ayrışması

  • Consumer'da yalnızca genişlik yeterli olabilir: hızlı, ucuz, geniş ölçekte faydalı ve hata yaptığında affedilebilir
  • Enterprise'da çıta farklıdır: belirli bir iş akışı içinde müşterinin context'ini, permissions'larını, data'sını ve risk tolerance'ını gömülü biçimde taşıyarak çalışmalıdır
    • Bu yüzden frontier model tek başına bir enterprise ürünü değildir; değer, modeli şirket içinde kullanışlı hale getiren application, orchestration, services ve proprietary data katmanında bulunur

• Distribution ve Talent

  • Dünün modeli yeni bir ürünü mümkün kılabilir; böylece şirket salı günü pozisyonunu değiştirebilir
    • Bazı şirketler satış ekibi profilini şimdiden hareketli hedefi satabilen insanlar yönünde değiştirdi
    • Bazı şirketlerde baştan itibaren top-down yaklaşım işe yarıyor

• Ekonomik yapı

  • services-as-software fiyatlandırmayı değiştiriyor ve systems-integrator ortaklıkları, eski oyun kitaplarına kıyasla yıllar önce ortaya çıkıyor
  • Pazar bölünüyor: bazı yatırımcılar ürünün sürekli yeniden kurulduğu portföylere bakıp ürünün neredeyse önemsiz, services'in asıl iş olduğuna karar veriyor; diğerleri ise danışmanlık gibi görünen şeye tepki duyuyor
  • Daha rahatsız edici gerçek şu: yapay zekada product, services, deployment ve distribution her şirkette yeniden birleştiriliyor

• Kurucunun yeniliği

  • Dar ICP, tek bir wedge, yavaş inşa, öngörülebilir işe alım, product-led retention: değişkenlerin yerinde durmadığı ve müşterilerin point solution istemediği bir pazarda bunların hiçbiri yeterli değil
  • Kazandırıyor gibi görünen unsurlar; hızlı geri bildirim döngüleri, yetkilendirilmiş küçük ekipler ve 6 ay önce yapılmış planlara değil değişime göre yeniden örgütlenme rahatlığı

Artık kurucuların ve devletlerin görevi

• Yapay zekada değer bir kez yakalanıp savunulan bir şey değil; sürekli yeniden fiyatlanan ve yeniden konumlanan bir yapıdır ve değişkenler bu yeniden konumlanmanın yönünü ve hızını okumaya yarar
  • Her yapay zeka şirketi bir varsayımlar yığını üzerinde oturur ve sağlam şirketler hangi varsayımlarda long, hangilerinde short olduklarını bilir
• Yapay zekaya yatırım yapmak ve onu inşa etmek, bir yazılım şirketini incelemekten çok bir trading book yönetmeye benzer
  • Bazı eğrilerde long, bazılarında short olursunuz ve en kritik anda kırılabilecek korelasyonlara maruz kalırsınız
• Hangi değişkene bahis oynayacağını seçmeli, hangi değişkenin sizi öldürebileceğini bilmeli ve yanlış bahisler bileşik etkiyle birikmeden önce daha hızlı toparlanabilecek bir şirket kurmalısınız

• Politik boyut

  • U.S. hükümeti iki değişkeni aynı anda ele alabilirse daha iyi durumda olur: riskli frontier'ı kontrol ederken, zekayı kapalı lab'lerin ve rakip devletlerin geleceği tanımlayabilecek kadar pahalı bırakmamak
  • Kazanan ülke en çok regülasyon yapan ya da en çok açık yayınlayan ülke değil; zekayı güvenilebilecek kadar güvenli, yayılabilecek kadar da ucuz hale getirmenin yolunu bulan ülke olur