- 2.000 startup kurucusuyla yapılan ankete göre, 2025~2026 arasında kurucular daha yaşlı, teknik olmayan ve tek kişilik yapılara kaydı; AI tarafından yazılan kod yaygınlaştı ve girişimlerin coğrafi dağılımı genişledi
- Anthropic, geliştirme araçları, ücretli abonelikler, model sağlayıcıları ve ajan SDK’larında liderliğe yükseldi; Claude Code kullanım oranı %63, ücretli Claude aboneliği %59, Anthropic/Claude model kullanım oranı ise %64 oldu
- Katılımcıların %61’i kod tabanının yarısından fazlasını AI ile ürettiğini söyledi; ancak AI kod oranı yüksek ekipler henüz daha az gelir elde etmişti ve en büyük zorluk olarak müşteri edinimini gösterme eğilimindeydi
- Teknoloji yığını, Postgres tabanlı veritabanları ile Supabase·Vercel·Cloudflare ekseninde yeniden şekillenirken ajanlar ve MCP de yaygınlaştı; ancak izleme, prompt yönetimi ve değerlendirme süreçleri geride kaldı
- Kurulum kolaylaştı ama satış ve operasyon hâlâ zor; bu yüzden CRM, analitik ve gözlemlenebilirlik SaaS’ı kullanmayan ya da kendi çözümünü kuran ekiplerin sayısı arttı ve topluluk oluşturan az sayıdaki startup, açık kaynak ve geliştirici kanallarında daha yüksek müşteri dönüşüm oranı gösterdi
Daha küçük ve daha çeşitli kurucu ekipleri
- Tek kuruculu girişimlerin oranı 2025’te %53 iken 2026’da %61’e çıkarak 8 puan arttı; 2 kuruculu ekipler ise azaldı
- Kurucu sayısı dağılımı: 1 kişi %61, 2 kişi %29, 3 kişi %7, 4 ve üzeri %3
- Teknik kurucu oranı %82’den %78’e geriledi; böylece teknik olmayan kurucular %22’ye ulaştı ve bu grup AI ile kod üretimini diğer gruplardan daha fazla kullandı
- 40 yaş ve üzeri kurucular %18’den %25’e yükseldi; 40 yaş üstündeki tüm yaş grupları istatistiksel olarak anlamlı biçimde artarken 22~29 yaş grubu 4 puan düştü
- Yaş dağılımı: 22~29 yaş %32, 30~39 yaş %24, 18~21 yaş %20, 40~49 yaş %14, 50~59 yaş %7, 60 yaş üstü %2
- Merkez ofis konumları Kuzey Amerika ve Avrupa için ayrı ayrı %28, Asya %17, Afrika %9, uzaktan %7 ve Güney Amerika %6 olarak ölçüldü
- Avrupa ve Afrika ayrı ayrı 3 puan büyüdü; dağılım Toronto, Chicago, Denver, Austin ile Avrupa·Asya·Afrika geneline yayıldı
- Kuzey Amerika’nın büyük şehirlerinde San Francisco Bay Area %9, New York City %8, Toronto %4, Austin ve Chicago ayrı ayrı %3 pay aldı
Anthropic merkezli yeniden şekillenen AI araç pazarı
- Claude Code, vazgeçilmez geliştirme araçları arasında en çok anılan seçenek oldu ve AI kodlama araçlarında da %63 ile ilk sırayı aldı
- Onu Visual Studio Code %44, Cursor %31, Antigravity %22, Lovable %15, ChatGPT/Codex %13 izledi
- Cursor 19 puan gerilerken v0·Bolt·Windsurf ayrı ayrı 6~9 puan düştü; yeni gelen Antigravity ise 4. sıraya yükseldi
- Ücretli Claude aboneliği %28’den %59’a çıkarak neredeyse iki katına ulaştı; OpenAI/ChatGPT ise %57’den %39’a düştü
- Gemini %27, Cursor %20, GitHub Copilot %17, Lovable %11 oldu; ücretli AI aboneliği olmayan ekiplerin oranı %3
- Model sağlayıcılarında da Anthropic/Claude %38’den %64’e yükselerek varsayılan tercih hâline geldi; OpenAI ise %69’dan %52’ye geriledi
- Gemini %44, Grok ve kendi modeli ayrı ayrı %11, Hugging Face %10 oldu
- Hugging Face ve kendi model payının belirgin biçimde düşmesi, kendi inference altyapısını işleten ekiplerin de azaldığını gösterdi
Kod üretimi yaygınlaştı ama gelir elde etme geride kaldı
- Katılımcıların %61’i, kod tabanının yarısından fazlasının AI tarafından yazıldığını söyledi; sadece %76~100 arası AI ile üreten ekiplerin oranı bile %40’a ulaştı
- AI kod oranı %51~75 için %21, %26~50 için %16, %11~25 için %11, %1~10 için %9 olurken hiç kullanmayan ekipler %2’de kaldı
- Teknik olmayan kurucular arasında kodun %76~100’ünü AI ile üretenlerin oranı %54, 50~59 yaş grubunda ise %60 oldu
- Daha yaşlı kurucular genç kuruculara göre AI’ı daha fazla kullanıyor ve yaş arttıkça AI kod oranı da yükseliyor
- AI ile üretilen kod oranı arttıkça henüz gelir elde edememiş olma ve en büyük sorun olarak müşteri edinimini gösterme olasılığı da artıyor
- Bunun bir yorumu, erken aşamadaki startup’ların hem AI’ı daha yoğun kullanması hem de gelir elde etmede henüz erken aşamada olmasıdır
Postgres ve yükselen frontend etrafında birleşen teknoloji yığını
- Katılımcıların %80’i bir şekilde Postgres tercih etti; bu oran geçen yılki %76’nın üstünde
- Veritabanı kullanım oranları: Supabase %49, PostgreSQL %22, Redis %6, MySQL·Firebase ayrı ayrı %5, SQLite·MongoDB ayrı ayrı %4
- MongoDB 5 puan, MySQL 3 puan, Firebase 2 puan gerilerken Neon·DynamoDB·Convex ilk kez seçenekler arasına girip küçük paylar aldı
- 2026’da ilk kez incelenen kimlik doğrulama sağlayıcılarında Supabase Auth %72 ile öne çıktı
- Ardından Auth0 %13, NextAuth/Auth.js %12, kendi çözümünü kuranlar %11, Firebase Auth %9, Clerk %4 geldi
- Hiçbir Supabase seçeneğini işaretlemeyen yaklaşık %25, açık biçimde geçiş yapılabilecek toplam alanın alt sınırını gösteriyor
- Hosting ve bulut tarafında Supabase %65, Vercel %45, Cloudflare %27, AWS %21 oranına ulaştı
- Vercel, 2025’te de AWS’nin önündeydi ve 2026’da aradaki farkı 9 puan daha açtı
- En hızlı büyüyen oyuncu Cloudflare oldu ve AWS’yi geride bıraktı; tüm hyperscaler’ların payı ise düştü
- Frontend tarafında React %56 ve Next.js %53 büyürken Expo %10, TanStack %8, HTMX %4, Astro %3 yeni ve anlamlı paylara ulaştı
- Native mobil %18 ile 3 puan arttı; Flutter %11, Vue %7, Svelte %3 oldu
Ajanlar ve MCP yayılıyor ama operasyonel temel zayıf
- Katılımcıların %52’si ajanlar inşa ediyor ya da etmeyi planlıyor; bu oran geçen yılla istatistiksel olarak benzer olsa da kararsız grup küçüldü
- Başlıca kullanım alanları: iş akışı otomasyonu %59, veri analizi %49, kişiselleştirme·öneri %40, müşteri destek otomasyonu %38, içerik üretimi %37, araştırma desteği %31
- Ayrıca satış·lead üretimi %29, eğitim %27, iç araçlar %25, finansal modelleme·tahmin %20 için de kullanılıyor
- Ajan geliştirenler arasında çoklu ajan sistemlerini production’da işletenlerin oranı %24, geliştirme aşamasında olanların oranı %21, planlayanların oranı %35
- Production prompt’larını yönetmek için resmî bir sisteme sahip olmayan ekiplerin oranı %47; bunu kaynak kodda hardcode etme %26 ve versiyon kontrollü prompt dosyaları %25 izliyor
- Özel prompt yönetim platformları %11, varyasyon için feature flag kullanımı %10, CMS·ayar servisleri %8 düzeyinde
- AI model değerlendirmesinde en yaygın yöntem %52 ile manuel test ve prompt iterasyonu; resmî değerlendirme süreci olmayan ekipler de %36’ya ulaşıyor
- Kullanıcı geri bildirim döngüsü %27, LLM değerlendirmesi %26, production A/B testi %20, kendi otomatik değerlendirme paketi %17, üçüncü taraf değerlendirme araçları %7
- AI iş yüklerini ayrı olarak izlemeyen ekipler %59; kendi dashboard’unu kullananlar %20, OpenTelemetry %9, Langfuse·LangSmith·Datadog ayrı ayrı %7 seviyesinde kaldı
- Model Context Protocol’ün çıkışından bir yıl sonra MCP’yi production’da kullananların oranı %29, deneyenlerin oranı %28 oldu; toplamda %57’ye ulaştı
- %29’u MCP’yi biliyor ama henüz kullanmamış, %14’ü ise MCP’yi tanımıyor
- Supabase, ilgili MCP server ve Agent Skills dokümantasyonunu sunuyor
Operasyonel SaaS satın almayan startup’lar
- Satış faaliyeti olan startup’lar arasında resmî bir CRM veya satış aracı bulunmayanların oranı %43’ten %53’e çıkarak 11 puan arttı
- Google Sheets %23, Notion/Airtable %14, HubSpot %11, Salesforce %4; tüm büyük CRM’lerin payı geriledi
- Ekipler CRM’i ya kendileri geliştiriyor ya da hiç kullanmamaya yöneliyor
- Gözlemlenebilirlik aracı kullanmayan ekipler %56 düzeyinde; kullananlar arasında kendi çözümünü geliştirenler en hızlı büyüyen grup olarak %10’a ulaştı
- Sentry %19 ile liderliğini koruyup hafif büyüdü; Grafana %9, OpenTelemetry %6, Datadog·Prometheus ayrı ayrı %5 oldu
- Pazar, hata takibi için Sentry ve geri kalan kullanım alanları için şirket içi dashboard’lar arasında bölünme eğilimi gösteriyor
- Analitik ve büyüme araçlarında da şirket içi dashboard kullanımı 6 puan, henüz takip etmediğini söyleyenlerin oranı ise 5 puan arttı
- HubSpot, Salesforce, Mixpanel, Segment’in tümü pay kaybetti; böylece sağlayıcı ürünlerini atlayıp iç araç geliştirme ya da hiç ölçmeme eğilimi burada da tekrarlandı
Müşteri edinimi ile topluluk arasındaki fark
- İlk ücretli müşterilerin bireysel veya iş ağlarından geldiğini söyleyenler %56 ile ilk sırada yer aldı; bunu cold outreach·satış %35, sosyal medya inbound %29, içerik %21 izledi
- Geliştirici toplulukları %14, ücretli müşteriye dönüşen açık kaynak kullanıcıları %8, hızlandırıcılar %7, Hacker News veya Product Hunt %6 oldu
- Ücretli müşteri edinmeyi hiç denemediğini söyleyenlerin oranı geçen yılki %62’den %67’ye yükseldi
- Kurucu odaklı satış hâlâ yaygın; özel satış çalışanları ise genellikle ancak onuncu çalışan alındıktan sonra ekibe katılıyor
- Product-led growth yaklaşımını seçenlerin oranı 4 puan artarak toplamın yarısına ulaştı; henüz yaklaşımını belirleyememiş ekipler ise azaldı
- Özellik bazlı kademeli fiyatlandırma, fiyat modeli seçenler arasında %23’ten %36’ya çıkarak 12 puan arttı
- Startup’lar yaşam döngülerinin daha erken aşamasında fiyat yapısını belirlemeye başlıyor; hâlâ deney yapan grubun oranı ise düşüyor
- Geliştirici topluluğu inşa eden startup’lar yalnızca %10~11 düzeyinde; %47~48’i bunu yapmamış, %24’ü ise planlama veya inşa aşamasında
- Topluluk oluşturan ekipler, oluşturmayanlara göre ilk müşterilerini geliştirici kanalları ve açık kaynaktan çok daha fazla kazanıyor
- Discord·Slack·Reddit oranı %38’e karşı %7, dönüşen açık kaynak kullanıcıları %29’a karşı %3, içerik %35’e karşı %20
- Sosyal inbound %30’a karşı %27 ile benzerken cold outreach %32’ye karşı %36, kişisel ağlar ise %47’ye karşı %57 ile topluluğu olmayan ekiplerde daha yüksekti
- Herkesin ürün çıkarabildiği bir ortamda darboğaz dağıtım oluyor; topluluk kuran ekiplerin ise farklı müşteri edinim yolları bulunuyor
Kurucuların kanallardan uzaklaşması ve yeni iş kaygıları
- Kurucuların sosyal medya kullanımı, TikTok hariç büyük platformların tamamında düştü
- Haftada 3 kez veya daha fazla kullanılan platformlar: YouTube %61, Instagram·LinkedIn ayrı ayrı %51, X %38, Reddit %28, Discord %21, TikTok %18
- X 6 puan, LinkedIn 3 puan, Reddit ve Discord 3~4 puan geriledi
- Sosyal medyayı bıraktığını söyleyenler %11; çevrimiçi personası olmayanların oranı ise 5 puan artarak %33’e çıktı
- Sektör konferanslarına katılmadığını söyleyenlerin oranı 10 puan artarak %60’a ulaştı
- Google Cloud Next %12, AWS re:Invent %11, Y Combinator Demo Day ve Web Summit ayrı ayrı %9, Microsoft Build ve Open Source Summit ayrı ayrı %8
- Büyük etkinliklerin payı düştükçe, konferans merkezli geliştirici pazarlamasının erişebildiği pazar da daralıyor
- En büyük iş zorluğunda teknik karmaşıklık %24’ten %11’e gerileyerek araştırmadaki en büyük değişimi gösterdi
- Müşteri edinimi %32, ürün-pazar uyumu %14, yatırım toplama %13, burnout %11, AI rekabeti·yıkımı %7, nakit tükenmesi·runway %4
- Yeni eklenen burnout, AI rekabeti ve runway kaygısı; geçmişte teknik karmaşıklığı seçen kesime benzer bir pay alıyor
- 1~10 kişilik ekiplerde burnout, teknik karmaşıklığı şimdiden geçerek ikinci büyük sorun oldu
- Dünyanın gidişatı konusunda iyimser olduğunu söyleyenlerin oranı %57 ile geçen yıla göre 1 puan düştü; ancak bu istatistiksel olarak anlamlı değil
- Kurucuların %58’i iyimserken kurucu olmayanlarda bu oran %49; toplamın %27’si nötr, %16’sı ise kötümser
- AI kod oranı arttıkça iyimserlik yükseliyor, gelir elde etme oranı ise düşüyor
- AI kod kullanmayan kurucularda iyimserlik oranı %49, AI’ı yoğun kullanan grupta %61
- Hâlihazırda gelir elde edenlerin oranı, AI kullanmayan grupta %56 iken AI’ı yoğun kullanan grupta %31
- AI’ı en yoğun kullanan ekipler daha yüksek oranda bootstrapped, yaşam döngüsünün daha erken safhasında ve kendi ürünlerinin piyasa talebiyle henüz daha az karşılaşmış durumda
1 yorum
İki projeyi yapay zekayla alan adına kadar bağlamış biri olarak, anlatılanların çoğu bana çok tanıdık geldi.