Türkiye'de Yapay Zeka: Gelişmeler ve 2030 Vizyonu
Kısaca
Türkiye'de yapay zeka pilot proje aşamasını geride bıraktı. Savunma sanayisinde otonom platformlar görev yapıyor, bankalar dolandırıcılığı milisaniyeler içinde yakalıyor, fabrikalarda kestirimci bakım arıza olmadan parça değiştiriyor, tarlada gübre yalnızca ihtiyaç duyulan noktaya atılıyor. Ulusal strateji bu teknolojinin milli gelire katkısını yüzde 5 seviyesine taşımayı hedefliyor. Küçük işletme tarafında dönüşüm daha sade başlıyor: ürün metni üreten modeller, gece gelen soruları yanıtlayan ajanlar, stok ve iade tahmini yapan panolar. Engeller de belli: beyin göçü, çip bağımlılığı, enerji maliyeti ve hukuki belirsizlik.
Bir kartla saat 03.12'de Ankara'da, 03.14'te Frankfurt'ta işlem denendiğinde ikincisi onaya bile gitmez. Kararı veren bir şube müdürü değil, bankanın anormallik modeli. Aynı hafta Konya Ovası'nda bir üretici, dronla çekilmiş multispektral görüntüye bakarak 300 dönümlük tarlasının sadece 40 dönümüne gübre atıyor. İki olay birbirinden uzak görünür. Altyapıları aynı.
Ülkedeki tartışma uzun süre "ileride ne olacak" ekseninde döndü. Eylül 2026 itibarıyla tablo daha somut: otonom hava araçları sahada, e-Nabız üzerinde biriken veri halk sağlığı öngörüsüne dönüşüyor, Bursa ve Kocaeli'ndeki hatlarda kalite kontrolünü kameralar yapıyor. Soru teknolojinin gelip gelmeyeceği değil, hangi hızda ve kimin lehine yayılacağı.
Yayılma hızını veriye erişim, uzman sayısı ve hesaplama gücünün faturası belirliyor. Üçü de eşit dağılmıyor. Savunma ve bankacılık üçüne birden ulaşıyor, yirmi kişilik bir e-ticaret markası genellikle yalnızca birincisine sahip.
Devlet politikası, ulusal strateji ve regülasyon
Bir teknolojinin ülke geneline yayılması, kamunun çizdiği çerçeveyle doğru orantılı ilerliyor. Bu çerçevenin merkezinde Cumhurbaşkanlığı Dijital Dönüşüm Ofisi duruyor. Kurumların birbirinden kopuk veri tabanlarını konuşturmak, anonimleştirilmiş veri setlerini açık veri portalı üzerinden araştırmacıya ve girişimciye açmak bu koordinasyonun işi. Kamunun ürettiği veri, yerli modellerin eğitiminde en değerli hammadde.
Stratejinin sayısal çıpası
Eylem planlarının merkezinde net bir rakam var: yapay zekanın gayrisafi yurt içi hasılaya katkısını yüzde 5 seviyesine çıkarmak. Buna bağlanan adımlar da somut. Üniversitelerde yapay zeka mühendisliği bölümleri açıldı, veri bilimci ve makine öğrenmesi mimarı yetiştirme programları hızlandı, TÜBİTAK ile KOSGEB üzerinden erken aşama girişimlere hibe akıyor.
Düzenleyici deney alanları
Sıkı denetlenen sektörlerde bir algoritmayı canlıya almadan önce test edecek hukuki zemin şart. Düzenleyici deney alanı denilen yapı bunu sağlıyor: sınırlı kullanıcı, sınırlı süre, denetim altında gerçek veri. Kredi skorlama modelini piyasaya sürmeden önce burada denemek, hem kurumu hem tüketiciyi koruyor.
KVKK ve İYS tarafında ne değişiyor
Kişisel Verilerin Korunması Kanunu, model eğitiminde kullanacağınız veriyi doğrudan sınırlıyor. Müşteri yazışmalarını bir modele beslemeden önce aydınlatma metninizin bu işlemeyi kapsayıp kapsamadığına bakmanız gerekiyor. Pazarlama tarafında da durum aynı: İleti Yönetim Sistemi'nde onayı bulunmayan bir numaraya, mesajı yapay zeka yazmış olsa bile SMS gidemez. Modelin yurt dışındaki bir sunucuda çalışması hâlinde yurt dışına veri aktarımı kuralları devreye giriyor.
| Kurum | Ne yapıyor | İşletmeyi ilgilendiren yanı |
|---|---|---|
| Dijital Dönüşüm Ofisi | Politika koordinasyonu, açık veri | Ücretsiz veri setleri, kamu projelerinde standartlar |
| TÜBİTAK ve KOSGEB | Ar-Ge hibesi, girişim desteği | Yazılım geliştirme maliyetinin bir kısmının karşılanması |
| KVKK | Kişisel veri denetimi | Aydınlatma metni, saklama süresi, aktarım kuralları |
| İYS | Ticari ileti onay kaydı | SMS ve e-posta gönderiminde onay zorunluluğu |
| Teknoparklar | Vergi muafiyeti, kuluçka | Ar-Ge ekibi için personel maliyet avantajı |
Savunma sanayisi: en görünür vitrin
Ülkenin yapay zekayı en hızlı ürüne çevirdiği ve sahada test ettiği alan savunma. Geçmişte mekanik üstünlükle tanımlanan bir sektör, bugün yazılımın ve sensör füzyonunun hakimiyetinde. Bir platformun değeri artık taşıdığı yükle değil, içindeki kod ve sensör setiyle ölçülüyor. Yazılım güncellemesiyle yeteneği değişen bir sistem, donanımı aynı kalsa bile yeni bir ürün sayılıyor.
Uçta yapay zeka
Bayraktar TB2, Akıncı, Anka ve Aksungur gibi platformlar yalnızca aerodinamik gövdeler değil. Elektro optik kameralardan ve radarlardan akan veri, yer istasyonuna gönderilmeden doğrudan havada işleniyor. Buna uçta yapay zeka deniyor. Bağlantı koptuğunda bile hedef takibi sürüyor, çünkü karar veren model uçağın içinde çalışıyor. Sivil ile askeri unsuru ayırt etmek, hareketli bir aracın rotasını tahmin etmek saniyenin altında tamamlanıyor.
Sürü zekası
Onlarca küçük hava aracının merkezî bir kontrolcü olmadan ortak hareket etmesi, sürü algoritmalarıyla mümkün. Her araç yanındakinin pozisyonuna göre kendi rotasını ayarlıyor, hedefler kendi aralarında paylaşılıyor. Bir araç düşerse görev dağılımı anında yeniden hesaplanıyor. Bu mimarinin değeri, tek bir noktayı vurarak sistemi durdurmanın imkansız hâle gelmesi. Aynı yaklaşımın sivil karşılığı, afet bölgesinde koordineli arama tarama yapan dron filoları.
Sadık kanat adamı ve denizdeki otonomi
Kızılelma ve Anka-3 gibi insansız savaş uçakları, insanlı uçaklarla kol uçuşu yapabilecek şekilde tasarlanıyor. Pilot genel stratejiyi belirliyor, anlık manevra hesabını uçağın modeli yapıyor. Deniz tarafında ULAQ ve Marlin gibi insansız deniz araçları dalgalı koşullarda otonom seyir yapıyor ve hedef tespitini kendi başına gerçekleştiriyor. Kara araçlarında ise keşif ve mayın temizleme görevleri insanı riske atmadan, uzaktan tanımlanan bir görev planıyla yürütülüyor. Savunmada olgunlaşan görüntü işleme yetkinliği, sonradan sanayiye ve sağlığa geçiyor. Aynı ekipler, aynı kütüphaneler.
Finans, bankacılık ve fintech
Türk bankacılığı dijital altyapı açısından dünya ortalamasının epey üstünde. Saniyede işlenen işlem hacmi, kural tabanlı eski sistemlerin taşıyabileceği boyutu çoktan aştı.
Anormallik tespiti
Makine öğrenmesi modelleri her müşteri için bir davranış profili çıkarıyor: hangi saatlerde, hangi cihazdan, hangi tutar aralığında işlem yapıldığı. Profilden sapan hareket işaretleniyor ve işlem donduruluyor. Dolandırıcılık yöntemleri değiştikçe model de yeniden eğitiliyor. E-ticaret tarafında aynı mantık iade dolandırıcılığı ve sahte sipariş tespitinde kullanılıyor. Asıl mesele yanlış alarm oranı. Fazla sıkı ayarlanmış bir model, gerçek müşterinin alışverişini de durdurup çağrı merkezini kilitliyor.
Alternatif kredi skorlama
Klasik skorlama geçmiş banka hareketine bakar. Yeni mezun bir gencin ya da altı aylık bir KOBİ'nin böyle bir geçmişi yok. Yerli fintech şirketleri, fatura ödeme düzeni ve e-ticaret harcama alışkanlığı gibi alternatif verilerle güven skoru üretiyor. Bunun pratik karşılığı, bankacılık sisteminin dışında kalmış kitlenin kredi ve taksit imkanına erişmesi. Kurumsal tarafta da tedarikçi ödeme geçmişi aynı mantıkla vade riskine çevriliyor.
Sanal asistanlar ve algoritmik işlem
Bankaların müşteri hizmetleri büyük ölçüde Türkçe doğal dil işleme yeteneği geliştirilmiş asistanlara devredildi. Bu asistanlar sadece komut anlamıyor, harcama analizi yapıp öneri de üretiyor. Borsa İstanbul tarafında kurumsal yatırımcılar algoritmik işlem botları kullanıyor. Haber akışını, endeksleri ve teknik göstergeleri insan hızının ötesinde okuyup emir veren sistemler, seans içi hacmin ciddi bir bölümünü oluşturuyor. Ödeme tarafında da benzer bir olgunlaşma var. Yerli ödeme sağlayıcıları, kart doğrulama adımında risk skoruna göre 3D Secure'ü devreye alıp almamaya modelle karar veriyor. Gereksiz doğrulama adımını kaldırmak, sepet terkini gözle görülür biçimde düşürüyor. Bu mekaniği dönüşüm oranını artırma yöntemleri içinde ayrıntılı ele aldık.
Fabrika, tarla ve hastane
Sahadaki en ölçülebilir kazanımlar üretim, tarım ve sağlıkta görülüyor. Üçünün ortak noktası, yapay zekanın yeni bir iş yaratmaktan çok mevcut işin maliyetini düşürmesi.
Kestirimci bakım ve bilgisayarlı görü
Fabrikada en pahalı olay, bandın beklenmedik şekilde durması. Motorlara ve preslere yerleştirilen sensörler titreşim, ısı ve akustik veri üretiyor. Model, bir rulmanın iki hafta içinde kırılacağını akustik değişimden anlıyor ve bakımı planlı duruşa taşıyor. Otomotiv hatlarında ise kalite kontrolü kameralara devredildi. Milimetrik çizik, boya kusuru ve hatalı kaynak noktası derin öğrenme modelleriyle anında işaretleniyor.
Hassas tarım
Uydu ve tarımsal dron görüntüleri, bitkinin yansıttığı ışık dalga boylarına göre işleniyor. Model, tarlanın hangi bölgesinde su stresi ya da azot eksikliği olduğunu santimetre hassasiyetinde gösteriyor. Bunun karşılığı değişken oranlı uygulama: traktör tarlanın tamamına değil, yalnızca işaretlenen noktalara gübre bırakıyor. Girdi maliyeti düşüyor, toprak daha az kimyasal görüyor. Rekolte tahmini ise üreticinin ürününü ne zaman satacağına karar vermesini kolaylaştırıyor. Sulamada da benzer bir hesap var: toprak nemi sensörleriyle beslenen model suyu saat bazında değil ihtiyaç bazında açıyor.
Radyoloji, e-Nabız ve ilaç keşfi
Tıbbi görüntüleme, yorgunluğa bağlı insan hatasına açık bir alan. Türk mühendislerin hekimlerle geliştirdiği görüntü işleme yazılımları akciğer nodüllerini ve beyin kanaması riskini piksel düzeyinde işaretliyor. Model hekimin yerini almıyor, ikinci görüş sunuyor. e-Nabız üzerinde biriken kimliksizleştirilmiş veri, mevsimsel salgınların hangi ile ne hızda yayılacağını haftalar öncesinden gösteriyor. Bu öngörü ilaç tedarikinden yatak planlamasına kadar pek çok kalemde tasarruf anlamına geliyor. Biyoteknoloji laboratuvarlarında ise moleküllerin hücreyle reaksiyonu dijital ortamda simüle ediliyor, yıllar süren deneme yanılma aylara iniyor. Bu yazılımların tıbbi cihaz olarak onaylanma süreci ayrı bir eşik ve takvimin önemli bölümünü orası alıyor.
Türkçe dil modelleri ve veri egemenliği
Üretken yapay zeka tarafında ülkelerin karşılaştığı sınav teknik olduğu kadar kültürel. Yaygın ticari modeller ağırlıklı olarak İngilizce veri setleriyle eğitildi. Türkçenin sondan eklemeli yapısı, deyimleri ve hukuk terminolojisi bu modellerde çoğu zaman ikinci sınıf bir vatandaş.
Türkçe neden ayrı bir problem
Bir cümlede beş eki üst üste alan bir kelime, İngilizce için tasarlanmış bir kelime parçalama yönteminde gereksiz yere çok parçaya bölünüyor. Bu, hem maliyeti hem hata payını yükseltiyor. Aynı metni işlemek Türkçede daha pahalıya geliyor. TÜBİTAK BİLGEM, üniversiteler ve T3 Vakfı çevresindeki ekipler bu yüzden Türkçe odaklı model çalışmalarını sürdürüyor. Kelime dağarcığı Türkçeye göre kurulmuş bir model, aynı cümleyi daha az parçayla temsil ettiği için hem ucuz hem tutarlı çalışıyor.
Hangi işlerde fark yaratıyor
Türkçe odaklı bir model, mahkeme kararlarında içtihat aramaktan hasta anamnez raporunu kısaltmaya kadar uzanan işlerde İngilizce ağırlıklı bir modelden daha az düzeltme gerektiriyor. Ticari tarafta karşılığı daha sade: müşteri yorumlarını duygu etiketine çevirmek, iade taleplerini gerekçesine göre sınıflandırmak, ürün başlıklarını pazaryeri kategorisine eşlemek. Bu işlerde hata payındaki birkaç puanlık iyileşme, günde yüzlerce kayıt işleyen bir ekipte doğrudan saat kazancına dönüşüyor.
Veri nerede işleniyor
Bir hastanenin anamnez raporunu ya da bir bankanın müşteri yazışmasını yurt dışındaki bir sunucuya göndermek, teknik bir tercih değil hukuki bir karar. Yerli sunucuda çalışan açık kaynak tabanlı modeller bu yüzden hızla yaygınlaşıyor. Küçük ölçekli işletmeler için de aynı soru geçerli: müşteri adresinin ve sipariş geçmişinin hangi ülkedeki sunucuda işlendiğini bilmek, KVKK denetiminde ilk sorulan şey. Model seçerken fiyat kadar veri işleme sözleşmesine bakmak gerekiyor. Kendi altyapınızı kurarken bu soruların cevabını yapay zeka ile e-ticaret sitesi kurma adımları içinde daha ayrıntılı bulabilirsiniz.
KOBİ ve e-ticaret tarafında yapay zeka
Buraya kadar anlatılanların çoğu büyük bütçeli kurumların işi. Oysa ülkedeki firmaların ezici çoğunluğu yirmi kişinin altında. Onlar için yapay zeka, model eğitmek değil hazır modeli iş akışına yerleştirmek anlamına geliyor. Aradaki ayrım önemli, çünkü iki yaklaşımın maliyeti arasında yüz kat fark var.
Nereden başlanır
- Ürün açıklaması ve kategori metinlerinin üretimi, ardından editör kontrolü
- Gece ve hafta sonu gelen sorulara ilk yanıt veren müşteri ajanı
- Trendyol ve Hepsiburada ilanlarındaki başlık ve özellik alanlarının eşleştirilmesi
- İade riski yüksek siparişlerin kargoya verilmeden önce işaretlenmesi
- Reklam metni varyantlarının üretilip test edilmesi
Örnek hesap
Aşağıdaki tablo 400 ürünlü, aylık 1.200 sipariş alan bir markanın temsili hesabı. Rakamları kendi verinizle değiştirin, mantık değişmez.
| İş | Eski yöntem | Yapay zeka ile | Aylık fark |
|---|---|---|---|
| 400 ürün açıklaması | Ajans, 12.000 TL | Model 900 TL, 4 saat editör | Yaklaşık 9.000 TL |
| Gece gelen 60 soru | Sabah yanıtlanıyor | Anında ilk yanıt | Terk edilen sepetlerde azalma |
| Reklam metni testi | Ayda 2 varyant | Ayda 12 varyant | Daha hızlı öğrenme döngüsü |
| İade işaretleme | Yok | Riskli siparişte teyit araması | Kargo ve iade maliyetinde düşüş |
Pazaryeri ve kendi siteniz
Pazaryerinde algoritma sizin değil, platformun. Ürün başlığınızı ve görselinizi platformun modeli sıralıyor. Kendi sitenizde ise arama, öneri ve fiyatlandırma mantığını siz kuruyorsunuz. İkisini birlikte yürütmenin dengesi, kâr marjınıza ve tekrar satın alma oranınıza bağlı. Yapay zeka aramalarında görünürlük de ayrı bir başlık hâline geldi. Ürün sayfalarınızın dil modelleri tarafından okunabilir olması için yapılması gerekenleri AEO ve GEO rehberinde topladık. Sipariş ve stok tarafını otomatikleştirmek isteyenler için Tecof AI ajanları hazır iş akışlarıyla geliyor, KOBİ çözüm paketi ise muhasebe ve kargo entegrasyonlarını aynı panelde topluyor.
Engeller ve 2030 yol haritası
Vizyon ne kadar iddialı olursa olsun, sahadaki dört engel yerinde duruyor. Bunları konuşmadan hedeflerin gerçekçiliğini ölçmek mümkün değil.
Beyin göçü
Makine öğrenmesi mimarları ve veri mühendisleri küresel ölçekte en çok aranan profiller. Uzaktan çalışma yaygınlaştıkça yurt dışındaki şirketler Türkiye'de oturan mühendisi doğrudan işe alabiliyor. Teknopark vergi avantajı tek başına bu farkı kapatmıyor. Girişim sermayesi fonlarının büyümesi ve şirket kurma sürecinin kolaylaşması, uzmanı ülkede tutan asıl unsur.
Çip ve enerji
Model eğitmek büyük bir işlemci gücü istiyor ve bu donanım ithal ediliyor. Yazılım tarafında ne kadar yetkin olunursa olunsun, hesaplama gücünün faturası döviz cinsinden geliyor. Veri merkezlerinin elektrik tüketimi de ayrı bir kalem. Yenilenebilir kaynaklarla beslenen veri merkezleri, uzun vadede maliyet meselesi olduğu kadar rekabet meselesi. Bulut sağlayıcılarının Türkiye'de bölge açması, hem faturayı hem gecikmeyi aynı anda düşüren en pratik gelişme.
Hukuki sorumluluk
Otonom bir araç kaza yaptığında ya da destek amaçlı bir teşhis yazılımı yanlış yönlendirdiğinde sorumluluğun kimde olduğu hâlâ tartışmalı. Yazılımı geliştiren ekip mi, cihazı üreten firma mı, kullanan kurum mu? Algoritmik kararların denetlenebilirliğini güvence altına alan düzenlemeler ve ihtisaslaşmış mahkemeler bu boşluğu kapatacak.
Yarın sabah ne yapmalı
Bu tabloyu bekleyerek izlemek yerine kendi sürecinizden başlayın. Yarın sabah panelinize girip son 90 günün müşteri sorularını dışa aktarın, en sık tekrar eden 20 soruyu bir tabloya alın ve bunların kaçının stok, kargo ya da iade konusunda olduğunu sayın. Listenin üçte ikisi genellikle aynı beş başlıkta toplanır. O beş başlığı yanıtlayan bir ajanı kurmak bir günlük iş ve ölçülebilir ilk kazanç orada. Sonraki adımı planlarken yeni nesil e-ticaret ve otomasyon yazısındaki kontrol listesini kullanabilirsiniz.
Sık Sorulan Sorular
Türkiye'de yapay zeka en çok hangi sektörlerde kullanılıyor?
En olgun alanlar savunma sanayisi, bankacılık ve imalat. Savunmada otonom platformlar, bankacılıkta dolandırıcılık tespiti, imalatta kestirimci bakım öne çıkıyor. Tarım ve sağlık hızla yakınsıyor, perakende ise ağırlıklı olarak hazır servisleri kullanıyor.
Ulusal Yapay Zeka Stratejisi neyi hedefliyor?
Ana çıpa, teknolojinin gayrisafi yurt içi hasılaya katkısını yüzde 5 seviyesine çıkarmak. Buna bağlı olarak uzman yetiştirme, kamu verisinin açılması ve girişim desteği başlıkları tanımlanmış durumda. Koordinasyonu Cumhurbaşkanlığı Dijital Dönüşüm Ofisi yürütüyor.
KVKK yapay zeka kullanımını nasıl sınırlıyor?
Kanun, kişisel veriyi hangi amaçla işleyeceğinizi önceden bildirmenizi ve o amaçla sınırlı kalmanızı istiyor. Müşteri yazışmasını model eğitiminde kullanmak yeni bir işleme amacıdır ve aydınlatma metninde yer almalıdır. Modelin yurt dışındaki sunucuda çalışması hâlinde aktarım kuralları da devreye girer.
Küçük bir markanın yapay zekaya ayırması gereken bütçe ne kadar?
Model kullanım ücretleri başlangıçta aylık birkaç bin liralık bir kalem. Asıl maliyet insan tarafında, yani çıktıyı kontrol edecek editör ya da operasyon sorumlusunda. Büyük bir yatırım yerine tek bir iş akışıyla başlayıp ölçmek daha güvenli.
Türkçe için ayrı bir dil modeli neden gerekiyor?
Türkçenin sondan eklemeli yapısı, İngilizce için tasarlanan kelime parçalama yöntemlerinde verimsiz çalışıyor. Aynı metin daha çok parçaya bölünüyor, maliyet ve hata payı artıyor. Hukuk, sağlık ve kamu terminolojisinde yerel bağlam da gerekiyor. Veri egemenliği ise ayrı bir gerekçe.
Yapay zeka istihdamı nasıl etkiliyor?
Tekrar eden veri girişi ve ilk kademe destek işleri hızla azalıyor. Buna karşılık veri hazırlama, model denetimi ve süreç tasarımı rolleri çoğalıyor. Şu an en güvenli konum, aracı kullanmayı bilen orta kademe uzmanlık.
Yerli çip olmadan yapay zekada bağımsızlık mümkün mü?
Yazılım yetkinliği tek başına yetmiyor, çünkü model eğitimi ithal donanıma bağlı. Kısa vadede çözüm, hesaplama gücünü ortak veri merkezlerinde paylaşmak ve küçük özel amaçlı modellerle çalışmak. Yerli çip tasarımı ise savunma ve kritik altyapı için uzun vadeli bir başlık.
Yapay zeka hatalı karar verirse sorumluluk kimde?
Mevcut mevzuat net bir cevap vermiyor, uygulama içtihatla şekilleniyor. Pratikte sorumluluk çoğunlukla sistemi kullanan kurumda kalıyor. Bu yüzden karar destek sistemlerinde son onayı insanda bırakmak ve kararın gerekçesini kayıt altına almak yaygın bir tercih.
Yapay zeka ile üretilen içerik arama motorlarında risk oluşturur mu?
Risk üretim yönteminde değil, çıktının kalitesinde. Kontrol edilmeden yayına alınan, birbirinin kopyası metinler cezalandırılıyor. Editörden geçmiş ve kendi verinizle zenginleştirilmiş içerik sorun çıkarmıyor.