Meta ve İşten Çıkarmalar
Meta’nın eski çalışanları tarafından açılan dava yapay zekanın işten çıkarma süreçlerindeki rolüne ilişkin yeni bir tartışma başlattı. Davacılar şirketin çalışanların performansını, dijital faaliyetlerini ve yapay zeka araçlarını kullanım düzeylerini analiz eden sistemlerden yararlandığını ve bu verilerin de işten çıkarılacak kişilerin belirlenmesinde etkili olduğunu öne sürüyor. Meta ise bu iddiaların altını dolduracak delillerin mevcut olmadığını ve nihai kararın insanlar tarafından verildiğini savunuyor. Ancak kararın nihai kertede kim tarafından verildiği tartışmanın yalnızca bir boyutu. Bu karara giden yolun taşlarını kimin neye dayanarak döşediği bir o kadar tartışmalı.
Tartışmanın çıkış noktası işten çıkarılanların bir kısmının sağlık sorunları, engellilik, gebelik, ebeveynlik ve aile bakımı gibi hukuken koruma altında bulunan izinleri kullanan çalışanlardan oluşması. Davacıların iddiasına göre şirketin kullandığı değerlendirme sistemleri, bu izin dönemlerinde ortaya çıkan düşük faaliyet seviyesini düşük üretkenlik belirtisi olarak yorumladı. Bu şekilde çalışanın kanun tarafından korunan bir hakkı kullanması, performans tablosunda dezavantaja dönüşmüş görünüyor.
Bu yaklaşım verimlilik hesaplarının insan emeğini dar bir çerçevede temsil ettiğini de gösteriyor. Gönderilen e-posta sayısı, yazılan kod miktarı, ekran başında geçirilen süre ya da kullanılan yapay zeka tokenı ölçülebilir veriler sunabilir. Fakat bir çalışanın deneyimini, ekip içindeki katkısını, problem çözme yeteneğini, meslektaşlarına verdiği desteği veya yaptığı işin kalitesini bütünüyle yansıtmaz. Yani, insan emeği birkaç sayısal göstergeye indirgendikçe sistemin ölçemediği katkılar görünmez hale geliyor.
Buradaki bir başka soru, çalışanların yapay zeka tabanlı değerlendirmelere ne ölçüde karşı koyabileceği. Prensip olarak bir yönetici algoritmanın önerisini reddedebilir. Ancak değerlendirme modelinin nasıl çalıştığını bilmiyorsa, sisteme hangi verilerin girdiğini göremiyorsa ve yüzlerce çalışan arasında hızlı karar vermesi bekleniyorsa bu yetkinin pratikte bir anlamı kalmayabilir. İnsan denetimi son kararı onaylamaktan ibaret bir formaliteye dönüştüğünde algoritmik öneri fiilen karar haline gelecektir.
Bu durum ayrımcılık tartışmasını da doğuruyor. Bu sistem engelli çalışanları, hamileleri ya da ebeveyn izni kullananları açıkça hedef almasa da görünüşte herkese aynı şekilde uygulanan bir verimlilik ölçütü, bu grupları orantısız biçimde olumsuz etkileyebilir. Hukukta dolaylı ayrımcılık olarak adlandırılan bu yaklaşım, ayrımcı niyet bulunmasa bile sonuçların ayrımcı olabileceğini kabul ediyor. Koruma altındaki izinleri kullanan çalışanların sistematik biçimde daha düşük puan alması halinde tarafsız görünen bir model ayrımcı bir sonuç üretmiş olur.
Hukuken tanınmış bir izin süresinin üretkenlik kaybı olarak kayda geçirilmesi, izin hakkını kağıt üzerinde var olan fakat kullanıldığında çalışanı cezalandıran bir unsura dönüştürebilir. Çalışanın çalışmadığı dönem ile çalıştığı halde yetersiz performans gösterdiği dönem birbirinden ayrılmadığında sistem izin kullanımını başarısızlıkla eşitlemiş olur.
Benzer bir sorun yapay zeka kullanım miktarının performans ölçütü haline getirilmesinde ortaya çıkıyor. Bir çalışanın daha fazla yapay zeka aracı kullanması mutlaka daha iyi, daha hızlı veya daha nitelikli iş ürettiği anlamına gelmez. Bazı görevlerde yoğun kullanım gerekli olabilirken bazı işlerde sınırlı kullanım daha doğru olabilir. Kullanım miktarı hedefe dönüştürüldüğünde çalışanlar sonuç üretmek yerine sistemin görmek istediği faaliyet izlerini üretmeye yönelir. Bu da çalışan verimlilik ölçümünün esas amacının yüz seksen derece aksi bir sonuç üretebilir.
Bu dava esasında daha genel bir tartışmanın önemli bir mihenk taşı olabilir. Yapay zeka bugüne kadar çoğunlukla insanların işlerini ellerinden alma ihtimali üzerinden tartışılıyordu. Meta davası ise tartışmanın yeni bir aşamaya geçtiğini gösteriyor. Belli ki yapay zeka ve işgücü ilişkisi konuşulurken yapay zekanın bazı pozisyonların ortadan kalkmasına yol açan bir teknoloji olduğunu zikretmek artık yeterli değil. Yapay zeka aynı zamanda hangi çalışanın verimli, hangisinin gereksiz ve sonuçta kimin işten çıkarılabilir olduğuna karar veren mekanizmanın merkezi bir unsuru haline gelebilir.
Bir Lincin Anatomisi
Geçtiğimiz günlerde tanıtılan Çin menşeli açık ağırlıklı Kimi K3 modeli hakkında OpenAI’dan Dean Ball’un sosyal medyada yaptığı yorumlar, kısa sürede geniş bir tepki dalgasına dönüştü. Tartışma açık modeller ile ulusal güvenlik arasında giderek büyüyen gerilimi de görünür hale getirdi. Yaşananlar, yapay zeka tartışmalarının teknik uzmanların sınırlarını çoktan aşarak siyaset, ekonomi ve küresel rekabet alanına taşındığını göstermesi bakımından önemliydi. Peki Dean Ball’un bu kadar tepki çeken açıklamaları neydi ve tartışma neden yalnızca bir yapay zeka modelinin performansıyla sınırlı kalmadı?
Yapay zeka yarışında açık ağırlıklı ve kapalı modeller arasındaki gerilim, uzun süredir sektörün temel tartışmalarından birini oluşturuyor. Bir tarafta modellerin ağırlıklarını ve çalışma altyapısını kendi denetiminde tutan OpenAI ve Anthropic gibi şirketler bulunuyor. Bu şirketler özellikle gelişmiş modeller söz konusu olduğunda güvenlik, kötüye kullanım ve fikri mülkiyet risklerine dikkat çekiyor. Diğer tarafta ise yapay zekanın yalnızca birkaç büyük şirketin kontrolünde kalmaması gerektiğini savunan açık model taraftarları yer alıyor.
Çinli DeepSeek’in yükselişi bu tartışmayı belirgin biçimde hızlandırmıştı. Çinli şirketlerin yüksek performanslı modelleri açık ağırlıklı olarak yayımlaması Batılı şirketlerin hem teknik üstünlüğüne hem de iş modellerine karşı önemli bir meydan okuma olarak görüldü. Tartışmanın son halkasını ise geçtiğimiz hafta tanıtılan Çin merkezli Moonshot AI firmasının Kimi K3 modeli oluşturdu. Modelin teknik yetenekleri kadar OpenAI Stratejik Gelecekler Başkanı Dean Ball’un konuya dair yazdığı bir X gönderisi de geniş yankı uyandırdı. Ball’un ifadeleri yankı uyandırmakla da kalmayıp asimetrik bir linç gösterisini de örmeye başladı.
Ball değerlendirmesine modelin başarısını kabul ederek başlıyor. Ona göre Kimi K3’ün performansını yalnızca başka modellerin çıktılarından yararlanarak geliştirilen bir sistem olarak açıklamak mümkün değil. Model özellikle kendi başına ilerleyebildiği kodlama görevlerinde 2026’nın ilk çeyreğindeki en iyi modellerle karşılaştırılabilecek bir performans sergiliyor. Ball bununla birlikte Kimi K3’ün oldukça fazla token tükettiğini ve bu nedenle çalıştırma maliyetinin ilk bakışta düşünüldüğü kadar düşük olmayabileceğini belirtiyor.
Ne var ki tartışmayı büyüten bölüm modelin teknik özelliklerinden çok Çin’in açık model stratejisine ilişkin yorumlar oldu. Ball, Çin devletinin bu kadar yetenekli modellerin ağırlıklarının yayımlanmasına izin vermesini şaşırtıcı buluyor. Ona göre bunun nedenlerinden biri Çin yönetiminin gelişmiş yapay zekanın uzun vadeli risklerini Batı’daki bazı çevreler kadar ciddi görmemesi. Çin’in yaklaşımını mevcut model mimarilerinin insan düzeyinde genel zekaya ulaşmasının mümkün olmadığını savunan Yann LeCun’ün görüşlerine benzetiyor.
Bu yorum Çin’in açık model politikasını kısmen bir güvenlik körlüğü olarak okuyor. Ancak Ball’a göre bu tercihin daha somut ekonomik ve teknik nedenleri de var. ABD’nin gelişmiş çiplerin Çin’e ihracatını sınırlandırması, Çinli şirketlerin modellerini dünya çapında kendi sunucuları üzerinden çalıştırmasını zorlaştırıyor. Çünkü bir modeli geliştirmek kadar, onu milyonlarca kullanıcının sorgusuna cevap verecek biçimde sürekli çalıştırmak da büyük miktarda işlem gücü, çip ve enerji gerektiriyor.
Model kapalı tutulduğunda bütün bu işletme maliyetini modeli geliştiren şirket karşılıyor. Kullanıcılar modele bir internet hizmeti veya uygulama programlama arayüzü üzerinden erişiyor. Açık ağırlıklı bir modelde ise model dosyaları başka şirketler ve geliştiriciler tarafından indirilerek farklı altyapılarda çalıştırılabiliyor. Böylece modeli geliştiren şirket, bütün dünyanın kullanım maliyetini kendi veri merkezlerinde karşılamak zorunda kalmıyor. Sunucu, çip ve elektrik maliyetinin önemli bir bölümü modeli kullanan şirketlere, bulut sağlayıcılarına veya geliştiricilere devrediliyor.
Ball’un yorumuna göre Çin, yeterli küresel işlem kapasitesine sahip olmadığı için doğrudan bir yapay zeka hizmeti satmak yerine modelin kendisini ihraç ediyor. Bu strateji Çinli modellerin farklı ülkelerdeki sunuculara ve ürünlere hızla yerleşmesini sağlıyor. Bir Çin modeli en güçlü Amerikan modellerinin gerisinde kaldığında kullanıcılar bu modele ücret ödemeye çok istekli olmayabilir. Nitekim kullanıcı alışkanlıkları genelde halihazırda alışılmış yöne tercihe yöneltiyor. Aynı model ücretsiz ve açık ağırlıklı olarak sunulduğunda ise geliştiriciler onu denemeye, değiştirmeye ve kendi ürünlerine eklemeye daha istekli oluyor. Böylece model doğrudan büyük gelir üretmese bile geniş bir kullanım alanı kazanabiliyor.
Ball’un en çok tartışılan iddialarından biri, açık modellerin yapay zeka sektörünü hızlandırmak yerine uzun vadede yavaşlatabileceği yönünde. Yeni ve güçlü bir model geliştirmek milyarlarca dolarlık veri merkezi, çip ve enerji yatırımı gerektiriyor. Bu modeller ücretsiz biçimde yayımlandığında, şirketlerin yaptıkları yatırımı gelir üreten bir ürüne dönüştürmesi zorlaşabiliyor. Ball bu nedenle açık modellerin yeni yatırımları teşvik etmekten çok, özel şirketlerin öncü model geliştirme isteğini azaltabileceğini savunuyor.
Ball bu ekonomik tablodan daha geniş ve oldukça iddialı bir siyasi sonuç çıkarıyor. Açık modellerin baskın olduğu bir dünyada yapay zekanın piyasada satılan bir ürün olmaktan çıkarak devlet tarafından finanse edilen bir kamu altyapısına dönüşebileceğini düşünüyor. Zaten özel şirketlerin modeller geliştirmesi, bunları ücretsiz dağıtması ve aynı zamanda büyük altyapı yatırımlarını sürdürmesi uzun vadede kolay görünmüyor. Bu durumda devletlerin veri merkezlerini, model eğitimini ve işlem kapasitesini sübvanse etmesi gerekebileceği bir gelecek bizi bekliyor. Çin’in yapay zekayı “dijital kamu altyapısı” olarak tanımlayan yaklaşımını bu geleceğin bir işareti olarak okuyan Ball, oldukça kışkırtıcı bir ifadeyle bunu “yapay zeka komünizmi” olarak adlandırıyor.
Ball’un yaklaşımları bu noktaya kadar bilgilendirici bulunabilir . Ancak Ball’un ABD yönetiminin tavsiyeleri hızlıca bir linç zeminine dönüştü. Ball’un ABD yönetimine tavsiyesi açık kaynak modellere dair piyasaya vesvese verilmesi yönünde. Mezkur X paylaşımı ABD yönetiminin bu modelleri doğrudan yasaklamak zorunda olmadığını, bunun yerine kamu kurumlarının Çinli modellerde arka kapı, veri güvenliği sorunu veya başka riskler bulunabileceğine dair resmi nitelik taşımayan uyarılar yayımlayabileceklerini söylüyor. Böylece kesin bir yasak getirilmeden de bankalar, sağlık kuruluşları ve diğer düzenlemeye tabi şirketler bu modelleri kullanmaktan kaçınabileceklerini ifade etmiş oluyor.
Bu noktada Ball’a yöneltilen eleştirilerin bir kısmının merkezinde temel bir itiraz bulunuyor. Buna göre devlet kurumlarının kararları korku üretmeye değil, açık kanıtlara, mantıklı gerekçelere ve denetlenebilir değerlendirmelere dayanmalıdır. Belirsizliğin bilinçli biçimde kullanılması ise bugün Çinli modelleri, gelecekte başka şirketleri veya teknolojileri piyasadan dışlamanın aracı haline gelebilir.
Öte yandan eleştirinin bir başka boyutu da büyük kapalı model şirketlerinin çıkarlarıyla ilgili. Açık modeller, güçlü yapay zeka sistemlerine erişimi ucuzlatarak kapalı model şirketlerinin gelirlerini ve pazar gücünü tehdit ediyor. Bu nedenle bazı eleştirmenler güvenlik söyleminin kamusal kaygılardan kaynaklanmadığını söylüyor., Esas mesele kapalı model şirketlerinin devletin kendilerini açık rekabetten korumaları arzusu.
Ball tepkilerin akabinde sözlerinin bir politika önerisi değil, mevcut gelişmelere dayanan bir öngörü olduğunu söyledi. ABD’de savunma, ulaştırma, enerji, tarım ve ticaretle ilgili kurumların yanı sıra NASA ve Kongre’nin çalışanlarının bazı Çinli yapay zeka sistemlerini kullanmasını zaten sınırlandırdığını hatırlattı. Ona göre bu adımlar, özel sektöre Çinli modellerin riskli kabul edildiğine dair güçlü bir mesaj vermişti. Ball’un savunması özetle böyle bir yöntem uygulanmasını önermemekle beraber zaten uygulanmakta olan yöntemin ileride nasıl genişleyebileceğini anlattığı üzerine kuruluydu.
ABD Savaş Bakanlığından Emil Michael ise Ball’un açıklamasına sert biçimde itiraz etti. Michael’in Ball’u ‘köyün delisi’ olarak nitelendirdiği cevabının esas argümanı, DeepSeek ve High-Flyer ile ilgili kısıtlamaların bürokratik kurumlar tarafından gizlice üretilmediğiydi. Michael’a göre bu kısıtlamalar 2026’da Kongre’den geçen bir yasaya dayanıyor, yalnızca belirli modellerin belirli kullanımlarını kapsıyor ve gerektiğinde muafiyetlere izin veriyordu. Dolayısıyla yaşanan süreç, kamu kurumlarının belirsiz uyarılarla piyasayı yönlendirdiği gizli bir idari operasyon gibi okunmaya müsait değildi, zira açık yasama süreci neticesinde gerçekleşmişti.
Ancak Ball’a yönelen eleştiriler kısa sürede sosyal medya lincini andıran bir hal aldı. Trump’ın Bilim Teknoloji danışmanlarından David Sacks da Ball’u devletten kendileri lehine rekabeti bitirmelerini istemekle suçladı. Neticede Kimi K3 tartışması modelin ne kadar başarılı veya düşük maliyetli olduğu sorusunu aşarak daha temel bir meseleye dönüştü.
Açık modeller erişimi yerel kullanımı ve rekabeti artırırken yayımlandıktan sonra denetlenmeleri zorlaşıyor. Kapalı modeller daha güçlü bir kontrol imkanı sunarken yapay zeka kapasitesini az sayıda şirketin elinde topluyor. Kimi K3 etrafında yaşananlar, önümüzdeki dönemde yapay zeka yarışının yalnızca daha güçlü modeller geliştirmekle sınırlı kalmayacağını gösteriyor. Mücadelenin bir başka cephesi, hangi modellerin açık kalacağına, hangilerinin güvenlik tehdidi sayılacağına ve bu sınırları kimin belirleyeceğine ilişkin olacak.
Milyarlarca Dolarlık AI Yatırımı Bağımsızlık Getirebilir mi?
Körfez ülkeleri son yıllarda petrol gelirlerine dayalı ekonomik modeli dönüştürmek amacıyla yapay zekayı stratejik bir öncelik haline getirdi. Suudi Arabistan’ın Vision 2030 programı, Birleşik Arap Emirlikleri’nin ulusal yapay zeka stratejisi ve milyarlarca dolarlık veri merkezi yatırımları, bölgenin küresel yapay zeka yarışında tüketici olmanın ötesine geçerek üretici olma hedefi olduğunu gösteriyor. Bugün Körfez ülkelerinin yapay zeka hamlesi için asıl mesele yeterince sermaye ayırmak olmayıp, küresel teknoloji rekabetinde hangi blok içerisinde konumlanacaklarına karar vermek denebilir.
Aslında Körfez’in yapay zeka yatırımları, yukarıda belirtildiği gibi petrol dışı ekonomik çeşitlendirme stratejisinin doğal bir uzantısı. Petrol talebinin uzun vadede yavaşlayacağı öngörüsü karşısında bölge ülkeleri, yüksek katma değerli sektörlerde küresel merkezler oluşturmayı amaçlıyor. Yapay zeka ise birçok alanı besleyen bir teknoloji olarak görülmesinden dolayı, bu alanda başı çeken Suudi Arabistan’ın Humain girişimi veya BAE’nin G42 şirketi ticari yatırımlar olmanın ötesinde ekonomik dönüşüm projelerinin öncüsü olma hedefini taşıyor.
Bununla birlikte yapay zeka ekosistemi oluşturmak, büyük veri merkezleri kurmak veya milyarlarca dolarlık fonlar oluşturmanın ötesinde anlamlar taşıyor. Gelişmiş yapay zeka modellerinin eğitilebilmesi için en ileri seviye grafik işlemcilerine, bunları destekleyen yazılım altyapısına ve küresel yarı iletken tedarik zincirine erişim gerekiyor. Tam da bu noktada Nvidia’nın sektörde oluşturduğu hakimiyet belirleyici oluyor. Şirket güçlü çipler üretmekle birlikte yıllar içerisinde geliştirdiği CUDA yazılım ekosistemi sayesinde araştırmacılar ve şirketler için standart haline gelmiş durumda. Bu durumda farklı çiplere geçişle donanımsal bir değişikliğe gidilmesi beraberinde yıllarca oturmuş yazılım ve insan kaynağı birikimini yeniden inşa etmek anlamına geliyor.
Körfez ülkeleri bu bağımlılığı azaltmak amacıyla AMD, Qualcomm ve Groq gibi alternatif Amerikan şirketleriyle de iş birlikleri geliştiriyor. Ancak bu çeşitlendirme çabası gerçekte stratejik bağımsızlık sağlamıyor. Çünkü söz konusu şirketlerin tamamı ABD’nin ihracat kontrol rejimine tabi bulunuyor. Washington’un onayı olmadan en gelişmiş yapay zeka çiplerinin Körfez’e satılması mümkün değil. Başka bir ifadeyle tedarikçi çeşitlense bile siyasi bağımlılık büyük ölçüde aynı kalıyor.
Teorik olarak bu bağımlılığı azaltabilecek olan Çin alternatifinde de ciddi sınırlamalar bulunuyor. Çin’in geliştirdiği çipler performans açısından halen Nvidia ürünlerinin gerisinde kalıyor. Üstelik ABD, Körfez ülkelerinin ileri Amerikan yapay zeka teknolojilerine erişimini Çin donanımını sistemlerinden uzak tutmaları şartına bağlıyor. Neticede teknoloji tercihi bir dış politika tercihi halini almış durumda. Yapay zeka altyapısı kurmak isteyen ülkeler fiilen iki teknoloji ekosisteminden birini seçmek zorunda. Bu durum, yapay zeka rekabetinin ekonomik veya teknolojik bir yarışla sınırlı olmadığını bir kez daha açık şekilde gösteriyor.
Körfez ülkeleri açısından ortaya çıkan tablo dikkat çekici bir paradoks oluşturuyor. Bölge, sermaye bakımından dünyanın en avantajlı aktörlerinden biri olmasına rağmen, yapay zekanın en kritik bileşenlerinde dışa bağımlılığını ortadan kaldıramıyor. Finansal güç; ileri yarı iletken üretim kapasitesi, yazılım ekosistemi ve küresel tedarik zinciri üzerindeki siyasi kontrolün yerini tutmuyor. Dolayısıyla yerli yapay zeka ekosistemi hedefi, tamamen bağımsız bir teknoloji altyapısından ziyade, anca küresel teknoloji ağları içerisinde güçlü bir konum elde etmeye imkan veriyor. Körfez ülkelerinin yapay zeka altyapı yatırımlarının başarısını, ABD ve Çin arasındaki teknoloji rekabetini ne ölçüde yönetebildikleri belirleyecek.