Anthropic Borsaya Açılıyor
Yapay zeka şirketi Anthropic, 26 Ekim’de borsaya açılmak için resmi başvurusunu yaptı. Bu durumda şirketin hisseleri Kasım sonunda ABD’deki Nasdaq borsasında “ANT” koduyla satışa çıkabilir. Satılması planlanan hisselerin değeri yaklaşık 100 milyar dolar ve şirketin toplam değerinin ise 1,5 ile 2 trilyon dolar arasında olacağı tahmin ediliyor. Bu gerçekleşirse, bugüne kadarki en büyük halka arz olacak. Peki bunun çıktıları ne?
Amerikan borsasından alışık olduğumuz üzere şirketler borsaya açılırken yatırımcılara kendilerini açıklayan belgeler hazırlarlar. Anthropic’in belgesi ise yaklaşık 400 sayfa. Bu belge bize hem şirketin ne kadar hızlı büyüdüğünü hem de yapay zeka sektörünün ne kadar kırılgan bir zemin üzerinde durduğunu gösteriyor. Şirketin kendisini 400 sayfa açıklama ihtiyacı hissetmesi bu kırılganlığın açık bir göstergesi.
Bilindiği üzere yapay zeka modellerini geliştirmek ve çalıştırmak çok büyük bir bilgisayar gücü gerektiriyor. Bu güç de çok pahalı. Anthropic, önümüzdeki yedi ila on yıl içinde bu iş için 475 milyar dolardan fazla ödeme yapmayı taahhüt etmiş durumda. Bu anlaşmaların çoğu iptal edilemiyor. Yani şirket bu kapasiteyi kullansa da kullanmasa da parasını ödemek zorunda. Bu paranın önemli bir kısmı Google ve Amazon’a gidecek.
Peki bu harcama neden bir risk? Cevap, şirketin parayı nasıl kazandığında saklı. Teknoloji yazarı Evan Armstrong, Anthropic’i bir film stüdyosuna benzetiyor. Bir film stüdyosu ancak bir sonraki filmi kadar değerlidir. Anthropic’in durumu da buna benziyor. Şirketin gelirinin yüzde 80’inden fazlası son altı ay içinde çıkan modellerden geliyor. Altı aydan eski modeller gelirin beşte birini bile getirmiyor. Müşteriler hep en yeni modeli istiyor, eski modeller ise çok hızlı eskiyor.
Bu durumda şirketin önünde tek bir yol var. Her altı ayda bir öncekinden belirgin biçimde daha iyi bir model çıkarmak. Eğer bunu birkaç kez başaramazsa, ödemek zorunda olduğu yüz milyarlarca dolarlık harcama ağır bir yüke dönüşebilir. Müşteriler istedikleri an harcamayı kesebilir, ama şirketin taahhütleri yerinde durur.
İşin bir başka boyutu daha var. Yeni modelin daha iyi olması yetmiyor, kullanıcının bunu fark etmesi de gerekiyor. Yazılımcı Steve Yegge bu noktada önemli bir şeye dikkat çekiyor. Ona göre insanların çoğunun yapay zekâyla yaptığı işler, yeni modelle eskisi arasındaki farkı görecek kadar zor değil. Bir metni özetlemek ya da basit bir soruya cevap almak için en gelişmiş modele ihtiyaç yok. Kullanıcı farkı görmüyorsa, yeni model için daha fazla para ödemek istemez.
Teknoloji şirketi Every’nin yöneticisi Dan Shipper ise yapay zekanın iş hayatına yayılmasını bir tırtılın yürüyüşüne benzetiyor. Tırtılın başında yazılım mühendisleri var. Yapay zekayı en zor işlerde ilk onlar kullanıyor. Ortada diğer ofis çalışanları onları takip ediyor. Ekonominin geri kalanı ise en sona kalıyor. Shipper’a göre mühendislerin bugün yaptığını yarın bütün ofis çalışanları yapacak. Ama bu yıllar sürebilir ve bazı insanlar için hiç gerçekleşmeyebilir. Pek çok insan için daha iyi çalışan bir arama motoru yeterli ve bugünkü modeller bunu zaten sağlıyor.
Anthropic ise geleceğe çok daha iddialı bakıyor. Şirket dünyadaki bütün ofis çalışanlarının bir yılda ürettiği değeri hesaplayarak kendine yaklaşık 40 trilyon dolarlık bir pazar biçiyor. Bu hesap herkesin bir gün en gelişmiş yapay zekaya ihtiyaç duyacağı varsayımına dayanıyor. Oysa insanların çoğu farkı görmüyorsa, bu pazarın sadece küçük bir kısmı gerçekten ulaşılabilir olabilir.
Belgenin dikkat çeken bir diğer yanı risklerle ilgili bölüm. Yaklaşık 94 sayfa bu konuya ayrılmış. Anthropic yapay zekanın biyolojik silah yapımında kullanılabileceğini, dünyadaki dengeleri bozabileceğini ve zamanla insanların kontrolünden çıkabileceğini açıkça yazıyor. Belgede modellerin kapatılmamak için kendilerini korumaya çalıştıkları durumlardan da söz ediliyor. Şirket olası bir büyük felaketin sigorta şirketlerinin karşılayamayacağı kadar büyük olabileceğini bile kabul ediyor.
Bu kadar büyük riskler varken, şirketle ilgili önemli kararları kim verecek? Hisse satın alacak yatırımcılar değilse kim? Şirketin yönetim kurulunun çoğunluğunu, Uzun Vadeli Fayda Vakfı adlı ayrı bir kurul belirliyor. Genel oylamalarda ise yedi kurucu ortak, ellerindeki özel bir hisse sayesinde tam yüzde 50,1 oy gücüne sahip. Yani sıradan hissedarlar kararların büyük kısmında söz sahibi değil.
Bu yapıya iki farklı açıdan bakılabilir. Bir açıdan bakıldığında, şirketi kâr baskısından koruyan ve güvenliği öne çıkaran bir yöntem. Diğer açıdan bakıldığında ise toplumun tamamını etkileyecek bir teknolojinin, kimseye hesap vermeyen küçük bir grubun elinde kalması demek. Anthropic’in borsaya açılması aslında finansal bir karar gibi görünüyor. Ancak risk belgesini dikkatlice okuyunca bu kararın yapay zekanın geleceğini kimin belirleyeceği sorusuyla yakından bağlantılı olduğu anlaşılır hale geliyor.
YZ Ajanları ve Küresel Dijital Eşitsizliğin Yeni Boyutları
Yapay zeka teknolojilerinin gelişiminde yeni bir aşamaya geçildiğinin göstergesi olan otonom ajanlar, dijital dünyada kullanıcıların doğrudan müdahalesine ihtiyaç duymadan çeşitli görevleri yerine getirebilen sistemler olarak öne çıkıyor. Meta’nın Muse ve OpenAI’ın Dots gibi kişisel yapay zeka ajanları, alışveriş yapmaktan rezervasyon oluşturmaya, gündelik işlerin organizasyonundan finansal işlemlere kadar geniş bir faaliyet alanında kullanıcılar adına hareket etmeyi hedefliyor. Ancak bu teknolojilerin küresel ölçekte yaygınlaşması, ülkeler arasındaki mevcut dijital eşitsizliklerin yeni bir boyut kazanması ihtimalini de beraberinde getiriyor. Özellikle Küresel Güney ülkelerinin altyapı kapasitesi, dil çeşitliliği ve ekonomik koşulları, ajan tabanlı yapay zeka sistemlerinden elde edilecek faydanın dağılımında belirleyici olabilir.
Yapay zeka ajanlarının yaygınlaşmasının önündeki engellerden biri dijital altyapı kapasitesi. Geleneksel internet kullanımında bir kullanıcı belirli bir işlemi gerçekleştirmek için sınırlı sayıda talepte bulunurken, yapay zeka ajanları aynı görevi tamamlamak amacıyla çok sayıda internet sitesi, uygulama ve model arasında sürekli veri alışverişi gerçekleştiriyor. Cisco tarafından yapılan testler, ajanların tek bir görev sırasında insan kullanıcılara kıyasla %450'ye kadar daha fazla ağ trafiği oluşturabildiğini gösteriyor. Bu durum, bağlantı kalitesinin düşük ve internet altyapısının kırılgan olduğu bölgelerini ciddi bir çıkmaza sokabilir. Nitekim 2025 yılında Afrika nüfusunun yaklaşık %36’sı internet kullanırken Avrupa'da bu oran %92 seviyesindeydi. Dolayısıyla ajan ekonomisinin sunduğu verimlilik kazanımları, mevcut dijital altyapı farklılıkları nedeniyle ülkeler arasında eşitsiz biçimde dağılacağını biliyoruz.
Bu eşitsizliğin daha az görünür olan boyutu ise yapay zeka modellerinin farklı dillerde gösterdiği performans. Büyük dil modellerinin eğitiminde İngilizce içeriklerin ağırlıklı olması, modellerin İngilizce dışındaki dillerde daha düşük doğruluk, bağlamsal kavrayış ve görev tamamlama performansı göstermesine neden olabiliyor. Üstelik sorun modelin verdiği yanıtların niteliğiyle sınırlı değil. Yapay zeka sistemlerinin metinleri işleme biçimi de diller arasında önemli maliyet farklılıkları oluşturuyor.
Büyük dil modelleri, metinleri doğrudan kelimeler üzerinden işlemek yerine token adı verilen daha küçük birimlere ayırıyor. Tokenizasyon olarak adlandırılan bu süreçte İngilizce bir ifade nispeten az sayıda token ile temsil edilebilirken aynı anlamı taşıyan başka bir dildeki ifade çok daha fazla token gerektirebiliyor. Yapay zeka hizmetlerinin önemli bir bölümünde ücretlendirme işlenen token miktarına göre yapıldığından bu farklılık doğrudan ekonomik bir dezavantaja dönüşüyor. Tokenizasyon vergisi (tokenizer tax) olarak tanımlanan bu olgu, bazı dilleri kullananların eşdeğer işlemler için daha fazla hesaplama kaynağı tüketmesine ve daha yüksek maliyetlerle karşılaşmasına yol açıyor.
Coalition for Language Equity in AI Research tarafından gerçekleştirilen bir araştırma, internette en yaygın kullanılan 20 dil arasında token tüketimi bakımından 1,5 ila 5 kata ulaşan farklılıklar bulunduğunu ortaya koyuyor. İncelenen dil sayısı 200'e çıkarıldığında ise belirli bir modelde bu fark 17 kata kadar yükseliyor. Özellikle Birmanca, Tibetçe, Kmerce ve Laoca gibi yazı sistemleri, mevcut tokenizasyon yöntemlerinde ciddi dezavantajlarla karşılaşıyor. Bu durumun arkasında dillerin dijital ortamdaki temsil düzeyinin yanında kullanılan alfabenin ve yazı sisteminin teknik özellikleri de bulunuyor.
Tokenizasyon kaynaklı eşitsizliklerin sonuçları ekonomik maliyetlerin çok ötesinde. Daha fazla token tüketen dillerde işlem süreleri uzarken modellerin sınırlı bağlam pencereleri daha hızlı doluyor. Böylece bir yapay zeka ajanının önceki konuşmaları hatırlama, uzun belgeleri değerlendirme ve çok aşamalı görevleri yürütme kapasitesi de etkilenebiliyor. Örneğin bir eğitim ajanının öğrencinin önceki hatalarını ve öğrenme sürecini takip etmesi ya da bir ticaret ajanının uzun bir müzakere geçmişini değerlendirmesi, kullanılan dile bağlı olarak farklı kaynak gereksinimleri doğurabiliyor. Bu teknik farklılıklar, ajanların sunduğu hizmetlerin kalitesinde yeni bir eşitsizlik alanı oluşturuyor.
Diğer taraftan yapay zekâ ajanlarının yerel ekonomik ve kültürel koşullara uyum sağlaması da önemli bir mesele. Özellikle gelişmekte olan ülkelerde ekonomik faaliyetlerin önemli bir bölümü gayriresmi ilişkiler, yerel pazarlık pratikleri ve yüz yüze iletişim üzerinden yürütülüyor. Güney Afrika'da WhatsApp üzerinden hizmet sunan Manny adlı kişisel asistanın ülkenin 11 resmi konuşma diline uyarlanmasında yaşanan güçlükler, bu sorunun somut örneklerinden biri. Yerel dilleri ve toplumsal bağlamı yeterince kavrayamayan ajanların küresel ölçekte yaygınlaşması, kullanıcıların kendi alışkanlıklarını teknolojinin işleyişine göre değiştirmesi sonucunu doğurabilir.
Benzer bir dönüşüm küçük işletmeleri de bekliyor. Yapay zeka ajanlarının tüketiciler adına alışveriş yapabilmesi için işletmelerin ürün stoklarını, fiyatlarını ve ödeme sistemlerini dijital olarak erişilebilir hâle getirmesi gerekiyor. Bu altyapıyı kuramayan işletmeler, ajanların yönlendirdiği ekonomik faaliyetlerin dışında kalma riskiyle karşı karşıya. Böylece dijitalleşme kapasitesi, işletmelerin rekabet gücünü belirleyen daha kritik bir unsura dönüşebilir.
Bütün bu gelişmeler, yapay zeka alanındaki küresel rekabetin değerlendirilmesinde yeni ölçütlere ihtiyaç duyulduğunu gösteriyor. Model geliştirme kapasitesi, veri merkezi yatırımları ve hesaplama gücü kadar dilsel verimlilik, yerel sistemlerle entegrasyon ve dijital erişilebilirlik de önem kazanıyor. Özellikle gelişmekte olan ülkeler açısından yerel dillerde yüksek performans gösteren modellerin geliştirilmesi, tokenizasyon verimliliğinin artırılması ve açık dil veri kümelerinin oluşturulması stratejik öncelikler arasında yer almalı. Aksi takdirde yapay zeka ajanlarının yaygınlaşmasıyla birlikte mevcut dijital eşitsizlikler, teknolojinin mimarisine yerleşmiş daha kalıcı ekonomik ve toplumsal dezavantajlara dönüşebilir.
Müzik Endüstrisinde Yapay Zeka Temizliği
Üretken yapay zekanın gelişimi, metin, görsel ve ses gibi alanlarda yaratıcı süreçlere düşük maliyetle ve kısa sürede büyük bir pratiklik kazandırıyor. Bu araçlar fikirlerin hızla nihai ürüne dönüşmesine katkı sağlarken sağladıkları hız ve esneklik müzik endüstrisini de paralel olarak dönüştürüyor. Bu kolaylığın yanısıra yapay zeka araçlarının sunduğu yüksek erişilebilirlik ve üretim hızı sanatta özgünlük tartışmalarını da beraberinde getiriyor. Geçtiğimiz günlerde Spotify'ın sistemden milyonlarca yapay zeka üretimi içeriği kaldırması, teknolojinin sağladığı kolaylığın büyük bir spam ve niteliksiz içerik yığınına da yol açabildiğini, insanın özgünlüğünü yitirdiği bir senaryonun uzak olmadığına işaret ediyor.
Dijital müzik yayıncılığının önde gelen platformlarından Spotify, attığı adımlarla müzik sektöründeki mevzubahis tartışmanın kapısını araladı. Paylaşılan verilere göre şirket, kurallarını ciddi biçimde ya da tekrar tekrar ihlal eden ve "slop ya da spam" olarak işaretlenen 75 milyonu aşkın parçayı platformdan temizledi. Bunun yanı sıra 50 milyon şüpheli yayın da tavsiye akışlarından çıkarıldı. Spotify, bu kararı verirken dinleyicilerin atladığı, görmezden geldiği ya da dinlemek istemediğini söylediği parçalara baktığını, ortaya çıkan örüntünün ise bu parçaların tutarlı biçimde slop ya da spam olarak tanımlanan içerikler olduğunu belirtiyor. Yani mesele yalnızca bir kural ihlali değil doğrudan dinleme deneyimine yansıyan bir kalite sorunu.
Spotify’ın YZ regülasyonuna ek olarak yeni bir düzenleme sistemi de getiriyor. Platform, eser künyelerinde yapay zeka katkısının açıkça görülebilmesini sağlayan bir özelliği devreye aldı. 300 bini aşkın sanatçının profili, arkasında gerçek ve kimliği belli bir insan olduğunu gösteren bir rozetle doğrulanırarak yapay zeka tarafından üretilen profillerin yüklediği müzikler ayrı bir rozetle işaretleniyor. Böylece dinleyici onları takip etmedikçe öneri algoritmasının dışında tutuluyor. Sanatçıların adlarına yüklenen içerikleri inceleyerek taklit ve sahte dinlenme riskini azaltmasını sağlayan Sanatçı Profili Koruması programı ise beta aşamasında. Rakip Tidal da bu yıl başında neredeyse tamamen yapay zeka üretimi olan müzikleri etiketleyip gelir elde etmesine izin vermeme planını duyurmuştu. Gelişmelerin sunduğu üzere sektör genelinde otantikliği önceleyerek şeffaflık yönünde bir eğilim oluşuyor. Spotify, toplu yüklemeler, kopya içerikler ve SEO manipülasyonu gibi yöntemlerle mücadelenin yapay zeka geliştikçe zorlaşacağını kabul ediyor, ancak bu mücadeleyi sürdürme yönünde duyuruları yapıyor.
Spotify şirketinin Co-CEO’su Gustav Söderström’ün ifadesine göre platformun asıl stratejik hedefi, otonom yapay zeka asistanlarının merkezde yer alacağı yeni döneme adapte olmak. Söderström’e göre YZ ajanları insanların yapmaktan hoşlanmadığı angaryaları üstlenmekte başarılı. Oysa sanat ve eğlence bunun tam tersi bir alan ve kimse bir ajandan bir şarkıyı özetlemesini istemiyor. Bu nedenle müzik, ajan çağında gelişmesi beklenen az sayıdaki kategoriden biri. Dolayısıyla Spotify da bu ajanların başvuracağı hizmet olmak istiyor. Üçüncü çeyrekte 788 milyon aylık aktif kullanıcıya ve yaklaşık 5 milyar avroluk gelire ulaşan şirket, bu güveni güçlü rakamlarla destekleyerek şirketin somut adımlarına da yansıyor. Örneğin Spotify, Meta’nın Muse asistanıyla entegre olan ilk müzik servisi oldu. ChatGPT ve Claude ile de entegrasyonu bulunuyor. Dinleyici artık uygulamayı açıp sanatçı aramak ve liste hazırlamakla uğraşmak yerine asistanından koşusuna uygun müzik isteyebiliyor. Co-CEO Söderström’ün örneğinde kullanıcı, Spotify’dan 2008’e uzanan dinleme geçmişinideki şarkıları tarayıp favorilerini seçmesini, hızlarını ayarlamasını ve tonalite ile BPM’e göre sıralayarak kendi koşu temposuna uygun, isabetli bir liste hazırlamasını isteyebiliyor. Yıllara yayılan bu dinleme verisi, genel bir asistanın üreteceği jenerik listelerden çok daha kişisel öneriler sunmasını sağlıyarak kuvvetli bir algoritma sunuyor. Ayrıca, Spotify dinleyici verisini ortaklarına göndermediğini ve ajan bir istekte bulunduğunda neyin çalınacağına Spotify’ın kendi sistemlerinin karar verdiğini vurguluyarak süreçteki denetimini vurguluyor.