İsmail Gökhan Bayram
Teknoloji devleri birkaç yıldır büyük vaatlerle geniş dil modellerinin (LLM) kullanımını hemen her alanda yaygınlaştırmaya çalışıyor. Bu yaygınlaştırma faaliyetinin -teknoloji şirketlerinin istediği ölçekte olmasa bile- kısmen başarıya ulaştığını söyleyebiliriz. ABD’de çalışma sırasında geniş dil modellerinin kullanımı çalışanlar arasında neredeyse yüzde 50’lere yaklaştı. Haftalık 700 milyon kullanıcıya ulaşan OpenAI’ın yıl sonuna kadar bu sayıyı 1 milyara çıkartacağı tahmin ediliyor. Google’ın Gemine’ından Musk’ın Grok’una, Meta’nın Llama’sından Anthropic’in Claude’una diğer bilinen modeller de azımsanamayacak sayıda kullanıcıya ulaşıyor. Toplam sayılara dair belirsizlikler olsa da geniş dil modellerinin kullanım yaygınlığının ekonomik istatistiklere etki edebilecek bir büyüklüğe ulaştığını söyleyebiliriz. Ancak bu kullanım yaygınlığına rağmen buna karşılık olabilecek ekonomik sonuçları görebildiğimizi söylemek mümkün değil.
Hatırlarsanız geniş dil modellerinin en önemli vaatlerinden biri çalışan verimliliğini ciddi şekilde artırmaktı. Eğer vaatler doğru olsaydı kimi iddialarda 10 kata kimisinde 100 kata kadar çıkacağı iddia edilen bu üretkenlik artışının mevcut kullanım seviyeleri ile ekonomik istatistiklerde gözle görülür etkileri olması gerekirdi. Ancak “iş gücü üretkenliğinde” LLM’lere karşılık gelebilecek rutinin dışında bir değişim olmadığını rahatça söyleyebiliriz (ABD, Avrupa Birliği). Veriler bu yöne işaret etmesine rağmen teknoloji devlerinin pazarlama operasyonları sürdükçe pek çok şirket yapay zekâ teknolojilerinde geride kalma korkusu ile çeşitli yapay zekâ araçlarını benimsiyor hatta kimi vakalarda kullanımlarını çalışanlara dayatıyor.
Yapay zekâ araçları konusunda şirketlerin tutumunda tek belirleyicinin verimlilik olmadığını hatırdan çıkartmamakta fayda var. Avustralya’nın en büyük bankası Commonwealth Bank of Australia’da (CBA) 45 çalışanın yerlerine yapay zekâya dayalı bir sesli yanıt sistemi koymak üzere işinden çıkartılmasıyla başlayan süreç şirketlerin pratiklerini anlamak açısından iyi bir örnek teşkil ediyor. İşten çıkartılan çalışanların üyesi olduğu Finans Sektörü Sendikası (FSU) konuyu iş mahkemesine taşıyor. CBA’nın işten çıkartma gerekçesinde dile getirdiği “yapay zekâ destekli sistemin çağrı sayısında azalmaya yol açtığı” iddiasının yalan olduğu, aksine çağrı sayılarının arttığı, şirketin kalan çalışanlara fazla mesai yaptırdığı, yöneticilere bile telefon yanıtlama işi verdiği ve bankanın Hindistan’da benzer nitelikte iş ilanı açtığı mahkemede ortaya çıkartılıyor. Banka 45 çalışanı işe geri almak zorunda kalıyor. İşten çıkartmaları yapay zekâ teknolojileri ile açıklamaya çalışan pek çok şirketin de altını eşelerseniz benzer bir tablo çıkacaktır.
Burada iki temel faktörden bahsedebiliriz. İlki şirketlerin hemen her durumda çalışanlarını değil kârı önceleyecek olmaları. İkincisi ise teknoloji şirketlerinin abartılı yapay zekâ vaatlerinin çeyreğinin bile altını dolduramamış olması. Üstelik bu vaatlerin altının daha uzun süre dolmayacağını söylemek için de kâhin olmaya gerek yok. Çok değil daha bir ay önce Sam Altman; GPT-5’in ne kadar hızlı olduğunu anlatıyor, geliştirilmesini Manhattan Projesi (İlk nükleer bomba) ile karşılaştırıyordu. GPT-5 kullanıma açıldığında görüldü ki ortada bir Manhattan Projesi falan yoktu. Ancak sürüm numarasının küsuratını arttırmaya yetecek kadar geliştirme ve sistemin çalışma maliyetlerini düşürmek üzere yapılan birtakım değişikliklerden bahsetmek mümkündü. Zaten Altman da GPT-5’i hızla unutarak GPT-6’yı pazarlamaya geçti. Altman’ın bugüne kadarki uzun yanılma listesi başka bir yazının konusu olsun ancak bu düzeyde bu kadar keskin yanılgılar neredeyse asla tesadüf ya da hata değildir, şirket politikasının bir gerekliliğidir.
AI alanında çoğunluğu büyük vaatlerle şişen bir ekonomik balonun varlığı artık Altman’ın bile kabul etmek zorunda kaldığı tartışmasız bir gerçek. Öte yandan sektör balonun patlaması halinde dotcom krizini gölgede bırakacak denli semirmiş durumda. “Batamayacak kadar büyük” bu gemi batacak mı yüzecek mi birlikte göreceğiz.
