Her firma kendi yapay zekâsını üretmeli midir? Açık kaynaklı yapay zekâ süreçleri

Her firma kendi yapay zekâsını üretmeli midir? Açık kaynaklı yapay zekâ süreçleri

Türkiye'de verdiğimiz yapay zekâ eğitimlerinin hemen hepsinde aynı soruyla süreç tamamlandı. Peki biz kendi yapay zekâmızı yapabilir miyiz?

Bu sorunun cevabı hem basit hem de oldukça kompleks. Bir kere, kod karmaşıklığı açısından “yapay zekâ üretmek” bir masaüstü ve web uygulaması yazmaktan çok daha kolay olabilir; ancak kolay olmayan ve maliyetleri uygulama geliştiricilik ortalamasının binlerce kat yukarısına taşıyan başka bir şey var. Bu da Ar-Ge maliyetidir.

Genel kanının aksine, yapay zekâyı ortaya çıkaran temel işlevlerden attention, tokenizer, transformer bloğu gibi bileşenler, tarih boyunca gelen bir birikimin kesin ve mevcut fizik kuralları çevresindeki en iyi uygulamaları değildir.

Bu konuların her biri ayrı olarak ele alınması gerekse de, bu yazının amacının hasıl olması için bilinmesi gereken en önemli şey; farklı tokenizer, attention mekanizmaları ve transformer bloklarının varlığı ve bunların gelecekte yeni varyasyonlarının hayatımıza gireceği gerçeğidir. Hatta bir kişinin kendi yapmak istediği iş için kendi tokenizer'ını yazması hiç de hatalı bir şey değildir.

Fakat iş kurumsal hayatta ölçeklenmiş bir ürün ortaya çıkarmak olduğunda, buradaki Ar-Ge'nin miktarının milyon dolarlar boyutunda olacağını unutmamak gerekir. Bu süreç aynı şekilde Attention, transformer bloğu ve yapay zekânın diğer bileşenleri için de geçerlidir.

Bütün bu süreçlerin hepsi başarılı bir şekilde geçse bile, çok daha büyük maliyet kalemi ise eğitim verisinin toplanması ve düzenlenmesi, bu verinin eğitim sürecinin makul bir zamanda bitmesini sağlayacak işlem gücünün toplanmasıdır. Bu 2 kalem birlikte milyarlarca dolarlık yatırımı gerektirecektir ki işin sonunda ticari bir ürüne dönüştürülmeyecekse bu yatırım çoğu zaman boşa yatırım haline gelecektir.

Tam bu noktada açık kaynaklı modellerin varlığından bahsetmek gerekiyor. Açık kaynaklı modeller; serbest geliştiriciler, GPU üreticileri veyahut da sektörün önde gelen firmalarının, kullanıcıların uygun GPU donanımı üzerinde ayağa kaldırabilecekleri modelleri open weight olarak paylaştıkları modellerdir.

Bu modeller eğer open weight olarak yayınlanmışsa, fine-tuning denen, modelin herhangi bir konuda yetkinliğinin arttırılmasını sağlayan süreçlerden geçirilerek özelleştirilebilir. Yine de Ekim 2026 itibarıyla açık kaynaklı olmayan frontier modellerin kapasite geliştirme hızı göz önüne alındığında, açık kaynaklı modellerin fine-tune edilmesi istenen seviyede iş kabiliyeti sunmayabilir. Özellikle de uzun bağlamlı sentetik analiz gerektiren işlerde.

Tabii ki tablo gelecek için bu kadar umutsuz değil. Teknolojiler geliştikçe Ar-Ge maliyetleri aşağı yönlü trend gösterecek. Bu da yeterli modellerin gelecekte lokal çalıştırılması konusunda hem gereksinimleri azaltacak hem de daha kolay geliştirilebildikleri için ücretli modellerle rekabet edebilir hale gelecekler.

Burada açık kaynaklı modellerin tek katkısının ücretlendirme değil, aynı zamanda veri gizliliğinin ihlalinin önüne de geçeceğini unutmamak gerek. Sadece bu bile tek başına oldukça güçlü bir katma değer olarak karşımıza çıkmakta.