Yapay Zeka Ucuzladı, Kuran İnsan Kıt: Boşluk Nasıl Kapanır?

Yapay zekada kıt olan şey artık model değil. Son iki haftada üç tanesi birden ucuzladı: Anthropic 22 Eylül’de Opus 5.5’i bir öncekinden yüzde 40 daha az fiyata verdi, 28 Eylül’de Sonnet 5.5’i yüzde 30 daha hızlı ve çoğu iş için yüzde 30’a kadar daha ucuza çıkardı. OpenAI 29 Eylül’de GPT-6.1 Sol’u duyurdu; üst modelinin token fiyatının beşte biri. Kıt olan, modeli gerçek bir işin içine kuran insan. Anthropic 2 Ekim’de tam bunun için, mart ayında partner ağına ayırdığından bağımsız, ayrı bir 100 milyon dolar daha açıkladı.

İki haftada ne oldu?

Fiyat tarafı sessiz sedasız çöktü. Geçen yıl “şu işi modele devretsem mi” diye hesap yaparken rakamlar sınırdaydı. Şimdi aynı iş için ödediğim para üçte birine inmiş durumda, hız da arttı. Bu benim için iyi haber ama yazının asıl konusu değil. Asıl konu şu: ucuzlayan tarafı kullanmak için yine bir insana ihtiyacın var ve o insan ucuzlamıyor.

Ben bunu en net rapor işinde gördüm. Aylarca haftalık rapor çıkarmak için pazartesi sabahlarımı harcadım. Sonra işi modele devrettim. İlk denemede raporu çıkardı, hem de hızlı. Ama yanlış sitenin verisiyle çıkardı. İki hafta boyunca ben de farkında olmadan ona bakıp karar verdim. İşi düzelten şey daha iyi bir model olmadı. Hangi ölçüm hesabının hangi siteye ait olduğunu düz bir metin dosyasına yazmak oldu. Yani sorun zekada değil, kurulumdaydı.

Anthropic 100 milyon dolarla neyi satın alıyor?

Satın almıyor, yetiştiriyor. Programın adı Claude Frontier Academy. Hedef, 2027 sonuna kadar 10.000 kişiyi “Frontier Deployed Engineer” olarak yetiştirmek. Bu arada bu para, şirketin Mart ayında partner ağı için ayırdığı 100 milyon dolardan ayrı bir kalem.

İşleyiş tıp asistanlığına benziyor. Önce San Francisco, New York ve Londra’da birkaç günlük yüz yüze eğitim. Ardından simüle edilmiş bir kurumsal kurulum senaryosu. Geçen kişi “Claude Resident Engineer” rozetini alıyor. Sonrası asıl kısım: kendi şirketinde 12 hafta boyunca gerçek bir proje yürütüyor. Final değerlendirmeyi de geçerse “Claude Frontier Deployed Engineer” oluyor, ilk mezunların 2027 başında çıkması bekleniyor.

Anthropic’te iş geliştirme ve ortaklıkların global başkanı olan Steve Corfield duyuruda şunu söylüyor: “Zor olan kısım o derinlikte yetenek inşa etmek; Claude’u bir fikirden üretimde çalışan bir sisteme taşıyabilen, en yüksek seviyede yapay zeka akıcılığına sahip mühendisler.” Duyurunun açılış cümlesi de niyeti ele veriyor: “Neredeyse her kurum yapay zekayı organizasyonuna sokmak için yarışıyor, ama onu gerçek bir işin içinde çalıştıracak becerisi olan insanlar bulunması en zor yetenek haline geldi.”

Neden McKinsey bile bu insanı bulamıyor?

İlk gruplarda Accenture, Bain, Capgemini, Deloitte, McKinsey, Morgan Stanley, Novo Nordisk ve Commonwealth Bank of Australia var. Bu şirketlerin işe alım sıkıntısı yok. Para da sorun değil. Yine de dışarıdan almak yerine içeriden yetiştirmeyi seçiyorlar. Çünkü aradıkları şey piyasada etiketlenmiş bir pozisyon değil.

Commonwealth Bank’ın grup teknoloji direktörü Rodrigo Castillo’nun cümlesi bunu somutlaştırıyor: “Mühendislerimiz her gün yapay zeka araçları kullanıyor ve ekiplerimiz geçen yıl üç katına kadar daha fazla kod değişikliği üretti.” Üç kat çıktı, bir model satın alarak gelmiyor. Araç herkeste aynı.

Programa alınacak kişide aranan dört şeye bakın: sağlam temeller, dil modelleriyle bir şey inşa etmiş olmak, başkalarının benimsemesine yardım etmiş olmak ve işin en önemli problemine girme alışkanlığı. Dördünün de model bilgisiyle ilgisi yok. Üçü doğrudan huy.

Küçük işletme bu kişiyi işe alamaz. O zaman ne yapar?

Ben de alamam. Ama programın kendisi değil yapısı kopyalanabilir, hem de bedava. Kendi işine uyarlanmış hali:

Bir, temel. Bir hafta ayır, aracı gerçekten öğren; bu adım atlanınca gerisi tutmuyor. Soru cümlesini güzelleştirmeyi bırak, modele doğru bağlamı kurmakla uğraş. Bunu daha önce ayrıntılı yazdım.

İki, simülasyon. İlk denemeyi gerçek müşterinin üzerinde yapma. Kopya veriyle, kimseye dokunmayan bir ortamda dene. Anthropic kendi mühendis adaylarını bile canlıya salmadan önce simüle senaryoda sınıyor.

Üç, tek proje ve 12 hafta. En çok tekrar eden, en çok canını sıkan tek süreci seç. Beş değil, bir. Baştan sona devret ve üç ay boyunca peşini bırakma. Devretmek bir günlük iş, oturması aylık.

Dört, değerlendirme. Önce ve sonrayı ölç. Ama üretilen işi değil sonuçlananı ölç; ikisi aynı şey değil ve arasındaki makas bayağı açılabiliyor.

Bu dört adımın ortak noktası şu: hiçbiri “hangi model” sorusuyla ilgili değil. Model seçimi bir akşamlık karar, kurulum aylık emek. Artık asıl soru şu: bu modeli hangi sürecin içine, kim kuracak? Cevabın “ben” olması gerekiyor, çünkü senin işini senden iyi bilen bir mühendis dışarıda yok.

Bu arada eylülde ChatGPT reklamları için kendi mağazamda küçük bir deneme yapacağımı yazmıştım. Hesap tarafı henüz açılmadı, o yüzden anlatacak bir sonucum yok. Olduğunda iyi ya da kötü buraya yazarım.