Üretken yapay zekâ kısa sürede hem çalışanların gündelik araçlarına hem de yönetim toplantılarının gündemine girdi. Buna karşın "üretken yapay zekâ nedir, klasik yapay zekâdan farkı ne, şirkette tam olarak nerede işe yarar?" soruları çoğu zaman net bir yanıt bulmadan geçiştiriliyor.
Bu yazıda kavramı uluslararası tanımlara dayanarak açıklıyor, nasıl çalıştığını sade bir dille anlatıyor, Türkiye'deki güncel kullanım verisine bakıyor ve şirketlerde yaygın kullanım alanlarını örnek senaryolarla ele alıyoruz.
Üretken yapay zekâ nedir?
ABD Ulusal Standartlar ve Teknoloji Enstitüsü (NIST), Temmuz 2024'te yayımladığı Üretken Yapay Zekâ Profili'nde (NIST AI 600-1) ABD Başkanlık Kararnamesi 14110'daki tanımı esas alarak üretken yapay zekâyı, girdi verisinin yapısını ve özelliklerini taklit ederek bu veriden türetilmiş sentetik içerik üreten yapay zekâ modelleri sınıfı olarak tanımlıyor. Belgeye göre bu içerik görüntü, video, ses, metin ve diğer dijital içerikleri kapsayabiliyor.
Kısacası üretken yapay zekâ, bir soruya yanıt olarak sınıflandırma ya da skor vermek yerine yeni bir metin, görsel, ses veya kod ortaya koyan sistemleri anlatıyor.
Üretken yapay zekâ ile yapay zekâ arasındaki fark
"Yapay zekâ" daha geniş bir şemsiye kavram. OECD'nin 2023'te güncellediği tanıma göre yapay zekâ sistemi, aldığı girdiden tahmin, içerik, öneri veya karar gibi çıktıları nasıl üreteceğini çıkarsayan, makine tabanlı bir sistemdir. OECD.AI'da yayımlanan açıklamaya göre tanıma "içerik" sözcüğünün eklenmesi, tanımın metin, video veya görüntü üreten üretken sistemleri de kapsadığını netleştirmek içindi.
Bu çerçevede fark şöyle özetlenebilir:
- Yapay zekâ (genel): talep tahmini, sahte işlem tespiti, görüntüden kusur ayıklama, öneri sistemleri gibi çıktısı çoğunlukla bir tahmin, skor ya da karar olan sistemleri de içerir.
- Üretken yapay zekâ: bu ailenin, çıktısı yeni içerik olan alt kümesidir; e-posta taslağı, rapor özeti, ürün açıklaması, görsel ya da kod parçası üretir.
Pratikte iki yaklaşım çoğu zaman birlikte kullanılır: bir model riski skorlarken, üretken model aynı sonucu çalışanın okuyacağı bir özete dönüştürebilir.
Üretken yapay zekâ nasıl çalışır?
NIST profilinin açıklamasına göre üretken modeller, eğitildikleri verinin istatistiksel dağılımına yaklaşan çıktılar üretecek biçimde tasarlanır; örneğin büyük dil modelleri bir cümledeki bir sonraki sözcüğü ya da sözcük parçasını tahmin ederek metin oluşturur.
Bu çalışma biçiminin şirket açısından önemli bir sonucu var. NIST aynı belgede, bu tür istatistiksel tahminin doğru ve tutarlı çıktılar verebileceğini, ancak olgusal olarak yanlış ya da kendi içinde çelişkili çıktılar da üretebileceğini belirtiyor. Kamuoyunda "halüsinasyon" diye bilinen bu durumu belge "konfabulasyon" olarak adlandırıyor ve yanlış içeriğin kendinden emin biçimde sunulduğuna dikkat çekiyor. Belgeye göre bu risk, uzun ve açık uçlu yanıtlarda ve alan uzmanlığı gerektiren konularda daha belirgin.
Bu nedenle üretken yapay zekâ çıktısı, özellikle sonuç doğuran kararlarda, bir taslak olarak ele alınmalı ve bir insan tarafından kontrol edilmelidir.
Türkiye'de kullanım ne düzeyde?
TÜİK'in 2 Ekim 2026'da yayımladığı Yapay Zeka İstatistikleri, 2026 bülteni iki ayrı tablo çiziyor:
- Bireyler: üretken yapay zekâ kullandığını beyan eden bireylerin oranı 2025'te %19,2 iken 2026'da %37,6 oldu. Kullanım eğitim düzeyiyle artıyor; oran yükseköğretim mezunlarında %62,7, lise veya mesleki lise mezunlarında %45,4.
- Girişimler: en az 10 çalışanı olan girişimlerde herhangi bir yapay zekâ teknolojisi kullanım oranı 2026'da %14,0.
- Sektörler: kullanım en yüksek %63,7 ile telekomünikasyon, programlama ve bilişim faaliyetlerinde; bunu %57,1 ile yayımcılık, radyo-TV ve içerik faaliyetleri izliyor.
Sektör sıralaması dikkat çekici: içerik ve yazılım üretimi yoğun işler, yapay zekâyı en çok kullanan gruplar arasında. İki oran farklı birimleri (birey ve girişim) ölçtüğü için doğrudan karşılaştırılamaz; yine de bireysel kullanımın bu hızla yayılması, çalışanların araçları kurumsal bir çerçeve oluşmadan kullanmaya başlayabileceğini hatırlatıyor; bu konu çalışanların yapay zekâ kullanımını yönetmek yazısında ayrıca ele alındı.
Üretken yapay zekâ araçları nelerdir?
Ürün adlarından bağımsız olarak şirketlerde karşılaşılan üretken yapay zekâ araçları, ürettikleri içeriğe göre şu gruplarda toplanabilir:
- Metin üreten araçlar: sohbet asistanları; yazışma taslağı, özet, çeviri ve rapor ilk sürümü üretir.
- Görsel ve video üreten araçlar: tasarım taslağı, ürün görseli ve tanıtım içeriği üretir.
- Ses araçları: metni sese dönüştürür ya da toplantı kaydından metin ve özet çıkarır.
- Kod asistanları: yazılım ekiplerine kod önerisi, test ve dokümantasyon taslağı sunar.
- Mevcut yazılımlara gömülü asistanlar: ofis, e-posta, ERP veya CRM yazılımlarının içine eklenen üretken özelliklerdir. Yeni araç almadan önce bu özelliklerin envanterini çıkarmak, mevcut yazılımlardaki gömülü yapay zekâ yazısında anlatıldığı gibi, çoğu zaman daha hızlı bir başlangıçtır.
Şirketlerde kullanım alanları ve örnekler
Aşağıdaki örnekler örnek senaryo niteliğindedir; belirli bir şirkete ait değildir ve rakam içermez.
Örnek senaryo 1: Müşteri yazışmaları. Destek ekibi benzer sorulara her gün yeniden yanıt yazıyor. Üretken yapay zekâ, onaylı bilgi kaynağına dayanarak yanıt taslağı hazırlar; çalışan taslağı kontrol edip gönderir. Ölçüt, yanıt süresi ve düzeltme oranıdır.
Örnek senaryo 2: Pazarlama içeriği. Ürün açıklamaları, kampanya metinleri ve farklı dillerde sürümler elle hazırlanıyor. Üretken model ilk taslağı üretir, marka ve doğruluk kontrolü ekipte kalır. Pazarlama ve satışta ölçülebilir sonuç almanın yolu pazarlama ve satışta yapay zekâ yazısında ele alındı.
Örnek senaryo 3: Belge ve toplantı özetleri. Uzun sözleşmeler, teknik şartnameler ve toplantı kayıtları okunarak özetleniyor. Üretken model özet ve eylem listesi çıkarır; özetin kaynak belgeye bağlı kalıp kalmadığı kontrol edilir.
Örnek senaryo 4: İç bilgi erişimi. Prosedürü çok olan bir kuruluşta belgeler farklı klasörlerde dağınık duruyor ve çalışanlar doğru belgeyi bulmakta zorlanıyor. Kurum içi belgelerle sınırlandırılmış bir asistan, soruya ilgili prosedüre atıf vererek yanıt verir.
Dört senaryonun ortak noktası aynı: üretken yapay zekâ taslağı hızlandırır, son kontrol ve sorumluluk insanda kalır.
Başlamadan önce üç kontrol
- Veri: Araçlara hangi verinin girilebileceğini yazılı hâle getirin. Kişisel veri boyutu, KVKK uyumlu şirket içi üretken yapay zekâ politikası yazısında ayrıntılı işlendi.
- Doğruluk: Çıktının hangi durumlarda insan onayından geçeceğini ve kaynağın nasıl doğrulanacağını tanımlayın.
- Ölçüm: Her kullanım alanı için başlamadan önce bir başarı ölçütü belirleyin; süre, hata oranı ya da tekrar iş miktarı gibi.
Sonuç
Üretken yapay zekâ, yapay zekânın yeni içerik üreten alt kümesidir; gücü de riski de bu üretim biçiminden gelir. TÜİK verisi, bireysel kullanımın hızla yaygınlaştığını, kurumsal kullanımın ise daha geride olduğunu gösteriyor.
Orient Global'in bakışıyla en verimli başlangıç, tekrar eden ve taslak niteliğindeki birkaç iş akışını seçmek, veri ve kontrol kurallarını baştan yazmak ve sonucu ölçerek kapsamı genişletmektir.
Bu yazı genel bilgilendirme amaçlıdır; hukuki değerlendirme yerine geçmez.
#interimmanagement #forwarddeployedengineering