Kurumların %88'i yapay zekâ kullanıyor.
Ajanlaştıran neredeyse yok.
Rapor kapasiteyi değil, kapasiteyle hazırlık arasındaki açığı ölçüyor. Darboğaz teknoloji değil — örgütlenme.
atıfla
Artificial Intelligence Index Report 2026
Hazırlayan Stanford HAI — Stanford Üniversitesi'nin insan-merkezli yapay zekâ enstitüsü. Rapor bir anket değil, derleme: yılın en güvenilir sayılarını başka kaynaklardan toplayıp tek yerde sayfa referansıyla yayımlıyor. Dokuzuncu edisyon, 425 sayfa. Kurumsal rakamların kaynağı McKinsey & Company 2025 anketi, işgücü rakamlarının kaynağı LinkedIn, olay sayılarının kaynağı AI Incident Database.
AI Index her yıl yapay zekânın nerede olduğunu tek belgede toplar: modeller ne kadar iyileşti, şirketler ne kadar kullanıyor, işgücüne ne oluyor, kaç kez ters gitti. Bu incelemenin konusu raporun ekonomi ve sorumluluk bölümleri — yani teknolojinin kendisi değil, şirketlerin onunla ne yapabildiği.
Raporun içindeki en keskin çelişki şu: yapay zekâ kullanmak neredeyse evrenselleşti (%88), ama yapay zekâya iş yaptırmak — yani ajan çalıştırmak — hemen her fonksiyonda tek haneli kaldı. Bu incelemede o boşluğun nerede en derin olduğunu, ajanın neden hâlâ üretime alınamadığını ve Türkiye'nin tabloda nereye düştüğünü çıkardım.
ajanŞirket adına iş yapan yapay zekâ yazılımı. Sohbet
eden tür değil; dosya açan, kayıt oluşturan, sonraki adıma kendi karar veren tür.benimsemeŞirkette yapay zekânın en az bir iş
fonksiyonunda kullanılıyor olması. Yaygınlığı değil, varlığını ölçer.ölçeklendirmeDenemeyi bırakıp işin normal akışına
koymak. Pilot, ölçekli demek değil: pilot durursa kimse fark etmez, ölçekli durursa iş durur.Şekil 4.3.7Rapordaki grafik numarası. Bu incelemedeki
her sayı, kaynağın sayfa ve şekil numarasıyla verilir.Aynı ankette yan yana duran bu iki sayı tek bir şey söylüyor: yapay zekâya erişim yaygınlaştı, yapay zekâyla iş yapma biçimi değişmedi.
Sanayi, tablonun en geri kalan ucunda
Ajan kullanımı hiçbir fonksiyonda yaygın değil — ama en geri kalan iki alan üretim ve tedarik zinciri.
Tekrarlayan, kural-yoğun, yüksek hacimli işin merkezi zaten üretim ve tedarik zinciri. Boşluğun en büyük olduğu yer, getirinin de en büyük olduğu yer. Doğru soru "hangi yazılımı alalım" değil: en çok tekrarlanan üç işinizin adım listesi yazılı mı?
Bu tablo bir kariyer açığı gösteriyor: üretimde çalışanların %91'i, tedarik zincirinde %88'i ajanı hiç kullanmıyor. Yani sanayi alan bilgisi olan ve ajan çalıştırabilen kişi neredeyse yok. Yazılımcı olmanız gerekmiyor — kendi hattınızdaki bir işi adım adım yazıp bir araca yaptırmayı denemek, bu listenin dışına çıkmak için yeterli ilk adım.
Ajan üretime hazır — insan onayı olmayan tasarımda değil
Üçte bir hata payı olan bir bileşeni üretim sürecine koyuyorsanız mimaride görev sınırı, doğrulama, geri alma ve onay kapısı zorunludur.
Ajan kurmak teknoloji seçimi değil mimari kararıdır. Onay kapısı tasarımın parçası değilse, hata sürecin parçası olur. Üç denemeden birinin başarısız olduğu bir bileşeni akışa koyarken sorulacak soru şudur: bu iş yanlış yapılırsa hangi adımda, kim fark eder?
Kıt olan beceri ajanı çalıştırmak değil, ne zaman durdurulacağını bilmek. Aynı raporda ajan başarısı bir yılda %12'den %66'ya çıktı — yani araç hızla iyileşiyor, ama %34 hata payı sizin işinizde kalıyor. Kullandığınız araca bir iş verirken çıktının doğruluğunu neye bakarak onayladığınızı yazılı hâle getirin; bu alışkanlık bugün kurumların çoğunda yok.
Üretkenlik seçici, bedeli genç kademede
Yapay zekânın çalıştığı yer zeki karar değil, sabırlı tekrar. Kazanımı ölçülen iki alan müşteri desteği ve yazılım geliştirme; muhakeme gerektiren işlerde etki zayıf, bazen negatif. Ve giriş seviyesini kesmek, beş yıl sonraki orta kademeyi bugün silmek demek.
Bu, kariyerin başındaki için kötü haber gibi görünüyor — 22-25 yaş geliştirici istihdamı %20 düşmüş. Ama aynı veride kıdemli kadro büyümeye devam ediyor: daralan şey giriş seviyesi işin kendisi değil, "junior yapar" diye ayrılan tekrar işi. Karşılığı şu: alan bilgisi biriktirmeyi bekleyemezsiniz. Kendi işinizin çıktısını ölçülebilir hâle getirin — kazanımın ölçüldüğü alanlarda çalışan, onu gösterebilen kişi bu daralmanın dışında kalıyor.
Talep havuzdan hızlı büyüyor: doğru insanı işe almak pahalılaşıyor. "İçeride ekip kurarım" planı Türkiye'de en kırılgan varsayım — mevcut ekibin işini yeniden tasarlamak daha hızlı ve ucuz. Kadro planından önce sorulacak soru: bu işi bugünkü ekiple yapmanın önündeki engel bilgi mi, zaman mı, yetki mi?
Aynı iki sayı birey için tersinden okunur: talep ilk 15 ülke arasında, havuz aynı listenin en sonunda. Yani Türkiye'de bu beceriyi edinen kişinin pazarlık gücü artıyor, azalmıyor. Kıt olan yurt dışına gitmek değil — burada kalıp aranan tarafta olmak.
Rapordan not düşülenler — manşet olmayan bulgular 6 kalem · sayfa referanslı
Üç sinyal bu incelemenin sabit biçimi: uzun bir kaynağı taşınabilir hâle getiren şey sınırın kendisi. Ama 425 sayfada manşet olmayan güçlü bulgular kalıyor — onları atmak yerine sayfa numarasıyla buraya düşüyorum.
Yaygınlık ile derinlik aynı şey değil. Katılımcıların yarısından fazlası yapay zekâyı üç veya daha fazla iş fonksiyonunda kullanıyor. Yani araç şirketin içine dağılmış durumda; dağılmamış olan şey ajan pratiği. "Kullanıyoruz" cümlesi artık bir ayrım noktası değil. s.193
Tek hane kuralının istisnası teknoloji sektörü. Ölçekli ajan kullanımı yazılım mühendisliğinde %24, bilgi teknolojilerinde %22, servis operasyonlarında %21. Yani ajan işletmek mümkün — ama bugün yalnız kendi ürününü kendi kuran şirketlerde işliyor. s.197
Küçük şirketlerin çoğu hâlâ deniyor. 100 milyon dolar altı cirolu şirketlerin %39'u deneme aşamasında; ölçeklendiren %25, tam ölçekli yalnız %5. Bu, bütçe farkından çok süreklilik farkı: pilot bitince kimse devralmıyor. s.197, Şekil 4.3.6
Üretken yapay zekâ, yapay zekânın tamamı değil. En az bir fonksiyonda üretken yapay zekâ kullanan kurum oranı %70; toplam benimseme %88. Aradaki fark klasik makine öğrenmesi — yani şirketlerin bir kısmı yapay zekâyı sohbet etmeden de kullanıyor ve bu genellikle hiç konuşulmuyor. s.173
Şeffaflık ilerlemedi, geriledi. Şirketler modellerinin yetenek ölçütlerini neredeyse eksiksiz raporluyor; sorumluluk ölçütlerini düzensiz. Rapor 2025'te model şeffaflığında bir gerileme ölçüyor. Yani yapay zekâ hızlanırken onu denetleyecek bilgi azaldı. s.126 · s.9
Güvenliği iyileştirmek doğruluğu bozabiliyor. Akademik çalışmalar sorumluluk boyutları arasında takas buluyor: gizliliği artırmak adaleti bozuyor, güvenliği artırmak doğruluğu düşürüyor. Ve raporun kendi tespiti şu — bu takasları yönetecek kabul görmüş bir çerçeve yok. Uyum tartışmasının bugün geldiği yer bu. s.126 · s.128
Bu listede maliyet ve getiri rakamları yok. Rapor kurumsal getiriyi tek bir ölçütle vermiyor; farklı çalışmalardan derlenmiş, yöntemi birbirinden farklı sayılar var. Yöntemi tanımlanmayan getiri iddiası bu seride yayımlanmıyor.
Şirketiniz hazır mı? 5 soru
Cevaplar "evet/hayır" değil: yazılı mı, ölçülü mü, sahibi kim.
Yapay zekâyı kim, hangi işte, hangi kuralla kullanıyor — yazılı mı?
En çok tekrarlanan üç sürecinizin görev başına süresi ve hata oranı elinizde mi?
Ajan yanlış karar verdiğinde hangi adımda insan onayı devreye giriyor?
Çıktı müşteriye ya da resmî belgeye gidiyorsa sorumluluk kimde?
Giriş seviyesi alımı kıstıysanız beş yıl sonraki orta kademeyi nereden dolduracaksınız?
Bu beş soruyu kendi süreçlerinizde yanıtlayalım
Adaptasyon Teşhisi: hangi süreciniz yapay zekâya bugün hazır, hangisi değil, nereden başlanır. 90 dakika, sonunda yazılı bulgu.
Teşhis için yazınÇıkar ve metodoloji beyanı 5 madde · okumadan alıntılamayın
Bu raporu okurken beş şeyi bilerek okumak gerekiyor
Rakamları kullandım, ama şu beş kalem olmadan kullanılamazlar.
AI Index bu sayıları kendisi ölçmüyor. Rapor bir derleme: kurumsal benimseme ve ajan rakamları McKinsey & Company'nin 2025 anketinden, işgücü verileri LinkedIn'den, olay sayıları AI Incident Database'den geliyor. Stanford HAI'nin katkısı toplamak, kıyaslamak ve kaynağını göstermek. Yani "Stanford şunu buldu" demek yanlış; doğrusu "Stanford şunu derledi". s.193 · s.212 · s.132
Anket verisi katılımcı beyanıdır. Kurumsal rakamların tamamı şirketlerin kendi söylediğine dayanıyor — dışarıdan ölçüm değil. Raporun kendi uyarısı da bu: bu veriler kapsamlı değil, yön gösterici okunmalı. "%88 kullanıyor" cümlesi, "%88'i kullandığını söylüyor" demektir. s.193
Sağdaki ızgara sayı değil, temsil. Rapor ajan ölçeklendirmesi için tek bir yüzde vermiyor; "neredeyse tüm fonksiyonlarda tek hane" diyor. Yukarıdaki waffle ızgarasının sağ tarafı bu ifadenin görselleştirmesidir. Aynı şeklin deneme/pilot/ölçeklendirme kırılımları ise kullanılmadı: satır toplamları yuvarlama nedeniyle %100'e tamamlanmıyor. s.197 · s.198, Şekil 4.3.7
Türkiye grafiği iki ayrı listeden kuruldu. Rapor bu iki göstergeyi tek grafikte birleştirmiyor; yukarıdaki dörtlü yerleşim iki listenin göreli sıralamasına dayanan temsilî bir gösterimdir. Ayrıca her iki liste yalnız ilk 15 ülkeyi kapsıyor — yani Türkiye'nin "sonda" olması dünyanın sonu değil, ilk 15'in sonu. s.212, Şekil 4.4.15 · s.214, Şekil 4.4.22
425 sayfanın tamamı okunmadı. Bu inceleme raporun ekonomi (s.171–230), sorumlu yapay zekâ (s.126–170), teknik performansın ajan kısmı (s.72, s.112–115) ve yönetici özeti (s.1–11) bölümlerine dayanıyor. Bilim, tıp, eğitim, politika ve kamuoyu bölümleri kapsam dışıdır — o bölümlerdeki bulgular hakkında burada tek cümle bile yok. s.231–322 okunmadı
Kaynak, metodoloji ve sınırlar künye · telif · yorum ayrımı
Kaynak
Stanford Institute for Human-Centered AI (HAI), Artificial Intelligence Index Report 2026 — dokuzuncu edisyon, 425 sayfa, 29 Haziran 2026. Sayfa numaraları raporun basılı folyosudur; raporun ilk 74 sayfasında basılı numara PDF sırasından bir eksiktir. Kullanılan bölümler: Top Takeaways (s.9-11), Responsible AI (s.126-170), Economy (s.171-230), Technical Performance'ın ajan kısmı (s.72, s.112-115). Bilim, tıp, eğitim, politika ve kamuoyu bölümleri bu incelemenin kapsamı dışındadır. Rapor içindeki veriler AI Index'in derlediği üçüncü taraf kaynaklara dayanır: McKinsey & Company Anketi 2025, LinkedIn, AI Incident Database.
Metodoloji
Her sayı rapordaki sayfa ve şekil numarasıyla verilmiştir. Grafik ekseninden kesin okunamayan veya raporda iki farklı biçimde ifade edilen veriler bilinçli olarak kullanılmamıştır. Waffle ızgarasının sağ tarafı ve Türkiye dörtlü grafiği, raporun sayısal ifadelerinin temsilî görselleştirmesidir — grafik altlarında ayrıca belirtilmiştir. Anket verileri katılımcı beyanına dayanır; raporun kendi uyarısıyla "kapsamlı değil, yönlendirici" okunmalıdır.
Yorum
"Öneri" blokları (kuruma ve bireye), başlık, Türkiye okuması, "manşet olmayan bulgular" listesinin yorum cümleleri ve çıkar beyanının tamamı bana aittir; raporun iddiası değildir. Bireye yönelik öneriler raporun ölçtüğü bir şey değil — raporun bulgusundan çıkardığım beceri ve kariyer okumasıdır. Bu sayfa bilgi ve yorum çalışmasıdır; yatırım, hukuk veya uyum tavsiyesi değildir.
Podcast
Bu bölümün sesli kaydı yoktur. Seride podcast yalnız No. 003 için üretildi; diğer bölümler yazılı yayımlanıyor.
Telif
Bu sayfa raporu yayımlamaz veya çoğaltmaz; kaynak atfıyla bağımsız analizdir. Grafikler rapordaki verilerin bu analiz için yeniden çizilmiş halidir. Raporun kapağı kırpılmadan, üzerine yazı basılmadan, atıfla gösterilmiştir. Rapor açık erişimlidir (form doldurmadan iniyor, 6 Ağustos 2026'da teyit edildi); telif hakları Stanford HAI'ye aittir. Ticari yeniden kullanım için lisans tipi: [DOĞRULANACAK] — bu sayfa yalnız atıflı alıntı ve bağımsız yorum kapsamındadır.