Yapay zekânın birim ekonomisi
ChatGPT’ye bir soru sorduğunuzda bunun maliyetini hiç düşündünüz mü?
Ekranda birkaç saniye içinde beliren cevabı ücretsiz ya da birkaç dolarlık aboneliğin parçası olarak görüyoruz. Oysa arka tarafta bambaşka bir ekonomi çalışıyor. Kelimeler tokenlara ayrılıyor, modeller hesaplama yapıyor, GPU’lar çalışıyor, veri merkezleri elektrik tüketiyor. Yapay zekânın görünmeyen faturası tam da burada başlıyor. Bu nedenle şirketlerin önündeki soru artık sadece “Yapay zekâyı nerede kullanabiliriz?” değil. Yeni soru şu: Ne kadar yapay zekâ tüketiyoruz ve karşılığında ne kadar ekonomik değer yaratıyoruz?
Ben buna yapay zekânın “birim ekonomisi” diyorum.
Bu ekonominin en küçük ölçü birimlerinden biri token. Ancak mesele yalnızca bir milyon tokenın kaç dolar olduğu değil. Asıl mesele, belirli bir işi tamamlamak için kaç token, ne kadar hesaplama gücü ve sonuçta ne kadar enerji harcandığı.
McKinsey, Mayıs 2026 itibarıyla kendi sistemlerinde ayda yaklaşık 5 trilyon AI tokenı işlendiğini açıklıyor. Daha da dikkat çekici olan tüketimin dağılımı: kullanıcıların yalnızca yaklaşık yüzde 10’u toplam token tüketiminin yaklaşık yüzde 65’ini gerçekleştiriyor. Bu tablo, şirketlerde ortalama AI kullanımından çok, tüketimin nerede ve hangi işlerde yoğunlaştığını anlamanın giderek daha önemli hale geldiğini gösteriyor.
Asıl kırılma ise AI agent’larıyla geliyor.
Bugünkü chatbot mantığı basit: soruyu soruyoruz, cevabı alıyoruz. Bir AI agent ise görevi tamamlamaya çalışıyor. Araştırma yapabiliyor, farklı araçları kullanabiliyor, sonuçlarını kontrol ediyor, hata yaptığında geri dönüyor ve tekrar deneyebiliyor.
Bu yeteneklerin ekonomik bir bedeli var.
McKinsey’nin aktardığı araştırmalara göre agentic görevler, basit chat veya tek aşamalı problem çözme görevlerine kıyasla yaklaşık 1.000 kat daha fazla token tüketebiliyor. Daha da çarpıcısı, incelenen agentic coding iş akışlarında maliyetin yaklaşık yüzde 60’ı ilk cevabı üretmekten değil; cevabı kontrol etme, düzeltme ve yeniden doğrulama süreçlerinden kaynaklanıyor. Aynı programlama görevinin farklı agent çalıştırmalarında token tüketiminin 30 kata kadar değişebilmesi ise şirketlerin karşısına tamamen yeni bir maliyet yönetimi problemi çıkarıyor.
Burada ilginç bir paradoks var: Yapay zekâ ucuzluyor ama AI faturası büyüyor. Stanford AI Index’e göre GPT-3.5 seviyesinde performans sağlayan bir modeli kullanmanın inference maliyeti, Kasım 2022’de 1 milyon token başına 20 dolardan Ekim 2024’te yalnızca 7 sente geriledi. Bu, yaklaşık 18 ayda 280 kattan fazla düşüş anlamına geliyor.
Ancak şirketlerde toplam AI harcaması ters yönde ilerliyor. McKinsey’nin Mayıs 2026 tarihli Enterprise AI FinOps araştırmasına göre şirketlerin yüzde 62’si deney aşamasını geçerek yapay zekâyı aktif olarak kullanmaya başlamış durumda. Buna karşılık katılımcıların yüzde 93’ü AI bütçelerini aştıklarını söylüyor. Üstelik şirketlerin çoğu önümüzdeki 12 ayda AI harcamalarının en az yüzde 25 daha artmasını bekliyor.
Kısacası, zekânın birim fiyatı düşerken tükettiğimiz zekâ miktarı hızla artıyor.
Gartner buna oldukça güzel bir isim veriyor: “Inference Paradox.” Token ekonomisi iyileştikçe daha karmaşık ve daha fazla işlem yapan sistemler geliştiriyoruz. Gartner, agentic workflow başına inference maliyetinin 2028’e kadar beş kattan fazla artabileceğini öngörüyor.
Üstelik tokenın hikâyesi ekranda bitmiyor. Her tokenın arkasında fiziksel bir dünya var: çipler, sunucular, veri merkezleri ve onları çalıştıran elektrik. IEA’nın baz senaryosuna göre küresel veri merkezlerinin elektrik tüketimi 2024’te yaklaşık 415 TWh seviyesinden 2030’da 945 TWh’ye çıkarak iki kattan fazla artacak. Bu miktar, Japonya’nın bugünkü toplam elektrik tüketiminden bile biraz daha fazla. Bu büyümenin en önemli itici gücü ise yapay zekâ. Etki özellikle ABD’de çok daha çarpıcı: IEA’ya göre veri merkezleri 2030’a kadar ülkedeki elektrik talebi artışının yaklaşık yarısını oluşturacak. Başka bir ifadeyle, yapay zekânın ekonomisini artık yalnızca token fiyatlarıyla değil, o tokenları mümkün kılan çip, veri merkezi ve elektrik altyapısıyla birlikte düşünmek gerekiyor.
Dolayısıyla geleceğin şirketleri için yalnızca “AI kullanıyor muyuz?” sorusu yeterli olmayacak.
Bir işi tamamlamak için ne kadar zekâ tüketiyoruz?
CFO’ların dashboardlarında yakında yeni göstergeler görebiliriz: tamamlanan görev başına AI maliyeti, agent başına tüketim, kullanılan model başına getiri ve belki de “return on intelligence”.Bulut çağında FinOps nasıl ayrı bir yönetim disiplinine dönüştüyse, şimdi benzer bir dönüşüm yapay zekâda yaşanıyor. Geleceğin en verimli şirketi en fazla yapay zekâ kullanan şirket olmayabilir. Doğru probleme, doğru modeli, doğru miktarda hesaplama gücüyle yönlendiren şirket olabilir.
Çünkü yapay zekâ çağında zekâ artık yalnızca bir yetenek değil.
Ölçülebilen, fiyatlandırılan ve yönetilmesi gereken yeni bir ekonomik kaynak.