Son dönemde yönetim kurullarının bize sorduğu asıl soru artık “yapay zekâyı dağıtmalı mıyız” değil. Soru çok daha dürüst: zaten dağıtılmış olanlar paralarını çıkarıyor mu, çıkardığını nasıl anlayacağız?
Ben bu konuda üç Wall Street firmasını yakından takip ediyorum. Çünkü kurum içi bir yapay zekâ programına en çok parayı ve en çok insanı sokan bu üç firma, orta ölçekli şirketlerin akranlarından duyamayacağı türden sayılar paylaşıyor. 2026 yılında bu sayılar yine geldi. Hiçbiri bir satıcı sunumundan çıkacak hikâyeye benzemiyor.
Bir alıcıya anlattıkları, manşetlerdekinden daha sessiz ve daha işe yarar. İşe yarayanlar şu nedenle yaradı: önce içeri doğru dönüldü, firmanın zaten yapmakta olduğu işe göre ölçüldü ve dürüst bir cevap için yeterince uzun süre çalışmaya bırakıldı. Bu çeyrek bir platform ya da ajans seçiyorsan, mercek bu. Hype değil.
Her şeyi imzalamadan önce okunması gereken üç açıklama
Finansal hizmetlerde üç kurum içi üretken yapay zekâ programı, 2025 ve 2026 boyunca yan yana karşılaştırılabilecek kadar ayrıntı yayımladı: JPMorgan Chase’in LLM Suite’i, Morgan Stanley Wealth Management’ın yapay zekâ programı ve Goldman Sachs’ın özerk kodlama ajanı Devin pilotu. Üçü de kurum içi, yani müşterilere değil kendi çalışanlarına yönelik. Üçünün de arkasında isimle konuşan bir yönetici duruyor. Üçü de karşılaştırabileceğin en az bir sayı yayımlıyor.
Bu üç tercih önemli. Çünkü ortaya çıkan tablo, yapay zekâyı bütçe döngüsüne sokan ilk söylemin tam tersi. Bunlar müşteriye dönük büyük iddialı projeler değil. Çalışanı güçlendirmek için kurgulanmış, güvenlik duvarının arkasında yaşayan, firmanın yapay zekâsız da yapacağı işe göre ölçülen, yanılma payına yer bırakan bir dikkatle anlatılan programlar.
Jamie Dimon’un 7 Nisan 2026’da yayımlanan 2025 hissedar mektubu bu üç programın en net çerçevesi. Dimon’un satırları şu: “Yapay zekâ, veri ve teknoloji geleceğin anahtarları; yapay zekâyı doğru ve hızlı uygulamak da öyle.” Sonra sektörün tutup kullandığı o tek cümle: “Dönüştürücü kelimesini kullanmakta tereddüt etsem de öyle.” Ardından her yapay zekâ bütçesi yazanın tekrar okuması gereken cümle: “Yapay zekâ şirkette neredeyse her işlevi, her uygulamayı, her süreci etkileyecek.” Altındaki itiraf alışılmadık: Dimon’a göre yapay zekâ benimsemesinin hızı “elektrik ya da internet gibi önceki teknolojik dönüşümlerden muhtemelen çok daha hızlı” olacak. (JPMorgan Chase 2025 Yıllık Raporu, Yönetim Kurulu Başkanı & CEO Mektubu, 7 Nisan 2026.)
Şimdi üç firma, iddia sırasına göre; kesinlik sırasının tam tersiyle.
JPMorgan iş gücünün neredeyse yarısını tek bir yapay zekâ yüzeyine, hiçbir müşteriyi oraya sokmadan önce koydu
JPMorgan Chase’in LLM Suite’i, çalışanları üçüncü taraf büyük dil modellerine (OpenAI ve Anthropic) bankanın kendi arayüzü ve yönetişimi üzerinden bağlayan tescilli bir platform. Dikkat edilmesi gereken yer, aracın nereye doğrultulduğu. Müşteriye bakan bir yüzeyde değil. Çalışanın masasında, güvenlik duvarının arkasında, çalışanın üstüne küçük iç uygulamalar inşa edebileceği bir patika ile.
JPMorgan’ın Analitik Direktörü Derek Waldron, McKinsey’e Wall Street firmalarının bugüne dek yayımladığı en net tek sayıyı verdi. McKinsey’nin “JPMorgan Chase’den Derek Waldron ile yapay zekâ öncelikli bir banka kültürü üzerine” söyleşisinde şunu söylüyor: “JPMorgan çalışanlarının biraz altında yarısı üretken yapay zekâ araçlarını her gün kullanıyor.” Çalışanların bu araçları “işlerine özgü on binlerce farklı biçimde” kullandığını da ekliyor. Waldron eğitim hedefini “300 binden fazla kişilik” bir iş gücü üzerinden tanımlıyor; bu, Dimon’ın mektubunda geçen 320 binin üzerindeki çalışan sayısıyla örtüşüyor.
Bu açıklamada manşetteki yüzdeden daha önemli üç şey var. Birincisi, “her gün” ile “erişim verildi” aynı metrik değil. Koltuk sayısı daha büyük ve daha az dürüst olurdu; günlük kullanım, gerçek verimliliğe en yakın olandır. İkincisi, “on binlerce farklı biçim” cümlesi, kullanım senaryolarının merkezden değil, uzun kuyruktan geldiğinin itirafı. Üçüncüsü, “yarısının biraz altı” övünülecek bir tavan değil, inşa edilecek bir taban. Waldron zaten söyleşinin kalanını, dahili “AI Made Easy” eğitim programı üzerinden tam da bu zemini genişletmeye ayırıyor.
JPMorgan çalışanlarının biraz altında yarısı üretken yapay zekâ araçlarını her gün kullanıyor.
Derek Waldron, Analitik Direktörü, JPMorgan Chase, McKinsey söyleşisi.
Alıcıya aktarılacak ders: Kayıtlardaki en yüksek kurum içi yapay zekâ kullanımına sahip firma, müşteriye dönük bir senaryo seçerek başlamadı. Kendi çalışanına, araçları en azından güvenli ve yönetilen biçimde kullanabileceği bir alan verdi; kullanım senaryolarının içeriden yüzeye çıkmasına izin verdi. Orta ölçekli programların çoğunda bunun tam tersi yapılıyor.
Morgan Stanley yapay zekâsını, danışmanın gelecek hafta hâlâ açıp açmayacağına göre ölçüyor
Morgan Stanley Wealth Management kasten dar bir yoldan gitti. Firma tek bir kitleyi, yaklaşık 15.000 Finansal Danışmanını işaret etti ve onlara iki araç verdi: AI @ Morgan Stanley Assistant (Eylül 2023), firmanın iç araştırmasına önden duran bir sohbet botu; AI @ Morgan Stanley Debrief (Haziran 2024), müşterinin onayıyla bir Zoom görüşmesine girip notu alan, takip e-postasını yazan ve Salesforce kaydını açan araç.
Benimseme oranı resmî kayıtlarda. Haziran 2024 lansman notunda Morgan Stanley, Assistant’ın Eylül 2023’ten beri tam olarak çalıştığını ve “bugün itibarıyla Finansal Danışman ekiplerinin %98’inin Assistant’ı benimsediğini” yazıyor (Morgan Stanley basın bülteni, “AI @ Morgan Stanley Debrief launch”, 26 Haziran 2024). Pratikte bu sayı yukarı çıkmaz. Belirli, görülebilir ve ölçülebilir bir işi olan yaklaşık 15.000 kişilik bir topluluğa bağlı olması da bunu mümkün kılıyor.
Üzerinde durulması gereken çerçeve, firmanın Firma Çapında Yapay Zekâdan Sorumlu Başkanı Jeff McMillan’ın cümlesi. Aynı bültende yapay zekâyı şöyle tanımlıyor: “Meslektaşlarımız ile emir girişi ve icra, CRM, raporlama ve risk analizi gibi birçok uygulamayı birbirine bağlayan, verimlilik artırıcı bir etkileşim katmanı.” Bu cümle iş yapıyor. Yapay zekâyı mevcut araçların yerine değil, onları birbirine bağlayan katman olarak konumlandırıyor. Alıcı için güvenli bir duruş; ve %98 benimseme oranını üreten de bu duruş.
Meslektaşlarımız ile birçok uygulamayı birbirine bağlayan, verimlilik artırıcı bir etkileşim katmanı.
Jeff McMillan, Firma Çapında Yapay Zekâdan Sorumlu Başkan, Morgan Stanley.
Çözülememiş olan ne; Morgan Stanley bunu da açıkça söylüyor: Verimlilik kazanımı henüz kanıtlanmadı, yalnızca kullanım kanıtlandı. Firma kurtulan saat ya da ciro artışı yerine benimseme oranını yayımlamakta çok dikkatli. Yayımlanma sırası tam da bu olmalı. %98 benimseme ve henüz ölçülmemiş kazanç çözülebilir bir sorundur. Yayımlanmış %20 kazanç ve %12 benimseme çok daha kötü bir sorundur.
Aktarılacak ders: Zaten aynı iş akışını paylaşan tek bir kitleyi seç; aracı o akışa tek noktadan bağla (müşteri görüşmesi, araştırma sorusu, Salesforce kaydı); ve kullanıcının açıp açmadığını ölç. Geri kalan her sayı bu ölçümden türetilir.
Goldman Sachs bir yapay zekâ mühendisini pilot ediyor, dağıtmıyor; bu iki ayrı kelimedir
Goldman Sachs, yapay zekânın henüz nerede olmadığı konusunda okunacak firma. Firmanın Bilgi Sistemleri Direktörü Marco Argenti, Temmuz 2025’te CNBC’ye Goldman’ın Cognition AI’ın geliştirdiği özerk kodlama ajanı Devin’i mühendislik ekibinde pilot etmeye başladığını söyledi. Argenti’nin ifadesiyle: “İş gücümüzü Devin ile güçlendirmeye başlayacağız. Devin, geliştiricilerimiz adına bir şeyler yapmaya başlayacak yeni çalışanımız gibi olacak.” (CNBC, NBC üzerinden, “Goldman Sachs is piloting its first autonomous coder”, Temmuz 2025.)
Not edilecek sayı aynı söyleşide. Argenti şunu söyledi: “Başlangıçta yüzlerce Devin olacak; kullanım senaryolarına bağlı olarak binlere çıkabilir.” 12 bin kişilik bir mühendislik iş gücüne karşı “yüzler, belki binler” dikkatli bir oran. Firma ne bir yerine koyma vaadi veriyor ne de bir takvim. Tanımlı bir pilot, tanımlı bir yukarı yönlü potansiyel ve net bir insan denetçisi var; o kadar.
Devin’den istenen işin tipi ikinci dürüst sinyal. Argenti, bunun rutin ve sıkıcı mühendislik olduğunu, örneğin eski kodun yeni dil sürümlerine çıkarılması olduğunu söylüyor. Bu, iyi tanımlı, test çıktısı belli, kıdemli yargının marj kazandığı bir alan değil. Bir ajana ilk bahsini oynatacağın yer tam burasıdır: Hata biçimi sınırlı, ölçüm ucuz.
Başlangıçta yüzlerce Devin olacak; kullanım senaryolarına bağlı olarak binlere çıkabilir.
Marco Argenti, Bilgi Sistemleri Direktörü, Goldman Sachs, CNBC söyleşisi.
Aktarılacak ders: Görevi dar tanımla; ajanı hataların görünür ve geri alınabilir olduğu tarafta tut; insanı gözden geçirme hattından kaldırma. Mühendislik riskinde en dikkatli olmak zorunda kalan firma, tam da bir ajan için en az riskli görevi seçti ve bunu açıkça söyledi.
Üç açıklamanın ortak yanı, ve ortak olmayan tarafı
Üç firma, üç farklı iddia, tek bir desen. Her biri önce yapay zekâyı firmanın içine koydu, bir işlevi ya da iş akışını adlandırdı, aracı firmanın zaten iyi yaptığı işe bağladı. Her biri yanlışlanabilir sayıyı yayımladı (günlük kullanım, ekip benimsemesi, pilot kafa sayısı) ve henüz yanlışlanamayacak olanları yayımlamaktan kaçındı (kurtulan dolar, artan ciro, azaltılan baş). Her biri, yanılmaya kayıt üzerinde hazır bir yöneticinin arkasında duruyor. Son nokta göründüğünden çok daha fazla iş yapıyor.
Üçünün ortak olmadığı tek bir şey var: Pilot aşamasının bittiği iddiası. Dimon yapay zekânın “neredeyse her işlevi etkileyeceğini” yazıyor; etkiledi yazmıyor. Morgan Stanley’nin kendi Firma Çapında Yapay Zekâ Başkanı, başka yerlerde kayıt üzerinde, verimlilik etkisini ölçmenin en az bir yıl alacağını söyledi. Argenti her adımda insanı döngüde tutarak Devin’i pilot ediyor. Bu hafta bir satıcı sunumundan “liderler ölçüm aşamasını çoktan geride bıraktı” cümlesiyle çıktıysan, o cümle liderlerin söylediği cümle değil.
Orta ölçekli bir WooCommerce mağazasında bunun karşılığı: altı parçada
Yukarıdaki üç vaka, piyasanın tepesinde olanlar. İnşa bölümü, okurlarımızın asıl ilgilendiği yer; çünkü aynı deseni orta ölçekli bir WooCommerce mağazasına taşıyıp dürüstçe fiyatlıyor. WordPress ve WooCommerce’i içerik ve ticaret katmanı olarak kullanan 50 ile 500 kişilik bir markanın alıcısı, JPMorgan, Morgan Stanley ve Goldman’ın yaptığı işin biçimini kopyalayabilir. Ölçeğini değil. Biçimini.
- Tek bir kurum içi yapay zekâ yüzeyi, birden çoğu değil. Çalışanların yönetilen modelleri şirket verisine karşı kullandığı tek bir yer. Pratikte bu, WordPress estateinin yanında konuşlanmış, satıcı API’sine oturum kaydıyla yönlendiren küçük bir dahili uygulamadır. Çaba: Kullanılabilir ilk sürüm için iki ila üç hafta; sonra yönetişim hiç bitmediği için sürekli bir operasyon kalemi.
- Tek bir somut iş akışı, birden çoğu değil. Estateindeki Morgan Stanley eşdeğerini seç: Tanımlı bir grup insanın her hafta tekrarladığı, WordPress ya da WooCommerce üzerinden akan tek bir iş (ürün açıklaması üretimi, müşteri hizmetleri yanıt taslakları, kampanya brief’i, destek bileti sınıflandırması). Aracı bu akışa tek noktadan bağla, beşine değil.
- Yapısal içerik ve katalog verisi. LLM Suite’in çalışmasının nedeni, firmanın kendi verisinin modelin kullanabileceği bir biçimde erişilebilir olması. WooCommerce’te bu, serbest metin açıklamalarına doldurulmak yerine düzgün modellenmiş ürün özellikleri, varyasyonları ve kategorileri demek. WordPress’in olgunluğu burada gerçek iş görüyor: On yıldır üretimde olan taksonomiler, custom field’lar ve REST uçları.
- Prompt kütüphanesi değil, bir yönetişim katmanı. Kimin hangi girdi ve hangi çıktıyla ne kullandığını kayıt altına almak; perimetreyi terk eden hiçbir müşteri verisinin kimliklenmiş olmadığından emin olan bir maskeleme adımı; müşteriye dönük her şey için bir inceleme adımı. WordPress’te bu katman çoğunlukla capability kontrolü yapan hafif bir özel eklenti ile çıkarım trafiğini bilinen bir yolda tutan makul bir hosting seçimidir.
- Başlamadan önce bağlanacağın bir ölçüm kuralı. Altı ay sonra iç olarak yayımlayacağın sayıyı önce seç ve değiştirmemeye söz ver. “Hedef ekibin bir hafta içinde aracı kullanma yüzdesi” Morgan Stanley eşdeğeridir. “Görev başına kurtulan saat” değildir; çünkü kendin raporladığın, zamanla kayan bir sayıdır. Metriği erken sabitlemenin amacı, sonuç ince çıktığında seni dürüstlüğe bağlamaktır.
- Ucuza başarısız olabilecek kadar dar bir pilot kapsamı. Bu Goldman ilkesi. Hataların görünür ve geri alınabilir olduğu, inceleme hattındaki insanın ucuz olduğu bir görev seç. WooCommerce’te ürün açıklaması taslakları ve destek macro taslakları uyar. Otomatik iade, fiyat değişikliği ve stok yazımı uymaz.
Üretimde çalışan bir WooCommerce estateinde bu biçimdeki bir programı pilot etmenin kaba bütçesi: İlk iş akışı ve yönetişim katmanı için 60 ila 120 mühendislik saati, artı 20 ila 50 kişilik bir ekip için satıcı API harcaması ayda düşük yüzlerce avro. Teklifte dürüst olacak satır şu: İlk iş akışı ucuzdur ve ikincisi, birincisinin ödediği yönetişimi paylaşır.
Bu desenin bu çeyrek bir partner değerlendiren alıcı için anlamı
Aday bir ajans ya da platform ortağı sana yapay zekâ sorusunun çoktan çözüldüğünü söylüyorsa, yanlış şeyi satıyor demektir. Harcayacak en çok paraya, kaybedecek en çoğa ve halka dönük sonuç üretmek için en net ihtiyaca sahip üç firma, orta ölçekli bir WooCommerce mağazasının biçimini ödünç alabileceği türden bir kurum içi programın pilot ya da yayılma aşamasında. Hiçbiri bittiğini iddia etmiyor. Üçü de yapmaya değer olduğunu söylüyor.
O koltukta oturan bir kurum için bu çeyrek yapacağımız şey kasten sıkıcıdır: Ölçümün dürüst olabileceği tek iş akışını seç; üzerinde çalışacağı yönetilen kurum içi yüzeyi kur; onu zaten var olan WordPress ve WooCommerce verisine bağla; pilotun bir sonrakini hak edip etmediğini sana söyleyecek sayıya bağlan. Odadaki doğru ortaksa, fiyatı söylemeden kapsamla ittifak eder. Etmiyorsa, o da bir bilgidir.
Last modified: Ekim 20, 2026
