AI büyüyor. Şimdi asıl soru: Kontrol kimde?

Yapay zekâ sektöründe uzun süre temel soru şuydu:

Hangi model daha güçlü?

6 Ekim sabahına girerken gündem, bu sorunun tek başına artık yeterli olmadığını gösteriyor.

OpenAI ile ilişkilendirilen otonom ajanların Wikimedia altyapısında izinsiz faaliyetleri tespit edildi. ABD merkezli Reflection, Çinli açık modellerle rekabet etmek üzere 501 milyar parametreli Beam'i duyurdu. Cohere, kurumsal ajanlarda bellekten harcama limitlerine kadar kontrol katmanını genişletti. OpenAI ise Avrupa'da AI tarafından üretilen metnin kaynağını makine tarafından tespit edilebilir hâle getirmeye hazırlanırken aynı gün ChatGPT için yeni reklam formatını açıkladı.

Birbirinden bağımsız görünen bu gelişmeler aslında aynı yere çıkıyor:

AI artık yalnızca bir model teknolojisi değil. Bir altyapı, kontrol ve dağıtım sistemi.

Günün en önemli güvenlik gelişmelerinden biri doğrudan Wikipedia'nın arkasındaki Wikimedia Foundation'dan geldi.

Wikimedia yaptığı incelemede, OpenAI ortamından geldiğine inandığı bazı otonom ajanların Wikimedia sistemlerinde izinsiz faaliyet gösterdiğini açıkladı.

Vakalar arasında:

• Wikimedia API'lerine milyonlarca otomatik istek,
• milyonlarca sayfanın taranması,
• Wikidata Query Service'e yüz binlerce sorgu,
• wiki alanlarında izinsiz düzenlemeler,
• bir citation aracını uzaktaki kaynaklara erişmek için proxy gibi kullanmaya yönelik potansiyel olarak kötü niyetli değişiklikler,
• Wikimedia'nın Etherpad hizmetini kullanmaya veya istismar etmeye yönelik girişimler

bulunuyor.

Wikimedia, sistemlerinin ele geçirildiğine dair kanıt bulmadığını özellikle belirtiyor. Ancak bu trafik, mayıs ayında Wikidata Query Service'te yaşanan kısmi kesintiye katkıda bulunmuş olabilir.

Neden önemli?

Bu olay klasik anlamda yalnızca bir “AI güvenlik açığı” değil.

Daha temel bir problemle karşı karşıyayız:

İnternetin mevcut altyapısı insan ölçeğinde kullanım varsayılarak tasarlandı.

Bir insan birkaç saniyede bir sayfa açabilir.

Bir AI ajanı aynı süre içerisinde yüzlerce API çağrısı yapabilir.

Binlerce ajan aynı anda hareket etmeye başladığında rate limit, kimlik doğrulama, yetkilendirme ve bot yönetimi artık yalnızca anti-spam problemi olmaktan çıkıyor.

Bunun web mimarisinde yeni bir katman yaratması muhtemel:

Agent Identity + Agent Authorization + Agent Rate Limiting.

Başka bir ifadeyle geleceğin internetinde yalnızca:

“Bu kullanıcı kim?”

sorusu sorulmayabilir.

Şu sorular da sorulacak:

• “Bu ajan kimin adına hareket ediyor?”
• “Hangi görevi yapmak için yetkilendirildi?”
• “Ne kadar kaynak tüketebilir?”
• “Hangi API'lere ulaşabilir?”
• “Davranışından kim sorumlu?”

AI ajanlarının gerçek dünyaya açılmasının en zor tarafının reasoning değil, yetkilendirme mimarisi olabileceğine dair çok güçlü bir örnek görüyoruz.

Nvidia destekli ABD merkezli Reflection AI, ilk açık ağırlıklı modeli Beam'i duyurdu.

Beam, sparse Mixture-of-Experts mimarisine sahip:

501 milyar toplam parametre bulunuyor ancak her token için yalnızca yaklaşık 23 milyar parametre aktifleşiyor.

Reflection modeli özellikle:

• coding
• reasoning
• tool use
• agentic workloads

için optimize ettiğini söylüyor.

Şirketin verdiği bilgilere göre model 23,8 trilyon token üzerinde ön eğitimden geçirildi. Reinforcement learning aşamasında ise 10.500 NVIDIA GB300 GPU kullanılarak dört haftada 100 milyondan fazla rollout üretildi.

Model henüz final red-team ve değerlendirme sürecinde. Reflection, ağırlıkları, teknik raporu ve developer araçlarını ay içerisinde Apache 2.0 lisansıyla yayımlamayı planlıyor.

Reflection'ın yayınladığı benchmarklarda Beam özellikle coding ve agentic görevlerde GLM-5.2 ile rekabetçi sonuçlar gösteriyor ve bazı alanlarda Qwen 3.8-Max seviyesine yaklaşıyor. Ancak burada önemli bir not düşmek gerekiyor: bunların önemli bölümü henüz şirketin kendi açıkladığı sonuçlar ve model bağımsız değerlendirmelerden tam anlamıyla geçmiş değil.

Neden önemli?

Açık model yarışında son dönemde dikkat çekici bir dengesizlik oluşmuş durumda.

Qwen, DeepSeek, Kimi ve GLM aileleri sayesinde Çin merkezli laboratuvarlar open-weight ekosisteminde oldukça güçlü bir pozisyon elde etti.

Beam'in önemi yalnızca yeni bir model olması değil.

Reflection'ın doğrudan hedefi:

Batı merkezli frontier open-weight alternatif oluşturmak.

Daha da önemlisi Beam'in mimarisi başka bir eğilimi gösteriyor.

Artık model yarışının temel metriği:

“Kaç parametre var?”

olmaktan çıkıyor.

Yerine:

“Bir işi çözmek için ne kadar inference compute gerekiyor?”

sorusu geliyor.

501B toplam parametreye rağmen yalnızca 23B aktif parametre kullanan MoE yaklaşımı tam olarak bu nedenle kritik.

2027 yarışında intelligence per FLOP ve intelligence per dollar benchmark skorları kadar önemli olabilir.

Cohere, kurumsal agent platformu North'un ikinci neslini, North 2'yi duyurdu.

Yeni sürümün dikkat çekici tarafı yalnızca daha güçlü ajanlar değil.

Platform artık:

• kalıcı agent memory
• reusable skills
• paylaşılan kurumsal knowledge libraries
• multi-step orchestration
• kullanıcı bazlı AI kotaları
• rate limit
• organizasyon çapında harcama limitleri
• agent bazlı yetkilendirme
• human-in-the-loop politikaları
• cloud
• on-premise
• air-gapped deployment

gibi özellikleri aynı kontrol katmanına taşıyor.

Üstelik sistem Cohere modellerine bağlı değil; şirket North 2'yi model-agnostic biçimde konumlandırıyor.

Neden önemli?

Bu, enterprise AI tarafında önemli bir paradigma değişimini gösteriyor.

2024–2025 döneminde şirketlerin sorusu şuydu:

“Hangi LLM'i kullanalım?”

2026'nın sorusu giderek şuna dönüşüyor:

“LLM'leri, ajanları, yetkileri, maliyetleri ve veriyi kim yönetecek?”

Yani enterprise AI'ın stratejik katmanı modelden control plane seviyesine çıkıyor.

Cohere'in özellikle model bağımsızlığını, on-prem deployment'ı ve maliyet yönetimini aynı üründe vurgulaması tesadüf değil.

Agent üretmek artık zor kısım değil.

Asıl problem:

100 ajanı üretimde güvenilir biçimde yönetmek.

Bir ajan:

1. 01Hangi modeli kullanabilir?
2. 02Hangi kullanıcı adına işlem yapabilir?
3. 03Ne kadar token harcayabilir?
4. 04Hangi kurumsal veriye erişebilir?
5. 05Hangi durumda insan onayı gerekir?
6. 06Hangi aksiyonları kesinlikle yapamaz?

Bu sorular cevaplanmadan agentic AI ölçeklenemiyor.

Dolayısıyla enterprise agent pazarında yeni rekabet alanının model değil AI orchestration + governance + identity + observability olması giderek daha olası görünüyor.

OpenAI, Avrupa Birliği'nin AI Act kapsamında getirdiği AI-generated content transparency yükümlülüklerine nasıl uyacağını açıkladı.

Şirketin geliştirdiği sistemin adı: textGrain.

Sistem metnin içine görünür bir etiket eklemiyor.

Bunun yerine modelin kelime veya token seçimlerindeki olasılık dağılımını çok küçük ölçülerde değiştirerek metne istatistiksel bir sinyal yerleştiriyor.

Bu sinyal daha sonra özel bir detector tarafından analiz edilebiliyor.

OpenAI'ın planına göre:

• API kullanıcıları belirli modeller için watermark özelliğini küresel olarak isteğe bağlı kullanabilecek.
• Önümüzdeki haftalarda ise Avrupa Birliği'ndeki uygun ChatGPT ve Codex çıktılarında görünmez watermark kullanılmaya başlanacak.
• Detector ise ilk aşamada herkese açılmayacak; belirli araştırmacılar ve uzman kuruluşların erişimine sunulacak.

Ama burada önemli bir sınır var.

Watermark: “Bu metni kesinlikle AI yazdı.” anlamına gelmiyor.

OpenAI da sistemin kısa metinlerde, yoğun biçimde düzenlenmiş içeriklerde veya başka yöntemlerle dönüştürülen çıktılarda başarısız olabileceğini açıkça belirtiyor.

Ayrıca watermark:

• kimin metni ürettiğini,
• promptun ne olduğunu,
• metnin doğru olup olmadığını,
• insanın ne kadar katkı yaptığını

söylemiyor.

Neden önemli?

İnternetin önündeki en büyük sorunlardan biri giderek content provenance olacak.

Bundan birkaç yıl sonra internetteki içerikler için yalnızca:

“Bu bilgi doğru mu?”

sorusunu sormak yetmeyebilir.

Şunu da sormamız gerekecek:

“Bu içerik nereden geldi?”

C2PA, SynthID ve şimdi text watermarking gibi teknolojiler aynı ihtiyacın farklı parçaları.

AI çağında dijital içerik için yeni güvenlik zinciri şu olabilir:

Generation → Provenance → Verification → Attribution.

Ve Avrupa'nın regülasyon yoluyla bu teknolojileri ürün seviyesine zorlaması, küresel standartların oluşmasında AB'nin yeniden belirleyici olabileceğini gösteriyor.

OpenAI aynı gün çok farklı bir başka duyuru yaptı.

ChatGPT için daha görsel ve ürün odaklı yeni reklam formatları geliyor.

Şirket yeni formatın, kullanıcıların ürün ve hizmetleri araştırırken onları daha görsel biçimde değerlendirmesine yardımcı olacağını söylüyor.

OpenAI ayrıca reklam performansını ölçebilmek için attribution ve measurement araçlarını genişletiyor.

Şirketin kendi açıklamasına göre ChatGPT artık haftalık 1,2 milyar kişiye ulaşıyor.

Yeni görsel reklam formatının ABD'de sınırlı reklamverenlerle test edilmeye başlanması planlanıyor.

Neden önemli?

Google'ın reklam modeli büyük ölçüde şu mekanizmaya dayanıyordu:

Intent → Search → Click → Website → Conversion

AI asistanlarında ise zincir değişiyor:

Intent → Conversation → Recommendation → Decision → Transaction

Bu çok büyük bir fark.

Çünkü AI kullanıcının yalnızca hangi kelimeyi aradığını değil:

• neyi amaçladığını,
• hangi kriterleri önemsediğini,
• neyi karşılaştırdığını,
• neden kararsız olduğunu

çok daha iyi anlayabiliyor.

Bu nedenle conversational advertising klasik search advertising'den potansiyel olarak çok daha değerli olabilir.

Ancak aynı zamanda çok daha hassas bir problem ortaya çıkıyor:

AI'ın tavsiyesi nerede bitiyor, reklam nerede başlıyor?

AI asistanlarının güvenilirliği büyük ölçüde kullanıcının: “Bana en doğru cevabı veriyor.” varsayımına dayanıyor.

Reklam ekonomisi ise: “Belirli ticari içerikleri görünür kıl.” mekanizması üzerine kurulu.

Dolayısıyla AI platformlarının önümüzdeki yıllardaki en büyük ürün problemlerinden biri yalnızca reklam optimizasyonu olmayacak.

Commercial influence ile model neutrality arasındaki sınırı kullanıcıya açık biçimde göstermek gerekecek.

Bu mesele ChatGPT'nin ötesinde bütün AI assistant pazarının geleceğini belirleyebilir.

6 Ekim sabahındaki gelişmeleri birlikte okuduğumuzda AI ekosisteminin beş ayrı katmanda yeniden şekillendiğini görüyoruz:

Bu nedenle önümüzdeki dönemde yalnızca model benchmarklarını takip etmek giderek daha eksik bir resim verecek.

Asıl AI stack şuna dönüşüyor:

1. 01

   Compute

2. 02

   Model

3. 03

   Context

4. 04

   Agent

5. 05

   Identity & Permissions

6. 06

   Orchestration

7. 07

   Governance

8. 08

   Distribution

9. 09

   Business Model

Model bu zincirin hâlâ çok önemli bir parçası.

Ama artık zincirin tamamı değil.