Bu yazı, The Economist’in 14 Haziran 2026 tarihli “Companies are scrambling to curtail soaring AI costs” haberinde aktarılan veri ve örneklerden yola çıkıyor. Görev–model eşleştirme tablosu, Türkiye notları ve altı kural bize ait. Kaynaklar yazının sonunda. “Yapay zekâ ve yönetim” dizisinin ikinci yazısı; ilki: panik değil hazırlık.
Bir yıl önce çalışanlara söylenen şuydu: bu teknolojiyi mümkün olduğunca çok kullanın. Bugün aynı şirketlerde gündem değişti. Kurumsal kredi kartı sağlayıcısı Ramp’in müşteri harcamalarına dayanan analizine göre şirketlerin yapay zekâ harcaması son bir yılda on üç katına çıktı. Uber, nisan ayında yıllık yapay zekâ bütçesini dört ayda tükettiğini açıkladı. Basına yansıyan bir örnekte tek bir şirketin bir ayda 500 milyon dolarlık token harcadığı bildirildi. OpenAI’nin üst yöneticisi bile müşteri tarafındaki maliyet artışını ciddi bir sorun olarak tanımlıyor.
Ramp’in verisinde iki rakam yan yana duruyor: medyan müşteride çalışan başına aylık yapay zekâ harcaması 11 dolar; en çok harcayan yüzde birlik grupta aynı rakam ortalama 7.450 dolar. Maliyet bugün dar bir şirket grubunda yoğunlaşıyor, ama o grup hızla genişliyor.
Faturayı büyüten dört neden
Teşvikler baştan bu yönde kuruldu. Şirketler çalışanlarını yoğun kullanmaya özendirdi; kurum içi panolarda en çok token harcayanlar öne çıkarıldı, kimi şirkette bu kullanıcılara özel unvanlar verildi. Kullanım başarı işareti sayıldığında harcamanın artması şaşırtıcı değil.
Kullanım biçimi değişti. Adım adım akıl yürüten modeller ve arka planda çalışan ajanlar, klasik soru-cevap kullanımına göre kat kat fazla token tüketiyor. Aynı iş, aynı kişi, çok daha yüksek fatura.
Ajanlar kendi ajanlarını başlatıyor. Bir ajanın alt görevler için yeni ajanlar açması maliyeti zincirleme büyütüyor. Daha önemlisi, harcamayı öngörülemez yapıyor: aynı görev iki çalıştırmada çok farklı tutar üretebiliyor.
Her yazılım kendi ajanını sunuyor. Orta büyüklükte bir şirket bile onlarca yazılım kullanır. Her biri kendi ajanını devreye aldığında, tek merkezden izlenmeyen onlarca ayrı maliyet kalemi çıkar. Sorunun asıl büyüyeceği yer burası.
Kullanım başarı işareti sayıldığı sürece fatura büyümeye devam eder.
Şirketlerin uyguladığı dört çözüm
- Kullanım sıralamaları kaldırılıyor. Meta ve Amazon dahil birçok şirket, çalışanların token tüketimini gösteren panoları kapattı. Gerekçe basit: bu panolar kullanımı artırıyor, verimliliği değil.
- Model seçimi ciddiye alınıyor. Her işin en güçlü modele ihtiyacı yok. Bulut maliyeti uzmanlarının aktardığına göre bazı görevlerde bir önceki nesil model, amiral gemisi modelin yirmide biri maliyete inebiliyor; açık kaynaklı bazı modeller bunun da altına. Aradaki fark yıllık bütçenin tamamını değiştirecek büyüklükte.
- Harcamaya tavan konuyor. Uber, çalışan başına her kodlama aracı için aylık 1.500 dolar sınır getirdi. Tavanın nereye konacağı stratejik bir karar: bütçenin büyük bölümü en çok değer üretilen alana, genellikle çekirdek iş fonksiyonuna ayrılıyor.
- Fiyatlandırma modeli değişiyor. Bazı tedarikçiler kullanım yerine sonuç üzerinden ücret almaya geçiyor; müşteri destek yazılımı Intercom yalnızca çözüme ulaşan talepler için ücret alan bir seçenek sunuyor. Büyük bulut sağlayıcıları bütçe takip araçları ve talepleri uygun modele yönlendiren hizmetler çıkardı.
Görevine göre model seçin
Maliyeti düşürmenin en kısa yolu kullanımı kısmak değil, her işi doğru sınıftaki modele vermek.
| İşin türü | Model sınıfı | Neden |
|---|---|---|
| Sınıflandırma, etiketleme, veri temizliği, kısa özet | Küçük ve ucuz model | Çıktı kolay doğrulanır, hata maliyeti düşüktür. |
| Rapor taslağı, e-posta, rutin kod, çeviri | Orta seviye model | Kalite yeterlidir; amiral gemisinin farkı çoğu zaman görünmez. |
| Karmaşık analiz, mimari karar, hukuki metin, müşteriye giden son çıktı | Amiral gemisi model | Hatanın bedeli token farkından çok daha yüksektir. |
| Arka planda sürekli çalışan ajanlar | İşi gören en ucuz model | Hacim yüksektir; maliyet burada birikir, insan kontrolü şarttır. |
Kural şu olmalı: varsayılan model en ucuz olanıdır. Daha güçlü modele geçmek gerekçe ister, tersi değil. Kendi kurduğumuz sistemlerde de böyle yapıyoruz: günlük satış raporu vakasında rakamları kural tabanlı kod üretiyor, yapay zekâ yalnızca sütunları eşleyen okuma katmanında ve haftalık yorumda devrede. Rakam yorum istemez, token de harcamaz.
Türkiye’deki şirketler için 5 not
Fatura dolarla, bütçe lirayla. Harcama dolar üzerinden gerçekleşir, bütçe lira olarak planlanır. Kur hareketi, hiçbir şey yapmadığınız hâlde yıl ortasında harcamanızı ciddi ölçüde artırabilir. Bütçeyi dolar bazında kurun, takibi dövizle yapın.
Kıyaslamayı yerel maliyetle yapın. Aylık birkaç bin dolarlık fatura San Francisco’da bir yazılımcının maliyeti yanında küçük kalır. Türkiye’de aynı rakam bir çalışanın toplam maliyetine yaklaşır. Yurt dışı örneklerinde “düşük” geçen rakamlar buraya olduğu gibi taşınamaz.
Faturanın sahibi yok. Çoğu şirkette yapay zekâ harcamasını izleyen belirli bir kişi yok; kalem bilgi işlem giderleri içinde kayboluyor. Aylık faturayı tek kişinin sahiplenmesi, alınacak en ucuz ve en etkili önlem.
Küçük şirkette tek bir ajan bütçeyi bitirebilir. Elli kişilik bir şirkette yanlış kurgulanmış bir ajan, kimse fark etmeden hafta sonu boyunca çalışıp aylık bütçeyi tüketebilir. Teknik harcama tavanı ve uyarı eşiği, büyük şirketlerden çok küçük şirketler için hayati.
Ucuz model her zaman Türkçede iyi sonuç vermez. Düşük maliyetli modellerin Türkçe performansı görevden göreve ciddi biçimde değişiyor. Model değişikliğini yalnız maliyet üzerinden kararlaştırmayın; her geçişi kendi metinlerinizle yapılan kısa bir kalite testiyle birlikte yürütün.
Bütçeyi kontrol altına alacak altı kural
Sırasıyla uygulanabilir; ilk üçü bir hafta içinde devreye alınabilir.
- Faturaya bir sahip atayın. Aylık harcamayı raporlayan, eşik aşıldığında uyaran tek bir isim.
- Departman bazında aylık tavan koyun. Tavan yasak değil, konuşma başlatan bir eşik.
- Varsayılanı en ucuz model yapın. Yükseltme talebi gerekçeye bağlansın, kayıt altına alınsın.
- Ajanları sınırla çalıştırın. Azami adım sayısı, tekrar sınırı, otomatik durdurma eşiği.
- Harcamayı iş birimine çevirin. Aylık tutarı değil, tamamlanan iş başına maliyeti raporlayın: çözülen talep, hazırlanan teklif, işlenen fatura.
- Tedarikçilere sonuç bazlı fiyat sorun. Kullanım yerine çözülen iş üzerinden ücretlendirme, sözleşme yenilemelerinde artık masaya konabilir bir talep.
Asıl artış henüz gelmedi
Bugünkü fiyatlar, modeli geliştiren şirketlerin sübvansiyonuyla ayakta duruyor. Bu şirketler er ya da geç kâr etmek zorunda ve bunun yolu fiyat artışından geçiyor. Yani bugün kurduğunuz bütçe disiplininin asıl karşılığını bir sonraki fiyat dalgasında alacaksınız. Faturayı şimdi öğrenmek, sonra öğrenmekten çok daha ucuz.
Yapay zekâ harcamasını kısmak bir hedef değildir. Hedef, harcanan her doların karşılığını gösterebilmektir. Bunu yapabilen şirket, fiyatlar arttığında da kullanmaya devam eder.
Bizim kurduğumuz her düzenekte model seçimi, adım sınırı ve maliyet kaydı baştan tanımlanır; hangi işin hangi modelle çalıştığı devir belgesinde yazar. Kendi yapay zekâ harcamanızın nereye gittiğini konuşmak isterseniz iletişime geçin.
Kaynaklar
· The Economist, “Companies are scrambling to curtail soaring AI costs”, 14 Haziran 2026. Ramp harcama analizi (on üç kat artış; medyan 11 $, en çok harcayan yüzde 1’de ortalama 7.450 $), Uber (bütçenin dört ayda tükenmesi; 1.500 $ aylık tavan), Meta ve Amazon (kullanım panolarının kapatılması), Intercom (sonuç bazlı fiyat), Aran Khanna (Archera.ai) ve Rachel Laycock (Thoughtworks) değerlendirmeleri bu haberden aktarılmıştır. Özgün metin ve görseller The Economist Newspaper Limited’e aittir, bu sayfada çoğaltılmamıştır.
· Consulting Partners Türkiye, “Örnek Uygulama: Günlük satış raporu — günde ~3 saatten ~3 dakikaya” (kural tabanlı rapor + sınırlı yapay zekâ kullanımı örneği).
Görev–model eşleştirme tablosu, Türkiye notları ve altı kural bu yazıya ait yorumlardır.
