Yapay zekâ yatırımı yapan kurumların önündeki asıl soru artık "hangi model en iyi?" değil; "hangi görev için, hangi kısıtlarla?" haline geldi. Açık ağırlıklı (open-weight) modellerle kapalı kaynaklı sınır modelleri arasındaki seçim, tek bir başarı sıralamasına indirgenemeyecek kadar çok değişkenli bir karar; görev türü, veri gizliliği, maliyet ve ekip yetkinliği bu denklemin dört temel bileşeni.

Bu tercih artık salt teknik bir detay değil; kurumsal bütçeleri ve veri güvenliğini doğrudan ilgilendiren stratejik bir karar. Risk sermayesi şirketi Menlo Ventures'ın Aralık 2025'te yayımladığı "Kurumlarda Üretken Yapay Zekânın Durumu" raporuna göre, kurumların yapay zekâ harcaması 2025'te 11,5 milyar dolardan 37 milyar dolara çıkarak bir yılda üçe katlandı. Bu büyüklükteki bütçelerde yanlış model seçimi, hem maliyet hem de uyum açısından ağır bir bedele dönüşebiliyor.

Açık ve kapalı model ne anlama geliyor?

Kapalı kaynaklı modeller — OpenAI'nin GPT, Anthropic'in Claude ve Google'ın Gemini serileri gibi — yalnızca API üzerinden, sağlayıcının sunucularında çalışır. Hızlı entegrasyon ve hazır altyapı sunar; buna karşılık veriler kurum dışına çıkar ve kullanım sorgu (token) başına ücretlendirilir.

Açık ağırlıklı modeller ise — Meta'nın Llama'sı, Mistral, Alibaba'nın Qwen'i ve DeepSeek gibi — indirilip kurumun kendi altyapısında çalıştırılabilir. Bu yapı; veri egemenliği, ince ayarla özelleştirme ve yüksek hacimde maliyet kontrolü sağlarken, ciddi bir donanım ve mühendislik yükü getirir.

Karar verirken sorulması gereken üç soru

Sektördeki olgun ekipler, model seçimini soyut bir "en iyi" arayışından çıkarıp somut üç soruya indirgiyor:

  • Veri nereye gidiyor? Hasta dosyası, vatandaş bilgisi, dava metni veya ticari sır gibi hassas verilerde, makineyi terk etmeyen kurum içi açık ağırlıklı çözümler öne çıkar.
  • Hacim ne kadar? Günde on binlerce sorgu işleyen uygulamalarda sorgu başına API ücreti aylık faturayı şişirir; belirli bir eşiğin üzerinde yerel (kurum içi) çıkarım ekonomik hale gelir.
  • Kalite eşiği ne? Rutin özetleme veya sınıflandırma için küçük bir model yeterken; hukuki, tıbbi veya finansal akıl yürütme gerektiren görevlerde sınır modelinin farkı belirleyici olabilir.

Veri egemenliği ve KVKK boyutu

Türkiye'deki kamu kurumları ve düzenlemeye tabi şirketler için en kritik değişken çoğu zaman performans değil, verinin nerede tutulduğu. Kişisel Verilerin Korunması Kanunu (KVKK) kapsamında özel nitelikli veriler — sağlık, biyometrik ve ceza mahkûmiyeti bilgileri gibi — bulut tabanlı bir modele gönderildiğinde denetimli bir risk doğar.

Açık ağırlıklı modeller bu veriyi kurum ağının dışına çıkarmadan işlediği için, veri yerelliği gerektiren senaryolarda öne geçiyor. Kapalı sağlayıcılar "veriniz eğitimde kullanılmaz" taahhüdü verse de, verinin fiziksel olarak üçüncü tarafın altyapısında bulunması bazı kurumlar için tek başına yeterli güvence sayılmıyor.

Piyasa hangi yöne gidiyor?

Performans tablosu son bir yılda hızla değişti. Menlo Ventures verilerine göre Anthropic, kurumsal LLM API pazarında 2023'teki yüzde 12'lik payını 2025'te yüzde 40'a çıkararak lider konuma yükseldi; aynı dönemde OpenAI yüzde 27'ye geriledi, Google ise yüzde 21'e tırmandı. Bu üç sağlayıcı, kurumsal kullanımın yaklaşık yüzde 88'ini oluşturuyor.

Açık kaynak cephesinde tablo daha temkinli. Aynı rapora göre açık ağırlıklı modellerin kurumsal payı bir yılda yüzde 19'dan yüzde 11'e düştü. Llama hâlâ en yaygın açık model olsa da yeni sürüm gecikmeleri ivme kaybına yol açtı. Çinli Qwen ve DeepSeek modelleri ise veri güvenliği ve uyum kaygıları nedeniyle kurumsal API kullanımında yüzde 1 düzeyinde kalıyor.

Tek model değil, "yönlendirici" mimarisi

Olgun ekiplerin çoğu artık tek bir modele bağlanmıyor. Bunun yerine, gelen her görevi en uygun modele aktaran bir yönlendirici (router) katmanı kuruyor: ucuz ve hızlı işler küçük modele, kritik akıl yürütme gerektiren işler sınır modeline gidiyor.

Bu portföy yaklaşımı yaygınlaşıyor. Sektör araştırmaları, kurumların önemli bir bölümünün üretim ortamında beşten fazla modeli aynı anda kullandığını gösteriyor. Açık ve kapalı modeli birlikte çalıştıran hibrit mimari; gizlilik gerektiren işi yerelde tutup yüksek değerli kararı bulut modeline bırakarak iki yaklaşımın avantajını birleştiriyor.

Bu seçim kurumlar için ne anlama geliyor?

Kısa vadede "açık mı kapalı mı?" sorusunun tek bir doğru cevabı yok; doğru cevap kurumun görev haritasına ve risk iştahına göre değişiyor. Karar vericilere önce kullanım senaryolarını veri hassasiyetine ve hacme göre sınıflandırmaları, ardından her sınıf için ayrı bir model stratejisi belirlemeleri öneriliyor.

Orta vadede maliyet ve performans dengesi belirleyici olacak. Microsoft destekli IDC araştırması, üretken yapay zekâ dağıtan kurumların yatırdıkları her dolar başına ortalama 3,70 dolar geri dönüş elde ettiğini ortaya koyuyor; ancak bu getiri büyük ölçüde modelin doğru göreve yerleştirilmesine bağlı. Sınır modelleriyle açık modeller arasındaki yetenek farkı kapandıkça kararın ağırlık merkezi, "en güçlü model"den "en uygun maliyetli ve en uyumlu model"e doğru kayıyor. Kurumlar için asıl rekabet avantajı, hangi teknolojinin hangi işe gittiğini doğru kurgulayabilmekte yatıyor.

Kaynaklar