Türkiye yapay zekayı hangi koşullarla kullanacak, hangi katmanlarda dışa bağımlı olacak ve kritik alanlarda kontrol kimde kalacak? Türkiye’nin öncelikli hedefi özellikle öncelikli ve regüle sektörler ve devlet kurumları için bir egemen kullanım düzeni kurmak olmalı.

Türkiye sıfırdan başlamıyor. TÜBİTAK ULAKBİM’in TRUBA altyapısındaki ARF-ACC sistemi 2025 sonunda dünyada TOP500 listesinde 145. sıraya yükseldi. 2025’te eklenen 192 NVIDIA H200 GPU ile kapasitesi ciddi biçimde arttı. Türkiye ayrıca BSC Yapay Zeka Fabrikası girişiminde ortak olarak yer alıyor. 2026-2028 Orta Vadeli Program da TRUBA kapasitesinin artırılmasını ve Türkçe büyük dil modeli geliştirilmesini açık hedefler arasına koyuyor.

Kısa vadede Türkiye’nin ABD ya da Çin tipi bir model eğitimi altyapısı kurması gerçekçi görünmüyor. Ama bu, Türkiye’nin kendi koşullarına uygun bir egemen kullanım rejimi kuramayacağı anlamına gelmiyor. Hedef kritik alanlarda kullanılan yapay zekanın veri, güvenlik, maliyet, süreklilik ve hizmet koşullarını Türkiye’nin yönetebilmesi olmalı.

İleri hesaplama kapasitesine erişim yalnızca piyasa meselesi değil. Bugün ileri çiplere erişim hala siyasetten ve jeopolitikten bağımsız değil. Bu nedenle Türkiye’nin çipleri ve yapay zeka servisini gerektikçe piyasadan alırız rahatlığıyla hareket etmesi doğru değil.

Peki böyle bir altyapıyı kim kuracak? Türkiye’de Rusya’daki Yandex ve Sber benzeri iki dev özel oyuncu yok. Buna karşılık telekom ve altyapı omurgasında kamu etkisi daha güçlü. Türkiye Varlık Fonu portföyündeki Turkcell, Türksat ve Türk Telekom, veri merkezi ve bağlantı omurgası açısından kritik bir taban sunuyor. Gerçekçi olan, kamu yönlendirmesiyle özel sektör işletme disiplinini birleştiren bir altyapı koalisyonudur. Örneğin, kamu destekli ama doğrudan kamu işletmesi olmayan TOGG benzeri bir stratejik yapay zeka ortaklığı anlam kazanabilir.

Böyle bir yapının görevi öncelikle kamu ve düzenlemeye tabi sektörler için güvenli çıkarım altyapısı, Türkçe model uyarlama, açık ağırlık temelli kurumsal çözümler ve yerel veri egemenliği sağlamak olabilir.

Elbette burada ciddi bir yönetişim riski de var. Böyle bir yapı kolaylıkla kaynak yutan, görev alanı şişmiş ve performansı belirsiz bir kara deliğe dönüşebilir. Bu yüzden başarı için dar ve ölçülebilir görev tanımı, açık erişim kuralları, çoklu tedarik, maliyet şeffaflığı ve sert performans denetimi gerekir. Başarı ölçütü slogan değil, sonuç olmalı.

Türkiye için hedef model eğitiminde erişim güvencesi, çıkarımda yerel kapasite, yazılımda taşınabilirlik ve kamu alımlarında stratejik seçicilik ile egemen kullanıma yönelmek olmalı. Elbette bu zorlu bir yolculuk ama model eğitim maliyetini düşüren mühendislik yenilikleri, açık model ekosistemi, yazılım taşınabilirliği ve çıkarım altyapısı bize de bir fırsat penceresi açabilir.