Doğrusal Olmayan Yapay Zeka Maliyet Eğrisi: Bütçeniz Neden Çoktan Tutmadı?

Comyn'in ana uyarısı, yapay zeka maliyetlerinin artık tahmin edilemez olduğuydu. Kurumsal yapay zekanın ilk günlerinde basit sorgular neredeyse hiçbir maliyet yaratmazken, şirketler modelleri karmaşık, çok adımlı muhakeme gerektiren görevler için kullanmaya başladıkça token tüketimi doğrusal olmayan bir şekilde artıyor . Comyn, "İlk günlerde insanların araçları kullanmaya başlamasını istiyorsunuz ve bu araçlar pek de pahalı değildi... Şimdi ise modellerin çalışma şekli, içine koyabileceğiniz bağlam miktarı... maliyetleriniz doğrusal olarak ölçeklenmiyor" dedi . Bu durum, CFO'lar ve CTO'lar için yıllık bütçe döngülerine sıkışıp kalmış bir "yönetim zorluğu" yaratıyor. Çünkü görev başına maliyet, karmaşıklığa bağlı olarak 10 kat ile 50 kat arasında değişebiliyor .

Bu soyut bir uyarı değil. Microsoft'un GitHub Copilot'u 1 Haziran 2026'da kullanım bazlı faturalamaya (token-based billing) geçti . Eskiden sabit bir abonelik ücreti tüm istekleri kapsarken, artık her girdi, çıktı ve önbellek token'ı GitHub AI Kredileri üzerinden ölçülüyor (1 kredi = 0,01 dolar) . Ağır kullanıcılar, özellikle aracı (agentic) kodlama oturumları yapanlar, faturalarının anında fırladığını bildiriyor. Bazıları, maliyetlerinde 10 ila 50 kat artış öngörüyor . Tek bir karmaşık aracı oturumu, aylık kredi limitini tek seferde tüketebiliyor .

'İş Pisliği' Nedir? Görünmeyen Kalite Maliyeti

Comyn'in ikinci büyük uyarısı niteliksel. "İş pisliği" (work slop) terimini, üretken görünen ancak gerçek değeri ihmal edilebilir düzeyde olan yapay zeka kaynaklı metin, kod ve analizlerin yaygınlaşmasını tanımlamak için kullandı . Bu çıktılar sadece yardımcı olmakla kalmıyor, aynı zamanda gizli maliyetler yaratıyor: İş akışına giren her yapay zeka içeriğinin bir insan çalışan tarafından gözden geçirilmesi, doğruluğunun kontrol edilmesi, düzenlenmesi veya atılması gerekiyor .

Bu, tüketici internetindeki "AI slop" (arama motoru spam'i, formüle dayalı sosyal medya gönderileri) kavramının kurumsal versiyonu. Şirket içinde risk daha yüksek. "İş pisliği", iç karar alma mekanizmalarını, uyum belgelerini ve hatta yetersiz kalite kontrollerinden geçen müşteriye yönelik ürünleri sessizce bozabilir . Şirketler, yapay zekayı sıkı bir doğrulama olmadan her fonksiyona yaydıkça, temizlemek için insan gücü ödemek zorunda kaldıkları değersiz iş yığını da büyüyor.

CBA'nın 2,4 Milyar Dolarlık Teknoloji Bahsi ve İş Gücü Denklemi

Comyn'in uyarısı bir dış gözlemcinin notu değil. CBA, teknolojiye yılda yaklaşık 2,4 milyar Avustralya doları yatırım yapıyor ve bu, diğer büyük Avustralya bankalarından en az 500 milyon dolar daha fazla . Bu harcama, yapay zeka liderliğindeki bir verimlilik bahsi olarak görülse de Comyn, bu bütçe kaleminin de uyardığı öngörülemez enflasyona maruz kaldığını kabul ediyor .

Aynı zamanda CBA, yapay zeka verimlilik kazanımlarının iş gücü üzerindeki etkisini gerçek zamanlı olarak gösteriyor. Banka, 2026'nın başlarında yaklaşık 300 işten çıkardı. Bu, daha önce bir yapay zeka sohbet robotuyla değiştirilen 90 destek personeli ve Nisan ayında kesilen 120 pozisyona ek olarak gerçekleşti . Comyn, yapay zekanın "ekonomideki işleri ortadan kaldıracağı" konusunda net ve şirketlerin, çalışanlarının bu geleceğe hazırlanmasına yardımcı olması gerektiğini söylüyor .

Buna rağmen CBA, 30.000'den fazla çalışanı için üç yıla yayılmış 90 milyon Avustralya dolarlık bir Geleceğin İş Gücü Programı (Future Workforce Program) başlattı . Program; Grow Your Career adlı yeni bir iç kariyer platformu, yapay zeka odaklı eğitim ve iç hareketliliği şeffaf hale getiren beceri haritalamasını içeriyor . Bu ikili duruş (bir yandan işten çıkarırken diğer yandan yeniden beceri kazandırmak), Comyn'in görüşünün dürüst bir yansıması: Dönüşüm çoktan başladı ve şirketlerin, ayrılanlar kadar kalan işçiler için de bir stratejisi olmalı .

Her Şirket İçin Stratejik Çıkarımlar

Comyn'in uyarısı, CBA'nın kendi eylemleri ve GitHub Copilot'un faturalama değişikliğinin kesişimi, yapay zekayı üretimde kullanan her kuruluş için üç stratejik zorunluluğu ortaya koyuyor:

1. Bütçeleme Dinamik ve Ölçülü Olmalı. Sabit yıllık yapay zeka bütçeleri dönemi sona erdi. Token bazlı faturalama, yapay zekayı bulut bilişime benzer şekilde değişken maliyetli bir hizmete dönüştürüyor. Şirketlerin gerçek zamanlı maliyet izleme, ekip bazlı kredi tahsisi, kullanım limitleri ve bütçeleri dönem ortasında ayarlama yeteneğine ihtiyacı var .

2. Kalite Kontrolü Bir Seçenek Değil, Zorunluluk. "İş pisliği", kalite başarısızlığı ile maliyet aşımı arasında doğrudan bir bağlantı kuruyor. İş akışına giren her denetlenmemiş yapay zeka çıktısı, insan incelemesi gerektiriyor. Şirketler kalite kontrolleri, insan denetimli doğrulama ve çıktı denetimi uygulamalıdır .

3. İş Gücü Stratejisi, Eşzamanlı İşten Çıkarma ve Beceri Kazandırmayı Planlamalı. CBA'nın modeli yol gösterici: Yapay zeka bazı ekiplerde iş gücünü azaltırken, yeniden beceri kazandırma yatırımı diğerleri için yeni kariyer yolları yaratıyor. 90 milyon dolarlık program, işten çıkarmanın alternatifinin iş koruma değil, iş dönüşümü olduğunu ve şirketlerin çalışanlarına bu geçişte rehberlik etme sorumluluğu taşıdığını gösteriyor .

Comyn'in ana mesajı şu: Kurumsal yapay zeka, çok daha zor bir aşamaya girdi. Kolay kazanımlar toplandı; geriye kalan ise karmaşık, pahalı ve çoğu kuruluşun sahip olmadığı bir disiplini gerektiriyor. Bu disiplin eksikliğinin faturası, hem öngörülemeyen token maliyetleri hem de birilerinin temizlemek zorunda olduğu büyüyen bir "iş pisliği" yığını olarak gelmeye başladı .

Doğrusal Olmayan Yapay Zeka Maliyet Eğrisi: Bütçeniz Neden Çoktan Tutmadı?

Comyn'in ana uyarısı, yapay zeka maliyetlerinin artık tahmin edilemez olduğuydu. Kurumsal yapay zekanın ilk günlerinde basit sorgular neredeyse hiçbir maliyet yaratmazken, şirketler modelleri karmaşık, çok adımlı muhakeme gerektiren görevler için kullanmaya başladıkça token tüketimi doğrusal olmayan bir şekilde artıyor . Comyn, "İlk günlerde insanların araçları kullanmaya başlamasını istiyorsunuz ve bu araçlar pek de pahalı değildi... Şimdi ise modellerin çalışma şekli, içine koyabileceğiniz bağlam miktarı... maliyetleriniz doğrusal olarak ölçeklenmiyor" dedi . Bu durum, CFO'lar ve CTO'lar için yıllık bütçe döngülerine sıkışıp kalmış bir "yönetim zorluğu" yaratıyor. Çünkü görev başına maliyet, karmaşıklığa bağlı olarak 10 kat ile 50 kat arasında değişebiliyor .

Bu soyut bir uyarı değil. Microsoft'un GitHub Copilot'u 1 Haziran 2026'da kullanım bazlı faturalamaya (token-based billing) geçti . Eskiden sabit bir abonelik ücreti tüm istekleri kapsarken, artık her girdi, çıktı ve önbellek token'ı GitHub AI Kredileri üzerinden ölçülüyor (1 kredi = 0,01 dolar) . Ağır kullanıcılar, özellikle aracı (agentic) kodlama oturumları yapanlar, faturalarının anında fırladığını bildiriyor. Bazıları, maliyetlerinde 10 ila 50 kat artış öngörüyor . Tek bir karmaşık aracı oturumu, aylık kredi limitini tek seferde tüketebiliyor .

'İş Pisliği' Nedir? Görünmeyen Kalite Maliyeti

Comyn'in ikinci büyük uyarısı niteliksel. "İş pisliği" (work slop) terimini, üretken görünen ancak gerçek değeri ihmal edilebilir düzeyde olan yapay zeka kaynaklı metin, kod ve analizlerin yaygınlaşmasını tanımlamak için kullandı . Bu çıktılar sadece yardımcı olmakla kalmıyor, aynı zamanda gizli maliyetler yaratıyor: İş akışına giren her yapay zeka içeriğinin bir insan çalışan tarafından gözden geçirilmesi, doğruluğunun kontrol edilmesi, düzenlenmesi veya atılması gerekiyor .

Bu, tüketici internetindeki "AI slop" (arama motoru spam'i, formüle dayalı sosyal medya gönderileri) kavramının kurumsal versiyonu. Şirket içinde risk daha yüksek. "İş pisliği", iç karar alma mekanizmalarını, uyum belgelerini ve hatta yetersiz kalite kontrollerinden geçen müşteriye yönelik ürünleri sessizce bozabilir . Şirketler, yapay zekayı sıkı bir doğrulama olmadan her fonksiyona yaydıkça, temizlemek için insan gücü ödemek zorunda kaldıkları değersiz iş yığını da büyüyor.

CBA'nın 2,4 Milyar Dolarlık Teknoloji Bahsi ve İş Gücü Denklemi

Comyn'in uyarısı bir dış gözlemcinin notu değil. CBA, teknolojiye yılda yaklaşık 2,4 milyar Avustralya doları yatırım yapıyor ve bu, diğer büyük Avustralya bankalarından en az 500 milyon dolar daha fazla . Bu harcama, yapay zeka liderliğindeki bir verimlilik bahsi olarak görülse de Comyn, bu bütçe kaleminin de uyardığı öngörülemez enflasyona maruz kaldığını kabul ediyor .

Aynı zamanda CBA, yapay zeka verimlilik kazanımlarının iş gücü üzerindeki etkisini gerçek zamanlı olarak gösteriyor. Banka, 2026'nın başlarında yaklaşık 300 işten çıkardı. Bu, daha önce bir yapay zeka sohbet robotuyla değiştirilen 90 destek personeli ve Nisan ayında kesilen 120 pozisyona ek olarak gerçekleşti . Comyn, yapay zekanın "ekonomideki işleri ortadan kaldıracağı" konusunda net ve şirketlerin, çalışanlarının bu geleceğe hazırlanmasına yardımcı olması gerektiğini söylüyor .

Buna rağmen CBA, 30.000'den fazla çalışanı için üç yıla yayılmış 90 milyon Avustralya dolarlık bir Geleceğin İş Gücü Programı (Future Workforce Program) başlattı . Program; Grow Your Career adlı yeni bir iç kariyer platformu, yapay zeka odaklı eğitim ve iç hareketliliği şeffaf hale getiren beceri haritalamasını içeriyor . Bu ikili duruş (bir yandan işten çıkarırken diğer yandan yeniden beceri kazandırmak), Comyn'in görüşünün dürüst bir yansıması: Dönüşüm çoktan başladı ve şirketlerin, ayrılanlar kadar kalan işçiler için de bir stratejisi olmalı .

Her Şirket İçin Stratejik Çıkarımlar

Comyn'in uyarısı, CBA'nın kendi eylemleri ve GitHub Copilot'un faturalama değişikliğinin kesişimi, yapay zekayı üretimde kullanan her kuruluş için üç stratejik zorunluluğu ortaya koyuyor:

1. Bütçeleme Dinamik ve Ölçülü Olmalı. Sabit yıllık yapay zeka bütçeleri dönemi sona erdi. Token bazlı faturalama, yapay zekayı bulut bilişime benzer şekilde değişken maliyetli bir hizmete dönüştürüyor. Şirketlerin gerçek zamanlı maliyet izleme, ekip bazlı kredi tahsisi, kullanım limitleri ve bütçeleri dönem ortasında ayarlama yeteneğine ihtiyacı var .

2. Kalite Kontrolü Bir Seçenek Değil, Zorunluluk. "İş pisliği", kalite başarısızlığı ile maliyet aşımı arasında doğrudan bir bağlantı kuruyor. İş akışına giren her denetlenmemiş yapay zeka çıktısı, insan incelemesi gerektiriyor. Şirketler kalite kontrolleri, insan denetimli doğrulama ve çıktı denetimi uygulamalıdır .

3. İş Gücü Stratejisi, Eşzamanlı İşten Çıkarma ve Beceri Kazandırmayı Planlamalı. CBA'nın modeli yol gösterici: Yapay zeka bazı ekiplerde iş gücünü azaltırken, yeniden beceri kazandırma yatırımı diğerleri için yeni kariyer yolları yaratıyor. 90 milyon dolarlık program, işten çıkarmanın alternatifinin iş koruma değil, iş dönüşümü olduğunu ve şirketlerin çalışanlarına bu geçişte rehberlik etme sorumluluğu taşıdığını gösteriyor .

Comyn'in ana mesajı şu: Kurumsal yapay zeka, çok daha zor bir aşamaya girdi. Kolay kazanımlar toplandı; geriye kalan ise karmaşık, pahalı ve çoğu kuruluşun sahip olmadığı bir disiplini gerektiriyor. Bu disiplin eksikliğinin faturası, hem öngörülemeyen token maliyetleri hem de birilerinin temizlemek zorunda olduğu büyüyen bir "iş pisliği" yığını olarak gelmeye başladı .