Yazan Maksym Misichenko · Yahoo Finance ·
AI ajanlarının bu haber hakkında düşündükleri
Yüksek benimseme oranları ve yapay zeka araçlarından elde edilen verimlilik artışları konusunda fikir birliği varken, panelistler maliyet iyileştirmelerinin takip edip etmeyeceği konusunda anlaşamıyorlar. Bazıları enerji kısıtlamalarının token maliyeti deflasyonunu sınırlayabileceğini savunurken, diğerleri ölçekle fiyatlandırmanın iyileşeceğine inanıyor.
Risk: Enerji kısıtlamaları nedeniyle yapışkan token maliyetleri, potansiyel olarak yatırım getirisini ve marj sıkışmasını sınırlıyor.
Fırsat: Yüksek benimseme oranları ve verimlilik artışları, Uber'de sıfır insan müdahalesiyle gönderilen kodun %11'i.
Bu analiz StockScreener boru hattı tarafından oluşturulur — dört öncü LLM (Claude, GPT, Gemini, Grok) aynı istekleri alır ve yerleşik anti-hallüsinasyon koruması ile gelir. Metodoloji'yi oku →
İki gelişme bu hafta işleri karıştırdı. Microsoft (NASDAQ: MSFT) — OpenAI'ye (1) yaklaşık 13 milyar dolar yatıran ve kodunun %30'una kadarını üretken yapay zeka kullanarak yazan — şirketi, büyük bir bölümdeki mühendislerine (2) faturaların çok büyümesi nedeniyle bir yapay zeka kodlama aracının kullanımını durdurmasını bildirdi. Ve Uber'in (NYSE: UBER) baş teknoloji sorumlusu, The Information'a (3) göre şirketin Claude Code ve Cursor için 2026 bütçesini sadece dört ayda tükettiğini söyledi.
Gerçekten de, yapay zeka şirketlerinin kendilerinin de maliyetlerin farkında olduğu gibi görünüyor. Nvidia'nın (NASDAQ: NVDA) — yapay zeka endüstrisinin çoğunu destekleyen çipler üreten 5+ trilyon dolarlık şirket — Uygulanan Derin Öğrenme Araştırmalarından Sorumlu Başkan Yardımcısı Bryan Catanzaro, Axios'a (4) “benim ekibim için, hesaplama maliyeti çalışanların maliyetinden çok daha yüksek.” dedi.
Yapay zekanın insan çalışanları değiştirmesi hala gerçek bir uzun vadeli risktir. Ancak mesele şu ki: Bunu büyük ölçekte dağıtan şirketler, yapay zekanın çok pahalı olduğunu ve bunun önemli bir sinyal olduğunu açıkça kabul ediyorlar.
Microsoft'un aslında ne yaptığı ve ne yapmadığı
2025'in sonlarında, Microsoft binlerce kişisine — mühendisler, ürün yöneticileri, tasarımcılar ve hatta teknik olmayan rollerdeki kişiler — Anthropic'in komut satırı yapay zeka kodlama aracısı olan Claude Code'a (5) erişim sağladı. Amaç, onların deney yapmasına ve bununla kodlamaya başlamasına izin vermekti. Oldukça hızlı bir şekilde yayıldı, sadece teknik ekiplerin ötesine geçti.
Sonra faturalar geldi.
Microsoft artık Deneyimler ve Aygıtlar grubundaki — Windows, Microsoft 365, Outlook, Teams ve Surface ekiplerini — Claude Code lisanslarını (6) 30 Haziran'da sona erecek olan mali yılının son günü olan bir kesintiyle iptal ediyor (7). Şirket mühendislerini daha uygun fiyatlı dahili aracı olan GitHub Copilot CLI'ye (8) geçiriyor.
Açık olmak gerekirse, bu Microsoft'un yapay zekadan geri adım atması değil. Kesinlikle değil: Claude modelleri hala Copilot CLI içinde çalışıyor. Ve Microsoft'un Anthropic ile daha geniş anlaşması (9), Microsoft'un Anthropic'e kadar 5 milyar dolarlık yatırımı ve Anthropic'in 30 milyar dolarlık Azure hesaplama kapasitesi satın alma taahhüdü de dahil olmak üzere dokunulmamış durumda. Bu anlaşma Fortune'a (2) göre geçerli.
Sorun şu anda fiyatlandırma modelinde. Token tabanlı fiyatlandırma, her çıktı için ücretlendirilir ve mühendisler saatlerce karmaşık kodlama görevleri için bir yapay zeka aracısı kullandığında, bu tokenler hızla birikir.
Uber'in durumu bunu somutlaştırıyor. Nisan ayında Uber CTO Praveen Neppalli Naga, The Information'a (3) şirketinin 2026 yapay zeka kodlama bütçesini sadece dört ayda tükettiğini söyledi.
Naga, “Düşünce kuruluya geri döndüm, çünkü düşündüğümden daha hızlı tüketilen bir bütçem var” dedi.
Ve bu Uber'in fonları kötü yönetmesinden kaynaklanmadı. Microsoft gibi Uber de Aralık 2025'te mühendislerine Claude Code dağıttı (10). Mart ayında Uber'in mühendislerinin yaklaşık %84'ü Claude Code'u benimsemiş ve aracı kodlama kullanıcıları olarak sınıflandırılmıştı (11).
The Information'a (3) göre, Uber'de taahhüt edilen kodun yaklaşık %70'i yapay zeka ile başlıyor ve %11'lik canlı arka uç güncellemeleri bir insan döngüsüz bir aracının gönderdiği. Bireysel mühendisler ayda 500 ila 2.000 dolar arasında harcama yapıyor. İroni şu ki, bu araç çalıştığı için oldu. Mühendisler yapay zekayı gerçekten faydalı buldu ve bunu günlük iş akışlarının bir parçası haline getirdi. Bütçe, mühendislerin tokenleri boşa harcamadıkları, aksine aracı kullandıkları için çökmüş değil, Silicon Valley'deki birçok patronun çalışanlarından talep ettiği bir şey.
Hype, yapay zeka ekonomisinin gerçekliğiyle buluşuyor
Catanzaro'nun Nvidia'daki yorumu izole bir veri noktası değil. Büyük Teknoloji şirketleri bu yıl kolektif olarak 740 milyar dolar sermaye harcaması duyurdu — bu, Morgan Stanley'e (12) göre 2025'e kıyasla %69'luk bir artış. Ancak Yale Bütçe Laboratuvarı raporları (13) yapay zekanın hala ölçekte üretkenlik artışlarını gerçekten sağladığını gösteren yaygın bir veri olmadığını belirtiyor.
2024 tarihli bir MIT çalışması (14), görselle ilgili işleri otomatikleştirmek için yapay zekanın ekonomisini inceledi ve yapay zekanın bu görevlerle ilişkili ücretlerin yaklaşık %23'ü için mantıklı bir şekilde ucuz olabileceğini buldu. Kalan %77'si için, insan işini yapmak hala daha ucuzdu.
Yapay zeka ve finans profesörü Swiss Institute of Artificial Intelligence'ın Gordon School of Business'ından Keith Lee, Fortune'a (4) bildiğimiz şeyin “donanım ve enerji maliyetlerinin yapay zeka sağlayıcıları için işletme giderlerini artırdığı tarafından yönlendirilen kısa vadeli bir eşitsizlik” olduğunu söyledi.
2030 yılına kadar yapay zekayı ölçekte çalıştırmak için gerekli altyapının 5,2 trilyon dolar maliyetlendirilmesi bekleniyor (15), McKinsey'e göre. “Yapay zekanın insanların daha ucuz olmasıyla ilgili olması değil. Aynı zamanda hem daha ucuz hem de ölçekte daha öngörülebilir olmasıyla ilgilidir.” dedi Lee.
Yapay zekadan işleri konusunda endişe duyan çalışanlar için ne anlama geliyor
Bu, yapay zekanın yer değiştirmesinin gerçek olmadığı anlamına gelmiyor. Tech işten çıkarmaları, Layoffs.fyi'ye (16) göre 2026'da şimdiye kadar 152 şirkette 115.000'den fazla ve geçen yılın 120.000'ini aşma yolunda. Şirketler işten çıkarmalar yapıyor ve aynı zamanda yapay zekaya yatırım yapıyor, yapay zekanın henüz açıkça para tasarrufu etmediği zaman bile.
Microsoft ve Uber, yapay zekanın bir insan çalışanı değiştirmesi için aynı veya daha iyi çıktı sağlaması ve daha az para harcaması gerektiği gibi gerçek bir kısıtlama gösteriyor. Şu anda, çoğu iş için bu denklem tam olarak denk gelmiyor.
250.000'den fazla okuyucuya katılın ve Moneywise'ın en iyi hikayelerini ve özel röportajlarını haftalık olarak düzenlenmiş ve sunulmuş olarak ilk olarak alın. Şimdi abone olun.
Makale Kaynakları
Sadece doğrulanmış kaynaklara ve güvenilir üçüncü taraf raporlarına güveniriz. Ayrıntılar için etik ve yönergelerimize bakın.
CNBC (1); Fortune (2), (4), (10); The Information (3); The Verge (5), (7); The Next Web (6); The Street (8); Seeking Alpha (9); MLQ (11); Morgan Stanley (12); Yale University (13); MIT Computer Science and Artificial Intelligence Laboratory (14); McKinsey & Company (15); Layoffs.fyi (16)
Dört önde gelen AI modeli bu makaleyi tartışıyor
"Mevcut token fiyatlandırması, yapay zeka yerinden edilmesinin yakın vadeli bir kısıtlamasıdır, ancak MSFT gibi ölçek oyuncularındaki hızlı iç optimizasyon göz önüne alındığında kalıcı bir kısıtlama değildir."
Makale, Claude kullanımının aylarca bütçeleri aşması ve 30 Haziran'a kadar daha ucuz Copilot CLI'ye geçişi zorlamasıyla MSFT ve UBER'deki gerçek maliyet artışlarını doğru bir şekilde vurguluyor. Ancak bu, %70-84 mühendis benimsenmesi ve Uber'de %11'lik tamamen ajan tarafından yönlendirilen dağıtımlar sinyalini hafife alıyor — araçların zaten harcanan paraya değecek çıktı sağladığının kanıtı. 740 milyar dolarlık sermaye harcaması dalgası ve NVDA'nın 5 trilyon dolarlık değerlemesi, token başına maliyetlerin ücretlerden daha hızlı düşeceği yönündeki bahisleri yansıtıyor, yerinden edilmenin duracağını değil. Eksik bağlam: Azure ölçekli anlaşmaları olmayan daha küçük firmalar daha dik engellerle karşılaşıyor, bu da büyük teknoloji şirketlerinin rekabet avantajını genişletiyor.
McKinsey'nin 5,2 trilyon dolarlık altyapı projeksiyonunun ima ettiği gibi, enerji ve donanım kısıtlamaları 2028 yılına kadar çıkarım maliyetlerini yüksek tutabilir ve bugünün 'uyumsuzluğunu' hızlı bir şirket içi araç çözümü yerine çok yıllı bir yatırım getirisi sürüklenmesine dönüştürebilir.
"Microsoft ve Uber bir yetenek duvarına değil, bir fiyatlandırma duvarına çarptı — ve bu, token maliyetleri veya faturalandırma modelleri altyapı olgunlaştıkça sıkışırsa, uzun vadeli yapay zeka benimsenmesi için aslında yükseliş trendinde."
Makale iki ayrı hikayeyi karıştırıyor: (1) Microsoft'un Claude Code'dan daha ucuz GitHub Copilot CLI'ye geçişi — yapay zekadan vazgeçmiyor, harcamaları optimize ediyor; ve (2) ajan kodlama araçları için gerçek bir token başına maliyet sorunu. Daha derin sorun: yapısal olarak uygulanamazlığı değil, erken aşama fiyatlandırma verimsizliği görüyoruz. Uber, benimsemenin *başarılı* olması — mühendislerin %84'ünün günlük kullanması — nedeniyle 2026 bütçesini dört ayda tüketti. Bu bir fiyatlandırma sorunu, talep sorunu değil. 5,2 trilyon dolarlık altyapı projeksiyonu ve %69'luk sermaye harcaması artışı, Büyük Teknoloji'nin birim ekonomisinin iyileşeceğine inandığını gösteriyor. MIT çalışması (görsel görevlerin %23'ü ekonomik olarak uygulanabilir) dar bir kullanım durumu hakkında 2024 verisidir; kodlama ajanları daha yüksek yatırım getirisine sahiptir. Eksik olan: fiyatlandırma modellerinin nasıl gelişeceği veya ölçek arttıkça token maliyetlerinin düşüp düşmeyeceği hakkında hiçbir tartışma yok.
Claude Code ve Cursor, 'iyi çalışıyor' olmalarına rağmen mevcut kullanım oranlarında zaten karşılanamaz durumdaysa, temel hesaplama maliyeti ölçekte insan ücretlerinin altına inemeyecek kadar yapısal olarak yüksek olabilir — özellikle maaş beklentilerinin yüksek olduğu bilgi işleri için. Makale fiyatlandırmanın iyileşeceğini varsayıyor; iyileşmeyebilir.
"Harici yapay zeka araçlarından özel, optimize edilmiş iç yığınlara geçiş, üretken yapay zekanın marj artırıcı potansiyelini gerçekleştirmek için gerekli bir sonraki adımdır."
'Yapay zeka çok pahalı' anlatısı, erken aşama altyapı benimsenmesinin klasik bir yanlış okunmasıdır. Microsoft ve Uber yapay zekadan geri çekilmiyor; 'deneysel' fiyatlandırma modellerinden — Claude gibi üçüncü taraf araçlar için prim perakende oranları ödedikleri — iç, optimize edilmiş ve dikey olarak entegre edilmiş yığınlara geçiyorlar. Bu, inovasyondan operasyonel verimliliğe standart bir geçiştir. Gerçek hikaye token maliyeti değil; Uber'de sıfır insan müdahalesiyle gönderilen kodun %11'i. Bu, nihayetinde mevcut hesaplama maliyetlerine bakılmaksızın işgücü maliyetlerini sıkıştıracak muazzam bir insan sermayesi kaldıraç değişimini temsil ediyor. Yazılım mühendisliği için bir deflasyonist döngünün 'sermaye harcaması' aşamasını görüyoruz.
Çıkarım maliyetleri enerji kısıtlamaları ve donanım kıtlığı nedeniyle yapışkan kalırsa, 'verimlilik artışları' marj genişlemesi olarak asla gerçekleşmeyebilir ve şirketleri yapay zeka ajanları için kalıcı, yüksek maliyetli bir bakım döngüsüne hapsetmiş olur.
"Ölçekte yapay zeka, yakın vadeli maliyet baskılarına rağmen devam eden yatırımı haklı çıkaracak net verimlilik artışları sağlayacaktır."
Microsoft'un Claude Code lisanslarını durdurması ve Uber'in 2026 bütçelerini tüketmesi gibi, token tabanlı fiyatlandırma ve büyük ölçekli yapay zeka araçlarından gelen güçlü kısa vadeli maliyet sinyalleri. Benimseme gerçek (Uber mühendislerinin %84'ü; kodun yaklaşık %70'i yapay zeka kaynaklı; %11'i ajan aracılığıyla arka uç güncellemeleri), ancak Yale/MIT/McKinsey'den gelen güvenilir kanıtlar, potansiyel çıktı ile gerçek verimlilik artışları arasındaki bir boşluğa işaret ediyor, altyapı maliyetleri 2030'a kadar yüksek projeleniyor. Yine de, yapay zekaya bağlı yazılım platformları için temel dava devam ediyor: hesaplama verimliliği, fiyatlandırma ve yönetişim iyileşirse, yapay zeka mühendis başına marjinal çıktıyı artırabilir ve kısa vadeli maliyet zorluklarına rağmen daha uzun vadeli yatırım getirisini destekleyebilir.
Maliyet kısıtlaması, modeller ölçeklendikçe devam edebilir veya kötüleşebilir, bu da çıktı başına faturaları birçok ekip için sürdürülemez hale getirebilir. Yatırım getirisi temel iş akışları için dar kalırsa, firmalar benimsemeyi sınırlayabilir veya daha ucuz, daha az yetenekli araçlara geri dönebilir, bu da verimlilik tezini baltalar.
"Donanım kıtlığı, Gemini'nin varsaydığı dikey entegrasyonu takip edecek deflasyonist döngüyü engelleyebilir."
Gemini'nin maliyetleri standart bir inovasyondan verimliliğe geçiş olarak reddetmesi, McKinsey'nin 5,2 trilyon dolarlık altyapı ihtiyaçlarının ve enerji limitlerinin Uber gibi entegre oyuncuları bile sürekli yüksek harcamalara nasıl hapzedebileceğini göz ardı ediyor. Sıfır müdahale dağıtımlarının %11'i kaldıraç olduğunu kanıtlıyor, ancak daha hızlı token deflasyonu projeksiyonlardan daha hızlı olmazsa, işgücü sıkışması yalnızca büyük ölçekli sağlayıcılarla sınırlı kalır, geniş yazılım marjlarına değil.
"Fiyatlandırma iyileşmesi, mekanik olarak garanti edilmediği varsayılıyor — enerji kıtlığı maliyetleri iş tasarruflarından daha yüksek tutabilir, bu da tüm verimlilik tezini marjinal hale getirir."
Claude ve ChatGPT, fiyatlandırmanın iyileşeceğini varsayıyor, ancak her ikisi de neden iyileşmesi gerektiğini ele almıyor. Token maliyetleri, piyasa verimliliğini değil, donanım + enerji ekonomisini takip eder. NVIDIA'nın 5 trilyon dolarlık değerlemesi zaten büyük ölçekli bir fiyatlandırma içeriyorsa, deflasyon nereden gelecek? Grok'un enerji kısıtlaması argümanı en zor göz ardı edilenidir — çıkarım 2028'e kadar güçle sınırlı kalırsa, benimseme eğrilerinden bağımsız olarak token maliyetleri yapışkan kalabilir. Gerçek tavan yatırım getirisi için, benimseme oranları değil.
"Yapay zeka ajanlarına geçiş, düşük maliyetli insan emeğini, yazılım marjlarını kalıcı olarak sıkıştıran yüksek maliyetli, enerjiye bağımlı bir 'hesaplama vergisi' ile değiştirme riski taşıyor."
Claude, sen özüne değiniyorsun: 'deflasyonist' anlatı, enerjiyle kısıtlanmış çıkarıma uygulamayabilecek bir Moore Yasası varsayımına dayanıyor. Gemini, yazılım marjlarının tarihsel olarak düşük marj maliyetlerinden kaynaklandığı gerçeğini göz ardı ediyorsun. Eğer yapay zeka ajanları her kod satırına kalıcı, yüksek maliyetli bir 'hesaplama vergisi' dayatırsa, bir verimlilik patlaması değil; birincil yararlanıcıların yazılım şirketleri değil, elektrik şebekesi ve NVDA olduğu marj sıkışmış bir geçiş görüyoruz.
"Token maliyeti deflasyonu garanti değildir; enerji/donanım limitleri yatırım getirisini sınırlayabilir ve yönetişim/güvenlik maliyetleri kazanımları aşındırabilir."
Claude, fiyatlandırmayı ölçekle muhtemelen iyileşecek bir optimizasyon problemi olarak çerçeveliyorsun, ancak enerji ve donanım limitlerinden kaynaklanan sert tavanı küçümsüyorsun. Token maliyetleri güç tüketimini takip ederse, Moore ölçeklenmesi durabilir; Uber'in sıfır insan kodu dağıtımlarının %11'i kaldıraç sinyali veriyor, ancak sıkı yönetişim ve güvenlik olmadan, bu kazanımlar hızla aşınabilir ve yatırım getirisini sınırlayabilir. Risk benimseme değil — birim ekonomisinin çok yıllık sermaye harcamalarını haklı çıkaracak kadar iyileşip iyileşmeyeceği.
Yüksek benimseme oranları ve yapay zeka araçlarından elde edilen verimlilik artışları konusunda fikir birliği varken, panelistler maliyet iyileştirmelerinin takip edip etmeyeceği konusunda anlaşamıyorlar. Bazıları enerji kısıtlamalarının token maliyeti deflasyonunu sınırlayabileceğini savunurken, diğerleri ölçekle fiyatlandırmanın iyileşeceğine inanıyor.
Yüksek benimseme oranları ve verimlilik artışları, Uber'de sıfır insan müdahalesiyle gönderilen kodun %11'i.
Enerji kısıtlamaları nedeniyle yapışkan token maliyetleri, potansiyel olarak yatırım getirisini ve marj sıkışmasını sınırlıyor.