Yapay zeka ajanları, tek seferlik görevleri yerine getiren araçlardan sürekli çalışan dijital iş ortaklarına doğru ilerliyor. Bu değişim, modellerin yetenekleri kadar ajanların hangi sistemlere erişebildiğini, hangi işlemleri gerçekleştirebildiğini ve gerektiğinde nasıl durdurulacağını da gündemin merkezine taşıyor.
26 Eylül–2 Ekim döneminde OpenAI, kullanıcıları adına 7/24 çalışabilen Dots ajanlarını tanıtırken NVIDIA, ajanları yazılım katmanının dışından denetlemeyi amaçlayan yeni güvenlik altyapısını duyurdu. Google ve OpenAI’ın yeni modelleri daha uzun ve karmaşık görevleri hedeflerken, model muhakemesini kopyalamaya yönelik koordineli bir girişim yapay zeka rekabetinin yeni güvenlik cephesini görünür hale getirdi.
Şirket satın almaları, kurumsal platform yatırımları ve devletler arası anlaşmalar ise yapay zeka yarışının yalnızca modeller arasında değil; altyapı, güvenlik, kurumsal dağıtım ve yönetişim katmanlarında da sürdüğüne işaret ediyor.
TRAI olarak haftanın öne çıkan 10 yapay zeka gelişmesini ve bunların kurumlar açısından neden önemli olduğunu derledik.
OpenAI, kendi bulut bilgisayarına ve tarayıcısına sahip, kullanıcı adına sürekli çalışabilen Dots adlı yapay zeka ajanlarını duyurdu.
GPT-6 Astra ile çalışan Dots, 4.000’den fazla uygulamaya bağlanabiliyor; ChatGPT’nin yanı sıra Slack ve Microsoft Teams üzerinden kullanılabiliyor. Sistem, kullanıcı aktif olarak talimat vermediğinde de bağlı uygulamalardaki gelişmeleri takip ederek hazırlık çalışmaları yürütebiliyor.
OpenAI, bu arka plan çalışmalarında kullanılan araçların başlangıçta yalnızca okuma yetkisine sahip olduğunu belirtiyor. Kullanıcılar uygulama erişimlerini sınırlayabiliyor, belirli işlemler için onay zorunluluğu getirebiliyor ve ajanın çalışmalarını etkinlik görünümünden izleyebiliyor. Hesapları etkileyebilecek işlemler ayrıca otomatik bir incelemeden geçiriliyor.
Neden önemli?
Dots, sohbet arayüzünden bağımsız hareket edebilen ve aynı anda birden fazla işi sürdürebilen ajanların tüketici ve kurumsal ürünlere yerleşmeye başladığını gösteriyor.
Bu sistemlerde temel soru yalnızca ajanın bir görevi başarıyla tamamlayıp tamamlayamadığı değil. Ajanın ne zaman kendiliğinden harekete geçebileceği, hangi bilgilere erişebileceği ve hangi işlemler için insan onayı isteyeceği de ürünün başarısını belirleyebilir.
Kurumlar açısından ajan yönetimi; çalışan hesabı yönetimine benzer biçimde kimlik, rol, yetki, bütçe ve denetim kayıtlarını içeren ayrı bir yönetişim alanına dönüşebilir.
NVIDIA, yapay zeka ajanlarının davranışlarını yazılım ve donanım katmanlarında denetlemeyi amaçlayan Open Agent Safety Platform adlı açık güvenlik altyapısını tanıttı.
Platformun OpenShell bileşeni, ajanların hangi araçlara ve sistemlere erişebileceğini güvenli bir çalışma ortamında sınırlandırıyor. Sentry adlı donanım tabanlı denetleyici ise ajan faaliyetlerini modelden bağımsız bir alanda izliyor. NVIDIA’ya göre bir ajan belirlenen sınırların dışına çıkmaya çalıştığında sistem onu milisaniyeler içinde karantinaya alabiliyor.
Sentry’nin ajanın kullandığı ana işlem ortamından ayrı çalışması, modelin veya saldırganın güvenlik mekanizmasını doğrudan etkilemesini zorlaştırmayı amaçlıyor.
Neden önemli?
Geleneksel güvenlik önlemleri çoğunlukla uygulamanın kendi yazılım katmanı içinde çalışıyor. Ancak bir ajan aynı yazılım katmanındaki kısıtlamaları aşabiliyorsa, onu denetleyen sistemin de etkisiz hale gelmesi mümkün.
NVIDIA’nın yaklaşımı, güvenlik sınırını modelin ve ajan yazılımının dışına taşımaya çalışıyor. Bu mimarinin yaygınlaşması halinde kurumlar, ajan platformlarını değerlendirirken model performansının yanında donanım tabanlı izolasyon ve bağımsız durdurma mekanizmalarını da dikkate alabilir.
Ajan güvenliği böylece yalnızca yazılım ekiplerinin değil, altyapı ve donanım sağlayıcılarının da rekabet ettiği bir alan haline gelebilir.
ABD Başkanı Donald Trump ile OpenAI, Anthropic, Google, Meta, NVIDIA ve xAI yöneticileri, gelişmiş yapay zeka sistemleri için gönüllü bir güvenlik anlaşması imzaladı.
Anlaşma; şirket içi kontroller, bağımsız izleme ekipleri, dış denetçiler ve yönetim kurulu düzeyinde gözetim olmak üzere dört kontrol katmanı öngörüyor. Ancak metin yasal olarak bağlayıcı değil ve şirketlerin bulgularını kamuoyuyla paylaşmasını zorunlu tutmuyor.
Aynı hafta ABD ve Çin, ciddi yapay zeka olaylarında yanlış anlaşılmaları ve olası krizleri azaltmak amacıyla özel bir iletişim mekanizması kurma konusunda anlaştı. İlk yapay zeka diyaloğunun kasım ayında gerçekleştirilmesi planlanıyor.
Yapay zeka şirketleri ile devletler arasındaki ilişkinin diğer yüzü ise Anthropic davasında görüldü. ABD’de bir temyiz mahkemesi, Pentagon’un Anthropic’i askeri sözleşmelerden çıkarmasını 2’ye karşı 1 oyla onadı. Anlaşmazlık, şirketin Claude’un otonom silahlar ve kitlesel gözetim için kullanılmasına izin vermemesiyle başlamıştı.
Neden önemli?
Bu üç gelişme, yapay zeka yönetişiminin tek bir düzenleme modeli üzerinden ilerlemediğine işaret ediyor.
Bir tarafta şirketlerin gönüllü güvenlik taahhütleri, diğer tarafta devletler arası kriz iletişimi bulunuyor. Kamu alımlarında ise devletlerin güvenlik ve operasyon talepleriyle model sağlayıcılarının kullanım sınırları karşı karşıya gelebiliyor.
Türkiye’de yapay zeka politikaları geliştirilirken yalnızca model güvenliğinin değil; kamu alımlarının, denetim yetkisinin, olay bildirim süreçlerinin ve tedarikçi kullanım politikalarının da birlikte değerlendirilmesi gerekebilir.
Google, yazılım mühendisliği, hukuk, finans ve siber güvenlik gibi alanlardaki uzun ve çok aşamalı görevler için geliştirdiği Gemini 4 Argon modelini duyurdu.
Modelin tek bir görev sırasında üretebildiği çıktı sınırı 64 bin tokendan 1 milyon tokena çıkarıldı. Google, Argon’un büyük kod tabanlarında dönüşüm yapabildiğini, uzun belgeler üzerinde çalışabildiğini ve yazılım açıklarını bulup yamalayabildiğini belirtiyor.
Şirketin paylaştığı testlere göre model, DeepSWE v1.1 yazılım mühendisliği değerlendirmesinde yüzde 77,9; CWE-bench güvenlik açığı giderme testinde ise yüzde 68 skor elde etti. Bu sonuçların Google tarafından açıklanan karşılaştırmalara dayandığını not etmek gerekiyor.
Model ilk aşamada Fairwind Programı kapsamındaki güvenilir siber güvenlik ekiplerine sunulacak. Daha geniş erişimin ek güvenlik testlerinin ardından açılması planlanıyor.
Neden önemli?
Model yarışındaki yeni sınır, tek bir soruya doğru yanıt vermekten çok daha uzun görevleri kopmadan sürdürebilmek olabilir.
Bir milyon tokenlık çıktı kapasitesi, büyük yazılım projeleri ve kapsamlı kurumsal dokümanlar üzerinde yeni kullanım alanları yaratabilir. Ancak daha uzun görevler, hata birikimi ve denetim maliyetini de artırabilir.
Kurumların bu nedenle yalnızca nihai çıktıyı değil, modelin ara kararlarını, kullandığı kaynakları ve gerçekleştirdiği işlemleri de izleyebilecek değerlendirme yöntemlerine ihtiyaç duyması mümkün.
OpenAI, ajan tabanlı kodlama, bilgisayar kullanımı ve profesyonel iş akışları için geliştirdiği GPT-6.1 Sol modelini kullanıma sundu.
Şirket, modelin bazı görevlerde GPT-6 Astra’ya yaklaşan performansı Astra’nın standart token fiyatlarının yaklaşık beşte biriyle sunduğunu belirtiyor. GPT-6.1 Sol’un standart API fiyatı bir milyon girdi tokenı için 2 dolar, çıktı tokenı için 10 dolar olarak açıklandı.
OpenAI’ın testlerine göre GPT-6.1 Sol, yazılım mühendisliği ve çok aşamalı iş akışlarında GPT-6 Sol’a kıyasla daha yüksek sonuçlar elde ediyor. Bununla birlikte bu değerlendirmelerin şirket tarafından seçilen testlere dayandığını ve kurumların kendi iş yüklerinde ayrıca doğrulama yapması gerektiğini göz önünde bulundurmak gerekiyor.
Neden önemli?
En gelişmiş modelin her görevde kullanılması yüksek ve öngörülmesi zor maliyetler doğurabilir. Astra’ya yakın kapasitenin daha düşük fiyatlı bir modele taşınması, uzun süre çalışan ajanların ekonomik açıdan daha uygulanabilir hale gelmesine yardımcı olabilir.
Ancak token fiyatı tek başına toplam maliyeti göstermiyor. Ajanın kaç kez yeniden deneme yaptığı, ne kadar bağlam taşıdığı, hangi araçları kullandığı ve görev sırasında ne kadar denetim gerektirdiği de maliyeti etkiliyor.
Kurumlar için doğru karşılaştırma, model fiyatından çok belirli bir işin güvenilir biçimde tamamlanma maliyeti olabilir.
OpenAI, modellerinin koruma altındaki muhakeme içeriklerini çıkarmayı amaçlayan koordineli bir girişimi tespit ederek engellediğini açıkladı.
Şirkete göre saldırganlar şifrelemeyi kırmadı, bir veri tabanına sızmadı ve kullanıcı konuşmalarına doğrudan erişmedi. Bunun yerine farklı konuşmalar arasında içerik taşıyarak modelin gizli muhakemesini görünür biçimde yeniden üretmesini sağlamaya çalıştı.
OpenAI, temmuz ayında başlayan faaliyetin bazı dönemlerde binlerce hesaptan gelen yoğun isteklerle yürütüldüğünü belirtiyor. Elde edilen muhakeme örneklerinin başka modelleri eğitmek veya mevcut modellerin yeteneklerini geliştirmek için kullanılmış olabileceği değerlendiriliyor.
Neden önemli?
Model damıtma, yapay zeka rekabetinde fikrî mülkiyet ile güvenliği birbirine bağlayan yeni bir mücadele alanı oluşturuyor.
Bir modelin çıktılarından başka bir modeli eğitmek yaygın bir teknik olsa da koruma altındaki muhakemenin izinsiz biçimde çıkarılması, sağlayıcıların kullanım sınırlarını daha katı hale getirmesine yol açabilir.
Bu durum API üzerinden ürün geliştiren şirketler için daha sıkı oran sınırları, ek kimlik doğrulama kontrolleri ve kullanım örüntülerinin daha yakından izlenmesi anlamına gelebilir. Aynı zamanda bir modelden elde edilen sentetik verinin kaynağı ve kullanım hakkı da daha önemli bir yönetişim konusu haline gelebilir.
AMD, Fei-Fei Li tarafından kurulan uzamsal yapay zeka şirketi World Labs’i yaklaşık 8,2 milyar dolar değerindeki hisse bazlı bir anlaşmayla satın alacağını açıkladı.
World Labs; metin, görüntü ve videolardan etkileşimli üç boyutlu ortamlar üreten ve bu ortamları robot eğitimi ile simülasyonda kullanmayı amaçlayan dünya modelleri geliştiriyor.
Anlaşmanın düzenleyici onayların ardından 2026 yılı sonuna kadar tamamlanması bekleniyor. Satın alma sonrasında World Labs ekibinin model araştırmalarını sürdürmesi, Fei-Fei Li’nin ise AMD’ye başkan yardımcısı ve baş bilim insanı olarak katılması planlanıyor.
Neden önemli?
AMD’nin hamlesi, çip şirketlerinin yalnızca modellerin üzerinde çalıştığı donanımı sunmakla yetinmeyebileceğini gösteriyor.
World Labs’in teknolojisi robotik, dijital ikizler, oyun geliştirme, endüstriyel simülasyon ve fiziksel yapay zeka gibi alanlarda kullanılabilir. AMD böylece donanım ile bu donanım üzerinde çalışacak yeni nesil model mimarilerini birlikte geliştirme fırsatı elde edebilir.
NVIDIA’nın model ve yazılım ekosistemindeki güçlü konumuna karşı AMD’nin de daha bütünleşik bir yapay zeka yığını kurmaya yöneldiği düşünülebilir.
Meta, şirketlerin yapay zeka sistemlerini kendi operasyonlarına entegre etmesine yardımcı olmayı amaçlayan Meta Enterprise Platform adlı yeni iş kolunu duyurdu.
Platformun ilk aşamada Muse ajanını, Meta Business Agent’ı, Muse API’yi ve Muse Code’u kurumlara ve geliştiricilere sunması planlanıyor. Meta, yeni yapının başına MongoDB’nin eski CEO’su Chirantan “CJ” Desai’yi getirdi.
Şirket, milyarlarca kullanıcıya ulaşan ürünleri ve yüz milyonlarca işletmeyle kurduğu mevcut ilişkiyi kurumsal yapay zeka pazarında avantaja çevirmeyi hedefliyor.
Neden önemli?
Meta’nın bugüne kadarki yapay zeka stratejisi büyük ölçüde tüketici uygulamaları, reklam ürünleri ve açık modeller üzerinden ilerliyordu. Yeni platform, şirketin Microsoft, Google, OpenAI ve Anthropic’in güçlü olduğu kurumsal pazara daha doğrudan girmeye hazırlandığına işaret ediyor.
WhatsApp, Messenger ve Instagram gibi mevcut kanalların kurumsal ajanlarla birleşmesi; satış, müşteri hizmetleri ve ticaret süreçlerinde Meta’ya önemli bir dağıtım avantajı sağlayabilir.
Kurumlar açısından ise yeni bir seçenekle birlikte veri taşınabilirliği, platform bağımlılığı ve farklı ekosistemler arasında entegrasyon soruları gündeme gelebilir.
Çin merkezli DeepSeek’in yıllıklandırılmış gelir hızının birkaç ay içinde iki kattan fazla artarak 1 milyar dolara ulaştığı bildirildi.
Reuters’ın aktardığı habere göre büyümenin önemli bölümü API kullanımından gelirken şirketin fiyatlarını 2,3 ila 4,5 kat artırmasına rağmen talep güçlü kaldı. DeepSeek’in aynı zamanda yeni bir yatırım turu ve Şanghay STAR Market’te olası halka arz için hazırlık yaptığı belirtiliyor.
Ancak gelir ve değerleme rakamlarının şirket tarafından kamuya açıklanmadığını, Reuters’ın da söz konusu gelir bilgisini bağımsız olarak doğrulayamadığını not etmek gerekiyor.
Neden önemli?
DeepSeek’in yükselişi, Çin merkezli model sağlayıcılarının yalnızca düşük maliyetli teknik alternatifler değil, yüksek gelir üretebilen küresel şirketler haline gelme ihtimalini güçlendiriyor.
Fiyat artışına rağmen talebin korunması, kullanıcıların yalnızca en ucuz modeli değil, maliyetine kıyasla yeterli performansı sunan modelleri tercih ettiğini düşündürüyor.
Olası halka arz, yapay zeka şirketlerinin giderek artan altyapı ve yetenek maliyetlerini karşılamak için sermaye piyasalarına yönelmesinin bir başka örneği olabilir.
Google DeepMind, yapay zeka tarafından üretilen protein dizileri ve üç boyutlu protein yapıları için geliştirilen SynthID Bio adlı filigran sistemini tanıttı.
Sistem, protein dizilerindeki amino asit seçimlerine veya tahmin edilen üç boyutlu yapılardaki atom koordinatlarına tespit edilebilir bir imza ekliyor. Google’ın laboratuvar testlerinde filigran eklenen protein bağlayıcıların biyolojik işlevlerini koruduğu bildiriliyor.
Teknoloji henüz kavram kanıtlama aşamasında. Filigranın kasıtlı olarak kaldırılmaya karşı ne kadar dayanıklı olduğu ve farklı biyolojik tasarım yöntemlerine nasıl uygulanacağı üzerinde çalışılması gerekiyor.
Neden önemli?
Üretken yapay zeka biyolojik tasarımda daha fazla kullanılmaya başladıkça, bir protein dizisinin doğal mı yoksa yapay zeka tarafından mı üretildiğini belirlemek zorlaşabilir.
Bu ayrım; biyogüvenlik taramaları, bilimsel veri tabanlarının bütünlüğü ve araştırma sonuçlarının kaynağının doğrulanması açısından önemli olabilir.
SynthID Bio tek başına bütün riskleri çözmeyebilir. Ancak model güvenliği, müşteri doğrulaması, sentez taraması ve veri kaynağı kayıtlarıyla birlikte kullanılabilecek yeni bir doğrulama katmanı sunabilir.
Bu haftanın gelişmeleri, yapay zeka yarışının odağının yalnızca daha güçlü modeller üretmekten sürekli çalışan sistemleri güvenli ve ekonomik biçimde yönetmeye doğru genişlediğini gösteriyor.
Dots gibi ürünler ajanları kullanıcıların günlük iş akışlarına yerleştirirken, GPT-6.1 Sol ve Gemini 4 Argon daha uzun ve karmaşık görevleri hedefliyor. NVIDIA’nın güvenlik platformu ise bu sistemlerin gerektiğinde modelin dışındaki bir katmandan sınırlandırılmasına odaklanıyor.
Aynı zamanda model muhakemesinin izinsiz biçimde çıkarılmaya çalışılması, yapay zeka güvenliğinin yalnızca kullanıcı verilerini korumaktan ibaret olmadığını gösteriyor. Model yetenekleri, erişim anahtarları, muhakeme içerikleri ve ajanların bağlı olduğu araçlar da korunması gereken varlıklar arasına giriyor.
Kurumların önümüzdeki dönemde en az üç alanı birlikte değerlendirmesi gerekebilir:
En güçlü modele erişmek önemli olmaya devam edebilir. Ancak sürdürülebilir kurumsal kullanım açısından asıl farkı, bu modellerin çevresine kurulan yetkilendirme, güvenlik, maliyet ve denetim altyapısının yaratması mümkün.
İşitme Engelli Çalışanlar İçin Yapay Zeka Destekli İletişim Çözümü
Yapay zeka sistemleri yalnızca içerik üreten araçlar olmaktan çıkarak karar süreçlerinin daha fazla noktasına yerleşiyor.…
Dün, TRAI Ulaşım ve Lojistik Yapay Zeka Çalışma Grubu’nun ilk toplantısını gerçekleştirdik. Ulaşım ve lojistik…
Yapay zeka sektöründe rekabet yalnızca daha güçlü modeller geliştirmek üzerinden ilerlemiyor. Modellerin ne kadar hızlı…
109. TRAI Meet-Up’ta YZ ile Yeniden Şekillenen İK ve Eğitim Teknolojilerini Konuştuk
Yapay zeka gündeminde Eylül ayının ilk günlerine büyük model duyuruları damga vurdu. OpenAI, Anthropic ve…