Yapay zeka ajanları sohbet penceresinin dışına çıktıkça sektörün öncelikleri de değişiyor. Modellerin ne kadar güçlü olduğu önemini korurken; hangi sistemlere erişebildikleri, kullanıcı adına ne ölçüde hareket edebildikleri ve bu işlemlerin nasıl denetlendiği daha görünür bir tartışma alanına dönüşüyor.

17–23 Ekim 2026 döneminde bu değişimin farklı katmanlarını aynı anda gördük. Anthropic, arka planda çalışabilen Claude Duet’i tanıtırken bazı büyük bankalar üçüncü taraf ajanların müşteri hesaplarına erişimini sınırlandırdı. Linux Foundation çatısı altındaki Agentic AI Foundation ise ajanların beceri, model bağlantısı, eğitim ortamı ve güvenli çalışma katmanları için dört yeni açık projeyi bünyesine kattı.

Altyapı tarafında OpenAI modellerinin Google Cloud’a gelmesi, kurumların tek bir model veya bulut sağlayıcısına bağlı kalmadan çalışmak istediğine işaret ediyor. Meta’nın aynı hafta hem yerelde çalıştırılabilen açık ağırlıklı bir model hem de gigawatt ölçekli bir süperküme duyurması da yapay zeka yarışının cihazdan veri merkezine kadar uzandığını gösteriyor.

TRAI olarak haftanın yapay zeka gündeminden öne çıkan 10 gelişmeyi ve bunların kurumlar açısından neden önemli olabileceğini derledik.

1. Claude Duet, proaktif yapay zeka ajanlarını günlük iş akışına taşıyor

Anthropic, profesyoneller ve küçük işletmeler için geliştirdiği Claude Duet adlı proaktif yapay zeka ajanını araştırma ön izlemesi olarak tanıttı. ABD’deki Claude Pro ve Max abonelerine bekleme listesiyle açılan uygulama; iOS, Android ve web üzerinden kullanılabiliyor.

Duet, kullanıcının bağladığı uygulamalardaki önemli gelişmeleri özetleyen bir sabah bilgilendirmesi hazırlayabiliyor, gün içinde değişiklikleri izleyebiliyor ve verilen görevler üzerinde kullanıcı cihazın başında değilken de çalışabiliyor. Toplantı planlamadan gösterge paneli ve finansal tahmin hazırlamaya kadar farklı görevleri üstlenebildiği belirtiliyor.

Anthropic’e göre sistem; ödeme gönderme, mesaj iletme veya veri silme gibi sonuç doğurabilecek işlemlerden önce kullanıcı onayı istiyor. Şirket aynı zamanda Duet’in erken bir sürüm olduğunu, bazı konuşmaları yanlış yorumlayabileceğini veya hangi konunun acil olduğunu hatalı değerlendirebileceğini de belirtiyor.

Neden önemli?

Yapay zeka ürünleri, kullanıcının her adımı başlattığı sohbet araçlarından sürekli çalışan ve neyin dikkat gerektirdiğini kendisi değerlendiren sistemlere doğru ilerliyor. Bu değişim, çalışanların zamanını azaltma potansiyeli taşısa da erişim yetkileri, veri sınırları ve onay mekanizmalarını ürün tasarımının merkezine yerleştiriyor.

Kurumlar açısından kritik soru yalnızca ajanın hangi işleri yapabildiği değil; hangi uygulamaları görebildiği, hangi işlemleri kendi başına tamamlayabildiği ve yaptığı işin ne ölçüde izlenebildiği olabilir. Duet’in gerçek kurumsal etkisi de erken erişimden çıkmasının ardından güvenilirlik, entegrasyon ve denetim performansıyla daha net değerlendirilebilir.

2. Büyük bankalar üçüncü taraf ajanların hesap erişimini sınırlandırıyor

ABD’deki bazı büyük bankaların, müşteri giriş bilgileriyle hesaplara bağlanan üçüncü taraf yapay zeka ajanlarını tespit ettiği ve bu erişimleri sınırlandırmaya başladığı bildirildi. Morgan Stanley, JPMorgan Chase, Bank of America, Citi ve Wells Fargo adı geçen kurumlar arasında yer alıyor.

Haberlerdeki vakaların önemli bir bölümünde müşterilerin erişim bilgilerini kendi istekleriyle bir ajana verdiği belirtiliyor. Buna rağmen bankaların mevcut koşulları çoğunlukla müşterinin hesaba doğrudan giriş yapmasını gerektiriyor. Finans kuruluşlarının temel kaygısı ise sistemlerin, kullanıcı tarafından verilen yetkinin kapsamını doğru yorumlayıp yorumlamadığını ayırt edememeleri.

Bazı bankalar yalnızca veri görüntülemeye izin veren kontrollü bağlantılara daha açık yaklaşırken, para transferi veya hesapta değişiklik yapma yetkisi konusunda daha temkinli davranıyor. Morgan Stanley de platformlarında izinsiz veya kontrolden çıkmış bir ajan vakası tespit etmediğini özellikle belirtti.

Neden önemli?

Ajanların gerçek ekonomik işlemlere katılabilmesi, yalnızca model yeteneğiyle çözülebilecek bir mesele değil. Kimlik doğrulama, yetki devri, sorumluluk paylaşımı ve işlemin insan mı yoksa yazılım mı tarafından başlatıldığının kanıtlanması gibi yeni altyapı katmanlarına ihtiyaç duyuluyor.

Finans sektörü bu gerilimin erken örneklerinden birini sunuyor. Kurumların uzun vadede ajanları tamamen dışarıda tutmak yerine, okunabilir ve denetlenebilir erişim kanalları geliştirmesi mümkün olabilir. Ancak bu geçişte kullanıcı şifresini taklit eden ajanlardan çok, açık yetkilendirme ve işlem sınırları olan bağlantıların tercih edilmesi beklenebilir.

3. Anthropic’te giriş seviyesi teknik işe alım payı yüzde 27’den yüzde 9’a geriledi

Anthropic, yapay zeka kullanımının kendi organizasyonundaki çalışma biçimi ve istihdam yapısıyla ilişkisini inceleyen bir araştırma yayımladı. Şirket verilerine göre giriş seviyesi çalışanların teknik ekipler içindeki payı 2025 başından bu yana yüzde 21’den yüzde 14’e, yeni teknik işe alımlardaki payı ise yüzde 27’den yüzde 9’a geriledi.

Aynı araştırmada, çalışanlar tarafından yönlendirilen etkileşimli ajanların toplam çalışma süresinin ağustos ayında insan çalışma saatlerinin yaklaşık altı katına ulaştığı belirtiliyor. Kod üretimi, satış, sözleşme işleme ve fatura yönetimi gibi ölçülebilir çıktılarda artış görülürken, çalışanların ajanlardan gelen sonuçları okuyup değerlendirmesi yeni bir darboğaz olarak öne çıkıyor.

Anthropic, bulgularını şirket içi kullanım verileri, işe alım kayıtları, çalışan anketleri ve 17 görüşmeye dayandırıyor. Dolayısıyla sonuçların teknoloji dışındaki sektörlere veya bütün iş gücü piyasasına doğrudan genellenmemesi gerekiyor.

Neden önemli?

Araştırma, yapay zekanın yalnızca mevcut görevleri hızlandırmakla kalmayıp ekiplerin kıdem dağılımını ve işe alım ölçütlerini de etkileyebileceğine dair somut bir şirket örneği sunuyor. Özellikle giriş seviyesindeki rollerin azalması, kurumların gelecekte uzman ve yönetici yetiştireceği deneyim basamaklarını nasıl koruyacağı sorusunu gündeme getiriyor.

Diğer taraftan artan çıktı, insan emeğinin ortadan kalktığı anlamına gelmiyor. Bulgular; çalışanların doğrudan üretimden ajanları yönlendirme, sonuçları doğrulama ve daha geniş kapsamlı kararlar alma işlerine kayabildiğini düşündürüyor. Kurumlar için beceri geliştirme, iç rotasyon ve verimlilik kazanımlarının çalışanlarla nasıl paylaşılacağı daha önemli hale gelebilir.

4. Ajan ekosisteminin dört temel bileşeni tarafsız bir vakıf çatısına taşındı

Linux Foundation bünyesindeki Agentic AI Foundation, Anthropic, OpenAI, Hugging Face ve Alibaba tarafından geliştirilen dört yeni açık projeyi bünyesine kattı. Böylece vakfın yönettiği proje sayısı ilk yılında üçten ona çıktı.

Yeni projeler, ajan ekosisteminin farklı katmanlarına odaklanıyor:

• Agent Skills, ajanlara belirli bir iş veya alana ilişkin talimat, betik ve kaynakları taşınabilir paketler halinde sunuyor.
• Open Responses, uygulamaların farklı model sağlayıcılarıyla ortak bir istek ve yanıt şeması üzerinden çalışabilmesini hedefliyor.
• OpenEnv, ajanların eğitildiği ve değerlendirildiği pekiştirmeli öğrenme ortamlarını paylaşılabilir hale getirmeyi amaçlıyor.
• OpenSandbox, kod veya arayüz kullanan ajanlar için ortak ve güvenli çalışma ortamları sağlamaya odaklanıyor.

Bu projeler MCP, A2A ve AGENTS.md gibi daha önce vakfa taşınmış standartlarla birlikte açık ve sağlayıcıdan bağımsız bir yönetişim altında geliştirilecek.

Neden önemli?

Kurumsal ajan pazarının yalnızca modeller üzerinden şekillenmesi, becerilerin ve entegrasyonların belirli bir sağlayıcıya kilitlenmesi riskini artırabilir. Ortak biçimler; aynı iş bilgisinin farklı ajanlarda kullanılmasını, sağlayıcı değiştirirken daha az entegrasyon çalışması yapılmasını ve güvenlik politikalarının tekrar kullanılmasını kolaylaştırabilir.

Tarafsız bir vakıf çatısı tek başına birlikte çalışabilirliği garanti etmiyor. Standartların gerçekten yaygınlaşması; sağlayıcıların uygulama kalitesine, sürüm yönetimine ve güvenlik rehberlerinin olgunlaşmasına bağlı görünüyor. Buna rağmen bu adım, ajan altyapısında ortak bir temel oluşturma çabasının güçlendiğine işaret ediyor.

5. OpenAI modelleri ve Codex iş akışları Google Cloud’a geliyor

OpenAI ve Google Cloud, OpenAI’ın gelişmiş modelleriyle Codex’in ajan tabanlı iş akışlarını Google Cloud Model Garden’a getirecek bir iş birliği açıkladı. Modellerin Google Cloud Marketplace üzerinden satın alınabilmesi ve mevcut Google Cloud harcama taahhütlerinden düşülebilmesi planlanıyor.

Entegrasyonun; Google Cloud’un erişim kontrolleri, merkezi veri yönetişimi ve altyapısıyla birlikte sunulması hedefleniyor. OpenAI modellerinin daha sonra Google Antigravity ve Gemini Agent içinde de seçenek olarak yer alması bekleniyor. Genel kullanıma açılmanın önümüzdeki haftalarda gerçekleşmesi planlanırken Microsoft, OpenAI’ın birincil bulut ortağı olmayı sürdürüyor.

Neden önemli?

Kurumsal müşteriler model erişimini çoğu zaman doğrudan bir API ilişkisinden ziyade mevcut bulut sözleşmeleri, kimlik sistemleri ve denetim araçları üzerinden yönetmek istiyor. OpenAI modellerinin rakip bir model sağlayıcısının bulutunda sunulması, bu talebin sağlayıcı rekabetinin önüne geçebildiğini gösteriyor.

Gelişme, çoklu model stratejisini uygulamayı kolaylaştırabilir. Bununla birlikte “aynı bulutta erişim” ile gerçek sağlayıcı bağımsızlığı aynı şey değil. Fiyatlandırma, veri bölgeleri, özellik eşitliği ve bir modelden diğerine geçiş maliyeti kurumların değerlendirmesinde belirleyici olmaya devam edebilir.

6. Meta, yapay zeka altyapısının iki ucuna birden yatırım yapıyor

Meta, bir tarafta yerel donanımda çalıştırılabilen açık ağırlıklı bir model, diğer tarafta yüz binlerce GPU’yu bir araya getiren veri merkezi altyapısını ayrıntılandırdı.

Şirketin yayımladığı Muse Spark Open, toplam 816 milyar ve her token için etkinleşen 42 milyar parametreye sahip, çok kipli bir model. Bir milyon tokenlık bağlam penceresi sunan modelin iki adet 512 GB belleğe sahip M5 Ultra Mac Studio üzerinde MLX kullanılarak çalıştırılabildiği belirtiliyor. Ağırlıklar indirilebiliyor; ancak Muse Model License bazı ticari kullanım koşulları içeriyor.

Meta aynı hafta Ohio’daki gigawatt ölçekli Prometheus süperkümesinin ilk aşamasının tamamlandığını açıkladı. Şirkete göre halihazırda yüz binlerce GPU’dan oluşan sistemin zamanla yaklaşık bir milyon GPU ölçeğine çıkarılması hedefleniyor. Kapalı devre sıvı soğutma ve farklı GPU kuşaklarının aynı altyapıda kullanılması, projenin öne çıkan unsurları arasında.

Neden önemli?

Bu iki gelişme birbirinin karşıtı gibi görünse de aynı stratejinin parçaları. Frontier modelleri eğitmek için dev veri merkezleri gerekirken, eğitilmiş modellerin kuruma veya kullanıcıya yakın çalıştırılması veri kontrolü ve gecikme açısından avantaj sağlayabiliyor.

Yerel çalıştırma ifadesini de bağlamıyla değerlendirmek gerekiyor: iki üst seviye iş istasyonundan oluşan bu kurulum, sıradan bir dizüstü bilgisayar senaryosu değil. Yine de açık ağırlıklı modellerin yalnızca büyük bulut kümelerinde değil, kurumların kontrol ettiği donanımlarda da çalıştırılabilmesi için seçeneklerin genişlediğini gösteriyor.

7. TorchTPU ve DeepInfer, çıkarım altyapısında daha fazla seçenek sunuyor

Google ve Meta’nın PyTorch ekibi, Google TPU’larında standart PyTorch iş yüklerini çalıştırmayı kolaylaştıran TorchTPU yığınını açık kaynak olarak yayımladı. Araç; vLLM, SGLang, Hugging Face, Ray ve TorchTitan gibi yaygın bileşenlerle entegrasyon sunuyor ve mevcut PyTorch kodunun sınırlı değişiklikle TPU’lara taşınmasını hedefliyor.

DeepSeek ise kendi büyük ölçekli hizmetlerinde kullandığını belirttiği DeepInfer çıkarım çerçevesini Apache 2.0 lisansıyla açtı. İlk sürüm DeepSeek-V4.1-Flash modelini, Nvidia SM100 GPU’ları ve Huawei Ascend 950 hızlandırıcılarını destekliyor.

DeepInfer’ın yayımlanan sürümü tam bir çevrim içi hizmet değil. Projenin kendi dokümantasyonuna göre üretim ortamı için gereken KV önbelleği, isteklerin farklı aşamalara dağıtılması ve yük dengeleme gibi bazı bileşenlerin ayrıca kurulması gerekiyor.

Neden önemli?

Yapay zeka maliyetinde model kadar onu hangi donanım ve yazılım katmanıyla çalıştırdığınız da etkili. PyTorch kodunun farklı hızlandırıcılara taşınmasını kolaylaştıran araçlar, Nvidia GPU’larına bağımlılığı kısmen azaltabilir. Üretim çıkarımındaki optimizasyonların açılması da kurumların kendi altyapılarını kurarken daha fazla seçeneğe sahip olmasına yardımcı olabilir.

Ancak açık kaynak kod, hazır ve düşük maliyetli bir kurumsal hizmet anlamına gelmiyor. Donanım erişimi, operasyon ekibi, gözlemlenebilirlik ve eksik servis bileşenleri toplam maliyeti belirlemeye devam edecek. Bu nedenle söz konusu projeler kısa vadede özellikle gelişmiş altyapı ekipleri için daha anlamlı görünüyor.

8. Patch the Planet, güvenlik açığı bulmaktan yamayı yaygınlaştırmaya odaklanıyor

OpenAI, Patch the Planet girişimi kapsamında PHP’deki iki kritik güvenlik açığının bulunması, doğrulanması ve kamuya açıklanmadan önce gerekli korumaların hazırlanması için yürütülen koordinasyonu duyurdu. Şirkete göre açıklardan biri GPT-5.6 Sol kullanan Calif tarafından tespit edildi; güvenlik şirketi Wiz de iki açığı bağımsız olarak bulup bildirdi.

PHP geliştiricileri düzeltmeleri hazırlarken OpenAI, Wiz, Cloudflare ve diğer paydaşlar test, teknik destek ve açıklama takviminin koordinasyonuna katkı sağladı. Kurumların kullandıkları PHP sürümünü kontrol edebilmesi için bir Codex becerisi de yayımlandı.

OpenAI, gelişmiş modellerin açıkları saldırganlardan önce bulduğunu belirtiyor. Bu iddia şirketin açıklamasına dayanıyor; operasyonun uzun vadeli etkisi, yamaların ne kadar hızlı benimsendiği ve benzer süreçlerin farklı açık kaynak projelerinde tekrarlanıp tekrarlanamayacağıyla daha iyi anlaşılabilir.

Neden önemli?

Önceki sayıda yapay zeka destekli siber savunma programlarını ele almıştık. Bu haftaki yeni unsur, modelin açığı bulmasından sonraki operasyonel zincir: proje sahipleri, bulut sağlayıcıları, güvenlik şirketleri ve kamu kurumlarının yamayı saldırganlardan önce hazırlayıp dağıtabilmesi.

Gelişmiş modeller daha fazla açık buldukça darboğazın keşiften koordinasyona kayması mümkün. Küçük açık kaynak ekiplerinin her bulguyu doğrulaması, farklı sürümler için düzeltme üretmesi ve kullanıcılara ulaştırması kolay değil. Bu nedenle finansman, önceliklendirme ve sorumlu açıklama süreçleri siber savunmanın model kapasitesi kadar önemli bir parçası olabilir.

9. Anthropic, bağımsız denetim ve kamu yararı için iki yeni mekanizma oluşturuyor

Anthropic, model risklerini değerlendiren kâr amacı gütmeyen kuruluş METR’den altı kişilik bir ekibe şirket içindeki risk ekiplerine yakın düzeyde erişim verdiğini açıkladı. Ekip şirket donanımını, ofis alanını ve belirli iç sistemleri kullanabilecek; müşteri verileri, avukat-müvekkil gizliliği ve bazı mimari bilgiler ise kapsam dışında tutulacak.

METR, risk düzeyi ve şirket uygulamalarına ilişkin değerlendirmelerini Anthropic’in onayı olmadan yayımlayabilecek. Anthropic, önceden tanımlanmış gizli bilgi kategorileri için redaksiyon talep edebilecek. Şirket ayrıca SecureBio ve Accenture gibi farklı değerlendiricilerle daha sınırlı kapsamda çalışıyor.

Anthropic aynı hafta, hisselerinin yüzde 5’ini hissedar onayına bağlı olarak yeni kurulan Public Benefit Fund yapısına ayıracağını duyurdu. Şirket değerlemesindeki belirli artışlarla fon payına yönetim kurulu kararıyla ilave yapılabilecek. Fonun ayrıntılı yönetişim yapısının ilerleyen aylarda açıklanması planlanıyor.

Neden önemli?

Bu iki mekanizma farklı sorunlara yanıt arıyor. Bağımsız değerlendirici modeli, şirket dışındaki uzmanların kamuya açık bilgilerden daha fazlasını görerek riskleri incelemesini amaçlıyor. Kamu yararı fonu ise şirket büyümesinden doğabilecek ekonomik değerin bir bölümünü toplumsal amaçlara yönlendirmeyi hedefliyor.

Her iki yaklaşım da henüz uygulamanın başında. Denetçinin erişim kapsamı ve yayın özgürlüğü, fonun karar mekanizması ve kaynakların nasıl dağıtılacağı sonuçlar üzerinde belirleyici olabilir. Yine de gelişmeler, yapay zeka şirketlerinin güven ve toplumsal etkiyi yalnızca ilke metinleriyle değil, kurumsal yapılarla da ele alma arayışına işaret ediyor.

10. Kapanan girişimlerin verisi yeni bir eğitim kaynağına dönüşüyor

MIT Technology Review, faaliyetini sonlandıran bazı teknoloji girişimlerinin kod depoları, çalışma alanları ve kurumsal iletişim verilerinin yapay zeka laboratuvarlarına satıldığını bildirdi. Haberde sohbetler, e-postalar ve gerçek iş süreçlerinin; modelleri yazılım geliştirme ve kurumsal görevlerde eğitmek için değerli hale geldiği aktarılıyor.

Bu tür veri setleri, internetteki genel metinlerden farklı olarak çalışanların gerçek sorunları nasıl çözdüğünü, hangi araçları kullandığını ve kararları nasıl verdiğini gösterebiliyor. Ancak verilerin ilk toplandığı amaç ile daha sonra model eğitimi için kullanılması arasında önemli bir bağlam farkı bulunuyor.

Neden önemli?

Bir şirketin kapanması, çalışanların ve müşterilerin verileri üzerindeki beklentilerin de sona erdiği anlamına gelmiyor. İflas veya varlık satışı sırasında kodun yanında mesajların, belgelerin ve çalışma kayıtlarının da devredilebilmesi; rıza, ticari sır ve kişisel veri açısından yeni riskler yaratabilir.

Girişimler ve onlarla çalışan kurumlar için veri sözleşmelerinde yalnızca aktif kullanım dönemini değil, şirket satıldığında veya kapandığında ne olacağını da tanımlamak önem kazanıyor. Yatırımcılar ve satın alan şirketler açısından da bir veri varlığının ekonomik değeri kadar, hangi izinlerle toplandığı ve yeniden kullanıma uygun olup olmadığı incelenmeli.

Haftanın büyük resmi: Ajanların önündeki asıl sınav erişim ve yönetişim

Bu haftanın gelişmeleri, yapay zeka ajanlarının daha fazla iş yapmaya başladığını; ancak gerçek dünyadaki etkilerinin model performansından çok çevrelerindeki altyapıyla şekillenebileceğini gösteriyor.

Claude Duet gibi ürünler arka planda çalışıp kullanıcının dikkatini yönetmeyi hedefliyor. Bankaların tepkisi ise ajanların hassas sistemlere geleneksel kullanıcı kimlikleriyle girmesinin sürdürülebilir olmayabileceğini ortaya koyuyor. Agentic AI Foundation’a taşınan açık projeler de beceri, bağlantı, eğitim ve güvenli çalışma ortamı gibi katmanların ortak standartlara ihtiyaç duyduğuna işaret ediyor.

Altyapı tarafında OpenAI ile Google Cloud iş birliği model seçimini bulut sözleşmelerinin içine taşırken Meta, yerel donanım ile gigawatt ölçekli veri merkezi arasında geniş bir çalışma alanı kuruyor. TorchTPU ve DeepInfer gibi açık projeler ise model çalıştırma katmanında daha fazla seçenek sunmayı amaçlıyor.

İş gücü araştırması, bağımsız değerlendirme modeli ve kapanan girişimlerin verilerine ilişkin haberler aynı gerçeğin farklı yönlerini gösteriyor: yapay zeka kurumun içine girdikçe yalnızca teknoloji ekiplerini değil, işe alım politikasını, denetim yapısını ve veri sözleşmelerini de etkiliyor.

Kurumlar açısından bundan sonraki soru yalnızca “hangi ajan daha yetenekli?” olmayabilir. Daha belirleyici sorular şunlar:

• Ajan hangi verilere ve sistemlere erişebiliyor?
• Hangi işlemleri kendi başına yapabiliyor?
• Yetki ve sorumluluk nasıl kanıtlanıyor?
• Beceriler ve iş akışları sağlayıcılar arasında taşınabiliyor mu?
• Çıktılar kim tarafından ve hangi ölçütlerle denetleniyor?

Bu soruları model seçimiyle birlikte ele alan kurumların, ajan teknolojilerinden daha kontrollü ve sürdürülebilir biçimde yararlanması mümkün olabilir.