Soft Commitment’ın 211. sayısından herkese merhaba!
Rastlamanızın pek kolay olmadığı konu, ürün ve içgörülerle, zihninizde daha sonra birleştirmeniz için çok sayıda nokta oluşturmaya çalışacağım.
Son 15 güne Soft Commitment bakışı atmaya hazır mısınız?
Soft Commitment’ı ilgisini çekeceğini düşündüğünüz arkadaşlarınızla paylaşmayı da lütfen unutmayın. Beraber ve sayenizde büyüyorum/z.
Keyifli okumalar,
SaaSBridge imzalı SaaS Summit’26; AI ve SaaS profesyonellerini bir araya getiriyor. 2 Aralık Cumartesi, Bilgi Ticarileştirme Merkezi’nde (Fulya) 500’den fazla katılımcı ve 10’larca konuşmacı bir arada olacak. Ve evet, Soft Commitment da etkinliğin medya sponsorlarından biri.
Aynı zamanda Danışma Kurulu Üyesi olduğum SaaSBridge’in yıl içinde düzenlediği en büyük etkinliği olan SaaS Summit için yüzde 15 indirimle bilet satın almak için “SC15” kodunu kullanabilirsiniz.
Dario Amodei: “We Must Pace the Frontier”
Çok konuşulan Dario Amodei’nin “We Must Pace the Frontier“ çıkışı ve Sam Altman ile Elon Musk’ın da kendisine katılması üzerine haftasonu yoğun bir şekilde “Frontier AI Lab’lerin yavaşlaması” gündemi oluştu. Herkes duydu ve zaten hep konuştuğum konulardı diyerek pas geçecektim, ama girişte kısaca görüşlerimi paylaşmak istedim.
Dario’ya ben de katılıyorum. Transparency, accountability, bağımsız denetim, küresel düzenleme şart. Geçen sene de şarttı, şu an daha fazla şart. Diğer yandan very big AI tech’lerin, -hele ki IPO arifesinde- hangi açıklamayı hangi alt metinle yaptığını anlamak da güç. Yavaşlamak isteyen zaten yavaşlar öyle değil mi, bombayı sahiplenip elini taşın altına koyan da yok hala.
Biz işimize bakalım.
Soft Commitment Signals 🔮
Adına ‘Soft Commitment Signals’ dediğim bu bölümde, AI dünyasında biraz da olsa erken keşfettiğim yenilik ve içgörüleri sizlere aktaracağım. Kısa, hap bilgi şeklinde. ‘Zaten bir hayli hızlı değişen dünyada bunlar ne kadar anlamlı olacak?’ dediğinizi duyar gibiyim; lakin bir okuyun, bence iş yapış şeklinizde ve geleceğe olan hazırlığınızda önemli içgörüler olacak nitelikteler.
1- Frontier talebi nereden geliyor/gelecek?
Soft Commitment #210’da detaylıca ele aldığım AI ekonomisi yani frontier labs vs open-weight/source model ayrımı konusunda biraz daha derine inelim…
Y Combinator’ın bu konuyu ele alan videosundaki tahmin çarpıcı; kurumların AI token dağılımlarında %80-90 açık modellerden geçecek ama açık modeller toplam maliyetin yalnızca %10-20’sin denk gelecek. En zorlu görevler için tercih edilen frontier modeller gelirden aslan payını alacak.
Yani örneğin vergi planlama gibi basit işlerde, yeterli performans sağlandığından emin olunduktan sonra çoğunlukla açık modellere yönelinecek. Ar-Ge, yazılım mühendisliği ve trading gibi işlerde ise frontier modeller tercih edilecek.
İlla ki bir ayrıma gidelim derseniz; açık modeller kısa süren mini görevlerde, frontier modeller ise yapılacak işin hiçbir zaman bitmediği, deneme-yanılma döngüsünü içeren “sınırsız” ve başarı limitinin olmadığı işlerde kullanılacak.
Sınırsız işlerde gelire etki ihtimali de çok daha fazla, ki örneğin AI lab’ler de frontier modelleri kullanarak daha iyi model geliştiriyor; daha iyi model ile daha fazla gelir elde ediyor ve gelen parayla daha fazla compute satın alıyor. Bazı işlerde token bütçesi bir maliyet değil, doğrudan sermaye yatırımı haline geliyor; buna pekala “token arbitraj” diyebiliriz.
2- Dört alt kategoride Agentic Commerce’e bakış
Agentic Commerce ve AI Search alanındaki gelişmelere beraber bakalım mı?
Öncelikle Newcomer’daki konuya şu 4 alt kategoriden bakan anlatım hoşuma gitti:
Shopping Assistants
Multipurpose Personal Agents
Marketing Tech, GEO
Smart Payments
Adobe araştırması bence kritik; 2026’da tüketicilerin %41’i online alışveriş sırasında bir şekilde AI kullanmış. Benzer şekilde insanların %53’ü, AI’ın ürün tavsiyelerine markanın kendi web sitesi kadar güvendiğini söylüyor.
E-ticaret sitelerindeki search kutusunun, bir conversational shopping asistanına evrilmesi gerektiğini söylemek için geç bile kaldık. “Şu an Türkiye’de ne durumdayız” diye sorarsanız, 30 saniyede buradan bayağı uzak olduğumuzu gördüm… Aramanın bir adım ötesinde deneyimi o kutudan çıkarmak ve bir asistana çevirmek var ki bunun güzel bir örneğini #210’da ele almıştım: Instacart. Evet, burası birinci alt kategori.
İkinci kategoride ise aynı zamanda sizin adınıza işlem yapabilen, MPA’ler yer alıyor. Bu kategoride hala iade gerektiren işlemler bolca söz konusu, mükemmel bir deneyimden söz etmek zor ki 4. kategorideki altyapı katmanına daha gelmedik bile.
Üçüncü alt kategori (GEO) zaten bildiğimiz konu. Orada da OpenAI’ın stratejisindeki değişim dikkat çekici. OpenAI, geçen yıl Eylül’de, Stripe ile beraber duyurduğu ACP ile beraber Instant Checkout özelliğini başlatmıştı. Yani ChatGPT arayüzünde ödeme adımını tamamlama. Mart 2026’ya geldiğimizdeyse OpenAI, ChatGPT ile ürün keşfi yapılsın, check-out da merchant’ta gerçekleşsin modeline dönüş yaptı.
Dördüncü alt kategoride ise şu an OpenAI ve Stripe bir cephede (Agentic Commerce Protocol - ACP), Google ise Universal Commerce Protocol (UCP) ile karşılarında, hem Visa hem de Mastercard da kendi protollerini oluşturmuş durumdalar.
Burada standart olma/oluşturma yarışı sürüyor.
Diğer yandan #195’de bahsettiğim Coinbase ve Cloudflare’in x402’sinde de işlemlerin yüzde 76’sının 30 cent’in altında olduğu paylaşıldı. Mikro ödemelere ve agent’lar arası ilişkiye odaklanan x402’de şu an en çok görülen kullanım alanları ise şöyle:
ücretli veri araştırmaları
LinkedIn taramaları
konunun uzmanı agent’tan veri alma işleri
…
Tabii bunların hepsi özünde birer agent’lar arasındaki tool-call’lar.
3- Tam otonom agentlar için bir sonraki adımlar: kimlik ve bütçe, ama asıl kritik nokta; persona
ClickHouse CEO’su Aaron Katz’ın tam otonom AI agent’lara dair öngörüleri ilgi çekici.
Bugüne kadar tüm yazılımlar bir insan kullansın diye yapıldı. Örneğin bir satışçı CRM kullanır, veri analisti data warehouse’a sorgu atar veya operasyon ekibi ERP’ye bakar gibi… Kullanıcının kim olduğu, hangi ekrana gideceği ve ne tür sorgular yapacağı çok büyük oranda tahmin edilebilirdi ve ürünler de bu tahmin üzerine tasarlanırdı.
AI agent’lara geldiğimizdeyse insanlar gibi net bir persona’ları yok. Yani kendisine verilen bir görevi tamamlamak için oradan oraya geçebilir…
Bu farkın neleri değiştirdiğine bir bakalım:
AI Agent’lar insanlardan daha hızlı. Latency ilk konu. En yavaş ekran, aslında tüm sürecin yavaşlamasına sebep oluyor.
AI agent’lar insanlara göre çok daha öngörülemez. Yukarıda anlattığım gibi söz konusu problemi çözmek için her yolu deneyebilirler.
AI agent’lar insanlara kıyasla çok daha fazla veri alışverişine sebep olacak. Yani scalability üçüncü konumuz. Bizzat ClickHouse örneğinden, Tesla’nın platforma saniyede bir milyar event atması…
Yine röportajdan bir alıntı ile devam edeyim; ClickHouse’un gelecek vizyonu insanların değil, AI agent’ların oluşturduğu yeni nesil uygulamaların varsayılan database’i olmak.
Neden, çünkü AI agent’lar yalnızca yazılımı kullanmayacak, aynı zamanda yazılım seçen ve geliştirme noktasında da altyapı kararlarını veren tarafta olacak da ondan.
Tabii bir de AI agent’ın kimliği önemli ki oradaki sorular da şunlar, en kompleks olanı da bence sonuncu madde:
Kim?
Kimin?
Yetkileri ne?
Hangi veriye erişebilir?
Ne kadar para harcayabilir?
Bugün AI Governance (yönetişim) konusuna çoğu zaman insanlar için bakıyoruz, ama olması gereken insanlar için olduğu kadar yazılımın içine gömülecek şekilde; AI Agent Governance.
4- Astra’nın performansında harness’ın etkisi
OpenAI’ın çok konuşulan GPT-6 Astra modeli, ARC-AGI-3 isimli benchmark’taki standart harness ile %66, başka bir harness ile neredeyse %100 başarı elde etti. Araştırma ayrıca modelin gelişmiş harness’larda bulunan bazı yetenekleri modelin içine taşıdığını da söylüyor. Evet, OpenAI da Anthropic de bilinen best-practice’leri haliyle hem takip edip hem de implemente ediyorlar.
Şunu da kabuk etmek gerekiyor ki, model benchmark araçları veya liderlik tabloları belki fikir verebilir ama yetersiz bir veri.
AI Coding, Coding with AI, Coding AI, Coding as AI, Code by AI, Coding for AI…
Kişisel bir konuyla başlayayım; eski bir yazılım geliştirici ve bilgisayar mühendisiyim. E-bültenin başlangıç yıllarındaki okuyucu kitlesi de büyük oranda geliştiricilerdi ama hem zaman içinde benim profesyonel görevlerim mühendislikten uzaklaştı hem de e-bülten kitlesinde geliştiricilerin oranı azaldı. Öyle olunca da bu başlığı çok uzatmak istemedim ama bu konular üzerinde ayrıca konuşmak, düşünmek ve çalışmak gerekiyor. Bizzat ne yaptım, bu bölümü önden 3 geliştirici arkadaşıma gönderdim, “önce siz okuyun, sonra üzerine sohbet edelim” dedim. :)
Uber, Şubat-Ağustos arasında aynı bütçeyle agentic request sayısını 10 kart arttırmış. Yanıt tek kelime ile; mühendislik. Altyapı ve sistemlerini yeniden tasarlayan Uber, binin üzerinde MCP kullanıyor. Mühendislikte AI verimliliği çok daha fazla öne çıkacak gibi.
Detaylarına girmedim ama Uber ve Shopify hikayeleri çok ilgi çekici.
Bu başlıkta bahsetmek istediğim bir diğer konu da girişteki AI ekonomisi ile bir hayli ilgili. The Pragmatic Engineer e-bültenindeki şirketlerin açık modellere taşınmasına bir göz atın derim.
Son konum da Graph Engineering.
#206’da Loop Engineering’ten bahsetmiştim. En kısa özetiyle tek bir metriği ve görevi optimize etmek için geri besleme döngüleri…
Sorun şu ki loop, kendisine verilen metriği iyileştirirken, aslında yanlış sonucu optimize edebilir. Örneğin destek agent’ı çözüm oranı için optimize edilirse müşterini sorununu çözmek yerine ticket’ı kapatmayı öğrenebilir.
Graph Engineering ise bu loop’un yanına onu kontrol eden, veto edebilen veya farklı sinyallere bakan başka düğümler eklemek demek. Evet, siz söylemeden ben söylemek isterim, bu kavram da bilgisayar bilimlerinde yeni değil: workflow graph’ler.
Ama Graph Engineering’de workflow’u da LLM oluşturuyor. Örneğin Claude Code’daki dinamik workflow’larda LLM, agent’ların nasıl dallanacağını, nasıl beraber çalışacağını ve nerede başa döneceğini belirliyor, bu bilgilerle context window’un dolmamasını da sağlıyor.
AI ürünlerinde öne çıkanlar
AI agent’ların halka inme denemeleri ve gelecekte halkın değil ama çok fazla kişinin endişesi haline gelecek mahremiyet konusuna verilen yanıt.
1- Grok Bot: Son kullanıcılar için OpenClaw anı
Grok Bot’u denediniz mi? Hala sokağa inmiş diyemem, ki aşağıda “biraz daha fazla sokağa inen” versiyonuna da bakış atacağız, ama oldukça yaklaşmış.
Hatta Latent Space’deki şu benzetmeyi çok sevdim: “OpenClaw Linux ise, Grok Bot MacBook”. Connector, API bulma, authentication, MCP, credentials, API key, model seçimi… Bunların hiçbiri Grok Bot’ta yok...
Daha teknik bir bakışla aradaki farka bakmak isterseniz; OpenClaw bir “user-owned agent platform”, Grok Bot ise “managed agent computer” diyebilirim.
Grok Bot’ta kolayca bot (AI agent gibi düşünün) oluşturup, sonra bunları Group Chat adı verilen özellikle birbirine bağlayabiliyorsunuz. Her bir botun; ismi, görev tanımı ve hangi durumda ne yapacağı bilgisi var bir de kullanabileceği araçlar. Bot ayrıca hangi durumda hangi modeli kullanabileceğine de kendisi karar veriyor.
Bot’lar eğer ihtiyacınız olan aracın modellerle bir MCP bağlantısı yoksa, sanal tarayıcı üzerinden de iletişim kurabiliyor ve bunu gerçekten iyi yapıyor. Botları, aynı zamanda bir “AI çalışan” gibi de düşünebilirsiniz.
Tabii aynı Mac’te olduğu gibi; OpenClaw kıyasına geri dönelim, tüm dosya sisteminiz ve araçlarınızın kontrolünü de Grok Bot’a bırakmış oluyorsunuz.
Kritik noktalardan biri de; yine OpenClaw’dan farklı olarak Grok Bot, hiç kapanmayan bir bilgisayar gibi. Sanal tarayıcınız da dahil (oturum açık kalıyor), önceden tanımlı işler bilgisayarınız kapalıyken de yapılabiliyor.
Grok Bot bir Claude ya da ChatGPT alternatifi değil; bunlar derin işlerde hala en iyi ve zaten buna odaklılar; ama haber araştırma, proje yönetimi, takvim, satış ve iletişim gibi işlerde ihtiyaç duyduğunuz agentic yapıyı Grok Bot’a emanet edebilirsiniz.
2- AI agent’ların geleceği: Perplexity’nin Hybrid Compute özelliği
Dikkatinizi çekmiştir; son sayılarda AI egemenliği ve “kapalı şirketlerin” AI modelleri üzerine çok sık konuşmaya başladık… Tam da üzerine Perplexity’nin dikkat çeken bir özelliği geldi: Hybrid Compute.
Bu özellikle çüçlü reasoning ve web araştırmaları bulutta, “hassas” dosyalar ve cihaz erişimi ise lokalde çalışıyor.
Yani Perpexity buluta çıkmadan önce her bir isteği “kişisel/hassas veriler var mı?” diye kontrol ediyor. Model gerektiğinde maskeleme uygulama yolunu da seçebiliyor. Lokal olarak kullanılan modeller ise şu an için; Gemma, Qweb ve Perplexity’nin kendisinin post-trained ettiği modeli. Haliyle lokalde çalışan modeller token da tüketmiyor.
Üstelik işlemi telefonunuzdan başlattığınızda dahi, örneğin bi Mac mini evinizde açıksa Perplexity evdeki bilgisayarınıza da bağlanabiliyor.
Gelelim sınırlara; özelliği kullanabilmeniz için Apple Silicon Mac şart, minimumda 24 GB Ram şart, önerilen ise 32 GB Ram.
Apple demişken bu hibrit model, Apple’ın Apple Intelligence yaklaşımına çok benziyor.
Çok beğendim, böyle hibrit çözüleri daha çok göreceğiz kanımca.
3- Meta’nın “kişisel agent” uygulaması: Muse
Henüz Türkiye’de kullanımda değil ama ABD’de 8 Eylül’de yayına giren Muse, hızlıca en çok indirilen uygulama olmayı başardı.
Grok Bot’a oldukça benziyor; uygulamalara bağlanabiliyor, görev tamamlıyor ve sürekli açık kalıyor. Grok Bot’un çok daha kişisel hayat bağlamı içinde kalanı diyebilirim Muse için.
Muse'da tek bir asistanınız var, kişisel hayatınızı öğreniyor, file system gibi konular bir hayli gizlenmiş durumda.
Ayrıca Muse web arayüzü olsa da bir mobil ürün, örneğin bilgisayar üzerindeki dosya sistemnizi eriş-e-miyor. Muse daha bir son kullanıcı ürünü olduğu için; satın alma ve e-posta gönderimi gibi konularda son bir onay da istiyor.
Muse çok daha kişisel, dolayısıyla kişisel veri erişimi de tavan yapıyor. Meta’nın iddiası her bir kullanıcı için Muse Secure VM oluşturulduğu ve platformun dahi kişisel verileri göremediği. Model eğitimi varsayılan olarak açık geliyor, dilerseniz kapatabiliyorsunuz.
Kısalar..
Aşağıdaki maddelerin hepsi kısaca post-AI dediğim, 2022 Kasım’ında hayatımıza giren Generative AI sonrasındaki döneme dair dikkat çeken gelişmeler. Sırasıyla da; tek kişilik şirketler, eğitim, dijital ürünler, ödüllendirilen çalışan becerileri, dijital ürün lansmanları ve yatırımcı sunumuna dair…
1- Solopreneur çağı: $1m kazanan şirket sayısı 3 kat attı
Stripe, hem platformundaki veriler hem de değerli dış kaynaklarla beraber güzel bir araştırmaya imza atmış. Bundan 2 sene önce tek kişilik unicorn’ları konuşuyorduk, bu başlık bir çeşit magazinsel malzeme haline geldi ama Stripe da doğruluyor ki tek kişilik şirketler hem artık daha fazla, hem de eskisinden çok fazla ciro yapabiliyorlar.
2024 yılıyla beraber hızla artan tek kişilik şirketlerin oranı bir yana, şu veri ilgi çekici; 2025’te Stripe’a katılan şirketlerin bir yıl içinde toplam 1 milyon dolar ciroya ulaşma oranı, 2023’ten yaklaşık %30; 2019’dan ise yaklaşık 3 kat daha yüksek.
Üstelik bu tek kişilik şirketler yalnızca ABD’de değil, dünyanın her yerinde artışta, en dikkat çekici oranı %80 artışla Fransa.
Kurumsal şirketlerde ekipler küçülüyor, toplam çalışan sayısı azalıyor; paralelde tek kişilik şirketlerin sayısı arttığı gibi, $1m yıllık gelir baremine ulaşma oranı 2023-2025 arasında 2 kattan fazla büyümüş durumda.
ABD’de böyle, yani 1 milyon dolardan fazla yıllık gelir elde eden 100 binden fazla tek kişilik şirket var.
2- New York’ta öğrencilere AI yasağı
ABD’de en kalabalık öğrenci nüfusuna sahip New York ve Los Angeles, öğrencilerin AI kullanımına ciddi sınırlamalar getirdi. New York’ta öğrencilerin 8. sınıfa kadar GenAI araçlarını kullanmaları tamamen yasak, kapsam alanı 600 bin öğrenci.
LA’de ise tüm öğrencilerin okul tarafından verilen cihazlarında GenAI araçlarına erişimi engelledi ama speech-to-text gibi GenAI değil, AI kapsamına giren ürünler hala açık.
Bu kararların arkasındaki düşünce “AI zararlı” değil, aynı bizim nesilde örneğin hesap makinası olmadan temel matematiği öğrenmek gibi; belirli beceriler oturana kadar bu GenAI araçlarının kullanımını engellemek. Yani öncelik çocukların önce yazma, okuma, matematik, temel problem çözme, eleştirel düşünme ve kendi kendilerine muhakeme yapabilme gibi yeteneklerine odaklanmalarını sağlamak.
3- Post-AI’da ürünlerin retention krizi
A16Z partner’i Andrew Chen, çok güzel anlatmış… AI’ın;
İş hayatındaki uygulamalar için etkisi büyük oranda pozitif, çünkü süreçler genelde tekrar eden akışlardan oluşuyor.
Son kullanıcı uygulamalarındaki etkisi ise büyük oranda negatif, çünkü kullanıcılar özgünlük, kişilik, yenilik ve sürpriz arıyor.
Yani iş hayatında pattern-following verimlilik getiriyor, aynı insanların mesai sonrasında dünyalarına ise sıradanlık.
Üstelik sadece uygulamalar değil pazarlama da ürünler de birbirine benziyor ve taklit etmek ya da edilmek ise artık çok kolay.
Chen’in bu noktadaki gelecek öngörüsü ise ürünlerin de “startup yaklaşımından” çıkıp, “creator modeline” yaklaşacağı. Retention’ı yani dikkati yakalamak için; ya aynı üründe ya da başka ürünler içinde aynı yeni bir içerik yayınlamak gibi yeni bir özellik çıkarmak.
4- EY, “insani becerileri” ödüllendirmek için 100 milyon dolar bonus bütçesi ayırdı
EY, ABD’de çalışanlarına yeni yıl için $100m “insan becerileri” bonus bütçesi ayırmış. Çalışanların, 500 dolardan 25 bin dolara kadar bonus alabilmeleri için; AI tarafından ikame edilemeyen muhakeme, adaptasyon, yaratıcılık ve inovasyon gibi alanlarda fark yaratmaları bekleniyor.
Diğer big-4 şirketlerinden KPMG ve PwC ise empati ve yaratıcılık gibi konuları kendi eğitim programlarının içine yerleştirmeye başlamış.
5- Post-AI’da ürün lansmanı nasıl yapılır?
Hemen yukarıdaki retention konusuyla da alakalı olarak; ürün lansmanları da evrim geçirdi. Yeni playbook’a dair burada güçlü bir derleme (playbook) var.
Güçlü ve akılda kalan bir iddia ortaya koymak, hemen ulaşılabilen bir “aha moment”, -lansman öncesi teker teker konuşulup hazır edilmesi kaydıyla- küçük ve çok sayıdaki hesaptan aynı ürünü, farklı açılardan ele alan bir “dağıtım ordusu”, içerikleri zamana yaymak yerine tek güne sıkıştırmak ve ürünün çıktısının da kullanıcılar tarafından paylaşılabilir olması şeklinde özetleyebilirim. Son madde, viralite önündeki en büyük adım tabii.
Ve tabii ki ürün lansmanınızı sık sık yapabilirsiniz, hatta yapmanız gerekiyor.
6- Papermark, 25 bin pitch deck’i incelemiş…
Papermark’ın 25 bin pitch deck ve 350 bin yatırımcı görüntülenmesini analiz ettiği çalışma, güncel olması ve sunduğu detaylarla dikkat çekici. Eskiden böyle analizleri DocSend yapardı, çok da güzeldi. Bana yatırımcı olduğum ve founder’larla DocSend araştırmasını paylaştığım günleri hatırlattı…
Yatırımcılar sunumda ya uzun süre kalıyor, ya çok kısa süre, ortası pek yok.
İdeal sunum uzunluğu 12 slide.
Hala en güçlü olan slide’ları en başa koymak en iyi yöntem.
En çok vakit geçirilen slide ise takım. Zaten hep böyleydi.
Traction’ı ilk üç slide’a koyan sunumlar %20 daha fazla görüntüleniyor.
Belki de en önemlisi şunu unutmamak; bu sunumda amaç; bir sonraki adıma geçmek.
Kapanış…
Soft Commitment’ın 211. sayısı da burada sona erdi. Sonuna kadar okuduğunuz için teşekkürler!
Madem Buraya kadar okudunuz, en az bir arkadaşınızla da paylaşmanızı bekliyorum. :)
Fikir ve önerilerinizi benimle paylaşmak için, direkt bu e-postaya yanıt verebilir veya LinkedIn üzerinden bana ulaşabilirsiniz.
212. sayı ise 29 Eylül Salı günü, her zamanki saatinde, e-posta kutunuzda ve favori podcast uygulamanızda olacak.
Sevgiler.