Kısa cevap: Türkiye AI ekosistemi 2026 itibarıyla büyüme aşamasındadır — olgun değil, ama birkaç yıl öncesinin "birkaç akademik laboratuvar + sayılı girişim" tablosundan da çok uzakta. Ekosistemi doğru okumanın anahtarı üç katmanlı harita: **üreticiler** (model ve ürün geliştirenler), **uygulayıcılar** (AI'ı kurumlara entegre edenler) ve **talep edenler** (AI kullanan kurumlar). Bir karar verici olarak sizin sorunuz "ekosistem büyüyor mu" değil; "ben hangi katmandan ne satın almalıyım ve karşımdaki firma gerçekten hangi katmanda" sorusudur. Bu yazı o okumayı öğretiyor.
Dürüstlük notunu baştan koyalım: bu yazıda "X yüz AI şirketi, Y milyon dolar yatırım" tarzı kesin sayılar bulmayacaksınız. Türkiye AI pazarını güvenilir biçimde sayan bir kaynak yok; dolaşımdaki rakamların çoğu tanım gevşekliğiyle (her chatbot entegrasyonu "AI şirketi" sayılınca) şişiyor. Sayı uyduranın haritasına değil, mekanizmayı anlatanın haritasına güvenin — bu yazının iddiası mekanizma tarafındadır.
Üç Katmanlı Harita: Kim Ne Üretiyor?
**Üretici katman**, kendi model veya ürününü geliştirenlerdir ve kendi içinde üçe ayrılır: temel model geliştirenler (Türkiye'de henüz küresel ölçekte bir LLM oyuncusu yok; Türkçe-optimize akademik ve kurumsal çalışmalar sürüyor), dikey AI ürünleri (sağlık görüntüleme, fintech risk, eğitim teknolojisi gibi tek sektöre gömülü çözümler) ve sektör-bağımsız platform ürünleri — Yazılım Koçu'nun Nomi ailesi (SendNomi, ChatNomi, VibeNomi ve kardeşleri) bu üçüncü kategoridedir. **Uygulayıcı katman**, başkasının modelini kurumun sürecine entegre eden danışmanlık ve sistem entegratörü firmalarıdır; büyük denetim-danışmanlık firmalarından butik ekiplere uzanır. **Talep katmanı** ise AI kullanan kurumlardır ve sahada en sık gördüğümüz tablo, bu katmanın büyük çoğunluğunun hâlâ farkındalık-deneme aşamasında olmasıdır — sistemleşmiş, ölçeklenmiş kullanım azınlıktadır. Bu dengesizlik ekosistemin en önemli gerçeğidir: talep olgunlaşmadan üretici katman ölçeklenemez, uygulayıcı katman ise tam bu boşluktan beslenir.
Haritayı Alıcı Gözüyle Okumak
Katman haritasının pratik değeri satın alma kararındadır. Üç kural: (1) **Ürün sorununa üretici, süreç sorununa uygulayıcı.** İhtiyacınız yaygın ve tanımlıysa (e-posta otomasyonu, müşteri destek asistanı) hazır ürün alın; ihtiyacınız kendi sürecinize gömülüyse entegrasyon işi alın. En pahalı hata, ürünle çözülecek işe özel geliştirme, özel geliştirme isteyen işe hazır ürün almaktır. (2) **Karşınızdakinin gerçek katmanını sorgulayın.** "AI şirketiyiz" diyen birçok firma, yabancı bir API'nin üzerine ince bir arayüz koymuş uygulayıcıdır — bu meşrudur, ama üretici fiyatıyla satılıyorsa değildir. Testi basittir: "model sizin mi, veri nerede duruyor, API kesilirse ne olur?" (3) **Hibrit konumlanma artıyor.** Uygulayıcı olarak başlayıp sahada tekrar eden ihtiyacı ürünleştiren firmalar (bizim de izlediğimiz yol) ekosistemin doğal evrimidir; referans sorarken her iki şapkanın kanıtını ayrı isteyin.
Devlet Ayağı: Strateji, Fon, Regülasyon
Türkiye'nin Ulusal Yapay Zeka Stratejisi 2021-2025 dönemini kapsadı; başlıkları insan kaynağı, veri ekosistemi, kamuda AI kullanımı, sanayi entegrasyonu ve etik-hukuki çerçeveydi. 2026 itibarıyla ekosistemin beklediği şey stratejinin yeni dönem güncellemesidir. Operasyonel tarafta TÜBİTAK (Yapay Zeka Enstitüsü dahil) ve KOSGEB proje destekleri sunar; Cumhurbaşkanlığı Dijital Dönüşüm Ofisi politika geliştirme rolündedir. Kurumsal bir alıcıysanız bu ayağın size iki pratik yansıması var: AI projeleri için kullanılabilir hibe/destek kanalları mevcut (özellikle KOBİ ölçeğinde) ve regülasyon yönü belli — AB AI Act'ın yerçekimi, AB pazarına satan her Türk şirketini şimdiden bağlıyor, paralel bir yerli düzenlemenin önümüzdeki yıllarda gelmesi genel beklentidir. Bugün kurduğunuz sistemde denetim izi (audit trail) ve açıklanabilirlik yoksa, o sistemi regülasyon geldiğinde yeniden yazarsınız.
Üniversite ve Yetenek Ayağı
Akademik üretimde Bilkent, Boğaziçi, ODTÜ, İTÜ, Sabancı, Koç ve Hacettepe başı çeker; lisansüstü AI/veri bilimi programları son yıllarda hızla çoğaldı. Yapısal sorun mezun sayısı değil, akış yönüdür: yetişen AI yeteneğinin anlamlı bir kısmı yurtdışı firmalara — taşınarak ya da remote çalışarak — akıyor. Bunun iç pazara iki etkisi var: kıdemli AI mühendisi maliyeti dolar bazlı küresel pazara endeksleniyor ve kurum içi AI ekibi kurmak KOBİ ölçeği için giderek daha az gerçekçi hâle geliyor. Bu tablo, iki modelin önemini artırıyor: hazır ürün kullanımı ve dışarıdan uygulayıcı ortaklığı. Aynı tablo, AI araçlarını kullanabilen "geliştirici olmayan" çalışanların — yani ekip içi upskilling'in — getirisini de büyütüyor.
Sektörel Olgunluk: Kim Önde, Kim Geride?
Sahada gördüğümüz genel sıralama şöyledir (kesin yüzdeler değil, yaygın gözlem): **Önde:** fintech, büyük e-ticaret, telekom — veri altyapıları olgun, rekabet ve regülasyon baskısı yatırımı zorluyor. **Geçişte:** bankacılık, sigorta, perakende — projeler başladı, sistemleşme sürüyor. **Erken aşamada:** üretim, sağlık, lojistik, eğitim — pilotlar çoğalıyor ama gövde hâlâ tanıma aşamasında. **Geride:** inşaat, gayrimenkul, tarım ve kamunun geniş kesimi. Bu sıralamanın pratik okuması şudur: geride kalan sektörde çalışıyorsanız bu bir dezavantaj değil, ucuz fırsat penceresidir — rakipleriniz de başlamadıysa, mütevazı bir AI adımı bile ayrışma yaratır. Önde giden sektördeyseniz mesele başlamak değil, sistemleşmektir; dağınık pilot koleksiyonu olgunluk sayılmaz.
2026-2029: İzlemeye Değer Beş Eğilim
(1) **Türkçe-optimize modeller:** Akademik ve kurumsal Türkçe LLM çalışmalarının ürünleşmesi, KVKK hassasiyeti yüksek sektörler için yerli seçenekleri güçlendirecek. (2) **Ajan olgunlaşması:** Tek model çağrısından çoklu-ajan iş akışlarına geçiş kurumsal projelerin standart mimarisi hâline geliyor; bizim AAOS (AI Agent Olgunluk Spektrumu) çerçevemiz tam bu geçişi kademelendirmek için var. (3) **Dikey AI çoğalması:** Genel amaçlı asistan dalgasının yerini sektöre gömülü, iş akışının içinde yaşayan ürünler alıyor. (4) **Edge ve on-premise ağırlaşması:** Bulut maliyeti ve veri yerelliği baskısı, özellikle üretim ve sağlıkta yerinde çalışan AI'ı büyütüyor. (5) **Konsolidasyon:** Parçalı pazarın birleşme-satın alma dönemine girmesi doğal beklentidir; tedarikçi seçerken "bu firma üç yıl sonra kimin olacak, verim ve sözleşmem ne olacak" sorusunu şimdiden sorun.
Sahada işe yarayan ipuçları
**1.** Tedarikçi adayına katman testini uygulayın: "model kimin, veri nerede işleniyor, arkadaki API değişirse ne olur?" Cevapların netliği, sunumun parlaklığından daha güvenilir bir sinyaldir. **2.** "AI şirketi" referansı yerine kanıt isteyin: çalışan bir ürün, girilebilir bir demo ortamı, konuşulabilir bir müşteri. Biz kendi kanıtımızı ürünlerimiz ve bu sitenin kendisiyle veririz; aynı standardı herkese uygulayın. **3.** KVKK sorusunu sözleşme aşamasına bırakmayın; verinin hangi ülkede, hangi modelle işlendiğini ilk toplantıda sorun. Yurtdışı API kullanımı yasak değildir ama bilinçli karar olmalıdır. **4.** Kamu desteklerini (TÜBİTAK, KOSGEB) araştırma zahmetine girin; özellikle KOBİ ölçeğinde pilot maliyetinin anlamlı bölümü fonlanabilir. **5.** Yetenek stratejinizi ikiye bölün: derin AI işi için dış ortak, günlük AI kullanımı için ekip içi yaygın eğitim. Tek bir "AI'cı" işe alıp her şeyi ondan beklemek, sahada en sık gördüğümüz kadro hatasıdır. **6.** Sektörünüz "geride" listesindeyse bunu takvim avantajı olarak okuyun: küçük, ölçülen bir pilotla başlamak için en ucuz an, rakiplerin de beklemekte olduğu andır.
Ekosistemi Okurken Yapılan Hatalar
**Hype'ı olgunluk sanmak:** Demo videosu bolluğu ile üretimde çalışan sistem sayısı arasında büyük boşluk var; yatırım ve satın alma kararını demoya değil, üretim kanıtına bağlayın. **Küresel rakamları Türkiye'ye ölçeklemek:** "AI pazarı X trilyon olacak" projeksiyonlarının Türkiye'deki kurumsal alım gücüyle ilişkisi zayıftır; kendi iş vakanızı kendi sayılarınızla kurun. **Yerli olanı ya da yabancı olanı otomatik üstün saymak:** Doğru soru menşe değil; destek, veri yerleşimi, Türkçe kalitesi ve sürdürülebilirliktir. **Ekosistemi beklemek:** "Türkçe LLM çıksın da öyle başlayalım" ertelemesi, bugün mevcut araçlarla alınabilecek kazancı masada bırakır — araçlar değişecek, ama süreç disiplini ve veri hazırlığı hangi araç gelirse gelsin geçerli kalacak.
Ekosistem haritası size "nereden alacağınızı" söyler; "nereden başlayacağınızı" söylemez. Başlama sırasını kurmak için [Kaizen yaklaşımını](/kaynaklar/kaizen-dijital-donusum), yatırımın aşamalarını disipline etmek için [4VS Yöntemi'ni](/kaynaklar/4vs-yontemi-nedir) okuyabilirsiniz.