YAZILIM KOÇU · İSTANBUL2026
Tüm İçgörüler
Sektör Analizi · Türkiye10 dk14 Nisan 202611 Eylül 2026 güncellendi

Türkiye AI Ekosistemi 2026: Sektör Haritası, Aktörler, Trendler ve Yatırım Fırsatları

Kısa cevap: Türkiye AI ekosistemini üç katmanda okuyun — üretenler, uygulayanlar, talep edenler. Bu yazı katman haritasını, devlet ve üniversite ayağını, sektörlerin olgunluk farklarını ve 2026-2029 eğilimlerini bir karar verici gözüyle anlatıyor; şişirilmiş pazar rakamları olmadan.

Yazılım Koçu Araştırma + Strateji Ekibi
Yazar
Paylaş

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, yatırımın aşamalarını disipline etmek için 4VS Yöntemi'ni okuyabilirsiniz.

KAYNAKLARDAKİ DİĞER YAZILAR