Yeni açıklanan Türkiye Yapay Zekâ Eylem Planı önceki strateji belgelerine göre daha kapsamlı, ama olumlu yönlerine karşın riskleri de var. (Görsel: sanayi.gov.tr)
Yeni Türkiye Yapay Zekâ Eylem Planı 18 Ağustos 2026’da yayınlandı. Yapay zekâ uygulamalarının olumlu yanlarının yanı sıra savaşlara ve seçimlere müdahale etmesinin, insanlığın sonunu getirebileceği endişeleriyle birlikte tartışıldığı günlerde gazeteci Füsun Sarp Nebil, planın Türkiye açısından olumlu ve olumsuz yönleriyle eksiklikleri üzerine yönettiği Türkİnternet sitesindeki kapsamlı bir analiz yazdı.
Nebil’den aldığımız izinle bu teknik yönü ağır basan analizin geniş özetini YetkinReport okurlarının dikkatine getiriyoruz; yazının tamamı bu bağlantıdan okunabilir.
Genel Bakış
18 Ağustos 2026’da yayımlanan 44 sayfalık Türkiye Yapay Zekâ Eylem Planı, önceki strateji belgelerine göre daha operasyonel ve ölçülebilir duruyor. “Yapay zekâda lider olacağız” türü genel hedeflerin ötesine geçip GPU-saat, GW, TWh, fon büyüklüğü, uzman sayısı, sorumlu kurum ve izleme mekanizması koyması önemli bir ilerleme.
Buna karşılık bazı hedefler oldukça iddialı; hedefin yazılması ile bunun için gerekli para, enerji, fiber, donanım, insan kaynağı ve özel sektör yatırımının hazır olması arasında ciddi mesafe var. Planın asıl riski de burada.
Olumlu Yönleri
1. Nihayet rakamlarla konuşan bir plan var: 10.000 ileri düzey AI uzmanı, 100.000 uygulama profesyoneli, 1 GW veri merkezi kapasitesi, yılda 10 milyon GPU-saat erişimi ve 10 milyar dolarlık özel sektör yatırımı. Bu sayede 2030’da “başarılı olduk mu?” sorusuna sayısal cevap vermek kolaylaşıyor.
2. Yapay zekâ yalnızca model geliştirmek olarak görülmemiş. Belge enerji, hesaplama donanımı/altyapı, model/veri ve uygulamayı beş katman halinde tanımlıyor; yetenek, finansman ve düzenleme/güven bunları kesen üç unsur. Bu, günümüz AI ekonomisinin gerçek yapısına yakın.
3. Enerji meselesinin farkına varılmış. 2030 için 1 GW veri merkezi kapasitesinin yanı sıra 10 TWh düşük karbonlu elektrik PPA’sı, 1 EB depolama ve 100 Tb/sn omurga kapasitesi hedefleniyor. Yer seçiminin şebeke, enerji kaynakları ve atık ısıyla ilişkilendirilmesi, AI politikasının aynı zamanda enerji ve telekom politikası olduğunun anlaşıldığını gösteriyor.
4. Tek sağlayıcı bağımlılığı açıkça sorun sayılıyor. Çoklu tedarikçi yaklaşımı ve kapasite, maliyet, performans ile güvenliğin altı ayda bir değerlendirilmesi öngörülüyor; dijital egemenlik açısından önemli.
5. Veride somut mekanizmalar var: kamu veri setleri için yayın takvimi, sınıflandırma, “Veri Fabrikası”, API, anonimleştirme ve sentetik veri. “Gönüllülük yeterli değil” denmesi de kritik. Kaliteli ve erişilebilir veri Türkiye’de temel darboğaz olduğu için, bu bölüm planın güçlü taraflarından biri.
6. Kamunun ilk müşteri olması doğru bir sanayi politikası. “Tara–pilotla–ölçekle” modeli, başarılı uygulamaların 6–12 ayda büyütülmesi ve yerli şirketlerin kamu referansını ihracata çevirmesi düşünülmüş. Doğru uygulanırsa küçük Türk AI şirketleri için değerli olabilir.
7. Finansman yalnızca startup hibesi değil. Ulusal Yapay Zekâ Araştırma Fonu’ndan Yapay Zekâ Büyüme Fonu’na uzanan bir merdiven tasarlanmış; araştırma için en az 10 milyar TL, büyüme için 15 milyar TL hedefleniyor.
8. AI sadece LLM [Büyük Dil Modeli] olarak görülmüyor. Robotik, otonom sistemler, uç hesaplama, endüstriyel otomasyon ve “physical AI” plana alınmış. Otomotiv, makine ve savunma yetenekleriyle ilişkilendirilmesi mantıklı; genel amaçlı modellerde ABD ile yarışmaktan ziyade bazı endüstriyel alanlarda rekabet etmek daha gerçekçi olabilir.
9. Sektörel modeller fikri doğru. Asıl avantajın her alanda dev genel LLM yaratmaktan çok sağlık, üretim, savunma, tarım ve finanstaki veri ve uzmanlığı modele dönüştürmek olabileceği anlaşılmış görünüyor.
10. Türk dünyası için ortak LLM stratejik. TDT ülkeleriyle Oğuz, Kıpçak ve Karluk dil ailelerini kapsayan ortak model ve federe eğitim/HPC paylaşımı, yalnızca teknoloji değil, Türki dillerin küresel AI ekosistemindeki ağırlığı açısından da önemli.
11. Şeffaflık mekanizması kâğıt üzerinde güçlü. Kamuya açık Ulusal Yapay Zekâ İlerleme ve Şeffaflık Portalı vaat ediliyor; sorumlu kurum, bütçe/gerçekleşme, takvim, KPI ve yeşil-sarı-kırmızı durum yayımlanacak. Gerçekten uygulanırsa, planın kaderini değiştirebilir.
12. AI güvenliği ayrı ele alınmış. Yüksek etkili sistemlerin canlıya alınmadan ve büyük sürüm değişikliklerinde teknik güvenlik/performans testinden geçmesi ve düzenleyici sandbox öngörülüyor.
Olumsuz ve Riskli Yanları
1. 1 GW hedefi var ama “1 GW’ın içinde ne var?” yeterince açık değil. Veri merkezi gücü ile yapay zekâ hesaplama kapasitesi aynı şey değil; 1 GW DC, öncü AI kapasitesi anlamına gelmez.
2. Asıl ölçülmesi gerekenler GPU türü, GPU sayısı, HBM, interconnect, eğitim compute’u ve inference kapasitesi olmalıydı. “10 milyon GPU-saat” hedefi var; fakat bir H100 saati ile eski bir GPU saati aynı değeri taşımaz. Bu KPI hızla anlamsızlaşabilir.
3. 10 milyar dolar yatırımın ne kadarının gerçekten AI yatırımı olacağı belirsiz. Hyperscalerların bölge merkezi veya cloud/edge yatırımı, otomatik olarak “Türkiye’nin yapay zekâ kapasitesi” midir? Yabancı sermayeli altyapı ile egemen hesaplama ayrılmalı; ulusal kontrol KPI’sı daha net olabilirdi.
4. Dijital egemenlik ile yabancı hyperscaler çekme arasında gerilim var. Bunlar zorunlu çelişki değildir; ama veri nerede tutulacak, encryption key kimin elinde olacak, yabancı hukuk rejimleri devreye girecek mi, kritik kamu workloadları [iş yükü] yabancı bulutta çalışabilecek mi soruları daha net bir egemen bulut politikası ister.
5. Enerji hedefi iddialı, su meselesi zayıf. PPA ve atık ısı olumlu; fakat büyük AI veri merkezlerinde su tüketimi, soğutma, WUE, yerel su stresi ve kuraklık enerji kadar kritik. Su stresi yüksek bir ülkede DC politikası yalnızca “elektriği nereden bulacağız?” sorusuyla kurulamaz.
6. Fiber hedefi var, internet topolojisi dar. 100 Tb/sn omurga iyi; fakat IXP’ler, uluslararası transit, denizaltı kabloları, hyperscaler interconnect’leri, DC kümeleri arası düşük gecikmeli fiber ve carrier-neutral altyapı da stratejik. Bunlar daha belirgin KPI’ya bağlanmalıydı.
7. İnsan kaynağında sayı var, kaliteyi ölçmek zor. 10.000 ileri düzey uzman + 100.000 uygulama profesyoneli kulağa iyi geliyor; risk sertifika enflasyonu. Eğitim alan kişi değil; istihdam edilen, model geliştiren, patent/yayın üreten veya AI ürünü ihraç eden insan üzerinden KPI daha anlamlı olur.
8. Brain drain [beyin göçü] yeterince merkezde değil. 10 bin uzman yetiştirilip önemli bir kısmı ABD, Avrupa veya Körfez’e giderse, hedef kâğıtta tutulur, ekonomide başarısız olunur. Elde tutma KPI’sı gerekli.
9. Kamu AI dönüşümü gözetim riski taşıyor. e-Devlet üzerinden AI okuryazarlık ölçümü ve kişiye özel yönlendirme ilginç; ama vatandaşın dijital/AI yeterliliğine dair yeni bir profil doğabilir. Skor nerede tutulacak, başka kurumlar görecek mi, işe alımda kullanılacak mı, reddetme ve silme hakkı var mı? Bunlar temel hak meselesi.
10. Etik Kurul kuruluşu doğru, ama bağımsızlığı tartışmalı. Üye seçimi, görev süresi, hükümetten ve AI geliştiren kamu kurumlarından kurumsal bağımsızlık kritik. Aynı devlet hem geliştirip hem kullanıp hem kendini denetlerse, düzenleyici-işletici çatışması çıkar.
11. Vatandaşın itiraz hakkı daha görünür olmalıydı. Kamu AI’sı sosyal yardım, vergi, sağlık, eğitim veya personel değerlendirmesinde yanlış sınıflandırırsa, kararın algoritmadan geldiğini öğrenme ve insan tarafından yeniden bakılmasını isteme hakkı net tanımlanmalı.
12. Kamu alımları fırsat, “devlet destekli şampiyon” riski de taşıyor. Yanlış uygulanırsa, teşvik alan şirket kamu ihalesi, kamu verisi ve kamu referansı kazanıp yeniden teşvik alan kapalı bir çevrim oluşabilir. Açık ihale, benchmark, bağımsız değerlendirme ve kamuya açıklık şart.
Odağı Daraltmak Gerekiyor
• Plan “az sayıda yüksek etkili öncelik” diyor; oysa 16 eylemin her biri dev bir program. Risk, her şeyi yapmaya çalışırken hiçbirini dünya ölçeğinde yapamamak. 2–3 stratejik alana yoğunlaşmak gerekebilir.
• 2030 çok yakın; fiilen yaklaşık dört yıl var. 1 GW, 10 TWh PPA, 100 bin uzman, 10 milyar dolar yatırım, ulusal veri ekosistemi, sektörel modeller, Türk dünyası LLM’si, robotik ve yeni regülasyonun aynı dönemde kurulması yüksek gerçekleşmeme riski taşıyor.
• Planın en güçlü 5 noktası:
1- AI’nın enerji + compute + veri + model + uygulama zinciri olarak görülmesi;
2- Ölçülebilir KPI’lar;
3- Kamu verisinin AI ekonomisine açılması;
4- Araştırma–startup–scale-up finansman zinciri;
5- Kamuya açık ilerleme/şeffaflık portalı.
• En zayıf ve riskli 5 nokta:
1- 1 GW / 10 milyar dolar gibi büyük hedeflerin finansman ve uygulama gerçekliği;
2- Veri merkezi büyümesinin enerji-su-fiber maliyetinin hafife alınması;
3- Dijital egemenlik ile hyperscaler bağımlılığının karışması;
4- Kamu AI’sında mahremiyet, algoritmik karar ve itiraz hakkının yeterince sert güvenceye bağlanmaması;
5- Çok fazla alana aynı anda girilerek kaynakların dağılması.
Başarıyı belirleyecek şey belki 1 GW veya 100 bin uzman hedefinden önce şu madde: her eylem için sorumlu kurum, alt görevler, takvim, bütçe-gerçekleşme, gösterge seti ve durum rengi yayımlanacak.
Portal kurulup düzenli güncellenirse 2026–2030 politikasının ne kadarının gerçekleştiği görülebilir. Kurulmazsa veya bütçe, gerçekleşme ve gecikmeler açıklanmazsa, sayısal hedeflerin denetlenebilirliği düşer.
İlk takip edilecek KPI “1 GW kuruldu mu?” değil, “Şeffaflık Portalı zamanında açıldı mı ve gerçek rakam yayımlıyor mu?” olmalı.
On Kritik Eksiklik
Eylem Planı kapsamlı; fakat bazı başlıklar yok veya yeterince derinleştirilmemiş.
1. Yarı iletken ve AI çipi stratejisi zayıf. GPU ve çoklu tedarikçi var; tasarım, advanced packaging, chiplet, HBM, yerli ASIC/NPU veya üretim ekipmanı bağımlılığı için yol haritası yok. “Yarı iletken” ifadesine de rastlanmıyor. Compute egemenliği yalnızca GPU satın almakla kurulmaz.
2. Veri merkezlerinde su politikası yok. Enerji tarafı ciddi; su tüketimi, WUE, su stresi yüksek bölgelerde yer seçimi, kapalı devre soğutma veya arıtılmış su için açık hedef yok. “Su tüketimi” ifadesi de bulunmuyor.
3. Algoritmik kararlara karşı açık itiraz hakkı tanımlanmamış. Yüksek etkili sistemler, etki değerlendirmesi ve model kartı var; fakat yanlış kararda insan incelemesi, gerekçeyi öğrenme ve itirazın nasıl işleyeceği net değil.
4. İstihdam azalırsa, makro plan zayıflar. Retraining öngörülüyor; ücret baskısı, genç işsizliği, beyaz yaka kaybı, vergi tabanı, sosyal güvenlik ve verimlilik kazancının paylaşımı için açık politika seti yok. “AI toplam emek talebini azaltırsa ne olacak?” sorusuna girilmiyor.
5. Rekabet politikası ve AI tekelleşmesi neredeyse yok. Hyperscaler, büyük DC ve ulusal şampiyonlar var; compute, bulut, model, veri ve dağıtımın birkaç elde toplanmasına dair belirgin rekabet hukuku yok.
6. Telif ve eğitim verisi yeterince açık değil. Hangi eserlerle eğitim yapılacağı, opt-out, lisanslama, kolektif hak yönetimi ve gazetecilik/kitap/görsel içerik statüsü ayrıntılı değil. Avrupa ve ABD’de bu ana çatışma alanlarından biri.
7. Açık kaynak / open-weight stratejisi net değil. Kamu modelleri açık ağırlıklı mı olacak, hangi katman açık kalacak, güvenlik nedeniyle ne kapalı tutulacak, yerli firmalar kamu modellerini ticari üründe kullanabilecek mi belirsiz.
8. Kamu AI’sında bağımsız dış denetim ve hukuki sorumluluk net değil. Zarar olursa sorumlu kim: geliştirici, satın alan kurum, entegratör mü, kararı kullanan görevli mi? Etik Kurul’un kurumsal bağımsızlığı da açık değil.
9. Dezenformasyon ve sentetik medya için kriz mekanizması zayıf. Deepfake tanınıyor; seçim, afet, savaş veya toplumsal olayda viral sentetik içeriğe kimin, hangi yetkiyle, ne sürede müdahale edeceği sorusu için ayrı protokol yok. İfade özgürlüğü ile kriz müdahalesi sınırı da tanımlanmalı.
10. Başarı ölçümü daha çok girdi KPI’larına dayanıyor. 1 GW, GPU-saat, uzman, yatırım var; AI kaynaklı verimlilik, AI ihracatı, küresel pazarda gelir üreten yerli model, KOBİ verimliliği, kamu hizmetinde süre/maliyet düşüşü gibi çıktı göstergeleri daha sert olabilirdi.
Bunların en kritik üçü ise:
1- Yarı iletken/çip stratejisinin eksikliği,
2- Algoritmik kararlara karşı açık itiraz hakkının tanımlanmaması,
3- Dijital egemenlik ile hyperscaler bağımlılığı ilişkisinin çözülmemesi.
Planın başarısı sonunda kaç GPU alındığıyla değil; bu GPU’ya ne kadar bağımsız erişildiği, kimin verisiyle hangi modelin geliştirildiği ve model yanlış karar verdiğinde vatandaşın kime hesap sorabildiğiyle ölçülecek.
