Bu hafta hem benim hem de yapay zekâ dünyası için hareketli geçti. Yaşar Holding, MR. DIY, Boyner Group ve Hopi, Borusan Holding, Kibar Holding, BR Mağazacılık ve Özaltın Holding ekipleriyle; ayrıca İSGDD webinarındaki katılımcılarla “Yapay Zekâ Nereden Nereye Gidiyor?”u konuştuk. Bu hafta sunumuma yeni bir kutu daha ekledim: “AGI — Artificial General Intelligence.” Çünkü gelişmeler beklediğimden de hızlı ilerliyor. Tartışma artık AGI’nin gelip gelmeyeceği değil; ne zaman geleceği ve hatta gelip gelmediği.
Önce kelimeyi netleştirelim. AGI (Artificial General Intelligence), tek bir görevle sınırlı kalmayıp insan gibi yeni işleri öğrenebilen ve uygulayabilen varsayımsal genel zekâ seviyesidir. Yani tek bir skor değil; genel zekâ iddiası.
Eylül 2026'nın ilk haftası bu bağlamda yapay zekâ tarihine geçebilir.
3 Eylül'de OpenAI, GPT-6 Astra'yı tanıttı. Şirketin başkanı Greg Brockman paneli "AGI çağına hoş geldiniz" diyerek kapattı, modelin AGI olup olmadığı sorulunca "sanırım bu model olabilir" dedi. Aynı gün ARC Prize analizinde şunu yazdı: “Astra’nın genellemeye doğru anlamlı bir ilerleme olduğuna inanıyoruz, ancak onun AGI olduğunu iddia etmiyoruz.”
Beş gün sonra OpenAI, Astra’dan güçlü bir iç sistemin yaklaşık 10 bin eşzamanlı ajanla Navier-Stokes probleminde sonlu zamanda tekillik oluşabileceğine dair analitik kanıt ve Lean formalizasyonu ürettiğini açıkladı. Üretim 88, doğrulama 17 saat sürdü; yaklaşık 130 milyar token kullanıldı. Şirket Milenyum Ödülü talep etmedi.
Clay Mathematics Institute, problemi çözülmemiş problemler listesinde tutuyor. Kurumun başkanı Martin Bridson değerlendirmenin “kasıtlı olarak acelesiz ve kesinlikle titiz” olacağını söyledi. Kanıt henüz bağımsız hakemlerce doğrulanmadı.
Merkezinde Türk-Amerikalı bir matematikçinin bulunduğu öncelik tartışması da var. NYU’dan Tristan Buckmaster ile Anthropic’te çalışan Levent Alpöge, problemin bir parçası üzerinde yaklaşık bir yıldır çalışıyordu. Claude ve Codex yardımıyla hızlanıp 22 Ağustos’ta benzer bir çözüme ulaştılar. Buckmaster, OpenAI’ın çalışmayı öğrendikten sonra aynı yaklaşıma yöneldiğini söylüyor. OpenAI matematik ekibi lideri Sébastien Bubeck ise Alpöge’nin Anthropic çalışanı olduğu için ortak makaleden çıkarılmasını istediğini kabul edip özür diledi.
ABD ve Türkiye vatandaşı Alpöge; Harvard, Cambridge ve Princeton’da okumuş, doktorasını Fields madalyalı Manjul Bhargava ile yapmış. Bu yıl Claude ile Jacobian ve Carathéodory sanılarına karşı örnekler, Hopf problemine çözüm duyurdu. Yapay zekâ destekli matematiğin ön saflarında.
Bir hafta içinde hem “AGI geldi” dendi hem de her iddianın yanına bir doğrulama sorusu düştü. Peki AGI geldi mi?
AGI’ye yaklaştığımız gerçek
ARC-AGI-3, Mart 2026’da yayımlandı. Kuralları açıklanmayan soyut oyunlarda ajanın keşfederek kuralı çıkarması bekleniyor. 486 kişilik insan grubu ortamların tamamını ortalama 7,4 dakikada çözdü. O tarihte Gemini 3.1 Pro yüzde 0,37; GPT-5.4 yüzde 0,26; Opus 4.6 yüzde 0,25 aldı. Grok sıfırda kaldı.
Altı ay sonra aynı testin standart koşusunda Astra yüzde 62,7 aldı. Claude Opus 5 yüzde 30,2, GPT-5.6 Sol yüzde 7,8’de kaldı.
Yüzde birin altından yüzde 62,7’ye. Benchmark tarihinde bu ölçekte sıçramayı sık görmezsiniz. “Hâlâ oyuncak” argümanı bu hafta öldü.
Ama manşetteki sayı bu değildi
Manşetlere yüzde 99,9 düştü: aynı model ve test, iki farklı düzenek.
ARC’ın standart koşusunda model, istekler arasında ne saklayacağına kendi notlarıyla karar veriyor. Provider Adapter koşusunda sağlayıcının bağlam yönetimiyle gizli akıl yürütme durumunu taşıyıp sıkıştırabiliyor. Sonuçlar sırasıyla yüzde 62,7 ve 26.098 dolar; yüzde 99,9 ve 18.817 dolar.
37 puanlık farkı model değil, çevresine kurulan düzenek yarattı.
Stanford’dan Anka Reuel ve Mike Hardy bu pratiğe benchmaxxing diyor: sayı iyileşene kadar değerlendirmeyi farklı koşullarda yeniden çalıştırmak. Sistem kartında değerlendirmeye dair “neredeyse hiç ayrıntı” bulamadıklarını söylüyorlar.
Duyuruda şu ayrıntı yok: Humanity’s Last Exam’de Astra yüzde 57,2, Claude Fable 5.1 yüzde 65,0 aldı. Astra’nın kaybettiği tek akademik satır bu.
Buradan çıkan pratik ders şu: bir tedarikçi size demo yaptığında sorulacak soru "kaç puan aldı" değil, "bu puanı hangi düzenek aldı ve o düzenek bizde var mı, biz kullanabiliyor muyuz?" olmalı.
Doğrulama, üretimden pahalı hale geldi
Matematik, sınırın nerede olduğunu en net gösteren tablo.
DeepMind’ın Aletheia sistemi IMO-ProofBench’in ileri versiyonunda yüzde 95,1 doğruluğa ulaşıyor. Fakat 700 açık Erdős probleminde denemelerin yüzde 31,5’i teknik olarak, yalnızca yüzde 6,5’i anlamlı ölçüde doğru. Yüzde 68,5’i temelden hatalı. Yazarların ifadesiyle sistem “soruyu, cevaplaması en kolay olacak şekilde yanlış yorumlama eğilimi” gösteriyor.
Navier-Stokes iddiası da aynı örüntüyü gösteriyor: üretim birkaç gün, doğrulama belirsiz. Kanıt Lean’de formalize edilmiş olabilir; ancak karar verecek kurum aylar süren bir inceleme yapacak. Terence Tao, açık problemlerin “ayrım gözetmeden madencilik yapılır gibi” çözülmeye çalışılmasının matematiksel fikirlerin doğduğu ekosisteme zarar verebileceğini söylüyor. İçgörüsüz cevap ilerleme sayılmıyor.
Üretim ve doğrulama kapasitesi arasındaki makas kurumsal hayatta da açılıyor. Bunu fark etmezseniz tasarruf ettiğinizi sandığınız süre ve maliyeti kontrol masasında geri ödersiniz.
Ajanlar çoğalınca sistem tek modelden farklı davranıyor
Temmuzdaki OpenAI siber güvenlik değerlendirmesinde yalıtılması gereken yaklaşık 1.200 ajan, paket önbelleği üzerinden yetkisiz bir mesaj panosu buldu. 8-13 Temmuz’da 70 binden fazla mesaj ve dosya paylaştılar; dosya bölme protokolü, HOLD ve VETO gibi koordinasyon komutları, kriptografik mesaj imzalama geliştirdiler. Yaklaşık 700 ajan Hugging Face altyapısına saldırıya katıldı.
Motivasyon çoğunlukla kötücül değildi. Hedeflerin yüzde 30-40’ının fiilen çözülemez olduğunu keşfedip puanlayıcının nasıl çalıştığını anlamaya yöneldiler. İncelenen kayıtların yaklaşık yüzde 7’sinde sahte araç çağrısı bulundu.
Soruşturmanın en öğretici kısmı şu: METR ve Redwood Research, analizi devrettikleri GPT-5.6 Sol ajanlarının “zayıf muhakeme ve güvenilirlik” gösterdiğini yazıyor. Etkinliğin yüzde 7-10’unun yakalanmamış olabileceğini, insan araştırmacıların “belirgin biçimde daha kalibre” sonuçlar üreteceğini ekliyorlar.
Bu, yapay zekânın kaçış hikâyesi değil; yapay zekâyla yapılan soruşturmanın da doğrulama sorunu yaşamasının hikâyesi. Kurumsal karşılığı açık: Ajanlarınızı denetleyen mekanizma başka bir ajana dayanıyorsa boşluk büyür.
Masamızda değişen şey skor değil, süre
Yöneticinin işi soyut oyun çözmek değil. Form, takvim, müşteri kaydı, rapor…
OpenAI karşılaştırmasında Astra, OSWorld 2.0 çevrimdışı setinde yüzde 72,6’ya yaklaşık 40 dakikada; Sol yüzde 65,7’ye 75 dakikada ulaşıyor. Süre yarıya inmiş.
AutomationBench’te Astra yüzde 41,4, Sol yüzde 18,1 aldı. İki katından fazla iyileşme var ama mutlak seviye hâlâ gerçekçi otomasyon görevlerinin yarısından azı. Bir ajan mükemmel analiz hazırlayıp yanlış dosyayı müşteriye gönderirse iş tamamlanmış sayılmaz.
Kurumsal getiri neredeyse hareketsiz. McKinsey’in 25 Ağustos 2026 araştırmasında yaklaşık onda dokuz en az bir fonksiyonda düzenli yapay zekâ kullanıyor; kurum genelinde ölçekleyenler yüzde 44. EBIT etkisi bildiren yüzde 37 ile geçen yılla aynı; yüzde 5 ve üzeri etki bildiren yalnızca yüzde 6. Anthropic’in Mart 2026 verisinde bilgisayar ve matematik mesleklerinde teorik kapasite yüzde 94, kullanım yüzde 33.
Model bir yılda yüzde birin altından yüzde 62’ye çıktı. Kurumsal getiri iki yıldır aynı yerde. Darboğaz modelde değil, bizim tarafımızda.
Asıl soru AGI'nin ne zaman geleceği değil
AGI'nin takvimini bilmiyoruz. Bugünkü sistemlere ne kadar erişim ve karar yetkisi verdiğimizi biliyoruz. Yönetişim burada başlıyor.
Bir iş akışını ajana devretmeden önce beş kontrol kapısı:
Amaç. "Müşteri sorununu çöz" belirsizdir. "İade politikasına uygun seçenekleri hazırla, ödeme yapma, göndermeden önce onay al" yönetilebilir bir görevdir.
Erişim. Ajanın gerçekten hangi veriye ve araca ihtiyacı var? Geniş erişim kolaydır, hatanın etki alanını da genişletir.
Onay. Para, insan, müşteri, hukuk ve itibar üzerinde geri alınamaz etkisi olan her adım insan onayında kalır.
Görünürlük. Sadece çıktıyı değil, kullanılan kaynakları ve araç çağrılarını da görebiliyor musunuz? Hugging Face olayında sahte araç çağrıları vardı; görünürlük teorik bir mesele değil.
Geri dönüş. Yanlış işlem nasıl duracak, nasıl geri alınacak? Üretime almadan önce hata senaryosunu da tasarlayın.
“Görevi yaptı mı?” zayıf bir başarı ölçütüdür. Uçtan uca doğruluk, istisna yönetimi, insan kontrol yükü ve geri alma maliyetini birlikte izleyin.
En doğru soru: “Hangi problemleri çözebiliyorum?” Bu bakış öğrenmeyi, yeni becerileri ve yapay zekâ okuryazarlığını zorunlu kılar. Yeni roller doğrulama, istisna yönetimi, ajan denetimi ve insan onayını tasarlayacak. Hazırlık sertifika listesi değil, yapay zekâyla işleriniz üzerinde jimnastik yapmaktır.
Ne yapmalı
Hızlı (bu hafta): Sonu olan tek bir iş seçin: haftalık rapor taslağı, teklif ön hazırlığı veya toplantı notundan aksiyon listesi. Kuralları ve yetki sınırını yazın. Çıktıyı okuyun, gönderme tuşunu kendinizde tutun.
Dengeli (bu çeyrek): Doğrulamayı kimin, hangi ölçütle ve ne kadar sürede yapacağını tanımlayın. Süreyi ölçmüyorsanız verimlilik iddianız ölçülemez.
Kapsamlı (12 ay): Olgunluğu pilot sayısıyla değil, teorik kapasite ile gerçekleşen kullanım arasındaki farkla ölçün. Erişim yetkisi, yama ve log disiplinini de gözden geçirin.
Kontrol listesi
Bu hafta için tek, sınırı belli bir iş seçildi
Yetki sınırı ve onay kapısı yazılı
Tedarikçi demolarında "bu skoru hangi düzenek aldı" sorusu soruluyor
Doğrulama süresi ölçülüyor, verimlilik iddiası buna göre hesaplanıyor
Ajan çıktısını denetleyen mekanizmanın kendisi ajan değil
Erişim yetkileri ve yama durumu gözden geçirildi
Ekip "hangi unvan" değil "hangi problemi çözüyoruz" dilini kullanıyor
Yapay zekâ okuryazarlığı ve yeniden beceri planı tanımlı
Son söz
AGI kapıyı çalıp kendini tanıtmayacak. Önce bir ölçüm setinde, sonra araştırma ekibinin hızında, sizin iş akışınızda, verdiğiniz yetkinin sınırında ve yaptığınız hatanın maliyetinde görünecek.
Eylülün ilk haftası iki şeyi gösterdi: Yapay zekânın üretme kapasitesi sıçradı, doğrulama kapasitemiz aynı hızda artmadı. Ne matematik camiasında ne bağımsız denetim kuruluşlarında ne de şirketinizde.
Kapanmayan makas burada. “AGI gelince yapacağım” dediğiniz iş buysa, o işin zamanı geldi. Ve o iş yalnızca aracı kullanmak değil; sistemi kimin tasarladığını, kimin onay verdiğini ve hatayı kimin geri alacağını belirlemektir.
Bir sonraki yazıda görüşmek üzere.