Bol ve erişilebilir zeka inşa etmek

Yapay zeka altyapısı büyük olduğu için değerli değildir. Değeri, mümkün kıldığı şeylerden gelir: Daha yetkin zekayı daha düşük maliyetle daha fazla insana ulaştırmak.

Ben bolluğu böyle değerlendiriyorum. Bu anlayış hem genel yapay zekanın tüm insanlığa fayda sağlamasını güvence altına alma misyonumuzun hem de işletmemize güç veren ekonomik motorun temelinde yer alıyor.

Faydalı zekanın maliyeti düştükçe daha fazla iş yapılmaya değer hâle geliyor. Modeller daha yetkin hâle geldikçe bu işler daha fazla değer yaratıyor. Kullanım yaygınlaştıkça yeni nesil araştırma ve altyapıya yatırım yapmayı sürdürmek için gereken geliri, gerçek dünya geri bildirimlerini ve talebe ilişkin öngörüleri elde ediyoruz.

Daha iyi zeka, kullanımın yaygınlaşmasını sağlıyor. Daha yaygın kullanım, daha fazla yatırımı destekliyor. Daha fazla yatırım, zekayı ve verimliliği geliştiriyor. İnşa ettiğimiz döngü bu.

Yakın tarihli fiyatlandırma duyurumuz, bu döngünün müşterilere ne kadar hızlı fayda sağladığını gösteriyor. Dün GPT‑5.6 Luna’nın fiyatını yüzde 80, GPT‑5.6 Terra’nın fiyatını ise yüzde 20 düşürdük. Luna artık bir milyon girdi tokenı için 0,20 ABD doları, bir milyon çıktı tokenı için 1,20 ABD doları; Terra ise sırasıyla 2 ve 12 ABD doları tutuyor.

GPT‑5.6 Sol’da Hızlı mod, zeka düzeyini değiştirmeden standart işlemenin iki katı fiyatına 2,5 kata kadar hız sağlıyor.

Bunlar yalnızca fiyat listesindeki değişiklikler değil. Uygulanabilir hâle gelen işlerin kapsamını genişletiyor ve müşterilere zeka, hız, güvenilirlik ve maliyet arasında denge kurma konusunda daha fazla esneklik sunuyor.

Doğru soru, hangi modelin hangi göreve uygun olduğu değildir. Doğru soru; istenen sonuç için ne kadar zeka gerektiği, bu zekaya ne kadar çabuk ihtiyaç duyulduğu ve sonuca ulaşmak için maliyetinin ne olması gerektiğidir. Bu denge, aynı iş akışı içinde birkaç kez değişebilir.

Müşteriler yalnızca token satın almak istemiyor. Destek sorununun çözülmesini, yazılımın kullanıma sunulmasını, sözleşmenin incelenmesini veya bilimsel sorunun yanıtlanmasını istiyorlar. Doğru ölçüt; gereken süreyi, yeniden denemeleri, gözetimi ve hataları da kapsayan başarılı sonuç maliyetidir.

İşi doğru ve verimli biçimde tamamlayan daha güçlü bir model, tekrar tekrar denenmesi veya yoğun insan müdahalesi gerektiren daha ucuz bir modelden sonuçta daha ekonomik olabilir. Öte yandan daha düşük maliyetli bir model, aynı kalite standardını karşıladığında erişimi önemli ölçüde genişletebilir. Fırsat, mümkün olan en yüksek faydalı zeka düzeyini doğru fiyatla sunmaktır.

Bu değeri sunmak için yeni veri merkezleri kurmaktan fazlası gerekiyor. Her işlem gücü birimini daha üretken hâle getirmek gerekiyor.

Yakın tarihli mühendislik çalışmalarımız bunun nasıl göründüğünü ortaya koyuyor. GPT‑5.6 Sol, teknik ekiplerimizle birlikte çalışarak modellerimizi sunmakta kullanılan üretim yazılımının optimize edilmesine yardımcı oldu ve uçtan uca sunum maliyetlerini yüzde 20 azalttı. Ayrıca spekülatif kod çözmeyi geliştirmeye yardımcı olarak token üretim verimliliğini yüzde 15’ten fazla artırdı.

En az bunun kadar önemlisi, verimliliği yalnızca model belirlemez. Modeli çevreleyen sistem de önemlidir. Daha iyi yönlendirme, donanımın verimli çalışmasını sağlıyor. Daha akıllı bağlam yönetimi, ajanların aynı işi tekrarlamasını önlüyor. Daha güçlü araçlar ve daha iyi ürün tasarımı, bir görevi tamamlamak için gereken adım sayısını azaltıyor.

Yakın tarihli bir kıyaslama analizinde, korunan akıl yürütme ve bağlam yönetimindeki iyileştirmeler, altı kat daha az çıktı tokenı kullanırken GPT‑5.6 Sol’un herkese açık ARC-AGI-3 görev kümesindeki puanını yüzde 13,3’ten yüzde 38,3’e çıkardı. Model değişmedi. Onu çevreleyen sistem değişti.

Bu kazanımlar birikerek büyüyor. Daha yetkin modeller, ekiplerimizin yeni verimlilik fırsatları keşfetmesine yardımcı oluyor. Bu verimlilik artışları, müşterilere hizmet sunma maliyetini düşürüyor ve aynı altyapıyla destekleyebileceğimiz işlerin kapsamını genişletiyor. Bu da yeni nesil zekayı daha erişilebilir hâle getiriyor.

Altyapı, modeller, platform ve ürünlerin tamamını geliştirmemizin avantajı, yalnızca her katmanda yer almamız değildir. Asıl avantaj, her katmanın diğerlerini daha iyi hâle getirmesidir.

Ürünlerin gerçek dünyadaki kullanımı, müşterilerin nerede değer bulduğunu ve nerede engellerle karşılaştığını gösteriyor. Bu geri bildirimler araştırmalarımıza yön veriyor. Araştırmalardaki ilerlemeler ürünlerimizi güçlendiriyor ve bu ürünleri sunma maliyetini düşürüyor. ChatGPT, ChatGPT Çalışma, Codex ve API genelindeki talep, kapasiteyi nerede artıracağımız konusunda daha iyi kararlar almamıza yardımcı oluyor.

Bu öğrenmenin ölçeği önem taşıyor. Modellerimiz artık bir milyardan fazla aktif kullanıcıya ve iki milyondan fazla işletmeye ulaşıyor. İnsanların teknolojiye güveni arttıkça onu daha kapsamlı biçimde kullanıyorlar. Kaydolduktan altı ay sonra insanlar her gün yaklaşık yüzde 50 daha fazla mesaj gönderiyor ve ChatGPT’yi yaklaşık iki kat daha fazla iş türünde kullanıyor. ChatGPT Çalışma, soruları yanıtlamanın ötesine geçip karmaşık ve çok adımlı işleri tamamlayarak bilgi çalışanı olmanın anlamını değiştiriyor; “sormaktan” “yapmaya” geçişi sağlıyor. OpenAI genelinde Codex aracılığıyla yürütülen ajan tabanlı çalışmalar artık haftalık çıktı tokenlarının %99,8’ini oluşturuyor. Finans ekibi de ajan tabanlı araçları çalışma biçiminin temel bir parçası hâline getiren ekipler arasında.

Kurumların içinde de benzer bir eğilim görülüyor. Bir şirket işe tek bir ekip veya iş akışıyla başlayabilir. Kalite ve ekonomik koşullar iyileştikçe kullanım farklı işlevlere yayılıyor ve yapay zeka, işletmenin çalışma biçiminin bir parçası hâline geliyor.

Bu da talep, ürün geliştirme, verimlilik ve altyapı planlaması arasında değerli bir geri bildirim döngüsü oluşturuyor. Bunun için her varlığa sahip olmamız veya her bileşeni kendimiz geliştirmemiz gerekmiyor. Müşteriye en iyi hizmeti sunan ve ekonomik açıdan en mantıklı seçeneğe göre sahip olabilir, ortaklık kurabilir veya satın alabiliriz. Önemli olan sistemi koordine etmek ve sistemin bütününden öğrenmektir.

Yapay zeka altyapısının ihtiyaç doğmadan yıllar önce planlanması gerekirken modeller, ürünler ve müşteri talebi çok daha hızlı değişiyor. Bu uyumsuzluk, disiplini vazgeçilmez kılıyor.

Yatırım kararlarımızı kanıtlara dayandırıyoruz: kullanıcı ve iş yükü artışı, kurumsal taahhütler, API tüketimi, kullanım oranı, gelir ile model kabiliyeti ve verimliliğindeki ilerlemeler. Teknik ve ticari dönüm noktaları, projelerin ne zaman ilerleyeceğini belirlemeye yardımcı oluyor. Uzun vadeli ortaklıklar, geniş ölçekte hizmet sunmak için gereken finansmanı, altyapıyı ve operasyonel uzmanlığı bir araya getiriyor.

Ürün gelirleri, özel sermaye ve ticari ortaklıklar bu büyümeyi desteklemede farklı roller üstleniyor. Amaç, mümkün olan en büyük altyapıyı kurmak değil. Amaç, güvenilir talebi karşılamak için doğru kapasiteyi doğru zamanda devreye almaktır.

Benim için temel sorular oldukça açık: Yeni kapasite ne kadar çabuk verimli hâle geliyor? Ne kadar verimli kullanılıyor? Hangi müşteri talebini karşılıyor? Teknik ilerleme, faydalı zeka sunmanın maliyetini ne kadar hızlı düşürebilir?

Bu sorular, uzun vadeli hedeflerle operasyonel disiplin arasında bağ kuruyor.

Henüz yolun başındayız. Daha yetkin sistemler daha uzun projeleri tamamlayacak, araçlar arasında koordinasyon sağlayacak ve bir fikirle nihai sonuç arasındaki işlerin daha büyük bölümünü üstlenecek. Bireyler ve küçük işletmeler, eskiden yalnızca çok daha büyük kuruluşların sahip olduğu kabiliyetlere kavuşacak. Büyük işletmeler zekadan faaliyetlerinin genelinde daha kapsamlı biçimde yararlanacak.

Hedefimiz yalnızca daha fazla işlem gücü, daha büyük modeller veya daha düşük token fiyatları değil. Hedefimiz, daha faydalı zekayı erişilebilir kılmak.

Bolluk tam olarak budur: Giderek daha yetkin ve uygun maliyetli hâle gelen, kullanıcılarına daha fazla değer sunan zeka. İlerlememizi; ne kadar faydalı işi mümkün kıldığına, bunu ne kadar verimli sunduğumuza ve faydalarının ne ölçüde geniş kitlelerle paylaşılabildiğine göre ölçeceğiz.