Yapay Zeka Artık Bir Uygulama Değil, Ulusal Kapasite Meselesi

Yapay zeka sistemlerinin görünen yüzünde modeller ve uygulamalar bulunuyor. Ancak modellerin geliştirilebilmesi, eğitilebilmesi, çalıştırılabilmesi ve güvenli biçimde ölçeklenebilmesi için görünmeyen fakat çok daha temel bir katmana ihtiyaç var.

Bu katman;
• Verinin nerede ve nasıl tutulduğunu,
• İşlem kapasitesinin nasıl tahsis edildiğini,
• Sistemlere kimin erişebildiğini,
• Güvenlik politikalarının nasıl uygulandığını,
• İş yüklerinin nerede çalıştırıldığını,
• Modellerin nasıl güncellendiğini,
• Operasyonların nasıl izlendiğini,
• Sistemin kriz ve kesinti anlarında nasıl devam edeceğini
belirliyor.

Dolayısıyla yapay zeka kapasitesi, yalnızca güçlü bir modele erişmekten ibaret değil. Modelin altında çalışan cloud, compute, veri, ağ, güvenlik ve yönetim altyapısının birlikte tasarlanması gerekiyor.

TBMM raporunda büyük ölçekli yerel veri merkezlerinin kamu-özel sektör ortaklığıyla kurulması, veri merkezi bölgelerinin oluşturulması, yapay zeka süper bilgisayar merkezleri ve ortak işlem kapasitesi geliştirilmesi, girişimlerin bu altyapılara erişiminin kolaylaştırılması ve yerli bulut altyapılarına yönelik Ar-Ge faaliyetlerinin desteklenmesi öneriliyor. Bu öneriler, yapay zeka politikasının artık doğrudan altyapı politikasıyla kesiştiğini gösteriyor.

Hazır bir yapay zeka servisini kullanmak, kurumlara hızlı başlangıç imkanı sağlayabilir. Ancak bir servise erişebilmek ile sürdürülebilir bir yapay zeka kapasitesine sahip olmak arasında kritik bir fark bulunuyor.

Tamamen dış sağlayıcılara bağımlı bir yapıda kurumlar;
• Verilerinin hangi altyapılardan geçtiği,
• İş yüklerinin hangi bölgelerde çalıştırıldığı,
• Maliyetlerin nasıl değişeceği,
• Servis koşullarının nasıl güncelleneceği,
• Kullanılan teknolojilerin başka ortamlara taşınıp taşınamayacağı,
• Kritik bir kesinti veya jeopolitik gelişme durumunda operasyonların nasıl sürdürüleceği
konularında sınırlı kontrol sahibi olabilir.

Bu nedenle yapay zeka egemenliği, yalnızca verinin ülke sınırları içinde tutulması olarak değerlendirilmemeli. Gerçek egemenlik; verinin, işlem kapasitesinin, kimlik ve erişim politikalarının, güvenlik kurallarının, model yaşam döngüsünün ve operasyonel kararların aynı kontrol mimarisi içinde yönetilebilmesini gerektiriyor.

Başka bir ifadeyle:
Kontrol düzlemi kimdeyse sistemin yönü de ondadır.

DT Cloud olarak yapay zeka kapasitesini iki temel katmanda ele alıyoruz.

Bunlardan ilki FOUNDATION.

Foundation; yapay zeka sistemlerinin üzerinde çalışacağı stratejik altyapı katmanıdır. Cloud, compute, veri, bağlantı, güvenlik, kimlik yönetimi ve kontrol düzlemi bu katmanda bir araya gelir. Ancak Foundation yalnızca teknik kaynakların sağlanması anlamına gelmez. Esas mesele, bu kaynakların kurumun güvenlik politikalarına, regülasyonlarına, operasyonel ihtiyaçlarına ve büyüme hedeflerine göre yönetilebilmesidir.

Güçlü bir Foundation katmanı kuruma şunları kazandırır:
• Verisi üzerinde kontrol
• İş yüklerini istediği ortamda çalıştırabilme özgürlüğü
• Güvenlik ve erişim politikalarını belirleme yetkisi
• Kritik operasyonlarda süreklilik
• Teknoloji ve sağlayıcı bağımlılığını azaltan taşınabilirlik
• Maliyetlerin ve kapasitenin öngörülebilir biçimde yönetilmesi
• Yapay zeka yaşam döngüsünün izlenebilir ve denetlenebilir olması

TBMM raporunda veri merkezlerinin farklı bölgelerde, güvenlik ve afet riskleri dikkate alınarak konumlandırılması; bu altyapılarda faaliyet gösterecek bulut sağlayıcılarının gerekli koruma önlemlerine, yönetişim yapılarına ve güvenlik sertifikasyonlarına sahip olması gerektiği belirtiliyor. Bu yaklaşım, yapay zeka altyapısının yalnızca yüksek işlem gücüyle değil; dayanıklılık, yönetişim ve güven temelinde kurulması gerektiğini ortaya koyuyor.

İkinci katman ise FOUNDRY.

Foundation yapay zekanın çalışacağı temeli oluştururken Foundry, bu altyapıyı üretim kapasitesine dönüştürür.

Foundry;
• Verinin hazırlanmasını,
• Kurumsal veri kaynaklarının kullanılabilir hale getirilmesini,
• Modellerin geliştirilmesini ve uyarlanmasını,
• Modellerin test edilmesini,
• Güvenli biçimde devreye alınmasını,
• Performanslarının izlenmesini,
• İş süreçlerine ve ürünlere entegre edilmesini
kapsar.

Çünkü işlem gücüne sahip olmak tek başına yeterli değildir. Asıl değer, bu kapasitenin kurumun kendi verisi ve uzmanlığıyla birleşerek gerçek bir yeteneğe dönüşmesiyle ortaya çıkar.

Foundry katmanında veri modele, model ürüne, ürün ise ölçülebilir bir iş sonucuna dönüşür. Bu nedenle yapay zeka stratejilerinin yalnızca altyapı yatırımı veya model seçimi üzerinden kurgulanması eksik kalır. Foundation ile Foundry arasında bütünlük kurulmadığında, kurumlar güçlü kaynaklara sahip olsalar bile bunları sürdürülebilir bir üretim kapasitesine dönüştürmekte zorlanabilir.

Küresel hyperscaler platformları geniş servis katalogları ve hızlı erişim olanakları sunuyor. Bu servisler birçok senaryoda kurumların deney yapmasını ve projelere hızlı başlamasını kolaylaştırabilir. Ancak DT Cloud’un yaklaşımı, hazır bir servis kataloğuna erişim sağlamanın ötesine geçiyor.

Hyperscaler modeli öncelikle servis tüketimine dayanır. Kurum, sağlayıcının tanımladığı mimari ve operasyonel çerçeve içinde kaynak kullanır.

DT Cloud yaklaşımında ise amaç, kurumun kendi yapay zeka kapasitesini oluşturmasıdır. Altyapı kurumun ihtiyaçlarına göre tasarlanır; veri, güvenlik, yönetişim ve operasyonel kontrol müşteride kalır.

Dolayısıyla temel fark, bir servisi nereden satın aldığınızdan daha büyüktür.

Temel fark;
yapay zekayı bir başkasının platformunda kullanmak ile kendi yapay zeka kapasitenizi kontrol edebileceğiniz bir yapı kurmak arasındadır.

Bu yaklaşım hyperscaler servislerinin tamamen dışlanması anlamına gelmez. Asıl mesele, bu servislerin kurumun teknoloji mimarisinde kontrolsüz ve alternatifsiz bir bağımlılığa dönüşmemesidir. Kurumların ihtiyaç duydukları farklı ortamları kullanabilmeleri, ancak veri ve kontrol düzlemi üzerindeki yetkilerini koruyabilmeleri gerekir.

Yerli yapay zeka ekosistemi denildiğinde tartışma yalnızca donanım üretimi veya yerli bir büyük dil modeli geliştirilmesiyle sınırlandırılmamalı.

Gerçek bir ekosistem;
• Veri merkezlerini,
• Bulut ve işlem altyapısını,
• Veri yönetişim mekanizmalarını,
• Siber güvenlik kapasitesini,
• Üniversiteleri ve araştırma merkezlerini,
• Girişimleri,
• Sektörel çözüm geliştiricileri,
• Finansman ve teşvik mekanizmalarını,
• Kamu kurumlarını,
• Regülasyon ve standart yapılarını
bir araya getirmelidir.

TBMM raporunda KOBİ’lerin ve girişimlerin yapay zeka araçlarına erişiminin kolaylaştırılması, yapay zeka altyapılarının özel sektör tarafından da kullanılabilmesi, kamu-özel sektör ortaklıklarının geliştirilmesi, yerli yapay zeka ürünlerinin kamu alımlarında desteklenmesi ve yerli bulut altyapılarının stratejik Ar-Ge alanlarından biri olarak ele alınması öneriliyor.

Bu yaklaşım, Türkiye’nin yapay zeka alanındaki hedeflerine yalnızca birkaç büyük yatırımla ulaşamayacağını gösteriyor. Kapasitenin ekosistemin tamamına yayılması; üniversitelerin, girişimlerin, KOBİ’lerin, kamu kurumlarının ve kritik sektörlerin ortak altyapılar üzerinde üretim yapabilmesi gerekiyor.

Ulusal yapay zeka kapasitesi yalnızca kamunun veya yalnızca özel sektörün kurabileceği bir yapı değil.

Kamunun;
• Uzun vadeli vizyonu belirlemesi,
• Düzenleyici çerçeveyi oluşturması,
• Kritik altyapı yatırımlarını teşvik etmesi,
• Ortak veri ve işlem kapasitesine erişimi kolaylaştırması,
• Yerli ekosistemin gelişimini desteklemesi
gerekiyor.

Özel sektörün ise bu vizyonu ölçeklenebilir altyapılara, çalışan platformlara, güvenli operasyon modellerine ve ticarileşebilir yeteneklere dönüştürmesi gerekiyor.

TBMM raporunun kamu-özel sektör ortaklığına yaptığı vurgu da bu açıdan kritik. Yapay zeka kapasitesi; politika, teknoloji, sermaye ve operasyonel uzmanlığın aynı yönde hareket etmesiyle kurulabilir.

DT Cloud olarak rolümüzü yalnızca cloud kaynağı veya işlem gücü sunmakla sınırlandırmıyoruz. Bizim odağımız, kurumların kendi yapay zeka kapasitelerini kurabilmelerini sağlamak.

Bu kapasitenin temelinde Foundation bulunuyor: Verinin, işlem gücünün, güvenliğin ve kontrol düzleminin kurumun ihtiyaçlarına göre tasarlandığı altyapı.

Bu kapasitenin üretime dönüştüğü yerde ise Foundry bulunuyor: Veriyi modele, modeli ürüne ve altyapı kapasitesini gerçek kurumsal yeteneğe dönüştüren katman.

Bu nedenle DT Cloud’un sunduğu temel değer bir ürün listesi değildir.

Asıl değer;
• Yapay zeka geliştirebilme,
• Yapay zekayı güvenli biçimde çalıştırabilme,
• Ölçekleyebilme,
• Denetleyebilme,
• Kritik verileri koruyabilme,
• Teknolojik tercihlerini özgürce yapabilme,
• Bu kapasiteyi uzun vadede sürdürebilme
kabiliyetidir.

TBMM Yapay Zeka Komisyonu Raporu, Türkiye’nin önündeki yolun yalnızca daha fazla yapay zeka uygulaması kullanmaktan geçmediğini gösteriyor.

Türkiye’nin kendi verisini değer üreten bir kaynağa dönüştürebilen, ihtiyaç duyduğu işlem kapasitesini güvenli biçimde sağlayabilen, yerli teknoloji ekosistemini geliştiren ve kritik sistemlerinin kontrolünü elinde tutan bir mimari kurması gerekiyor.

Bunun için yapay zekayı bir yazılım kategorisi olarak değil, enerji ve iletişim altyapıları gibi uzun vadeli planlanması gereken stratejik bir kapasite olarak ele almalıyız.

Geleceğin rekabeti yalnızca en güçlü modele kimin sahip olduğu üzerinden şekillenmeyecek.

Rekabet;
• Verisini kimin yönettiği,
• İşlem gücüne kimin erişebildiği,
• Kontrol düzlemini kimin işlettiği,
• Modelleri kimin kurallarına göre çalıştırdığı,
• Kapasiteyi ürüne kimin dönüştürebildiği
üzerinden şekillenecek.

Türkiye’nin yapay zeka geleceği, başka platformlarda servis tüketmekle değil; kendi Foundation ve Foundry katmanlarını kurarak gerçek bir yapay zeka kapasitesine sahip olmakla güçlenecek.
Yapay zeka kabiliyeti kiralanan bir servis değil, kontrolü kurumda ve ülkede kalan stratejik bir kapasite olarak kurulmalıdır.