Yapay Zekânın Değer Zincirinde Gelişmekte Olan Ülkeler: Yeni Bir Bağımlılık Biçimi mi?

Yapay zekâ değer zinciri, donanımdan bulut altyapısına, veri etiketlemeden temel modellere kadar her katmanda birkaç şirketin yapısal hâkimiyeti altında şekilleniyor. Bu yoğunlaşma, gelişmekte olan ülkeleri yeni bir bağımlılık ilişkisinin içine çekiyor olabilir.

Küresel yapay zekâ hesaplama gücünün %90’ından fazlası tek bir şirketin, Nvidia’nın elinde.^[1] Bu çipleri üreten Taiwan Semiconductor Manufacturing Company Limited (TSMC), dünyadaki en ileri yarı iletkenlerin %90’ını karşılıyor.^[2] Üç Amerikan bulut şirketi, AWS, Azure ve Google Cloud, küresel bulut bilişim gelirlerinin %66’sına sahip. Altyapı hizmeti (Infrastructure-as-a-Service, IaaS) segmentinde ise bu oran %74’e çıkıyor.^[3] Kenya’da bir veri etiketçisi bu altyapıyı besleyen verileri saatte 2 dolara etiketlerken, aynı emek üzerine inşa edilen büyük dil modelleri trilyonlarca dolarlık piyasa değeri üretiyor.^[4]

Bu yoğunlaşma yalnızca teknolojik bir veri değil, aynı zamanda küresel iş bölümünü yansıtıyor. Bu tablo, bağımlılık kuramının yarım yüzyıl önce tarif ettiği ilişkiyi çağrıştırıyor. Bağımlılık kuramının öncü isimlerinden Andre Gunder Frank (1966, 1967) ve Samir Amin’in (1974) vurguladığı gibi, merkez ülkeler çevre ekonomilerinden ham madde ve ucuz emek çekerken, katma değerin büyük kısmı merkezde kalıyordu. Şimdi benzer bir asimetri, farklı bir teknolojik bağlamda yeniden karşımıza çıkıyor. Asıl soru şu: yapay zekâ değer zincirindeki bu yoğunlaşma, gelişmekte olan ülkeleri yeni bir bağımlılık ilişkisine sürüklüyor mu?

Beş katmanlı bir değer zinciri, tek elde bir hâkimiyet

Uluslararası Ödemeler Bankası’nın (BIS) 2025 tarihli raporu, yapay zekâ tedarik zincirini beş katmana ayırıyor: donanım, bulut altyapısı, eğitim verisi, temel modeller ve son kullanıcı uygulamaları (Gambacorta ve Shreeti, 2025). Her katmanın kendine özgü yoğunlaşma dinamikleri var, fakat asıl yapısal sorun daha derinde. Birkaç büyük teknoloji şirketi bu katmanların tamamında dikey entegrasyon kurmuş durumda.

BIS bu örüntüyü kendi raporunda doğrudan ifade ediyor. Rapora göre büyük teknoloji şirketleri “veri ve bulut hizmetlerindeki mevcut hakimiyetlerini, tedarik zincirinin hem yukarı hem aşağı katmanlarında avantaj elde etmek için kullanabilecek konumdadır” (Gambacorta ve Shreeti, 2025, s. 4). Bu firmaların davranışı yalnızca piyasa payını büyütmekle sınırlı değil. Kendi yapay zekâ çiplerini üretiyor, veri sahibi şirketleri satın alıyor, kendi temel modellerini geliştiriyor, hatta veri merkezlerini beslemek için kendi nükleer enerji kaynaklarını güvence altına alıyorlar. Böylece bulut, model ve veri arasında kendini besleyen bir döngü kuruluyor. Daha fazla kullanıcı daha fazla veri demek; daha fazla veri daha iyi modeller, daha iyi modeller ise daha fazla kullanıcı — döngü her turda büyük teknoloji şirketlerinin lehine genişliyor.

Tabloya kalıcılık kazandıran asıl mekanizma şu: katmanlar arasındaki giriş engelleri birbirini güçlendiriyor. Donanım tarafında Nvidia’nın CUDA yazılımı endüstri standardı haline gelmiş ve yalnızca Nvidia çipleriyle çalışıyor. Geliştiriciler yıllardır bu platform üzerine kod yazıyor, başka bir üreticiye geçmek ciddi bir geçiş maliyeti doğuruyor.^[5] Bulut tarafında ise yüksek çıkış ücretleri (egress fees) müşterileri mevcut sağlayıcılara fiilen kilitliyor. Avrupa Birliği’nde AWS ile Azure’un toplam bulut pazarı payı 2020’de %80’i aşmıştı. Bu şirketler aynı zamanda yüksek kâr marjlarıyla çalışıyor; AWS’nin kâr marjı yaklaşık %30, Azure’un ise yaklaşık %38 düzeyinde (Gambacorta ve Shreeti, 2025, s. 6; Netherlands Authority for Consumers and Markets, 2022).

Gelişmekte olan ülkeler bu tabloda nerede duruyor? Hindistan’da üç büyük bulut sağlayıcının altyapı hizmeti (IaaS) pazar payı %87, Avustralya’da %77, Brezilya’da %71.^[6] Bu ülkelerin yapay zekâ altyapısı fiilen üç Amerikan (ve kısmen Çinli) şirkete bağımlı. Donanımdan buluta, buluttan modele uzanan zincirde gelişmekte olan ülkeler ağırlıklı olarak tüketici ve veri sağlayıcı konumunda.

Verinin hammaddeleşmesi: Dijital emeğin görünmez katmanı

Değer zincirinin görünmeyen katmanı Küresel Güney’de, insan emeğiyle örülüyor. Yapay zekâ modellerinin eğitimi için gereken devasa veri setlerinin önemli bir kısmı Hindistan, Arjantin, Venezuela, Madagaskar ve Kenya gibi Küresel Güney ülkelerindeki veri işçileri tarafından etiketleniyor (Casilli, 2025; Miceli ve Posada, 2022; Muldoon vd., 2023; Tubaro ve Casilli, 2025). Casilli’nin “göze çarpmayan dijital emek” (inconspicuous digital labor) olarak adlandırdığı bu süreçte işçiler şiddet içeren, cinsel ya da travmatik içerikleri sınıflandırıyor, karşılığında saatte 1 ila 2 dolar alıyor ve çoğunlukla bağımsız yüklenici statüsünde, iş güvencesinden yoksun çalışıyorlar (Muldoon vd., 2023; Miceli ve Posada, 2022).

Bu örüntü, tarihsel sömürgecilik coğrafyasının neredeyse birebir dijital bir kopyasını andırıyor. Sömürge döneminde çevre ülkeler ham madde çıkarıp merkeze gönderirken katma değer merkezde yaratılıyordu. Bugün de veri Küresel Güney’de etiketleniyor, model Küresel Kuzey’de eğitiliyor ve ekonomik değer Küresel Kuzey’de gerçekleşiyor. Couldry ve Mejias (2019) bu süreci “veri sömürgeciliği” (data colonialism) olarak kavramsallaştırıyor. Onlara göre insan yaşamının veriye dönüştürülmesi ve bu verinin sermayeye eklemlenmesi, tarihsel sömürgeciliğin yapısal bir devamıdır. Kwet (2019) ise “dijital sömürgecilik” kavramıyla daha çok altyapı sahipliğine odaklanıyor ve ABD merkezli şirketlerin dijital altyapı üzerindeki denetiminin Küresel Güney’i “kalıcı bir bağımlılık” içinde tuttuğunu öne sürüyor.

Bu yapısal asimetriyi ‘bağımlılık kuramı’ ya da ‘dijital sömürgecilik’ gibi kavramlarla adlandırmak zorunda değiliz. Ampirik veriler, kavramsal tercihten bağımsız olarak, yapısal bir asimetriyi tartışmasız biçimde gösteriyor. Değer zincirinin alt halkaları, yani veri etiketleme ve içerik moderasyonu, Küresel Güney’e dış kaynak olarak veriliyor; üst halkaları, yani model tasarımı, çip mimarisi ve platform yönetimi ise birkaç merkezde yoğunlaşıyor.

Ama açık kaynak her şeyi değiştirmiyor mu?

Buraya kadar kurduğumuz teze güçlü bir itiraz var. LLaMA, Mistral ve DeepSeek gibi açık kaynak modeller yapay zekâyı demokratikleştirmiyor mu? İtiraz ciddiye alınmayı hak ediyor: son yıllarda değer zincirinin en görünür katmanında gerçekten önemli bir açılma yaşandı.

Açılma gerçekten yaşandı, fakat yalnızca model katmanında. Bir modeli indirmek başka şey, onu çalıştırmak ise bambaşka. Büyük bir dil modelini eğitmek ya da ince ayar yapmak (fine-tuning) hâlâ ciddi bir hesaplama gücü gerektiriyor ve bu güç de yukarıda tarif edilen donanım ve bulut oligopolünden satın alınıyor. BCG’nin 2026 tarihli raporu bu çelişkiyi net ifade ediyor: yapay zekâ egemenliği için gerekli ölçek ve kapasiteye sahip yalnızca birkaç süper güç ve orta güç var. Bu ülkelerin çoğu için bile “tam bir yığın bağımsızlığı (full-stack autarky) olarak tasarlanan yapay zekâ egemenliği bir yanılsamadır” (BCG, 2026). UNCTAD’ın 2025 raporu bu görüntüyü somutlaştırıyor: yapay zekâ hesaplama gücü giderek daha karmaşık yarı iletkenlere ihtiyaç duyuyor, bu çipler yalnızca bir avuç firma tarafından üretiliyor ve arz şoklarında gelişmekte olan ülkeler sona kalma riski altında (UNCTAD, 2025, s. 81). Açık kaynak modeller bilgiyi serbestleştiriyor, ama altyapı bağımlılığını ortadan kaldırmıyor.

Çin’in yapay zekâ alanındaki yakalama süreci (catching-up) de sıkça başvurulan bir karşı-örnek. DeepSeek’in düşük hesaplama maliyetiyle rekabetçi modeller üretmesi çarpıcı bir başarı. İlk bakışta bağımlılık tezini zorluyor. Gerçek şu ki bu başarının ardındaki koşullar bambaşka bir tablo çiziyor. Lundvall ve Rikap’ın (2022) gösterdiği gibi Çin’in yakalama süreci, kurumsal ve ulusal inovasyon sistemlerinin (Lundvall, 1992) on yıllar süren bir eş-evriminin ürünü. Devasa devlet yatırımları, 1,4 milyar kişilik iç pazar, Huawei gibi yerli donanım üreticileri ve stratejik bir “bağımsız ve kontrol edilebilir” yapay zekâ politikası bu yakalama sürecini mümkün kıldı (MERICS, 2025). Bu koşulların büyük bölümü gelişmekte olan ülkelerde yapısal olarak mevcut değil. Çin, bağımlılık tezini çürütmek yerine, bağımlılıktan çıkışın ne denli olağanüstü koşullar gerektirdiğini gösteriyor.

Türkiye bu tabloda nerede?

Bu tabloda Türkiye’nin yeri sayılarla okunabilir. Oxford Insights’ın Devlet Yapay Zekâ Hazırlık Endeksi’nde Türkiye 195 ülke arasında 48. sırada, 58,10 puanla yer alıyor (Oxford Insights, 2025). Stanford HAI’ın Küresel Yapay Zekâ Canlılığı Aracı’nda ise Türkiye 36 ülke arasında 31. sırada (Stanford HAI, 2024). Araç, yapay zekâ ekosistemlerinin canlılığını sekiz boyutta ölçüyor: Ar-Ge, sorumlu YZ, ekonomi, eğitim, çeşitlilik, politika, kamuoyu ve altyapı.^[7] Oxford Insights’ın Türkiye değerlendirmesi sıralamanın kendisinden daha fazlasını söylüyor. Rapor şunu tespit ediyor: “Ülke yapay zekâ benimsenmesini artırma fırsatlarını keşfetmeye devam ediyor, ancak birkaç yıl önce verilen ulusal stratejik taahhütler hâlâ yerine getirilmemiş durumda” (Oxford Insights, 2025).

Türkiye’nin yapay zekâ politikası iki katmanda ilerliyor. Cumhurbaşkanlığı Dijital Dönüşüm Ofisi ile Sanayi ve Teknoloji Bakanlığı’nın 2021’de yayımladığı Ulusal Yapay Zekâ Stratejisi 2025’te tamamlandı (CBDDO ve STB, 2021). Sanayi Bakanlığı, Nisan 2026’da bu sürecin devamı için bir kamuoyu görüş platformu açtı; yeni bir eylem planı hazırlanıyor (Sanayi ve Teknoloji Bakanlığı, 2026). Bu adımlar kendi başlarına olumlu sayılmalı. Ne var ki mevcut stratejinin altı önceliği “çevik ve sürdürülebilir bir yapay zekâ ekosistemi” vizyonu etrafında, ağırlıklı olarak fırsatlardan istifade ve uluslararası iş birliği diliyle kurulmuş. Donanım üretiminin yokluğu, bulut altyapısındaki yabancı bağımlılık ve temel model geliştirme kapasitesinin sınırlılığı ise bu altı öncelik arasında bağımsız bir başlık olarak ele alınmıyor.

Tartışmanın kavramsal çerçevesi için Carlota Perez’e dönmek gerekiyor. Perez’e göre her paradigma değişimi, gelişmekte olan ülkelere bir fırsat penceresi aralayabilir (Perez ve Soete, 1988; Perez, 2002). Gelgelelim Perez’in de ısrarla vurguladığı gibi bu pencere otomatik değildir; aktif bir sanayi politikası olmadan ardına kadar açılmaz (Perez, 2002). Üstelik bu paradigma değişiminin bir özgünlüğü var. Rikap ve Lundvall’ın (2022) gösterdiği üzere büyük teknoloji şirketlerinin bilgi avcılığı (knowledge predation), yani araştırma kurumlarından ve çevre ekonomilerinden bilgiyi çekip kendine mal etme kapasitesi, bu pencereyi önceki paradigma değişimlerine göre çok daha daraltıyor. Çünkü yapay zekâ çağında bilgi, önceki teknolojik devrimlerden farklı olarak birkaç firmanın duvarlarının arkasında yoğunlaşmış durumda.

Sonuç: Türkiye yapısal konumlanmayı görmezden gelebilir mi?

Yapay zekâ değer zincirindeki yapısal yoğunlaşma, gelişmekte olan ülkeleri ham veri sağlayıcısı ve düşük ücretli dijital emek ihracatçısı konumuna itiyor. Bu bir kader değil. Yine de yapısal bir eğilim ve son dönemde giderek politize oluyor. Bu politizasyonun en çıplak örneği, ABD’nin 2025’te yürürlüğe soktuğu çip ihracat kontrolleri, yani ülkelere farklı erişim koşulları getiren “Yapay Zekâ Yayılım Çerçevesi”.^[8] Açık kaynak modeller ve DeepSeek gibi verimlilik atılımları umut vaat etse de altyapıdaki bağımlılığı çözmüyor. BCG gibi danışmanlık kuruluşları pragmatik bir yanıt olarak “dayanıklılık” (resilience) stratejisi öneriyor: yapay zekâyı yerel ölçekte kullanma, uyarlama ve yönetme yoluyla stratejik bağımlılıkları azaltma. Reçete pragmatik olabilir ama değer zincirinin asimetrisini değiştirmiyor, yalnızca onunla yaşamayı öğretiyor.

Türkiye yapay zekâ vizyonunu tartışırken bu yapısal konumlanmayı görmezden gelebilir mi? Soruyu tersinden sorduğumuzda cevap daha da netleşiyor. Hesaplama gücünü, bulut altyapısını ve temel modellerini dışarıdan ithal eden bir ülke, yapay zekâ alanında nasıl bir egemenlikten söz edebilir?

Kaynaklar

Amin, S. (1974). Accumulation on a World Scale: A Critique of the Theory of Underdevelopment. Monthly Review Press.

BCG (2026). “For Most Countries, AI Sovereignty Is an Illusion. Resilience Is Real.” Boston Consulting Group Publications.

Casilli, A. A. (2025). “Digital Labor and the Inconspicuous Production of Artificial Intelligence.” In: E. Bulut, J. Chen, R. Grohmann ve K. Jarrett (Eds.), SAGE Handbook of Digital Labour, s. 282–292. SAGE Publications.

Couldry, N. ve Mejias, U. A. (2019). The Costs of Connection: How Data Is Colonizing Human Life and Appropriating It for Capitalism. Stanford University Press.

Cumhurbaşkanlığı Dijital Dönüşüm Ofisi (CBDDO) ve Sanayi ve Teknoloji Bakanlığı (STB). (2021). Ulusal Yapay Zekâ Stratejisi 2021–2025. Ankara. https://www.cbddo.gov.tr/UYZS

Frank, A. G. (1966). “The Development of Underdevelopment.” Monthly Review, 18(4), 17–31.

Frank, A. G. (1967). Capitalism and Underdevelopment in Latin America: Historical Studies of Chile and Brazil. Monthly Review Press.

Gambacorta, L. ve Shreeti, V. (2025). “The AI Supply Chain.” BIS Papers, No. 154, March.

Kwet, M. (2019). “Digital Colonialism: US Empire and the New Imperialism in the Global South.” Race & Class, 60(4). DOI: 10.1177/0306396818823172.

Lundvall, B.-Å. (Ed.). (1992). National Systems of Innovation: Towards a Theory of Innovation and Interactive Learning. Pinter Publishers.

Lundvall, B.-Å. ve Rikap, C. (2022). “China’s Catching-up in Artificial Intelligence Seen as a Co-evolution of Corporate and National Innovation Systems.” Research Policy, 51(1), 104395. DOI: 10.1016/j.respol.2021.104395.

MERICS (2025). “China’s Drive toward Self-reliance in Artificial Intelligence.” Mercator Institute for China Studies, 22 July.

Miceli, M. ve Posada, J. (2022). “The Data-Production Dispositif.” Proceedings of the ACM on Human-Computer Interaction, 6(CSCW²), 1–37. DOI: 10.1145/3555561.

Muldoon, J., Cant, C., Graham, M. vd. (2023). “The Poverty of Ethical AI: Impact Sourcing and AI Supply Chains.” AI & Society, 39, 1305–1313. DOI: 10.1007/s00146-023-01824-9.

Netherlands Authority for Consumers and Markets (2022). Market Study into Cloud Services.

Oxford Insights (2025). Government AI Readiness Index 2025. Oxford Insights.

Perez, C. (2002). Technological Revolutions and Financial Capital: The Dynamics of Bubbles and Golden Ages. Edward Elgar.

Perez, C. ve Soete, L. (1988). “Catching up in technology: entry barriers and windows of opportunity.” In: G. Dosi, C. Freeman, R. Nelson, G. Silverberg ve L. Soete (Eds.), Technical Change and Economic Theory. Pinter Publishers.

Rikap, C. ve Lundvall, B.-Å. (2022). “Big Tech, Knowledge Predation and the Implications for Development.” Innovation and Development, 12(3), 389–416. DOI: 10.1080/2157930x.2020.1855825.

Sanayi ve Teknoloji Bakanlığı. (2026). Türkiye Yapay Zekâ Vizyonu. Kamuoyu görüş platformu, Nisan 2026. https://yapayzekavizyonu.sanayi.gov.tr/

Stanford HAI (2024). Global AI Vibrancy Tool. Stanford University, Human-Centered Artificial Intelligence.

Tubaro, P. ve Casilli, A. A. (2025). “Where Does AI Come from? A Global Case Study across Europe, Africa, and Latin America.” New Political Economy. DOI: 10.1080/13563467.2025.2462137.

UNCTAD (2025). Technology and Innovation Report 2025: Inclusive Artificial Intelligence for Development. United Nations Conference on Trade and Development.

Notlar

1. ^{Nvidia’nın veri merkezi GPU gelirlerindeki pazar payı. Kaynak: Gambacorta ve Shreeti (2025, s. 5, Grafik 2.A); CNBC, ‘Meet the $10,000 Nvidia Chip Powering the Race for AI’, 23 Şubat 2023; The Economist, ‘Why do Nvidia’s chips dominate the AI market?’, 27 Şubat 2024.} ↑

2. ^{TSMC’nin küresel yarı iletken üretimindeki payı %60+; en ileri yarı iletkenlerde %90+. Kaynak: Gambacorta ve Shreeti (2025, s. 5, dipnot 4); The Economist (2023).} ↑

3. ^{AWS %31, Azure %24, Google Cloud %11 — küresel bulut bilişim gelirleri, Q1 2024. IaaS segmentinde bu üç firma birlikte %74. Kaynak: Gambacorta ve Shreeti (2025, s. 6, Grafik 2.B); Gartner (2024).} ↑

4. ^{Kenya’da veri etiketçi ücretleri için bkz. CBS News 60 Minutes, “Kenyan workers with AI jobs thought they had tickets to the future until the grim reality set in”, 24 Kasım 2024; OECD AI Incident Database (2025).} ↑

5. ^{Nvidia’nın CUDA platformunun kilitleyici etkisi için bkz. Gambacorta ve Shreeti (2025, s. 5); The Economist, ‘Why do Nvidia’s chips dominate the AI market?’, 27 Şubat 2024.} ↑

6. ^{Bu rakamlar üç büyük bulut sağlayıcının (AWS, Azure, Google Cloud) IaaS pazar payını ifade ediyor — chatbot veya yapay zekâ uygulama payını değil. Kaynak: Gambacorta ve Shreeti (2025, s. 6); ACCC (2023); BNamericas (2021).} ↑

7. ^{Stanford HAI, Türkiye’nin bu sıralamasının dikkatle yorumlanması gerektiğini açıkça belirtiyor. Raporda kullanılan %70 veri kapsama eşiğini Türkiye karşılayamamış, yalnızca stratejik önemi nedeniyle listeye alınmıştır. Türkiye’nin 2023 veri kapsaması %60 düzeyindedir (Stanford HAI, 2024, Appendix A, s. 31 ve Tablo 11, s. 41).} ↑

8. ^{Bureau of Industry and Security (BIS), “Framework for Artificial Intelligence Diffusion”, Federal Register Vol. 90, No. 9, 15 Ocak 2025. Kural ileri yapay zekâ çiplerine ülke kategorilerine göre erişim kontrolü getiriyordu (Country Group A:5/A:6 geniş erişim, B ara, D:1/D:4/D:5 endişeli destinasyonlar, E:1/E:2 yaptırım altı). Mart 2026’da iptal edildi (Reuters, 13 Mart 2026), ancak yapısal kısıtlama çerçevesi devam ediyor.} ↑