UBS'in yatırım ofisinin tezi tek cümlede şu: artık "AI ekonomisi"nin içinde yaşıyoruz. Yapay zekâ, etkisi bakımından sanayi devrimi ve bilgi teknolojisi devrimiyle aynı ligde değerlendiriliyor — ve etkisi yıllarla değil, aylar ve çeyreklerle ölçülüyor.
Raporun en dikkat çeken tarafı, AI'ı bir teknoloji hikâyesi olarak değil bir ekonomi ölçüm problemi olarak ele alması. Yazarlara göre AI'ın ekonomik anlamı iki katmanlı: birincisi ekonominin her parçasını ölçülebilir biçimde etkiliyor; ikincisi, AI'ın kendine özgü ekonomisi alışılmış ekonomik ilişkileri değiştirebilir — yani eski ölçme alışkanlıklarıyla bakan yanlış sonuca varır.
UBS, AI'ın ekonomik etkisini üç ayrı camdan bakarak ölçmeyi öneriyor. Bu üç cam, raporun geri kalanının da iskeleti:
1 · Fiili büyüme
Ekonomi şu anda nasıl performans gösteriyor? AI burada dört kanaldan giriyor: yatırım, tüketim, net ihracat ve kamu harcaması.
2 · Potansiyel büyüme
Ekonomi enflasyon üretmeden teorik olarak ne kadar hızlı büyüyebilir? Bu, üretkenlik artı çalışılan saat demek. AI'ın buradaki etkisi, uzun vadeli asıl hikâye.
3 · Makro rejim
Büyüme ve enflasyonun bileşimi. Dört kare var: Goldilocks (hızlı büyüme, yavaş enflasyon), Reflasyon (ikisi de hızlı), Yavaşlama ve Stagflasyon. Fiili ile potansiyel büyüme arasındaki açık, enflasyonu belirliyor.
Kritik nokta: AI potansiyel büyümeyi yükseltirse, aynı büyüme daha az enflasyonist hâle gelirBu tablo neden önemli? Çünkü hangi karede olduğunuz, ekonominin size nasıl davrandığını belirliyor. Reflasyonda faizler inmez, girdi maliyetleri baskı yapar. Goldilocks'ta ise büyüme sürer ama enflasyon baskısı azalır — kredi ucuzlar, planlama kolaylaşır. Raporun iddiası şu: AI şu anda bizi reflasyonda tutuyor; üretkenlik kazanımları gerçekleşirse Goldilocks'a taşıyabilir. Ama bu, bir "eğer".
⚠️ Raporun kendi uyarısı
UBS, AI'ın nihai ekonomik etkisinin "son derece belirsiz" olduğunu açıkça yazıyor. Rapor bir kehanet değil, bir ölçüm çerçevesi — "şuraya bakın, şu göstergeleri izleyin" diyor. Biz de öyle okuduk.
Raporun motoru bu bölüm. Mantık basit ve döngüsel: AI üretkenliği artırdıkça daha çok kullanılıyor; kullanım arttıkça işlem (token) talebi katlanıyor; bu talep daha çok veri merkezi ve yatırım gerektiriyor; yatırım daha iyi modeller üretiyor ve çark yeniden dönüyor. Ancak bu çarkın iki freni var: enerji ve finansman.
UBS, küresel AI gelirlerinin 2030'da 3,1 trilyon dolara ulaşmasını bekliyor. Bu rakamın nasıl dağıldığı, para kimin kasasına gidiyor sorusunun cevabı — ve dikkat çekici olan, en büyük payın hâlâ "kazma-kürek"te olması:
GPU, bellek, veri merkezi, bulut
ajanlar, asistanlar, müşteri hizmeti, Ar-Ge
büyük dil modelleri: metin, görüntü, video
Buradaki dağılım tek başına bir strateji dersi: gelirin yarıdan fazlası modeli kuranlara değil, altyapıyı sağlayanlara gidiyor. Model katmanı — yani en çok konuşulan kısım — pastanın en küçük dilimi. İş dünyası açısından okunuşu şu: AI'dan para kazanmanın yolu mutlaka model geliştirmek değil; çarkın döndüğü yere mal veya hizmet satmak da bir yol.
Rapor, AI'ın ekonomisini anlamak için yeni bir kavram setini masaya koyuyor. En kritiği token: modellerin bilgiyi işlerken kullandığı temel veri birimi (1 token ≈ 4 karakter). UBS bunu "AI emeğinin marjinal birimi" diye tanımlıyor — yani AI'ın çalışma saati gibi.
| Katman | Ne yapar | Ekonomideki yeri |
|---|---|---|
| Enablers Sağlayıcılar | Sunucu, çip, GPU — hesaplamayı mümkün kılan donanım | AI arzı Token maliyetini belirler: çip + enerji + bellek |
| Models Modeller | Büyük veriyle eğitilmiş, insan müdahalesi olmadan örüntü/karar/içerik üreten yazılım | |
| Platforms Platformlar | AI'ı geliştirme, dağıtma ve kullanma sistemleri | Marjı yakalayan katman Token'ı "işe" paketleyen taraf |
| Adopters Kullananlar | AI'ı iş akışına gömen kişi ve kurumlar — yani bizler | AI talebi Talebi dağılım ve görev karmaşıklığı belirler |
Kurumsal talebin nasıl oluştuğu ise doğrudan bir maliyet-fayda hesabı: bir görevi otomatikleştirmenin token maliyeti, o görevden elde edilecek zaman tasarrufundan düşük mü? Rapordaki kritik detay şu — AI modellerini çalıştırma maliyetinin yılda yaklaşık 10 kat düşebileceği öngörülüyor. Maliyet düştükçe, otomatikleştirmenin kârlı olduğu görev sayısı artıyor. Çark buradan hızlanıyor.
Rapor dürüst bir liste veriyor: çarkı yavaşlatabilecek engeller ve hızlandırabilecek etkenler.
| 🛑 Engeller | 🚀 Hızlandırıcılar |
|---|---|
| Fiziksel: elektrik şebekesi kısıtları, su/soğutma sıkıntısı, yarı iletken kapasitesi | Teknoloji gelişimi: kullanım alanını veya tasarruf potansiyelini büyüten yenilikler |
| Teknik: kaliteli eğitim verisi eksikliği, ölçekte gecikme, güvenilmez çıktı | Düşen maliyet: maliyet düştükçe otomatikleştirmenin kârlı olduğu görev oranı artar. Erken benimseme yavaş ve pahalı; maliyet düştükçe hızlanır |
| Finansman: yüksek faiz/risk primi borçlanmayı pahalılaştırır; getiri belirsizse sermayeye erişim daralır | Daha iyi fikir üretimi: AI yeni fikir üretme hızını kalıcı olarak yükseltebilir — bu durumda verimlilik artışı süresiz hızlı kalır |
| J-eğrisi: yeni teknoloji, firmalar uyum sağlarken kısa vadede üretkenliği düşürebilir | |
| Sosyal: AI regülasyonu, kurumlar vergisi artışı, işten çıkarma tepkisi, veri merkezine mahalle direnci | — |
| Maliyet: artan token talebi AI'ı pahalılaştırabilir; emeğe kıyasla tasarruf avantajı azalır | — |
| İşgücü: AI yığınının her katmanında nitelikli personel yetersizliği | — |
AI'a dair en yaygın korku kitlesel iş kaybı. Raporun bu konudaki tespiti serinkanlı: şimdiye kadar işgücü piyasasındaki bozulma çok sınırlı — ama benimseme oranları arttıkça bunun değişmesi bekleniyor. Yani "olmadı" değil, "henüz olmadı".
UBS meseleyi dört kavramla ölçüyor: maruziyet (kaç görev AI'a açık), benimseme (ne kadarı fiilen kullanılıyor), otomasyon (AI işi devralıyor) ve destekleme (AI çalışanı güçlendiriyor). Kritik ayrım son ikisi arasında — ve veri şimdilik destekleme tarafını gösteriyor.
%50+ görev maruziyeti
yüksek maruziyet + medyan üstü uyum
kısa vadeli otomasyon riski
yüksek oranda ikame edilen roller
yüksek maruziyet + düşük uyum kapasitesi
Bu tablonun en öğretici tarafı, aynı olguya bakan beş çalışmanın %4 ile %20 arasında değişen sonuçlara varması. Çünkü soru "kaç iş yok olacak" değil; "hangi tanımla, hangi zaman diliminde, ne kadar uyum kapasitesiyle" sorusudur. Bir görevin AI'a açık olması, o işin ortadan kalkacağı anlamına gelmiyor.
Rapordaki en çarpıcı kıyas bu: iş yerinde AI kullanımı, 1981'de kişisel bilgisayarın ve 1995'te internetin benimsenme hızının önünde gidiyor. Ancak burada bir gerilim var: çalışanlar kurumlardan hızlı benimsiyor. Ekipteki insanlar AI'ı zaten kullanıyor; firmanın resmî süreçleri arkadan geliyor. Bu boşluk, hem bir verimlilik kaybı hem de bir veri güvenliği riski demek.
Kim daha hızlı benimsiyor?
Rapora göre benimseme büyük firmalarda ve yüksek teknoloji, finans, profesyonel hizmetler sektörlerinde belirgin biçimde daha hızlı. Maruziyet ile benimseme birbiriyle pozitif ilişkili — yani AI'a en açık sektörler aynı zamanda en hızlı benimseyenler.
KOBİ'ler için okunuşu: bu, geride kalma değil fark kapatma penceresi — büyük firma avantajı ölçekten geliyor, teknolojiden değilRaporun en rahatlatıcı verisi burada. ABD'de firmalara "son 6 ayda AI'ı ne için kullandınız" diye sorulduğunda, baskın cevap "bir çalışanın yaptığı işi desteklemek/geliştirmek" — "çalışanın yaptığı işi devralmak" değil. Yani AI şimdilik işi almıyor, işin karmasını değiştiriyor.
Ama bir istisna var: gençler
Erken kanıtlar, giriş seviyesi rollerin daha fazla AI'a açık görev içerdiğini ve bunun en çok genç çalışanları etkilediğini gösteriyor. Aşağıdaki tablo raporun en dikkat çekici grafiği.
Rapor burada uzun vadeli bir teselli sunuyor: tarihsel olarak inovasyon işgücü için net negatif olmamış. Verimlilik artışı, nihai talebi ve tedarik zincirinin yukarı/aşağı halkalarını büyüterek istihdamı desteklemiş. 1990'ların sonundaki bilgi teknolojisi entegrasyonu döneminde üretkenlik ortalama %2,5 büyürken, reel ücretler de birlikte artmış.
Raporun en kritik cümlesi burada: AI'ın ekonomiyi dönüştürmesi, nihayetinde üretebileceği üretkenlik kazanımının büyüklüğüne bağlı. Kazanım büyükse, aynı benimseme oranı çok daha fazla büyüme demek. Peki bugüne kadar ne oldu? Cevap kafa karıştırıcı.
Bu, raporun en dürüst yerlerinden biri. Üretkenlik arttı, evet — ama UBS bunu AI'a yazmıyor. 2010'lar anormal derecede düşüktü ve zaten pandemi öncesinde yukarı dönmüştü. Yani "AI çalışıyor" diyebilmek için elimizde henüz makro kanıt yok.
Raporun en öğretici gerilimi bu. Görev düzeyinde bakıldığında kazanımlar etkileyici; ekonominin tamamına bakıldığında mütevazı:
Bu boşluk neden var? Çünkü bir görevde %30 hızlanmak, şirketin tamamında %30 hızlanmak değildir. Kazanılan zaman başka bir darboğazda kayboluyor, süreçler yeniden tasarlanmıyor, ya da tasarruf edilen saat yeni bir işe dönüşmüyor. Rapordaki J-eğrisi uyarısı tam olarak bu: yeni teknoloji, firmalar uyum sağlarken kısa vadede üretkenliği düşürebilir.
UBS'in senaryo tablosu, tek bir değişkenin — benimsemenin ne kadar sürede tamamlandığının — sonucu nasıl değiştirdiğini gösteriyor. Aynı teknoloji, 10 yılda benimsenirse 20 yılda benimsenmesinin iki katı yıllık etki üretiyor:
Bir kereye mahsus mu, kalıcı mı?
Rapor iki ayrı kanal tanımlıyor. Çalışan verimliliğini artırmak — bu çok olası, ama etkisi seviye kaydırır: üretim bir kez yukarı çıkar, büyüme hızı kalıcı olarak artmaz. İnovasyon kapasitesini artırmak (yeni ilaç, yeni teknoloji üretebilmek) — bu daha az olası, ama gerçekleşirse üretkenlik büyümesi kalıcı olarak yükselir. Fark büyük: birincisi bir zam, ikincisi bir bileşik faiz.
Raporun somut tarafı burada — bilanço sunumlarında paylaşılan gerçek sonuçlar. Bunlar bir "AI vaadi" değil, ölçülmüş çıktılar (yalnızca ilgili şirketlerin kendi beyanları):
| Şirket | Alan | Sonuç |
|---|---|---|
| Block | Müşteri hizmeti | Destek taleplerinin %70'i tam otomatik |
| Workday | Yazılım / mühendislik | Mühendislik çıktısında +%22 |
| Workday | İnsan kaynakları | Self-servis ajanlarla %20 üretkenlik artışı |
| Mastercard | Dolandırıcılık tespiti | Tespit başarısında +%20 |
| PayPal | Yazılım geliştirme | Kodlama süresinde %10–30 tasarruf |
Bu listenin ortak özelliği dikkat çekici: hepsi tekrarlayan, kural-yoğun, yüksek hacimli işler — müşteri destek talebi, kod yazımı, işlem tarama, İK sorusu. Yani AI'ın bugün çalıştığı yer, "zeki karar" değil "sabırlı tekrar".
Bu bölüm, AI'ın en dolaylı ama en geniş etkisini anlatıyor: fiyatlar ve faizler. Rapordaki tespit ilk bakışta çelişkili görünüyor ama mantığı sağlam — AI şu anda enflasyonist, ilerisi için dezenflasyonist.
Neden? Çünkü bugün gördüğümüz şey bir talep şoku: veri merkezi inşaatı bellek, batarya gibi girdilerin fiyatını yukarı itiyor; AI harcaması yazılım ve dijital ürün fiyatlarına baskı yapıyor; veri merkezleri elektrik talebini ve dolayısıyla elektrik fiyatlarını yükseltiyor.
Bunun yanında raporun altını çizdiği bir nokta var: elektrik maliyetleri genel enflasyondan hızlı artıyor ve yarı iletken/elektronik bileşen fiyatlarında işletmeler rekor artışlarla karşılaşıyor. Yani AI'ın maliyeti sadece AI kullananın değil, aynı şebekeden elektrik alan ve aynı bileşeni ithal eden herkesin faturasında.
| Tema | Bugün | 2–5 yıl | Neden |
|---|---|---|---|
| Dijital ürünler (yazılım vb.) | + | = | AI harcaması yazılım fiyatlarını itiyor, sonra dengeleniyor |
| Enerji ve girdi maliyetleri | + | + | Baskı sürüyor — bu kalem uzun vadede de yukarı yönlü |
| İşgücü piyasasında gevşeme | = | − | İşgücü bozulması ücret baskısını azaltır |
| Uzun dönem üretkenlik | = | − | Üretkenlik kazanımı enflasyonist etkiyi aşar; otomasyon/robotik üretim maliyetini düşürür |
Ayrıca yüksek girdi fiyatlarının kendisi bir çözüm üretiyor: pahalılık arzı genişletmeye teşvik eder ve zamanla baskı azalır. Klasik ekonomi, yeni teknolojiye uygulanmış hâli.
Rapor, AI'ın merkez bankası kararlarını nasıl karmaşıklaştırdığını net anlatıyor:
Kısa vade → faiz inmesini geciktiriyor
AI yatırımı ve servet etkisiyle güçlenen tüketim, büyümeyi ve enflasyonu yukarı tutuyor. Bu, merkez bankasını indirmekten alıkoyuyor ve önümüzdeki yıl için faiz artırımı olasılığını yükseltiyor.
Uzun vade → indirim gerekçesi doğuyor
AI kaynaklı yapısal dezenflasyon ve olası işgücü bozulmasının işgücü piyasasını zayıflatması, ileride faiz indirimi beklemek için iki gerekçe.
Nötr faiz → net olarak yukarı
Yüksek üretkenlik potansiyel büyümeyi artırır, bu da daha yüksek bir nötr faiz gerektirir. Karşı yönde iki etken var: AI'ın gelir belirsizliğini artırıp tasarrufu yükseltmesi ve büyümenin bütçe açığını küçültmesi. UBS'in değerlendirmesi: net etki yukarı, ama benimseme hızına bağlı.
Maliye tarafı iyimser: 1 puanlık üretkenlik şoku, bütçe açığını GSYH'nin ~2 puanı kadar azaltabilir ve borç/GSYH oranını baz senaryoya göre 5–18 puan aşağı çekebilir. Ancak katılım oranının düşmesi veya işsizliğin artması bu kazanımı kısmen götürüyor.
Kamuoyu tarafı ise raporun en az konuşulan ama belki en önemli bölümü. AI şimdiye kadar regülasyonla neredeyse hiç sınırlanmadı — ama bu değişebilir. ABD'de her üç siyasi grupta da insanların %60'ından fazlası kendi bölgesinde veri merkezi kurulmasına karşı. Ve iş kaybı endişesi kuşaklar arasında yaygın:
Rapor bunu açık bir risk olarak işaretliyor: yüksek enerji maliyetleri, veri merkezine mahalle direnci ve iş kaybı korkusu AI için siyasi bir karşı rüzgâr yaratabilir. Yani AI'ın önündeki en büyük engel teknik değil, toplumsal olabilir.
Şeffaf olalım: UBS'in bu raporu yatırımcılar için yazıldı ve son bölümü varlık dağılımına ayrılmış. İZSİAD Rapor Radarı yatırım tavsiyesi vermez — bu yüzden burada varlık sınıfı önerilerini aktarmıyoruz. Aktardığımız tek şey, iş dünyası için de anlamı olan yapısal gözlem: AI artık portföyün içindeki bir kalem değil, bütün fiyatları etkileyen bir makro faktör.
| Alan | Raporun tespiti |
|---|---|
| Hisse yoğunlaşması | "AI-6" olarak adlandırılan şirketler S&P 500 piyasa değerinin %30'undan fazlasını oluşturuyor. Rapor bunu açık bir yoğunlaşma riski olarak işaretliyor: piyasanın artan bir kısmı AI'ın birinci ve ikinci türevine bağlı |
| Kredi | Teknoloji sektörü tahvil risk primi artık ABD ortalamasının belirgin biçimde üzerinde — yatırımcılar bu borcu emmek için prim istiyor. Kaldıraç bugün sorun değil ama bir risk |
| Emtia | Veri merkezi talebi metal ve enerji için yapısal bir talep tabanı yaratıyor. Bu doğrudan sanayi girdisi demek |
| Kur | ABD doları, AI'a duyarlı hisselerin performansıyla artan bir ilişki gösteriyor; ABD'nin AI yatırımında Çin ve AB'yi belirgin biçimde aşması sermaye girişini destekliyor |
| Tahvil | Uzun vadeli faizler, önemli AI model duyuruları çevresinde düşme eğilimi göstermiş — piyasa AI'ı dezenflasyonist okuyor |
⚠️ Neden bu bölümü kısa tuttuk
UBS raporu bir yatırım görüşü belgesidir ve UBS'in kendi risk bildirimi de bunun "belirli bir alıcının hedeflerini dikkate almadığını" belirtiyor. İZSİAD Rapor Radarı üyelerine bilgi ve ekonomik okuma sunar; portföy, varlık sınıfı veya menkul kıymet tavsiyesi vermez. Yatırım kararları için yetkili kuruluşlara ve kendi mali danışmanınıza başvurun.
Bunun iş dünyası açısından anlamı şu: AI'ı "teknoloji bölümünün işi" saymak artık mümkün değil. Rapor, AI'ın makro rejimi belirlediğini, makro rejimin de her varlık sınıfının davranışını belirlediğini söylüyor. Bunu kendi diline çevirirsek — AI, kredi maliyetinizi, girdi fiyatınızı, kurunuzu ve enerji faturanızı etkileyen bir değişken. Yani bilanço konusu, bilgi işlem konusu değil.
Rapor tamamen ABD ekonomisi üzerine kurulu — bu bir eksiklik değil, kapsam tercihi. Ama içindeki mekanizmalar coğrafyadan bağımsız çalışıyor: maliyet düşerse benimseme artar, süreç yeniden kurulmazsa kazanım gerçekleşmez, enerji her yerde fiziksel bir kısıttır. Aşağısı, bu mekanizmaların İzmir'de üretim yapan, ihracat yapan, ekip yöneten bir firma için ne demek olduğudur.
1 · Bekleme maliyeti düşüyor, ama sıfır değil
AI'ı çalıştırma maliyeti yılda 10 kata varan hızda düşebiliyor. Bu, "bekleyip ucuzlayınca girerim" demeyi rasyonel kılıyor gibi görünüyor. Ama bir sorun var: kazanımın büyük kısmı araçtan değil, aracın etrafındaki süreci yeniden kurmaktan geliyor — ve o öğrenme eğrisi ucuzlamıyor. Aracı sonra alabilirsiniz; öğrenmeyi bugün başlatmanız gerekiyor.
Pratik: bugün pahalı olanı satın almayın, ama pilotu bugün kurun2 · Ekibiniz zaten kullanıyor — soru "kural" sorusu
İş yerinde AI kullanımı %40'ı aşmış, firma düzeyi benimseme ise ~%20'de. Bu boşluk şunu söylüyor: çalışanlar kurumdan hızlı. Yazılı politikası ve onaylı araç listesi olmayan firma, kontrolsüz kullanımı seçmiş oluyor. Müşteri listesi, personel bilgisi ve fiyat verisi söz konusu olduğunda bu bir KVKK ve ticari sır meselesidir.
Pratik: tek sayfalık kullanım politikası + onaylı araç listesi + "şunları asla yükleme" kısa listesi3 · Tedarikçi konumu, model geliştirmekten gerçekçi
2030'da 3,1 trilyon dolarlık AI gelirinin 1,65 trilyonu altyapıya gidiyor: veri merkezi, soğutma, elektrik ekipmanı, metal işleme, kablaj. Ve 2030'a kadar +124 GW ilave güç ihtiyacı var. Ege sanayisinin makine, metal, elektrik ekipmanı ve mühendislik yetkinliği bu zincirin içine model geliştirmekten çok daha kısa yoldan girebilir.
Pratik: "AI şirketi olmak" değil, "AI altyapısına tedarikçi olmak" da bir strateji4 · Enerji verimliliği artık bir rekabet kalemi
Rapor enerjiyi çarkın fiziksel freni olarak tanımlıyor; veri merkezi tüketimi 2030'da 2020'nin 4 katından fazla olacak ve elektrik maliyetleri genel enflasyondan hızlı artıyor. Aynı şebekeden beslenen üretici için bu, sürdürülebilirlik başlığı değil doğrudan maliyet rekabeti başlığıdır.
Pratik: enerji verimliliği yatırımının geri dönüş hesabını bugünkü tarifeyle değil, artan tarife senaryosuyla yapın5 · Giriş seviyesini kesmek, orta kademeyi yok etmek
Verideki tek olumsuz grup 22–25 yaş (−%7). Kısa vadede genç alımını kesmek kârlı görünür; ama beş yıl sonraki orta kademeniz bugünün gençleri. Daha akıllısı, yeni mezunu AI ile birlikte çalışmayı öğreten role yerleştirmek — çünkü rapordaki kazanımların hepsi insan+AI birlikteliğinden geliyor, insansız otomasyondan değil.
Pratik: staj/yeni mezun programını kesmeyin, içeriğini değiştirin6 · Ölçmeyen firma, kazandığını da bilmiyor
Mikro düzeyde %25–30 kazanım, makroda 0,1–1,5 puana düşüyor. Aradaki kaybın adı ölçüm yokluğu ve süreç tasarımı eksikliği. Ayrıca J-eğrisi gerçek: ilk haftalar yavaşlatır. Ölçüm yoksa J-eğrisinin dibini "başarısızlık" sanıp doğru projeyi iptal edersiniz — ya da işlemeyen bir projeyi yıllarca taşırsınız.
Pratik: pilot öncesi 2 sayı yazın (görev başına dakika + hata oranı). 3 ay sonra hâlâ kazanç yoksa durdurunTelif notu: UBS raporu telif korumalıdır ve UBS'in izni olmadan çoğaltılamaz/dağıtılamaz. Bu sayfa raporu yayımlamaz veya çoğaltmaz; kaynak atfıyla yapılmış bağımsız bir analiz ve yorumdur. Raporun tam metnine erişim için UBS Chief Investment Office'e başvurulmalıdır. Yorumlar İZSİAD Yapay Zekâ Ofisi'ne aittir.