13 Haziran 2026. Tersane İstanbul'da, Türkiye Yapay Zeka Zirvesi'nde Cumhurbaşkanı 2026-2030 dönemini kapsayan Türkiye Yapay Zeka Eylem Planı'nı paylaştı.¹ Rakamlar gerçekten iddialı: en az 10 milyar dolarlık yatırım, 2030'a kadar 1 gigawatt (GW) veri merkezi kapasitesi, 110 bin uzman, 5 milyon vatandaşa temel eğitim.

Ama bir danışman olarak yıllardır gördüğüm şu: Hiçbir teknoloji yol haritası, hedeflerinin büyüklüğüyle başarılı olmaz; doğru hedefleri seçip onların önündeki engelleri aşabildiği ölçüde başarılı olur. Bu yazıda planı küresel terazide tartacağız, dört gerçeği masaya yatıracağız ve en önemlisi bir KOBİ, üniversite ya da kamu kurumu olarak bu dönüşüme bugün nasıl hazırlanmamız gerektiğini ele alacağız.

Plan, salt teknik bir strateji değil. “Fark Et, İstifade Et, Üret ve Yönet” şeklindeki dört eksen, sırasıyla toplumsal farkındalığı, yapay zekayı somut faydaya çevirmeyi, yerli teknoloji üretmeyi ve uluslararası düzeyde yönetişim/standart koymayı hedefliyor.¹ Yani mesele yalnızca ekonomik bir araç değil; dijital egemenlik ve ulusal kapasite meselesi olarak kurgulanmış. Bu çerçeve, 2030 vizyonunu tek bir teknik projeden çok daha geniş bir devlet dönüşümü hedefine taşıyor.

Planın öne çıkan sayısal hedefleri şöyle özetlenebilir:

10 milyar $  — Veri merkezi, bulut ve YZ altyapısı için özel sektör ağırlıklı kaynak

1 GW  — 2030'a kadar ulusal veri merkezi kurulu gücü

110.000  — Uzman (10 bin ileri düzey + 100 bin uygulama profesyoneli)

5 milyon  — 2 yılda 81 ilde temel YZ okuryazarlığı eğitimi

%2  — Kamu yatırım programlarından YZ projelerine ayrılacak pay

2.000+  — Ulusal Veri Kütüphanesi üzerinden açılacak kamu veri seti

Bunlara, beklenen 1 trilyon TL'yi aşan katma değer, İstanbul'un “yatırım şehri” olarak konumlandırılması ve uluslararası girişimcilere en çok 30 iş gününde yanıt veren tek-pencere modeli ekleniyor.¹ Tabloyu bütün olarak görmek için, planı klasik bir SWOT (Güçlü-Zayıf-Fırsat-Tehdit) çerçevesinde özetleyelim:

Küresel terazi: 10 milyar dolar nereye düşüyor?

10 milyar dolar, tek başına duyduğunuzda büyük bir rakam. Teraziye koyduğunuzda hikâye değişiyor. Çin, beş yıllık bir devlet planıyla yapay zeka veri merkezlerine 295 milyar dolar ayırıyor; bu merkezleri büyük ölçüde China Mobile ve China Telecom gibi devlet operatörleri işletecek.³ ABD tarafında ise Microsoft, Meta ve benzeri şirketlerin yalnızca 2026 yılı için yapay zekaya ayırdığı bütçe 725 milyar dolar.³ Gartner'a göre küresel yapay zeka harcaması 2026'da 2 trilyon doları aşıyor.⁷ Türkiye'nin beş yıllık 10 milyar dolarlık hedefi, bu tablonun yanında mütevazı kalsa da bence çok değerli.

Grafik 1. Ülkelere göre yapay zeka / veri merkezi yatırımı (logaritmik ölçek). Türkiye, üst-orta segmentte ama devlerin gerisinde.

Kapasite tarafında tablo daha da çarpıcı. OpenAI ile Nvidia'nın anlaştığı tek bir proje 10 GW — yani Türkiye'nin tüm ülke hedefinin on katı; bu da yaklaşık 4-5 milyon GPU (grafik işlemci) demek.⁴ Nvidia'nın CEO'su Jensen Huang'a göre 1 GW veri merkezi kurmanın maliyeti ABD'de 50-60 milyar dolar; bunun yaklaşık 35 milyarı tek başına çiplere gidiyor.⁴ Gelişmekte olan pazarlarda bu maliyet daha düşük olsa da, ölçek farkı ortada: Türkiye'nin tüm yatırım hedefi, gelişmiş bir pazarda tek bir 1 GW kampüsünün çip faturasının altında.

Bunu görmek için 12 öncü ülkenin oynadığı oyunlara bakmak yeterli. Her ülke farklı bir kart oynuyor; ortak strateji yok. Aşağıdaki tablo, seçilmiş profilleri özetliyor:

Tablo 1. Seçilmiş ülke profilleri. Kaynak: Kamuya açık belgeler ve EDT Center analizi.

Chaebol: Güney Kore'de devlet destekleriyle büyüyen, genellikle kurucu ailelerin yönettiği ve birçok farklı sektörde faaliyet gösteren devasa aile holdinglerine verilen isim

Monozukuri: Derinlemesine bir kalite, ustalık ve sürekli gelişim felsefesini ifade eden bir Japon imalat disiplini

Bu profilleri üç temel modele indirgeyebiliriz. Devlet kontrolü (Çin) hız ve konsantrasyon getirir ama dış bağımlılık ve inovasyon riski taşır. Mega-ölçek (G. Kore) ölçek ekonomisi sağlar ama tek merkez çökerse kart tümüyle düşer. Niche + hub (Singapur) ise seçilmiş alanlarda derinlik ve coğrafi avantaj demektir: daha yavaş ama uygulanabilir, yüksek getirili ve düşük dirençli. Türkiye'nin kaynak gerçeği düşünüldüğünde en gerçekçi seçim üçüncüsü.

Gerçeklik kontrolü: Dört önemli kısıt

Hedefler ne kadar iddialıysa, önlerindeki engeller de o kadar somut. Planın başarısı, büyük ölçüde dört kısıtın nasıl yönetildiğine bağlı olacak. Tek tek bakalım.

1) Enerji: 1 GW yalnızca bir sayı değil, bir elektrik faturası

Yapay zeka eğitim sunucuları, geleneksel sunuculardan kat kat daha yoğun güç çeker. 1 GW kurulu güç, 7/24 çalıştığında yılda yaklaşık 8,76 terawatt-saat (TWh) elektrik tüketir. Türkiye'nin 2023 yılı toplam elektrik üretimi ise yaklaşık 326 TWh idi.⁵ Yani tek bir 1 GW veri merkezi kampüsü, ülkenin yıllık üretiminin kabaca %2,7'sine denk geliyor. Aynı dönemde sanayi ve haneler de büyüyen bir talep yaratacak.

Grafik 2. 1 GW veri merkezinin enerji denklemi ve küresel bağlam. Kaynak: IEA Energy & AI; TEİAŞ verileri.

Bu yerel bir mesele de değil. IEA'nın Energy and AI raporuna göre dünyada veri merkezlerinin elektrik tüketimi 2024'te 415 TWh idi; 2030'da ~945 TWh'e, yani bugün Japonya'nın tüm tüketiminden fazlasına çıkması bekleniyor.² Daha da kritik olanı: yeterli şebeke yatırımı yapılmazsa, planlanan veri merkezi projelerinin %20'ye varan kısmı gecikme riski taşıyor.² Türkiye için başetme yolu üç katmanlı: yenilenebilir (2024'te güneş+rüzgar 62 TWh ile yerli kömürü geçti⁶; veri merkezlerini Antalya güneşi ve Trakya rüzgârıyla kümelemek), nükleer (Akkuyu'nun sağladığı temel yük — yani 7/24 kesintisiz taban enerji) ve verimlilik (sıvı soğutma ile PUE'yi — veri merkezinin enerji verimliliği oranını — 1,2'den 1,05'e çekmek).

Bu konuya başka bir yazıda ayrıca değineceğiz ancak veri merkezlerinin çevresel etkileri her geçen gün önemli ölçüde artıyor.

1 ChatGPT / Gemini / Claude Sorgusu (Standart Metin): Yaklaşık 500 ml (yarım litre) su tüketir. Bu miktar, veri merkezindeki sunucuların aşırı ısınmasını önlemek için buharlaştırılan temiz su miktarıdır. Yapay zekaya sorduğunuz her 20 ila 50 soru, bir şişe suyun doğadan buharlaşması anlamına gelir.

1 Görsel Üretimi (DALL-E, Midjourney vb.): Metin sorgularına kıyasla işlemciyi çok daha fazla zorladığından görsel başına yaklaşık 120-150 ml su harcanır.

Gelişmiş Akıl Yürütme (Reasoning) Modelleri (OpenAI o1 vb.): Klasik modellere göre 10 ila 70 kat daha fazla işlem gücü gerektirir. Tek bir karmaşık matematik veya yazılım sorusunda harcanan su birkaç litreyi bulabilmektedir.

2) Çip bağımlılığı: Tedarik zincirinin sonunda olmak

Yapay zekanın motoru Nvidia'nın GPU çipleridir (A100, H100, Blackwell). 1 GW veri merkezi kurduğunuzda, bu çiplerin tedarik zincirinin sonunda ve ABD'nin stratejik kontrol noktasında yer alırsınız. Kötü haber: gerçek bir yerli alternatif yok. AMD, Intel Gaudi, Google TPU, AWS Trainium gibi seçeneklerin hepsi yine ABD menşeli; Çin'in Huawei çipleri ise Batı pazarında kullanılamıyor.⁴

Baş etme yolu: çip çeşitliliği ve testleri; Avrupa Çip Yasası kapsamında iş birliği; açık kaynak RISC-V tabanlı tasarımlara uzun vadeli yatırım; ve jeopolitik şoklara karşı stratejik stok ile hacim taahhüdüne dayalı özel fiyatlandırma anlaşmaları. Bunların hiçbiri dört yılda “yerli çip” yaratmaz — ama bağımlılığın kırılganlığını azaltır.

3) Yetenek ve kurumsal hazırlık: Eğitim kadar uygulama da gerekir

110 bin uzmanı dört yılda yetiştirmek demografik olarak mümkün: genç nüfus, artan üniversite ve teknopark sayısı bu işe uygun. Asıl soru eğitimin nereye akacağı. Sahada gördüğümüz tablo net: çoğu KOBİ hâlâ “yapay zeka neye yarar?” seviyesinde. EDT Center olarak şirketlerin yapay zeka olgunluğunu ölçtüğümüzde en sık karşılaştığımız sorun yetenek değil, hazır olmayan iş süreçleri ve veri altyapısı oluyor. Eğitim seferberliği başarılı olsa bile, bunun uygulamaya dönüşmesi için kurumsal dönüşüm gerekiyor — ve bu, iki yılda halledilebilecek bir iş değil.

Baş etme yolu: Kademeli eğitim hiyerarşisi (5 milyon temel okuryazarlık → 100 bin uygulama → 10 bin uzman); beyin göçünü önlemek için rekabetçi maaş ve kalma teşvikleri; İzmir, Ankara, İstanbul, Antalya ve Gaziantep'te bölgesel eğitim hub'ları; ve en önemlisi, sektörel pilot programlar. Her sektörden 5-10 öncü kurumun başlattığı görünür POC (kavram kanıtlama) projeleri, “biz de yapabiliriz” zihniyetini KOBİ'lere yayan en güçlü kaldıraç.

4) Dijital egemenlik ve regülasyon: Veri ülkede, kontrol nerede?

Veri merkezi Türkiye'de olabilir; ama üzerinde çalışan yazılım, model ve standartlar büyük ölçüde ABD'de. Sağlık verisi, savunma verisi, ticari sırlar. Geleceğin yapay zeka karar sistemleri kimin veri politikasına tabi olacak? Buna bir de regülasyon ekleyin: AB'nin AI Act'i (dünyanın ilk kapsamlı yapay zeka yasası; yüksek riskli sistemlere ilişkin kuralları 2026'dan itibaren aşamalı yürürlüğe giriyor)⁸, başarılı bir Türk çözümünün ihracat pazarına çıkışını uyum yüküyle zorlaştırabilir.

Fırsat tarafı da burada: Türkçe veri setleriyle eğitilen yerli bir büyük dil modeli (zirvede adı geçen “BİLGE” gibi) sağlık ve hukuk gibi alanlarda Türkiye'ye özgü uzman modeller doğurabilir.¹ Kritik sektörlerde veriyi ülke sınırları içinde işleyen bir veri egemenliği protokolü ve OECD, G20, ISO, IEEE gibi platformlarda standart koyan aktif bir duruş, “bağımsızlığı” somut bir politikaya çevirir.

Akıllı yol: “her şey” değil, “doğru şey”

Tüm bunların işaret ettiği strateji açık: Türkiye, sınırlı kaynağını tüm cephelere yaymak yerine seçilmiş alanlarda derinleşmeli. Sağlık yapay zekası (radyoloji ve erken teşhis), tarım yapay zekası (ürün hastalığı tespiti, sulama optimizasyonu) ve seçili imalat senaryoları, hem veri hem ihtiyaç açısından Türkiye'nin güçlü olduğu alanlar. Hedef, her alanda lider olmak değil; bu alanlarda Orta Doğu, Balkanlar ve Orta Asya için bölgesel referans olmak.

İkinci kart coğrafya. Gaziantep ya da İzmir'de kurulacak bir veri merkezi yalnızca yerli talebe değil, bölgesel bir hub işlevine tasarlanmalı. NATO üyeliği ile Orta Doğu ve Balkan bağlarının kesişimi, Türkiye'yi “Batı-Doğu köprüsü, insan merkezli ve etik yapay zeka” olarak konumlandırma fırsatı veriyor. Singapur'un bölgesinde yaptığını, Türkiye kendi coğrafyasında yapabilir.

Türkiye için ne anlama geliyor?

Devletin makro hamleleri bir yana, asıl soru şu: Bir şirket olarak siz bu dönemde ne yapmalısınız? 1 GW veri merkezi kurulsa bile, değer o kapasitenin kurulmasından değil, gerçek iş problemlerini çözmek için kullanılmasından doğacak. Milyarlarca dolarlık altyapı, hazır olmayan kurumlar yüzünden atıl kalabilir. İşte bu yüzden hazırlık, devletin değil, sizin gündeminiz.

Üç adımlık somut bir başlangıç öneriyoruz:

1.     Olgunluğunuzu ölçün. Hangi süreç, veri ve yetkinlik hazır? yapay zeka olgunluk seviyesi ölçümü ile nereden başlayacağınızı netleştirin.

2.     Bir yol haritası kurun. Mevcut durumunuz, sektör trendleri ve stratejinize göre takvimli bir dijital dönüşüm yol haritası olmadan yatırım, dağınık harcamaya dönüşür.

3.     Gerçek bir problemle POC başlatın. Doğru yapay zeka danışmanlığı ve tarafsız çözüm/sağlayıcı değerlendirmesiyle küçük ama ölçülebilir bir pilot, en hızlı öğrenme yoludur.

Türkiye'nin yapay zeka eylem planı, dört yıllık bir teknoloji hamlesinden fazlası — bir devlet dönüşümü projesi. Enerji, donanım, yetenek ve egemenlik birbirine bağlı; biri çözülmezse ötekini tıkar. Ama bu yazıda konuştuğumuz başetme yollarının tamamı bugün masada.

Başarının ölçütü 1 GW veri merkezini kurmak olmayacak. Ölçüt, o merkezin kamu ve özel sektör tarafından gerçek problemleri çözmek için kullanılması ve beş yıl içinde ekonomide ölçülebilir bir katma değere — verimlilik, istihdam, ihracat — dönüşmesi olacak. Doğru soru “ne kadar büyük?” değil; “neyi, kimin için çözüyoruz?” Bu soruyu erken soran şirketler, 1 GW devreye girene kadar beklemeyenler olacak.

Kaynaklar

[1] T.C. Cumhurbaşkanlığı / Sanayi ve Teknoloji Bakanlığı — Türkiye Yapay Zekâ Eylem Planı (Türkiye Yapay Zeka Zirvesi, 13 Haziran 2026).

https://www.sanayi.gov.tr/medya/haber/turkiye-yapay-zek%C3%A2-eylem-plani-aciklandi

[2] International Energy Agency (IEA) — Energy and AI, Özel Rapor (2025). Veri merkezi elektrik talebi öngörüleri. https://www.iea.org/reports/energy-and-ai/executive-summary

[3] Capacity — “China plans $295bn state-directed AI buildout” (Haziran 2026). Çin devlet yatırımı ve ABD özel sektör harcaması kıyası. https://capacityglobal.com/news/china-plans-295bn-ai-investment/

[4] NVIDIA & OpenAI — 10 GW stratejik ortaklık duyurusu (Eylül 2025) ve CNBC (Jensen Huang: 1 GW ≈ 50-60 milyar $). https://nvidianews.nvidia.com/news/openai-and-nvidia-announce-strategic-partnership-to-deploy-10gw-of-nvidia-systems

[5] TEİAŞ / Türkiye Ulusal Enerji Planı — elektrik üretim ve tüketim istatistikleri (2023: ~326 TWh üretim; 2030 tüketim öngörüsü ~455 TWh). https://www.teias.gov.tr/turkiye-elektrik-uretim-iletim-istatistikleri

[6] Ember — Türkiye Elektrik Görünümü 2024/2025 (güneş+rüzgar 62 TWh ile yerli kömürü geçti). https://ember-energy.org/

[7] Gartner — Küresel yapay zeka harcaması öngörüsü (2026'da 2 trilyon doları aşması beklenmektedir). https://www.gartner.com/

[8] Avrupa Komisyonu — Yapay Zeka Yasası (AI Act): dünyanın ilk kapsamlı YZ düzenlemesi; yüksek riskli sistem kuralları 2026'dan itibaren aşamalı. https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai

Yazı: Muharrem Gezer · EDT Center  |  Bu yazı; kamuya açık kaynaklar, akademik araştırmalar ve EDT Center'ın dijital dönüşüm danışmanlığı deneyimine dayanmaktadır.

EDT CENTER OLARAK NELER YAPIYORUZ?

• Dijital Dönüşüm Olgunluk Seviyesi Ölçümü

• Yapay Zeka Olgunluk Seviyesi Ölçümü

• Ana Veri Yönetimi

• İş Yazılım Analiz, Değerlendirme, Araştırma, Sözleşme Yönetimi ve Uygun Tedarikçi Seçimi

• İş Yazılım Denetim

• Strateji Belgesi Oluşturma

• Şirket İçi Özel Eğitim Programları (Yapay Zeka, Veri Okuryazarlığı, Liderlik)

• Proje Yönetimi

Dijital dönüşüm yolculuğunuza bugün başlamak veya mevcut yapay zeka stratejinizi güncellemek için EDT Center uzmanlarıyla iletişime geçin:

📧 contact@edtcenter.com | 📞 +90 541 946 5000  | 🌐 www.edtcenter.com