2025’in Öncü Teknoloji Trendleri

2025’te hangi öncü teknolojiler şirketler için en önemli olacak?

McKinsey Yıllık Teknoloji Trendleri Raporu, en son teknoloji ilerlemelerini, yetenek trendlerini, kullanım alanlarını ve bunların sektörler genelindeki şirketler üzerindeki potansiyel etkilerini vurgulamaktadır.

Küresel teknoloji ortamı, teknolojilerde hızla gelişen yenilikler tarafından yönlendirilen önemli değişimlerden geçiyor. Bu yenilikler, hesaplama (bilgi işlem) gücüne olan talebi katlanarak artırıyor, yönetim ekiplerinin ve kamuoyunun dikkatini çekiyor ve deneysel çalışmaları hızlandırıyor. Bu gelişmeler, ülkeler ve şirketlerin bu stratejik teknolojileri üretme ve uygulamada liderliği sağlamak için yarıştığı artan küresel rekabet ortamı içinde meydana geliyor.

2025 McKinsey Teknoloji Trendleri Görünümü, küresel işletmeleri dönüştürme potansiyeline sahip 13 öncü teknoloji trendine derinlemesine bakış açısı sunuyor. Günümüz yöneticileri, artan karmaşıklığı yönetme, ortaya çıkan çözümleri ölçeklendirme ve dijital ile fiziksel, merkezi ile merkezi olmayan arasındaki çizgilerin giderek bulanıklaştığı bir dünyada güven inşa etme zorunluluğuyla karşı karşıyadır. Bu rapordaki içgörüler, iş liderlerinin bu öncü teknolojilerden hangilerinin şirketleri için en uygun olduğuna karar vermelerine yardımcı olabilir ve başkalarının bunları bugün nasıl uygulamaya başladığını gösterebilir.

Bu bulgular, 13 trendin her birinin temelini oluşturan ilgi, inovasyon, öz sermaye yatırımı ve yetenek gibi nicel McKinsey ölçümlerinin analizinden ortaya çıkıyor ve bunların altında yatan teknolojileri, belirsizlikleri ve soruları inceliyor.

Bu rapor, sektörler genelinde inovasyonu yönlendiren ve kritik zorlukları ele alan dönüştürücü eğilimleri vurgulamaktadır. Yapay zeka, yalnızca kendi başına güçlü bir teknoloji dalgası olarak değil, aynı zamanda diğer eğilimlerin temel güçlendiricisi olarak da öne çıkmaktadır. Etkisi giderek artan bir şekilde diğer eğilimlerle birleşerek ortaya çıkmaktadır; çünkü yapay zeka hem bireysel alanlardaki ilerlemeyi hızlandırmakta hem de kesişim noktalarında yeni olasılıkların kilidini açmaktadır: robotların eğitimini hızlandırmakta, biyomühendislikte bilimsel keşifleri ilerletmekte, enerji sistemlerini optimize etmekte ve çok daha fazlasını yapmaktadır. Yapay zeka çözümlerinin pazardaki evrimi, daha önce ayrı ayrı analiz edilen uygulamalı yapay zeka ve üretken yapay zeka trendlerinin yönlerini giderek daha fazla bir araya getirmektedir.

Yapay zeka uygulamaları ve kullanım örneklerine yönelik heyecan artarken, yapay zekanın sektörler genelindeki tüm potansiyelinin hayata geçirilmesi, bilgi işlem yoğunluğunu yönetmek, dağıtım maliyetlerini azaltmak ve altyapı yatırımlarını teşvik etmek için sürekli yenilikler gerektirecektir.

Bu durum aynı zamanda güvenlik, yönetişim ve iş gücü adaptasyonuna yönelik düşünceli yaklaşımlar gerektirecek ve sektör liderleri, politika yapıcılar ve girişimciler için geniş bir fırsat yelpazesi yaratacaktır.

Yeni ve dikkat çekici

Yapay zekanın artan kapsamına ek olarak, bu yılki McKinsey raporunda önemle vurgulanan bir diğer yeni trend , kurumsal ve tüketici teknolojilerinde hızla önemli bir ilgi ve deney odağı haline gelen etken (aracı – ajansal) yapay zekadır   (Agentic AI).

Etken (aracı – ajansal) yapay zeka (Agentic AI), yapay zeka temel modellerinin esnekliğini ve genelliğini, çok adımlı iş akışlarını otonom olarak planlayıp yürütebilen “sanal iş arkadaşları” yaratarak dünyada hareket etme yeteneğiyle birleştirir. İlgi ve öz sermaye yatırım seviyelerinin nicel ölçümleri henüz daha yerleşik trendlere kıyasla nispeten düşük olsa da, etken (aracı – ajansal) yapay zeka (Agentic AI) bu yılki trendler arasında en hızlı büyüyenlerden biri olup, potansiyel olarak devrim niteliğindeki olasılıklarına işaret etmektedir.

Yapay zeka, McKinsey raporunda bu yıl vurgulanan bir diğer trendin de temel katalizörüdür: uygulamaya özel yarı iletkenler. Moore Yasası  ve teknoloji yığınının yarı iletken katmanı uzun zamandır diğer teknoloji trendlerinin temel itici güçleri olsa da, yarı iletkenlerdeki yenilikler, patent sayısı gibi nicel metriklere yansıdığı gibi hızla arttı. Bu yenilikler, yapay zeka eğitimi ve çıkarımı için bilgi işlem kapasitesi, bellek ve ağlara yönelik katlanarak artan taleplerin yanı sıra maliyet, ısı ve elektrik tüketimini yönetme ihtiyacına yanıt olarak ortaya çıktı. Bu durum, bir dizi yeni ürünün, yeni rakiplerin ve yeni ekosistemlerin ortaya çıkmasına yol açtı.

Teknoloji trendleri, analiz edilen boyutlar boyunca çeşitli profillere de sahiptir. Yapay zeka, her sektörde ve her işlevde kullanım örneklerine sahip, yaygın olarak uygulanabilir, genel amaçlı bir teknolojidir ve bu nedenle çok sayıda yenilik ve ilgiye sahiptir ve iş dünyasında hızla yaygınlaşmaktadır. Kuantum teknolojilerinin farklı bir profili vardır. Kuantum bilişim, kriptografi ve malzeme bilimi gibi belirli kritik alanlarda dönüştürücü etki potansiyeline sahiptir ve temel teknoloji geliştirilmeye devam etmektedir. Özellikle teknoloji devleri tarafından yapılan son duyurular, artan bir ilgi uyandırmış olsa da, gerçek dünyadaki iş etkisi, kuantum bilişimini pratik hale getirmek için daha da fazla teknoloji ilerlemesi gerektirecektir.

 Diğer trendler ve alt trendler, analiz edilen çoklu boyutlarda farklılık göstererek, sektörlerine ve rekabet konumlarına bağlı olarak iş liderlerine dikkatli bir şekilde beklemekten agresif dağıtıma kadar farklı yaklaşımlar sunmaktadır.

Robotik ve otonom sistemlerin yükselişinden sorumlu yapay zeka inovasyonlarının zorunluluğuna kadar, bu yılki teknoloji gelişmeleri, teknolojinin daha uyumlu, iş birlikçi ve küresel sorunları çözmede daha önemli olduğu bir geleceğin altını çiziyor. Bu durum, bu yılki trendleri de etkileyen temalarla aydınlatılıyor:

• Otonom sistemlerin yükselişi: Fiziksel robotlar ve dijital ajanlar da dahil olmak üzere otonom sistemler, pilot projelerden pratik uygulamalara geçiyor. Bu sistemler yalnızca görevleri yerine getirmekle kalmıyor; öğrenmeye, uyum sağlamaya ve iş birliği yapmaya da başlıyor. Otonomi, son aşama lojistiğini koordine etmek, dinamik ortamlarda gezinmek veya sanal iş arkadaşları olarak hareket etmek gibi çeşitli becerilerle geniş bir alana yayılıyor.

• Yeni insan-makine iş birliği modelleri: İnsan-makine etkileşimi, daha doğal arayüzler, çok modlu girdiler ve uyarlanabilir zeka ile tanımlanan yeni bir aşamaya giriyor. Sürükleyici eğitim ortamlarından dokunsal robotiklere, sesle çalışan yardımcı pilotlardan sensör destekli giyilebilir cihazlara kadar teknoloji, insan niyet ve davranışlarına daha duyarlı hale geliyor. Bu evrim, insanlar ile akıllı sistemler arasında daha doğal ve üretken bir iş birliğini mümkün kılıyor. Makineler bağlamı yorumlamada daha iyi hale geldikçe, operatör ve ortak yaratıcı arasındaki sınır ortadan kalkmaya devam ediyor.

• Ölçeklendirme zorlukları: Özellikle yapay zeka, robotik ve sürükleyici ortamlardan kaynaklanan yoğun işlem gücü gerektiren iş yüklerine olan talebin artması, küresel altyapı üzerinde yeni talepler yaratıyor. Veri merkezi güç kısıtlamaları, fiziksel ağ güvenlik açıkları ve artan işlem talepleri, küresel altyapıdaki çatlakları ortaya çıkardı. Ancak zorluk sadece teknik değil: Tedarik zinciri gecikmeleri, iş gücü kıtlığı ve şebeke erişimi ve izinleri konusundaki düzenleyici anlaşmazlıklar, dağıtımları yavaşlatıyor. Sonuç olarak, ölçeklendirme artık yalnızca teknik mimari ve verimli tasarım için değil, aynı zamanda yetenek, politika ve uygulama alanlarındaki karmaşık, gerçek dünya zorlukları için de çözüm üretmek anlamına geliyor.

• Bölgesel ve ulusal rekabet: Kritik teknolojiler üzerindeki küresel rekabet yoğunlaştı. Ülkeler ve şirketler, egemen altyapı, yerelleştirilmiş çip üretimi ve kuantum laboratuvarları gibi teknoloji girişimlerini finanse etme konusunda daha fazla çaba sarf ediyor. Bu öz yeterlilik çabası yalnızca güvenlikle ilgili değil; jeopolitik risklere maruz kalmayı azaltmak ve bir sonraki değer yaratma dalgasına sahip olmakla da ilgili. Sonuç, ülkelerin kritik sektörlerde pay sahibi olduğu, teknoloji odaklı yeni bir rekabet dönemi.

• Ölçek ve uzmanlaşma eş zamanlı olarak büyüyor: Bu alanlardaki büyüme, bulut hizmetlerindeki inovasyon ve gelişmiş bağlantı sayesinde mümkün oluyor. Bir yandan, devasa ve güç tüketimi yüksek veri merkezlerinde genel amaçlı model eğitim altyapısında hızlı bir büyüme görürken, diğer yandan telefonlara, arabalara, ev kontrollerine ve endüstriyel cihazlara entegre edilmiş düşük güç tüketimli teknolojilerle “uçta” hızlanan inovasyona tanık oluyoruz. Bu durum, şaşırtıcı parametre sayılarına sahip devasa dil modelleri sunan ekosistemlerin yanı sıra, neredeyse her yerde çalışabilen, giderek artan bir yelpazede alana özgü yapay zeka araçları yaratıyor. Liderler, merkezi ölçeklendirmeyi yerelleştirilmiş kontrolle dengeleyecek: Temiz enerji için modüler mikro şebekeleri veya niş üretim için özel robotikleri düşünün.

• Sorumlu inovasyon zorunlulukları: Teknolojiler giderek daha güçlü ve daha kişisel hale geldikçe, güven giderek benimsenmenin bekçisi haline geliyor. Şirketler, ister yapay zeka modelleri, ister gen düzenleme hatları veya sürükleyici platformlar olsun, şeffaflık, adalet ve hesap verebilirlik gösterme konusunda artan bir baskıyla karşı karşıya. Etik artık sadece yapılması gereken doğru şey değil, aynı zamanda ölçeklendirmeyi, yatırımı ve uzun vadeli etkiyi hızlandırabilecek veya durdurabilecek stratejik bir uygulama kaldıracı haline geliyor.

Makroekonomik ortamın ve daha geniş piyasa zayıflığının, trendlerin birçoğunda teknoloji için öz sermaye finansmanında önemli düşüşlere yol açtığı 2023’ün ardından, öncü teknolojilere yönelik yatırım ortamı istikrara kavuştu ve birçok durumda 2024’te toparlandı.

Bulut ve uç bilişim, biyomühendislik ve uzay teknolojileri gibi trendlere yönelik öz sermaye yatırım seviyeleri, 2023’teki genel piyasa düşüşüne rağmen artarken, yapay zeka ve robotik gibi diğer trendlere yapılan yatırımlar düştü ve 2024’te iki yıl öncesine göre daha yüksek seviyelere ulaştı. En yüksek öz sermaye yatırım seviyelerine sahip iki trend olan enerji ve sürdürülebilirlik teknolojilerinin geleceği ve mobilitenin geleceği, 2023’te genel olarak düşüş gösterirken, ilki 2024’te toparlandı.

2025’i şekillendirecek teknoloji trendlerinden oluşan liste, gelişmekte olan teknolojilerin muazzam potansiyelini ve yapay zeka destekli bir gelecekte stratejik uyum ihtiyacını vurguluyor. Yöneticiler için başarı, bu trendleri uygulayabilecekleri yüksek etkili alanları belirlemeye, gerekli yetenek ve altyapıya yatırım yapmaya ve düzenleyici değişiklikler ve ekosistem hazırlığı gibi dış faktörleri ele almaya bağlı olacak.

 Liderler, iş birliğini teşvik ederek, ekosistemdeki boşlukları kapatarak ve uzun vadeli bir vizyonu koruyarak benimsemeyi hızlandırabilir ve kuruluşlarını bir sonraki teknolojik dönüşüm dalgasını yönlendirecek şekilde konumlandırabilirler. Odaklı ve çevik hareket edenler, yalnızca yeni değerlerin kilidini açmakla kalmayacak, aynı zamanda sektörlerinin ve günümüzün gelişmekte olan öncü teknolojilerinin geleceğini de şekillendirecekler.

13 teknoloji trendi

Bu rapor, 13 teknoloji trendinin tümü için dikkate alınması gereken hususları ortaya koymaktadır. İlgili trendleri daha kolay değerlendirebilmek için, raporda bunlar üç geniş kategoriye ayrılmıştır: yapay zeka devrimi, hesaplama (bilgi işlem) ve bağlantı sınırları ve öncü mühendislik. Elbette, trend kombinasyonlarını değerlendirirken bu grupları bir bütün olarak ele almak önemli bir güç ve potansiyel sunmaktadır.

AI (Yapay Zeka) devrimi

• Etken (Aracı – Ajansal) Yapay Zeka (Agentic AI)

 Etken (Aracı – Ajansal) Yapay Zeka (Agentic AI), karmaşık, çok adımlı görevleri bağımsız olarak planlayıp yürütebilen bir yapay zeka sistemidir. Temel modeller üzerine inşa edilen bu ajanlar (aracılar), özerk olarak eylemler gerçekleştirebilir, birbirleriyle iletişim kurabilir ve yeni bilgilere uyum sağlayabilir. Genel ajan (aracı) platformlarından derin araştırma için tasarlanmış özel ajanlara (aracılara) kadar önemli gelişmeler kaydedilmişti

• Yapay zeka (AI)

Yapay zeka, genellikle insan zekası gerektiren görevleri yerine getirmek için tasarlanmış bilgisayar sistemlerini ifade eder. Bu sistemler, desenleri tanımak, kararlar almak ve deneyimlerden öğrenmek için algoritmalar, veri ve hesaplama gücünden yararlanır.

Hesaplama (Bilgi işlem) ve bağlantı sınırları

• Uygulamaya özel yarı iletkenler

Uygulamaya özel yarı iletkenler (Application-specific semiconductors)  özel görevleri yerine getirmek için optimize edilmiş, amaca yönelik olarak üretilmiş yongalardır.  Genel amaçlı yarı iletkenlerin aksine, bu yongalar belirli iş yüklerini (örneğin, büyük ölçekli yapay zeka eğitimi ve çıkarım görevleri) yerine getirirken, üstün hız, enerji verimliliği ve performans gibi performans özelliklerini optimize etmek üzere tasarlanmıştır.

• Gelişmiş bağlantı

Gelişmiş bağlantı, dijital iletişim ağlarını geliştiren ve genişleten bir dizi gelişen teknolojiyi kapsar. Buna kablosuz düşük güç ağları, 5G ve yeni ortaya çıkan 6G hücresel sistemler, Wi-Fi 6 ve 7 standartları ve alçak yörünge (LEO) uyduları dahildir.

• Bulut ve uç bilgi işlem

Bulut ve uç bilgi işlem, iş yüklerini hiper ölçekli uzak veri merkezlerinden bölgesel hub’lara ve yerel düğümlere kadar farklı konumlara dağıtmayı içerir. Bu yaklaşım, gecikme süresi, veri aktarım maliyetleri, veri egemenliği ve veri güvenliği gibi faktörleri ele alarak performansı optimize eder.

• Sürükleyici gerçeklik teknolojileri

Sürükleyici gerçeklik teknolojileri, artırılmış gerçeklik (AR) ve sanal gerçeklik (VR) teknolojilerini kapsar ve AR akıllı gözlükler, gelişmiş dokunsal geri bildirim ve görüntü işleme, izleme ve işleme yeteneklerini geliştiren yapay zeka destekli iyileştirmeleri içerir.

• Dijital güven ve siber güvenlik

Dijital güven ve siber güvenlik, güvenli, şeffaf ve güvenilir dijital etkileşimleri sağlamak için tasarlanmış teknolojileri ve uygulamaları kapsar. Buna kimlik doğrulama, veri koruma, şifreleme, tehdit algılama ve blok zinciri tabanlı güven sistemleri dahildir.

• Kuantum teknolojileri

Kuantum tabanlı teknolojiler, kuantum mekaniğinin benzersiz özelliklerini kullanarak belirli karmaşık hesaplamaları klasik bilgisayarlardan katlanarak daha hızlı gerçekleştirir, iletişim ağlarını güvence altına alır ve klasik muadillerinden daha yüksek hassasiyet seviyelerine sahip sensörler üretir.

Öncü mühendislik

• Robotik teknolojisinin geleceği

Robotik teknolojisinin geleceği, otonom veya yarı otonom olarak görevleri yerine getirebilen, artan derecede otonomi ve beceri ile yeni, gerçek hayattaki girdilere uyum sağlayabilen robotik teknolojisinin gelişimini kapsamaktadır. Bu teknoloji, otonom mobil robotlar ve insansı robotları da içermektedir.

• Mobilitenin geleceği

Mobilite teknolojileri arasında otonom araçlar, elektrikli araçlar, dronlar, elektrikli dikey kalkış ve iniş uçakları gibi kentsel hava mobilitesi çözümleri ve e-scooterlar ve e-bisikletler gibi mikro mobilite yer almaktadır. Bu teknolojilerin amacı, ulaşım sistemlerinin verimliliğini, güvenliğini ve sürdürülebilirliğini artırmaktır.

• Biyomühendisliğin geleceği

Biyomühendislik, mühendislik ilkelerinin biyolojiye uygulanmasıdır. Teknolojik gelişmelerden (örneğin, gen düzenleme, sentetik biyoloji) yararlanarak sağlığı ve insan performansını iyileştirir, gıda değer zincirlerini dönüştürür ve yenilikçi ürünler yaratır.

• Uzay teknolojilerinin geleceği

Uzay teknolojileri, uydu sistemleri, fırlatma araçları, yaşam modülleri ve keşif görevlerini kapsar. Bunlar arasında düşük Dünya yörüngesi uydu takımyıldızları, uzay varlıklarını karasal ağlarla entegre eden doğrudan cihaza bağlantı ve Dünya gözlemi yer alır.

• Enerji ve sürdürülebilirlik teknolojilerinin geleceği

Enerji ve sürdürülebilirlik teknolojileri, küresel enerji manzarasını daha sürdürülebilir ve dayanıklı bir geleceğe dönüştürmeyi amaçlayan geniş bir yenilik yelpazesini kapsamaktadır. Bu, küresel enerji değer zincirini dönüştüren, özellikle temiz elektronlar, elektrifikasyon ve temiz moleküller üzerine odaklanan bir dizi teknolojiyi içermektedir.

2025’in öncü teknolojilerini McKinsey raporundan kısaca tanıttıktan sonra yazımıza yine bu rapordan alıntılayarak bu yılki trendler arasında en hızlı büyüyen teknolojilerden Etken (Aracı – Ajansal) Yapay Zeka (Agentic AI)’nın detaylarıyla devam ediyoruz :

Etken (Aracı – Ajansal) Yapay Zeka (Agentic AI)

Agentic AI (Etken (Aracı – Ajansal) Yapay Zeka), hızla uç bir kavramdan kurumsal teknolojide en çok konuşulan değişimlerden birine dönüştü. Kuruluşlar, iş akışlarını otomatikleştirmenin ve görevleri yalnızca sohbet robotlarıyla sohbet etmek yerine “sanal iş arkadaşlarına” devretmenin yeni yollarını keşfettikçe, ivme kazanıyor. Etken (Aracı – Ajansal) Yapay Zekayı (Agentic AI) diğerlerinden ayıran şey, yalnızca çıktı sağlamak yerine, genellikle dijital araçları kullanarak dünyada hareket edebilme yeteneğidir. Bu sistemler, yapay zeka temel modelleri üzerine kuruludur ve çok adımlı görevleri otonom olarak planlayıp yürütebilir.

Bir şirketin lojistik sistemlerine bağlanarak ürünlerle ilgili soruları yanıtlayabilen, siparişleri işleyebilen ve iadeleri yönetebilen bir müşteri hizmetleri yapay zeka temsilcisi hayal edin. Birçok şirket, web’deki konuları araştırmak ve raporlar oluşturmak için kendi iş akışlarını tasarlayan derin araştırma temsilcilerini piyasaya sürdü. Giderek daha fazla şirket, İngilizce (veya başka bir doğal dil) yazılmış bir açıklama verildiğinde, çok adımlı akıl yürütmelerini kullanarak kod yazmak, dağıtmak ve test etmek için yazılım programlama ajanlarını kullanıyor.

Bu bağlamda Yapay zeka ajanlarının (aracılarının) diğer önceki sistemlere göre sağladığı avantajlar arasında aşağıdaki yetenekler yer almaktadır:

• Öngörülemeyen görevlerden oluşan uzun bir kuyruğun hizmetinde: Otonom olarak hareket edebilen yazılımlar geliştirmek için, geliştiriciler daha önce adım adım, kural tabanlı sistemleri titizlikle programlamak zorundaydı. Bu tür uygulamaların çoğunda, bir insanın ele alması gereken uzun bir kural dışı durumlar dizisi vardı. Buna karşılık, büyük dil modelleri (LLM’ler), daha önce hiç karşılaşmadıkları girdilere doğru yanıt vermede iyidir ve bu da LLM tabanlı bir aracının, önceden belirlenmiş kurallara kolayca kodlanamayan uzun bir görev dizisiyle başa çıkmasını sağlar.
• Kişiye özel tasarlanmış dijital araçları kullanmak: Daha önce, veri göndermek veya almak, her yeni dijital sistemi birbirine bağlayacak özel bir kod gerektiriyordu. Ancak, yapay zekâ ajanları (aracıları), LLM derecelerini kullanarak web sitelerini “okumak” ve formları doldurmak için bir kişinin kullandığı araçları, örneğin bir web tarayıcısını kullanabilir.
• Doğal dil kullanarak talimat alma: LLM’ler doğal dili işleyebildiği için, yapay zeka ajanları (aracıları) sanal çalışma arkadaşları gibi yönetilebilir; onlara talimat vermek ve işlerini daha iyi yapmaları için onları yönlendirmek, bir insan çalışma arkadaşıyla etkileşimde kullandığınız aynı dil türünü kullanarak yapılabilir.
• Anlaşılabilir ve değiştirilebilir iş planları oluşturmak: LLM derecesine sahip yapay zeka ajanları (aracıları), iş planları oluşturur ve tasarımlarına bağlı olarak kendi aralarında iletişim kurabilirler. Bu ajanlar (aracılar), insanların okuyabileceği bir dil kullandıkları için ne yaptıklarını tarif edebilir ve iş planları hakkında geri bildirim alabilirler.

Etken (Aracı – Ajansal) Yapay Zekanın potansiyeli, birçok sektörü farklı işlevler ve roller için aracı (ajan) sanal iş arkadaşları kullanmayı araştırmaya ikna etti.

Trendi puanlamak

2024 yılında, haber ve arama sonuçlarına göre ölçülen yapay zekaya olan ilgi nispeten düşük olsa da, diğer tüm teknoloji trendlerinden daha hızlı büyüyor. Yapay zeka patentleri de küçük bir tabandan başlayarak hızla artıyor ve bu da bu yeni alana yönelik hızlı gelişimi ve artan yatırımı yansıtıyor.

Son gelişmeler

Otonom karar alma ve ajanlar (aracılar) arası iletişim yeteneğine sahip yapay zeka ajanlarının (aracılarının) geliştirilmesi heyecan verici olanaklar sunmaktadır. Ancak, etken(aracı-ajansal) yapay zekanın hızlı gelişimi, güven, sorumluluk ve etik kaygıları ele almak için sağlam yönetişim çerçevelerine duyulan kritik ihtiyacı vurgulamaktadır.

Etken (aracı-ajansal) yapay zekadaki en son gelişmeler şunlardır:

• Geliştiriciler, yapay zeka destekli, genel amaçlı aracı (ajan) platformları geliştiriyor. Bazı şirketler mevcut yapay zeka ürünlerine aracılık (ajansal) yetenekleri eklerken, diğerleri bu yetenekleri kullanarak hedef odaklı, göreve özgü uygulamalar geliştiriyor. Bu ek yetenekler, kullanıcılarla doğal dil aracılığıyla etkileşim kurabilen ve birçok farklı görevi yerine getirebilen aracıların geliştirilmesini mümkün kılıyor. İlerleme, yazılım kodlama ve matematik gibi eğitim ve değerlendirme için daha sağlam veri kümelerine sahip alanlarda en hızlı şekilde gerçekleşiyor.
• Etkili çok adımlı akıl yürütmenin giderek uzayan zincirleri, etken (aracı – ajansal) yapay zekada anlamlı bir ilerlemeyi yansıtıyor. Geçtiğimiz yıl, yeni teknikler yapay zekanın karmaşık ve yeni görevleri daha küçük adımlara bölerek ele alma becerisini geliştirdi. Geliştiriciler, yalnızca ölçeklenebilir temel modellere güvenmek yerine, artık bir “yönetici” aracının(ajanının) bir iş planı oluşturup görevleri uzmanlaşmış alt aracılara (ajanlara) devrettiği çoklu aracı iş akışlarını devreye alıyor. Güven ve emniyeti sağlamak için yapılacak daha çok şey olsa da, bu değişim daha doğru ve bağlam farkında çıktılar sağlıyor ve bu da yapay zeka sistemlerinin akıl yürütme ve çalışma biçiminde önemli bir ilerleme sağlıyor. 
• Belirli iş çözümleri için etken (aracı – ajansal) yapay zekaya yeni bir odaklanma söz konusu. Yapay zeka aracıları (ajanları), belirli ve yüksek değerli iş sorunlarını ele almak üzere giderek daha fazla geliştiriliyor. Daha özelleştirilmiş ve belirli görevlere göre ayarlanmış bu aracılar (ajanlar), kullanıcıların karmaşık komutlar oluşturma ihtiyacını azaltıyor. İlk dikkatler, yetenekleri hızla gelişen yazılım geliştirmede etken (aracı – ajansal) yapay zeka kullanımına odaklanmış durumda. Ayrıca, özellikle satış optimizasyonu ve müşteri destek otomasyonu gibi temel iş metriklerinde ölçülebilir iyileştirmeler sağlayabilen yapay zeka uygulamalarına önemli bir ilgi var. Bu eğilim geliştikçe, işletmelerin iş akışlarında uzmanlaşmış aracıların (ajanların) kullanımı ile çeşitli görevleri yürütmek için daha genel aracıların (ajanların) potansiyeli arasında bir denge kurmaları gerekecek.
• Derin araştırma bilgi ajanlarının (aracılarının) arkasındaki ivme artıyor. Birçok sağlayıcı, ilgili içerik için çok adımlı keşifleri otonom olarak gerçekleştirebilen, aramalar gerçekleştirebilen, yüzlerce kaynağı değerlendirebilen ve bilgileri kapsamlı raporlara sentezleyebilen araçlar (ajanlar) geliştiriyor. Bu ajanlar (aracılar), yapay zekayı yalnızca bilgi alma amacıyla değil, aynı zamanda ölçeklenebilir daha hızlı bilgi üretimiyle sağlanan akıl yürütme için de kullanmaya yönelik daha geniş bir eğilimi yansıtıyor.
• Yapay zeka ajanları (aracıları) birbirleriyle “konuşabilir”. Yapay zeka alanındaki son gelişmeler arasında, birbirleriyle iletişim kurabilen ve kendi dillerini oluşturabilen modeller yer alıyor. Sinir ağları artık görevleri öğrenebiliyor ve bunları diğer yapay zeka sistemlerine tanımlayabiliyor. Bu yapay zeka-yapay zeka iletişimini işlemek (AI-to-AI communication), yapay zeka-insan etkileşimini (AI-to-human interaction) işlemekten daha az maliyetli. Yapay zeka-yapay zeka iletişimindeki bu gelişmeler, robotik, karmaşık problem çözme ve diğer alanlar için sonuçlar doğursa da, şeffaflık ve kontrol konusunda endişelere de yol açıyor.
• Güven, yönetişim ve sorumluluk konusundaki artan endişeler, etken (aracı – ajansal) yapay zekanın geliştirilmesini ve dağıtımını etkiliyor. Yapay zeka aracıları (ajanları), finansal işlemleri yürütme ve dijital platformlar arasında etkileşim kurma gibi daha özerk roller üstlendikçe, işletmeler hesap verebilirlik ve yasal çerçevelerle giderek daha fazla boğuşuyor. Son zamanlardaki dikkat çekici pilot dağıtımlar, özellikle yapay zeka sistemleri farklı yetki alanları arasında bağımsız hareket ettikçe, bu riskleri daha da belirginleştirdi. Güvenilirlik ve hesap verebilirliği sağlamak için sağlam bariyerler tasarlamak ve aracılar (ajanlar) için doğru operasyonel bağlamı sağlamak hayati önem taşıyacak.

Yetenek ve işgücü piyasaları

Talep:
Etken (Aracı – Ajansal) yapay zeka ile ilgili iş ilanlarının hacmi düşük kalmaya devam etse de, özellikle yazılım mühendisleri, veri bilimcileri ve veri mühendisleri gibi pozisyonlar için 2021’den bu yana önemli ölçüde artmıştır. Bu büyüme, otonom karar alma ve eylem yeteneğine sahip yapay zeka sistemleri geliştirmeye yönelik artan ilgi ve yatırıma işaret etmektedir.

Becerilerin bulunabilirliği:
Agentic AI (Etken (Aracı – Ajansal) Yapay Zeka) geliştirme, Python programlama, makine öğrenimi ve yazılım mühendisliği gibi teknik becerilerin yanı sıra hızlı mühendislik ve doğal dil işleme gibi gelişmekte olan alanların bir karışımına dayanır. Yetenek talebi yüksek olsa da, tablo karmaşıktır. TensorFlow kullanımı gibi bazı beceriler talebe göre daha kolay bulunurken, Python uzmanlığı gibi diğerleri talebe göre daha az arza sahiptir.

Yalnızca kullanılabilirliğin ötesinde, etken (aracı – ajansal) yapay zeka işin doğasını yeniden şekillendiriyor ve sorumlulukları deterministik kodlama görevlerinden görev planlama, araç orkestrasyonu ve bağlamsal karar alma gibi daha üst düzey faaliyetlere kaydırıyor. Bu evrim, rollerin nasıl tanımlandığını, hangi becerilerin değerlendirildiğini ve kuruluşların teknik ekipleri nasıl yapılandırdığını değiştiriyor.

Dünya genelinde etken (aracı – ajansal) yapay zeka (Agentic AI) edinme gelişmeleri

Etken (Aracı – Ajansal)) yapay zekaya olan önemli ilgi ve yatırıma rağmen, teknoloji gerçek dünyadaki iş ortamlarında büyük ölçüde test edilmemiştir. Birçok şirket, yapay zeka aracılarının (ajanlarının) işlevlerini küçük ölçekli prototipler aracılığıyla aktif olarak test ediyor, ancak tam ölçekli benimseme sınırlı kalıyor. Teknolojideki hızlı gelişmeler göz önüne alındığında, etken (aracı – ajansal) yapay zekanın dağıtımı ve etkisi hızla artabileceğinden, yakından takip edilmeye değer.

Gerçek hayatta

Önde gelen yapay zeka şirketleri, gerçek dünya senaryolarında etken (aracı -ajansal) yapay zekanın uygulanmasını kolaylaştıran gelişmeler geliştiriyor.

Yapay zeka destekli, genel amaçlı aracı platformlarını içeren gerçek dünya örnekleri şunlardır:

• Ocak 2025’te kullanıma sunulan OpenAI Operator, uçuş rezervasyonu, rezervasyon ve market siparişi gibi çeşitli web tabanlı görevleri otonom olarak gerçekleştirebilen bir yapay zeka aracıdır. Operatör, web sitelerinde gezinebilir, formları doldurabilir ve karmaşık etkileşimleri yönetebilir. 
• Mart 2025’te piyasaya sürülen Manus AI, genel amaçlı bir aracı (ajan) platformudur. Araştırma, yazma ve görev yönetimi gibi görevleri otonom olarak yönetir ve esnek bir dijital takım arkadaşı gibi davranır. 
• Google, 17 Haziran 2025’te hem Google AI Studio hem de Vertex AI’daki Gemini API’si için Gemini 2.5 Flash’ı yayınladı. Gemini 2.5 Flash, geliştiricilerin tarayıcı otomasyon özelliklerine sahip üretim uygulamaları oluşturmalarına olanak tanır (örneğin, web sitelerini ziyaret etme, butonlara tıklama, sorgu yazma ve doğal dil komutlarına dayalı veri çıkarma) ve ajan (aracı) tabanlı iş akışlarındaki yeni kullanım senaryolarını destekler.

Aşağıda çok adımlı akıl yürütmeyi içeren gerçek dünyadan bir örnek verilmiştir:

• McKinsey’in QuantumBlack Labs’i, bir banka için kredi notu taslaklarını otomatikleştirmek amacıyla ajan tabanlı iş akışlarını uyguladı. İlk sonuçlar, kredi analistlerinin verimliliğinin yüzde 60’a kadar arttığını gösterdi. Çok ajanlı sistemlerin yöneticisi olarak görev yapan bir LLM, çalışma planları oluşturdu ve veri analizi, doğrulama ve çıktı oluşturma için uzman alt ajanlara (aracılara) görevler atadı.

Belirli iş çözümleri için geliştirilen aracı yapay zekanın gerçek dünya örnekleri şunlardır:

• Darktrace, karmaşık siber tehditleri gerçek zamanlı olarak tespit edip yanıt vermek için otonom yapay zeka ajanları (aracıları)  kullanır. Darktrace’in yapay zeka ajanları, kurumsal ağ trafiğini sürekli olarak izler, anormallikleri tespit eder ve olası hasarı azaltmak için en iyi eylem planına karar verir. Bu yaklaşım, insan bağışıklık sistemine göre modellenmiştir ve daha önce görülmemiş siber saldırılara insan müdahalesi olmadan anında yanıt verilmesini sağlar. Bu ajan( etken – aracı) yapay zeka sistemleri, rutin gözetim ve tehdit tespit görevlerini otomatikleştirerek, insan güvenlik ekiplerinin stratejik zorluklara ve kritik müdahalelere odaklanmasını sağlar.
• Salesforce’un Agentforce platformu, kuruluşların çeşitli işlevlerde otonom yapay zeka aracıları(ajanları) konuşlandırmasını sağlayarak verimliliği ve ölçeklenebilirliği artırır. Bu aracılar (ajanlar), destek taleplerini çözme, toplantı planlama, takip e-postaları gönderme ve potansiyel müşterileri değerlendirme gibi görevleri otonom olarak gerçekleştirebilir. 
• Anysphere tarafından geliştirilen Cursor, doğal dil işleme yoluyla kodlama görevlerini otomatikleştirerek yazılım geliştirme endüstrisini dönüştüren araçlardan biridir. Platform, geliştiricilerin istenen işlevselliği sade açık bir dille tanımlayarak kod üretmelerine olanak tanır ve yazılım geliştirme sürecini önemli ölçüde hızlandırır.

Aracılar(Ajanlar) arası iletişimleri içeren gerçek dünya örnekleri şunlardır:

• Anthropic, LLM’ler gibi yapay zeka modellerinin harici araçlar, sistemler ve veri kaynakları ile veri entegrasyon ve paylaşım yöntemlerini standartlaştırmak için Açık Standart, Açık Kaynaklı bir çerçeve olan Model Context Protocol (MCP)’yi tanıttı. Google, Microsoft, Open AI ve birçok diğer şirket, MCP’yi benimseyeceklerini açıkladı.

• Google, tedarikçiler genelindeki yapay zeka ajanları (aracıları) arasında güvenli iş birliğini kolaylaştırmak için açık bir standart olan Agent2Agent (A2A) protokolünü kullanıma sundu. 50’den fazla iş ortağı tarafından desteklenen A2A, aday kaynak bulma ve tedarik zinciri koordinasyonu gibi kullanım durumlarını mümkün kılarak, ölçeklenebilir, çoklu ajan (aracı) ekosistemlerinin kilidini açmak için MCP gibi çalışmaları tamamlıyor . 

Temel teknolojiler

Etken (Aracı – Ajansal) yapay zekayı güçlendiren teknolojiler şunlardır:

• Makine öğrenimi (ML): Bu modeller, programlanmış kuralları takip etmek yerine, verilerle eğitildikten sonra tahminlerde bulunur.
• Doğal dil işleme: Bu tür makine öğrenimi, metin ve konuşma gibi dil tabanlı verileri analiz eder ve üretir.
• Uygulama katmanı: Genellikle bu, son kullanıcının etkileşim kurduğu arayüzdür; örneğin sohbet.
• Entegrasyon/araç katmanı: Uygulama katmanı ile temel model arasında yer alan bu katman, bilgileri almak, yanıtları filtrelemek, girdi ve çıktıları kaydetmek, işleri dağıtmak ve yeni özellikleri etkinleştirmek için diğer sistemlerle entegre olur. Örnekler arasında büyük dil programlama çerçevesi LangChain ve Pinecone ve Weaviate gibi vektör veritabanları yer alır.
• Temel modeller: Bunlar, çok çeşitli görevler için kullanıma hazır olarak kullanılabilen veya ince ayar yapılarak belirli görevlere uyarlanabilen, büyük miktarda yapılandırılmamış, etiketlenmemiş veri üzerinde eğitilmiş derin öğrenme modelleridir.
• Muhakeme modelleri: Bunlar, mantık gerektiren problemleri çözme ve örüntü tanımanın ötesinde çıkarımlar yapma gibi çok adımlı muhakeme görevlerini yürütmek üzere özel olarak eğitilmiş temel modellerdir.
• Gözlemlenebilirlik araçları: Bunlar, gözlemlenebilirliği (davranış, performans ve karar alma süreçleri hakkında bilgi edinmek için) sağlayan araçlardır (örneğin, LangSmith). Güvenilirlik, şeffaflık ve hesap verebilirliği sağlamak için yapay zeka modellerini yaşam döngüleri boyunca izler ve analiz ederler.
• Programlama çerçeveleri: Bu çerçeveler, Autogen ve CrewAI gibi yapay zeka uygulamalarının geliştirilmesini ve uygulanmasını kolaylaştırmak için tasarlanmış kapsamlı yazılım araç setleridir.

Temel belirsizlikler

Etken (Aracı – Ajansal) yapay zekayı etkileyen başlıca belirsizlikler şunlardır:

• Hatalı kararlar almak veya istenmeyen eylemlerde bulunmak gibi Etken (Aracı – Ajansal) yapay zeka hata modları operasyonel riskleri artırabilir.     Ek riskler arasında, bu aracıları (ajanları) eğitmek için kullanılan verilerin kalitesi, karar alma modellerindeki sapmalar, saldırgan saldırılar ve giderek otonom hale gelen sistemleri yönetmek için sürekli insan gözetimi ihtiyacı yer alır.
• Ajanların (Aracıların) ne ölçüde özerkliğe ulaşabilecekleri belirsizliğini koruyor ve yapay zeka alanında devam eden araştırma ve tartışmaların konusu olmaya devam ediyor.

Gelecekle ilgili büyük sorular

Şirketler ve liderler, etken (aracı – ajansal)  yapay zeka (Agentic AI) ile ilerlemeye çalışırken birkaç soruyu göz önünde bulundurmak isteyebilirler:

• İnsan ve dijital emeğin bir kombinasyonunu içerecek ölçekte etken (aracı – ajansal)  yapay zekanın iş gücü üzerindeki etkileri nelerdir?
• Şirketler etken (aracı – ajansal) yapay zekayı benimserken riskleri azaltmak için hangi güven ve emniyet araçlarına ve tekniklerine ihtiyaç duyulacak?
• Etken (Aracı – Ajansal) yapay zekanın, rutin görevleri otomatikleştirerek uzman yetenekleri yükseltmesi mi, yoksa rolleri yapı ve tekrar üzerine kurulu iş gücünün büyük bir bölümünün yerini alması mı daha olası?
• Etken (Aracı – Ajansal)  yapay zekanın ne ölçüde bağımsız çalışmasına izin verilmeli? Yapay zeka özerkliği ile insan denetimi arasında nasıl iyi bir denge kurabiliriz?
• Şirketler, etken (aracı – ajansal)  yapay zeka ile ilgili olarak gelirler veya maliyet avantajları açısından ölçekli değeri nasıl elde edebilir ve rakiplerinin önüne geçebilir?

SONUÇ

McKinsey uzmanlarından daha fazlasını öğrenin

• “Yapay zeka ajanları sadece görevleri otomatikleştirmekle kalmayacak, aynı zamanda işin nasıl yapıldığını da yeniden şekillendirecek. İnsanları ve ajan (aracı) iş arkadaşlarını bir araya getiren ekipler kurmayı öğrenen organizasyonlar, hız, ölçek ve inovasyon (yenilik) açısından yeni seviyelerin kilidini açacak. ” diyor Lareina Yee (Kıdemli ortak ve McKinsey Küresel Enstitüsü direktörü, Bay Area)

• “Etken (Aracı – Ajansal) Yapay Zeka (Agentic  AI) , Yapay Zeka’yı (AI) pasif bir araçtan kurumsal iş akışlarıyla aktif bir işbirlikçiye taşıyor. Bu sistemler özerklik ve karar verme yetenekleri kazandıkça, AI (Yapay Zeka) bir araç olarak değil bir meslektaş olarak görüldüğünde onunla nasıl çalışılacağını anlamaya daha fazla yatırım yapmak da kritik hale gelir. Aynı zamanda, bu ajanların (aracıların) hesap verebilir bir şekilde çalışmasını ve kalıcı bir güven inşa etmesini sağlamak için güçlü yönetişim, şeffaflık ve etik sınırların gerekli olacağı açıktır.” diyor Delphine Nain Zurkiya (Kıdemli ortak, Boston)

Sevgiyle ve Sağlıkla Kalın.

Necmi Cemal ÖZDEMİR

Hüsnü Baysal’ın katkılarıyla

Kaynak :

• www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-top-trends-in-tech

McKinsey Technology Trends Outlook 2025

July 22, 2025 Report Fifth edition

By Lareina Yee, Michael Chui, Roger Roberts, and Sven Smit

• www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-top-trends-in-tech

McKinsey Technology Trends Outlook 2025

July 22, 2025 Report Fifth edition

AI Revolution

Agentic AI