İçindekiler
Y Combinator CEO'su Garry Tan, Walter Isaacson'un The Builders podcast'inde yapay zeka ajanlarına ne kadar para harcadığını ilk kez rakamla söyledi: "Yılda yaklaşık 100 bin ila 200 bin dolar token harcıyorum." Tan, daha önce "siber psikoz" yaşadığını ve bazen neredeyse hiç uyumadığını şaka yollu kabul etmişti.
Ajanlar ne yapıyor?
Tan'ın kullanımı iki katmanda ilerliyor. Bir tarafta sıradan işler var: Isaacson'un podcast'i için araştırma yapmak, olası soruları hazırlamak, kodlama görevlerini yürütmek. Diğer tarafta ise ajan neredeyse kişisel bir asistan gibi çalışıyor.
"Tüm e-postamı okudu, tüm Dropbox'ımı okudu. Apple Notes'larımın tamamını, hatta 20 yıl geriye giden terapi notlarımı okudu" diyor. Tan bu durumu omzunda sürekli konuşan bir Jiminy Cricket'e benzetiyor: "Neredeyse yapmak istediğin her şeyde seni tanıyor, yardımcı oluyor, önüne geçip 'şuna ne dersin?' diyor."
gstack: 23 Claude Code skill'i açık
Tan, kullandığı 23 Claude Code skill'ini gstack adıyla GitHub'da herkese açtı. Amaç, ajanların ne yapabildiğini başkalarına göstermek. Bu set, onun ajan kullanımının somut tarafını oluşturuyor: araştırma, kodlama ve günlük iş akışlarını tekrar edilebilir hale getiren komutlar.
Y Combinator içinde de benzer bir yapı var. Tan'ın anlattığına göre şirketin "Stray Light" adlı dahili bir yapay zeka ajanı bulunuyor. Bu ajanın bir kişiliği ve bir "şirket beyni" var: bugüne kadar desteklenen tüm kurucular, şirkete e-posta atan herkes ve tüm başvurular bu bağlamın içinde.
"Yazılım gibi davranmayın"
Tan, OpenClaw'un erken benimseyenlerinden ve şimdi ağır kullanıcılarından biri. Öğrendiği en önemli ders, ajanları geleneksel yazılım gibi ele almamak. Bazı ekiplerin "tekrarlanabilirlik ve güvenlik" kaygısıyla ajanın en değerli tarafını, yani insana benzeyen esnekliğini feda ettiğini söylüyor.
Bu tespit, ajan mimarisi tartışmalarında sık duyulan bir gerilime denk geliyor: deterministik iş akışları mı, yoksa serbest bırakılmış bir model mi? Tan ikinci tarafta duruyor, ama bunun bedelinin para ve öngörülemezlik olduğunu da kabul ediyor.
Asıl sorun maliyet
Tan, kişisel ajanların yaygınlaşmasının önündeki en büyük engeli net biçimde söylüyor: "Şu an çok pahalı." Yılda 200 bin dolarlık token harcamasının "herkesin yapamayacağı çılgın bir ayrıcalık" olduğunu ekliyor.
Bu rakam, ajan ekonomisinin gerçek ölçeğini göstermesi açısından dikkat çekici. Tek bir güç kullanıcının yıllık token faturası, küçük bir yazılım ekibinin maaş bütçesine yaklaşabiliyor. Kurumsal tarafta bu maliyetin nasıl yönetileceği (önbellek, model yönlendirme, görev başına bütçe) önümüzdeki dönemin asıl mühendislik problemi olacak gibi görünüyor.
Büyük teknoloji ajanları alternatif mi?
Tan'a göre değil. Teknoloji devlerinin ücretsiz dağıttığı ajanların da bir bedeli olduğunu, bu şirketlerin algoritmayı kontrol ettiğini söylüyor: "Bu devasa bir şirket ve algoritmayı kontrol ediyor; bir noktada hepimiz bunu istemiyoruz." Önerisi, kullanıcının sahip olduğu ve kendi programladığı kişisel bir yapay zeka.
Bu tercih, açık ağırlıklı modellerin ve yerel çalıştırmanın neden hâlâ önemli olduğunu da açıklıyor: maliyet kontrolü, veri kontrolüyle başlıyor.
Ekipler için çıkarım
- Bütçe görünürlüğü: Ajan kullanımını ölçmediğiniz sürece maliyet patlar. Görev bazlı token bütçesi koyun.
- Bağlam maliyeti: Kişisel ajan senaryolarında (tüm e-posta, tüm notlar) önbellekleme olmadan maliyet sürdürülemez.
- Model yönlendirme: Her görev en pahalı modele gitmemeli; sınıflandırma, özet ve arama işleri küçük modellerle yapılabilir.
- Gizlilik: 20 yıllık terapi notlarını bir ajana okutmak, kurumsal politikalarda henüz karşılığı olmayan bir risk alanı.
Sonuç
Garry Tan'ın rakamı, yapay zeka ajanlarının "oyuncak" aşamasını çoktan geçtiğini ama henüz herkesin erişebileceği bir maliyete inmediğini gösteriyor. Kişisel ajan vizyonu teknik olarak çalışıyor; ekonomik olarak ise şimdilik bir avuç güç kullanıcının alanı.