AI Agent Ekonomisi: $9B’dan $199B’a Goldman Sachs Ne Diyor?

Bir Tablo, Bir Soru

Geçen hafta bir yatırımcı arkadaşımla oturuyorduk. Masanın üstünde iki grafik vardı. Biri yapay zeka harcamalarını gösteriyordu: dikine yükseliyor. Diğeri bu harcamaların ekonomiye katkısını gösteriyordu: düz bir çizgi. “Ya Ertuğrul,” dedi, “bu iş balon mu, devrim mi?” Güzel soru. Çünkü Goldman Sachs bile bu soruya net bir cevap veremiyor — ama verdiği veriler çok şey anlatıyor.

Bu yazıyı sadece bir haber olarak değil, bir harita olarak okuyun. AI agent ekonomisinin nereden geldiğini, nereye gittiğini, Goldman Sachs’ın ne gördüğünü ve bizim bu tabloda nerede olduğumuzu anlatıyor. Rakamlar büyük. Ama asıl mesele rakamların arkasındaki hikaye.

Agent Pazarı: $7.6 Milyar’dan $199 Milyar’a

Öncelikle şu rakamlara bir bakalım. Precedence Research verileriyle AI agent pazarının büyüklüğünü tablo haline getirdim:

CAGR: %43.84. Bu ne demek? Her yıl pazarın neredeyse yarısı kadar büyüyor. Karşılaştırma olarak: global e-ticaret CAGR’ı %14 civarında. SaaS pazarının CAGR’ı %18. AI agent pazarı bunların hepsini ikiye katlıyor.

Ama burada bir nüans var. “AI agent” kavramı geniş. Basit bir chatbot da kendine “agent” diyor, tam otonom çalışıp iş bitiren bir sistem de. Gerçek büyüme ikincisinde — yani karar alabilen, hareket eden, sonuç üreten agentic sistemlerde. Precedence Research’ün ayrıştırdığı “Agentic AI” pazarı da bunların tam olarak $199 milyara ulaşacağını öngörüyor.

Goldman Sachs Ne Diyor? Üç Kritik Bulgu

Goldman Sachs’ın 2025-2026 döneminde yayınladığı bir dizi rapor, yapay zeka ekonomisinin en kapsamlı röntgenlerinden birini çekti. Raporların tamamı heyecan verici. Ama üç bulgu var ki, bunları anlamadan AI yatırımını, stratejisini veya iş modelini konuşamazsınız.

Bulgu 1: $667 Milyar Altyapı Harcaması

2026 yılında büyük teknoloji şirketlerinin (Amazon, Google, Microsoft, Meta, Oracle) toplam sermaye harcaması (CapEx) $667 milyara ulaştı. Bir önceki yıla göre %62 artış. Bu paranın yaklaşık %75’i — yani $450 milyar civarı — doğrudan yapay zeka altyapısına gidiyor: GPU’lar, veri merkezleri, network altyapısı.

Bir karşılaştırma yapayım: Türkiye’nin 2025 yılı bütçesi yaklaşık $120 milyar. Yani sadece beş şirketin AI altyapısı için harcadığı para, Türkiye bütçesinin beş buçuk katından fazla.

Goldman ayrıca veri merkezi enerji tüketiminin 2023-2030 arasında %165 artacağını öngörüyor. Şu anda dünya genelinde veri merkezleri 55 gigawatt tüketiyor. 2030’da bu rakam 150 GW’a yaklaşacak. AI sadece bir yazılım devrimi değil, aynı zamanda bir enerji devrimi.

Bulgu 2: Verimlilik Paradoksu

İşte Goldman’ın en cesur — ve en önemli — tespiti burada:

“Ekonomi genelinde yapay zeka benimsenmesi ile verimlilik arasında anlamlı bir ilişki bulamadık.” — Goldman Sachs Kıdemli Ekonomist Ronnie Walker

Bu cümleyi tekrar okuyun. $667 milyar yatırıma rağmen, ekonomi genelinde verimlilik artışı sıfıra yakın. GDP’ye net katkısı 0.1-0.2 puan. Yani koca sektör harcıyor, harcıyor ama makro tabloda henüz iz yok.

Ama — ve bu büyük bir ama — iki alanda durum tamamen farklı:

Türkçesi şu: Yapay zeka her yerde işe yaramıyor, ama yaradığı yerde %30 fark yaratıyor. Ve bu iki alan — müşteri destek ve yazılım geliştirme — tam olarak AI agent’ların en güçlü olduğu alanlar.

S&P 500 yönetim ekiplerinin %70’i kazanç çağrılarında AI’dan bahsediyor, %54’ü verimlilik kazancı çerçevesinde konuşuyor. Ama sadece %10’u bunu ölçebiliyor. Ve sadece %1’i kazançlar üzerindeki etkiyi rakamlara döküyor. Bu ne anlama geliyor? Çoğu şirket AI’yı kullanıyor ama neye yaradığını bilmiyor. Ölçmeden yönetmek mümkün değil.

Bulgu 3: İş Gücü Riski ve $780 Milyarlık Yazılım Pazarı

Goldman Sachs’ın işgücü projeksiyonu da dikkat çekici: AI’nın yaygın benimsenmesi durumunda ABD iş gücünün %6-7’si — yaklaşık 11 milyon iş — yer değiştirme (displacement) riskiyle karşı karşıya. Bu oran farklı senaryolarda %3 ile %14 arasında değişiyor.

Ama Goldman bunu bir felaket senaryosu olarak sunmuyor. Yer değiştirme etkisinin iki yıl içinde kaybolacağını, yeni iş fırsatlarının ortaya çıkacağını öngörüyor. Tarihsel örnekler de bunu destekliyor: ATM’ler banka veznedarlarını yok etmedi, ATM başına düşen veznedar sayısı azaldı ama toplam şubeler ve istihdam arttı.

Daha önemlisi, Goldman yazılım pazarının 2030’a kadar $780 milyara ulaşacağını hesaplıyor (%13 CAGR). Ve bu pazarın %60’ından fazlası agentic iş yüklerine kayacak. Yani klasik SaaS “kullanıcı başına lisans” modeli erime sürecinde. Yerine gelen: agent-tabanlı, sonuç-odaklı fiyatlama.

Bu tablo bir paradigma değişimini gösteriyor. “Aracı kullan, aylık öde” modelinden “agent’a iş ver, sonuç al, sonuca göre öde” modeline geçiş. Eğer SaaS işindeyseniz, bu tabloya dikkatlice bakın.

Gartner: %5’ten %40’a — Bir Yılda Sekiz Kat

Goldman Sachs’ın makro bulgularına Gartner’ın mikro tahminini ekleyelim. Ağustos 2025’te Gartner şu öngörüyü paylaştı:

“2026 sonuna kadar kurumsal uygulamaların %40’ı görev-spesifik AI agent’ları içerecek. 2025 başında bu oran %5’in altındaydı.”

Bir yılda sekiz kat büyüme. Bu, tarihte en hızlı kurumsal teknoloji benimseme oranlarından biri. Bulut bilişimin benzer seviyeye ulaşması 5-7 yıl sürmüştü. Mobil uygulamaların kurumsal penetrasyonu için 4 yıl geçtik. AI agent’lar bunu 12-18 ayda yapıyor.

Ama Gartner aynı zamanda bir uyarı da yapıyor: Agentic AI projelerinin %40’ından fazlası 2027 sonuna kadar iptal edilecek. Neden? Çünkü çoğu proje “agent kullanalım” motivasyonuyla başlıyor, “şu problemi çözelim” motivasyonuyla değil. Araç odaklı düşünce her zaman kaybeder. Problem odaklı düşünce kazanır.

MCP: Agent Dünyasının USB-C’si

Bu kadar büyüyen bir pazarda standartlaşma kaçınılmaz. Ve bu standardı Anthropic kurdu: Model Context Protocol (MCP).

Kasım 2024’te tanıtılan MCP, yapay zeka sistemlerinin dış araçlar, veri kaynakları ve servislerle nasıl iletişim kuracağını standartlaştırıyor. USB-C’nin farklı cihazları tek bir port üzerinden birleştirmesi gibi, MCP de farklı AI modellerini farklı araçlarla birleştiriyor.

Aralık 2025’te Anthropic, MCP’yi Linux Foundation altındaki Agentic AI Foundation (AAIF)‘e bağışladı. Kurucu üyeler:

• Anthropic (protokolün yaratıcısı)
• OpenAI (en büyük rakip, artık destekçi)
• Block (Jack Dorsey’nin fintech şirketi)
• Google, Microsoft, AWS, Cloudflare, Bloomberg (destekleyenler)

Şubat 2026 itibarıyla resmi MCP kayıt defterinde 6,400’den fazla MCP sunucusu bulunuyor. Bir yıl öncesine kadar bu sayı birkaç düzineydi.

Neden bu kadar önemli? Çünkü MCP, agent ekonomisinin altyapısını oluşturuyor. Bir agent’ın dış dünyayla etkileşim kurabilmesi için — veritabanına erişim, API çağrısı, dosya işlemleri, takvim yönetimi — standart bir protokol gerekiyor. MCP olmadan her agent kendine özel entegrasyon yazmak zorunda. MCP ile bir kez yaz, her yerde çalıştır.

Ben bu konuyu Ocak 2026’da “MCP: AI’ların USB-C’si mi?” başlıklı yazıyla detaylı işlemiştim. O gün “MCP kazanacak” demiştim. Bugün OpenAI bile MCP’yi benimsemiş durumda. Sanırım kazandı.

Token Maliyeti: Dört Paralık Yapay Zeka

Bu devasa büyümenin arkasındaki sessiz kahraman: maliyet düşüşü.

2022 sonunda GPT-4 seviyesi bir modelden milyon token başına yaklaşık $20-30 ödüyordunuz. 2026 başında aynı seviye performansı veren modeller için milyon token başına $0.08-0.15 ödüyorsunuz. Bu, %99.5’in üzerinde bir maliyet düşüşü.

Bu ne anlama geliyor? 2022’de bir AI agent’ı 24 saat çalıştırmak günlük yüzlerce dolar maliyetindeydi. Bugün aynı işi birkaç sent ile yapıyorsunuz. Agent ekonomisinin patlaması tesadüf değil — ucuzladı, çünkü herkes kullanabiliyor.

Bu maliyet düşüşü sadece büyük şirketleri değil, küçük geliştiricileri de pazara sokuyor. Bir kişi, bir bilgisayar, doğru araçlar — ve bir AI agent servisi kurabiliyorsunuz. Bu modeli biz Agent-as-a-Service (AaaS) olarak adlandırıyoruz.

Açık kaynak projelerimizden CashClaw, tam olarak bu felsefeyle doğdu: bir AI agent’ı otonom bir freelance iş makinesine dönüştürmek. GitHub‘da 65 yıldız, npm‘de 450+ indirme rakamına ulaştı. Büyük rakamlar değil — ama bir kişi, sıfır sermaye, açık kaynak. Agent-as-a-Service modelinin en yalını. npx cashclaw init yazıyorsun, SEO audit, içerik üretimi, fatura kesimi gibi skill’leri yüklüyorsun, agent çalışmaya başlıyor. Sen uyurken o iş yapıyor.

Aynı ekosistemde dep-oracle projesini de anmam lazım: 1,200+ npm indirme ile MCP Registry’de resmi olarak yer alan, yazılım tedarik zinciri güvenliğini analiz eden bir araç. Neden ilgili? Çünkü agent ekonomisi büyüdükçe, agent’ların kullandığı araçların ve bağımlılıkların güvenliği kritik hale geliyor. Bir agent 200 bağımlılığı olan bir paket yüklediyse, o 200 bağımlılıktan birinin compromised olması tüm sistemi yıkabilir.

Üç Katmanlı Agent Ekosistemi

Goldman Sachs ve Gartner verilerini birleştirdiğimizde, 2026’da net bir ekosistem haritası ortaya çıkıyor:

Katman 1 oyuncuları kaynaklara sahip ama yavaş hareket ediyor. Katman 2 mevcut müşteri tabanını koruyor ama inovasyonda sınırlı. Gerçek patlama Katman 3’te — agent-native yaklaşım. Bu katmandaki şirketler klasik SaaS paradigmasını tamamen atlayıp, başlangıçtan otonom agent olarak tasarlanmış ürünler geliştiriyor.

Bizim HyrveAI projesi de bu katmanda konumlanıyor. 2,850’nin üzerinde bekleme listesi kaydı olan HyrveAI, AI agent’ların gerçek para kazandığı, iş aldığı ve başka agent’ları işe alabildiği bir pazaryeri olarak tasarlandı. Geliştirici %85, platform %15 komisyon. Agent-to-Agent (A2A) işlemler, Stripe + USDT ödeme, sandbox güvenlik. Neden önemli? Çünkü Goldman’ın öngördüğü $780 milyarlık yazılım pazarında, agent’lar tek başına değil, birbirleriyle iş yaparak büyüyecek.

Türkiye Perspektifi: Verimlilik Paradoksunun İçinde miyiz?

Goldman’ın “ekonomi genelinde verimlilik artışı yok” tespitini Türkiye bağlamında düşünelim. Geçen yıl yayınlanan AI-MOI (Yapay Zeka Olgunluk Endeksi) araştırmasına göre Türkiye KOBİ’lerinin sadece %8.6’sı yapay zeka kullanıyor. AI-MOI skoru 100 üzerinden 14.03. Hiçbir firma “operasyonel” seviyede değil.

Bu ne anlama geliyor? Goldman’ın ABD için bulduğu “verimlilik paradoksu” Türkiye için daha da belirgin. Çünkü bizde AI benimseme oranı çok düşük ve ölçüm yapan şirket neredeyse yok. Ama aynı zamanda bu bir fırsat: Goldman’ın %30 verimlilik artışı bulduğu iki alan — müşteri destek ve yazılım geliştirme — Türkiye’deki KOBİ’lerin de en çok ihtiyaç duyduğu alanlar.

Bir Manavgat’taki otel işletmecisinin müşteri hizmetleri maliyetini %30 düşürdüğünü düşünün. Veya bir İstanbul’daki yazılım evinin geliştirme sürecini %30 kısalttığını. Bunlar küçük rakamlar gibi görünüyor ama yıllık bazda yüz binlerce liralık fark yaratıyor.

Bu Verilerden Çıkarılacak 5 Ders

Tüm bu Goldman Sachs raporlarını, Gartner tahminlerini, pazar büyüklüğü verilerini ve MCP gelişmelerini bir araya getirdiğimde, şu 5 ders ortaya çıkıyor:

1. Her yere AI koymak işe yaramıyor, doğru yere koymak yarıyor. Goldman’ın %30 verimlilik bulgusu bunu kanıtlıyor. Müşteri destek ve yazılım geliştirme dışında henüz kanıtlanmış alanlar sınırlı. Öncelik belirlemek her şeyi değiştiriyor.

2. SaaS öldü, yaşasın AaaS. Kullanıcı başına aylık lisans modeli erime sürecinde. Yerine agent-based, sonuç odaklı fiyatlama geliyor. Eğer SaaS ürün satıyorsanız, şimdiden geçiş planını düşünün.

3. Maliyet engeli kalktı, uzmanlık engeli kaldı. Türkiye’deki AI-MOI araştırması da bunu destekliyor: en büyük engel maliyet değil (%15), uzmanlık eksikliği (%30.6). Token maliyeti centlere düştü — ama bu ucuz tokenleri verimli kullanacak insan kaynağı yetersiz.

4. MCP standardı kazandı, entegrasyon yarışı bitti. OpenAI bile Anthropic’in protokolünü benimsedi. Artık soru “hangi standart?” değil, “MCP üzerine ne inşa ederiz?” olmalı.

5. Ölçmeyen kaybeder. S&P 500’ün %70’i AI’dan bahsediyor, %10’u ölçüyor, %1’i kazanca yansıtabiliyor. Türkiye’de bu oranlar daha da düşük. AI projesine başlamadan önce ölçüm metriklerini belirleyin: ne ölçeceksiniz, nasıl ölçeceksiniz, ne zaman değerlendirirsiniz?

Son Söz

$667 milyar harcanıyor. $199 milyarlık bir pazar doğuyor. %43.84 CAGR ile büyüyor. Token maliyetleri %99.5 düştü. MCP standartlaştı. Gartner %5’ten %40’a sıçrama bekliyor.

Ama Goldman Sachs ekonomi genelinde verimlilik artışı bulamıyor.

Bu iki gerçek birbiriyle çelişiyor gibi görünüyor ama aslında aynı şeyi söylüyor: AI artık bir teknoloji sorunu değil, bir uygulama sorunu. Teknoloji hazır, maliyet düştü, standartlar oturdu. Eksik olan: doğru problemi seçmek, doğru ölçümü yapmak ve doğru iş modelini kurmak.

Konuşmak kolay, kod yazmak zor. Biz kod yazıyoruz.

Gelecek hafta başka bir konuyla buluşuruz. Sorularınız varsa yazın.

“İş dünyasında zaman altınsa, yapay zeka onun madencisidir.”

—

Ertuğrul Akben
Yapay Zeka & Sistem Stratejisti
ertugrulakben.com

Etiketler: #YapayZeka #AIAgent #GoldmanSachs #AgentEkonomisi #SaaS #MCP #Teknoloji #Girişimcilik #KOBİ #CashClaw #HyrveAI

Kaynaklar:

• Goldman Sachs – AI Agents to Boost Productivity and Size of Software Market
• Fortune – Goldman Finds No Meaningful Relationship Between AI and Productivity
• Goldman Sachs – AI to Drive 165% Increase in Data Center Power Demand
• Precedence Research – Agentic AI Market Size
• Gartner – 40% of Enterprise Apps Will Feature AI Agents by 2026
• Anthropic – Donating MCP and Establishing AAIF