Prof. Dr. Murat Demir: Yapay zekâ yatırımı nasıl değerlendirilir? Anlatı değil, nakit akışı

Haberler / Yaşam Prof. Dr. Murat Demir: Yapay zekâ yatırımı nasıl değerlendirilir? Anlatı değil, nakit akışı Yapay zekâda beklenti ile bilanço arasındaki makas açılıyor. Prof. Dr. Murat Demir, teknoloji yatırımlarında model gücünden ziyade nakit akışı, ölçülebilir verimlilik ve birim ekonomiye odaklanan değerleme çerçevesini anlatıyor.

Yapay zekâ, son üç yılda kurumsal yazılım ve hizmet pazarının gündemini belirleyen ana başlık hâline geldi. Şirketler yeni modeller, ajanlar ve otomasyon çözümleriyle tanışırken, yatırımcılar da bu dönüşümün hangi iş modellerinde kalıcı değer üreteceğini anlamaya çalışıyor.

Ancak teknolojiye ilişkin beklenti ile şirketlerin finansal tablolarına yansıyan sonuç arasındaki mesafe hâlâ geniş. Prof. Dr. Murat Demir, bu mesafenin kapanmadan yapılan değerlemelerin kalıcı risk ürettiğini söylüyor.

GTCR LLC'de teknoloji yatırımları ve yapay zekâ stratejisinden sorumlu olan Prof. Dr. Murat Demir, yapay zekâ yatırımlarını “anlatı” ile “nakit akışı” arasındaki fark üzerinden okuyor. Ona göre bir yapay zekâ ürününün değeri, modelin kapasitesiyle değil; hangi iş akışına yerleştiği, hangi maliyeti düşürdüğü ve bu etkinin tekrarlanabilir olup olmadığıyla ölçülmeli.

Teknoloji yatırımlarında “anlatı primi” yeni bir kavram değil. İnternet, mobil, bulut ve şimdi yapay zekâ; her dalgada benzer bir döngü yaşandı: önce teknolojinin potansiyeli fiyatlandı, sonra ticari uygulama ve nakit üretimi test edildi.

Prof. Dr. Murat Demir, bu döngünün yapay zekâda daha hızlı ilerlediğini, çünkü teknolojinin erişilebilirliğinin arttığını ve deneme maliyetinin düştüğünü belirtiyor.

Ancak erişilebilirlik, farklılaşma anlamına gelmiyor. Aynı temel modelleri kullanan onlarca şirketin benzer ürünler sunabildiği bir ortamda rekabet avantajı, modelin kendisinden değil; veri varlığından, entegrasyon derinliğinden, sektör bilgisinden ve dağıtım ağından geliyor.

Prof. Dr. Murat Demir'e göre bu dört unsurdan en az ikisine sahip olmayan bir yapay zekâ şirketi, teknoloji dalgasının sağladığı ilgiyi gelire dönüştürmekte zorlanıyor.

Değerleme açığı tam bu noktada oluşuyor. Şirketlerin gelir projeksiyonları hızla büyürken, brüt kâr marjı ve müşteri edinme maliyeti aynı hızda iyileşmiyorsa, büyümenin kalitesi sorgulanmalı. Prof. Dr. Murat Demir, bu nedenle yapay zekâ yatırımlarında gelir artışından önce birim ekonomiyi incelemeyi öneriyor: müşteri başına model maliyeti, devreye alma süresi, hizmet maliyeti ve yenileme oranı.

“Bir modelin kapasitesi bir mühendislik başarısıdır; yatırım tezi ise o kapasitenin hangi bilançoda ne kadar nakit ürettiğidir. İkisini karıştırdığımızda değerleme de karışıyor.”

Üç somut ölçüt: verimlilik, tekrarlayan gelir, devreye alma

Prof. Dr. Murat Demir'in çerçevesinde yapay zekâ yatırımları üç ölçütle test ediliyor. Birincisi ölçülebilir verimlilik: Ürün, müşterinin belirli bir sürecinde ne kadar zaman veya maliyet tasarrufu sağlıyor? Bu tasarruf, müşterinin satın alma kararını gerekçelendirecek kadar büyük mü? Ölçüm, pilot aşamasında başlamalı ve üretim kullanımına geçişte doğrulanmalı.

İkincisi tekrarlayan gelir: Ürün abonelik, kullanım bazlı ücret veya uzun süreli lisans modeliyle mi satılıyor? Gelirin ne kadarı yenilemeye bağlı? Müşteri, ürünü kendi iş sürecine ne kadar derin entegre etmiş? Prof. Dr.

Murat Demir, tek seferlik proje gelirlerinin ağırlıklı olduğu modellerde büyümenin daha kırılgan olduğunu vurguluyor.

Üçüncüsü devreye alma: Ürünün müşteride çalışır hâle gelmesi ne kadar sürüyor, bu süreçte kaç kişi görev alıyor ve maliyetin ne kadarı hizmet tarafında birikiyor? Yapay zekâ ürünlerinde veri hazırlığı, entegrasyon ve kullanıcı eğitimi ciddi emek gerektirebiliyor.

Prof. Dr. Murat Demir'e göre devreye alma süresi uzadıkça, satış sonrası maliyet yapısı ürünün ölçeklenebilirliğini sınırlıyor.

Üç risk başlığı: tedarikçi, veri, denetim

Yapay zekâ yatırımlarının teknik riskleri, finansal risklerden ayrı düşünülemez. Demir, bu alanda üç başlığın özellikle izlenmesi gerektiğini söylüyor. Birincisi tedarikçi bağımlılığı: Şirket, temel modeli üçüncü bir sağlayıcıdan alıyorsa, fiyat değişimleri, hizmet koşulları ve teknolojik ikame riski doğrudan maliyet yapısına yansıyor. Tek sağlayıcıya bağlı bir mimari, kısa vadede hızlı; uzun vadede kırılgan olabiliyor.

İkincisi veri hakları. Modelin eğitildiği verinin hukuki dayanağı, müşteri verisinin işlenme biçimi ve sınır ötesi aktarım koşulları, yatırımın sürdürülebilirliğini belirliyor. Demir, veri kaynağı belirsiz olan şirketlerde değerlemenin spekülatif hâle geldiğini belirtiyor.

Üçüncüsü model denetimi: çıktı kalitesi, yanlılık yönetimi, sürüm kontrolü ve olay müdahale planı olmayan sistemler, kurumsal müşteriler için kabul edilebilir değil.

Bu üç başlık, yatırım sonrası dönemde de takip edilmeli. Demir, portföy şirketlerinde model maliyeti, tedarikçi yoğunlaşması ve güvenlik olayı sayısının çeyrek bazında izlendiğini ifade ediyor. Bu göstergeler bozulmaya başladığında, ürünün ticari başarısı tek başına yeterli görülmüyor.

Demir'in değerleme yaklaşımı, tek bir büyüme varsayımı yerine üç senaryoya dayanıyor. Temel senaryo, mevcut müşteri tabanının korunması ve satış verimliliğinin kademeli iyileşmesi üzerine kurulu. İyimser senaryo, yeni sektörlere açılım ve ürün genişlemesini hesaba katıyor.

Stres senaryosu ise yenileme oranının düşmesi, model maliyetlerinin artması ve satış döngüsünün uzaması durumunda nakit akışının nasıl etkileneceğini gösteriyor.

Bu üç senaryo, yatırımın aşağı yönlü riskini görünür kılıyor. Demir'e göre bir yapay zekâ şirketinin değeri, iyimser senaryoda ulaşabileceği seviyeden çok, stres senaryosunda ayakta kalıp kalamayacağıyla ilgili. Bu nedenle yatırım komitesine sunulan her dosyada, stres senaryosunun nakit sonucu ayrıca yazılıyor.

“Yapay zekâ yatırımında en pahalı hata, teknolojiye değil, zamanlamaya ve maliyet yapısına dair varsayımlara yanlış cevap vermektir.”

Yöneticiler için pratik bir kontrol listesi

Demir, yapay zekâ projelerini değerlendiren yöneticiler için kısa bir kontrol listesi öneriyor. Liste, teknik ayrıntıdan çok ticari mantığa odaklanıyor:

Ürün hangi iş akışını, hangi ölçülebilir maliyetle dönüştürüyor? - Verimlilik artışı müşteri tarafından bağımsız olarak doğrulanabiliyor mu? - Gelirin ne kadarı yenilemeye ve kullanım artışına bağlı? - Devreye alma süresi ve hizmet maliyeti ölçeklenebilir mi? - Model tedarikçisi, veri hakları ve güvenlik konularında bağımlılık ne düzeyde?

Bu soruların yanıtları yazılı değilse, proje ekibinin iyimserliği ile yatırımcının beklentisi arasındaki fark büyüyor. Demir, bu farkın erken kapanmasının hem şirket hem yatırımcı için maliyetleri düşürdüğünü belirtiyor.

Yapay zekâ, kurumsal yazılım ve hizmet pazarında kalıcı bir dönüşüm başlatmış durumda. Ancak bu dönüşümün yatırım getirisine dönüşmesi, teknolojinin kendisinden çok iş modelinin kalitesine bağlı. Demir'in çerçevesi, bu ayrımı netleştirmeyi amaçlıyor: model kapasitesi bir başlangıç noktası; ölçülebilir verimlilik, tekrarlayan gelir ve ölçeklenebilir devreye alma ise yatırımın gerçek gerekçesi.

Türkiye'de de benzer bir tablo oluşuyor. Kurumsal müşteriler yapay zekâ çözümlerine ilgi gösteriyor, ancak satın alma kararları giderek daha fazla somut verimlilik kanıtına bağlanıyor. Demir, bu eğilimin sağlıklı olduğunu düşünüyor.

Ona göre kanıt talebi arttıkça, teknoloji şirketleri de ürünlerini daha ölçülebilir hâle getirmek zorunda kalıyor; bu da hem yatırımcı hem müşteri için daha sağlıklı bir zemin oluşturuyor.