Bugün, AI token kullanımını maksimize etme anlamına gelen "Token Maxing" aşamasının nasıl tam bir döngüyü tamamladığını ve trendin, AI'nın yatırım getirisini sorgulayan "Token Management"a (Token Yönetimi) doğru kaydığını ele alıyoruz. Token yönetimi artık, personel planlaması veya pazarlama yatırım kararları kadar kritik bir yönetim meselesi haline geldi.
Yurtdışında bu "Token Management" kavramı genellikle daha teknik olarak "Token Optimizasyonu" olarak tartışılıyor. Anlaşılırlık açısından burada Token Management terimini kullanacağım, ancak lütfen Token Optimizasyonu ile eş anlamlı olduğunu unutmayın.
Token Maxing ve Tepkisi
Geçtiğimiz yıl boyunca, üretken yapay zeka kullanımı "Token Maxing" olarak adlandırılabilecek bir aşamadaydı. Görevlere bolca token serpmek, en güçlü modelleri defalarca kullanmak ve içeriği sınıra kadar beslemek anlamına geliyordu. AI sağlayıcıları da kullanım artışını bir başarı ölçütü olarak kabul edip sabit ücretli abonelikler aracılığıyla fiilen sübvansiyon sağlıyordu. Kullanıcı tarafında ise maliyetten bağımsız olarak en güçlü modeli kullanmak rekabet avantajı olarak görülüyordu.
Ancak 2026 yılına girerken bu yapıya karşı belirgin bir tepki ortaya çıkmaya başladı.
Uber sembolik bir örnek. Şirket, mühendislerinin kullanımını teşvik etmek için dahili bir Claude Code liderlik tablosu oluşturdu ve sonuçta 2026 yılı AI kodlama bütçesini sadece dört ayda tüketti. Uber COO'su Andrew Macdonald bir podcast'te şunları söyledi:
"Bundan sonra token tüketimini ve bununla ilgili maliyetleri işgücü maliyetleriyle birlikte ele almalıyız. Müşterilere ulaşan özelliklerin harcadığımız kadar arttığını gösteren düz bir çizgi çizemezsek, bu takası haklı çıkarmak zor."
Benzer endişeler AI satanlar tarafından da dile getiriliyor. Microsoft'tan Satya Nadella, Mart 2026'da Morgan Stanley TMT Konferansı'nda şunları söyledi:
"Neden bu kadar çok token kullanıyoruz? Çoğu durumda token verimliliği açısından en kötü şeyleri yapıyoruz. Önümüzdeki yıl herkesin üzerinde çalışacağı şey, AI'yı verimli hale getirmek için araç kullanımı ve yazılım olacak."
Aslında Microsoft, kısa süre önce dahili olarak kullanıma sunduğu doğrudan Claude Code lisanslarını önemli ölçüde azalttı.
Buradan itibaren, AI, "istediğin kadar kullan" diyebileceğin bir araç olmaktan çıkıp, tıpkı işgücü veya pazarlama maliyetleri gibi yatırım getirisi sorgulanan bir konu haline gelecek. Yönetimin odağı, kaç token kullanıldığından, bu tokenlerin ne ürettiğine ve bir sonraki adımda nereye tahsis edileceğine kayacak.
Büyük Ölçekli Token Kullanımı Rekabet İçin Bir Ön Koşul
Bu biraz olumsuz gibi görünse de, AI'nın evriminin son derece güçlü olduğu varsayımı var. Geliştirme alanında, kodlama aracıları kullanmamak gibi bir seçenek yok. Belirli bir düzeyde token maliyetini karşılayamayan şirketler esasen rekabetten çekiliyor. Üstelik bu "belirli düzey" token maliyeti eşiği oldukça yüksek. Yatırım kapasitesi olmadan hızlanamayacağımız acı gerçeğiyle yüzleşmeliyiz.
Aslında mühendisler tarafından tüketilen token maliyetlerinin maaşlarının yüzde onlarca, hatta yarısına ulaşması alışılmadık bir durum değil. "Bir mühendis işe almanın maliyeti"ni sadece "maaş" olarak değil, "maaş artı AI token maliyetleri" seti olarak düşünmek gerekli hale geliyor. Yönetim için bu, tamamen yeni bir maliyet kategorisinin ortaya çıkışı anlamına geliyor.
Token Maxing anlamsız bir hareket değildi; AI'yı sonuna kadar kullanarak, gaz pedalına nerede basılacağı ve nerede daha fazla kontrol uygulanacağı konusunda hızlı bir öğrenme sürecinin gerçekleştiğine inanıyorum. İlerleyen dönemde, gereken yerde gaza basıp gereken yerde kontrolü uygulayabilen Token Management yapan şirketler öne çıkacak.
Token Management, başlı başına bir yönetim meselesi haline geldi. Token Maxing, şirketlerin yapısal dönüşümü için önemli bir ilk adımdı.
Bizim şirketimizde, sırf token kullanma aşaması sona erdi ve artık nasıl sonuç üretileceği aşamasındayız. LayerX'in "Compass" (yol gösterici ilkeler) içinde "AI'yı bir büyüme motoru haline getirin" ve "Kullanılmayacak şeyler inşa etmeyin. AI yapı tuzağına düşmeyin." gibi direktifler bulunuyor.
Şuradan: https://speakerdeck.com/layerx/compass_202209?slide=34
Şuradan: https://speakerdeck.com/layerx/compass_202209?slide=36
Bu yönergelerin bir sonucu olarak dahili olarak tokenleri optimize ettik. Gereken yerde kullandık, gereken yerde optimize ettik, ancak kullanılan token sayısı LayerX'te Token Maxing yaparken olduğundan önemli ölçüde değişmedi. Belirli bir seviyenin üzerinde büyük ölçekli token kullanımının rekabet için bir ön koşul haline geldiğini hissediyorum.
Kodlama Aracıları Sadece Bir "Örnek"
Burada önemli olan, bu patlayıcı token tüketiminin kodlama gibi uzmanlaşmış bir alanla sınırlı olmadığıdır.
Şu anda, kodlama dışındaki her türlü iş operasyonu, kodlama aracılarıyla aynı şekilde çözülüyor. Satış için sinyal toplama ve teklif oluşturma, müşteri destek sorguları, otomatik gider raporlama ve onayı, yasal sözleşme incelemeleri, pazarlama reklam operasyonları, İK işe alım taramaları... bunların hepsi birer birer otonom yürütme aracıları olarak yeniden tasarlanıyor.
Otonom aracılar, önceki "tek soru, tek cevap" şeklindeki insan kullanımıyla kıyaslanamayacak miktarlarda token tüketir. Aracılar daha fazla iş yaptıkça, tüm AI kullanımı şu anda kodlama aracılarında gördüğümüz desene dönüşecek. Kodlama aracıları, sadece bu desene ulaşan ilk örnek oldu.
Şu anda "sadece mühendislere özgü bir sorun" gibi görünen AI token maliyet yönetimi zorluğu, yakında tüm şirketi kapsayan bir yönetim meselesi haline gelecek. Çünkü bir şirketteki her iş alanı, önümüzdeki birkaç yıl içinde aynı token tüketim profiline sahip olacak.
Token Maliyetleri Bir Zaman Bombası
Burada kabul etmemiz gereken bir gerçek daha var. Şu anda ödemekte olduğumuz AI abonelik ücretleri, gerçek maliyetlerden önemli ölçüde düşüktür.
Şu anda, temel model sağlayıcılarının AI aboneliklerini zararına sunması yaygındır ve ödediğimiz sabit ücretler ile gerçekleşen fiili maliyetler arasında büyük bir fark vardır. Aynı kullanımı API kullandıkça öde fiyatlandırmasıyla yeniden hesaplarsanız, maliyet katlanarak artar. Abonelik formatı, kullanıcının fiili maliyeti görmesini engeller.
Sorun şu ki, temel model şirketleri bu fiili maliyet farkını istedikleri zaman ortaya çıkarabilir. Sübvanse edilen kısmın, sabit ücretten token bazlı faturalamaya geçiş, daha üst planlara yönlendirme veya fiyat artışları şeklinde müşterilere yansıtılmaya başladığı an, "ayda kişi başı on binlerce yen olan ve 100 çalışanlı bir şirkete yılda on milyonlarca yene mal olan" duygusu, kısa sürede "tüm şirket için yılda yüz milyonlarca veya milyarlarca yen" mertebesine sıçrayabilir. Aboneliklerin gizlediği fiili maliyet farkı, zaman bombasının gücü haline gelir.
Yapılması gereken ilk şey, patlama su yüzüne çıkmadan önce şirket içinde olup biteni görünür kılmaktır.
(Ayrıntılar için bu makale faydalı: https://www.thestateofbrand.com/news/ai-subscription-time-bombhttps://www.thestateofbrand.com/news/ai-subscription-time-bomb))
İlk Olarak, Görselleştirme
Bu sorun için yapılması gereken ilk şey son derece basit bir şeydir: "Kimin hangi modeli ve kaç token kullandığını" görünür kılmak. İşte bu kadar.
İnsanlar için halihazırda personel değerlendirmeleri, hedef yönetimi, maaş sistemleri ve organizasyon tasarımı gibi geniş yönetim temellerimiz var. Pazarlama harcamaları için CAC ve geri ödeme süresini ölçerken optimize etmek doğaldır. Satın alma işlemlerinin uzman ekipleri ve iş akışları vardır.
Ancak AI için bu en temel görselleştirme bile henüz yerleşmiş değil. CEO'lar ve BT departmanları için "şu anda AI'ya kimin ne kadar harcadığını" görememek büyük bir stres kaynağı haline geldi. Rakamları bir gösterge panosuna koymak bile değer yaratır.
Şu anda sağlamakta olduğumuz "AI Token Advisor", tam olarak bu boşluğu doldurmak için tasarlanmış bir üründür. Kimin hangi modeli hangi görev için ve kaç token kullandığını görselleştiren basit bir araçtır. (Bakuraku kullanıcıları bir kimliği ücretsiz kullanabilir!)
Şuradan: https://bakuraku.jp/resources/product/pre-registration-ai-token-advisor/
Ancak görselleştirme sadece bir giriş noktasıdır. Asıl önemli olan, bunun ötesinde kaçınılmaz olarak ortaya çıkacak sorudur.
"Bu görev gerçekten o modeli kullanmalı mıydı?"
Görselleştirme ilerledikçe, her zaman ortaya çıkan bir sonraki soru şudur: "Bu görev gerçekten o modeli kullanmalı mıydı?"
Örneğin, "Bugün hava nasıl?" gibi bir soru için en üst düzey bir akıl yürütme modeli (Mayıs 2026 itibarıyla en son modeller olan Claude Opus 4.8 veya GPT-5.5 gibi) kullanmak açıkça aşırıdır. En hafif model yeterlidir ve bir akıl yürütme modeli olması bile gerekmeyebilir. Benzer şekilde, şirketlerde rutin e-posta oluşturma gibi olgunlaşmış görevler için pahalı modellerin kullanılmaya devam edildiği çok sayıda durum vardır.
Eğilimler kişiye göre de farklılık gösterir. AI kullanmaya alışık olmayan kişiler, şimdilik en güçlü modeli seçme eğilimindedir. Tersine, AI'yı derinlemesine kullananlar, görevin doğasına göre model değiştirir. Bu fark, hem maliyet hem de kalite açısından bir organizasyonun görmezden gelemeyeceği kadar büyük hale gelir.
Burada önemli olan, AI'ya yapılan tüm girdilerin sonuçta bir "istem" (prompt) biçimine dönüştürülmesidir. Sohbet soruları ve aracılara iletilen bağlam, dahili olarak modele istem olarak girilir. Başka bir deyişle, isteme bakarsanız, o kişinin AI'ya ne yaptırdığını büyük ölçüde anlayabilirsiniz.
Bu istemden yola çıkarak, görevler ve modeller arasındaki uyumsuzlukları tespit edebilir ve "Bu görev için daha hafif bir model yeterlidir" gibi rehberlik sağlayabiliriz. Daha da ileri giderek, insanların her seferinde model seçmesi yerine, sistem otomatik olarak en uygun modeli tahsis edecektir. Böyle bir dünyaya doğru ilerliyoruz.
Aracılar çağında bu daha da önemli hale geliyor. Aracılar otonom olarak çalıştığı için, insanın her seferinde "Şimdi Opus kullanmak lüks mü?" diye düşünmesine gerek kalmaz. Baştan itibaren, görevin doğasına göre en uygun model seçimini sisteme bırakmaktan başka seçenek kalmayacak.
Bakuraku'da sunduğumuz hizmetler, kullanıcının farkında olmasına gerek kalmadan en uygun modeli seçen arka uç uygulamasını da içeren yönetilen hizmetler olarak sunulacak. AI Token Advisor sadece bir giriş noktasıdır.
Özet
AI token maliyetleri, "sadece para harca" yaklaşımıyla baş edilemeyecek boyutlara ulaştı. Bazı şirketler için işgücü ve pazarlama maliyetleriyle aynı seviyede giderler haline geliyorlar.
Pazarlama maliyetleri CAC ile sıkı bir şekilde yönetilir ve kimse "CAC'ye bakmadan reklam yayınlayın" diyerek iş yapmaz. Aynı şey işgücü maliyetleri için de geçerlidir; maaş, işe alım ve pozisyonlandırma tamamen yönetilir. Herhangi bir maaşla insanları işe almazsınız.
Aynı düzeyde, AI maliyetleri de yönetimin kapsamına girecek. O zaman yapılması gereken ilk şey, "ne kadar harcandığını" görselleştirmektir. Ve bir sonraki adım, "görev ve kişi için uygun modelin seçilip seçilmediğini" kontrol etmektir.
Gösterişsiz görünebilir, ancak bu iki noktaya hakim olmak önümüzdeki yıllarda kritik bir yönetim meselesi haline gelecektir.
Böyle bir geleceği birlikte hayata geçirmek isteyenler için LayerX, aktif olarak AI Geliştiricileri arıyor!
Aktif olarak işe alım yapıyoruz! https://jobs.layerx.co.jp/
