Yapay Zekâ İşe Başladı, Amazon Alışveriş Sepetinin Direksiyonuna Geçiyor

Yeni yapay zekâ modelleri çıktığında sektör genellikle performans skorlarına odaklanıyor. Hangi model kodlamada daha başarılı, hangisi daha az hata yapıyor, hangisi daha uzun metin okuyabiliyor gibi karşılaştırmalar birkaç gün boyunca gündemi işgal ediyor.

Ancak OpenAI’ın son dönemdeki en önemli hamlesi yalnızca yeni bir model yayımlamak değil. Şirket, ChatGPT’yi soru cevaplayan bir araçtan çıkarıp gerçek iş süreçlerinin içine yerleştirmeye çalışıyor.

ChatGPT Work yaklaşımının temel fikri oldukça basit: Kullanıcı yalnızca “bunu nasıl yaparım?” diye sormasın, doğrudan “bunu yap” desin. Sistem araştırma yapsın, belge hazırlasın, sunum oluştursun, kod yazsın ve mümkün olduğu ölçüde işi tamamlasın.

Bu dönüşüm özellikle ajanslar açısından önemli. Çünkü bugüne kadar yapay zekâ çoğunlukla üretim hızını artıran yardımcı bir araç olarak görülüyordu. İçerik yazarının taslak hazırlamasına, yazılımcının kod üretmesine veya tasarımcının fikir bulmasına yardımcı oluyordu.

Yeni dönemde ise yapay zekâ tek bir parçayı değil, iş akışının tamamını üstlenmeye hazırlanıyor.

Bir Amazon mağazasını inceleyip hataları raporlayabilir. Shopify ürün açıklamalarını analiz edip eksik bilgileri belirleyebilir. Rakip fiyatlarını takip edebilir, haftalık performans raporu hazırlayabilir ve müşteriye gönderilecek sunumu oluşturabilir.

Kısacası yapay zekâ artık yalnızca kalemi tutmak istemiyor. Masaya oturup dosyayı kapatmak istiyor.

Birkaç yıl önce yapay zekâ danışmanlığının en gözde ürünü prompt paketleriydi. İnsanlar yüzlerce komut içeren dosyalar hazırlıyor, bunları “işinizi dönüştürecek gizli formüller” gibi pazarlıyordu.

Bugün iyi bir prompt hâlâ değerli. Ancak tek başına sürdürülebilir bir hizmet değil. Çünkü modeller geliştikçe uzun ve karmaşık komutlara duyulan ihtiyaç azalıyor. Kullanıcıların da prompt yazmayı öğrenmek yerine doğrudan sonuç almak istediği görülüyor.

Bir şirketin asıl ihtiyacı “ürün açıklaması yazdıran komut” değil. Yeni ürün geldiğinde bilgileri alan, açıklamayı hazırlayan, kategori kurallarını kontrol eden ve yayınlanmaya hazır hale getiren sistem.

Bir ajansın müşteriye sunacağı değer de tam olarak burada değişiyor. Prompt vermek yerine süreç kurmak gerekiyor.

2024’te prompt konuşuluyordu. 2025’te otomasyon konuşuldu. 2026’da ise dijital çalışanlar konuşuluyor.

Teknoloji sektörü isim değiştirmeyi seviyor. Bazen aynı kahveye yeni bardak veriliyor. Fakat bu kez bardağın içinde gerçekten farklı bir şey var.

Yeni yapay zekâ ürünlerinin gördüğü yoğun ilgi, OpenAI tarafında bazı kapasite tartışmalarını da beraberinde getiriyor. Sam Altman, kullanımın beklenenden hızlı büyüdüğünü ve zaman zaman aksaklıklar yaşanabileceğini açıkça belirtiyor.

Bu açıklamalar dışarıdan bakıldığında klasik bir teknoloji şirketi cümlesi gibi görünebilir: “İlginiz için teşekkür ederiz, sunucularımız şu anda terliyor.”

Ancak işin arka planında çok daha büyük bir problem bulunuyor. Yapay zekâ hizmetleri ciddi miktarda işlem gücü, enerji ve veri merkezi kapasitesi gerektiriyor. Kullanıcı sayısı arttıkça yalnızca gelir yükselmiyor, maliyetler de aynı hızla büyüyor.

Klasik yazılım işinde bir kullanıcıya daha hizmet vermenin maliyeti çoğu zaman oldukça düşüktür. Yapay zekâda ise her soru, her üretilen görsel ve her çalışan ajan gerçek bir hesaplama maliyeti oluşturuyor.

Bu nedenle AI şirketlerinin önündeki en büyük sınav yalnızca daha güçlü modeller geliştirmek değil. Bu modelleri milyonlarca kullanıcıya makul maliyetle sunabilmek.

Teknoloji dünyası yıllardır ölçeklenebilirlik kelimesini çok sever. Şimdi kelimenin faturasını ödeme zamanı geliyor.

Amazon cephesinde ise yapay zekâ yatırımlarının merkezinde Alexa bulunuyor. Şirketin Moonraker kod adlı proje üzerinde çalıştığı ve Alexa’yı çok daha gelişmiş bir görev ajanına dönüştürmeyi hedeflediği konuşuluyor.

Bugünkü sesli asistanlar çoğunlukla basit görevlerde kullanılıyor. Müzik açmak, hava durumunu sormak, alarm kurmak veya akıllı ev cihazlarını yönetmek gibi işler yapıyorlar.

Amazon’un hedefi bundan çok daha ileri gitmek. Kullanıcı yalnızca bir talep söyleyecek, sistem ise o talebi tamamlamak için gereken adımları kendi planlayacak.

Örneğin bir kullanıcı, “Cumartesi günü çocuklar için uygun bir doğum günü hediyesi bul, Prime teslimatlı olanlardan üç seçenek çıkar ve en iyi yorum alanı sepete ekle” diyebilir. Alexa ürünleri araştırabilir, fiyatları karşılaştırabilir, teslimat tarihlerini kontrol edebilir ve satın alma sürecini başlatabilir.

Bu senaryoda Alexa artık sesli komut alan bir hoparlör değil. Amazon mağazasının içinde çalışan kişisel alışveriş danışmanı haline geliyor.

Amazon’un bu projeye büyük kaynak ayırması şaşırtıcı değil. Çünkü şirket için asıl risk, müşterinin ürün aramaya başka bir yapay zekâ platformunda başlaması.

Bir kullanıcı ChatGPT’ye ne alması gerektiğini sorar, Gemini ile seçenekleri karşılaştırır ve Shopify mağazasından satın alırsa Amazon müşterinin karar sürecinin dışında kalabilir.

Amazon böyle bir geleceği seyretmek yerine alışveriş ajanını kendi ekosisteminin merkezine yerleştirmek istiyor.

Özetle şirket yalnızca sepeti taşımak istemiyor. Sepetin nereye gideceğine de karar vermek istiyor.

Moonraker projesinin yalnızca fikir düzeyinde kalmadığı, ciddi altyapı bütçeleriyle desteklendiği belirtiliyor. Yapay zekâ modellerinin çalışması için gereken GPU maliyetlerinin yüz milyonlarca dolara ulaşabileceği tahmin ediliyor.

Bu rakamlar AI yarışının nasıl değiştiğini gösteriyor. Birkaç yıl önce yeni bir yapay zekâ ürünü geliştirmek için iyi bir ekip ve güçlü bir fikir yeterli olabiliyordu. Şimdi yarışa katılmak için veri merkezi, çip, enerji ve milyarlarca dolarlık yatırım gücü gerekiyor.

Amazon, Google, Microsoft ve Meta gibi şirketlerin avantajı yalnızca ellerindeki veri değil. Gerektiğinde masaya çok büyük miktarda para koyabilmeleri.

Yeni bir girişim daha iyi bir fikir geliştirebilir. Ancak Amazon aynı fikri yüz milyonlarca kullanıcıya ulaştırmak için devasa bir altyapıyı devreye sokabilir.

Bu yüzden yapay zekâ rekabeti yalnızca zekâ yarışı değil. Aynı zamanda dayanıklılık yarışı.

Model ne kadar iyi olursa olsun, her kullanıcı geldiğinde şirketin kasası biraz daha hızlı boşalıyorsa yatırımcıların keyfi uzun sürmeyebilir.

Amazon tüketiciyi kendi ekosisteminde tutmaya çalışırken Shopify farklı bir strateji izliyor. Shopify’ın hedefi, ürünlerin nerede keşfedildiğinden bağımsız olarak satılabilmesini sağlamak.

Bir kullanıcı ürünü ChatGPT’de görebilir, Gemini’de karşılaştırabilir, Copilot üzerinden sorular sorabilir ve satın alma işlemini mağazanın Shopify altyapısı üzerinden tamamlayabilir.

Bu modelde mağazanın web sitesi hâlâ önemini korur. Ancak müşteri yolculuğunun başlangıç noktası olmaktan çıkabilir.

Bugün e-ticaret siteleri çoğunlukla insan ziyaretçilere göre tasarlanıyor. Ana sayfa banner’ları, kategori menüleri, filtreler ve ürün kartları kullanıcının mağaza içinde dolaşmasını kolaylaştırıyor.

Yapay zekâ ajanları ise mağazayı insanlar gibi gezmek zorunda değil. Ürün verilerini doğrudan okuyabilir, özellikleri karşılaştırabilir ve müşterinin ihtiyacına uygun olan ürünü seçebilir.

Bu nedenle Shopify’ın Universal Commerce Protocol gibi standartlara yatırım yapması önemli. Amaç, farklı yapay zekâ sistemlerinin ürün bilgilerine güvenli ve standart biçimde ulaşmasını sağlamak.

Geleceğin e-ticaretinde ürünün hangi sitede bulunduğu kadar, yapay zekâ tarafından ne kadar doğru anlaşılabildiği de önemli olacak.

E-ticaret sitelerinde yıllardır benzer ürün açıklamaları kullanılıyor. “Şık tasarım”, “yüksek kalite”, “modern görünüm” ve “her ortama uyum sağlar” gibi ifadeler birçok kategoride neredeyse standart hale gelmiş durumda.

Bu cümleler kulağa hoş gelebilir. Ancak yapay zekâ sistemleri için fazla bilgi taşımaz.

Bir alışveriş ajanının ürünü doğru kişiye önerebilmesi için somut verilere ihtiyacı vardır. Ürünün kimler için uygun olduğu, hangi problemi çözdüğü, hangi malzemeden üretildiği, ölçülerinin ne olduğu ve hangi alternatiflerden farklılaştığı açık biçimde belirtilmelidir.

Örneğin bir çalışma masasını “modern ve şık” olarak tanımlamak yerine küçük odalar için uygun olduğu, kablo yönetim alanı bulunduğu, kurulumunun yaklaşık 20 dakika sürdüğü ve belirli ağırlığa kadar taşıma kapasitesi olduğu anlatılmalıdır.

İnsanlar bazen güzel cümlelerden etkilenebilir. Yapay zekâ ise tablo ister.

Bu yüzden ürün verisi artık yalnızca SEO çalışmasının parçası değil. Aynı zamanda AI görünürlüğünün temel altyapısıdır.

En iyi görünen mağaza her zaman kazanmayabilir. Yapay zekânın en iyi anladığı mağaza ciddi avantaj elde edebilir.

Markaların Google’daki sıralamalarını ölçmek için onlarca SEO aracı bulunuyor. Hangi kelimede kaçıncı sırada olduğunuzu, hangi sayfanın trafik aldığını ve rakiplerin nerede yükseldiğini kolayca takip edebiliyorsunuz.

Yapay zekâ platformlarında ise görünürlük ölçümü hâlâ oldukça yeni.

Bir marka ChatGPT tarafından hangi sorularda öneriliyor? Gemini hangi rakipleri daha sık gösteriyor? Perplexity ürün araştırırken hangi kaynaklara güveniyor? Amazon Rufus belirli bir kategoride hangi ürünleri öne çıkarıyor?

Bu sorular yeni bir yazılım kategorisinin doğmasına neden oluyor.

Wildcard gibi girişimler markaların farklı yapay zekâ sistemlerindeki görünürlüğünü ölçmeye odaklanıyor. Bu araçlar, markanın hangi sorgularda yer aldığını, hangi rakiplerin öne çıktığını ve içerikte hangi eksiklerin bulunduğunu analiz etmeye çalışıyor.

SEO dünyasında yıllardır kullanılan “sıralama takibi” mantığı şimdi AI öneri takibine dönüşüyor.

Yakında müşteriler ajanslara yalnızca “Google’da kaçıncı sıradayız?” diye sormayacak.

“ChatGPT neden rakibimizi öneriyor?” sorusu toplantıların yeni klasiklerinden biri olabilir.

Ajansların buna vereceği cevap “algoritma böyle uygun görmüş” olursa toplantı kısa sürebilir. Müşteri ilişkisi de aynı hızla kısalabilir.

Bir markanın yapay zekâ sonuçlarında görünmesi önemli. Ancak görünürlük tek başına yeterli değil.

Müşteri bir ürün önerisi aldıktan sonra markayı araştırabilir, yorumları okuyabilir, teslimat koşullarına bakabilir ve iade politikasını inceleyebilir. Yapay zekâ ürünü önerebilir ama son kararı çoğu zaman güven belirler.

Bu nedenle markaların AI görünürlüğüyle birlikte güven sinyallerini de güçlendirmesi gerekiyor.

Ürün yorumları yeterince detaylı mı? Şirket bilgileri açık mı? İade politikası kolay anlaşılır mı? Teslimat süreleri gerçekçi biçimde belirtiliyor mu? Marka başka güvenilir kaynaklarda anılıyor mu?

Yapay zekâ müşteriyi mağazanın kapısına getirebilir. Ancak kapının önünde kırık bir tabela, belirsiz teslimat bilgileri ve iki yıldır cevaplanmamış yorumlar varsa satışın gerçekleşmesi zorlaşır.

Yeni formül oldukça basit:

AI görünürlüğü müşteriyi getirir, güven satışı kapatır.

SEO raporlarının yanına AI görünürlük bölümü eklemek ajanslar için önemli bir fırsat olabilir.

Bu raporda markanın ChatGPT, Gemini, Perplexity ve diğer sistemlerde hangi sorgularda önerildiği incelenebilir. Rakiplerin görünür olduğu ancak markanın yer almadığı alanlar belirlenebilir. Yapay zekâların kaynak olarak kullandığı sayfalar takip edilebilir.

Ancak bu hizmet yalnızca ekran görüntüsü toplamaktan ibaret olmamalı.

Asıl değer, görünürlük ile gelir arasındaki ilişkiyi kurabilmekte.

Yapay zekâ platformlarından gelen trafik artıyor mu? Bu ziyaretçiler hangi ürünleri inceliyor? Dönüşüm oranları diğer kanallara göre nasıl? Ortalama sipariş tutarı daha yüksek mi?

“ChatGPT’de adınız geçiyor” ilginç bir bilgi olabilir.

“ChatGPT’den gelen kullanıcılar bu ay 120 bin lira gelir oluşturdu” ise bütçe toplantısında çok daha güçlü bir cümledir.

Amazon satıcıları için yapay zekâ destekli denetim araçları önemli bir hizmet alanına dönüşebilir.

Bir listing ajanı ürün başlıklarını, bullet point’leri, backend anahtar kelimelerini, kategori kurallarını ve görsel eksiklerini düzenli olarak kontrol edebilir. Rakip ürünlerle karşılaştırma yapabilir ve iyileştirme önerileri sunabilir.

Bu sistem yalnızca yeni liste hazırlanırken değil, mevcut ürünlerin performansını izlemek için de kullanılabilir.

Amazon kategorileri ve kuralları sık sık değişiyor. Bir ürün bugün sorunsuz biçimde satış yaparken yarın açıklamadaki bir ifade nedeniyle uyarı alabilir.

Yapay zekâ ajanı bütün sorunları tek başına çözemeyebilir. Ancak yüzlerce ürünü düzenli olarak tarayıp şüpheli alanları işaretleyebilir.

Bu da insanların bütün ürünleri tek tek kontrol etmek yerine gerçekten müdahale edilmesi gereken noktalara odaklanmasını sağlar.

İyi otomasyon insanı sistemden çıkarmak değildir. İnsanı gereksiz işten çıkarmaktır.

Yapay zekâ dünyası hızla yeni bir aşamaya geçiyor. Modeller yalnızca bilgi üretmekle yetinmiyor, görev üstleniyor ve karar süreçlerine dahil oluyor.

Amazon alışveriş ajanını geliştiriyor. Shopify ürünlerin farklı yapay zekâ platformlarında satılabileceği bir altyapı kuruyor. OpenAI ise ChatGPT’yi iş yapan bir sisteme dönüştürmeye çalışıyor.

Bu gelişmeler e-ticaret markaları için hem fırsat hem de risk taşıyor.

Bir yapay zekâ ajanı ürününüzü doğru müşteriye önerebilir ve mağazanıza yüksek satın alma niyetine sahip ziyaretçiler getirebilir. Ancak ürün verileriniz eksikse, güven sinyalleriniz zayıfsa veya rakipleriniz daha açık bilgiler sunuyorsa sistem sizi tamamen görmezden gelebilir.

Eskiden markaların temel sorusu şuydu:

Google’da görünür müyüz?

Şimdi yeni bir soru ekleniyor:

Yapay zekâ bizi müşteriye öneriyor mu?

Birkaç yıl sonra soru daha da ileri gidebilir:

Yapay zekâ müşterinin yerine alışveriş yaparken bizim ürünümüzü sepete ekliyor mu?

Görünen o ki geleceğin e-ticaretinde en önemli müşteri her zaman insan olmayabilir. Bazen insan adına karar veren bir algoritmayı da ikna etmek gerekecek.

Algoritmaların duyguları yoktur. Fakat ürün verisi eksik olduğunda oldukça hızlı küsebilirler.