HPE’nin Yüksek Performanslı Hesaplama ve Yapay Zeka Pazarlamasından Sorumlu Kıdemli Başkan Yardımcısı ve Genel Müdürü Suresh Babu ile GITEX Ai Türkiye 2026’da yapay zekânın yarattığı değişim üzerine konuştuk.
HPE’nin Yüksek Performanslı Hesaplama ve Yapay Zeka Pazarlamasından Sorumlu Kıdemli Başkan Yardımcısı ve Genel Müdürü Suresh Babu ile GITEX Ai Türkiye 2026’da yapay zekânın yarattığı değişim üzerine konuştuk. Gündemimiz süper bilgisayarlar ve bunların yapay zekâ çağına nasıl bir katkı yapacağı olacaktı ancak yapay zekâ çağında hayatın gerçekleri olarak adlandıracağımız bir sohbet oldu. Kökenlerden başlayıp bugünkü büyük değişime kadar geldik. Türkiye yapay zekâ yolculuğuna çıkmak isterken iyi bir sohbet oldu. Konuyu daha iyi anlamamıza hizmet etmesini diliyorum.
Öncelikle HPE’nin bu alandaki kökleri ve nasıl bir değişimin yaşandığına odaklanmak istedim. Babu, yapay zekâ fabrikalarının, adının böyle konmadığı dönemden başlayıp GPU’lar ile bugünkü şeklini aldığı döneme kadar uzanan tarihçesini alışık olmadığımız maliyet boyutuna odaklanarak anlattı: “Bence HP ile ilgili iyi olan şuydu; sizin de haklı olarak belirttiğiniz gibi, biz otuz-kırk yılı aşkın süredir süper bilgisayarlar, yüksek performanslı bilgisayarlar ve exascale (muazzam işlem gücüne sahip) bilgisayarlar üzerine çalışıyoruz. Bir müşteri kapımızı çaldığında, bir hayali oluyor; örneğin belli miktarda petaflop veya exaflop seviyesinde işlem yapmayı hedefliyorlar. Biliyorsunuz, hava durumunu tahmin etmek, yangınları öngörmek ya da bir uçağın aerodinamiğini veya türbülansını analiz etmek istiyorlar. Pek çok kullanım alanı var, değil mi? Bizim başından beri yaptığımız iş buydu. Bu yüzden oldukça küçük ve odaklanmış bir yapıdaydık. Ve... bir bakıma, biraz da pahalıydık, değil mi? Bu, Silicon Graphics'ten kalan bir miras. Bu, Cray'in mirası. Bu, yeni HPE'nin değil, eski HP’nin mirası. Hepimiz —süper bilgisayar ve yapay zekâ fabrikası benzeri işlerin (o zamanlar adı böyle konmamış olsa da) yüzde 70-80'lik büyük bir kısmını— yürütüyorduk. Sonra, üç dört yıl önce GPU’lar ana akım haline geldi.”
Buradaki önemli değişim bugünkü adıyla yapay zekâ fabrikalarının ne olduğu bilinmeyen bir “kara kutu” olmaktan çıkması oluyor. Buradaki önemli noktalardan biri bu: yapay zekâ fabrikaları içinde ne olduğu bilinen bir hal alıyor. Babu, bugüne kadar yaşanan büyük değişimin süper bilgisayarlar ya da yüksek performanslı bilgi işlem arasındaki farkın kapanması ile çok daha etkileyici bir noktaya taşınacağını söylüyor. Bu değişimin en önemli kısmını ise, kara kutudan anlaşılır bir sisteme geçiş oluşturuyor.
Babu, “Yavaş yavaş farkı kapatmaya başladık; çünkü eskiden bu teknolojiler sadece büyük kurumlar, bilimsel kuruluşlar veya bazı durumlarda sadece devletler içindi. Bu değişirken ortada bir boşluk vardı; bilgi eksikliği, beceri eksikliği, her açıdan bir boşluk. Sonra GPU'lar devreye girince NVIDIA işi bir adım öteye taşıyıp ‘yapay zeka fabrikası’ (AI factory) kavramını ortaya attı; hani az önce gösterdiğim o entegre çözümden bahsediyorum. Bu; yazılım, altyapı, hizmetler ve yazılım yığınının bir bütün halinde sunulması gibi bir şey. Şu anda hâlihazırda pek çok yerde kullanıma sunulmuş yapay zekâ fabrikası kurulumlarımız mevcut. İşte bu yüzden oturumu şu sözlerle tamamladım: ‘Bakın, bu bir 'kara kutu' değil.’ Artık bir kara kutu olmaktan çıktı. Bence sistemi gayet iyi anlıyoruz; içeri ne girdiğini ve dışarı ne çıktığını biliyoruz. Aradaki süreçlerde de destek sağlayabiliyoruz. Sanırım asıl ivme kazanan nokta da bu. Nvidia bu alana kesinlikle büyük bir ivme kazandırdı, değil mi? Dolayısıyla, bu ivmenin giderek arttığını kesinlikle görüyoruz; HP de çalışmalarını sürdürüp duruma uyum sağlıyor ve dünya genelindeki pek çok yapay zekâ fabrikasına destek oluyor.” diyor.
Doğru sonuca ulaşmak için doğru yaklaşım gerekiyor
Bir süre önce SpaceX Ai’ın hisse değeri ile ilgili bir grafik oluşturmaya çalışırken yapay zekânın güncel veriye değil, 2024’teki veriye dayanarak bir grafik oluşturduğunu anlattım. İnsanlar da işle ya da başka konularla ilgili analiz yaparken ilgili dönemi değil başka bir dönemi ya da farklı kriterleri dikkate alarak yanlış sonuçlara ulaşabiliyor. Babu bu duruma yabancı değil ve kendi deneyiminden yola çıkarak büyük şirketlerin yapay zekâyı kullanırken nasıl davranması gerektiği konusunda bir hikâye çıkarıyoruz:
“Bir gazeteci olarak bunu çok iyi bilirsiniz; pek çok insan gerçekleri ayırt etmekte zorlanıyor, değil mi? Çok yakın zamanda bir aile üyem için daire bakıyordum ve tam karşımda bir tren yolu olduğunu gördüm. ChatGPT'ye sordum: ‘Burada duruyorum, karşımda bir tren yolu var. Genelde ne kadar gürültü oluyor ya da tren trafiği ne yoğunlukta?’ ChatGPT bana orada bir tren yolu olmadığını, olsa bile yaklaşık 30 mil (yaklaşık 48 km) uzakta olduğunu söyledi. Yani endişelenmeme gerek olmadığını belirtti; oysa ben tam da o yolun önünde duruyordum. Bu durumda ne yaparsınız? Evet, ne yaparsınız? Yapabileceğimiz tek şey bir nevi ‘bilgi doğrulama’ bildirimi göndermek; yani ‘Bakın, bu bilgi yanlış, lütfen güncelleyin’ demek. Ve çoğu zaman bunu yaptığınızda size ‘haklısınız’ diyor. Sizi biraz olsun rahatlatıyor. ‘Bunu düzelteceğim, böylece daha profesyonel ve iyi bir hale gelecek; geri bildiriminiz için teşekkürler’ diyor. Evet, sistem sürekli eğitiliyor. Umarız bir gün, belki yıllar sonra daha iyi bir noktaya gelir. Ama bence yapay zekâ fabrikalarında (kurumsal yapay zekâ çözümlerinde) bu sorun yaşanmıyor; çünkü bu sistemlerin sınırları ve işlevleri çok net tanımlanmış durumda. Bir işletme olarak tam olarak ne istediğinizi tanımlıyorsunuz. İstediğiniz veri setini sağlıyorsunuz ve ardından ortaya çıkan sonuca, yani ölçeklenebilir zekâya odaklanıyorsunuz. Bence kurumsal tarafta işler yolunda ama bireysel/ticari kullanım söz konusu olduğunda durum biraz daha zorlu.”
Çıkarım çağında yapay zekânın anlamı
Yapay zekânın dayandığı büyük dil modellerini (LLM) ele alırken, bunların hep üniversite mantığı ile inşa edildiğinden şikayet ediyorum. Oysa ki aslında hayat, üzerinize bir köpek koşarken yere mi çömeleceğiniz ya da koşmaya mı başlayacağınız gibi çok da karmaşık olmayan sorunlarla şekilleniyor. Babu, benim bu sorunumla ilgili daha iyimser bir tavır sergiliyor. Aynı tavır, benim Türk şirketlerinin kârlı olmaması nedeniyle doğru yatırımları yapamadığı görüşüm konusunda da geçerli.
Babu, “Daha önce bahsettiğim gibi, çok daha fazlasını yapabilirsiniz. Son otuz-kırk yılda inşa ettiğimiz tüm süper bilgisayarlarda GPU yoktu; tamamen CPU gücüyle çalışıyorlardı. Ancak bence GPU'lar pek çok şeyi çok daha ilginç kılıyor ve sistemi daha ölçeklenebilir hale getiriyor; böylece daha karmaşık sorunları çözebiliyorsunuz. Daha önce bir modelin çalışıp sonuç vermesi belki bir hafta sürerken, şimdi bunu birkaç saatte, hatta birkaç dakikada yapabiliyorsunuz. Ölçek farkı bu. Sizin değindiğiniz ‘bunu kim karşılayabilir, parasını kim öder’ konusuna gelince; en iyi araçları sunabiliriz ama karar işletmelere kalıyor. Onlara söylediğimiz şey şu: ‘Fırsatı kaçırma korkusuna kapılmayın.’ 15 dakikalık konuşmamda bu mesaj ne kadar iyi anlaşıldı bilemiyorum ama bu çok önemli bir nokta. Anahtar kelimeler ‘zekâ’ ve ‘ölçek’. Evet, ve bence zamanlama çok kritik. Aslında son zamanlarda tam da bu konu üzerinde, belki de bir soru işareti teşkil eden bir alan üzerinde çalışıyorum. Yani, bir şeyin sadece ‘gürültü’ (gereksiz veri) olduğuna karar verip onu bir kenara bırakmanız gerekiyor. Artık o bilgiye ihtiyacınız yoksa onu unutmalısınız. Odak noktanızı bir sonraki ortama çevirmelisiniz. Ancak işletmenizle ilgili bazı şeyler elbette çok önemli; pazarlama, reklamcılık ve benzeri alanlar gibi. Bence mesele kapasiteyle ilgili; muazzam miktarda bilgiyi tarayıp size en iyi sonucu sunabiliyoruz. ‘Çok fazla bilgi’, ‘daha fazla bilgi’ veya ‘en fazla bilgi’ değil, doğru bilgi önemli. Şu an çıkarım (inference) çağındayız; belki de sadece ‘hangi yöne gitmeliyim?’ diye sormamız ve gerisini sistemin halletmesine izin vermemiz gerekiyor.” şeklinde konuşuyor.
Kullanım senaryoları ve sürekli sınama ile işi geliştirme
Babu’nun benimle görüşmesinin hemen öncesinde gerçekleştirdiği müşteri görüşmesi, işin kurumsal tarafındaki boyutunu anlamak için çok yararlı bir bakış açısı sunuyor. Babu bunu, “Siz gelmeden hemen önce müşterinizle görüşüyorduk. Perakende sektöründeki uç nokta (edge) kullanım senaryolarından bahsediyorlardı; mağaza içinde veya depoda neler olup bittiği gibi konular... İşin başarılı mı olacağını yoksa başarısız mı olacağını belirleyecek olan şeyler bunlardır; çünkü iş yapış şeklinizi anlamak bizim için son derece önemli. Diyelim ki Türkiye'de 500 mağazanız var ve siz veri toplayıp analiz etmek, yani bir nevi denetim yapmak istiyorsunuz. Normalde bunun için manuel bir kaynağın 500 mağazadaki işlem eğilimlerini ve kalıplarını araştırması gerekirdi. Ancak elinizde bir yapay zekâ ajanı olduğunu varsayalım; bu ajan işlem verileri, müşteri bilgileri, trafik ve satış verileri gibi tüm giriş-çıkış verilerini alıp hızla çok değerli ve kapsamlı iç görüler üretebiliyor. Elbette yine de kontrol etmeniz gerekir; çünkü işi yıllardır belli bir yöntemle yürütüyorsunuz ve sistemi doğrulama ihtiyacı duyarsınız. Örneğin Ankara'dan gelen bilgilerle mağaza durumunu teyit edersiniz; böylece şirketin mağazayı gerçekten iyi tanıdığını görürsünüz. Aylık gelir veya günlük satış gibi verilerle o ilk veri setini bir nevi doğrularsınız; ardından benzer örneklerle süreci pekiştirirsiniz. Sonuçta, size gerçek zamanlı iç görüler sunan güvenilir bir ajana sahip olduğunuzu anlarsınız. İşte bu, üzerinde konuştuğumuz kullanım senaryolarından biri, değil mi? Sektöre bağlı olarak pek çok kullanım senaryomuz var; örneğin ilaç sektörü, klinik deneyler ve ilaç test süreçleri gibi... Peki, temel olarak şu anki işleyişinizde darboğaz nerede? Peki; ister bir etkileyici (influencer), ister bir LLM ya da bir ajan olsun, darboğazı nasıl ortadan kaldırabilirsiniz?”
Darboğazları aşmayı bilmek, bugün sürdürülebilirlik olarak tanımlanan başarı kriterinin temelinde yatan olguyu oluşturuyor. Babu ile konuşurken bu noktada konuyu bir teknoloji problemi olmanın ötesinde bir iş problemi olarak ele alıyoruz ve Babu bu notada stratejik akıl düzeyinde bir değerlendirme yapıyor:
“Ben, işin doğasını anlamadan hiç kimse için herhangi bir altyapı tasarlamam. Odaya girdiğimizde —biliyorum, bu çok eski bir soru ama— her zaman şu soruyla başlarız: Hangi sorunu çözmeye çalışıyorsunuz? Ya da sizin ilk sorunuza veya ilk yorumunuza dönersek; hangi sorunu ortadan kaldırmaya, yani geride bırakmaya çalışıyorsunuz? Değil mi? Temelde, neyi yok etmek ve neyi yaratmak istiyorsunuz? Çok basit: Neyi yok etmek ve neyi yaratmak istiyorsunuz? Ve hangi sorunu çözmeye çalışıyorsunuz? Her zaman çok temel, basit sorularla işe başlarsınız. Sorun kendini belli eder ve genellikle çözümler birden fazla yolla üretilebilir. Biliyorsunuz, tekrar tekrar söylediğim gibi, her şeyin yapay zekâya ihtiyacı yok. Öyle değil mi? Ancak mesele bir ölçek sorunuysa veya daha hızlı bir geri dönüş süresi gerektiriyorsa —mesela iş sürecinizin bir posta gönderimi ve dönüşü gibi üç ila beş gün sürdüğü bir durumdan bahsediyorsak— o zaman bu konuyu değerlendiririm. Eskiden, işin ilk dönemlerinde, insanlar bilgisayarı kapatıp gider, sabah geri dönüp tekrar açarlardı; böyle durumlar vardı. Şimdiyse sistemler sürekli açık kalıyor, değil mi? Peki, gündüz ve gece saatlerindeki işlem kapasitesini nasıl kullanıyorsunuz? Bundan nasıl yararlanabilirsiniz? Aynı anda birden fazla iş yapabilir misiniz? Yaptığınız yatırımla birden fazla sorunu çözebilir misiniz? İşte bu yüzden, iş birimlerinin neyi çözmeye çalıştıklarını çok net bir şekilde açıklamaları ve BT tarafının da bunu hayata geçirme konusunda harika bir ortak olması gerekir. Genellikle de böyle olur; genellikle durum böyledir. Ancak bazen, yanlış sorunu çözmek istemezsiniz. Verdiğiniz örnek de bunun klasik bir vakası, değil mi? İşte bu nedenle, bir şirket olarak en güçlü yanımızın iş birimleriyle çok derin bir entegrasyon içinde olmamız gerektiğine yürekten inanıyorum. Sürekli teknoloji diliyle konuşmaya çalışmıyoruz; bunun yerine, işin ihtiyaçlarının ve hedeflenen iş sonuçlarının ne olduğunu konuşmaya ve bunları anlamlandırmaya gayret ediyoruz. Bu da bizim temel hedeflerimizden biri.”
Sohbeti tamamlarken işi biraz da felsefi bir boyuta taşıyoruz. Babu, kapanış yorumu olarak, “Her şeyin üretimi giderek kolaylaşıyor. Bu yüzden de odak noktası çok çabuk kaybedilebiliyor. Kesinlikle. Hızlıca hata yapıp bir kısır döngüye girmek istemezsiniz, değil mi? İşte bu yüzden sürekli tekrarlıyorum: Her iş yükü yapay zekâ gerektirmez. Ancak yapay zekâ gerektiren iş yükleri, sizi hiç hayal etmediğiniz veya asla ulaşabileceğinizi düşünmediğiniz yerlere taşır.” sözlerini sarf ediyor.
Kapanışta konuyu yapay zekâ ile analiz ettim
Yazıyı kapatırken Gemini’dan kendisini Babu’nun yerine koymasını ve Babu’nun sunumundan yola çıkarak yapay zekâ fabrikalarını ve nasıl bir değişim yaratacağını anlatmasını istedim. Gemini şu metni oluşturdu:
Merhabalar! Hazırladığım sunumda da detaylıca ele aldığımız üzere, yapay zeka dünyasında artık buluttan şirket içi altyapılara ve "Egemen Yapay Zekâ" (Sovereign AI) çözümlerine doğru çok büyük bir evrilme yaşanıyor. Pazar araştırmaları da bu trendi destekliyor; örneğin işletme liderlerinin büyük bir kısmı verilerini ve yapay zekâ iş yüklerini şirket içine (on-prem) taşımayı planlıyor.
Sunumumda anlattığım çerçevede HPE Yapay Zekâ Fabrikaları (AI Factories) ve yarattığı değişimler temel olarak şu sütunlar üzerinde yükseliyor:
- HPE yapay zeka fabrikası nedir?
HPE AI Factories; HPC (Yüksek Başarımlı Hesaplama), Yapay Zeka, IT ve Güvenliği tek bir çatı altında birleştiren, uçtan uca, ölçeklenebilir ve güvenli bir altyapı çözümüdür.
- Temel Tanım: Veriyi ve modelleri alıp ölçeklenebilir bir zekaya dönüştüren entegre bir sistemdir.
- Teknolojik Mimari: NVIDIA (GPU'lar ve BlueField DPU'lar gibi hızlandırılmış bileşenler), gelişmiş depolama, ağ çözümleri, veri merkezi güç/soğutma sistemleri ile NVIDIA AI Enterprise ve Run:ai gibi yazılım yığınlarını harmanlar.
- Kapsayıcı Yetenekler: Donanım katmanından operasyonel katmana (konteyner platformları, yönetim ve otomasyon motorları) ve yapay zeka iş yüklerine kadar her şeyi barındırır; ayrıca yönetişim, gözlemlenebilirlik (observability) ve güvenlik standartlarını en üst düzeyde sağlar.
- Nasıl bir değişim yaratacak? (İş dünyasına ve operasyonlara etkisi)
Bu fabrikalar, sadece teknolojik bir donanım güncellemesi değil; iş yapış biçimlerini, rollerini ve operasyonel verimliliği kökten yeniden tanımlayan bir dönüşüm yaratıyor:
- Çalışma biçimlerinin yeniden tanımlanması (Redefining What Work Is):
- a) IT Operasyonları: Reaktif yaklaşımlardan, öngörülebilir ve otonom sistemlere geçiş.
- b) Yazılım geliştirme: Manuel kodlamadan, yapay zeka destekli birlikte üretmeye (co-creating) evrilme.
- c) Siber Güvenlik & IT Servisleri: Kural tabanlı sistemlerden uyarlanabilir zekaya (adaptive intelligence) geçilerek sıfır gün saldırılarının hızla tespiti ve akıllı iş akışları.
- d) Süreçler: Yönetişim ve uyumluluğun manuel kontrollerden sürekli ve gerçek zamanlı denetime dönüşmesi.
- Organizasyonel ve kültürel dönüşüm:
- a) Ekiplerimiz artık sadece destek veren birer birim değil, çözümün co-creator'ı (birlikte yaratıcısı) haline geliyor.
- b) Odak noktası performans optimizasyonundan doğrudan somut iş sonuçlarına (outcomes) kayıyor.
- c) Altyapı sağlayıcısı konumundan platform sahipliğine, sistem yönetiminden ise ajan orkestrasyonuna (agent orchestration) doğru bir evre yaşanıyor.
Özetle; HPE Yapay Zekâ Fabrikaları, kurumların kendi verileri üzerinde tam egemenlik kurmasını, yapay zeka modellerini güvenle ve ölçeklenebilir bir şekilde kendi bünyelerinde çalıştırmasını sağlayarak geleceğin akıllı işletmelerinin omurgasını oluşturuyor.
