Fiziksel Yapay Zeka Sanayiye Hangi Koşulda Kazanç Getirir?
Uluslararası Robotik Federasyonu’nun (International Federation of Robotics – IFR) 24 Eylül’de yayımladığı World Robotics 2026 raporuna göre, fabrikalarda çalışan endüstriyel robot sayısı, yani küresel robot stoku 2025’te %9 artarak 5 milyona ulaştı. Robot üreticilerini ve ulusal robotik birliklerini bir araya getiren federasyon, aynı yıl yeni kurulumların %11 artışla ilk kez 600 bini aştığını ve bu sayının 2029’da 806 bine çıkacağını bildiriyor. Anadolu Ajansı’nın (AA) rapordan derlediği verilere göre Türkiye’deki robot stoku da %7 artışla 30.990’a çıkarak rekor kırdı. Türkiye bu stokla dünyada 15’inci sıraya yükseldi. Yeni robot kurulumları ise %9 düşerek 3.194’e geriledi.
Stoktaki rekor, robotların sanayiye ne kattığını tek başına anlatmıyor. Bundan sonraki etkiyi büyük ölçüde robotların sahadan topladıkları veriyle karar verip harekete geçebilmesi belirleyecek. Bu kabiliyete bugün fiziksel yapay zeka deniyor. Türkiye bu alanı, 18 Ağustos’ta Resmi Gazete’de yayımlanan 2026/9 sayılı Cumhurbaşkanlığı Genelgesi’yle yürürlüğe giren Türkiye Yapay Zeka Eylem Planı’nda (2026-2030) ayrı bir eylem olarak ele aldı. Planın 12’nci eylemi, fiziksel yapay zeka ve robotik alanında yerli üretim kapasitesini ve küresel rekabet gücünü artırmayı hedefliyor. Fabrikası ve deposu olan işletmeler için soru, fiziksel yapay zekadan beklenen kazancın ne zaman ve hangi koşulda geleceği.
Programlanan Robottan Öğrenen Makineye
IFR’nin istatistiklerine giren endüstriyel robot, üç ya da daha fazla eksende programlanabilen, otomatik kontrollü bir kol. Bu kollar fabrikalarda kaynak yapıyor, parça taşıyor ya da boya püskürtüyor ve kendilerine programlanan hareketi aynı hassasiyetle binlerce kez tekrarlıyor.
IFR, yazılım botlarını ve yapay zeka uygulamalarını robot sayımına dahil etmiyor. Eylem Planı’ndaki fiziksel yapay zeka tanımı ise hareketin yanına algılamayı ve kararı ekliyor. Plana göre fiziksel yapay zeka, yapay zekanın robotlar, otonom sistemler, akıllı makineler, sensörlü saha sistemleri ve uç hesaplama (edge computing) donanımları aracılığıyla fiziksel dünyada algılama, karar verme ve eylem üretme kapasitesi kazanması anlamına geliyor. Tanımdaki uç hesaplama donanımları, veriyi uzaktaki bir merkeze göndermeden makinenin yanında işleyen cihazlar.
Algılama, karar ve eylem birbirine bağlandığında ortaya bir döngü çıkıyor. Makinelerden, robotlardan, sensörlerden, çalışanların hareketinden ve malzeme akışından sürekli veri toplanıyor. Bu veri, üretim hattının sanal kopyası olan dijital ikizde, çok sayıda örnekle eğitilmiş genel amaçlı yapay zeka modellerinde ve fizik kurallarını taklit eden simülasyon yazılımlarında işleniyor. Döngü kapanmadığı sürece en gelişmiş robot da kendisine programlanan işi tekrarlayan bir makine olarak kalıyor. Döngü, işlenen veri bir karara, karar da sahada bir eyleme dönüştüğünde ve her eylem yeni veri ürettiğinde kapanıyor. Böyle bir düzende robot kolu, parçanın konumu kaydığında tutuşunu ayarlayabiliyor, hattaki bir makine de aksaklığı arızaya dönüşmeden haber verebiliyor.
Üretim Hattından Depoya Uzanan İlk Uygulamalar
Eylem Planı, fiziksel yapay zeka programının öncelikli alanları arasında üretim hatlarında kalite kontrolü ve arızayı önceden tahmin etmeye dayanan kestirimci bakımı sayıyor. Kalite kontrolde, hat üzerindeki kameralar ürünü tarıyor, sistem de kusurlu parçayı hattı durdurmadan ayırabiliyor. Kestirimci bakımda ise makinenin titreşim, ısı ve ses verisi izleniyor, arıza belirtisi duruş yaşanmadan bakım ekibine iletiliyor. Fiziksel yapay zekanın ilk kazancı, tekrarlanan ve sonucu ölçülebilen bu işlerde ortaya çıkacak. Aynı hatlarda yer alan iş birlikçi robotlar (collaborative robot – cobot, kobot), dokunma ve güvenlik sensörleri sayesinde insanla yan yana çalışabiliyor. Görme-dil-eylem modelleri ise bir nesneyi görüp sözlü bir komutu robot kolunun hareketine çevirebiliyor.
Depoda ve fabrika içi taşımada raf, palet ve koli götüren otonom mobil robotlar (Autonomous Mobile Robot, AMR), zemine çizilmiş sabit bir hattı izlemek yerine kamera ve lazer tarayıcılarla çevrelerini algılıyor ve rotalarını kendileri belirliyor. Sensörlerle donatılmış akıllı alanlar da depodaki insan ve araç hareketini anlık izleyerek trafiği düzenliyor ve tehlikeyi önceden fark ediyor.
Dünya modelleri adı verilen yapay zeka sistemleri ise bir hareketin sonucunu fizik kurallarına göre önceden tahmin ediyor. Böylece makine olası bir çarpışmayı gerçekleşmeden hesaba katabiliyor. Gündemde sık yer alan insansı robotların sahadaki payı ise henüz küçük. IFR’nin ilk kez ayrı bir kategori olarak izlediği bu robotlardan, 2025’te dünyada sanayi ve profesyonel kullanım için yaklaşık 7.000 adet satıldı. Federasyona göre insansı robotların çoğu hala prototip ya da pilot aşamasında ve fabrika işlerinde geleneksel endüstriyel robotlar ve robot kollar, daha ekonomik kalıyor.
Fiziksel Yapay Zekanın İşlem Gücü Fabrikada mı, Veri Merkezinde mi?
Fiziksel yapay zekada işlem gücü iki ayrı yerde kullanılıyor, makinenin anlık kararları fabrikada, yapay zeka modellerinin eğitimi ise veri merkezinde hesaplanıyor. Üretim hattında kusurlu bir parça fark edildiğinde, robotun bir saniyeden daha kısa birsürede durması gerekiyor ve bu karar fabrikanın içinde veriliyor. Depoda önüne çıkan bir çalışanı algılayıp duran bir AMR için de durum aynı. Uç hesaplama, işlem gücünü verinin üretildiği makineye, araca ya da cihaza yaklaştırarak bu hızı mümkün kılıyor. Böylece gecikme kısalıyor, fabrikanın uzaktaki veri merkezine bağımlılığı azalıyor ve üretim bağlantı sorunlarından daha az etkileniyor. Bakanlık tarafından yayımlanan Eylem Planı da uç hesaplama donanımı ekosisteminin destekleneceğini ve bu donanımlar için doğrulama laboratuvarları kurulacağını öngörüyor.
Yapay zeka modellerinin eğitilmesi ve simülasyonların çalıştırılması ise büyük veri merkezlerinde yapılıyor. Paris merkezli Uluslararası Enerji Ajansı (International Energy Agency, IEA), veri merkezlerinin 2024’te dünya elektrik tüketiminin yaklaşık %1,5’ini kullandığını ve bu payın 2030’da %3’e yaklaşacağını hesaplıyor. Ajansa göre modern bir veri merkezinde elektriğin ortalama %60’ını işlem yapan sunucular tüketiyor.
Varlık yönetim şirketi BlackRock’ın araştırma birimi BlackRock Yatırım Enstitüsü, şirketlerin 2025-2030 dönemi için açıkladığı yapay zeka bağlantılı sermaye harcaması niyetlerinin, 5 ila 8 trilyon dolar aralığında olduğunu aktarıyor. Enstitü, harcamanın en başta yapıldığını, gelirin ise ancak sonradan geldiğini vurguluyor. Türkiye tarafında Sanayi ve Teknoloji Bakanlığı, Eylem Planı’nın hedefleri arasında 2030’a kadar 1 gigavatlık veri merkezi kurulu gücüne ulaşılmasını, eylem planlarından birisi olarak sayıyor.
Türk İmalatında Geniş Taban, Düşük Robot Yoğunluğu
İmalatın yapısı, fiziksel yapay zekanın Türkiye’de önce hangi sektörlerde yaygınlaşacağına dair ipucu veriyor. Türkiye İstatistik Kurumu’nun (TÜİK) geçici sonuçlarına göre, imalat sanayisinin üretim değeri 2025’te 27 trilyon 886 milyar TL’ye ulaştı. TÜİK’in 2025 yıllık sanayi ürün istatistiklerine göre üretimden yapılan satışların:
- %15,5’ini gıda,
- %10,2’sini ana metal,
- %9,7’sini motorlu kara taşıtları oluşturuyor.
İmalatta satış değerinin %67,5’i düşük ve orta-düşük teknoloji ürünlerinden geliyor, yüksek teknoloji ürünlerinin payı ise %3,6. Eylem Planı rekabet avantajını savunma sanayisi, otomotiv ve makine imalatında kazanılan yerli üretim kapasitesinde, saha mühendisliği birikiminde ve otonom sistem deneyiminde görüyor. Otomotiv hem planın bu listesinde hem de satışların üst sıralarında yer alıyor, en büyük paylara sahip gıda ve ana metal ise listede geçmiyor.
AA’nın IFR raporundan aktardığı verilere göre, Türkiye’de 2020-2025 döneminde robot stoku yılda ortalama %13, yeni kurulumlar ise %10 büyüdü ve 2025’teki %9’luk düşüş bu eğilimin dışında kaldı. 2025’te kurulan robotların %59’u taşıma ve yerleştirme, %16’sı kaynak işlerinde kullanıldı, metal sanayisi de 990 kurulum ve %31 payla otomotivin önüne geçti. İmalatta her 10 bin çalışana düşen robot sayısını ifade eden robot yoğunluğu ise 52 oldu. Türkiye’nin robot stoku rekor kırıyor, fakat geniş bir imalat tabanına yayıldığında çalışan başına düşen robot sayısı sınırlı kalıyor. Taşıma, yerleştirme ve kaynak işlerinin ağırlığı, fiziksel yapay zekanın Türkiye’de ilk olarak mevcut robotların çalıştığı bu işlere algılama ve karar kabiliyeti ekleyerek yayılabileceğine işaret ediyor.
Verimlilik Kazancı Ne Zaman, Hangi Koşulda Geliyor?
Fiziksel yapay zeka sahaya yeni çıktığı için verimliliğe etkisini uzun bir dönem boyunca izleyen bir araştırma henüz yok. Verimlilik etkisine dair bugün verilebilecek en yakın cevap, endüstriyel robotlar üzerine yapılan araştırmalarda bulunuyor. Bu araştırmaların kapsadığı yıllarda robotlar önceden programlanmış hareketlerle çalışıyordu, nesneyi görüp komutu harekete çeviren modeller ise sahada yoktu. Robot kolu, sensörler ve hareket kabiliyeti fiziksel yapay zekanın donanım katmanını oluşturuyor, yazılım ve veri bu katmanın üzerine ekleniyor. Robot verisine dayanan bulgular bu yüzden döngü kapanmadan önce donanım katmanının tek başına ne kazandırdığını ölçüyor. Döngünün ekleyeceği kazanç ise henüz ayrı olarak ölçülmüş değil.
Bu kapsamdaki verimliliğin ölçülmesine dair bir akademik çalışmaya bakmak, bize daha iyi bir fikir verebilir. Viyana’daki Sanayi Araştırmaları Enstitüsü’nden Andreas Eder, Wolfgang Koller ve Bernhard Mahlberg’in 2024’te Journal of Productivity Analysis’te yayımlanan çalışması, 19’u gelişmiş, 16’sı gelişmekte olan 35 ülkede 1999-2019 dönemini inceliyor.
Yazarlar robotları ayrı bir üretim girdisi olarak ele alıyor ve etkilerini teknolojik ilerlemeden, eğitim düzeyinden ve geleneksel sermayeden ayırarak ölçüyor. Geleneksel sermaye burada robot dışındaki makine, bina ve teçhizatı kapsıyor. Verimlilik, ekonominin genelinde çalışılan saat başına üretim üzerinden hesaplanıyor ve robotların buna katkısı örneklemdeki ülkelerin tamamında pozitif çıkıyor. Ortalamada verimlilik artışının yaklaşık %18’i robot kullanımındaki artıştan geliyor ve gelişmekte olan ülkelerde bu katkı gelişmiş ülkelerin iki katından fazla. Öte yandan robotların katkısı, geleneksel sermayenin gerisinde kalıyor ve verimliliğin genel seviyesini yükseltmedeki payı sınırlı.
Türkiye, çalışılan saat başına düşen robot sayısını 1999-2019 döneminde en hızlı artıran beşinci ülke oldu, fakat 2019’da bu ölçütte 35 ülke arasında hala 29’uncu sıradaydı. Aynı dönemde Türkiye’de ekonominin genelinde çalışılan saat başına üretim %126,3 arttı. Bu artışta robotlar, geleneksel sermayenin ardından ikinci büyük katkıyı sağladı. Katkının büyüklüğü, robot stokunun hesaplanma yöntemine göre %13,5 ile %27,7 arasında değişiyor. Kullanım seviyesi düşük kalsa da hızla artan robot sayısı, Türkiye’de verimliliğe anlamlı bir katkı yapmış görünüyor.
Robot yatırımının getirisi, ülkenin hangi sektörlerde güçlü olduğuna bağlı. Yazarlar robot kullanımının otomotiv, elektrik-elektronik, metal ve makine sanayisinde yoğunlaştığını hatırlatıyor ve imalatı yeterince büyük, sektör yapısı uygun ülkeler için robotlaşmanın gelişmiş ülkelerle arayı kapatma imkanı yarattığını belirtiyor. Metal ve otomotivin hem satışlarda hem de yeni robot kurulumunda üst sıralarda yer alması, Türkiye’nin bu koşulun önemli bir kısmını karşıladığını düşündürüyor.
Zaman açısından ise 2008 küresel finans krizinin ardından gelen, 2009-2019 döneminde ortalama verimlilik artışı yarıya inerken, robotların katkısı ağırlık kazandı ve örneklemin genelinde geleneksel sermayeden sonraki en büyük kaynak haline geldi. Çalışma, robotların programlanmasının ve bakımının hala insan emeği gerektirdiğini de not ediyor. Kazancın hangi hızla geleceğini makinenin kendisi kadar onu kuracak, programlayacak ve bakımını yapacak çalışanlar da belirliyor.
Fiziksel Yapay Zeka Siparişinin Görünmeyen Kalemleri
Bir fiziksel yapay zeka sistemi sipariş eden işletme, tek bir makine edindiğini düşünse bile, aslında birden fazla kalemi birlikte satın alıyor. Robot kolunun ya da mobil robotun yanında:
- Sensörler,
- Uç hesaplama donanımı,
- Yazılım lisansları,
- Makinenin kararlarını üreten yapay zeka modeli,
- Verinin kullanım hakları,
- Mevcut üretim hattıyla entegrasyon ve düzenli güncellemeler
bu alımın parçası. Bu kalemlerin bir kısmı kurulumda, bir kısmı ise yıllar boyunca ödeniyor ve birim fiyat ile toplam sahip olma maliyeti arasındaki fark buradan doğuyor. Sistemin karar mantığı tek bir yazılım ve model tedarikçisine bağlı olduğunda, sonraki her güncelleme ve her yeni uygulama o tedarikçinin koşullarına göre şekilleniyor ve bu durum bir bağımlılık riski doğuruyor. Verinin kime ait olacağı, modelin başka bir tedarikçiye taşınıp taşınamayacağı ve güncellemelerin nasıl fiyatlanacağı bu yüzden sipariş aşamasında sözleşmede cevaplanması gereken sorular arasında yer alıyor. Sistemin ne oranda çalışır durumda kalacağı, arızaya ne kadar sürede müdahale edileceği ve modelin performansının hangi seviyenin altına düşmeyeceği ise hizmet düzeyi anlaşmasında (Service Level Agreement – SLA) ölçülebilir hedeflere bağlanması gereken konular.
Eylem Planı, prototip geliştirmek amacıyla ithal edilen fiziksel yapay zeka ve robotik bileşenleri için teşvik ve istisna mekanizmaları geliştirilmesini öngörüyor. Plan ayrıca akıllı fabrika test hatlarının ve üniversite-sanayi ortak robotik merkezlerinin kurulmasını hedefliyor. Bu yapılar, işletmelerin bir sistemi büyük bir siparişten önce gerçek koşullarda denemesine zemin hazırlayabilecek. Teşvik ve deneme imkanı maliyeti ve riski azaltacak, sistemin sahada değer üretmesi ise başka bir koşula bağlı. Hangi verinin toplanacağını tanımlayan, entegrasyonu yöneten ve çıktıyı yorumlayan bir ekip olmadığında fiziksel yapay zeka, robot stokuna eklenen bir kalemden öteye geçmiyor.
2030’a Kadar Döngüyü Kapatmak
Türkiye Yapay Zeka Eylem Planı’nın, 12.Eylemi için belirlenen takvime göre 2027 sonuna kadar:
- En az üç öncelikli alanda fiziksel yapay zeka pilot projeleri başlatılacak,
- En az iki üniversite-sanayi ortak robotik merkezi faaliyete geçecek,
- En az üç test sahası kurulacak.
- Savunma sanayisinde geliştirilen teknolojileri sivil sanayiye aktaracak en az üç teknoloji transferi projesi de hayata geçirilecek.
2030’a kadar ise bu alanda en az beş ihracat veya ortak geliştirme anlaşmasının imzalanması hedefleniyor. Eylemin ana sorumlusu Sanayi ve Teknoloji Bakanlığı. Bakanlık bu süreci Savunma Sanayii Başkanlığı, Ticaret Bakanlığı, Türkiye Bilimsel ve Teknolojik Araştırma Kurumu (TÜBİTAK) ve Yükseköğretim Kurulu (YÖK) ile birlikte yürütecek.
Transfer hedefinin arkasında, savunma sanayisinde kazanılan robotik ve otonom sistem yetkinliklerini sivil üretime taşınması amacı bulunuyor. Bu amaçla, hem askeri hem de sivil alanda kullanılabilen teknolojilere yönelik teşvikler, sektörler arası farkındalık çalışmaları ve sivil-savunma ortak hızlandırma programları devreye alınacak.
Plan bu aktarımın ihracat kontrolü, veri güvenliği ve insan gözetimi ilkelerine uygun yürütülmesini şart koşuyor. Hedefler gerçekleştiğinde fabrikaların otonom sistem ve robotik alımlarında yerli tedarikçi seçenekleri de genişleyebilecek Son beş yılın eğilimi sürerse, Türkiye’nin robot stoku 2030’a kadar büyümeye devam edecek. Sanayiye etkiyi ise kurulan robot sayısından ziyade, bu robotların ne kadarının veriyle karar verip harekete geçebildiği belirleyecek.
İŞ PROBLEMLERİNE ODAKLI EĞİTİMLER, ÖLÇÜLEBİLİR SONUÇLAR
EĞİTİM ve DANIŞMANLIK:
Kurumunuzun satınalma ve dijital tedarik zinciri fonksiyonunu sağlam, risklere karşı dayanıklı, izlenebilir ve denetlenebilir bir kontrol yapısına kavuşturmak için eğitim ve danışmanlık hizmetlerimizle destek veriyoruz.
Eğitim teklifi almak için egitim@satinalmadergisi.com
Fabrikanızda Bire Bir (1-1) Yönetici ve Grup Eğitimleri
Şirket eğitimlerini standart kalıplarla değil, ihtiyaçlarınıza özel tasarlıyoruz. Her program, işletmenizin gerçek problemlerine çözüm üretmek ve ölçülebilir sonuçlar yaratmak için hazırlanır. Sizlerden gelen geri bildirimlerle eğitimlerimizi özgünleştiriyor, böylece her adımda somut değer katıyoruz.
Mottomuz: “Her eğitim, bir iş probleminin çözümü için tasarlanır.”
Güvenilir, verimli ve profesyonel eğitim hizmetleriyle yanınızdayız. Dolu dolu, güler yüzlü eğitimler dilerim.