# Ozet
OpenAI ve Anthropic’in halka arz (IPO) süreçleri, piyasa değerleri üzerine odaklanırken asıl önemli soru, yatırımcıların neye inanmak zorunda olduğudur. Bu şirketlerden beklenen, yapay zekayı hem çok ucuz hale getirip büyük ölçeklerde sunabilmek hem de bu zekayı kullanarak şirketlerin kendi sistemlerini kurmak yerine kiralayacakları bir iş katmanı (harness) geliştirmektir. Bu iş katmanı, ham zekayı işe yarar hale getiren araçlar, izinler, bellek ve iş akışlarını içerir.

API fiyatlarının kullanıcıya sağladığı değer ile şirketlerin iç maliyetleri farklıdır; yüksek marjlar ve maliyet düşürme stratejileriyle şirketler, kullanıcıların büyük miktarda zeka tüketmesini teşvik ederken maliyetleri azaltmayı hedefliyor. Eğer bu maliyetler düşmeye devam ederse, ham zeka ucuzlayacak ve asıl değer, bu zekayı işe yarar hale getiren iş katmanında toplanacak. Şirketlerin kendi iş süreçlerine dair özel bağlamları, laboratuvarların dışındaki en büyük avantajdır ve laboratuvarlar bu bağlam eksikliğini “ileri mühendislik” ile kapatmaya çalışıyor. Bu durum, iş katmanını kimin kontrol edeceği sorusunu kritik hale getiriyor.

# Ana Fikirler
- Halka arzda önemli olan şirketlerin piyasa değeri değil, yatırımcıların neye inanmak zorunda olduğudur.
- OpenAI ve Anthropic’in hedefi, ucuz yapay zeka tokenları ve bu tokenları işe yarar hale getiren iş katmanlarını hızlıca geliştirmek.
- Token, ham zeka birimi; harness ise bu zekayı işe yarar hale getiren sistem.
- API fiyatları yüksek marj içerir, gerçek maliyetler çok daha düşüktür ve maliyet düşürme stratejileri önemlidir.
- İş katmanı, ham zekadan daha değerli hale gelecektir çünkü ham zeka ucuzlayacak.
- Şirketlerin kendi bağlamları laboratuvarların sahip olmadığı büyük bir avantajdır.
- Laboratuvarlar, ileri mühendislik ile müşteriye özgü iş katmanları yaratmaya çalışıyor.
- İş katmanını kontrol eden taraf, yapay zeka ekonomisinde hakim konuma geçer.
- Şirketlerin AI stratejisi, sadece araç kullanmak değil, iş katmanını sahiplenmek olmalıdır.
- Recursive self-improvement (kendini geliştiren yapay zeka) daha çok laboratuvarların ürünlerini hızla geliştirmesi anlamına gelir.

## Uygulanabilir Notlar
- Şirketler, AI kullanımında sadece dışarıdan hizmet almak yerine kendi iş katmanlarını geliştirmeye odaklanmalı.
- AI stratejisi, hangi işlerin hangi modelle yapılacağı, bağlamın nasıl yönetileceği ve iş akışlarının nasıl kurulacağı üzerine kurulmalı.
- İleri mühendislik (forward deployed engineering) laboratuvarların müşteriye özel çözümler geliştirmesi için kritik.
- AI kullanımında temel beceri, iyi prompt yazmaktan çok iş katmanı kurma ve yönetme becerisidir.
- Halka arz raporları (S1) incelenirken, maliyet düşürme, marj gelişimi, müşteri tipi ve iş katmanı sahipliği gibi metriklere dikkat edilmeli.

## Anahtar Kavramlar
- Token: Yapay zekanın ham birimi, satın alınan zeka miktarı.
- Harness (İş Katmanı): Ham zekayı işe yarar hale getiren sistem, araçlar, izinler, bellek ve iş akışları.
- API fiyatlandırması: Kullanıcıya sunulan fiyat, şirketin iç maliyetinden farklıdır.
- İleri mühendislik (Forward deployed engineering): Laboratuvarların müşteriye özel iş katmanı geliştirmek için saha mühendisliği yapması.
- Recursive self-improvement (RSI): Yapay zekanın kendi gelişimini hızlandırması, burada ürün geliştirme avantajı olarak yorumlanıyor.
- AI stratejisi: Yapay zekanın şirket içinde nasıl kullanılacağı, hangi işlerin nasıl yönetileceği planı.
- İş katmanı sahipliği: Şirketin kendi iş süreçlerini AI ile nasıl entegre edip kontrol ettiği.