ChatGPT kullanımı kişisel alanda patlama yaşadı

ChatGPT’nin hayatımıza girdiği günden bu yana geçen kısa süre, teknolojinin yayılım hızına dair önemli bir örnek oluşturmuştur. Kasım 2022’deki lansmanından Temmuz 2025’e gelindiğinde ChatGPT, haftalık 700 milyon aktif kullanıcıya ulaşmış ve dünya yetişkin nüfusunun yaklaşık yüzde 10’una erişmiştir.

Bu büyüme hızı, internet veya elektriğin erken dönem yayılım hızlarıyla karşılaştırıldığında dikkate değer bir seviyededir. Önceki teknolojik devrimler, fiziksel altyapı (kablo hatları, santraller) veya pahalı donanım (kişisel bilgisayarlar) gerektirirken, ChatGPT'nin yayılımı için mevcut internet altyapısı yeterli olmuştur. Bu hızlı benimsenmenin ardındaki temel etken ise merak konusudur: Milyonlarca insan, bu büyük dil modelini her gün neden kullanmaktadır? Bu sorunun cevabı, teknolojinin gelecekteki rolünü anlamamız için kritik önem taşımaktadır.

Başlangıçta yapay zekânın, özellikle iş ve üretkenlik alanlarında büyük etkiler yaratacağı tahmin edilmekteydi. Kamusal söylemdeki tartışılan ana soru şuydu: Yapay zekâ, iş gücünü nasıl etkileyecek? Bu, teknolojiyi sanayi devrimini izleyen gelişmelerle ilişkilendiren; otomasyon, ikame ve maliyet azaltma odaklı bir üretim paradigmasıydı. Beklenti, yapay zekânın öncelikle daha verimli bir çalışan gibi davranması, yani görevleri devralması yönündeydi. Ancak OpenAI ve Harvard ekonomistleri tarafından yürütülen geniş kapsamlı bir araştırma, kullanımın daha farklı ve kişisel bir yöne evrildiğini göstermektedir: Teknoloji, görev otomasyonundan ziyade, giderek daha fazla bir karar destek aracı olarak konumlanmaktadır. Bu, otomasyondan (insan yerine yapma) augmentasyona (insanla birlikte yapma) doğru temel bir kaymayı işaret etmektedir.

Araştırmanın bulguları, yapay zekâ kullanımına yönelik yaygın varsayımları yeniden değerlendirmeyi gerektirmektedir. Verilerdeki en dikkat çekici değişim, kullanımın odak noktasıyla ilgilidir. Haziran 2024’te iş ve kişisel kullanım oranları yaklaşık olarak eşitken, Temmuz 2025’e gelindiğinde kişisel kullanımın toplam mesajların yaklaşık yüzde 70–73’üne ulaştığı belirtilmektedir. Bu, bir tesadüf veya küçük bir kayma değil, bir çığ etkisidir. Ayrıca bir yıl içerisinde işle ilgili mesaj sayısı üç kattan fazla artarken, —ki bu kendi başına sağlıklı bir büyümeyi gösterir— kişisel mesajların sekiz kat artmış olması, asıl patlamanın kişisel alanda yaşandığını kanıtlamaktadır. Bu durum, değişimin yalnızca yeni kullanıcıların katılımıyla değil; mevcut kullanıcıların kullanım alışkanlıklarıyla da ilişkili olduğunu düşündürmektedir. İlk dönemde kullanıcıların bu teknolojiyi iş bağlamında test etmeyi daha güvenli bulduğu, zamanla ise kişisel hayatın karmaşıklığı içinde daha fazla fayda keşfederek bu alanlara yöneldiği anlaşılmaktadır.

Kullanıcıların bu teknolojiden beklediği çıktı türlerini inceleyen daha ayrıntılı sınıflandırmalar, modelin temel kullanım değerini açıklamaktadır: Karar desteği. Araştırmacılar, mesajları kullanıcının niyetine göre “Sorma” (Asking: bilgi veya tavsiye arayışı), “Yapma” (Doing: çıktı üretme veya görev tamamlama) ve “İfade Etme” (Expressing: kişisel yansıma veya sohbet) olarak üç gruba ayırmıştır. Genel kullanımda mesajların yaklaşık yarısı (yüzde 49), bilgi veya tavsiye isteme kategorisinde yer almakta olup, kullanıcıların ChatGPT’yi bir görev yürütücüsünden ziyade bir danışman benzeri araç olarak gördüğünü göstermektedir. Buna karşılık, doğrudan görev devretme anlamına gelen “Yapma” kategorisi, yüzde 40 seviyesinde kalmıştır. Bu, modelin birincil değer önerisini “robot” değil; “danışman” olmak şeklinde göstermektedir. Bu rol, basit bir arama motorunun veya hesap makinesinin çok ötesindedir.

Bu bulgu, yapay zekânın kullanım amacındaki dönüşümü göstermesi açısından dikkat çekicidir. Verimlilik ve hız gibi iş gücü odaklı beklentilerin ötesinde kullanıcıların, bilişsel yüklerini hafifletmek için bu teknolojiye başvurduğu anlaşılmaktadır. Bilgiye erişimin sorun olmadığı, ancak anlamlandırmanın bir lüks hâline geldiği modern dünyada asıl darboğaz, bilgi eksikliği değil; o bilgiyi sentezleme ve eyleme dökme zorluğudur. Ofis ortamı belli bir zihinsel çaba gerektirse de kariyer planlama, sağlıkla ilgili konuları anlamaya çalışma veya kişisel ilişkilerle ilgili kararlar alma gibi konular da benzer düzeyde bilişsel gereksinimler taşımaktadır. Veriler, bilişsel desteğe olan ihtiyacın iş ortamı dışında da yoğun olduğunu göstermektedir. Ayrıca “Sorma” kategorisindeki mesajların zaman içinde daha hızlı artması ve memnuniyet ölçümlerinde daha yüksek puanlar alması, kullanıcıların bu tür destekten somut bir fayda sağladıklarını ve modelin bu danışmanlık rolünde başarılı olduğunu düşündürmektedir.

Peki, bu iş dışı “Sorma” eylemleri ve kişisel kullanım, tam olarak neyi içermektedir? Kullanımın büyük bölümünün yalnızlık veya duygusal destek arayışına yönelik olduğu düşünülse de —ki bu, medyanın sıklıkla odaklandığı bir konudur— veriler, farklı bir dağılım göstermektedir. İlişkiler ve kişisel yansıma konuları, toplam kullanımın yalnızca yüzde 1,9’unu oluşturmaktadır. Kullanım, duygusal bir sığınaktan çok daha pragmatik ve fayda odaklıdır. Bunun yerine kullanımın yaklaşık yüzde 80’i, üç pratik kategori etrafında yoğunlaşmaktadır: “Pratik rehberlik” (yüzde 28,3), “yazma” (yüzde 28,1) ve “bilgi arama” (yüzde 21,3). Pratik rehberlik kategorisi, günlük yaşamın küçük ve büyük sorunları için kişisel bir asistan rolünü üstlenmektedir. “Nasıl yapılır” tavsiyeleri; karmaşık konuları öğrenme, haftalık yemek planı çıkarma, bir fitness programı oluşturma, sağlık ve fitness bilgileri ile fikir taleplerini kapsamaktadır.

“Yazma” kategorisi ise yüzeyde iş odaklı görünse de taleplerin çoğu, mevcut bir metni dönüştürmeye yöneliktir. İş odaklı kullanımda en yaygın talep olsa da bu taleplerin yaklaşık üçte ikisi, sıfırdan metin oluşturmaktan ziyade mevcut metni düzenleme, eleştirme veya çevirme eylemlerine odaklanmaktadır: “Bu taslağı değerlendir”, “Bu e-postayı daha yumuşak hâle getir”, “Daha profesyonel bir dile çevir.” Bu durum, modelin bir metin üreticisinden ziyade kişisel bir editör veya düşünce ortağı olarak kullanıldığını göstermektedir. Bu, teknik bir görevden çok, karmaşık sosyal durumları dil aracılığıyla yönetme becerisi, yani bir tür sosyal sermaye yönetimidir. Bu, sadece dil bilgisi düzeltmek değil; algıları yönetmek, ilişkileri korumak ve iletişimde stratejik davranmak anlamına gelir. Model, bu üst düzey beceriyi demokratikleştirmektedir.

Yapay zekâ kullanımına dair yaygın algıları değerlendiren bu veriler, aynı zamanda bazı yanlış genellemeleri de sorgulamaktadır. Örneğin yapay zekâ ile kodlamanın eşit görüldüğü bir dönem olmuştur. Anthropic’in raporunda, Claude’un API üzerinden kullanımında kodlamanın yüzde 36 ile baskın olduğu belirtilmektedir. Bu da güçlü bir B2B geliştirici aracına işaret eder. Buna karşılık ChatGPT’nin geniş tüketici tabanında kodlama talepleri, toplam kullanımın yalnızca yüzde 4,2’sine karşılık gelmektedir. Bu karşılaştırma, ChatGPT’nin teknik bir uzmanlık aracı olmaktan ziyade daha genel amaçlı bir yaşam aracı olarak kullanıldığını, 700 milyonluk kitlenin geliştiriciler değil; herkes olduğunu göstermektedir.

Ayrıca kullanıcı tabanının yıllar içinde çeşitlendiği görülmektedir. İlk dönemde teknoloji odaklı, yüksek eğitimli ve ağırlıklı olarak erkek kullanıcılardan oluşan kitle, zamanla demografik olarak genişlemiştir. Ocak 2024’te kadınlardan gönderildiği düşünülen mesaj oranı yüzde 37 iken, Haziran/Temmuz 2025 döneminde bu oran yüzde 52’ye yükselmiştir. Bu, teknolojinin faydasının tech-bro kitlesini aşıp genel nüfusa yayıldığını göstermektedir.

Yaş dağılımında ise 18–25 yaş arası, toplam mesajların yüzde 46’sını oluşturarak en aktif kullanıcı kitlesi hâline gelmiştir. Bu da teknolojinin gelecek nesil için doğal bir araç olduğunu göstermektedir. Ayrıca düşük ve orta gelirli ülkelerde benimsenmenin hızlandığı belirtilmektedir. Bu eğilimler, yapay zekâ erişiminin daha yaygın ve kapsayıcı hâle geldiğini, geleneksel bilgi engellerini aştığını göstermektedir.

Sonuç olarak OpenAI ve Harvard tarafından yürütülen bu çalışma, yapay zekânın ekonomik ve sosyal önemine ilişkin bakış açısını yeniden değerlendirmeyi gerektirmektedir. Değerin yalnızca klasik ekonomik göstergelerde değil, GSYİH'nin ölçemediği o devasa kişisel kullanımda ortaya çıkan fayda alanlarında da oluştuğu görülmektedir. Bu değer; bir ebeveynin çocuğuna ödevde yardımcı olabilmesi, bir bireyin sağlıkla ilgili bir durumu daha iyi anlaması veya bir kişinin karmaşık bir kararı değerlendirebilmek için daha yapılandırılmış bir bilgi kaynağına ulaşabilmesi gibi örneklerde ortaya çıkmaktadır.

Özetle yapay zekânın karar desteği sağlayan danışman rolü, bir fenerin gemilere karmaşık sularda yol göstermesi gibidir. Teknoloji, özellikle bilgi kirliliğinin yarattığı siste, bize doğrudan gemiyi kullanmayı öğretmek yerine nerede tehlikelerin yattığını ve hangi rotanın en güvenli olduğunu söyleyerek kaptanların (yani bizlerin) daha otonom ve güvenilir

Bu yazının başlığı yazardan bağımsız editoryal olarak hazırlanmıştır.