AI Ürünleri Nasıl Fiyatlanmalı?

Platformu mu, zekâyı mı, kontrolü mü fiyatlıyoruz?

The Intelligence Atlas’ta son haftalarda yapay zekânın fiziksel ekonomisini takip ettik. “Bir Yapay Zekâ Cevabının Gerçek Maliyeti Nedir?” yazısında bir model cevabının arkasındaki hesaplama maliyetine, “AI Fabrikaları”nda ise bu hesaplamayı mümkün kılan veri merkezlerine, GPU’lara, ağlara ve enerji altyapısına baktık.

Fiziksel Zincir bize zekânın nerede ve nasıl üretildiğini anlatıyordu. Şimdi Değer Zinciri’ne geçiyoruz. Çünkü milyarlarca dolarlık fiziksel kapasite tek başına ekonomik değer değil. Bu kapasite çıkarıma, modellere, ürünlere ve sonunda müşterinin yaptığı işe dönüşüyor. Zincirin sonunda artık “bir token kaç dolar?” sorusundan daha zor bir soru var:

Bu zekâ nasıl fiyatlanır?

Yapay zekâ ürünlerinde tartışma çoğu zaman “seat mi, token mı, credit mi?” sorusuna sıkışıyor. Oysa bunlar ikinci sorular. İlk soru daha temel: Müşteri gerçekte ne satın alıyor?

2026’daki piyasa verileri de henüz tek bir cevabın oluşmadığını gösteriyor. Salesforce Ventures’ın AI Pricing Report’unda satıcıların yüzde 87’si önümüzdeki 12-18 ay içinde fiyatlamasını değiştirmeyi planlıyor. ICONIQ’in State of AI araştırmasında şirketlerin yüzde 58’i hâlâ abonelik veya platform bileşeni kullanırken, yüzde 35’i tüketim, yüzde 18’i sonuç bazlı fiyatlama kullanıyor ve yüzde 37’si önümüzdeki 12 ayda modelini değiştirmeyi planlıyor. Bu oranlar farklı örneklem ve yöntemlerden geliyor; tek bir pazar payı tablosu gibi okunmamalı. Ama ortak mesaj açık: AI fiyatlaması hâlâ şekilleniyor.

Bu yazıda bütün fiyatlama modellerini kataloglamayacağız. Daha temel bir sorunun peşinden gideceğiz: AI ürünlerinde fiyat hangi ekonomik değere bağlanmalı?

1. ÖNCE ŞUNU SORALIM: MÜŞTERİ NE SATIN ALIYOR?

Bir CRM kullanıcısı veritabanı sorgusu satın almaz. Bir müşteri hizmetleri yöneticisi API çağrısı satın almaz. Bir yazılım geliştirici milyon token tüketmek için kod asistanı kullanmaz.

Müşteri genellikle bir işi daha hızlı, daha iyi, daha güvenli veya daha düşük maliyetle yapmak için ürün satın alır.

AI ürünlerinde bu basit gerçek özellikle önemli. Çünkü aynı ürünün içinde birbirinden farklı üç ekonomik katman bulunabilir: Platform, Intelligence ve Control.

Platform

Platform, müşterinin işi yaptığı yazılım katmanıdır. Arayüz, iş akışları, entegrasyonlar, ajanların ve araçların hangi sırayla çalışacağını yöneten orkestrasyon, veri bağlantıları, ekip özellikleri ve ürün deneyimi burada bulunur.

Bir çalışan copilot kullanıyorsa kullanıcı başına lisans hâlâ anlamlı olabilir, çünkü değer büyük ölçüde kaç kişinin ürüne eriştiğiyle ilişkilidir. Bir ajan geliştirme veya kurumsal AI platformunda ise sabit platform ücreti daha doğal olabilir.

Intelligence

Intelligence, ürünün kullandığı model ve inference, yani modelin girdiden çıktı üretmek için yaptığı hesaplama kapasitesidir. Burada ekonomi daha değişkendir. Kısa bir sorgu ile çok adımlı akıl yürütme, kurumsal veriden bilgi getirme, araç çağırma ve başarısız adımları yeniden deneme içeren bir ajan çalışması aynı maliyeti yaratmaz.

Bu nedenle erişim ile tüketilen zekâyı aynı şeymiş gibi fiyatlamak giderek zorlaşıyor.

Control

Control, bu zekânın nasıl kullanılacağını yöneten kontrol katmanıdır. İsteği uygun modele yönlendirme, erişim ve veri politikaları, güvenlik, sistemde ne olduğunu izleyebilme, bütçe kontrolü, denetim kayıtları, çıktı kalitesini ölçme ve kurulum ortamlarını yönetme gibi yetenekler burada ekonomik değer yaratır.

Bu katman özellikle kurumsal AI’da önemlidir. Müşteri yalnızca model çağrısı satın almıyor olabilir. Hangi modelin kullanılacağını, verinin nereye gideceğini, ne kadar harcama yapılacağını ve sistemin hangi kurallar altında çalışacağını yönetebilme kabiliyeti de satın alınan ürünün parçasıdır.

Dolayısıyla fiyatlamanın ilk disiplini şu olmalı:

Müşteri ne satın alıyor? Platform mu, Intelligence mı, Control mü, yoksa üçünün bir bileşimini mi?

Ancak bundan sonra “seat mi, usage mı, credit mi?” sorusu anlam kazanır.

2. AI NEDEN KLASİK SAAS FİYATLAMASINI ZORLUYOR?

Klasik SaaS ekonomisinde kullanıcı başına abonelik uzun süre çok güçlü çalıştı. Bunun nedeni kullanıcı sayısının ürün maliyetini kusursuz ölçmesi değildi. Basit, bütçelenebilir ve birçok ürün için yaratılan değere makul ölçüde yakın olmasıydı.

AI bu ilişkiyi zayıflatıyor.

Aynı lisansa sahip iki kullanıcı sağlayıcı açısından dramatik biçimde farklı maliyet profilleri yaratabilir. Biri birkaç kısa soru sorarken diğeri uzun bağlamlar, çok adımlı ajan iş akışları, web araması, kod çalıştırma ve çok sayıda model çağrısı kullanabilir. Üstelik AI ürününde “kullanıcı” her zaman insan da değildir. Bir ajan arka planda binlerce işlem gerçekleştirebilir.

Burada değişken AI COGS devreye giriyor. COGS, Cost of Goods Sold, yani bir ürün veya hizmeti sunmanın doğrudan maliyetidir. Bir AI ürününde bu maliyet model kullanımı, girdi ve çıktı token’ları, araç çağrıları, üçüncü taraf servisleri ve diğer hesaplama yükleriyle birlikte büyüyebilir.

Revenera’nın 501 teknoloji ürün lideriyle yaptığı Monetization Monitor 2026 Outlook çalışmasında, AI ürün veya özellik sunanların yüzde 70’i teslimat maliyetlerinin kârlılığı aşındırdığını söylüyor. Yüzde 52’si artan bulut maliyetini dengelemek için yeni fiyatlama modelleri planlıyor. Buna rağmen AI ürünlerinde en yaygın model yüzde 42 ile hâlâ abonelik. Yani mesele “seat öldü” değil; sabit erişim fiyatının değişken zekâ maliyetini tek başına taşımasının zorlaşması.

GitHub Copilot bu dönüşümün öğretici örneklerinden biri. GitHub’ın güncel kurumsal fiyatlamasında Copilot Business kullanıcı başına aylık 19 dolar, Copilot Enterprise 39 dolar. Her Business lisansı ayda standart 1.900 AI Credit, Enterprise lisansı 3.900 AI Credit sağlayarak kurumun ortak havuzuna katkı yapıyor. Havuz aşıldığında ek kullanım AI Credit başına 0,01 dolar. Tüketilen kredi, kullanılan modele ve girdi, çıktı ve önbelleğe alınmış token miktarına göre değişiyor. GitHub ayrıca Haziran-Ağustos 2026 döneminde mevcut müşteriler için daha yüksek geçici kredi miktarları uyguladığını belirtiyor; burada verdiğimiz 1.900 ve 3.900 rakamları standart miktarlar.

Aynı ürün içinde iki ekonomik dil yan yana çalışıyor:

Platform erişimi kullanıcı başına lisansla, değişken Intelligence tüketimi ise kredi ve kullanım mekanizmasıyla yönetiliyor.

3. BEŞ GÜÇLÜ FİYATLAMA YAKLAŞIMI

Fiyatlama modellerini bir katalog gibi değil, müşteriye hangi ekonomik birimi sattıklarına göre okumak daha yararlı. Teknik tüketimden iş sonucuna doğru ilerledikçe ölçtüğümüz şey değişiyor:

Erişim → Tüketim → Ticari soyutlama → İş → Sonuç → Ekonomik değer

Sağa doğru ilerledikçe fiyat müşterinin dünyasına yaklaşabilir. Fakat ölçüm, sonuçta kimin payı olduğunu belirleme ve sözleşme karmaşıklığı da artar.

Seat / Subscription: erişimi fiyatlamak

Kullanıcı başına lisans veya sabit abonelik, müşteriye ürün erişimini satar. En büyük gücü sadeliktir. Satın alma ekipleri modeli bilir, müşteri bütçesini öngörebilir, sağlayıcı da tekrarlayan gelir elde eder. Çalışan copilot’ları, üretkenlik araçları ve AI’ın ürünün yalnızca bir parçası olduğu yazılımlarda bu nedenle hâlâ güçlüdür.

Zayıf tarafı, kullanım yoğunluğu ile gelir arasındaki bağın gevşemesidir. Ağır AI kullanıcısı ile hafif kullanıcı aynı geliri üretirken çok farklı değişken maliyet yaratabilir. Bu nedenle seat, Platform değerini iyi fiyatlarken Intelligence ekonomisini tek başına taşımakta zorlanabilir.

Usage / Consumption: tüketilen zekâyı fiyatlamak

Kullanım bazlı model token, API çağrısı, istek, hesaplama süresi veya benzeri gerçek tüketim birimlerine dayanır. Sağlayıcı açısından en önemli avantajı, gelir ile değişken maliyeti birbirine yaklaştırmasıdır. Model API’ları ve AI altyapısı için bu nedenle doğal bir yapıdır.

Fakat müşterinin problemi burada başlar. Kullanım arttıkça fatura da artar. Bu, maliyeti öngörmeyi zorlaştırabilir ve başarılı kullanımın cezalandırıldığı hissini yaratabilir. PricingIO’nun 296 kurumsal yazılım alıcısına dayanan 2026 araştırmasında katılımcıların yüzde 89’u ilk AI bütçesini aşmış; yüzde 68’i öngörülebilir toplam maliyeti ilk üç önceliğinden biri sayarken yüzde 70’i maliyet öngörülemezliğini önemli bir endişe olarak görüyor.

Dolayısıyla usage sağlayıcı ekonomisini korurken müşteri bütçesini açık uçlu hale getiriyorsa tek başına iyi fiyatlama değildir.

Credit: teknik karmaşıklığı ticari birime çevirmek

Credit, farklı modelleri, araçları ve işlem türlerini ortak bir ticari birime çevirir. Bu yüzden credit’i yalnızca “token yerine başka bir para birimi” olarak görmek eksik kalır.

Bir AI ürünü tek görev sırasında farklı modeller, akıl yürütme seviyeleri ve üçüncü taraf servisleri kullanabilir. Bunların her birini müşteriye ayrı ayrı faturalamak mümkündür, fakat ortaya giderek bir bulut faturası çıkar. Credit burada bir soyutlama katmanı görevi görür.

Microsoft Copilot Studio bunun açık örneklerinden biri. Microsoft, 25.000 Copilot Credit içeren kapasite paketini aylık 200 dolar üzerinden sunuyor. Aynı ürün kullandıkça öde seçeneğine de sahip ve bu modelde Copilot Credit başına fiyat 0,01 dolar. Bir ajanın gerçekleştirdiği işlem veya ürettiği yanıt, kullanım türüne göre farklı miktarda kredi tüketebiliyor.

Avantajı, çok modelli bir ürünün arka plandaki maliyet çeşitliliğini müşteriye daha yönetilebilir bir bütçe birimi olarak sunabilmesi. Riski ise şeffaflık. PricingIO araştırmasında alıcıların yüzde 55’i credit veya token bazlı fiyatlamayı klasik SaaS fiyatlamasından daha zor değerlendiriyor.

İyi bir credit sistemi bu yüzden iki şeyi aynı anda yapmalı: faturayı sadeleştirmeli, fakat tüketimin neden o faturaya dönüştüğünü görünmez hale getirmemeli.

Credit bir fiyat değil, bir çeviri katmanıdır.

Outcome: sonucu fiyatlamak

Teknik tüketimden müşterinin aldığı değere yaklaştıkça sonuç bazlı fiyatlama çekici hale geliyor. Burada fatura, kullanılan modele veya harcanan token’a değil, önceden tanımlanmış başarılı sonuca bağlanıyor.

Intercom’un Fin AI Agent için 30 Temmuz 2026’da açıkladığı model bunun gerçek örneklerinden biri. Intercom bir konuşmada Fin kaç işlem gerçekleştirirse gerçekleştirsin yalnızca bir sonuç için ücret alıyor. Çözüm, prosedür devri ve uygun olmayan adayın elenmesi 0,99 dolar; uygun adayın belirlenip yönlendirilmesi 9,99 dolar.

Gücü açık: fiyat ile müşterinin tanıyabildiği değer arasındaki mesafe kısalıyor. Riski ise sonuç tanımı ve katkının kime ait olduğunun belirlenmesi. Bir destek vakasının çözülmesi nispeten net tanımlanabilir. Bir satışın gerçekleşmesinde AI’ın katkısını satış temsilcisinden, kampanyadan, markadan, fiyattan veya sezondan ayırmak çok daha zordur.

Burada önemli bir ayrım var: value-based pricing ile outcome-based billing aynı şey değildir. Bir şirket fiyat seviyesini müşteriye yarattığı değere göre belirleyebilir, fakat faturayı seat, platform, credit veya usage üzerinden kesebilir. Değere göre fiyatlamak, mutlaka sonuç başına fatura kesmek anlamına gelmez.

Hybrid: tek bir gerçeğe zorlamamak

Hibrit model, yukarıdaki mekanizmalardan ikisini veya daha fazlasını birlikte kullanır: platform ücreti + dahil kullanım + aşım; seat + credit; abonelik + sonuç ücreti gibi.

Gücü, müşterinin bütçe öngörüsü ile sağlayıcının değişken maliyet riskini aynı yapıda dengeleyebilmesidir. Riski ise kolayca aşırı karmaşık hale gelmesidir. Seat + platform + credit + token + action + overage gibi her şeyi aynı pakete koymak, ekonomik doğruluğu artırırken satın alma deneyimini bozabilir.

Piyasa verileri bu denge arayışını gösteriyor. Salesforce Ventures’ın araştırmasında satıcıların yüzde 51’i hibrit, yüzde 50’si tüketim, yüzde 37’si kullanıcı başına sabit ücret kullanıyor; fiyat seviyesini belirleme yönteminde yüzde 52 value-based yaklaşımı işaretliyor. hy’nin SaaS & AI Pricing Report 2026 çalışmasında sağlayıcıların yüzde 54’ü kullanıcı başına, yüzde 37’si kullanım bazlı metrik kullanırken yüzde 59’u birden fazla fiyatlama metriğini birlikte çalıştırıyor. ICONIQ de hafif platform ücreti, kullanım ve yıllık taahhüt veya kademeli aşım gibi korumaları birleştiren hibrit yapıları pragmatik yön olarak tanımlıyor.

Bu oranların araştırma evrenleri farklı. Buradan “hibrit kazandı” sonucu çıkarmak doğru olmaz. Daha güçlü çıkarım şu: AI ürünleri tek bir ekonomik katmanı fiyatlamak yerine erişim, tüketim ve değeri birlikte yönetmenin yollarını arıyor.

4. ACTION VE TASK NEREYE OTURUYOR?

Action, task veya conversation gibi birimler ayrı bir fiyatlama felsefesi olmak zorunda değil. Bunları teknik tüketim ile iş sonucu arasındaki ara ölçüm katmanı olarak düşünmek daha yararlı.

Token, sağlayıcının ne kadar teknik kaynak tükettiğine yakındır. Action, bir ajanın gerçekleştirdiği tekil işlem veya araç çalıştırma adımıdır; örneğin bir veritabanını sorgulamak ya da bir e-posta göndermek. Task, bu adımların birleşerek tamamladığı daha bütünlüklü iştir; örneğin bir müşteri talebini inceleyip yanıt hazırlamak. Conversation ise kullanıcı ile AI sistemi arasında belirli bir konu etrafında gerçekleşen konuşmanın tamamını ifade eder ve özellikle müşteri hizmetlerinde anlaşılır bir faturalama sınırı olabilir. Outcome ise bir adım daha ileri giderek “ne işlem yapıldı?” değil, “ne sonuç elde edildi?” diye sorar.

Bu ara katmanın güzel örneklerinden biri Relevance AI. Şirket fiyatlamasını Actions ve Vendor Credits olarak ikiye ayırıyor. Action, bir ajanın bir aracı çalıştırdığı işi ölçüyor. Vendor Credits ise büyük dil modeli ve araç sağlayıcılarının maliyetini temsil ediyor ve Relevance AI bu maliyeti ek kâr marjı koymadan aktardığını söylüyor.

Buradaki tasarım bize önemli bir şey gösteriyor: iş birimi ile zekâ maliyeti aynı şey olmak zorunda değil.

5. BYOM BİZE NEYİN GERÇEKTEN FİYATLANDIĞINI GÖSTERİYOR

Relevance AI örneğinin daha ilginç tarafı, ücretli planlarda müşterinin kendi API anahtarlarını kullanabilmesi. Şirket bunu “Bring Your Own LLM” olarak sunuyor. Müşteri kendi model sağlayıcı hesabını bağladığında Vendor Credits kullanımını tamamen devre dışı bırakabiliyor. Fakat Actions ortadan kalkmıyor.

Bu ayrım basit ama önemli:

Intelligence cost ≠ Platform value

Müşteri model maliyetini kendisi ödediğinde platform değeri sıfırlanmıyor. Ajan orkestrasyonu, iş akışları, entegrasyonlar, araç çalıştırma ve ürün deneyimi hâlâ ekonomik değer üretiyor.

Aynı mantık Control için de geçerli. Bir kurum kendi modelini kendi veri merkezinde çalıştırsa bile istekleri uygun modele yönlendirme, politika uygulama, güvenlik, gözlemlenebilirlik, denetim ve bütçe kontrolü ihtiyacı ortadan kalkmıyor. Bazı kurumsal senaryolarda ürünün satın alınma nedeni tam olarak bu kontrol katmanı olabilir.

BYOM bu nedenle başlı başına bir fiyatlama modeli değil. Model maliyeti ile Platform ve Control değerinin ayrıştırılabildiğini gösteren ticari ve mimari bir tercih.

6. AI FİYATLAMASI ASLINDA BİR ÇEVİRİ PROBLEMİ

Buraya kadar üç ayrı ekonomik problemi gördük.

Müşteri bütçesini öngörebilmek istiyor. Sağlayıcı değişken AI COGS riskini yönetmek istiyor. Fiyatlama metriği de müşterinin aldığı değere mümkün olduğunca yaklaşmak zorunda.

Bu üç hedef çoğu üründe tek bir fiyatlama birimiyle aynı anda çözülemiyor.

Bu yüzden doğru soru “hangi model kazanacak?” olmayabilir. Bir çalışan copilot’unda seat + dahil Intelligence mantığı çalışabilir. Bir model API’ında token veya istek hâlâ en temiz birim olabilir. Bir ajan platformunda platform ücreti + credit veya iş birimi daha doğal olabilir. Ölçülebilir bir müşteri hizmetleri ajanında outcome anlamlı olabilir. Kurumsal bir kontrol ürününde ise platform değeri ile yönetilen kullanımın ayrılması gerekebilir.

Ama amaç mümkün olduğunca çok fiyatlama katmanı eklemek değil. Tam tersine, müşteriye mümkün olan en anlaşılır ticari modeli sunarken arka plandaki ekonomik gerçekliği bozmamak.

Faturalama basit olabilir. Ekonominin basit olması gerekmez.

Şimdi Fiziksel Zincir ile Değer Zinciri arasındaki bağlantı daha görünür hale geliyor:

Silikon → Kapasite → Inference → Model → Agent → İş → Sonuç → Ekonomik Değer

Fiziksel altyapı kapasite üretir. Inference bu kapasiteyi çalışan zekâya dönüştürür. Model bu zekânın teknik arayüzüdür. Platform onu kullanılabilir bir ürüne dönüştürür. Control ise bu üretimin nasıl ve hangi sınırlar içinde kullanılacağını yönetir.

Fiyatlama bütün bu teknik sistemi müşterinin anlayabileceği, bütçeleyebileceği ve satın alabileceği ekonomik birime çevirmek zorundadır.

Bu yüzden AI ürünlerinde asıl soru “token kaç dolar?” değildir.

Asıl soru şudur:

Müşteri hangi değeri satın alıyor ve bu değeri üretirken hangi ekonomik katmanlar çalışıyor?

Platform / Intelligence / Control ayrımı bu soruya ilk cevabı verir. Seat / Usage / Credit / Outcome bundan sonra gelen fiyatlama araçlarıdır. Hybrid, bu araçların birlikte çalışabileceğini kabul eder. BYOM ise model maliyeti ile platform ve kontrol değerinin aynı şey olmadığını görünür hale getirir.

Yapay zekâ ucuzladıkça fiyatlama problemi ortadan kalkmayabilir. Tam tersine, model erişimi ucuzlayıp yaygınlaştıkça ürünlerin hangi değeri gerçekten yarattığını ayırmak daha önemli hale gelebilir.

Değer Zinciri’nde bundan sonra izleyeceğimiz soru da burada başlıyor: fiziksel kapasiteden doğan zekânın ne kadarı gerçek işe, ne kadarı ekonomik değere dönüşüyor?

Bir sonraki yazıda bu zincirin merkezindeki Inference Ekonomisi’ne bakacağız. Aynı model neden farklı altyapılarda farklı maliyetlerle çalışıyor? Utilization, batching, caching, model seçimi ve routing birim zekânın maliyetini nasıl değiştiriyor? Ve belki de en önemlisi, inference ucuzladıkça neden toplam yapay zekâ harcaması yine de büyüyebilir?

Fiyatın arkasındaki ekonomiyi takip etmeye devam edeceğiz.

Yapay zekâ Atlası'nda keşfetmeye devam edeceğiz. Bir sonraki yazıda görüşmek üzere.

How to Cite

M. Seçkin Bedük, “AI Ürünleri Nasıl Fiyatlanmalı?,” The Intelligence Atlas, 2026.