Veriyle Güçlenen Sürdürülebilirlik, Enerjiyle Sınanan Yapay Zekâ

2026’ya girerken, kurumsal sürdürülebilirlik dünyasında önceki yıllara göre dikkat çekici bir sessizlik hâkim. Global şirketler artık kamuya yüksek sesle taahhütler vermek yerine, daha sessiz ama ölçülebilir ve denetlenebilir sistemler kurmaya odaklanıyor. Bu sessizlik, bir geri adım değil, odağın pazarlama iletişiminden eyleme, söylemden yönetişime kaymasının doğal bir sonucu.Yeşil sessizlik (greenhushing) olarak tanımlanan bu eğilim, sürdürülebilirliğin önemini yitirdiğini değil, aksine nasıl ele alındığının değiştiğini gösteriyor.

Bu değişimin arka planında, özellikle ABD gibi pazarlarda yükselen çevresel, sosyal ve yönetişim (ÇSY) karşıtı politik söylemler yer alıyor. Karmaşık ve öngörülmesi güç sosyo-politik ortamda şirketler, sürdürülebilirlik iletişiminde görünür kampanyalardan ziyade riskleri yöneten, veriye dayalı ve denetlenebilir karar alma süreçlerine odaklanıyor. Bu çerçevede sürdürülebilirlik yönetişimi de dönüşüyor: Söylemlerden çok ölçülebilen, izlenebilen ve kanıtlanabilen etki önem kazanıyor. Tam da bu nedenle sürdürülebilirlik, bugün yalnızca etik bir tercih değil, ekonomik bir zorunluluk olarak ele alınıyor. Morgan Stanley’nin 2025 tarihli raporuna göre, şirketlerin %88’i sürdürülebilirliği uzun vadeli değer yaratmanın temel unsurlarından biri olarak görüyor. Economist Impact’in aynı döneme ait bulguları da benzer bir tablo çiziyor: Yeşil sessizliğin hâkim olduğu bu dönemde, sürdürülebilirlik liderlerinin dörtte üçü bütçelerini sabit tutmakla kalmayıp artırdıklarını söylüyor. Yani söylemler azalsa da eylemler hız kesmiyor. Sürdürülebilir operasyonların yalnızca dünyayı değil, şirket bilançolarını da etkilediği bu dönemde çevresel ve sosyal duyarlılık rekabet avantajı olarak görülüyor.

Bu dönüşümün sessiz motoru ise yapay zekâ.

“Daha az konuşup daha çok uygulama” eğilimi, teknolojik altyapılar sayesinde daha verimli hale geliyor. Yapay zekâ, sürdürülebilirlik stratejilerini yeniden şekillendiriyor; ölçülebilirlik, hız ve doğruluk arasındaki bağı güçlendiriyor. Sadece bir iletişim aracı ya da raporlama süreçlerini otomatikleştiren bir teknoloji olarak değil, veri yönetimi ve yönetişim altyapısı olarak da konumlanıyor. Günümüzde verinin içinde adeta boğulurken, yapay zekâ bu karmaşıklığı anlamlandırma kapasitesiyle süreci destekliyor. Sürdürülebilirlik verileri, finansal verilere kıyasla çoğu zaman daha parçalı, karmaşık ve yapılandırılmamış bir nitelikte. Yapay zekâ bu dağınık verileri bir araya getirebiliyor, veri kalitesini artırabiliyor, tutarsızlıkları tespit edebiliyor ve Küresel Raporlama Girişimi (Global Reporting Initiative-GRI) gibi farklı raporlama standartlarıyla uyumlu hale getirebiliyor. Bu sayede şirketlerin çevresel performansı, algoritmik sistemler aracılığıyla daha sistematik biçimde izlenebiliyor.  

Bu yaklaşım, Google tarafından yeni yayımlanan AI Playbook for Sustainability Reporting çalışmasında da görülüyor. Rehber, yapay zekâyı sadece rapor metni üreten bir araçtan ziyade; dağınık verileri bir araya getiren, veri tutarlılığını güçlendiren, geçmiş raporlarla karşılaştırmayı mümkün kılan ve raporlamayı izlenebilir–doğrulanabilir bir altyapıya oturtan bir yönetişim destek mekanizması olarak ele alıyor. Bu yaklaşım, sürdürülebilirlik raporlamasının iletişim ağırlıklı bir çıktı olmaktan çıkıp ölçülebilir ve denetlenebilir süreçlerin doğal bir parçası haline geldiğine işaret ediyor. Microsoft’un ESG Value Chain çözümü de buna başka bir örnek: Şirketlerin çoğu için hâlâ en karmaşık başlıklardan olan değer zinciri kaynaklı emisyon verilerinin,tedarikçilerden toplanmasını ve raporlama altyapılarına dâhil edilmesini daha yönetilebilir hâle getirmeyi amaçlıyor. Bu sayede karar alma süreçleri güçlenir ve hızlanırken regülasyonlar, bağımsız denetimler ve yatırımcı beklentileri karşısında izlenebilir ve doğrulanabilir bir veri altyapısı oluşturuluyor. Şeffaflık artıyor, raporlama hızlanıyor ve emisyon azaltım hedeflerine ulaşmak kolaylaşıyor.  

Nesnelerin İnterneti (Internet of Things-IoT) ile entegre edilen yapay zekâ uygulamaları ise enerji, su ve atık yönetimini gerçek zamanlı izleme ve öngörüye dayalı bakım yoluyla operasyonel karar alma süreçlerine doğrudan bağlıyor.

Ancak yapay zekânın sürdürülebilirlikteki bu artan rolü, önemli bir paradoksu da beraberinde getiriyor.

Yapay zekâ sistemleri sürdürülebilirlik çalışmalarını hızlandırırken, kendi enerji ayak izini de eş zamanlı olarak büyütüyor. İklim değişikliği, biyolojik çeşitlilik kaybı, su kullanımı gibi alanlarda gezegensel sınırların hâlihazırda zorlandığı bir küresel yapı söz konusuyken yapay zekâ uygulamalarının hızla yaygınlaşması bu sınırlar üzerinde ilave bir baskı oluşturuyor. Bu nedenle 2050 net sıfır gibi hedefler artan enerji talebi ve kaynak kullanımı nedeniyle uygulanması giderek zorlaşan denge arayışları haline geliyor. Buna rağmen yapay zekâ veri merkezlerinin enerji ve su tüketimi dramatik biçimde artıyor. Büyük dil modellerinin (Large Language Models-LLM) eğitimi sırasında ortaya çıkan karbon ayak izi tonlarca CO₂’ye denk geliyor. Tek bir yapay zekâ sorgusunun enerji tüketimi gündelik ölçekte küçük görünebilir (1 ChatGPT sorusu bir ampulün dört dakika yanmasıyla aynı enerjiyi harcıyor); ancak milyarlarca sorgu, hızla büyüyen veri merkezleri ve yapay zekâ modellerinin giderek daha fazla işlem gücü gerektirmesi toplamda ciddi bir enerji talebi yaratıyor.  

Yenilenebilir enerji kapasitesi artsa dahi, toplam enerji talebinin daha hızlı yükseldiği bir sistemin içinde bulunuyoruz. Yenilenebilir enerji ile dijitalleşme birlikte ilerleyebilse de enerji talebi yapay zekâ etkisiyle sürekli büyüyor. Karbon emisyonlarındaki artış eğilimi de bu durumun somut göstergelerinden biri. Buna ek olarak, yapay zekâ çiplerinin üretiminde kullanılan nadir elementler ve kritik mineraller, madencilik baskısını artırarak çevresel ve sosyal riskleri derinleştiriyor. Birleşmiş Milletler Çevre Programı (United Nations Environment Programme-UNEP) de bu noktada uyarıyor: Yapay zekanın sürdürülebilirlik faydaları, kendi enerji ayak iziyle dengelenmedikçe kalıcı olamaz.  

Bu bağlamda, daha fazla veri ve işlem gücü kullanan modellerin her durumda daha iyi sonuç üretmediği ve çevresel maliyeti artırdığı giderek daha net görülüyor. Belirli kullanım alanları için tasarlanan, amaç odaklı ve daha küçük dil modelleri ise daha düşük veri ve enerji ihtiyacıyla benzer performans sunabiliyor, daha hızlı ve düşük maliyetle eğitilebilmeleri sayesinde erişilebilirliği artırıyor ve büyük ölçekli veri merkezlerine olan bağımlılığı sınırlayabiliyor.

Yapay zekânın yarattığı bir diğer önemli mesele ise eşitsizlik riski. Yapay zekâya erişim ile onu anlamlı şekilde uygulayabilme kapasitesi arasındaki fark oldukça önemli. Finansal kaynaklara, insan sermayesine ve altyapıya sahip olmayan aktörler için yapay zekâ, çözüm üretmekten çok yeni riskler yaratabiliyor. Yapay zekâ çıktısına erişim mümkün olsa dahi, bu çıktıyı hayata geçirecek kapasite yoksa; risk, sistemin en kırılgan halkalarına transfer ediliyor. Üretilen sonuçları yorumlayacak, yönetecek ve riskleri bertaraf edecek mekanizmalar kapasitesi yüksek aktörlerde yoğunlaştığında; bu kapasitesi düşük olanlar uyum sağlayamadıkları için daha kırılgan hale geliyor.  İnternete erişimi olmayanlar zaten dezavantajlı konumdayken, erişimi olsa bile altyapısı ve kurumsal kapasitesi sınırlı olanların “harekete geçme” alanı daralıyor. Bu nedenle “teknoloji demokratikleşiyor” söylemi, kapasite inşası olmadan eksik kalıyor; hatta yanlış yönetişimle eşitsizlikleri derinleştirebiliyor. Burada iş gücü boyutu da var: Dijital emek, otomasyon, yeni iş formları… Bunların hepsi ekonomik ve sosyal yönetişim alanında yeni riskler doğuruyor. Buna rağmen uzun vadeli bir perspektiften bakıldığında, pozitif etki yaratma potansiyeli bir hayli yüksek olan başka bir teknoloji ya da enerji tüketicisi bulunmuyor.

Yapay zekâ, sürdürülebilirlikte bir araçtan çok yönetişim sınavına dönüşüyor.

Tüm bu tablo, yapay zekânın sürdürülebilirlik açısından hem güçlü bir kaldıraç hem de ciddi bir sınav niteliği taşıdığını ortaya koyuyor. Bir yandan çevresel performansın ölçülmesini ve optimize edilmesini mümkün kılarken, diğer yandan kendi enerji ve kaynak tüketimini hem de yarattığı sosyal ve ekonomik eşitsizlik risklerini sorumlu bir yönetişim çerçevesi içindedengeleme gerekliliğini beraberinde getiriyor. Bu nedenle tabloya yalnızca karamsar bir yerden bakmak eksik olur.  Hiçbir teknoloji tek başına “iyi” ya da “kötü” değildir; belirleyici olan, bu teknolojinin hangi yönetişim anlayışı ve düzenleyici çerçeve içinde ele alındığıdır. Önümüzdeki dönemde yürürlüğe girecek düzenlemeler bu dengeyi kurmada kritik rol oynayacak. Nasıl ki Genel Veri Koruma Yönetmeliği (General Data Protection Regulation-GDPR) küresel ölçekte veri gizliliği anlayışını şekillendirdiyse, Avrupa Birliği Yapay Zekâ Yasası (EU AI Act) da benzer biçimde bu alanın çerçevesini belirleyecek.

Bu noktada odak, yapay zekânın sağladığı verimlilikten ziyade, bu verimliliğin hangi koşullar altında ve hangi bedellerle üretildiğine kayıyor. Gerçek ilerleme, yalnızca performans artışıyla değil,bu artışın hangi çevresel maliyetlerle gerçekleştiğinin açık biçimde ortaya konmasıyla mümkün oluyor. Bu nedenle kurumların yalnızca karbon emisyonlarını değil, kullanılan yapay zekâ sistemlerinin enerji ve su tüketimini de izleyip raporlaması giderek daha kritik bir eşik haline geliyor. Dünya Ekonomik Forumu’nun bulguları, şirketlerin %84’ünün üretken yapay zekâkullanımını hâlâ bu tür çevresel verilerle birlikte ele almadığını gösteriyor; bu da etik söylemlerle pratik arasındaki mesafeyi büyütüyor. Tam da bu noktada, çevresel verilerin şeffaf biçimde açıklanması, üçüncü taraf doğrulama mekanizmalarının devreye alınması ve enerji farkındalığı gözeten algoritmaların geliştirilmesi önem kazanıyor. Veri merkezlerinde enerji verimliliğini artırmaya, yenilenebilir kaynak kullanımını yaygınlaştırmaya ve daha düşük işlem yoğunluğuna sahip modellere yönelmeye yönelik adımlar atılsa da yapay zekâ kaynaklı toplam enerji talebinin hızla büyüdüğü gerçeği değişmiyor. Bu tablo, sürdürülebilirliğin artık yalnızca karbon azaltımıyla sınırlı olmadığını; dijital altyapının da sürdürülebilir biçimde yönetilmesini zorunlu kıldığını ortaya koyuyor.  

Bütün bu çerçeve, yapay zekâ ile sürdürülebilirliğin kesiştiği bu dönemin temel paradoksunu görünür kılıyor. Yapay zekâ iklim krizini tek başına çözecek mi? Bu soru hâlâ açık. Bugün büyük ölçüde yarı otomatik olan yapay zekâ sistemlerinin potansiyelinin tamamını henüz görmüyoruz. Daha otonom hale geldiklerinde, bu sistemlerin kendi kendini düzenleyebilen yapılar olarak dengeyi yeniden tanımlaması mümkün olabilir. Sermaye hızla değişen bu teknolojilere yönelirken, gerçek dönüşüm çoğu zaman sessiz ilerliyor. “Sessiz Etki Ekonomisi” tam da bunu anlatıyor: Görünürlükten güvenilirliğe, vaatlerden veri temelli dayanıklılığa geçiş. 2025 sürdürülebilirliğin sessizleştiği yıl olarak öne çıkarken; 2026 bu sessizliğin ölçülebilirliğe dönüştüğü bir dönemin habercisi oluyor. Sürdürülebilirlik artık itibarın değil, dayanıklılığın diliyle konuşuyor. Ve belki de bu kez, gerçekten etki konuşuyor.

‍

Kaynakça:

Budak, S. N., & Yavuz, C. I. (2025). Yapay zekânın çevresel geleceği: Fırsatlar ve zorluklar. Sürdürülebilirlik ve Teknoloji Dergisi, 34(4).
https://dergipark.org.tr/tr/download/article-file/4503234

Bloomberg. (2025, 8 Ekim). AI power boom sparks surge in nuclear energy stocks. Bloomberg.
https://www.bloomberg.com/news/articles/2025-10-08/ai-power-boom-sparks-surge-in-nuclear-energy-stocks

Economist Impact. Greening intelligence. https://impact.economist.com/sustainability/project/greening-intelligence/report/

Economist Impact. 3 in 4 corporate sustainability leaders say sustainability budgets unshaken.
https://impact.economist.com/sustainability/net-zero-and-energy/3-in-4-corporate-sustainability-leaders-say-sustainability-budgets-unshaken

EY. AI and sustainability: Opportunities, challenges and impact.
https://www.ey.com/en_nl/insights/climate-change-sustainability-services/ai-and-sustainability-opportunities-challenges-and-impact

Financial Times
https://www.ft.com/content/da16e2b1-4fc2-4868-8a37-17030b8c5498

Forrester.  Predictions 2026: Environmental sustainability.
https://www.forrester.com/blogs/predictions-2026-environmental-sustainability/

Google. AI playbook for sustainability reporting.
https://sustainability.google/reports/ai-playbook-for-sustainability-reporting/

Microsoft. Sustainability Manager: ESG value chain solution.
https://learn.microsoft.com/en-us/industry/sustainability/sustainability-manager-esg-value-chain-solution

UNEP. AI has an environmental problem – here’s what the world can do about it. United Nations Environment Programme.
https://www.unep.org/news-and-stories/story/ai-has-environmental-problem-heres-what-world-can-do-about

World Economic Forum. (2024). AI accelerator for sustainability: A silver bullet?
https://www.weforum.org/stories/2024/09/ai-accelerator-sustainability-silver-bullet-sdim/

World Economic Forum. (2025). Advancing responsible AI innovation: A playbook.
https://www.weforum.org/publications/advancing-responsible-ai-innovation-a-playbook/

YouTube. London Business School. AI and the future of sustainability
https://www.youtube.com/watch?v=arezVVNcoxw

YouTube. TED. We’re Doing AI All Wrong. Here’s How to Get It Right. https://www.youtube.com/watch?v=Bl-vPf_IAoA