Bir öğrencinin saatlerini alacak bir ödevi yapay zekâ birkaç saniyede tamamlayabiliyorsa, asıl sorun öğrencinin ChatGPT kullanması mı? Yoksa üniversitelerin hâlâ aynı ödevi vermeye devam etmesi mi? Bu soru artık teorik değil. Dünyanın önde gelen üniversiteleri son birkaç yıldır yapay zekâyı sınıfta nasıl kontrol edeceklerini tartışıyordu. Bugün ise tartışma hızla başka bir noktaya kayıyor: Yapay zekâ zaten sınıftaysa, üniversite eğitiminin kendisini nasıl değiştirmeliyiz?

MIT’nin Ağustos 2026’da yayımladığı Report of MIT’s Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training bu değişimin bugüne kadarki en dikkat çekici işaretlerinden biri. MIT Başkanı Sally Kornbluth, üretken yapay zekânın yarattığı fırsat ve riskleri yalnızca teknolojik bir değişim olarak değil, MIT ve yükseköğretim için bir dönüm noktası olarak tanımlıyor.

MIT’nin verileri değişimin boyutunu gösteriyor. Yaklaşık 8 bin 200 kişinin katıldığı 2026 Quality of Life araştırmasında, MIT topluluğunun yaklaşık yüzde 40’ı üretken yapay zekâ araçlarını sık veya çok sık kullandığını belirtiyor. Lisans öğrencilerinde bu oran yüzde 46’ya çıkıyor. Raporda aktarılan ayrı bir öğrenci araştırmasında ise öğrencilerin yüzde 46’sı ChatGPT’yi akademik faaliyetlerinde sık veya çok sık kullandığını söylüyor. Başka bir ifadeyle AI artık kampüse girmeye çalışan bir teknoloji değil. Çoktan içeride.

Bu nedenle MIT’nin vardığı sonuç basit bir “AI kullanım politikası” hazırlamaktan daha ileri gidiyor. Neredeyse her dersin yeniden gözden geçirilmesi gerekebilir. Çünkü değişen yalnızca öğrencinin ödev yapma biçimi değil; neyi öğrenmesi gerektiği, nasıl öğrenmesi gerektiği ve gerçekten öğrenip öğrenmediğinin nasıl ölçüleceği. Üstelik öğrencilerin AI ile ilişkisi sandığımız kadar basit değil. MIT öğrencileri AI becerilerine ihtiyaç duyacaklarını ve teknolojinin kendilerini daha üretken hale getirdiğini düşünüyor. Fakat aynı zamanda AI’a giderek bağımlı hale gelmekten endişe ediyorlar. Teknolojinin gerçekten daha iyi öğrenmelerini sağlayıp sağlamadığı konusunda ise görüşler çok daha karışık.

MIT’nin buna verdiği cevap raporun en güçlü ifadelerinden birinde saklı: “Augmentation, not automation.” Yani AI öğrencinin yerine düşünmemeli, öğrencinin daha iyi düşünmesini sağlamalı. Öğrenmenin zor bölümünü ortadan kaldırmak yerine öğrencinin daha karmaşık problemlere ulaşmasına yardım etmeli. Çünkü raporda dikkat çekilen risklerden biri “cognitive surrender”: öğrencinin ilk zihinsel zorlukta düşünme görevini AI’a devretmesi. Eğer bir chatbot birkaç saniye içinde makale yazabiliyor, kod üretebiliyor, matematik problemi çözebiliyor ve bilimsel bir argüman oluşturabiliyorsa, geleneksel ödev hâlâ öğrencinin bilgisini ölçebilir mi?

MIT’nin cevabı giderek “hayır”a yaklaşıyor. Günümüz AI sistemleri lisans düzeyindeki essay’lerden matematik ve fen problemlerine, ispatlardan kodlama ödevlerine kadar geniş bir alanda makul sonuçlar üretebiliyor. Bu nedenle evde hazırlanıp teslim edilen kusursuz bir çalışma artık öğrencinin konuyu gerçekten bildiğinin yeterli kanıtı olmayabilir. Bunun sonucu eğitimde bir çeşit “analog dönüş” bile olabilir.

MIT sözlü sınavları, dönem boyunca oluşturulan portföyleri, proje çalışmalarını ve sınıf dışında hazırlanan işlerin yüz yüze tartışılmasını gündeme getiriyor. Competency ve mastery temelli değerlendirme modellerinin araştırılmasını öneriyor. Rapordaki düşünce deneylerinden biri özellikle çarpıcı: Eğer notlar olmasaydı öğrencilerin AI kullanarak sistemle “oynama” motivasyonunun ne kadarı ortadan kalkardı?

Chicago’dan farklı bir deney: Yapay zekâ var, ama her yerde değil

MIT raporundan yalnızca iki gün önce University of Chicago’dan gelen bir haber, tartışmanın nereye gidebileceğini gösterdi. Üniversitenin Social Sciences Core programında 2026-27 akademik yılında dersler genel olarak “analog” hale getirilecek. Öğrenciler ağırlıklı olarak basılı metinlerden okuyacak ve cihazların bulunmadığı yüz yüze tartışmalara katılacak. AI destekli yazım yasaklanırken öğretim üyelerinin AI ile notlandırma yapmasına da genel olarak izin verilmeyecek. Amaç öğrencilerin AI’a bağımlı olmadan okuma, yazma ve düşünme becerilerini geliştirmesi.

Chicago’nun yaklaşımını ilginç yapan ise üniversitenin AI karşıtı olmaması. Tam tersine University of Chicago, Claude Enterprise’ı üniversite genelinde kullanıma açıyor. Akademisyenler ve çalışanlar sisteme erişebilirken öğrencilerin erişimi Eylül ayında başlayacak. Yani aynı üniversite bir taraftan öğrencilerinin gelişmiş bir AI sistemine erişimini kolaylaştırırken, diğer taraftan bazı sınıfların kapısında teknolojiye “buraya kadar” diyor.

İlk bakışta bu bir çelişki gibi görünebilir. Aslında geleceğin üniversitesinin tasarımına ilişkin önemli bir ipucu olabilir: AI her yerde olacak ama her yerde kullanılmayacak.

Chicago Law School da benzer şekilde temel birinci sınıf derslerinde elektronik cihazları genel olarak yasaklamayı planlıyor. Bu noktada Chicago ile MIT aslında düşündüğümüzden daha yakın. MIT tek tip bir AI politikası önermiyor. Bir şiir semineri, matematik ispatı, mimari tasarım stüdyosu ve doktora araştırmasının aynı kurallarla yönetilemeyeceğini savunuyor. Hatta öğrencilerin teknolojiden bilinçli olarak uzaklaşabilecekleri “AI-free spaces” oluşturulmasını gündeme getiriyor. Chicago’nun analog sınıfı ile MIT’nin “AI-aware” sınıfı bu nedenle iki karşıt model değil; aynı sorunun iki farklı cevabı: Öğrenmenin hangi bölümünü makineye bırakmamalıyız?

Bu soru yalnızca ABD’de sorulmuyor. İngiltere’de HEPI’nin Mart 2026’da yayımladığı araştırmaya göre üniversite öğrencilerinin yüzde 95’i AI’ı en az bir şekilde kullanıyor, yüzde 94’ü ise üretken AI’dan değerlendirilen akademik çalışmalarında yararlanıyor. Öğrencilerin yüzde 65’i değerlendirme yöntemlerinin AI nedeniyle önemli ölçüde değiştiğini söylüyor. Buna rağmen yalnızca yüzde 36’sı üniversitesinin AI kullanımını teşvik ettiğini düşünüyor.

Oxford ise AI kullanımını araştırma yaşam döngüsünün finansman başvurusundan veri analizine ve araştırma çıktılarının hazırlanmasına kadar farklı aşamalarını kapsayan politikalarla yönetiyor; ayrıca summative assessment için ayrı AI kuralları bulunuyor.

Modeller farklılaşsa da genel yön belirginleşiyor: AI’ı üniversiteden çıkarmak yerine üniversiteyi AI’ın bulunduğu dünyaya göre yeniden tasarlamak.

AI çağında insan becerilerinin dönüşü

Bu tartışmanın üniversite kampüsleriyle sınırlı olduğunu düşünmek hata olur. Deloitte’un 2026 yükseköğretim değerlendirmesi, AI işlerin nasıl, nerede ve kim tarafından yapıldığını değiştirirken iletişim, muhakeme ve takım çalışması gibi temel insani becerilerin önemine dikkat çekiyor. İlginç biçimde aynı tartışma iş dünyasında da yaşanıyor. AI daha fazla işi üstlendikçe insan becerilerinin önemi yeniden artıyor.

Bu, MIT raporundaki başka bir uyarıyla örtüşüyor. MIT; office hour katılımında azalma, çevrimiçi akademik tartışmalarda gerileme ve yüz yüze çalışma gruplarında düşüş olduğuna ilişkin sinyallere dikkat çekiyor. AI öğrenciye istediği anda cevap veren olağanüstü bir yardımcı olabilir. Ancak öğrenci artık problemi arkadaşına sormuyor, hocasının kapısını çalmıyor ve çalışma grubuna ihtiyaç duymuyorsa üniversite çok değerli başka bir şeyi kaybediyor olabilir; insanlarla birlikte öğrenmeyi.

Benzer bir ikilem araştırmada ortaya çıkıyor. Bir profesör neden lisans öğrencisini araştırma asistanı olarak çalıştırsın? Bir AI agent daha hızlı, daha ucuz ve 24 saat çalışabiliyor.

MIT tam da bu nedenle uyarıyor. Üniversitenin UROP programı lisans öğrencilerinin yüzde 93’ünü araştırma deneyimiyle buluşturuyor. Öğrencinin laboratuvarda bulunmasının amacı yalnızca profesöre iş üretmek değil. Genç araştırmacı orada hata yapmayı, soru sormayı, eleştirilmeyi, fikir savunmayı, ekip içinde çalışmayı ve zamanla bilimsel muhakeme geliştirmeyi öğreniyor.

AI agent görevi tamamlayabilir; fakat bir sonraki nesil araştırmacıyı yetiştiremez

MIT’nin AI detector’lara mesafeli yaklaşımının arkasında da benzer bir anlayış var. AI tespit sistemlerinin hatalı sonuçlar verebileceğine ve öğrencilerle öğretim üyeleri arasında güvensizlik yaratabileceğine dikkat çekiliyor. Belki çözüm öğrenciyi daha fazla izlemek değil, ölçtüğümüz şeyi değiştirmek.

Yüzyıllardır üniversitelerin önemli görevlerinden biri bilgiye erişim sağlamaktı. Bugün dünyanın bilgisinin önemli bir bölümünü cebimizde taşıyor, birkaç saniye içinde özetletiyor, analiz ettiriyor ve yeniden ürettirebiliyoruz. Bu durumda üniversitenin değer önerisi de değişmek zorunda.

Geleceğin üniversitesi öğrenciye yalnızca doğru cevabı öğretmek yerine doğru soruyu sormayı; bilgiyi aktarmak yerine bilgiyi sorgulamayı, ödev yaptırmak yerine düşünmeyi, yaratmayı, tartışmayı, birlikte çalışmayı ve muhakeme etmeyi öğretmek zorunda kalabilir.

MIT’nin “augmentation, not automation” yaklaşımı ile Chicago’nun analog sınıf deneyi aslında aynı yere çıkıyor: Geleceğin en iyi üniversitesi öğrenciye yalnızca yapay zekâyı nasıl kullanacağını öğreten değil, AI olmadan düşünme yeteneğini de kaybettirmeyen üniversite olacak.