Mimarlık Pratiğinin Dönüşümü Üzerine Eleştirel Bir Değerlendirme

Öz

Bu makale, “Yapay zekâ mimarların işini elinden alacak mı?” sorusunu, basit bir “yerine geçme” tartışmasından çıkararak, mimarlık pratiğinin dönüşümü bağlamında eleştirel biçimde irdelemektedir. Çalışma, hesaplamalı tasarım, yapay zekâ destekli tasarım araçları ve mimarlık eğitimi üzerine güncel literatürü inceleyen kavramsal bir derleme niteliğindedir. Öncelikle, parametrik, generatif ve algoritmik tasarım kavramlarının tarihsel arka planı özetlenerek, yapay zekânın bu çerçeve içindeki konumu tartışılmaktadır. Ardından, yapay zekânın mimarlıkta performans odaklı tasarım, generatif üretim, görsel konsept geliştirme ve mimarlık eğitiminde stüdyo kültürünün dönüşümü gibi alanlardaki kullanım pratikleri incelenmektedir. Bulgular, yapay zekânın tekrarlayan ve rutin görevleri otomatikleştirerek tasarım sürecini hızlandırdığını, sürdürülebilirlik ve enerji performansı gibi ölçülebilir parametreleri tasarımın erken safhasına taşıdığını göstermektedir. Bununla birlikte, bağlamsal okuma, yaratıcı sentez ve etik/politik sorumluluk alanlarında mimarın rolünün belirleyici olmaya devam ettiği görülmektedir. Sonuç olarak, yapay zekânın mimarlık mesleğini ortadan kaldırmaktan ziyade, mesleğin icra edilmesi için gereken asgari yetkinlik eşiğini yükselttiği ve mimarı “çizim üreten teknisyen” profilinden “veri okuyan, etik çerçeve kuran tasarım stratejisti” profiline doğru ittiği savunulmaktadır.

Anahtar kelimeler: yapay zekâ, mimarlık, hesaplamalı tasarım, generatif tasarım, BIM, mimarlık eğitimi, etik

1. Giriş

“Yapay zekâ mimarların işini elinden alacak mı?” sorusu, mimarlık alanında son yıllarda sıkça dile getirilen bir kaygıyı yansıtmaktadır. Bu kaygı, daha geniş bir teknolojik dönüşüm hikâyesinin parçasıdır: bilgisayar destekli tasarım (CAD), ardından yapı bilgi modelleme (BIM) ve bugün yapay zekâ (YZ) temelli araçlar, mimarlık mesleğinin hem üretim süreçlerini hem de mesleki kimliğini yeniden tanımlamaktadır.

Yapay zekânın mimarlıkta kullanımı üzerine yapılan güncel derleme çalışmalar, özellikle generatif tasarım, mekânsal organizasyon optimizasyonu ve enerji verimliliği gibi alanlarda yoğunlaştığını göstermektedir. (MDPI) Bu çalışmalar, bir yandan tasarım verimliliğinin arttığını, diğer yandan da etik, mesleki kimlik ve eğitim bağlamında yeni tartışma başlıklarının ortaya çıktığını vurgular.

Bu makale, söz konusu tartışmayı “meslek ortadan kalkacak mı?” gibi deterministik bir düzlemde değil, yapay zekânın mimarlık pratiğini nasıl dönüştürdüğü ve bu dönüşümün hangi sınırlar ve imkânlar içinde gerçekleştiği soruları etrafında eleştirel biçimde konumlandırmaktadır. Bu amaçla, hesaplamalı tasarım literatürü, yapay zekâ uygulamalarına ilişkin sistematik derlemeler ve mimarlık eğitiminde yapay zekâ odaklı stüdyo deneyimleri birlikte okunmaktadır. (ScienceDirect)

2. Yöntem

Bu çalışma, ampirik veri toplayan deneysel bir araştırma değil, kavramsal bir literatür derlemesi ve eleştirel değerlendirme niteliğindedir. Yöntem üç ana aşamadan oluşmaktadır:

1. Literatür taraması

   • 2020–2025 yılları arasında yayımlanmış, mimarlıkta yapay zekâ uygulamalarını konu alan derleme ve sistematik incelemeler taranmıştır. Özellikle Li ve arkadaşlarının yapay zekânın tasarım verimliliğine etkisini inceleyen derlemesi ile Bölek ve arkadaşlarının mimarlıkta yapay zekâ uygulamalarına ilişkin sistematik incelemesi temel referanslar arasına alınmıştır. (MDPI)
   • Hesaplamalı tasarım, parametrik ve generatif tasarım kavramlarını açıklayan kuramsal çalışmalar seçilmiştir. (ScienceDirect)
   • Mimarlık eğitimi ve yapay zekâ ilişkisini ele alan son dönem makaleler (AI-assisted studio modelleri, yapay zekâ destekli stüdyo kültürü vb.) incelenmiştir. (SpringerLink)

2. Tematik sınıflandırma Elde edilen çalışmalar, dört ana tema altında kavramsal olarak sınıflandırılmıştır:

   • Yapay zekânın mimarlıkta uygulama alanları (performans analizi, generatif tasarım, görsel üretim vb.)
   • Yapay zekâ ve mesleki rol/kimlik dönüşümü
   • Yapay zekâ ve mimarlık eğitimi
   • Yapay zekâ ve etik/politik boyut

3. Eleştirel sentez Tematik başlıklar altında toplanan bulgular, “yerine geçme tezi” ile “işbirliği tezi” arasındaki gerilim çerçevesinde yeniden okunmuş; tarihsel olarak CAD ve BIM’in mesleğe giriş süreciyle analoji kurularak tartışılmıştır.

Bu yöntem, kapsamlı bir meta-analiz yerine, mimarlık pratiği ve eğitimi açısından teorik olarak anlamlı kırılma ve süreklilik noktalarını görünür kılmayı hedeflemektedir.

3. Bulgular

3.1. Hesaplamalı tasarım çerçevesinde yapay zekânın konumu

Hesaplamalı tasarım literatürü, parametrik, generatif ve algoritmik tasarım kavramlarını mimarlığın son yirmi yılına damga vurmuş üç temel yaklaşım olarak tanımlar. Caetano ve arkadaşları, parametrik tasarımda tasarımcının girdi olarak parametreleri belirlediğini; generatif tasarımda ise performans hedefleri doğrultusunda otomatik çözüm aramasının öne çıktığını vurgular. (ScienceDirect)

Bu çerçevede yapay zekâ, özellikle makine öğrenmesi ve derin öğrenme yöntemleriyle, sadece parametrik varyasyon üreten bir araç olmaktan çıkarak, geniş veri kümelerinden öğrenen, performans tahminleri yapan ve tasarıma ilişkin öneriler üreten bir “hesaplamalı ortak” olarak konumlanmaktadır. Li ve arkadaşları, yapay zekânın tasarım sürecinin erken safhalarında enerji performansı, gün ışığı ve hatta kullanıcı davranışı tahmini gibi alanlarda kullanıldığını ve bunun tasarım verimliliğini artırdığını ortaya koymaktadır. (MDPI)

3.2. Uygulama alanları: Performans, generatif tasarım ve görsel üretim

Bölek ve arkadaşlarının sistematik incelemesi, mimarlıkta yapay zekâ uygulamalarını; biçim üretimi, mekânsal organizasyon, enerji verimliliği, kullanıcı davranış modellemesi ve görsel üretim gibi alt kategorilerde sınıflandırmaktadır. (Dr. Arch) Bu çerçevede öne çıkan bulgular şu şekilde özetlenebilir:

• Performans odaklı tasarım: Yapay zekâ destekli modeller, tasarımın erken safhalarında bina kabuğunun enerji davranışı, gün ışığı dağılımı ve iç mekân konforu gibi parametreler için hızlı öngörüler sağlayabilmektedir. Li ve arkadaşları, bu tür araçların erken dönemde alınan kararlarla enerji verimliliğini artırma ve tasarım süresini kısaltma potansiyeline sahip olduğunu göstermektedir. (MDPI)

• Generatif tasarım ve biçim arama: Generatif tasarım araçları, tasarımcı tarafından tanımlanan performans hedefleri (maliyet, malzeme, enerji, gün ışığı vb.) doğrultusunda binlerce alternatif üretebilmekte ve bu alternatifleri çok ölçütlü şekilde kıyaslamaya imkân tanımaktadır. Bu durum, özellikle karmaşık geometrilere sahip büyük ölçekli projelerde tasarımcının karar uzayını genişletmektedir. (ScienceDirect)

• Görsel üretim ve konsept geliştirme: Generatif görüntü modelleri (örneğin Midjourney, DALL·E vb.), mimari konsept geliştirme sürecinde atmosfer, malzeme, form ve ışık senaryolarını hızlı biçimde görselleştirmeye olanak sağlamaktadır. Bu araçların, özellikle tasarımın erken safhalarında görsel araştırma ve sunum üretim kapasitesini artırdığı; ancak tasarımı “tam otomatik” hale getirmekten çok, tasarımcının görsel deneme aralığını genişlettiği vurgulanmaktadır. (MDPI)

3.3. Mimarlık eğitiminde yapay zekâ: Stüdyo kültürünün dönüşümü

Yapay zekânın mimarlık eğitimine entegrasyonu, özellikle tasarım stüdyosunun yeniden kurgulanması bağlamında tartışılmaktadır. Özorhon ve arkadaşlarının “AI-assisted architectural design studio (AI-a-ADS)” modeli, yapay zekânın tasarım sürecine “yaratıcı ortak” olarak katıldığı bir stüdyo örgütlenmesi önermektedir. (SpringerLink)

Bu modelde, öğrenciler tasarım problemini tanımlarken, veri toplarken ve konsept geliştirirken yapay zekâ araçlarını kullanmakta; ancak kritik karar noktalarında insan-yapay zekâ etkileşimi stüdyonun temel pedagojik eksenlerinden birini oluşturmaktadır. Karadağ’ın benzer yöndeki değerlendirmeleri, yapay zekâ destekli stüdyoların stüdyo kültürünü tamamen değiştirmekten çok, stüdyo içi roller ve beklentileri yeniden tanımladığını göstermektedir. (DergiPark)

3.4. Tasarım otomasyonu ve mesleki rol dönüşümü

Literatürde, yapay zekâ temelli otomasyonun özellikle tekrarlayan işlerde (metraj, standart detaylandırma, çakışma tespiti vb.) verimlilik sağladığı konusunda geniş bir mutabakat vardır. (MDPI) Bu bulgular, yapay zekânın mimarı bütünüyle işlevsiz kılmasından ziyade, mimarın görev dağılımını değiştirdiğine işaret etmektedir:

• “Çizim yapan mimar” rolü zayıflarken,
• Veriyi okuyan, etik ve bağlamsal çerçeve kuran, çok aktörlü süreçleri yöneten “tasarım stratejisti” rolü öne çıkmaktadır. (Dr. Arch)

4. Tartışma

4.1. “Yerine geçme” ve “işbirliği” tezleri arasındaki gerilim

Popüler tartışmada sıkça karşımıza çıkan “yapay zekâ mimarların yerini alacak” söylemi, çoğu zaman yapay zekâyı homojen ve özerk bir özne olarak kurgulayan indirgemeci varsayımlara dayanır. Oysa incelenen akademik çalışmalar, insan–yapay zekâ ilişkisini “ikame” yerine “işbirliği” olarak tanımlayan daha nüanslı bir çerçeve önermektedir. (MDPI)

Bu çerçevede yapay zekâ:

• Veri yoğun, tekrarlayan ve algoritmik olarak tanımlanabilir görevleri üstlenen,
• Tasarımcıya hızlı geri bildirim ve varyant üretimi sağlayan,
• Performans ve sürdürülebilirlik gibi alanlarda erken evre öngörü kapasitesini artıran

bir araç olarak konumlanır. Buna karşın, problem tanımı, bağlamsal okuma ve etik karar gibi alanlarda insan tasarımcının rolü belirleyici olmaya devam etmektedir.

4.2. Bağlamsal okuma, yaratıcı sentez ve etik/politik sorumluluk

Mimarlık pratiği, yalnızca ölçülebilir performans parametrelerinin yönetimi değil, aynı zamanda kültürel kodların, toplumsal güç ilişkilerinin ve kullanıcı hikâyelerinin mekânsal dile çevrilmesi sürecidir. Yapay zekâ, kullanıcı davranışları, hareket örüntüleri, sosyo-ekonomik göstergeler gibi alanlarda büyük veri setlerini işleyebilse de, bu verilerin hangi mekânsal ve etik çerçeve içinde yorumlanacağı hâlen mimarın sorumluluğundadır.

Kent planlama ve mimarlık literatürü, algoritmik önyargı, veri setlerinde dezavantajlı grupların dışlanması ve gözetim mekanizmalarının güçlenmesi gibi risklere dikkat çekmektedir. (injoqast.net) Bu riskler, mimarın rolünü yalnızca “tasarımcı” olmaktan çıkarıp, aynı zamanda “sorumlu teknoloji kullanıcısı” ve “etik karar verici” konumuna taşımaktadır.

4.3. Tarihsel analoji: CAD ve BIM deneyimi

Yapay zekâ tartışmasını tarihsel bağlamda konumlandırmak için CAD ve BIM’in mesleğe giriş süreciyle analoji kurmak anlamlıdır. CAD’in 1980’lerde yaygınlaşması, o dönemde çizim teknisyenleri ve mimarlar için ciddi bir iş kaybı kaygısı yaratmıştır. Ancak sonraki yıllar, CAD ve BIM’in:

• Revizyon maliyetlerini düşürdüğünü,
• Daha karmaşık projelerin yönetimini mümkün kıldığını,
• Ofis içinde yeni uzmanlık alanları (örneğin BIM yöneticisi) doğurduğunu göstermiştir. (ScienceDirect)

Bugün yapay zekâ, CAD ve BIM’in üzerine eklenen yeni bir katman olarak, benzer bir dönüşüm potansiyeli taşımaktadır. Dolayısıyla tarihsel deneyim, “meslek kaybı”ndan çok “mesleki rol ve yetkinlik dönüşümü”ne işaret etmektedir.

5. Sonuç

Bu makale, “Yapay zekâ mimarların işini elinden alacak mı?” sorusunu, mimarlık pratiği ve eğitimi bağlamında eleştirel bir literatür okuması üzerinden tartışmıştır.

Bulgular ve tartışma ışığında şu sonuçlara ulaşılmaktadır:

1. Yapay zekâ, mimarlık mesleğini ortadan kaldırmaktan çok, mesleğin icrası için gerekli asgari yetkinlik eşiğini yükseltmektedir. Veri okuryazarlığı, hesaplamalı düşünme, etik sorgulama ve disiplinlerarası düşünme, artık tali değil, merkezi yetkinlikler haline gelmektedir. (MDPI)

2. Tekrarlayan ve rutin görevler giderek daha fazla otomasyona açılmaktadır. Metraj, standart performans analizleri, belirli tip plan varyantları ve çakışma tespiti gibi süreçler, yapay zekâ destekli sistemlere devredilirken, mimarın zamanını problem tanımı, kavramsal çerçeve ve etik karar alanlarına kaydırmaktadır. (injoqast.net)

3. Sürdürülebilirlik ve enerji performansı, yapay zekâ destekli araçlarla tasarımın erken evrelerine taşınmaktadır. Bu durum, karbon duyarlı tasarımı mimarlığın temel ölçütlerinden biri haline getirme potansiyeli taşımaktadır. (MDPI)

4. Mimarlık eğitiminde yapay zekâ, stüdyo kültürünü dönüştürmektedir. AI-assisted studio modelleri, öğrencinin yapay zekâyı yalnızca görsel üretim için değil, problem tanımı, veri toplama ve seçenek oluşturma süreçlerinde de kullanmasını teşvik etmektedir. Bu durum, geleceğin mimar kuşağının mesleğe bakışını kökten etkilemektedir. (SpringerLink)

5. Etik ve politik boyut, yapay zekâ tartışmasının merkezine yerleşmektedir. Algoritmik önyargı, veri temelli dışlama mekanizmaları ve gözetim mimarlikleri, mimarın teknik rolünün yanında etik sorumluluğunu da artırmaktadır. (injoqast.net)

Bu çerçevede, geleceğe yönelik daha anlamlı soru şu şekilde formüle edilebilir:

Yapay zekânın yoğun biçimde kullanıldığı bir tasarım ortamında, nasıl bir mimara ihtiyaç duyulacaktır?

Yanıt, yapay zekâyı “rakip” değil, güçlü fakat dikkatle yönetilmesi gereken bir araç olarak gören; veri ve algoritmaları eleştirel biçimde sorgulayabilen; yerel bağlamı, sürdürülebilirlik hedeflerini ve toplumsal adalet perspektifini tasarımın merkezine yerleştiren bir mimar profilini işaret etmektedir.

Kaynakça (seçme)

• Bölek, B., Tutal, O., & Özbaşaran, H. (2023). A systematic review on artificial intelligence applications in architecture. Journal of Design for Resilience in Architecture and Planning, 4(1), 91–104. (Dr. Arch)

• Caetano, I., Santos, L., & Leitão, A. (2020). Computational design in architecture: Defining parametric, generative, and algorithmic design. Frontiers of Architectural Research, 9(2), 287–300. (ScienceDirect)

• Karadağ, D. (2025). AI in architectural education: Rethinking studio culture. ICCAUA Proceedings Journal, 8, 343–355. (DergiPark)

• Li, Y., Chen, H., Yu, P., & Yang, L. (2025). A review of artificial intelligence in enhancing architectural design efficiency. Applied Sciences, 15(3), 1476. (MDPI)

• Li, Y., Chen, H., & Yu, P. (2025). A review of artificial intelligence applications in architectural design: Energy-saving renovations and adaptive building envelopes. Energies, 18(4), 918. (ResearchGate)

• Mahendra, I. M. A. (2025). Integration of artificial intelligence in architectural design: Current approaches and applications. International Journal of Science and Engineering Research, 9(1). (injoqast.net)

• Özorhon, G., Nitelik Gelirli, D., Lekesiz, G., & Müezzinoğlu, C. (2025). AI-assisted architectural design studio (AI-a-ADS): How artificial intelligence join the architectural design studio? International Journal of Technology and Design Education, 35, 1999–2023. (SpringerLink)