Sorumlu yapay zeka, yapay zeka sistemlerinin tasarımı, geliştirilmesi ve devreye alınması boyunca adillik, şeffaflık, hesap verebilirlik ve güvenlik gereksinimlerinin doğrulanabilir kontrollerle karşılanmasını sağlayan işletim yaklaşımıdır. Bir etik bildiri değil, envanter, risk sınıflandırması, kontrol uygulaması ve sürekli izleme adımlarından oluşan bir yönetim döngüsüdür. Kurumlar için asıl soru ilkelere katılıp katılmadıkları değil, bu ilkelerin hangi mekanizmayla kanıtlandığıdır.

Yapay zeka ilkeleri yayımlamak uzun süre düşük maliyetli bir itibar hamlesiydi. 2026 yılı bu dengeyi değiştirdi. Avrupa Birliği tarafında şeffaflık yükümlülükleri ve genel amaçlı model denetimi fiilen işler hâle geldi, Türkiye tarafında ise yapay zeka politikası bir eylem planı ve düzenleyici kurum rehberleri üzerinden somutlaşmaya başladı. Bu tabloda ilke bildirileri ile fiilî uygulama arasındaki mesafe artık denetlenebilir bir açık hâline geliyor. Bu yazı, sorumlu yapay zekayı soyut bir değerler listesi olarak değil, kurumsal karar vericinin bütçeleyebileceği ve ölçebileceği bir işletim modeli olarak ele alıyor.

Sorumlu yapay zeka nedir?

Sorumlu yapay zeka, yapay zeka sistemlerinin öngörülebilir, denetlenebilir ve hesabı verilebilir biçimde çalışmasını sağlayan ilke, süreç ve teknik kontrol bütünüdür. Kapsamı yalnızca model geliştirme aşamasıyla sınırlı değildir. Satın alınan bir modelin kurum içinde nasıl konumlandırıldığı, hangi kararların otomatikleştirildiği ve çıktıların hangi noktada insan onayından geçtiği de bu kapsamın parçasıdır.

Kavram sıklıkla yapay zeka etiği ile eş anlamlı kullanılıyor, ancak ikisi aynı şey değildir. Yapay zeka etiği neyin doğru olduğunu tartışır ve normatif bir zemin kurar. Sorumlu yapay zeka ise bu zemini operasyonel gereksinime çevirir. Etik tartışma ayrımcılığın kabul edilemez olduğunu söyler; sorumlu yapay zeka uygulaması, işe alım modelinin alt gruplar bazında performans farkını hangi eşikte, hangi sıklıkta ve kim tarafından ölçüleceğini tanımlar.

Bu ayrım pratikte önemlidir çünkü kurumların çoğu etik aşamasında takılı kalır. İlke metni yayımlanır, farkındalık eğitimi verilir, ardından geliştirme ekipleri eski hızında çalışmaya devam eder. Sorumlu yapay zeka, ilkeyi bir kabul kriteri hâline getirmediği sürece üretim ortamında karşılığı olmayan bir belge olarak kalır.

Sorumlu yapay zeka neden 2026'da bir uyum konusuna dönüştü?

Çünkü yükümlülük takvimi 2026 yazında ikiye ayrıldı ve pek çok kurum yanlış tarafa hazırlandı. Bugün bağlayan yükümlülükler ile 2027 ve sonrasına ertelenen yükümlülükleri ayırt etmek, bütçe ve kaynak planlamasının başlangıç noktasıdır.

Avrupa Birliği tarafında şeffaflık yükümlülükleri ve genel amaçlı yapay zeka sağlayıcıları üzerindeki denetim yetkileri 2 Ağustos 2026 tarihinde planlandığı gibi yürürlüğe girdi ve ertelenmedi. Buna karşılık yüksek riskli sistemlere ilişkin yükümlülükler, Resmî Gazete'de 24 Temmuz 2026'da yayımlanan ve 27 Temmuz 2026'da yürürlüğe giren Digital Omnibus düzenlemesiyle ertelendi: bağımsız yüksek riskli sistemler için 2 Aralık 2027, halihazırda düzenlenmiş ürünlere gömülü sistemler için 2 Ağustos 2028. Pratik sonuç şudur: sohbet arayüzlerinin yapay zeka olduğunu bildirmesi ve üretilen içeriğin işaretlenmesi bugünün konusu, uygunluk değerlendirmesi ve teknik dosya ise önümüzdeki iki yılın konusudur.

Türkiye'de yapay zekayı doğrudan düzenleyen bağlayıcı bir çerçeve kanun henüz yürürlükte değil. Buna rağmen zemin boş değildir. Türkiye Yapay Zekâ Eylem Planı (2026-2030), 2026/9 sayılı Cumhurbaşkanlığı Genelgesi ile 18 Ağustos 2026 tarihli Resmî Gazete'de yayımlanarak yürürlüğe girdi ve 2021-2025 dönemini kapsayan Ulusal Yapay Zeka Stratejisi'nin yerini aldı. Genelge özel sektöre doğrudan yaptırım getirmez, ancak kamu tarafında beklenen etki değerlendirmesi ve model kartı pratiğinin tedarik zinciri üzerinden özel sektöre yansıması olasıdır. Kişisel veri boyutunda ise Kişisel Verileri Koruma Kurumu'nun üretken yapay zeka rehberi ve 12 Mart 2026 tarihinde yayımlanan Etken Yapay Zekâ (Agentic AI) başlıklı rehberi, bağlayıcı olmasa da kurumun beklentilerini gösteren referans metinler olarak değerlendirilmelidir.

Sorumlu yapay zeka ilkeleri hangi operasyonel kontrollere karşılık gelir?

Her ilkenin karşılığında ölçülebilir en az bir kontrol vardır. İlkeyi kontrole çeviremiyorsanız, o ilke denetimde savunulabilir değildir.

Adillik, alt grup performans ölçümüne karşılık gelir. Modelin toplam doğruluğu değil, farklı segmentlerdeki hata dağılımı izlenir. Kredi skorlama veya aday eleme gibi süreçlerde red oranlarının segmentler arası farkı düzenli olarak raporlanır ve belirlenmiş eşiği aştığında model yeniden eğitime alınır. Bu kontrol olmadan adillik iddiası bir temenniden ibarettir.

Şeffaflık üç ayrı artefakta karşılık gelir: modelin amacını, sınırlarını ve eğitim verisinin niteliğini anlatan model kartı, hangi girdiyle hangi çıktının üretildiğini saklayan karar günlüğü ve kullanıcıya yapay zeka ile etkileşimde olduğunu bildiren arayüz uyarısı. Üçüncüsü artık yalnızca iyi uygulama değil, Avrupa pazarına dokunan kurumlar için yürürlükteki bir yükümlülüktür.

Hesap verebilirlik, isimlendirilmiş sistem sahibine karşılık gelir. Her yapay zeka sistemi için modelin iş sonucundan sorumlu tek bir kişi tanımlanmalıdır. Sahibi olmayan sistem, olay anında sahiplenilmeyen sistemdir. Bu atama veri bilimi ekibine değil, kararın etkilediği iş biriminin yöneticisine yapılmalıdır.

Güvenilirlik, giriş ve çıkış katmanındaki koruma mekanizmalarına ve düzenli değerlendirme koşumuna karşılık gelir. Üretken sistemlerde bu, istem enjeksiyonu ve hassas veri sızıntısına karşı guardrail katmanı ile sürüm öncesi çalıştırılan bir eval harness anlamına gelir. Model her güncellendiğinde aynı test setinin tekrar koşulması, kalite gerilemesini üretimden önce yakalamanın tek yoludur.

Gizlilik, veri ikametgâhı ve erişim sınırlaması kararlarına karşılık gelir. Hangi verinin hangi coğrafyadaki hangi modele gideceği, üçüncü taraf sağlayıcının veriyi eğitimde kullanıp kullanmadığı ve saklama süresi sözleşme düzeyinde netleştirilir. Bu karar teknik ekibe bırakılamayacak kadar hukuki sonuç doğurur.

Sorumlu yapay zeka ile yapay zeka yönetişimi arasındaki fark nedir?

Sorumlu yapay zeka hedef durumu, yapay zeka yönetişimi ise o duruma ulaşmayı sağlayan mekanizmadır. İkisini karıştırmak, kurumlarda en sık görülen kavramsal hatadır ve doğrudan sorumluluk boşluğuna yol açar.

Sorumlu yapay zeka bir çıktı ifadesidir: sistem adil mi, açıklanabilir mi, güvenli mi, hesabı verilebilir mi. Yönetişim ise bu soruların kim tarafından, hangi komitede, hangi sıklıkta ve hangi kanıtla yanıtlanacağını belirleyen yapıdır. Yönetişim olmadan sorumlu yapay zeka bireysel iyi niyete bağımlı kalır ve ekip değişikliğinde buharlaşır.

Rol dağılımı da farklıdır. Sorumlu yapay zekanın gereksinimlerini hukuk, uyum ve iş birimleri birlikte tanımlar. Yönetişimin işletilmesi ise genellikle bir yapay zeka kurulu veya mevcut risk komitesinin genişletilmiş hâli üzerinden yürür. Veri yönetişimi olgunluğu yüksek kurumlarda bu yapı sıfırdan kurulmaz, mevcut veri komitesine yapay zeka gündemi eklenerek genişletilir. Bu yaklaşım hem daha hızlıdır hem de paralel ve çelişen iki karar mercii oluşmasını önler.

Bir kurumun sorumlu yapay zeka olgunluğu nasıl ölçülür?

Olgunluk, yayımlanan belge sayısıyla değil, dört kademede sorulan doğrulama sorularına verilen yanıtla ölçülür. Kurumların çoğu ilk kademede bulunduğu hâlde kendini üçüncü kademede sanır.

Birinci kademe bildiri seviyesidir. Kurumun yayımlanmış yapay zeka ilkeleri vardır. Doğrulama sorusu şudur: bu ilkeler son on iki ayda herhangi bir projenin kapsamını, tasarımını veya devreye alma kararını değiştirdi mi? Yanıt hayır ise kurum bu kademededir.

İkinci kademe envanter seviyesidir. Kurum, üretimde çalışan yapay zeka sistemlerinin güncel bir listesine sahiptir. Doğrulama sorusu, listenin satın alınan yazılımların içine gömülü modelleri ve ekiplerin bireysel olarak kullandığı üretken araçları kapsayıp kapsamadığıdır. Gölge kullanım envantere girmiyorsa liste eksiktir.

Üçüncü kademe kontrol seviyesidir. Envanterdeki her sistem risk sınıfına ayrılmış ve sınıfa göre farklı kontrol seti uygulanmıştır. Doğrulama sorusu şudur: yüksek etkili olarak işaretlenen bir sistem, insan onayı olmadan üretime çıkabiliyor mu?

Dördüncü kademe izleme seviyesidir. Kontroller tek seferlik değil süreklidir; performans sapması, önyargı göstergeleri ve olay kayıtları düzenli olarak raporlanır. Doğrulama sorusu, son bir yılda tespit edilmiş ve kayda geçmiş bir yapay zeka olayının bulunup bulunmadığıdır. Hiç olay kaydı olmayan kurum genellikle güvenli değil, körlemesine çalışıyordur.

Sorumlu yapay zeka programı nereden başlatılmalı?

İlk adım politika yazmak değil, envanter çıkarmaktır. Neyin çalıştığını bilmeden hangi ilkenin hangi sisteme uygulanacağı belirlenemez.

İlk otuz gün envantere ayrılmalıdır. Hangi sistemler, hangi süreçte, hangi veriyle ve kimin kararı yerine çalışıyor sorusu her birim için ayrı ayrı yanıtlanır. Envanterin en zor kısmı kurum içi geliştirmeler değil, satın alınan yazılımlara gömülü modellerdir; tedarikçilere yazılı soru göndermek bu aşamanın standart parçası olmalıdır.

Sonraki otuz gün sınıflandırmaya ayrılır. Her sistem, bireyler üzerindeki etkisine göre kademelendirilir. İstihdam, kredi, sağlık, eğitim ve erişim kararlarına dokunan sistemler en üst kademeye alınır. Bu sınıflandırma aynı zamanda Avrupa pazarına dokunan kurumlar için 2027 hazırlığının da temelini oluşturur, çünkü ertelenen tarih hazırlık süresini uzatmış ancak gereksinimleri hafifletmemiştir.

Son otuz gün insan gözetimi ve izlemeye ayrılır. Üst kademedeki her sistem için kararın hangi noktada bir insana devredileceği, o kişinin kararı reddetmek için gerekli bilgiye sahip olup olmadığı ve olayın nereye kaydedileceği tanımlanır. İzleme kurulmadan yapılan her şey tek seferlik bir denetim tatbikatı olarak kalır.

Bu yazının düzenleyici çerçeveyi anlatan bölümü zamana duyarlıdır. Avrupa Birliği tarafındaki tarihler ve Türkiye'deki kanun teklifi süreci hareket hâlinde olduğundan, bu bölüm en geç altı ayda bir gözden geçirilmelidir. İlkeler ve kontrol karşılıkları ise yapısal olarak daha kalıcıdır.

Sıkça Sorulan Sorular

Sorumlu yapay zeka için alınabilecek bir sertifika var mı?

Doğrudan ve evrensel kabul gören tek bir sertifika yoktur. Kurumlar genellikle yapay zeka yönetim sistemi standardı üzerinden belgelendirme yolunu izler ve bunu mevcut bilgi güvenliği yönetim sistemiyle entegre eder. Belgelendirme, uyumun kendisi değil uyumun kanıtlanma biçimidir; envanter ve kontrol altyapısı kurulmadan alınan belge denetimde savunulamaz.

Küçük ve orta ölçekli bir şirket bunu nasıl uygular?

Ölçek küçüldükçe yapı sadeleşir ancak sıra değişmez. Ayrı bir komite kurmak yerine mevcut yönetim toplantısına sabit bir yapay zeka gündem maddesi eklemek yeterlidir. Envanter bir elektronik tabloda tutulabilir. Kritik olan, kullanılan üretken araçların ve bunlara giren verinin kayıt altına alınmasıdır.

Türkiye'de sorumlu yapay zeka yasal bir zorunluluk mu?

Yapay zekaya özgü bağlayıcı bir çerçeve kanun henüz yürürlükte değildir, ancak bu düzenleme boşluğu anlamına gelmez. Kişisel veri işleyen sistemler mevcut mevzuata tabidir ve otomatik kararlara ilişkin yükümlülükler bugün de geçerlidir. Avrupa pazarına ürün veya hizmet sunan Türkiye merkezli kurumlar ise Birlik düzenlemesinin kapsamına doğrudan girebilir.

Üretken yapay zeka ile klasik modellerde yaklaşım farklılaşır mı?

Çerçeve aynıdır, ağırlık noktası değişir. Klasik tahmin modellerinde adillik ve performans sapması öne çıkarken üretken sistemlerde çıktı doğruluğu, kaynak gösterimi, istem enjeksiyonu ve veri sızıntısı riski öne çıkar. Etken sistemlerde ise otonomi seviyesi arttığı için insan onay noktalarının tanımlanması en kritik kontrol hâline gelir.

TL;DR

Sorumlu yapay zeka bir ilke listesi değil, envanter, sınıflandırma, kontrol ve izleme adımlarından oluşan bir işletim modelidir. 2026 itibarıyla şeffaflık ve genel amaçlı model yükümlülükleri yürürlüktedir, yüksek riskli sistem yükümlülükleri ise 2027 ve 2028'e ertelenmiştir. Türkiye'de bağlayıcı bir çerçeve kanun bulunmamakla birlikte eylem planı ve düzenleyici kurum rehberleri beklenen uygulama çıtasını göstermektedir. Olgunluk, yayımlanan belgeyle değil üretime çıkan sistemin insan onayından geçip geçmediğiyle ölçülür.

Sonuç

Sorumlu yapay zeka tartışması Türkiye'de hâlâ büyük ölçüde ilke düzeyinde yürüyor. Oysa bu alandaki asıl ayrım, hangi ilkelere katıldığınız değil, o ilkelerin üretime çıkan bir sistemi durdurma yetkisine sahip olup olmadığıdır. İlke bildirisi ile kabul kriteri arasındaki fark, denetim anında ortaya çıkan tek anlamlı farktır.

Bu nedenle bir sonraki adım yeni bir politika metni yazmak değil, mevcut durumu ölçmektir. Kurumunuzda üretimde çalışan yapay zeka sistemlerinin listesini çıkarın ve her birini bu yazıdaki dört kademeye göre puanlayın: bildiri, envanter, kontrol, izleme. Listeyi çıkardıktan sonra ilk üç sistemin sahibini isimlendirin. Puanınızın çoğunlukla birinci kademede toplanması beklenen bir sonuçtur ve programın nereden başlaması gerektiğini doğrudan gösterir.

Kaynaklar

Kişisel Verileri Koruma Kurumu, Etken Yapay Zekâ (Agentic AI) rehberi: https://www.kvkk.gov.tr/Icerik/8683/etken-yapay-zeka-agentic-ai

Türkiye Yapay Zekâ Eylem Planı (2026-2030), 2026/9 sayılı Cumhurbaşkanlığı Genelgesi: https://www.memurlar.net/haber/1175670/turkiye-yapay-zeka-eylem-plani-genelgesi-resmi-gazete-de.html

‍