Kamuda yapay zeka entegrasyonu: belediyeler nereden başlamalı?

Belediyelerde yapay zeka konuşulurken soru çoğu zaman "yapay zeka kullanalım mı?" diye soruluyor. Bence doğru soru şu: Hangi iş, yapay zekaya devredildiğinde daha iyi ve daha güvenli yapılır? Bu soruya cevap vermeden başlayan projeler ya gösterişli ama kullanılmayan bir sohbet botunda kalıyor ya da kişisel veri konusunda kurumu riske atıyor.

Bu yazıda, bir belediyede canlıda çalışan kurumsal yönetim sistemine yapay zekayı nasıl eklediğimizi ve bundan çıkardığım ilkeleri anlatıyorum: hangi işle başlanmalı, entegrasyon teknik olarak nasıl kurulmalı ve nelere dikkat edilmeli.

Kamuda yapay zekanın üç katmanı

Belediyede yapay zekanın kullanılabileceği alanları üç katmanda düşünmek işe yarıyor. Katman ilerledikçe hem fayda hem de risk artıyor.

1. İç verimlilik. Raporları özetlemek, uzun metinleri sadeleştirmek, kurum içi belgelerde arama yapmak. Çıktıyı kurum çalışanı okur ve kullanır.
2. Personele destek. Mevzuat ve hizmet rehberleri üzerinde soru sorulabilen bir asistan, yazışma taslakları. Çıktı bir karar sürecine girer, ama arada yine bir insan vardır.
3. Vatandaşa dönük hizmetler. Başvuruları sınıflandırmak, sık sorulan soruları yanıtlamak, talepleri doğru birime yönlendirmek. Burada yapay zekanın hatası doğrudan vatandaşa yansır.

Benim önerim her zaman birinci katmandan başlamak. Sebebi basit: kurum hem teknolojiyi hem de kendi verisinin durumunu düşük riskle öğrenir.

İlk iş nasıl seçilir?

Bir işin yapay zekaya uygun ilk aday olup olmadığını dört soruyla değerlendiriyorum:

• Veri hazır mı? İş için gereken bilgi zaten dijital ve düzenli mi, yoksa önce kâğıttan aktarılması mı gerekiyor?
• Hatanın maliyeti düşük mü? Yapay zeka yanlış bir şey üretirse ne olur? Bir özetin eksik olması ile bir vatandaşa yanlış bilgi verilmesi aynı şey değildir.
• Çıktıyı bir insan görüyor mu? Sonuç kullanılmadan önce bir çalışanın gözünden geçiyorsa risk ciddi biçimde azalır.
• Kişisel veri gerekiyor mu? Gerekmiyorsa KVKK ve yurt dışına aktarım soruları baştan ortadan kalkar.

Dört soruya da "evet, düşük, evet, hayır" cevabını veren iş, iyi bir başlangıçtır.

Bizim ilk adımımız: yönetici özeti

Kurduğumuz sistemde müdürlükler haftalık ve aylık faaliyet raporlarını, KPI değerleriyle birlikte sisteme giriyor. Başkanlık makamının her müdürlüğün raporunu tek tek okuması mümkün değil. Yapay zeka bu raporları tek sayfalık bir yönetici özetine dönüştürüyor; hangi raporların zamanında geldiği, nerede onayların biriktiği ve nelerin öne çıktığı birkaç cümlede görülüyor.

Bu iş, yukarıdaki dört sorunun hepsini geçiyor:

• Veri zaten sistemde ve yapılandırılmış.
• Özet eksik olursa zarar küçük; asıl raporlar hâlâ orada.
• Özeti üst yönetim okuyor ve gerekirse rapora iniyor.
• Faaliyet özeti için kişisel veriye ihtiyaç yok.

Teknik tarafta bu özellik Google Gemini ile çalışıyor ve yönetici özetini yalnızca üst yönetim yetkisine sahip kullanıcılar görüyor.

Sonraki adımlar: bilgi havuzu, brifing, vatandaş talepleri

İlk adımdan sonra mantıklı devam yolları şunlar. Bunlar bizim sistemimizde de yol haritasında; henüz canlıda değiller.

• Kurumsal bilgi havuzu. Mevzuat, yönetmelikler ve hizmet rehberleri üzerinde doğal dille soru sorulabilen bir asistan. Burada kullanılan yönteme RAG (retrieval-augmented generation) deniyor: model cevabı kendi hafızasından değil, kurumun belgelerinden bulduğu ilgili bölümlere dayanarak üretiyor ve kaynağını gösteriyor. Kamu için en önemli özelliği bu: cevabın hangi maddeye dayandığı görülebiliyor.
• Sabah brifingi. Günün verilerinden hazırlanıp makama her sabah iletilen kısa bir özet: bekleyen onaylar, geciken işler, gündemdeki konular.
• Vatandaş talepleri. Talep, öneri ve şikayetlerin toplanıp doğru birime yönlendirilmesi. Üçüncü katmana girdiği için en sona bırakılması gereken adım bu.

Entegrasyon teknik olarak nasıl kurulur?

"Yapay zeka entegrasyonu" çoğu zaman bir API anahtarı almak olarak düşünülüyor. Kamuda sürdürülebilir bir entegrasyon için en az şu altı parça gerekiyor:

1. Veri katmanı. Modelin göreceği veri, mevcut sistemlerden düzenli olarak çekilmiş ve temizlenmiş olmalı. Dağınık veriyle çalışan yapay zeka, dağınıklığı sadece daha hızlı üretir. Bu yüzden önce verinin tek yerde toplanması gerekiyor.
2. Model seçimi. Bulut tabanlı büyük modeller güçlü ve kolay erişilebilir, ama veri yurt dışına çıkabilir. Kendi sunucunuzda çalışan açık modeller veriyi içeride tutar, ama donanım ve bakım ister. Doğru seçim, işin gerektirdiği veriye göre değişir; kişisel veri gerekmeyen bir özet için bulut modeli makul olabilir.
3. Yetki sınırı. Yapay zekanın çıktısı da sistemdeki diğer ekranlar gibi rol ve yetki kurallarına tabi olmalı. Bir asistan, kullanıcının zaten göremeyeceği bir belgeden cevap üretmemeli.
4. Kayıt ve denetim. Hangi isteğin ne zaman, kim tarafından yapıldığı ve modele ne gönderildiği kayıt altına alınmalı.
5. Değerlendirme. Canlıya almadan önce gerçek örneklerden oluşan bir test seti hazırlanmalı ve çıktılar bir uzman tarafından kontrol edilmeli. Model ya da istem (prompt) değiştiğinde aynı test tekrar çalıştırılmalı.
6. Maliyet takibi. Kullanıma göre ücretlendirilen servislerde kullanım ve maliyet izlenmeli; gereksiz uzun istekler kısaltılmalı.

KVKK ve yurt dışına aktarım

Kişisel Verileri Koruma Kurumu, Kasım 2025'te üretken yapay zeka ve kişisel verilerin korunmasına ilişkin bir rehber yayımladı. Rehber; hukuki sebep, yurt dışına aktarım, şeffaflık ve güvenlik tedbirleri gibi konuları ele alıyor ve kamuda bir yapay zeka projesine başlamadan önce okunması gereken bir metin.

Mimari açıdan en etkili tedbir, kişisel verinin modele hiç gitmemesi. Bunun için:

• İş için kişisel veri gerekip gerekmediğini her özellik için ayrı ayrı sorun.
• Gerekiyorsa, mümkün olan yerde veriyi anonimleştirin ya da takma adla değiştirin.
• Kişisel verinin gerçekten gerektiği işlerde kurum içinde çalışan bir model değerlendirin.

Bu yazı hukuki görüş değildir; projeye başlamadan önce kurumun hukuk birimi ve veri sorumlusuyla birlikte değerlendirme yapılmalı.

Personeli sürece katmak

Yapay zeka projelerinde en çok küçümsenen konu, çalışanların bakış açısı. "İşimi elimden alacak mı?" sorusu cevapsız kalırsa en iyi teknik çözüm bile kullanılmaz. İlk özelliği, çalışanın işini kolaylaştıran ve kararı ona bırakan bir özellik olarak seçmek bu yüzden önemli. Yönetici özeti gibi bir özellik kimsenin yerini almıyor; herkesin aynı tabloyu görmesini sağlıyor.

Sık sorulan sorular

Yapay zeka entegrasyonu için mevcut sistemleri değiştirmek gerekir mi?

Hayır. Yapay zeka genellikle var olan sistemlerin üzerine bir katman olarak eklenir. Asıl gereken, verinin düzenli ve erişilebilir olmasıdır.

Kendi modelimizi eğitmemiz gerekir mi?

Çoğu kamu kullanımında hayır. Hazır modeller, doğru istemler ve kurumun kendi belgelerine dayanan RAG yaklaşımıyla yeterli sonuç verir. Model eğitmek ancak çok özel ve büyük hacimli işlerde gündeme gelir.

İlk proje ne kadar sürer?

Veri hazırsa, rapor özetleme gibi birinci katmandan bir özellik birkaç hafta içinde pilot olarak denenebilir. Asıl zaman alan kısım genellikle veriyi hazırlamaktır.

Sonuç

Kamuda yapay zeka entegrasyonu bir teknoloji seçimi değil, bir sıralama meselesi. Önce veri, sonra düşük riskli ve insan kontrolündeki işler, en son vatandaşa dönük hizmetler. Bu sırayla ilerleyen bir belediye, hem kendi personelinin güvenini kazanır hem de kişisel veri konusunda kendini korur.

Dijital dönüşüme hangi sırayla başlanması gerektiğini belediyelerde dijital dönüşüm yazısında anlattım. Kendi kurumunuzda yapay zekanın nereden başlayabileceğini konuşmak isterseniz yapay zeka ve otomasyon hizmetine göz atabilir ya da bana yazabilirsiniz.