Yapay Zeka ile Mevzuat Dili Dönüşümü: Teknik Altyapı, Yurttaş Odaklı Erişim ve Yerli Dil Modelleri - 756121 - Mevzuat GPT

İçindekiler

Yönetici Özeti

Hukuk devletinin en temel meşruiyet kaynaklarından biri, yönetilenlerin kendilerini bağlayan kuralları anlayabilme kapasitesidir. Ancak modern bürokrasinin ürettiği devasa mevzuat yığınları (regülasyon enflasyonu) ve hukuk dilinin teknik kapalılığı, vatandaş ile hukuk sistemi arasında derin bir “anlaşılabilirlik uçurumu” yaratmıştır. Bu rapor, yapay zeka (YZ) ve Doğal Dil İşleme (NLP) teknolojilerinin bu uçurumu kapatmadaki rolünü, Türkiye özelinde ve “MevzuatGPT” girişimi ekseninde kapsamlı bir şekilde analiz etmektedir.

Rapor, Türk hukuk sisteminin dijitalleşme serüvenini, UYAP’ın (Ulusal Yargı Ağı Bilişim Sistemi) başarısından başlayarak, Leagle ve MevzuatGPT gibi yeni nesil üretken yapay zeka (Generative AI) girişimlerine kadar ele almaktadır. Özellikle, 2021-2025 Ulusal Yapay Zeka Stratejisi kapsamında belirlenen “yerli ve milli teknoloji” hedefleri doğrultusunda, hukuk alanında kullanılacak Büyük Dil Modellerinin (LLM) neden yerli altyapılarla geliştirilmesi gerektiği, veri egemenliği ve kültürel uyum perspektifinden tartışılmaktadır.

Çalışmanın teknik odak noktasını, MevzuatGPT projesinin mimarisi oluşturmaktadır. Rapor, bu projenin sadece bir metin özetleme aracı olmadığını; “vatandaş odaklı erişilebilirlik” (citizen-centric accessibility) ilkesini merkeze alan, İstemci-Destekli Üretim (RAG) mimarisi üzerine kurulu sofistike bir sosyo-teknik sistem olduğunu ortaya koymaktadır. İdari şeffaflık, algoritmik hesap verebilirlik ve hukuki tasarım (legal design) ilkeleri ışığında, yapay zekanın hukukun demokratikleşmesindeki dönüştürücü gücü, teorik ve pratik boyutlarıyla irdelenmektedir.

1. Giriş: Hukuk Dili, Erişim Sorunsalı ve Teknoloji

1.1. Hukuki Belirlilik İlkesi ve Dilin Sınırları

Hukuk felsefesinde “hukuki belirlilik” (legal certainty), bireylerin hukuk kurallarının sonuçlarını önceden öngörebilmesini ifade eder. Ancak bu öngörülebilirlik, kuralların sadece yazılı olmasını değil, aynı zamanda anlaşılır olmasını da gerektirir. Ludwig Wittgenstein’ın “Dilimin sınırları dünyamın sınırlarıdır” önermesi, hukuk bağlamında trajik bir gerçeğe dönüşür: Bir vatandaşın hukuki haklarının sınırları, mevzuat dilini anlayabildiği yere kadardır.

Türkiye Cumhuriyeti’nin hukuk tarihi, aynı zamanda bir dil devrimi tarihidir. Osmanlı İmparatorluğu’ndan tevarüs eden ağdalı hukuk lisanı, Cumhuriyet döneminde sadeleştirilmeye çalışılmış olsa da, hukukun kendine has “teknik zorunlulukları”, mevzuat dilinin halk dilinden kopmasına neden olmuştur. Bugün Resmi Gazete’de yayımlanan bir yönetmelik veya tebliğ, içerdiği “müteselsil sorumluluk”, “ihtiyati haciz”, “re’sen tescil” gibi kavramlarla, ortalama eğitim düzeyindeki bir vatandaş için şifreli bir metin niteliğindedir.

Bu durum, devlet ile vatandaş arasındaki iletişimi tek taraflı hale getirmektedir. Devlet, Resmi Gazete ¹ aracılığıyla konuşmakta, ancak vatandaş bu dili “decode” (çözümleme) etmekte zorlanmaktadır. Hukukçuların ve danışmanların bu noktada bir “tercüman” rolü üstlendiği geleneksel yapı, dijitalleşme ve bilgiye erişim hızıyla çelişmektedir. 21. yüzyılın vatandaşı, bankacılık işlemlerini saniyeler içinde hallederken, vergi yükümlülüğünü öğrenmek için karmaşık mevzuat metinleri arasında kaybolmayı kabul etmemektedir.

1.2. Mevzuat Enflasyonu ve Bilişsel Yük Teorisi

Modern devlet, yaşamın her alanını düzenleme eğilimindedir. İnşaat standartlarından ² gıda güvenliğine, kripto varlıkların vergilendirilmesinden sosyal güvenlik haklarına ² kadar her alan, sürekli güncellenen mevzuatlarla regüle edilmektedir. Türkiye’de mevzuat hazırlama süreçleri, 10.06.2016 tarihli Yönetmelik ¹ ile standartlaştırılmaya çalışılsa da, norm üretim hızı “mevzuat enflasyonu” olarak adlandırılan bir olguyu doğurmuştur.

Bilişsel Yük Teorisi (Cognitive Load Theory) açısından bakıldığında, hukuk metinleri “içsel yükü” (intrinsic load) yüksek materyallerdir. Uzun cümleler, birbirine yapılan atıflar (örneğin; “X Kanununun Y maddesi uyarınca…”), şartlı ifadeler ve istisnalar, okuyucunun çalışma belleğini (working memory) hızla doldurur. Bir vatandaşın “Yapım İşleri Genel Şartnamesi”ni okuyup anlaması için, sadece metni okuması yetmez; metnin atıf yaptığı diğer kanunları bilmesi, terimleri tanıması ve maddeler arasındaki mantıksal hiyerarşiyi zihninde kurması gerekir. Yapay zeka teknolojileri, tam bu noktada, bilişsel yükü makineye transfer ederek, insana sadece “karar verme” (decision making) kısmını bırakma vaadiyle sahneye çıkmaktadır.

1.3. Hukuk Teknolojilerinin Evrimi: Veri Tabanından Akıl Yürütmeye

Hukuk teknolojileri (LegalTech), son otuz yılda üç temel aşamadan geçmiştir:

LegalTech 1.0 (Dijitalizasyon): Mevzuatın ve içtihatların kağıttan dijital ortama aktarılması. Türkiye’de UYAP ve özel sektördeki mevzuat bankaları (Kazancı, Lexpera vb.) bu dönemin ürünleridir. Bu aşamada teknoloji “arşivci” rolündedir.
LegalTech 2.0 (Otomasyon): Belirli kurallara dayalı (rule-based) sistemlerin, basit hukuki süreçleri otomatize etmesi. Sözleşme şablonu doldurma araçları bu kategoriye girer.
LegalTech 3.0 (Hesaplamalı Hukuk ve Üretken YZ): Doğal Dil İşleme (NLP) ve Makine Öğrenmesi (ML) algoritmalarının, hukuki metinleri anlamsal olarak analiz etmesi, özetlemesi ve yeni metinler üretmesi. MevzuatGPT, ChatGPT, Leagle ve Corpus ³ gibi girişimler bu son dalganın temsilcileridir.

Bu rapor, LegalTech 3.0 döneminde, özellikle MevzuatGPT projesinin temsil ettiği “vatandaş odaklı” yaklaşımı ve bunun gerektirdiği teknik altyapıyı mercek altına almaktadır.

2. Türkiye Hukuk Ekosisteminde Dijital Dönüşüm

2.1. Kamu Sektörünün Öncü Rolü: UYAP ve Dijital Adalet

Türkiye, yargı süreçlerinin dijitalleştirilmesi konusunda dünyanın önde gelen ülkelerinden biridir. Adalet Bakanlığı tarafından geliştirilen UYAP (Ulusal Yargı Ağı Bilişim Sistemi), “güven veren ve erişilebilir adalet” vizyonunun belkemiğini oluşturmaktadır.⁴

UYAP’ın başarısı, tüm yargı birimlerini (mahkemeler, savcılıklar, icra daireleri) ve paydaşları (avukatlar, vatandaşlar, kolluk kuvvetleri) tek bir ağ üzerinde birleştirmesidir. Günde 900 binin üzerinde kullanıcının işlem yaptığı sistem, 20 milyon vatandaşın dava dosyalarına erişimini sağlamaktadır.⁴ Ancak UYAP, yapısal olarak bir “Süreç Yönetim Sistemi”dir. Vatandaşa dosyasını gösterir, ancak dosyadaki hukuki belgenin ne anlama geldiğini açıklamaz. Adalet Bakanlığı’nın “Büyük Veri ve Yapay Zeka Şubesi” tarafından yürütülen çalışmalar, UYAP’ın bu ikinci aşamaya, yani “anlamlandırma” aşamasına geçişini hedeflemektedir.⁴ Bakan Yılmaz Tunç’un ifadeleriyle, yapay zeka destekli uygulamalar, yargı süreçlerinin kısalmasını ve adalete erişimin kolaylaşmasını sağlamayı amaçlamaktadır.

2.2. Özel Sektör Girişimleri: B2B ve B2C Ayrımı

Türkiye’deki hukuk teknolojisi girişimleri, hedef kitlelerine göre keskin bir ayrım göstermektedir.

B2B (Business-to-Business) Odaklı Girişimler:

Bu kategorideki en belirgin örnek Leagle’dır. Koç Üniversitesi mezunu girişimciler tarafından kurulan Leagle, özellikle avukatlara ve hukuk bürolarına hitap etmektedir.5 Leagle’ın değer önerisi, “uzmanlık” ve “derinlik”tir. Hukuk profesyonellerinin doküman analizi, içtihat araştırması ve sözleşme taslağı oluşturma gibi zaman alıcı işlerini otomatize ederek verimliliği artırmayı hedefler.5 Leagle, “Türk hukuk sistemine özel olarak geliştirilmiş yapay zeka modelleri” kullanarak, genel geçer modellerin yapabileceği terminolojik hataları minimize etmeyi amaçlar. Gelir modeli, “Pro” ve “Basic” paketler üzerinden aylık abonelik sistemine dayanır.6

Bir diğer önemli oyuncu Corpus, özellikle sigorta ve kurumsal hukuk departmanlarına odaklanmaktadır. Corpus, hukuki metinlerdeki riskleri analiz etme ve standart dışı maddeleri tespit etme (anomaly detection) konusunda uzmanlaşmıştır.³ Bu tür sistemler, “Legal Entity Recognition” (Hukuki Varlık Tanıma) teknolojileriyle, metin içindeki dava adlarını, kanun numaralarını ve parasal değerleri yüksek doğrulukla ayrıştırabilir.⁷

B2C (Business-to-Consumer) Odaklı Girişimler:

MevzuatGPT projesi, bu alanda konumlanmaktadır. Profesyonel hukukçulardan ziyade, doğrudan vatandaşa (yurttaşa) ve KOBİ’lere hitap eden bir yapı sergilemektedir. Projenin web sitesindeki içerikler incelendiğinde (“Ücretsiz Vergi Dairesi Hizmeti”, “En İyi 5 Sosyal Güvenlik Avantajı”, “Yapım İşleri Genel Şartnamesi”) 2, amacın hukuki süreç yürütmekten ziyade, “hukuki bilgiye erişimi demokratikleştirmek” olduğu görülmektedir. MevzuatGPT, mevzuatı bir avukatın gözünden değil, bir vatandaşın ihtiyacı penceresinden yorumlamaktadır. Bu yaklaşım, hukukun “erişilebilirlik” (accessibility) sorununa teknolojik bir yanıt niteliğindedir.

2.3. Ulusal Yapay Zeka Stratejisi (2021-2025) Bağlamı

Türkiye’nin hukuk teknolojilerindeki gelişimi, bağımsız girişimlerin ötesinde, devletin stratejik vizyonuyla da uyumludur. Cumhurbaşkanlığı Dijital Dönüşüm Ofisi ve Sanayi ve Teknoloji Bakanlığı tarafından hazırlanan “Ulusal Yapay Zeka Stratejisi 2021-2025”, yapay zekanın kamu hizmetlerinde kullanımını önceliklendirmiştir.⁸

Strateji belgesindeki şu hedefler, hukuk teknolojileri için doğrudan bir yol haritası sunmaktadır:

Stratejik Öncelik 3: Kaliteli veriye ve teknik altyapıya erişim imkânlarını genişletmek. Bu madde, mevzuat ve içtihat verilerinin (anonimleştirilerek) yapay zeka eğitimi için açılmasını (Open Data) teşvik etmektedir.
Yerli ve Milli Ekosistem: Strateji, yapay zeka alanında dışa bağımlılığı azaltmayı ve “yerli yapay zeka ekosistemini” güçlendirmeyi hedefler. Hukuk gibi, dile ve kültüre sıkı sıkıya bağlı bir alanda, yerli algoritmaların geliştirilmesi sadece ekonomik değil, egemenlik açısından da kritiktir. MevzuatGPT ve Leagle gibi girişimlerin “yerli model” vurgusu, bu ulusal stratejinin sahadaki yansımasıdır.

3. Kavramsal Çerçeve: Hukuki Tasarım ve Dönüşüm

3.1. Hukuki Tasarım (Legal Design) Nedir?

Hukuki Tasarım, hukukun kullanıcı odaklı bir perspektifle yeniden ele alınmasını savunan disiplinlerarası bir yaklaşımdır. Stanford Legal Design Lab öncülüğünde dünyada yayılan bu akım, Türkiye’de de Legal Design Turkey gibi oluşumlar ve Ebru Metin gibi akademisyenler tarafından temsil edilmektedir.⁹

Geleneksel hukuk eğitimi, metnin hukuki geçerliliğine (validity) odaklanır. Bir sözleşmenin geçerli olması için hangi şartları taşıması gerektiği öğretilir. Ancak Hukuki Tasarım, “Bu sözleşme taraflarca anlaşılıyor mu?” ve “Bu sözleşme iş birliğini kolaylaştırıyor mu?” sorularını sorar. Akademik çalışmalar, metinlerin görselleştirilmesinin, sade dille yazılmasının ve bilgi mimarisinin düzenlenmesinin, adalete erişimi doğrudan etkilediğini göstermektedir.¹¹

3.2. Yapay Zeka ile Hukuki Tasarımın Kesişimi

Yapay zeka, Hukuki Tasarım ilkelerinin uygulanmasını ölçeklenebilir (scalable) hale getirir. Bir hukukçu, bir sözleşmeyi sadeleştirmek için saatler harcayabilirken, eğitilmiş bir LLM bunu saniyeler içinde yapabilir. MevzuatGPT projesinin yaptığı iş, özünde “Otomatikleştirilmiş Hukuki Tasarım”dır (Automated Legal Design).

Projenin blog yazılarında görülen “3 Temel Şart ve 12 Uygulama” gibi başlıklar ², karmaşık bir mevzuat metninin (Yapım İşleri Genel Şartnamesi), insan zihnine uygun parçalara (chunking) ayrılmasıdır. Bu, bilginin tasarımıdır. AI, burada sadece metni özetlemez; metni yeniden yapılandırır, hiyerarşi kurar ve okuyucunun dikkatini en önemli noktalara çeker. Bu yönüyle MevzuatGPT, bir teknoloji projesi olduğu kadar, bir “yurttaş arayüzü” tasarımı projesidir.

4. Teknik Altyapı ve Örnekler

MevzuatGPT projesinin teknik mimarisini anlamak, yapay zekanın hukuk alanındaki potansiyelini ve sınırlarını kavramak için elzemdir. Kullanıcı sorgusunda talep edilen özel analiz, bu bölümün merkezine yerleştirilmiştir.

4.1. Doğal Dil İşleme (NLP) ve Türkçe’nin Zorlukları

Hukuk NLP çalışmaları, dilin morfolojik yapısına göbekten bağlıdır. İngilizce gibi analitik dillerde kelimeler genellikle ayrık dururken, Türkçe gibi sondan eklemeli (agglutinative) dillerde, tek bir kelime (örneğin “kamulaştırılamayanlardan”) bir cümlelik anlam taşıyabilir. Bu durum, LLM’lerin temel taşı olan “tokenizasyon” (kelimeleri sayısal verilere dönüştürme) sürecini zorlaştırır.

Standart BPE (Byte Pair Encoding) algoritmaları, Türkçe kelimeleri anlamsız kök ve eklere bölebilir, bu da modelin bağlamı kaybetmesine yol açabilir. Yerli hukuk YZ projelerinin başarısı, Türkçenin dil bilgisi kurallarına (ünlü uyumu, ünsüz benzeşmesi vb.) hakim olan ve hukuk terminolojisiyle (Osmanlıca kökenli kelimeler dahil) zenginleştirilmiş veri setleriyle eğitilen özel tokenizasyon stratejilerine dayanır.

4.2. RAG (Retrieval-Augmented Generation) Mimarisi

Hukukta “halüsinasyon” (yapay zekanın yanlış bilgi uydurması) kabul edilemez bir risktir. ChatGPT gibi genel modeller, eğitim verilerinde olmayan bir bilgiyi varmış gibi üretebilir. Bu riski ortadan kaldırmak için MevzuatGPT ve benzeri profesyonel sistemler RAG mimarisini kullanır:

Veri Hazırlığı: Tüm mevzuat (Resmi Gazete, Kanunlar Külliyatı) temizlenir ve parçalara (chunks) ayrılır.
Embedding (Vektörleştirme): Her bir mevzuat parçası, anlamını temsil eden çok boyutlu bir vektöre dönüştürülür.
Vektör Veritabanı: Bu vektörler, hızlı arama yapılabilen özel veritabanlarında (örneğin Pinecone, Milvus) saklanır.
Sorgu Anı: Vatandaş “Kıdem tazminatı tavanı ne kadar?” diye sorduğunda, bu soru da vektörleştirilir.
Benzerlik Araması: Sistemin veritabanında, sorunun vektörüne en yakın olan mevzuat maddeleri (semantik arama ile) bulunur.
Bağlamlı Üretim: Dil modeline (LLM) şu komut verilir: “Aşağıdaki mevzuat maddelerini kullanarak, kullanıcının sorusunu cevapla. Bu maddelerin dışına çıkma.”

Bu yöntem, yapay zekayı bir “yazar” olmaktan çıkarıp, kaynaklara sadık bir “derleyici” ve “yorumlayıcı” haline getirir.

4.3. Teknik Altyapı ve Örnekler: Vatandaş Odaklı Erişim ve Yerli LLM Entegrasyonu

MevzuatGPT projesini teknik açıdan diğer global ve yerel örneklerden ayıran temel parametreler, aşağıda sunulan analizde detaylandırılmıştır. Bu bölüm, projenin sadece bir yazılım değil, bir kamu yararı girişimi olarak nasıl kurgulandığını teknik detaylarla açıklamaktadır.

Vatandaş Odaklı Erişim ve Yerli LLM Uygulaması

MevzuatGPT projesinin teknik mimarisi incelendiğinde, sistemin salt bir metin işleme motoru olmanın ötesinde, ‘vatandaş odaklı erişilebilirlik’ (citizen-centric accessibility) prensibini çekirdek tasarım öğesi olarak benimsediği görülmektedir. Geleneksel hukuk teknolojileri (LegalTech) genellikle uzmanlar arası (B2B) veri akışını optimize ederken; MevzuatGPT, karmaşık bürokratik jargonu (“Resmi Gazete Dili”), ortalama bir yurttaşın bilişsel yükünü minimize edecek sadelikteki “Gündelik Dile” dönüştüren katmanlı bir Retrieval-Augmented Generation (RAG) yapısı kullanmaktadır. Bu dönüşüm sürecinde, standart ticari modellerin (örneğin GPT-4) Türkçe hukuk terminolojisindeki bağlamsal nüansları (örneğin; ‘müsadere’ ile ‘el koyma’ arasındaki hukuki farkı) yakalamakta yetersiz kalabileceği öngörüsüyle, yerli LLM uygulamaları ve ince ayar (fine-tuning) stratejileri devreye alınmıştır.

Projenin teknik altyapısında, Türk hukuk sistemine özgü yapılandırılmamış veri setleri (Genelgeler, Yönetmelikler, Tebliğler) üzerinde eğitilmiş, yerel sunucularda barındırılabilen ve böylece veri egemenliği (data sovereignty) ilkesiyle uyumlu çalışan özelleştirilmiş dil modelleri kullanılmaktadır. Örneğin, “Yapım İşleri Genel Şartnamesi” gibi yüzlerce sayfalık teknik dokümanlar işlenirken, model sadece metni özetlemekle kalmaz; ilgili yönetmeliğin vatandaşı doğrudan ilgilendiren hak ve yükümlülüklerini (actionable insights) anlamsal vektör uzayında ayrıştırarak sunar. Bu yaklaşım, yapay zekayı bir “arama motoru” olmaktan çıkarıp, hukuk devleti ilkesinin gereği olan “belirlilik” ve “bilinirlik” şartlarını sağlayan, demokratik ve şeffaf bir dijital yurttaşlık arayüzüne dönüştürmektedir. Yerli model kullanımı, aynı zamanda hassas hukuki verilerin yurt dışı sunucularına aktarılmasını engelleyerek, KVKK ve ulusal siber güvenlik stratejileriyle tam uyum sağlamaktadır.

4.4. Uygulama Örnekleri ve Analiz

MevzuatGPT üzerindeki içerikler ², bu teknik altyapının somut çıktılarıdır:

Örnek 1: Yapım İşleri Genel Şartnamesi Dönüşümü
- Kaynak Metin: “Yüklenici, sözleşme ve eklerinde belirlenen süreler içinde işyerini teslim alarak işe başlamak ve işi süresinde bitirmek zorundadır. Gecikme halinde…” (Teknik ve emredici dil).
- MevzuatGPT Çıktısı: “Yapım İşleri Genel Şartnamesi 2025: 3 Temel Şart” başlığı altında, yükümlülükler maddeler halinde, eylem odaklı (action-oriented) fiillerle sunulur. Teknik olarak bu, “Abstractive Summarization” (Yorumlayarak Özetleme) modelinin başarısıdır.
Örnek 2: Vergi İşlemleri Rehberi
- “Ücretsiz Vergi Dairesi Hizmeti” içeriği ², Gelir İdaresi Başkanlığı’nın karmaşık prosedürlerini, “15 Dakikada Sorgulama” gibi bir değer önerisine dönüştürür. Burada sistem, prosedürel metinleri (Instructional Texts) analiz ederek, adımları (Step-by-step) çıkarmıştır.

5. Yerli Yapay Zeka Modellerinin Stratejik Önemi

5.1. Veri Egemenliği ve Ulusal Güvenlik

Bir ülkenin hukuk sistemi, o ülkenin en mahrem verisidir. Hukuk kuralları, toplumun değer yargılarını, devletin işleyişini ve vatandaşların haklarını içerir. Bu verilerin işlenmesi için yabancı menşeli (OpenAI, Google, Anthropic vb.) modellere tam bağımlılık, uzun vadede stratejik riskler barındırır.

Yabancı modellerin API’leri üzerinden gönderilen veriler, sunucuların bulunduğu ülkenin yasalarına (örneğin ABD Cloud Act) tabi olabilir. Bu durum, Türkiye’deki kişisel verilerin veya devlet sırrı niteliğindeki bilgilerin güvenliğini tehdit edebilir. Ulusal Yapay Zeka Stratejisi ⁸, bu nedenle teknik altyapının millileştirilmesini bir tercih değil, zorunluluk olarak görür. MevzuatGPT ve Leagle gibi girişimlerin, kendi modellerini geliştirmesi veya açık kaynaklı modelleri Türkiye’deki sunucularda (On-Premise) çalıştırması, bu stratejik duruşun bir gereğidir.

5.2. Kültürel ve Linguistik Uyum

Hukuk, kültürden bağımsız değildir. “Hakkaniyet”, “İyi niyet”, “Kamu vicdanı” gibi kavramlar, her kültürde farklı yorumlanır. Batı merkezli verilerle eğitilmiş bir model, Amerikan hukukundaki “Punitive Damages” (Cezalandırıcı Tazminat) kavramını, Türk hukukundaki tazminat mantığıyla karıştırabilir. Türk hukuku, Kıta Avrupası (Roma-Cermen) sistemine dahildir ve kodifikasyona (yazılı kanunlara) dayanır. Anglo-Sakson (Common Law) sistemiyle eğitilmiş bir modelin, Türk hukukunu “yorumlaması” tehlikeli sonuçlar doğurabilir.

Yerli LLM uygulamaları, Türk hukuk literatürü, Yargıtay kararları ve doktrin kitaplarıyla eğitildiğinde, bu kültürel nüansları kavrar. MevzuatGPT’nin “yerli LLM” vurgusu, sadece teknolojinin menşei ile ilgili değil, üretilen hukuki bilginin “yerelliği” ve “doğruluğu” ile ilgilidir.

6. Etik Tartışmalar, Hukuki Sorumluluk ve Gelecek

6.1. “Kara Kutu” (Black Box) Sorunu ve İdari Denetim

Yapay zeka sistemleri, özellikle derin öğrenme modelleri, genellikle bir “Kara Kutu” olarak çalışır. Girdinin (soru) çıktıya (cevap) nasıl dönüştüğü, çoğu zaman geliştiriciler için bile tam olarak açıklanabilir değildir. Ancak idare hukukunda, her idari işlemin bir “gerekçesi” olmak zorundadır.¹³

Eğer devlet, vatandaşlarına mevzuatı açıklamak için MevzuatGPT benzeri bir sistemi resmi olarak kullanırsa, bu sistemin verdiği cevabın hukuki niteliği ne olacaktır? Vatandaş, yapay zekanın verdiği (hatalı) bilgiye dayanarak vergisini eksik öderse, cezadan muaf tutulacak mıdır? ¹³ nolu kaynakta tartışıldığı üzere, idari işlemlerin yargısal denetimi Anayasa’nın 125. maddesi ile güvence altına alınmıştır. Yapay zeka kararlarının “açıklanabilirliği” (Explainable AI – XAI), bu nedenle hukuk teknolojilerinin en büyük bariyeridir.

6.2. Gelecek Vizyonu: Kod Olarak Kurallar (Rules as Code)

Mevcut durumda MevzuatGPT gibi araçlar, insan diliyle yazılmış kanunları makine diline çevirmeye çalışmaktadır. Bu, zorlu ve hataya açık bir süreçtir. Hukuk teknolojilerinin geleceği, “Rules as Code” (Kod Olarak Kurallar) yaklaşımındadır.

Bu yaklaşıma göre, mevzuat hazırlanırken (TBMM aşamasında), sadece metin olarak değil, aynı zamanda makine tarafından okunabilir kodlar (if-then mantığı) olarak da yazılmalıdır. Eğer vergi kanunu “Geliri X olanın vergisi Y’dir” diyorsa, bu kanun yayımlandığı anda bir API (Uygulama Arayüzü) olarak da sunulmalıdır. Bu sayede MevzuatGPT gibi uygulamalar, NLP ile metni yorumlamak zorunda kalmaz; doğrudan kanunun kodunu çalıştırarak %100 doğru sonucu verir. Türkiye’nin dijital dönüşüm vizyonu, uzun vadede bu hibrit yasama modeline evrilmelidir.

7. Sonuç ve Öneriler

Yapay zeka ile mevzuat dili dönüşümü, teknik bir optimizasyonun ötesinde, hukukun meşruiyetini güçlendiren bir sosyal inovasyondur. MevzuatGPT projesi, bu dönüşümün “vatandaş cephesindeki” önemli bir örneğini teşkil etmektedir. Projenin, karmaşık mevzuatı sadeleştirerek erişilebilir kılması, hukukun demokratikleşmesine hizmet etmektedir.

Raporun analizlerinden elde edilen temel çıkarımlar ve öneriler şunlardır:

Yerli Teknoloji Israrı: Hukuk alanındaki yapay zeka çözümleri, ulusal güvenlik ve kültürel uyum gereği yerli veri setleri ve altyapılar üzerinde geliştirilmelidir. MevzuatGPT’nin “yerli LLM” yaklaşımı, bu konuda doğru bir modeldir.
RAG Mimarisi Standartlaşmalı: Hukuki bilgi üretiminde halüsinasyon riskini sıfıra indirmek için, RAG mimarisi endüstri standardı olarak kabul edilmelidir.
İşbirliği Ekosistemi: Adalet Bakanlığı (UYAP), Akademik Dünya (Üniversiteler) ve Özel Sektör Girişimleri (Leagle, MevzuatGPT) arasında bir “Hukuk Verisi Paylaşım Protokolü” oluşturulmalıdır. Anonimleştirilmiş mahkeme kararları, yerli yapay zeka modellerinin eğitimi için kontrollü bir şekilde açılmalıdır.
Hukuki Tasarım Eğitimi: Hukuk fakültelerinde “Hukuki Tasarım” ve “Hukuk Mühendisliği” dersleri zorunlu hale getirilmeli, geleceğin hukukçuları yapay zeka ile çalışmaya hazırlanmalıdır.

Sonuç olarak, teknoloji hukuku dönüştürmektedir; ancak bu dönüşümün yönünü belirleyecek olan, teknolojinin kendisi değil, onun arkasındaki “insan odaklı” tasarım felsefesidir.

Ekler: Veri Tabloları ve Karşılaştırmalı Analizler

Tablo 1: Hukuk Teknolojileri Girişimleri Karşılaştırma Matrisi

Özellik	UYAP (Kamu)	Leagle (Özel – B2B)	MevzuatGPT (Özel – B2C)
Temel Odak	Süreç Yönetimi & Arşiv	Profesyonel Asistan & Analiz	Vatandaş Bilgilendirme & Sadeleştirme
Teknoloji	Kural Tabanlı + Big Data	NLP, Derin Öğrenme, LLM	GenAI, RAG, Yerli LLM İnce Ayar
Kullanıcı Kitlesi	Yargı Mensubu, Vatandaş	Avukatlar, Hukuk Büroları	Vatandaşlar, KOBİ’ler
Veri Kaynağı	Resmi Yargı Ağı (Kapalı)	İçtihatlar, Mevzuat	Resmi Gazete, Mevzuat.gov.tr
Dil Stratejisi	Resmi ve Teknik Hukuk Dili	Teknik ve Analitik Hukuk Dili	Sadeleştirilmiş Vatandaş Dili
Erişilebilirlik	E-Devlet Entegrasyonu	Abonelik (Ücretli)	Web Tabanlı (Erişilebilir/Ücretsiz Modeller)

Tablo 2: Geleneksel Mevzuat vs. YZ Dönüştürülmüş Mevzuat

Metrik	Geleneksel Metin (Örn: Resmi Gazete)	YZ Dönüştürülmüş Metin (Örn: MevzuatGPT)
Kelime Sayısı	Yüksek (Gereksiz tekrarlar, atıflar)	Düşük (Özetlenmiş, yoğunlaştırılmış)
Cümle Yapısı	Devrik, uzun, edilgen, çok yan cümlecikli	Kurallı, kısa, etken, emir kipi ağırlıklı
Terminoloji	Arkaik (Mülga, mezkur, binaenaleyh)	Modern ve Güncel (İptal edilen, adı geçen, bu nedenle)
Okuma Süresi	10+ Dakika (Anlama süresi hariç)	< 2 Dakika (Anlama dahil)
Hedef	Hukuki Kesinlik ve Kapsayıcılık	Hızlı Anlama ve Aksiyon Alma

Detaylı bilgi için: MevzuatGPT

Mevzuat Bilgisi 7 Adımda Kolay Anlaşma

Yapay Zeka ile Mevzuat Dili Dönüşümü: Teknik Altyapı, Yurttaş Odaklı Erişim ve Yerli Dil Modelleri – 756121