RAG ve veri · 2026-08-18
Anayasa Mahkemesi Yapay Zekâ Karar Destek Sistemi: RAG, OCR ve Veri Güvenliği Gereksinimleri
AYM yapay zekâ karar destek projesinin belge hacmi, OCR, RAG, kaynak gösterimi, performans, on-premise dağıtım ve ISO güvenlik gereksinimlerini teknik isterden okuyun.
Projenin problemi ve karar sınırı
Anayasa Mahkemesinin teknik isterine göre 20 Mayıs 2026 itibarıyla 102.915 bireysel başvuru inceleme aşamasındaydı ve sisteme yılda ortalama 80.000 yeni başvuru giriyordu. Çok sayfalı başvuru formları, ekler, dilekçeler ve ilişkili dava dosyalarının manuel incelenmesi ve özetlenmesi önemli bir iş yükü oluşturuyor.
İstenen çözüm bir karar verici değil, raportör ve uzmanların sürecini destekleyen karar destek sistemidir. Belgeleri işlenebilir metne dönüştürür, sınıflandırır, benzer kararları getirir, kaynak gösterir ve karar taslağı hazırlar; yargısal değerlendirme ve nihai karar yetkili insanlarda kalır.
Veri hacmi ve belge işleme katmanı
Dokümana göre 23 Eylül 2012 ile 20 Mayıs 2026 arasında 737.860 bireysel başvuru yapılmıştı. Eğitim materyali olarak 295.000 kabul edilmezlik komisyon kararı ile 17.015 bölüm kararı öngörülüyor. Açık, derdest, gizlilik nedeniyle kilitli ve henüz karar verilmemiş dosyalar için ayrıca kapsam sınırları tanımlanıyor.
Sistem PDF, taranmış PDF, TIFF, DOC, DOCX, XLS, PNG, JPEG, BMP ve UDF dosyalarını işlemeli; el yazısı, daktilo ve taranmış belgelerde OCR veya VLM kullanmalıdır. El yazısı içermeyen ve tarafların mutabık kalacağı test verisinde metin çıkarımının karakter hata oranı en fazla yüzde 1 olmalıdır.
| Alan | Teknik ister | Doğrulama yaklaşımı |
|---|---|---|
| OCR | El yazısız testte en fazla %1 karakter hata oranı | Sabit ve kurumca mutabık test kümesi |
| RAG | En az 3 ilgili başvuru kararına atıf | Kaynak belge ve içtihat bağlantısı |
| Sınıflandırma | Hak ve müdahale iddialarında weighted F1 %95 | Dengeli ve yeterli kurum test verisi |
| Karar taslağı | İçerik ve kabul edilemezlik değerlendirmesinde %95 hedef | Raportörlerden oluşan komisyon değerlendirmesi |
| Eşzamanlılık | 50 kullanıcının taslak üretmesi | Yük ve stres testi |
| Süre | Sınıflandırma ortalama 30 saniye, taslak 1 dakikanın altında | Yığın ve tekil işlem performans raporu |
RAG, kaynak gösterimi ve halüsinasyon kontrolü
İster, anlamsal arama veya RAG ile benzer başvuruların, emsal kararların ve AYM içtihatlarının bulunmasını; hazırlanan çıktıda kaynak belge ve içtihat referansı sunulmasını istiyor. Kaynak gösterimi burada yardımcı bir arayüz özelliği değil, raportörün model sonucunu yeniden inceleyebilmesinin temelidir.
Doküman ayrıca halüsinasyonu azaltmak için atıf sistemi veya başka bir yapay zekâ modeline sonuç kontrolü yaptırılması gibi yöntemler bekliyor. İkinci model kullanımı tek başına doğruluk kanıtı değildir; bağımsız kaynak kontrolü, bulunamayan referansın reddedilmesi ve her iddianın belge parçasına bağlanması gerekir.
Yüzde 95 hedefi nasıl okunmalı
Teknik ister iki ayrı yüzde 95 hedefi içeriyor. İlki, yeterli ve dengeli veri bulunması şartıyla hak ve müdahale iddialarının weighted F1 metriğiyle sınıflandırılmasıdır. İkincisi, karar taslaklarının içeriği ve kabul edilemezlik değerlendirmesinin kurum raportörlerinden oluşan komisyon tarafından değerlendirilmesidir.
Bu iki ölçümü tek bir genel doğruluk oranı gibi sunmak hatalı olur. F1 istatistiksel sınıflandırma metriğidir; raportör değerlendirmesi ise tanımlı bir rubrik ve uzman yargısı gerektirir. Test verisinin dönem, hak sınıfı ve dosya türüne göre ayrılması, modelin yalnızca sık sınıflarda iyi görünmesini engeller.
Kapalı devre dağıtım ve güvenlik şartları
Sistem AYM'nin sağladığı donanım üzerinde REST API, Docker ve Kubernetes tabanlı ölçeklenebilir mimariyle çalışmalıdır. Tüm verilerin AYM sunucularında kalması ve dışarı veri çıkışı yapılmaması açıkça istenir. Rol bazlı erişim, şifreleme, değiştirilemez merkezî log, gerçek zamanlı kaynak izleme, bağımsız sızma testi ve kaynak kod teslimi de teknik kapsamın parçasıdır.
Yönetişim tarafında veri ve algoritma yanlılığının ISO/IEC TR 24027'ye göre incelenmesi, risklerin ISO/IEC 23894 rehberliğinde yönetilmesi, yönetim yapısının ISO/IEC 42001 prensipleriyle uyumu ve veri işleme süreçlerinin TS ISO/IEC 27001 çerçevesinde yürütülmesi istenir. Standart adı yazmak tek başına kanıt değildir; analiz, risk kaydı ve test raporu teslim edilmelidir.
LLMTR bu mimarinin neresinde durmaz
LLMTR haricî bir API gateway olduğu için AYM'nin 'tüm veriler kurum sunucularında kalacak ve dışarı veri çıkışı yapılmayacak' şartını karşılayan çekirdek sistemin yerine geçmez. Başvuru formu, dava dosyası, delil veya karar taslağı gibi içeriklerin internet API'sine gönderilmesi bu teknik isterle uyumlu bir çözüm olarak sunulamaz.
Gateway yaklaşımı ancak kurum tarafından hassas içerikten arındırılmış sentetik olmayan bir değerlendirme seti veya dış hizmete uygun genel görev tanımlanırsa ayrı bir karşılaştırma aracı olabilir. Böyle bir durumda da seçilen sağlayıcının veri politikası ayrıca incelenir; LLMTR'nin prompt gövdelerini kullanım veritabanına yazmaması upstream değerlendirmesinin yerine geçmez.
Kamu hukuk teknolojisi projeleri için çıkarım
AYM dokümanı, hukukta yapay zekâ projesinin yalnızca bir LLM entegrasyonu olmadığını somutlaştırıyor: belge dönüştürme, veri temizleme, sınıflandırma, kaynaklı retrieval, taslak üretimi, insan değerlendirmesi, MLOps ve güvenlik birlikte teslim ediliyor. Kabul testi de tek metrikten değil farklı katmanların ölçümünden oluşuyor.
Bu yazı yayımlanan teknik isterin teknik analizidir ve hukuki görüş niteliği taşımaz. Bireysel başvuru verisinin işlenmesi, erişim yetkisi ve herhangi bir dış hizmet kullanımı AYM'nin güncel şartları ile bilgi güvenliği, uyum ve hukuk birimlerinin kararıdır.
Sık sorulan sorular
AYM yapay zekâ sistemi karar verecek mi?
Hayır. Teknik ister sistemi karar verici değil, inceleme ve taslak hazırlama sürecini kolaylaştıran karar destek sistemi olarak tanımlar.
AYM projesinde hangi belgeler işlenecek?
Başvuru formları ve ekleri, dilekçeler, bilirkişi raporları, tanık beyanları, deliller, mahkeme kararları ve UDF dahil çeşitli dosya biçimleri kapsamda tanımlanmıştır.
AYM OCR hedefi nedir?
El yazısı içermeyen ve kurumla mutabık kalınacak test verisinde metin çıkarımı için en fazla yüzde 1 karakter hata oranı istenir.
AYM karar destek sisteminde RAG neden kullanılıyor?
Benzer başvuruları, emsal kararları ve içtihatları bulmak; taslakta en az üç karara ve kaynak belgelere doğrulanabilir atıf sunmak için.
AYM projesinin verisi LLMTR API'ye gönderilebilir mi?
Teknik ister tüm verinin AYM sunucularında kalmasını ve dışarı çıkmamasını şart koşar. Bu nedenle LLMTR'nin haricî API'si çekirdek AYM iş yükünün yerine geçmez.