Entegrasyon rehberleri · 2026-08-18
Kamu Yapay Zekâ Ekosistemi 2026: Altı Kurumun Teknik İsterlerinden Çıkan Ortak Mimari
Kamu Yapay Zekâ Ekosistemi 2026 çağrısındaki AYM, MEB, Çevre, Tarım, GİB ve KGK teknik isterlerini veri, model, dağıtım, güvenlik ve ölçüm açısından karşılaştırın.
Çağrının 18 Ağustos 2026 itibarıyla durumu
Kamu Yapay Zekâ Ekosistemi 2026 çağrısı 2 Mart 2026'da açıldı. İhtiyaçların değerlendirilmesinden sonra altı kurum için teknik ister dokümanları 12 Haziran 2026'da yayımlandı. Çevrim içi proje başvuruları 6 Ağustos 2026 saat 23.59'da, tamamlanan başvuruların elektronik imza işlemleri ise 11 Ağustos 2026 saat 23.59'da kapandı.
18 Ağustos 2026 tarihinde TÜBİTAK'ın çağrı sayfasında proje başvuru sonuçlarına ilişkin yeni bir duyuru bulunmuyor. Bu nedenle aşağıdaki çalışma kazananları veya sözleşme durumunu anlatmaz; kamuya açık altı teknik isterin mimari analizidir. Çağrıya hâlâ başvuru alınan bir program gibi yönlendirme yapılmaz.
Altı ihtiyaç aynı programda, altı farklı problem sınıfı
Program tek başlık altında yürütülse de ihtiyaçlar yalnızca üretken yapay zekâdan oluşmuyor. Hukuk ve eğitim projelerinde LLM, VLM, OCR ve RAG öne çıkarken; karbon piyasası, balıkçı gemisi hareketleri ve finansal risk projelerinde zaman serisi, anomali tespiti, regresyon, simülasyon ve açıklanabilir makine öğrenmesi gerekiyor.
Bu çeşitlilik önemli bir satın alma dersidir: 'yapay zekâ platformu' ifadesi tek bir teknolojiye işaret etmez. Teknik ister, problem sınıfını ve kabul metriğini ayrı yazmadığında genel amaçlı bir sohbet modeli yanlışlıkla her işin çözümü gibi sunulabilir.
| Kurum | Proje ihtiyacı | Ana yöntem | Veri ve kontrol odağı |
|---|---|---|---|
| Anayasa Mahkemesi | Bireysel başvuru değerlendirme ve karar taslağı | OCR/VLM, RAG, LLM, sınıflandırma | Dosyalar kurum sunucusunda; kaynaklı çıktı ve insan incelemesi |
| Millî Eğitim Bakanlığı | Ders kitabı inceleme sistemi YAZDİS | Çok modlu model, RAG, çok dilli analiz | Kapalı devre; uzman hata tespiti ve nihai inceleme |
| Çevre, Şehircilik ve İklim Değişikliği Bakanlığı | Mikroekonomik karbon piyasası karar desteği | Tahmin, simülasyon, senaryo analizi | Doğrulanmış emisyon ve piyasa verileri; politika senaryosu |
| Tarım ve Orman Bakanlığı | BAGİS verisiyle balıkçılık politikası | Anomali, rota tahmini, mekânsal-zamansal analiz | Gemi telemetrisi ve av kayıtları; izleme ve simülasyon |
| Gelir İdaresi Başkanlığı | Kurumlar vergisi zarar analizi | Regresyon, risk tespiti, açıklanabilir model | Beyanname ve e-belge verileri; kurumsal servis sınırları |
| Kamu Gözetimi Kurumu | Finansal başarısızlık ve anomali analizi | Sınıflandırma, clustering, MLOps | Kapalı devre; rol bazlı rapor ve sektör modeli |
Ortak desen 1: veri kurumun mevcut sisteminden geliyor
Altı dokümanda da çözüm, boş bir sohbet arayüzü olarak tarif edilmiyor. AYM'de UYAP dosyaları ve içtihatlar, MEB'de kitap PDF'leri ve geçmiş hata kayıtları, Tarım'da BAGİS ve SUBİS, GİB'de beyanname ve e-belge sistemleri, KGK'da EFR ve FinAP verileri sisteme bağlanıyor. Başarı modelin genel bilgisinden değil, kurum verisinin doğru ve kontrollü kullanımından doğuyor.
Bu nedenle ilk mimari çıktı model listesi değil veri akışıdır. Kaynak sistem, aktarım biçimi, güncelleme sıklığı, veri sahibi, kalite kuralı, kullanıcı rolü ve çıktı hedefi tek diyagramda gösterilmelidir. Eğitim, test ve canlı veri kümeleri birbirinden ayrılmadan ölçülen performans güvenilir değildir.
Ortak desen 2: karar desteği ve açıklanabilir çıktı
AYM ve MEB projeleri sistemi açıkça uzmanı destekleyen bir yapı olarak tanımlıyor. GİB ve KGK projelerinde de riskin hangi etmenlerle oluştuğunun raporlanması ve yetkili kullanıcının sonucu incelemesi bekleniyor. Modelin puan vermesi yeterli değil; kullanıcı, sonucu doğuran veri ve gerekçeyi görebilmelidir.
Üretken model kullanılan projelerde kaynak atfı ve halüsinasyon kontrolü, tahmin modellerinde özellik katkısı ve hata analizi aynı amaca hizmet eder: sonucun yeniden incelenebilir olması. İdari veya mali sonucu etkileyen süreçte model çıktısı ile resmî karar arasına insan onayı konulmalıdır.
Ortak desen 3: kabul ölçütü teknolojiye göre değişiyor
AYM dokümanı OCR karakter hata oranı, sınıflandırma F1 skoru, karar taslağı değerlendirmesi, eşzamanlılık ve süre hedefleri verir. MEB precision ve recall hedefleri tanımlar. KGK alt sektörler için Makro F1 eşiği ister. Bu metrikler aynı değildir ve tek bir genel 'doğruluk yüzde 95' cümlesiyle değiştirilemez.
Teknik şartnamede her çıktı için bir test seti, ölçüm yöntemi, kabul eşiği ve testi onaylayacak rol bulunmalıdır. Hız, kaynak tüketimi ve güvenlik testi de model doğruluğundan ayrı kabul kapılarıdır.
Ortak desen 4: dağıtım sınırı işin parçasıdır
AYM, MEB ve KGK dokümanlarında kurum içi veya kurumun sağladığı altyapı açıkça tanımlanıyor. Kaynak kod, model, veri tabanı elemanları ve dokümantasyonun idareye teslimi; açık kaynak bağımlılıkları ve güvenlik testleri de bazı projelerde doğrudan ister olarak yer alıyor. Bu, dağıtım modelinin sonradan verilecek bir operasyon kararı olmadığını gösterir.
Bir teknik ister kapalı devre veya tüm verilerin kurum sunucusunda kalmasını şart koşuyorsa haricî API, bu çekirdek iş yükünün yerine konulamaz. API gateway ancak veri sınıflandırması izin veren genel işlerde, anonim test setlerinde veya ayrı bir model karşılaştırma ortamında değerlendirilebilir.
LLMTR açısından doğru kullanım sınırı
LLMTR, Türkiye'de barındırılan ve global modelleri OpenAI uyumlu tek bir API yüzeyinde karşılaştırmayı kolaylaştırır. Anahtar bazında harcama tavanı, hız sınırı ve model izin listesi tanımlanabilir; kullanım kaydı prompt ve yanıt gövdelerini saklamadan token, maliyet, durum ve gecikme metriklerini tutar. Bu özellikler, dış hizmete çıkmasına kurumca izin verilen iş yüklerinde kontrollü deneme için yararlıdır.
Buna karşılık LLMTR kamu kurumunun kapalı devre MLOps altyapısını, kurum içi veri gölünü veya proje dokümanındaki kaynak kod teslimini sağlamış sayılmaz. Her teknik ister kendi dağıtım sınırıyla okunmalı; seçilen global sağlayıcının veri politikası da model bazında ayrıca incelenmelidir.
Kaynak ve yorum sınırı
Bu analiz TÜBİTAK'ın 1007-SGB-2026-01 çağrı dokümanı, 12 Haziran 2026 tarihli duyuru ve altı kurum için yayımlanan teknik ister dokümanlarına dayanır. Belge dışındaki sonuç, kazanan kuruluş, sözleşme veya uygulama durumu hakkında çıkarım yapılmamıştır.
Yazı teknik karşılaştırmadır ve hukuki görüş niteliği taşımaz. Belirli bir ihalede yeterlik, veri işleme, dağıtım ve sözleşme kararı ihale dokümanının güncel sürümü ile ilgili kurumun satın alma, bilgi güvenliği, uyum ve hukuk birimlerinin kararıdır.
Bir kamu yapay zekâ teknik isterini değerlendirme
Bir kamu yapay zekâ teknik isterini problem, veri, model, dağıtım, güvenlik ve kabul ölçütleri üzerinden değerlendirmek için altı adım.
- Problem ve karar sınırını çıkarın. Modelin hangi işi desteklediğini, hangi çıktıyı ürettiğini ve nihai kararın kimde kaldığını tek sayfada yazın.
- Veri akışını çizin. Kaynak sistemleri, alan sahiplerini, güncelleme sıklığını, eğitim-test-canlı ayrımını ve erişim rollerini gösterin.
- Yöntemi problemle eşleştirin. LLM, VLM, OCR, RAG, regresyon, sınıflandırma veya simülasyondan hangisinin hangi çıktıyı üreteceğini ayırın.
- Dağıtım sınırını sabitleyin. On-premise, kapalı devre, kurum bulutu veya dış API seçeneklerini veri sınıfı ve dokümandaki açık şartlarla eşleştirin.
- Kabul testini yazın. Her çıktı için test seti, metrik, eşik, performans koşulu ve kabul edecek kurumsal rolü belirleyin.
- İşletim kanıtlarını planlayın. Loglama, model sürümü, veri sürümü, geri alma, güvenlik testi, izleme ve insan geri bildirimini teslimat listesine ekleyin.
Sık sorulan sorular
Kamu Yapay Zekâ Ekosistemi 2026 çağrısı hâlâ açık mı?
Hayır. Çevrim içi başvuru 6 Ağustos 2026 saat 23.59'da, elektronik imza işlemleri 11 Ağustos 2026 saat 23.59'da sona erdi.
Kamu Yapay Zekâ Ekosistemi 2026 sonuçları açıklandı mı?
18 Ağustos 2026 tarihinde TÜBİTAK'ın kamuya açık çağrı sayfasında proje başvuru sonuçlarına ilişkin bir duyuru bulunmuyordu. Yazı yalnızca yayımlanan teknik isterleri analiz eder.
Çağrıda kaç kamu kurumunun teknik isteri yayımlandı?
Altı kurumun ihtiyacı yayımlandı: AYM, Çevre Bakanlığı, MEB, Tarım ve Orman Bakanlığı, GİB ve KGK.
Altı projenin tamamı büyük dil modeli mi kullanıyor?
Hayır. LLM, VLM, OCR ve RAG kullanan projelerin yanında regresyon, anomali tespiti, zaman serisi, clustering ve simülasyon gerektiren projeler de bulunuyor.
Bir API gateway kapalı devre kamu sisteminin yerine geçebilir mi?
Hayır. Teknik ister kurum içi veya dış bağlantısız çalışma gerektiriyorsa internet API'si çekirdek sistemin yerine geçmez. Gateway yalnızca kurumun veri sınıflandırmasının dış hizmete izin verdiği ayrı iş yüklerinde değerlendirilebilir.