Neden şimdi: hukuk, yapay zeka için adeta biçilmiş bir alan

Hukuk, özünde dille yapılan bir iştir. Bir avukatın günü; karar okumak, dilekçe yazmak, sözleşme maddelerini karşılaştırmak, mevzuat taramak ve bütün bunları tutarlı bir argümana dönüştürmekle geçer. Hammadde de metindir, ürün de metin. Tam da bu yüzden, metni anlamak ve üretmek üzere kurulmuş büyük dil modelleri (large language models, kısaca LLM) hukukla şaşırtıcı bir uyum içinde.

Peki bu model tam olarak nedir? Büyük dil modeli, devasa miktarda metinle eğitilmiş ve 'bir sonraki kelime ne olmalı' sorusunu olağanüstü iyi yanıtlayan bir tahmin makinesidir. Basit görünen bu yetenek pratikte uzun bir kararı özetlemeye, bir paragrafı yeniden yazmaya, iki sözleşme arasındaki farkı bulmaya ya da bir soruyu doğal dilde yanıtlamaya dönüşür. Hukukçunun günlük işlerinin çoğunun tam olarak bu kalıplara oturması bir rastlantı değil.

Burada en baştan bir noktanın altını çizelim: yapay zeka hukukta 'akıl yürüten bir hâkim' değil, 'çok hızlı okuyan ve yazan bir stajyer' gibidir. Bu benzetme yazının geri kalanının da pusulası olacak. Doğru kullanıldığında bu stajyer, saatler süren mekanik işi dakikalara indirir. Yanlış kullanıldığında ise kendinden son derece emin bir dille yanlış bilgi üretir. Bu yazının amacı, o iki durumu birbirinden ayırt etmeyi öğretmek.

Üç büyük fırsat: araştırma, taslak ve inceleme

Yapay zekanın hukukta en çok değer kattığı yer araştırmadır. Klasik arama motorları kelime eşler; oysa hukukçunun aradığı çoğu zaman bir kelime değil, bir hukuki durumdur. İşte anlamsal arama (semantic search) tam burada devreye girer: bir uyuşmazlığı kendi cümlelerinizle anlatırsınız, sistem ifade bambaşka olsa bile özü örtüşen kararları önünüze getirir. 'Haksız fesih' yazmasanız bile, anlattığınız olayın aynı hukuki çekirdeği taşıyan emsallerine ulaşırsınız. Saatlerce sekme açıp kapamak yerine, dakikalar içinde ilgili kararlardasınızdır.

İkinci fırsat taslak yazımıdır. Bir cevap dilekçesinin iskeleti, bir sözleşmenin standart maddeleri ya da bir ihtarnamenin kalıbı çoğu zaman tekrar eder. Yapay zeka, dosyanın bağlamına uyarlanmış bir ilk taslakla işe başlamanızı sağlar. Bu, herkesin bildiği o boş sayfa direncini ortadan kaldırır; siz de enerjinizi sıfırdan cümle kurmaya değil, argümanı keskinleştirmeye ayırırsınız. Önemli olan şudur: bu bir bitmiş metin değil, üzerine inşa edeceğiniz bir kaba taslaktır.

Üçüncü fırsat incelemedir. Yüz sayfalık bir sözleşmede riskli maddeleri taramak, iki versiyon arasındaki farkları çıkarmak, bir dilekçenin dayandığı argümanları ve atıf yaptığı maddeleri listelemek; insan için yorucu ve hata payı yüksek işlerdir. Yorgun bir göz, otuzuncu sayfadaki bir cezai şart maddesini kolayca atlar. Yapay zeka bu taramayı yorulmadan ve tutarlı biçimde yapar. Ama dikkat: 'tarar ve öne çıkarır', 'karar verir' demek değildir. Son hükmü hâlâ insan kurar.

En tehlikeli risk: uydurulmuş atıflar (halüsinasyon)

Yapay zekanın hukuktaki en sinsi riski 'halüsinasyon' denen olgudur. Bir dil modeli, gerçekten var olan bir kararı getirmek yerine; var olması mümkün görünen ama aslında hiç bulunmayan bir karar, esas-karar numarası ya da alıntı üretebilir. Üstelik bunu tereddütsüz, akıcı ve son derece inandırıcı bir dille yapar. İşin asıl tehlikesi de burada: model yanıldığında bunu bir uyarı sesiyle değil, tam bir özgüvenle yapar.

Neden olduğunu anlamak önemli. Ham bir dil modeli bir veri tabanı değildir; gerçekleri bir rafa koyup oradan çağırmaz. Eğitildiği metinlerdeki örüntülere bakarak 'böyle bir cümle nasıl devam ederdi' diye tahmin yürütür. Bir karar numarasının formatını taklit etmek onun için çok kolaydır; o numaranın gerçekten var olup olmadığını denetlemekse, sırf kendi başına bırakıldığında, tam olarak yapamadığı şeydir. Bir bakıma, hatırı sayılır bir kelime hazinesiyle ama hiçbir gerçeği doğrulama imkânı olmadan yazan birini düşünün.

Ve bu teorik bir kaygı değil. Yalnızca 2025 boyunca, dünyanın dört bir yanındaki mahkemelerde avukatların yapay zekanın uydurduğu sahte kararları dosyaya sundukları yüzlerce vaka belgelendi; bunların bir kısmı para cezaları ve disiplin yaptırımlarıyla sonuçlandı. Bazı hâkimler bu konuda açıkça uyardığı hâlde olaylar tekrarladı. Ders nettir: hukukta bir atıf, kaynağına kadar doğrulanmadan asla güvenilir sayılamaz. Ve bu doğrulamayı yapacak mekanizma, modelin iç sesine değil, sistemin tasarımına ve hukukçunun denetimine ait olmalı.

Topraklama (grounding): modeli gerçek metne bağlamak

Halüsinasyon riskine karşı bugün bilinen en sağlam yanıt 'topraklama' (grounding) ilkesidir. Fikir basit ama güçlü: modelin yanıtını, hafızasındaki bulanık izlere değil, önüne konan gerçek ve doğrulanabilir kaynaklara dayandırmak. Yani modele 'şu konudaki fikrin nedir' demek yerine, önce ilgili gerçek belgeleri bulup 'yalnızca bu metinlere dayanarak cevap ver' demek. Açık sınavla kapalı sınav arasındaki fark gibi: modelin önüne kaynak kitabı koyarsınız.

Bunu sağlayan en yaygın mimari, İngilizce kısaltmasıyla RAG (Retrieval-Augmented Generation), yani 'getirmeyle güçlendirilmiş üretim'dir. Akış şöyle işler: kullanıcının sorusu önce bir hukuk korpusunda (kararlar, kanunlar, yönetmelikler arasında) anlamca en yakın gerçek belgeleri bulmak için kullanılır. Bulunan bu belgeler modele bağlam olarak verilir. Model de yanıtını havadan değil, bu somut metinlerin üzerine kurar ve hangi karara ya da maddeye dayandığını gösterir.

Topraklamanın hukuk açısından iki kritik kazanımı var. Birincisi izlenebilirlik: her cümle bir kaynağa bağlandığı için, hukukçu körü körüne güvenmek yerine tek tıkla gidip kaynağı kendisi görebilir. İkincisi güncellik: yeni bir karar ya da mevzuat değişikliği geldiğinde modeli baştan eğitmek gerekmez; bilgi tabanını güncellemek yeterlidir. İçtiHub'ı geliştirirken topraklamayı bilinçli olarak temel ilke seçtik; çünkü hukukta 'kendinden emin ama dayanaksız' bir yanıt, çoğu zaman hiç yanıt olmamasından daha tehlikelidir.

Yine de dürüst olalım: topraklama halüsinasyonu azaltır, sıfırlamaz. Model bazen önüne konan kaynağı yanlış yorumlayabilir ya da kaynak yetersiz kaldığında boşluğu kendi tahminiyle doldurmaya çalışabilir. Bu yüzden topraklama tek başına yeterli bir güvence değil; ancak bir sonraki ilkeyle, yani insan denetimiyle birlikte gerçek anlamını kazanan bir temeldir.

Gizlilik: hukuki sırrın yeni sınavı

Hukuki belgeler doğası gereği hassastır. Bir dosya; müvekkilin kişisel verilerini, ticari sırlarını, sağlık bilgilerini ya da bir uyuşmazlığın en mahrem ayrıntılarını içerebilir. Avukatın sır saklama yükümlülüğü, mesleğin en eski ve en temel taşlarından biridir. Yapay zeka araçları bu yükümlülüğü ortadan kaldırmaz; tam tersine, ona yepyeni bir sınav ekler.

Tehlike şurada: bir avukat hassas bir belgeyi, nasıl çalıştığını bilmediği herkese açık bir yapay zeka aracına yapıştırdığında, o veriyi kontrolünden çıkarmış olabilir. Bazı ücretsiz araçlar, kullanıcının girdiği metni modeli geliştirmek için saklayabilir ya da işleyebilir. Böyle bir durumda gizli bir bilgi, hiç amaçlanmadığı yerlere sızabilir. O yüzden ilk kural nettir: bir aracın verinizle ne yaptığını bilmeden, oraya gizli bilgi vermeyin.

Doğru yaklaşım, gizliliği sonradan eklenen bir yama değil, en baştan gelen temel bir tasarım gereksinimi olarak ele almaktır. Bu; verinin nerede işlendiğini bilmek, modelin eğitiminde kullanılıp kullanılmadığını netleştirmek ve denetlenebilir, güvenli altyapılar tercih etmek demektir. Nitekim dünya genelinde baroların yayımladığı yapay zeka rehberleri de aynı noktaya, yani aydınlatılmış onam ve veri güvenliğine işaret ediyor. İçtiHub'ı geliştirirken veri güvenliğini ve gizliliği tasarımın merkezine koyuyoruz; çünkü bir hukukçunun teknolojiye güvenebilmesi için, o teknolojinin sırrı koruyacağından emin olması şarttır.

Sessiz risk: aşırı güven ve beceri körelmesi

Uydurma atıflar göze batan bir risktir; oysa belki daha sinsi olanı sessizce ilerler: aşırı güven. Bir araç çoğu zaman doğru ve hızlı çalıştığında, insan zihni doğal olarak denetimi gevşetir. 'Nasılsa makine bir bakmıştır' düşüncesi, tam da en çok dikkat gereken anda dikkatin azalmasına yol açar. Yapay zekanın akıcı ve kendinden emin üslubu bu eğilimi büsbütün besler.

Bunun ikinci bir yüzü var: beceri körelmesi. Genç bir hukukçu, araştırmayı ve taslak yazımını tümüyle bir araca devrettiğinde, o işleri kendi başına yapma kasını çalıştırmayı bırakabilir. Oysa bir argümanın neden zayıf olduğunu sezmek ya da bir kararın somut olaya gerçekten uyup uymadığını görmek, ancak o emeği defalarca verdikten sonra gelişen bir yargıdır. Aracın amacı bu yargının yerine geçmek değil, ona zaman açmaktır.

Sağlıklı denge, yapay zekayı bir 'cevap makinesi' değil, bir 'taslak ve hızlandırıcı' olarak görmektir. Modelin getirdiği her sonucu, tıpkı bir stajyerin hazırladığı taslağa bakar gibi eleştirel bir gözle okumak gerekir: kaynak gerçek mi, atıf güncel mi, argüman somut olaya oturuyor mu? Bu şüpheci refleks bir zayıflık değil, mesleki olgunluğun ta kendisidir.

İnsan denetimi (human-in-the-loop): vazgeçilmez katman

Bütün bu risklerin birleştiği nokta tek bir ilkeye işaret ediyor: 'insan denetimi' (human-in-the-loop). Bu kavram, yapay zekanın bir işi tek başına baştan sona bitirmesine izin vermek yerine, kritik anlarda kararın bir insana ait kalmasını güvence altına almak demektir. Hukukta bu insan, her zaman hukukçunun kendisidir.

İnsan denetimi pratikte şöyle görünür: yapay zeka araştırmayı yapar, ama emsalin uygunluğuna avukat karar verir. Model taslağı yazar, ama her cümlenin sorumluluğunu imzasını atan hukukçu taşır. Sistem riskli bir maddeyi öne çıkarır, ama o riskin somut dosyada ne anlama geldiğini insan yorumlar. Yapay zeka hızı sağlar; insan ise yargıyı, bağlamı ve sorumluluğu.

İyi tasarlanmış bir sistem, bu denetimi zorlaştırmaz, kolaylaştırır. Her yanıtı kaynağına bağlamak, modelin emin olmadığı yerlerde bunu açıkça belirtmesini sağlamak ve doğrulamayı tek tıkla mümkün kılmak; hepsi insanın denetim görevini güçlendiren tasarım tercihleridir. İçtiHub'ı bu felsefeyle kuruyoruz: amaç hukukçunun yerini almak değil, onun muhakemesini hızlandırmak ve sağlamlaştırmak. Son sözü her zaman insan söyler.

Sorumluluk hukukçuda kalır: değişmeyen kural

Teknoloji ne kadar gelişirse gelişsin, değişmeyen bir gerçek var: mahkemeye sunulan bir dilekçenin, müvekkile verilen bir tavsiyenin ve ileri sürülen bir argümanın sorumluluğu hukukçuya aittir. 'Yapay zeka öyle söyledi' bir savunma değildir. Bir aracı kullanmayı seçen ve onun çıktısını imzalayan kişi, o çıktının doğruluğundan da sorumludur. Yapay zeka bu denklemi değiştirmez; yalnızca özeni gösterme biçimini dönüştürür.

Dünyanın pek çok yerinde barolar ve düzenleyici kurumlar tam da bu yönde adım atıyor. Örneğin Amerikan Barolar Birliği'nin (ABA) üretken yapay zekaya ilişkin etik görüşü ve giderek artan sayıda eyalet barosunun rehberi; hukukçuların kullandıkları teknolojiyi anlama, gizliliği koruma ve yapay zeka çıktılarını bağımsız olarak doğrulama yükümlülüğüne dikkat çekiyor. Bunların hiçbiri yapay zekayı yasaklamak için değil; onu meslek etiğinin sınırları içinde, sorumlu biçimde kullanmayı güvence altına almak için. Yani araç yeni, ama özen yükümlülüğü eski ve sağlam.

Bu yazıyı tek bir cümlede toplamak gerekirse: yapay zeka, hukukçunun gücünü çoğaltan olağanüstü bir kaldıraçtır, ama yargısının yerine geçen bir merci değildir. Doğru kullanım, fırsatları cömertçe kucaklarken riskleri ciddiye almaktan geçer: topraklamayla kaynağa bağlanmak, gizliliği korumak, aşırı güvene direnmek ve son sözü her zaman insana bırakmak. EcoFluxion olarak İçtiHub'ı tam da bu denge üzerine kuruyoruz: hukukçuyu yavaşlatan mekanik yükü almak, ama ona ait olan muhakemeyi ve sorumluluğu sonuna kadar onun elinde bırakmak.