Kamu ve Özel Sektör Mekanizmalarında Yapay Zekanın Manipülasyon Etkisi
Günümüzde kullanılan yapay zekâ araçlarının altyapısında var olan GPU teknolojisinin parabolik bir şekilde ilerlediği aşikardır. Bu altyapıyla şekillenerek kullandığımız yapay zekâ araçları, toplum ve insan hayatı nezdinde büyük bir öneme sahiptir. Günlük hayat, okul ve iş yerlerine nüfuz eden yapay zekayı elbette sadece bireyler kullanmıyor, tüzel kişilikler de kullanıyor. Hemen hemen tüm kamu ve özel sektör çalışanları, mesleki hayatlarında da yapay zekâ araçlarından yararlanmaktadırlar. Örneğin herhangi bir teknik veya idari departmanda yapay zekâ araçları, kurumsal bilgilerden bahsedilmeyecek biçimde kullanılabilir. Ancak yapay zekadan yararlanmak zaman zaman doğru bilgiye ulaşmada engel teşkil edebilir.
Yapay zekâ araçlarından yararlanan insanlar bilindiği üzere her prompt girişinde kendi kişilikleri ve ilgi alanlarına dair bilgi de bırakmaktadır. Yapay zekâ aracının elde ettiği bu bilgilerle de kişi, yapay zekâ tarafından subjektif bilgilerle beslenilmektedir. Bu, sıklıkla her kullanıcının yaşadığı dezenformasyon sorunudur. Kullanıcının her prompt girişinde yapay zekâ aracı, kullanıcı hakkında giderek daha fazla bilgiye sahip olmaktadır. Neticede kullanıcı tam olarak doğru bilgiye ulaşamamakla birlikte, yapay zekanın kişisel algoritmasına maruz kalarak zamanla manipülasyona uğramaktadır. Dolayısıyla yapay zekanın bireyleri ve toplumu yanıltması, günümüz bilgi kirliliği sorunudur. Ancak bu, birey ve toplumun yanı sıra kamu kurumları ve özel sektör kuruluşları için de ciddi bir sorundur.
Söz konusu risk, bireysel seviyede başlayan bu manipülatif döngünün kurumsal kararlara entegre olmasıyla katlanarak büyümektedir. Özel sektör kuruluşlarında stratejik planlama, veri analizi veya pazar araştırması yapan çalışanlar, yapay zekâ araçlarına yönelttikleri sorgularla farkında olmadan kurumun eğilimlerini ve zafiyetlerini algoritmaya sızdırmaktadır. Model ise bu bağlamsal geçmişe uygun olarak, kullanıcının duymak veya görmek istediği taraflı verileri önceliklendirme eğilimi gösterir. "Algoritmik doğrulama yanlılığı" olarak adlandırılan bu olgu, kurumsal karar alıcıların objektif piyasa gerçekleri yerine, sistemin kendilerine sunduğu ve kişiselleştirilmiş dezenformasyon içeren çıktılara dayanarak milyarlarca dolarlık yatırımlar yapmasına yol açabilir. Algoritmanın yönlendirdiği stratejik bir karar, hem işletmeler için finansal kayıp hem de pazardaki rekabet avantajının ve kurumsal itibarın tamamen yitirilmesi anlamına gelmektedir.
Kamu mekanizmalarına bakıldığında ise durum, milli güvenlik ve kamu politikaları çerçevesinden çok daha kritik bir boyuta ulaşmaktadır. Bürokratik süreçlerde veya politika oluşturma aşamalarında yapay zekâ sistemlerinden yararlanılması, kamu çalışanlarının farkında olmadan belirli bir algoritmik çerçevenin içine hapsolmasına neden olur. Devlet kademelerinde kullanılan yapay zekaların, eğitildikleri verideki manipülatif kalıpları veya hedefli bilgi operasyonlarını bürokratlara "gerçeklik" gibi sunması, kamu politikalarının yanlış yönlendirilmesi riskini doğurur. Rakipler veya yabancı aktörler tarafından manipüle edilmiş açık kaynak verileriyle beslenen ya da kullanıcı profiline göre çıktısını şekillendiren modeller, kritik bir kamu altyapısı kararında veya güvenlik analizinde devlet mekanizmasının yanlış adımlar atmasına sebebiyet verebilir. Bu durum, "algoritmik epistemik kriz" yaratarak kamu kurumlarının kamu yararını gözetme yetisini doğrudan zedeler.
Askeri ve teknolojik alandaki bu bilinçli bilgi yönetimi, kurumsal yapay zekâ sistemlerinin maruz kaldığı dezenformasyon riskini ve manipülasyon boyutunu çok daha çetrefilli bir noktaya taşımaktadır. Nitekim savunma sanayii devleri ve devlet kurumları tarafından yürütülen askeri aldatma ve operasyonel güvenlik stratejileri, açık kaynaklarda kasıtlı olarak yanlış algı oluşturmayı amaçlar. Bazı savunma sanayii kuruluşları tarafından yayımlanan teknik raporlar ve performans verileri, rakip aktörlerin Ar-Ge bütçelerini yanlış yönlendirmek veya teknolojik caydırıcılık oluşturmak adına stratejik olarak bükülmüş bilgiler içerebilir. Sorun şu ki, günümüz kamu ve özel sektör çalışanları tarafından kullanılan büyük dil modelleri ve yapay zekâ analiz araçları, eğitim verilerini tam da bu filtrelenmiş veya abartılmış açık kaynak dokümanlarından toplamaktadır. Dolayısıyla yapay zekâ, bu stratejik aldatmacaları ve abartılı verileri doğrulanmış ham gerçeklik olarak işleyerek kullanıcılara sunmakta; böylece devletlerin ulusal güvenlik ve savunma planlamalarında karar alıcıları yapay bir gerçeklik illüzyonuna hapsetmektedir.
Diğer taraftan, çift kullanımlı, yani hem askeri hem sivil, bilimsel şeffaflık zorunlulukları ve bürokratik fon arayışları da yapay zekanın beslendiği veri havuzunu sistematik olarak bozmaktadır. Kamu fonlarıyla desteklenen savunma ve teknoloji projelerinin kongre onayından geçebilmesi, kamuoyu desteği bulabilmesi ve sivil akademik dünyayla iş birliğini sürdürebilmesi için yayımlanan raporlarda halkla ilişkiler reklam iyileştirmeleri sıkça uygulanır. Projelerin hız, menzil, maliyet ve başarı oranları olduğundan daha vizyoner ve kusursuz gösterilerek fon sağlama süreci garanti altına alınmaya çalışılır. Ancak yapay zekâ sistemleri bu tür stratejik metinlerdeki kuramsal reklam söylemi ile teknik gerçeklik arasındaki farkı ayırt edemez. Kamu ve özel sektördeki analistler, karar alma mekanizmalarında bu sistemleri kullandıklarında, bütçe onayları için süslenmiş iyimser verileri somut birer istatistik olarak kabul etme riskiyle karşı karşıya kalırlar. Sonuç olarak yapay zekâ araçlarının yarattığı bu kişiselleştirilmiş bilgi illüzyonu, yalnızca bireysel kullanıcıların zihnini şekillendirmekle kalmayıp, kamu ve özel sektördeki karar alma mekanizmalarını da sistematik olarak manipüle etmektedir. GPU teknolojilerinin sunduğu devasa işlem gücüyle her geçen gün daha ikna edici hale gelen bu sistemler, kurumsal düzeyde süzgeçten geçirilmeden kullanıldığı takdirde stratejik körlüğe yol açacaktır. Askeri aldatma stratejileri, operasyonel güvenlik filtreleri ve bütçe odaklı abartılmış reklam raporları, yapay zekanın kişiselleştirilmiş algoritmik manipülasyonuyla birleştiğinde kurumsal ve kamusal aktörlerin stratejik körlük yaşamasını kaçınılmaz kılmaktadır. Söz konusu risklerin bertaraf edilebilmesi veya en aza indirgenmesi için ilgili kamu kurum ve özel sektör kuruluşlarının gerekli risk analizlerini gerçekleştirerek önlemler alması gerekmektedir.
Kaynakça
Bozdag, E. (2013). Bias in algorithmic filtering and personalization. Ethics and Information Technology, 15(3), 209-227. Açık Erişim Linki: https://link.springer.com/article/10.1007/s10676-013-9321-6
Floridi, L., & Cowls, J. (2019). A Unified Framework of Five Principles for AI in Society. Harvard Data Science Review, 1(1). Açık Erişim Linki: https://www.researchgate.net/publication/334166840_A_Unified_Framework_of_Five_Principles_for_AI_in_Society
Hood, D. (2023). Deterrence by Deception: Historic Lessons and Contemporary Methods. Contemporary Issues in Air and Space Power, 1(1). Açık Erişim Linki: https://doi.org/10.58930/001c.84546
Joint Chiefs of Staff. (2012). Military Deception (Joint Publication 3-13.4). U.S. Department of Defense / Joint Forces Staff College. Açık Erişim Linki: https://jfsc.ndu.edu/portals/72/documents/jc2ios/additional_reading/1c3-jp_3-13-4_mildec.pdf
Joint Research Centre (European Commission). (2020). AI Watch: Artificial Intelligence in public services - Governance and policy-making perspectives. European Union Science Hub. Açık Erişim Linki: https://knowledge-for-policy.ec.europa.eu/publication/ai-watch-artificial-intelligence-public-services_en
Zarsky, T. Z. (2016). The Trouble with Algorithmic Decisions: An Mind-Map to Identify Concerns of Negligence and Injustice. Science, Technology, & Human Values, 41(1), 118-149. Açık Erişim Linki: https://journals.sagepub.com/doi/10.1177/0162243915605575
Notlar/Diğer
Kadir Erdem Tuğrul, Ankara, 25 Ekim 2026
- Türkiye ve Avrupa Yükseköğretiminde Sayısal Bilimlerin Yükselişi ve 2026 Vizyonu bilgi toplumu · 1 Ocak 2026
- Sağlık Diplomasisi ve Uluslararası İlişkiler Sağlık diplomasisi · 19 Ocak 2026
- Yapay Zekanın Sektörel Dağılıma Etkisi Üzerine Analiz yapay zeka · 15 Şubat 2026
DSÖ (WHO)
GTÖ (FAO)
UNEP
DHSÖ (WOAH)