Prof. Dr. Ceylan Yozgatlıgil ile Röportaj:
Türkiye’de Yapay Zekâ Gündemi: Yönetimde ve Eğitimde Dönüşüm Dinamikleri
Kamu Politikası, Devlet Yönetimi ve Toplumsal Gelişim Merkezi (KAPDEM) olarak Prof. Dr. Ceylan Yozgatlıgil ile yapay zekânın günlük yaşamdan akademiye, veri biliminden eğitim politikalarına ve kamu yönetimine uzanan etkileri üzerine kapsamlı bir röportaj gerçekleştirdik.
Yapay zekâ teknolojilerinin son yıllarda büyük bir hızla hayatın hemen her alanına girmesi, beraberinde bu araçların nasıl kullanılması gerektiği, ürettikleri bilginin ne ölçüde güvenilir olduğu ve insan karar alma süreçlerindeki yerinin nasıl sınırlandırılması gerektiği gibi önemli tartışmaları da gündeme taşıdı.
Bu röportajda Prof. Dr. Ceylan Yozgatlıgil ile yapay zekâ ve istatistik arasındaki ilişkiyi, veri kalitesinin algoritmalar üzerindeki etkisini, yapay zekâ kaynaklı yanlılık ve manipülasyon risklerini, eğitim ve akademide yaşanan dönüşümü, yapay zekâ okuryazarlığını, Türkiye’nin bu alandaki teknolojik kapasitesini ve kendi yapay zekâ ekosistemini geliştirebilmesi için atılması gereken adımları ele aldık.
Ayrıca veri güvenliği, yerli dil modellerinin önemi, yapay zekâ teknolojilerine erişimin yaratabileceği yeni toplumsal eşitsizlikler ve gençlerin geleceğin çalışma hayatına hazırlanırken hangi yetkinlikleri geliştirmeleri gerektiği üzerinde durduk.
Prof. Dr. Ceylan Yozgatlıgil ile Röportaj:
Türkiye’de Yapay Zekâ Gündemi: Yönetimde ve Eğitimde Dönüşüm Dinamikleri
Röportajın Kısa Özeti
“Yapay zekâ sonuçta bir araçtır. Verilerle eğitilmiş ve olasılıksal hesaplara dayanan bir sistemden söz ediyoruz. Bu nedenle verdiği her cevabı doğru kabul etmek yerine araştırmak, sorgulamak ve eleştirel yaklaşmak gerekiyor.”
“Yapay zekâ ile istatistiği birbirinden tamamen ayırmak çok zor. Makine öğrenmesinden büyük dil modellerine kadar birçok yapay zekâ uygulamasının temelinde veri, matematik, olasılık ve istatistik bulunuyor.”
“Veri ne kadar büyük olursa olsun kaliteli değilse iyi sonuç üretmez. İstatistikte kullandığımız basit bir ifade vardır: Çöp girerse çöp çıkar. Yapay zekâ açısından da durum farklı değil.”
“Yapay zekânın yasaklanabileceğini düşünmüyorum. Artık hayatımızın içinde. Asıl mesele, öğrencinin öğrenmesini ve eleştirel düşünmesini sağlayacak yeni bir eğitim ve değerlendirme sistemi kurabilmek.”
“Doğru kullanıldığında yapay zekâ araştırmayı olağanüstü hızlandırabiliyor. Geçmişte aylarca çözüm aradığımız bir probleme bugün birkaç dakika içinde yeni bir yöntem önerilebiliyor. Ancak yönlendiren taraf yine araştırmacının kendisi olmalı.”
“Türkiye’nin yalnızca yapay zekâ kullanan değil, kendi modellerini geliştiren bir ülke olabilmesi için güçlü hesaplama altyapısına, veri merkezlerine, nitelikli insan kaynağına ve büyük, disiplinler arası araştırma ekiplerine ihtiyacı var.”
“Verilerimizin yurt dışındaki sistemlere aktarılması ciddi bir mesele. Türk verisiyle geliştirilmiş ve verilerin Türkiye’de kalmasını sağlayacak kendi yapay zekâ modellerimize ihtiyacımız var.”
“Gelecekte yapay zekâ araçlarını etkin kullanabilmek temel bir yetkinliğe dönüşecek. Ancak yapay zekâ insana yön vermemeli; insan yapay zekâya yön vermeli.”
Röportajın Tam Metni:
Prof. Dr. Ceylan Yozgatlıgil ile Röportaj:
Türkiye’de Yapay Zekâ Gündemi: Yönetimde ve Eğitimde Dönüşüm Dinamikleri
Ceylan Hocam merhabalar. Öncelikle Kamu Politikası, Devlet Yönetimi ve Toplumsal Gelişim Merkezi (KAPDEM) olarak röportaj teklifimizi kabul ettiğiniz ve bugün bizimle birlikte olduğunuz için çok teşekkür ederiz. Bugün sizinle yapay zekânın istatistik ve akademideki kullanımından Türkiye’nin bu alandaki konumuna, eğitimden kamu politikalarına kadar uzanan geniş bir çerçevede sohbet etmek istiyoruz. Tekrar hoş geldiniz.
Çok teşekkür ederim. Beni davet ettiğiniz için ben de teşekkür ederim.
Yapay zekâ son birkaç yılda hayatımızın merkezine çok hızlı biçimde yerleşti. Hem bilimsel ve akademik çalışmalarımızda hem de günlük hayatımızda bu araçları giderek daha fazla kullanıyoruz. Sizce yapay zekâyı yeterince doğru ve bilinçli kullanabiliyor muyuz, yoksa teknoloji hayatımıza uyum sağlayabileceğimizden daha hızlı mı girdi?
Yapay zekânın hayatımıza gerçekten çok hızlı girdiğini ve aynı hızla gelişmeye devam ettiğini düşünüyorum. Henüz bu araçları bütünüyle doğru kullandığımızı söylemek zor. Bazı alanlarda son derece başarılı ve bilinçli uygulamalar var ancak toplum genelinde yapay zekânın nasıl çalıştığı ve sınırlarının neler olduğu konusunda yeterli farkındalık oluşmuş değil.
Öncelikle bugün kullandığımız yapay zekâ araçlarının yüzde yüz güvenilir olmadığını kabul etmemiz gerekiyor. Buna rağmen insanlarda, yapay zekânın her şeyi mükemmel biçimde yaptığına ve verdiği cevabın mutlaka doğru olduğuna yönelik bir algı oluşabiliyor. Dolayısıyla herhangi bir çıktıyı sorgulamadan kabul etme eğilimi görüyoruz.
Hatta insanların psikolojik sorunlarını, sağlıkla ilgili meselelerini veya hayatlarında alacakları önemli kararları bu sistemlere danıştıklarını ve aldıkları cevaplara göre hareket ettiklerini duyuyoruz. Bence bu oldukça riskli.
Sonuçta yapay zekâ bir araçtır. Verilerle eğitilmiş, temelinde matematiksel ve istatistiksel modellerin ve olasılıksal hesapların bulunduğu bir sistemden söz ediyoruz. Fakat sistem bizimle insansı bir dille iletişim kurduğu için ister istemez onunla farklı bir bağ kurabiliyoruz.
Bu nedenle yapay zekâ kullanırken belirli bir mesafeyi korumamız, araştırmamız, sorgulamamız ve her çıktıya eleştirel yaklaşmamız gerektiğini düşünüyorum.
Fotoğraf 1: © Kamu Politikası, Devlet Yönetimi ve Toplumsal Gelişim Merkezi (KAPDEM), 2026. Tüm telif hakları saklıdır.
“Yapay zekâ, insanın yerine karar veren bir mekanizma değil; karar vericinin daha hızlı ve daha sağlıklı karar almasını sağlayan bir destek aracı olmalıdır”
Yapay zekâ denildiğinde çoğumuzun aklına ilk olarak ChatGPT, Claude, Gemini veya benzeri büyük dil modelleri geliyor. Oysa yapay zekâ bundan çok daha geniş bir alanı kapsıyor. Günlük hayatımızda, bilimsel çalışmalarda veya akademide kullanılan farklı yapay zekâ uygulamalarına hangi örnekleri verebiliriz? Siz hangi alanlarda bu araçlardan yararlanıyorsunuz?
Bugün herkesin bildiği ChatGPT, Claude, Gemini, DeepSeek veya Grok gibi genel amaçlı uygulamalar var. Bunun yanında hemen her sektöre ve probleme özgü yeni yapay zekâ araçları geliştiriliyor ve bu alan gerçekten çok hızlı büyüyor.
Türkiye’de de önemli çalışmalar yürütülüyor. Örneğin benim de içinde bulunduğum Mevzuat AI gibi hukuk alanına yönelik uygulamalar geliştirildi. Yargıtay, Danıştay ve UYAP kararlarından oluşturulan oldukça büyük veri setleri üzerinden çalışan bu tür sistemler, avukatların geçmiş emsal kararlara çok daha hızlı biçimde ulaşmasını ve binlerce karar arasından belirli bir hukuki meseleyle ilişkili sonuçları görebilmesini sağlayabiliyor.
Sağlıkta, sporda, eğitimde ve finansta da benzer örnekler var. Finans alanında yatırım kararlarını destekleyen sistemler geliştiriliyor. Eğitimde ders materyallerini farklı formatlara dönüştüren uygulamalar kullanılıyor. Araştırmada kaynak tarama, içerik özetleme, sunum veya internet sitesi hazırlama gibi işler için Perplexity, NotebookLM veya Gamma benzeri araçlardan faydalanılabiliyor.
Bunların hepsi esas olarak birer karar destek aracı. Bizim yerimize karar vermelerinden ziyade, çok büyük miktardaki bilgiyi hızla analiz ederek karar verme sürecimizi kolaylaştırmaları gerekiyor.
Örneğin hukuk alanında binlerce Yargıtay ve Danıştay kararının aynı anda değerlendirilerek belirli bir konuya ilişkin sonuçların kısa sürede önünüze getirilebilmesi çok değerli.
Sporda bile son derece spesifik kullanımlar görüyoruz. Bir sporcunun hareketleri analiz edilerek hangi noktada sıçraması gerektiği, kolunun veya ayağının hangi pozisyonda olması gerektiği gibi konularda başarılı ve başarısız örneklerden modeller eğitilebiliyor.
Eğitim alanında da öğrencilerimiz çeşitli projeler yürütüyor. Örneğin uzun eğitim materyallerinin öğrencilerin ilgisini koruyabilecek birkaç dakikalık görsel ve işitsel içeriklere dönüştürülmesi üzerine çalışmalar yapılıyor. Dolayısıyla verinin bulunduğu hemen her yerde yapay zekânın kullanılabileceğini söyleyebiliriz. Müzikten sağlığa, hukuktan spora kadar aklımıza gelebilecek hemen her alanda uygulamalar gelişmeye devam ediyor.
Türkiye’de kamu kurumlarında da yapay zekâ konusunda bir hareketlilik olduğunu görüyoruz. Bakanlıklarda ve çeşitli kamu kuruluşlarında bu alana ilişkin birimler kuruluyor ve projeler geliştiriliyor. Benzer biçimde TÜBİTAK projelerinde de yapay zekâ uygulamalarının giderek daha fazla ağırlık kazandığını gözlemliyorum.
Sizin çalışma alanınız açısından daha temel bir noktaya geçmek istiyoruz. Yapay zekânın temelinde veri ve istatistik biliminin bulunduğunu söylediniz. İstatistik ile yapay zekâ arasındaki ilişkiyi temel düzeyde nasıl açıklarsınız?
İstatistiğin temelinde veri vardır. Asıl amacımız, verilerden bilgi elde etmek ve gerçek hayattaki bir probleme cevap bulabilmektir. Bir problemimiz olduğunu düşünelim. Bunu doğrudan matematiksel olarak formüle edemiyorsak ne yapıyoruz? Veri topluyoruz, bu verileri analiz ediyoruz, verinin bize ne söylediğine bakıyor ve buradan sorumuza bir cevap üretmeye çalışıyoruz. Yapay zekâ da temel olarak aynı prensiple çalışıyor. Örneğin, finans sektöründe sahtecilik vakalarını tahmin etmek istediğinizi düşünün. Müşteri profillerine bakarsınız. Daha önce kimlerin sahtecilik yaptığını ve kimlerin yapmadığını incelersiniz. İki grup arasındaki ortak ve ayrıştırıcı özellikleri belirlemeye çalışırsınız. Sonra bu bilgiler üzerinden bir model geliştirirsiniz. Bu, istatistikte yıllardır yaptığımız çalışmalara oldukça benziyor. Verileri kullanarak model oluşturuyoruz, modeli optimize ediyoruz ve sonunda karar vericilere belirli bir tahmin veya öneri sunuyoruz. Makine öğrenmesi dediğimiz algoritmaların pek çoğu da bu yaklaşımın devamı niteliğinde. Büyük dil modelleri açısından baktığımızda ise olasılık çok daha görünür hâle geliyor. Bir soru sorduğunuzda sistem arka planda olası kelimeleri, ifadeleri ve cevapları çok hızlı biçimde hesaplıyor ve olasılığı yüksek olan çıktıyı size sunuyor. Bu yüzden bazen yanlış cevaplar veya bugün “halüsinasyon” olarak adlandırdığımız hatalı içerikler de ortaya çıkabiliyor.
Dolayısıyla yapay zekânın arkasında istatistik, matematik ve bilgisayar biliminin birlikte çalıştığı bir yapı var. İstatistikçiler açısından ilginç olan noktalardan biri de yıllardır kullandığımız regresyon veya tahminleme gibi yöntemlerin bugün makine öğrenmesi ve yapay zekâ bağlamında çok daha popüler hâle gelmesi. Elbette yapay zekâ uygulama açısından bu yöntemleri çok daha ileri bir noktaya taşıdı. Ancak teorik düzeyde istatistiğin kendi başına çok daha geniş bir alan olduğunu da unutmamak gerekir.
“Yapay zekâ ile istatistiği birbirinden tamamen ayırmak mümkün değil. Yapay zekânın temelinde veri, olasılık, matematik ve istatistik bulunuyor”
Burada veri kalitesi de kritik hâle geliyor sanırım. Özellikle yanlı veriler kullanıldığında yapay zekâ sistemlerinin yanlı veya yanlış sonuçlar üretmesi mümkün. Bu sistemler insanları belirli bir yöne yönlendirebilir veya manipüle edebilir mi?
Elbette böyle bir risk var. Her şeyden önce kullandığınız verinin kalitesi çok önemli. İstatistikte sık kullandığımız bir ifade vardır: “Çöp girerse çöp çıkar.” Eğer modele kötü, hatalı veya yanlı veri verirseniz elde edeceğiniz sonuç da buna göre şekillenir. Örneğin bir sistem geçmişte belirli gruplara yönelik önyargıları içeren verilerle eğitiliyorsa bu önyargıları yeniden üretebilir. İnternetteki verilerin önemli bölümünün mevcut büyük dil modellerinin eğitiminde kullanıldığını biliyoruz. Dolayısıyla internette hangi görüş, yaklaşım veya söylem daha fazla temsil ediliyorsa modelin bundan etkilenmesi mümkün. Cinsiyet, etnik köken, yaş veya sosyoekonomik durum gibi alanlarda algoritmik yanlılık ortaya çıkabiliyor.
Örneğin kredi verme süreçlerini tamamen algoritmaya bıraktığınızı düşünün. Geçmiş verilerde kredi borcunu geri ödemeyen kişilerin belirli bazı kelimeleri daha fazla kullandığı görülmüş olabilir. Algoritma yalnızca bu ilişkiye dayanarak aynı ifadeleri kullanan başka kişileri de yüksek riskli kabul edebilir. Oysa kişinin gerçekten krediye ihtiyacı olabilir ve geçmişteki grupla hiçbir gerçek ilişkisi bulunmayabilir. Bu nedenle sadece modelin teknik olarak başarılı olması yeterli değil. Etik boyutunu ve hangi gruplara karşı sistematik bir yanlılık üretip üretmediğini de incelemek zorundayız.
İnsan tarafından geliştirilen bir sistemden söz ediyoruz. Sistemi geliştirenlerin etik ilkeleri ve veriyi nasıl seçtikleri sonuç üzerinde doğrudan etkili olabilir. İnternetteki bilgi ortamının manipüle edilmesi de benzer bir risk yaratıyor. Eğer yapay zekâ modeli internetten besleniyorsa ve internette belirli görüşler sistematik biçimde öne çıkarılıyorsa, modelin ürettiği sonuçların da bundan etkilenmesi mümkündür. Bu nedenle yapay zekânın verdiği hiçbir cevaba yüzde yüz güvenmemek gerektiğini tekrar vurgulamak istiyorum.
Fotoğraf 2: © Kamu Politikası, Devlet Yönetimi ve Toplumsal Gelişim Merkezi (KAPDEM), 2026. Tüm telif hakları saklıdır.
“Yapay zekâyı yanlı verilerle eğitirseniz, sistem de sizi o yanlılığın bulunduğu yöne doğru yönlendirebilir”
Ayrıca bu sistemlerin arka planında tam olarak hangi verilerin kullanıldığını çoğu zaman bilmiyoruz. Bir anlamda “kapalı kutu” niteliği taşıyorlar. Wikipedia, Reddit veya çeşitli internet kaynaklarından yararlanıldığını biliyoruz fakat bunların ağırlığının ne olduğunu veya eğitim verisinin tamamının nasıl oluşturulduğunu bilmiyoruz. Reddit gibi platformların büyük ölçüde kullanıcıların kendi görüşlerini paylaştığı sosyal mecralar olduğunu düşündüğümüzde, burada çok tekrarlanan bir görüşün sistem tarafından güçlü biçimde temsil edilmesi ihtimalini de hesaba katmak gerekiyor.
Dolandırıcılık açısından da benzer riskler mevcut. Yapay zekâ artık insanların sesini, görüntüsünü veya kişisel özelliklerini taklit edebilecek kadar güçlü hâle geldi. Dolayısıyla bu teknolojilerin kötü niyetli kullanım biçimleri konusunda da toplumun bilinçlenmesi gerekiyor.
“Büyük veri her zaman iyi veri değildir. Önemli olan verinin gerçeği ne ölçüde doğru ve yansız biçimde temsil ettiğidir”
Yapay zekâ sistemlerinin doğru sonuçlar üretebilmesinde kullanılan verilerin niteliğinden bahsettiniz. Çok fazla veriye sahip olmak tek başına yeterli değilse “veri kalitesi” dediğimizde ne anlamamız gerekiyor?
Veri öncelikle gerçeği yansıtmalı. Örneğin hukuk alanında Yargıtay, Danıştay veya UYAP kararlarından elde edilen veriler belirli bir hukuki sistem içerisinde üretilmiş gerçek verilerdir. Kaynağının ne olduğu bellidir. Fakat sosyal medya gibi kaynaklardan veri topluyorsanız çok daha dikkatli olmanız gerekiyor. Güvenilir olmayan kaynaklardan beslenen bir algoritma doğal olarak yanlış veya yanlı sonuçlar üretebilir.
Bunun yanında veri temizliği dediğimiz çok önemli bir süreç var. Biz istatistikte veri temizliğine son derece önem veririz. Kayıp veriler olabilir, aynı kayıt birden fazla kez veri setine girmiş olabilir, ölçüm birimleri birbirinden farklı olabilir veya yanlış veri girişi yapılmış olabilir. Örneğin geçmişte bize çocukların boy ve kilo değerlerinin bulunduğu bir veri seti gelmişti. Bazı değerler metre, bazıları santimetre cinsinden girilmişti. Olması mümkün olmayan kadar düşük veya yüksek değerler bulunuyordu. Bu veriyi doğrudan modele verirseniz doğru bir sonuç elde edemezsiniz.
Benzer şekilde bir şehir adı “Ankara”, “ANKARA”, “Ankara.” veya hatalı yazımlarla sisteme girilmiş olabilir. İnsan açısından bunların aynı şehir olduğunu anlarız fakat bilgisayar açısından her biri farklı bir kategori gibi görünebilir. Dolayısıyla önce verinin temizlenmesi ve standartlaştırılması gerekir. Daha sonra modeli kurduğunuzda cinsiyet, yaş veya etnik gruplar bakımından sistematik bir yanlılık olup olmadığını da incelemeniz gerekir. Eğer belirli bir gruba karşı farklı sonuçlar üretildiğini tespit ederseniz modelleme aşamasına geri dönüp bunu düzeltmeniz gerekir. Veri temizliği, araştırmanın en zahmetli ve zaman alan bölümlerinden biridir. Büyük veri setlerinde aylarca sürebilir. Fakat aynı zamanda en kritik aşamalardan biridir. Büyük veri her zaman iyi veri değildir. Bazen daha küçük fakat doğru, temiz ve popülasyonu iyi temsil eden bir veri setinden çok daha güvenilir sonuçlar elde edebilirsiniz.
Yapay zekânın yaygınlaşmasıyla doğru bilgiye ulaşmak kolaylaşırken yanlış bilgi üretmek de kolaylaşıyor. Bu nedenle yalnızca öğrenciler için değil toplumun tamamı açısından yeni bir yapay zekâ ve veri okuryazarlığına ihtiyaç olduğu görülüyor. Sizce nasıl bir bilinç oluşturulmalı?
İnsanların öncelikle yapay zekânın nasıl bir sistem olduğunu temel düzeyde anlamaları gerekiyor. Karşımızda verilerle beslenen algoritmaların bulunduğunu ve bu sistemlerin yüzde yüz doğru sonuç üretmediğini bilmeliyiz. Ayrıca yapay zekâyla gereğinden fazla psikolojik bağ kurmamak gerekiyor. Bir insanla konuşuyormuş gibi hissettirebilir fakat karşınızdaki sonuçta bir algoritmadır. Verdiği cevaplara mutlaka eleştirel yaklaşmak gerekiyor. “Bu gerçekten doğru mu?”, “Bundan ne kadar eminsin?”, “Başka bir kaynak ne söylüyor?” gibi sorular sormak önemli. Gerekirse aynı soruyu birkaç farklı yapay zekâ aracına sorabilir ve cevapları karşılaştırabilirsiniz. Fakat bunun da ötesinde güvenilir kaynaklara gidip bilgiyi doğrulamak gerekir. Özellikle sağlık konularında buna çok dikkat edilmeli. İnsanlar tahlil sonuçlarını sisteme yükleyip kendilerine bir hastalık tanısı koymaya başlayabiliyor. Yapay zekâ size bir fikir verebilir ancak bunun üzerinden kendi kendinize tanı koyup tedaviye başlamanız kesinlikle doğru değil. Gerektiğinde doktora veya ilgili sağlık kuruluşuna gitmeniz gerekir.
Bu araçlar gerçekten her geçen gün gelişiyor. Günlük hayatta çok şaşırtıcı örneklerle karşılaşabiliyoruz. Bir arkadaşımın evindeki mikrodalga fırın bozulmuştu. Görüntüyü yapay zekâya göstererek problemin hangi parçadan kaynaklandığını, ne alınması gerektiğini ve nasıl değiştirilebileceğini adım adım öğrenmişler ve cihazı tamir etmişler. Bu, teknolojinin nereye geldiğini gösteren çok güzel bir örnek. Ancak benim temel yaklaşımım yine aynı: eleştirel kullanmak. Yapay zekâ bizim kararlarımızı destekleyen bir araç olmalı. Kararlarımızı tamamen ona devrettiğimiz bir mekanizmaya dönüşmemeli.
Öğrenciler açısından baktığınızda durum nasıl? Akademide yapay zekâ kullanımının öğrenme süreçlerini nasıl etkilediğini gözlemliyorsunuz?
Öğrenciler açısından mesele biraz daha karmaşık. Yapay zekâyı doğru kullanan öğrenciler için çok güçlü bir öğrenme aracı olabiliyor. Örneğin öğrenci bir problemi kendisi tanımlıyor, iki farklı yöntem arasında kalıyor ve yapay zekâya, “Şöyle bir problemim var, bu iki yaklaşım arasında kaldım, hangisini önerirsin?” diye soruyor. Daha sonra aldığı cevabı değerlendiriyor, kodunu kendisi geliştiriyor ve yalnızca takıldığı noktada destek istiyor. Böyle bir kullanım gerçekten çok faydalı. Öğrenci kendi başına öğrenebileceğinden çok daha hızlı biçimde ilerleyebilir. Fakat diğer uçta, hiçbir zihinsel emek harcamadan her şeyi yapay zekâya yaptırmaya çalışan öğrenciler var. “Bu ödevi yap”, “hangi soruları sorayım?”, “hangi kodu yazayım?”, “çıktıyı nasıl yorumlayayım?” diye baştan sona bütün süreci sisteme bırakıyorsa burada öğrenme mekanizması ortadan kalkıyor. İstatistik ve veri bilimi alanında bunu çok net görüyoruz. Öğrenci veriyi sisteme yüklüyor, bütün analizleri yapmasını istiyor ve çıkan sonucu doğrudan kullanıyor. Oysa hangi yöntemin neden uygulandığını, uygulamanın doğru olup olmadığını ve sonucun nasıl yorumlanması gerektiğini bir istatistikçinin değerlendirmesi gerekiyor.
Yapay zekâyı hesap makinesinin veya bilgisayarın gelişmiş bir biçimi gibi düşünmek mümkün. Geçmişte işlemleri elle yapıyorduk, sonra hesap makinesi geldi. Bilgisayarla işlerimiz daha da hızlandı. Yapay zekâ da bugün bu süreci çok daha ileri götürüyor. Fakat hızlanırken kontrolü kaybetmememiz gerekiyor.
Öğrencilerde zaman zaman “Nasıl olsa yapay zekâya yaptırırım” düşüncesinin ortaya çıktığını görüyorum. Bu durum derslere yönelik motivasyonu dahi etkileyebiliyor. Biz akademisyenlerin de eğitim yöntemlerini buna göre değiştirmesi gerekiyor.
“İşlerimiz yapay zekâ sayesinde çok hızlandı ancak süreç bizim kontrolümüzde ilerlemeli. Kontrolü kaybettiğimiz anda çok yanlış sonuçlara ulaşabiliriz”
Siz derslerinizde yapay zekayı nasıl kullanıyorsunuz? Gittikçe daha fazla mı kullanıyorsunuz artık?
Ben de derslerde yapay zekâyı daha fazla kullanmaya başladım. Görsel içerikler ve animasyonlar hazırlayarak öğrencilerin ilgisini çekmeye çalışıyorum. Benim kendi başıma hazırlamamın çok zor olacağı bazı materyalleri yapay zekâyla üretebiliyorum. Diğer taraftan değerlendirme yöntemlerimi de değiştirdim. Örneğin klasik ödevleri büyük ölçüde bırakmaya başladım çünkü öğrenci ödevi bütünüyle yapay zekâya hazırlatabiliyor ve daha sonra asistanların bu metinleri değerlendirmek için saatler harcaması çok anlamlı olmayabiliyor.
Proje vermeye devam ediyorum ancak öğrenciden projesini gelip anlatmasını ve savunmasını istiyorum. Yapay zekâdan yardım almış olsa bile yaptığı şeyi anlamasını, neden o yöntemi kullandığını açıklamasını bekliyorum. Bu problem yalnızca lisans öğrencileriyle de sınırlı değil. Yüksek lisans düzeyinde de benzer sorunları görüyoruz. Oysa yüksek lisans yapan bir öğrenciden daha fazla eleştirel düşünmesini, problemi kendisinin ortaya koymasını ve araştırma sorularını kendisinin geliştirmesini bekliyoruz. Yapay zekâ bu süreçte kullanılabilir fakat problemi tanımlayan ve araştırmanın yönünü belirleyen kişi yine araştırmacının kendisi olmalı.
Burada araştırma açısından yapay zekânın çok önemli bir avantajı da ortaya çıkıyor sanırım. Geçmişte aylarca sürebilecek bir literatür veya yöntem arayışının bugün çok daha kısa sürede sonuçlandırılabilmesini akademik çalışmalar açısından nasıl değerlendiriyorsunuz?
Elbette, hatta size kendi deneyimimden bir örnek vermek isterim. Doktora yaptığım dönemde bazı problemlerde aylarca aynı noktada kaldığımı hatırlıyorum. Bir sorunun cevabını bulabilmek için kütüphanelerde makaleler ve kitaplar tarıyor, farklı yöntemleri uzun süre araştırıyordum. Bazen tek bir problemi çözmek birkaç ayımı alabiliyordu. Bugün ise öğrencilerimizle çalışırken bir noktada takıldığımızda yapay zekâdan destek alabiliyoruz. Bazen benim daha önce karşılaşmadığım ya da aklıma gelmeyecek bir yöntemi öneriyor. Sonrasında bu yöntemi araştırıyor ve gerçekten problemimize uygun olup olmadığını değerlendiriyoruz. Böylece geçmişte aylar sürebilecek bir yöntem arayışı çok daha kısa sürede ilerleyebiliyor. Bu açıdan yapay zekâ, doğru kullanıldığında akademik araştırma süreçlerini önemli ölçüde hızlandırıyor. Ancak burada belirleyici olan, önerilen yöntemi doğrudan kabul etmek yerine sorgulamak, doğrulamak ve araştırmacının kendi değerlendirmesinden geçirmek.
Fotoğraf 3: © Kamu Politikası, Devlet Yönetimi ve Toplumsal Gelişim Merkezi (KAPDEM), 2026. Tüm telif hakları saklıdır.
“Doğru kullanıldığında yapay zekâ, geçmişte aylar sürebilecek araştırma süreçlerini birkaç dakikada ileri taşıyabiliyor. Fakat araştırmanın yönünü yine insanın belirlemesi gerekiyor”
Bu durum daha erken yaş grupları açısından daha da önemli görünüyor. İlkokul, ortaokul veya lise çağındaki bir çocuk, “Ben bunu neden öğreneyim, nasıl olsa yapay zekâya sorarım” diye düşünebilir. Bu durum öğrenme motivasyonunu ve hatta insanların düşünme becerisini nasıl etkileyebilir?
Bunun ciddi bir risk olduğunu düşünüyorum. Öğrencilerimde de bunu gözlemliyorum. Bir şey olduğunda doğrudan yapay zekâya sormak ve kendi başına akıl yürütmemek giderek yaygınlaşabiliyor. Bence burada insanlık açısından önemli bir problem var. Beynimizi kullanmamamız ve sorgulamamamız uzun vadede ciddi sonuçlar doğurabilir. Ben derslerimde de bunu öğrencilerime anlatıyorum. İnsanlar bir problemle karşılaştığında önce kendileri düşünmeli, soru sormalı ve çözüm üretmeye çalışmalı. Fakat çözümün ne olduğu konusunda benim de kesin bir reçetem yok.
Eğitim sisteminin değişmesi gerektiğine ise uzun zamandır inanıyorum. Bugünkü öğrenciler bizim yetiştiğimiz dünyadan çok farklı bir ortamda doğdu ve büyüdü. Buna rağmen hâlâ büyük ölçüde bizim kuşağımızın geliştirdiği yöntemlerle eğitim alıyorlar. Biz de öğrencileri kendi bildiğimiz yöntemlerle eğitmeye çalışıyoruz. Klasik biçimde hocanın anlattığı, öğrencinin saatlerce oturup dinlediği modelin bugünkü öğrenci profiline çok uygun olduğunu düşünmüyorum. Yeni pedagojik yaklaşımlara ihtiyacımız var. Kısa videolar, görsel içerikler ve yapay zekâ destekli eğitim araçları bunun bir parçası olabilir. Fakat bence en temel mesele öğrencinin sorgulayıcı düşünme kapasitesini geliştirmek. İnsanlara soru sormayı ve o sorunun cevabını kendilerinin araştırmasını öğretmemiz gerekiyor.
Üniversite eğitiminin temel amacı da zaten budur: Eleştirel bakacak, “neden?”, “niçin?” ve “nasıl?” diye soracak. Bir makinenin nasıl çalıştığını merak edecek, açıp içine bakacak, belki bozacak fakat sonunda nasıl çalıştığını öğrenecek. Eğer bütün bunları yapmayı bırakırsak insanı insan yapan önemli özelliklerden de uzaklaşmaya başlarız.
“Eğitimin temel amacı öğrenciye yalnızca bilgi aktarmak değil; soru sormayı, sorgulamayı ve cevabın peşinden gitmeyi öğretmek olmalıdır”
Üniversitelerde yapay zekâ kullanımına ilişkin çeşitli etik rehberler ve düzenlemeler gündeme geliyor. YÖK ve TÜBİTAK gibi kurumların da bu konuda çalışmaları var. Sizce üniversitelerde öğrencilerin yapay zekâ kullanımına ilişkin nasıl bir modele geçilmeli? Yasaklama çözüm olabilir mi?
Yapay zekâyı yasaklamanın gerçekçi olmadığını düşünüyorum. Yapay zekâ artık hayatımızın içinde ve bundan kaçamayız. Ayrıca bir metindeki fikrin gerçekten kişinin kendisinden mi çıktığını yoksa yapay zekâ tarafından mı üretildiğini kesin olarak belirlemek giderek zorlaşıyor. Turnitin gibi sistemler yapay zekâ kullanımını tespit etmeye çalışıyor fakat aynı zamanda metni daha insansı hâle getirdiğini iddia eden başka araçlar da geliştiriliyor. Dolayısıyla burada sürekli birbirini takip eden iki teknoloji var. Bu nedenle yalnızca tespit ve yasaklama üzerine kurulu bir sistemin sürdürülebilir olduğunu düşünmüyorum. Asıl soru şu olmalı: Öğrencinin gerçekten öğrenmesini nasıl sağlayacağız? Bunun için eğitim ve değerlendirme sisteminin değiştirilmesi gerektiğini düşünüyorum. Belki daha fazla sınıf içi uygulama yapılmalı, öğrencinin yaptığı işi sözlü olarak anlatması beklenmeli ve eleştirel düşünmesini gerektirecek problemler verilmelidir.
Eğitimin daha genel yapısını da yeniden düşünmemiz gerekiyor. Özellikle erken yaşlarda temel yaşam becerileri, okuma, anlama, sorgulama ve problem çözme gibi yetkinliklere daha fazla ağırlık verilebilir. Çocukların yalnızca saatlerce sınıfta oturduğu ve çok sayıda dersi ezberlemeye çalıştığı bir sistem yerine hayatla daha fazla temas ettikleri, spor, sosyal faaliyetler ve el becerileriyle desteklenen daha esnek bir eğitim anlayışı kurulabilir. Her öğrencinin aynı alanlara aynı düzeyde ilgi duymasını beklemek doğru değil. Bazı öğrenciler matematikte, bazıları sanatta, bazıları teknik veya mesleki becerilerde ilerlemek isteyebilir. Herkesin üniversite okumak zorunda olduğu düşüncesinin de yeniden değerlendirilmesi gerektiğini düşünüyorum. Üniversite okumadan kendi yetenekleriyle çok başarılı işler yapan insanlar var. Dolayısıyla yüzlerce yıldır büyük ölçüde aynı mantıkla devam eden eğitim modelini teknolojinin ve yeni nesillerin ihtiyaçları doğrultusunda daha ciddi biçimde tartışmamız gerekiyor.
“Yapay zekâyı yasaklamak çözüm değil. Artık hayatımızın içinde olan bu teknolojiye göre eğitim ve değerlendirme sistemimizi yeniden tasarlamamız gerekiyor”
Türkiye boyutuna geçmek istiyoruz. Yapay zekâ dünyada son derece hızlı ilerliyor; bugün yeni olan bir teknoloji çok kısa süre sonra eskiyebiliyor. Türkiye’nin yalnızca yapay zekâyı kullanan değil, aynı zamanda geliştiren ve üreten bir ülke olabilmesi için sizce öncelikle hangi adımlar atılmalı?
Öncelikle çok güçlü bir hesaplama altyapısına ihtiyacımız var. Bugün yapay zekâ alanında söz sahibi olan ülkelerde son derece büyük veri merkezleri ve yüksek hesaplama kapasitesine sahip altyapılar kuruluyor. Bu altyapılar ciddi miktarda enerji kullanıyor ve çevresel etkileri de bulunuyor. Fakat büyük yapay zekâ modellerini geliştirmek ve çalıştırmak istiyorsanız yüksek hesaplama kapasitesi kaçınılmaz. Türkiye’de de bu alanda çalışmalar var fakat Çin veya Amerika Birleşik Devletleri gibi ülkelerle karşılaştırdığımızda kapasitemizi çok daha fazla geliştirmemiz gerekiyor.
Bugün birçok yapay zekâ modelini yerel bilgisayarlarımızda çalıştırmak dahi mümkün değil. Yüksek hesaplama gücüne ihtiyaç duyuyoruz. Türkiye’de dil modelleri üzerinde çalışan araştırma grupları bulunuyor. ODTÜ’de, İstanbul’daki üniversitelerde ve farklı kurumlarda çalışmalar yürütülüyor fakat bu grupların sayısı ve ölçeği henüz sınırlı. Bir başka konu da insan kaynağı. Yapay zekâ ve veri bilimi birimlerine hangi uzmanlık alanlarından insanların alınacağı konusunda daha bilinçli olunması gerektiğini düşünüyorum. Veri bilimi açısından istatistikçiler, bilgisayar mühendisleri, matematikçiler ve belirli problemler açısından endüstri mühendisleri gibi alanların önemli avantajları var.
Özellikle veriyi nasıl analiz edeceğini ve bir modelin ne anlama geldiğini bilmek kritik. Sadece belirli bir yazılım aracını kullanmayı bilmek veri bilimci olmak anlamına gelmiyor.
İstatistik eğitiminde öğrenciler daha ilk yıllardan itibaren veriyle çalışmaya başlıyor. Bilgisayar mühendislerinin ise bilgisayar sistemleri ve algoritmalar açısından önemli bir avantajı bulunuyor. Dolayısıyla bu alanların birlikte çalışması gerekiyor.
Bugün yapay zekâ mühendisliği ve veri bilimi gibi yeni bölümler de açılıyor. Bunlar olumlu gelişmeler ancak bölüm açmak tek başına yeterli değil. Ciddi miktarda kaynak aktarılması, araştırma altyapısının kurulması ve insanların birlikte çalışabileceği güçlü ekiplerin oluşturulması gerekiyor.
Fotoğraf 4: © Kamu Politikası, Devlet Yönetimi ve Toplumsal Gelişim Merkezi (KAPDEM), 2026. Tüm telif hakları saklıdır.
“Türkiye’nin yalnızca yapay zekâ kullanan değil, geliştiren ve üreten bir ülke olabilmesi için güçlü hesaplama altyapısına, veri merkezlerine, nitelikli insan kaynağına ve büyük ölçekli araştırma ekiplerine ihtiyacı var”
Bir başka önemli problem ise araştırma gruplarımızın ölçeği. Dünyadaki büyük teknoloji şirketlerine baktığınızda yüzlerce kişinin aynı problem üzerinde birlikte çalıştığını görüyorsunuz. İstatistikçiler, bilgisayar bilimciler, mühendisler ve farklı disiplinlerden uzmanlar aynı ekip içerisinde yer alıyor. Türkiye’de ise çoğu zaman küçük araştırma grupları kendi imkânlarıyla ayrı ayrı bir şeyler geliştirmeye çalışıyor. Bir akademisyen birkaç öğrencisiyle, başka bir üniversitedeki başka bir ekip de birkaç kişiyle çalışıyor. Bu çabalar değerli fakat büyük bir teknolojik atılım için yeterli ölçeği oluşturmak zor. Daha büyük, disiplinler arası ve uzun vadeli ekipler oluşturulması gerekiyor.
Burada değindiğiniz bir başka kritik konu da veri güvenliği. Bugün insanlar sağlık verilerinden özel belgelerine kadar oldukça hassas bilgileri yabancı şirketlerin geliştirdiği yapay zekâ sistemlerine yükleyebiliyor. Türkiye açısından kendi yapay zekâ modellerimizi ve veri altyapımızı geliştirmek aynı zamanda bir veri egemenliği meselesi olarak görülebilir mi?
Kesinlikle görülebilir. Bugün yapay zekâ uygulamalarının önemli bir bölümü yurt dışındaki bulut sistemlerinde çalışıyor. Dolayısıyla sisteme verdiğiniz veri de çoğu zaman ülke dışındaki sunuculara gidiyor. Bu nedenle Türkiye'nin kendi modellerine ihtiyacı olduğunu düşünüyorum.
Türk verisiyle geliştirilmiş ve verilerin Türkiye içerisinde kalmasını sağlayacak yapay zekâ sistemlerinin kurulması çok önemli. Çünkü farkında olmadan çok değerli bilgileri bu sistemlerle paylaşabiliyoruz. Örneğin insanlar sağlık sonuçlarını yüklüyor. Şirketler projelerinin içeriğini veya yeni fikirlerini yapay zekâ araçlarına verebiliyor. TÜBİTAK değerlendirmelerinde hakemlere bazı içeriklerin yapay zekâ araçlarına yüklenmemesi gerektiği söyleniyor. Bu son derece anlaşılır bir yaklaşım. Fakat aynı projenin başvuru sahibi tarafından hazırlanması sırasında yabancı bir yapay zekâ sistemine yüklenmiş olması da mümkün. Dolayısıyla yalnızca hakemleri değil proje geliştirenleri, şirketleri ve kullanıcıları da bu konuda bilinçlendirmek gerekiyor.
Eğer temel amaç fikri veya hassas bilgiyi ülke dışına çıkarmamaksa bütün sürecin buna göre tasarlanması lazım. Bunun yolu da kendi altyapımızı güçlendirmekten geçiyor. Kendi dil modellerimizi geliştirmeli ve kritik verilerin ülke içinde kalmasını sağlayacak sistemler kurmalıyız. Bunun için güçlü hesaplama kapasitesine, büyük veri altyapılarına ve yine disiplinler arası araştırma ekiplerine ihtiyacımız var.
“Türk verisiyle geliştirilmiş, verilerin Türkiye’de kalmasını sağlayan kendi yapay zekâ modellerimize ihtiyacımız var. Bu artık yalnızca teknolojik kapasite değil, aynı zamanda veri güvenliği meselesidir”
Yapay zekâya erişim açısından bir başka tartışma da toplumsal eşitsizlik. Bugün birçok aracın ücretsiz veya görece düşük maliyetli sürümleri var ancak daha gelişmiş özellikler ücretli. Gelecekte yapay zekâya erişim yeni bir eşitsizlik alanı yaratabilir mi?
Bunun ciddi bir olasılık olduğunu düşünüyorum. Bugün birçok yapay zekâ aracının ücretsiz sürümünü kullanabiliyoruz veya aylık belirli bir ücret ödeyerek daha gelişmiş versiyonlarına erişebiliyoruz. Ancak bu sistemlerin geliştirilmesi için çok büyük miktarda yatırım yapılıyor.
Bir noktadan sonra bu araçların daha pahalı hâle gelmesi veya en gelişmiş sistemlere erişimin daha yüksek maliyet gerektirmesi mümkün. Bu durumda parası olan kişi çok güçlü yapay zekâ araçlarına ulaşırken ekonomik imkânı olmayan kişi aynı teknolojiye ulaşamayabilir. Bu da eğitimden çalışma hayatına kadar ciddi bir fark oluşturabilir. Bir taraf yapay zekânın sağladığı üretkenlik sayesinde çok hızlı ilerlerken diğer taraf olduğu yerde kalabilir. Dolayısıyla yapay zekâ yalnızca teknolojik değil, aynı zamanda sosyal politika açısından da tartışılması gereken bir konu. Özellikle eğitimde öğrencilerin bu araçlara eşit biçimde erişebilmesi gelecekte çok daha önemli bir mesele hâline gelebilir.
“Yapay zekâya erişim ekonomik imkânlara bağlı hâle gelirse önümüzde yeni bir eşitsizlik alanı oluşabilir. Bir kesim çok hızlı ilerlerken diğer kesimin geride kalması, yapay zekâyı aynı zamanda bir sosyal politika konusu hâline getiriyor”
Son olarak, bugün yapay zekâ alanında çalışmak isteyen gençlere, öğrencilere ve aynı zamanda kamu kurumlarında veya özel sektörde bu dönüşümün parçası olmak isteyen kişilere ne önerirsiniz? Geleceğe hazırlanmak için hangi becerileri geliştirmeleri gerekiyor?
Bence artık herkesin yapay zekâ araçlarını etkin biçimde kullanmayı öğrenmesi gerekiyor. Özellikle gençlere en temel önerim bu olur. Çok karmaşık şeylerle başlamalarına gerek yok. Küçük uygulamalarla başlayabilirler. Örneğin kendi günlük planlarını hazırlayan küçük bir yapay zekâ ajanı oluşturabilirler. Ders çalışma programlarını düzenleyebilirler. Bir dil öğrenirken yapay zekâdan faydalanabilirler. YouTube'da dahi kendi yapay zekâ ajanınızı nasıl oluşturabileceğinizi anlatan çok sayıda eğitim bulunuyor. Küçük uygulamalarla başlayıp zaman içerisinde bu teknolojiyi hayatlarının ve çalışma biçimlerinin doğal bir parçası hâline getirmelerini öneririm.
“Yapay zekâ insanın yerine düşünmemeli. İnsan kendi yönünü belirlemeli ve yapay zekâyı o yöne doğru kullanabilmelidir”
Gelecekte, özellikle iş hayatında yapay zekâyı kullanabilmek temel bir beceri olacak. Bugün bilgisayar kullanabilmek nasıl birçok meslek için olağan bir beklentiyse yapay zekâ araçlarını kullanabilmek de benzer bir noktaya gelebilir. Bu nedenle en azından bir yapay zekâ aracını çok iyi kullanmayı, farklı ajan yapılarını öğrenmeyi ve kendi ihtiyaçlarına uygun sistemler oluşturmayı bilmeleri önemli. Fakat bütün röportaj boyunca söylediğimiz temel ilkeyi burada tekrar vurgulamak gerekiyor: Yapay zekâyı doğru kullanmak. Sorgulayarak, eleştirerek ve kontrolü elden bırakmadan kullanmak gerekiyor. İnsan kendi kararını ve yönünü belirlemeli, yapay zekâyı da bu süreci güçlendirecek bir araç olarak kullanmalı.
Değerli Hocam, yapay zekânın günlük yaşamdan akademiye, eğitim politikalarından veri ve istatistik bilimine, kamu politikalarından Türkiye’nin teknolojik kapasitesine uzanan etkilerine ilişkin Kamu Politikası, Devlet Yönetimi ve Toplumsal Gelişim Merkezi’ne (KAPDEM’e) sunduğunuz değerli görüşleriniz için size içtenlikle teşekkür ediyoruz. Kıymetli vaktinizi ayırıp akademik birikiminizi, deneyimlerinizi ve Türkiye’nin yapay zekâ alanındaki geleceğine ilişkin değerlendirmelerinizi bizlerle paylaştığınız için ayrıca müteşekkiriz.
Ben teşekkür ederim. Yapay zekâ gibi güncel ve önemli bir konuda görüşlerimizi paylaşma imkânı sunduğunuz için çok memnun oldum. Çalışmalarınızda başarılar diliyorum.
