KÜHEYLAN HUKUK
10 Ağustos 2026
İçinde bulunduğumuz dijital çağ, devasa veri kütlelerinin işlenme kapasitesini artırarak ceza hukuku ve güvenlik politikalarında köklü bir değişimine yol açmıştır. Geleneksel ceza hukukunun suç sonrasına odaklanan yaptırımcı karakteri, büyük veri ve yapay zekâ teknolojilerinin sunduğu imkanlarla birlikte yerini suç öncesini hedefleyen proaktif ve öngörücü bir yapıya bırakmaktadır. Söz konusu dönüşümün bir yansıması olarak, bugün dünya genelinde kolluk birimlerince benimsenen öngörücü polislik (predictive policing) sistemleri; geçmiş suç verileri, coğrafi konum bilgileri, yüz tanıma kayıtları ve sosyal medya hareketleri gibi geniş veri setlerini algoritmalar marifetiyle işleyerek suçun nerede işlenebileceğini veya kimin suç işleme potansiyeli taşıdığını istatistiksel olasılıklarla tahmin etmeyi amaçlamaktadır.
Bu çalışmada, yapay zekâ destekli suç tahmin sistemlerinin hukuki niteliği, dünyadaki ve Türkiye'deki güncel yasal/kurumsal uygulama örnekleri üzerinden analiz edilmiş ve bu sistemlerin ceza hukukunun önleyici fonksiyonu bağlamında yarattığı yapısal sorunlar ele alınmıştır. Çalışmada; suç tahmin algoritmalarının ceza muhakemesinin temel yapı taşlarından olan makul şüphe kavramını algoritmik şüpheye dönüştürdüğü, bireyleri somut olay örgüsünden kopararak birer risk skoruna indirgediği ve peşinen potansiyel suçlu olarak sınıflandığı savunulmaktadır. Ayrıca, toplumsal ölçekte inşa edilen kesintisiz gözetim altyapısının bireyler üzerinde yarattığı caydırıcı etki neticesinde ortaya çıkan oto-sansür mekanizmasının, ifade özgürlüğü ile toplantı ve gösteri yürüyüşü hakkı gibi temel demokratik hakları aşındırdığı tespiti yapılmıştır. Sonuç olarak, ceza adaleti sürecinin salt istatistiksel hesaplamalara indirgenemeyeceği vurgulanarak; suçla mücadelede yapay zekadan faydalanılırken, özgürlük ve güvenlik dengesinin masumiyet karinesi, kusur ilkesi ve hukuk devleti güvenceleri lehine korunması gerektiği hukuki ve etik sınırlarla ortaya konulmuştur.
Fonksiyon, Algoritmik Şüphe, Masumiyet Karinesi, Caydırıcı Etki (Chilling Effect).
İçinde bulunduğumuz dijitalleşme çağı, toplumsal yaşamın her alanını dönüştürdüğü gibi, devletin en temel görevlerinden biri olan güvenlik ve ceza adaleti politikalarını da derinden etkilemektedir. Geleneksel ceza hukuku, kural olarak bir hukuki değerin ihlal edilmesinden, yani suçun işlenmesinden veya en azından icra hareketlerinin başlamasından sonra devreye giren cezalandırıcı bir karaktere sahiptir. Günümüzde, büyük veri (big data) ve yapay zekâ (AI) teknolojilerinin ulaştığı analitik kapasite, ceza adalet sisteminin odak noktasını suç sonrası müdahaleden, suç öncesi tahmin ve önleme aşamasına doğru kaydırmaktadır.
Kolluk kuvvetleri tarafından dünya genelinde kullanımı giderek artan öngörücü polislik sistemleri, devasa veri kümelerini işleyerek suçun nerede işlenebileceğini veya hangi bireyin suç işleme potansiyeli taşıdığını istatistiksel algoritmalarla tahmin etmeyi amaçlamaktadır. Devletin kamu düzenini sağlama ve suçları önleme yükümlülüğü bağlamında bu teknolojik imkanlar ilk bakışta kusursuz bir güvenlik vaadi sunsa da ceza hukukunun temelini oluşturan kusur ilkesi, illiyet bağı ve masumiyet karinesi gibi kazanımları aşındırmaktadır.
Suç tahmini uygulamaları devlet ile vatandaş arasındaki ilişkiyi değiştirmektedir. Yapay zekâ sistemleri, kolluk memurunun takdir yetkisini ve olayları değerlendirirken kullandığı fiziksel ve bilgisel bağlamı ortadan kaldırmakta; ceza muhakemesindeki somut ve makul şüphe kavramının yerini istatistiksel bir algoritmik şüpheye bırakmaktadır. Suçu doğuran nedenlerden ziyade, çoğunlukla geçmiş polis pratiklerinin birer yansıması olan korelasyonlarla çalışan bu sistemler, bireyleri olay örgüsünden kopararak bir risk skoruna indirgemekte ve potansiyel suçlu olarak sınıflamaktadır.
Bu çalışma üç ana bölümden oluşmaktadır. Birinci bölümde, yapay zekâ kavramı, tarihsel gelişimi, kapasite basamakları ve Türk Medeni Kanunu ile İdare Hukuku perspektifinden hukuki niteliği ele alınacaktır. İkinci bölümde, ceza hukukunun kuramsal temelleri olan genel ve özel önleme teorileri, risk toplumu olgusu ve öngörücü polislik kavramsal çerçevesi üzerinde durulacaktır. Üçüncü bölümde ise suçla mücadelede kullanılan güncel yapay zekâ sistemleri uluslararası (HART, COMPAS) ve ulusal (PTS, KGYS) örnekler üzerinden incelenecek; bu sistemlerin ceza hukuku ilkeleri ile temel hak ve özgürlükler üzerinde yarattığı ihlaller, etik- hukuki ikilemler, AB Yapay Zekâ Yasası (AI Act) ekseninde regülasyon ihtiyacı ve çözüm önerileri bütüncül bir yaklaşımla değerlendirilecektir. Sonuç bölümünde ise elde edilen bulgular ışığında genel bir değerlendirme ve mevzuat önerileri sunulacaktır.
Yapay zekâ (AI) kavramı, 1955 yılında matematikçi John McCarthy tarafından, Dartmouth Konferansı çerçevesinde yürüteceği bilgisayar projesine fon sağlamak amacıyla başvurduğu burs programında ilk kez kullanılmıştır. .
Yapay zekâ standart bir biçimde tasvir edilmemekle birlikte , öğretide genel olarak öğrenme, yorumlama ve karar verme gibi insana özgü özellikleri kullanabilen sistemler olarak tanımlanmaktadır 3 .
Avrupa Konseyi Yapay Zekâ Çerçeve Sözleşmesi’ne göre ise yapay zekâ tümevarım, derin öğrenme ve istatistiksel yaklaşım gibi yöntemleri kullanarak insan tarafından belirlenen amaçlar için içerik, öneri ve tahmin gibi çıktılar hazırlayan ve bulundukları bağlama göre karar üretebilen yazılımlardır . 2023 senesinde komisyona sunulan metinde 6 ise yapay zekâ “belirlenen amaçlar yönünde, fiziki ve farazi ortamları niteleyen, öneri ve karar üretebilen otonom (özerk) çalışabilmesi maksadıyla üretilmiş makine eksenli bir sistem” şeklinde tarif edilmiştir 7 .
Yanisky-Ravid ve Liu tarafından önerilen 3 A modeli uyarınca yapay zekâ; dış müdahale olmaksızın karar alabilen, veriden öğrenerek kendini güncelleyen ve rasyonel çıktılar üreten sistemlerdir. Bu sistemlerin özerklik ve tahmin edilemezlik gibi karakteristik özellikleri, yapay zekayı salt bir teknik araç olmanın ötesine taşıyarak hukuki statüsünün ve sorumluluk rejiminin yeniden değerlendirilmesini zorunlu kılmaktadır 8 .
İlham alan, insansı ve analitik olmak üzere yapay zekayı üç farklı türe ayırmak mümkündür . Analitik yapay zekâ daha önce kullanılan verileri ileride karar almak için makine öğrenmesi metoduyla öğrenerek kullanabilen yapay zekâ türüdür . Bilişsel kapasitenin (IQ) yanı sıra karar alma süreçlerine duygusal zekâyı (EQ) da dâhil edebilen otonom yapılar, insandan esinlenen yapay zekâ olarak nitelendirilmektedir. Bu kategorinin daha ileri bir aşamasını temsil eden insansı yapay zekâ ise; bilişsel ve duygusal yetkinliklerine sosyal bir boyut ekleyerek, çevresiyle otonom şekilde etkileşim kurma ve toplumsal dinamiklere uyum sağlama kabiliyetine sahip sistemleri ifade etmektedir 11 .
Literatürde yapay zekâ sistemleri; işlevsel kapasitelerine ve yetkinlik düzeylerine göre dar, genel ve süper yapay zekâ şeklinde üçlü bir tasnife tabi tutulmaktadır. Bu tasnifin ilk basamağını oluşturan dar yapay zekâ, yalnızca önceden tanımlanmış spesifik görevleri yerine getirmek üzere kurgulanan ve bu alanla sınırlı bir uzmanlık sergileyen sistemleri ifade etmektedir. İnsan zihninin muhakeme ve akıl yürütme süreçlerini modellemeyi hedefleyen genel yapay zekâ ise, halen gelişim evresinde olan ve çok yönlü bilişsel faaliyetlerde bulunma potansiyeli taşıyan bir kategoridir. Son olarak süper yapay zekâ; insan zekâsının kapasitesini aşan, karmaşık operasyonları eş zamanlı yönetebilen ve teorik olarak insan iradesinin ötesine geçebileceği öngörülen spekülatif bir türü temsil etmektedir. Günümüzde bu kategori, daha ziyade fütüristik yaklaşımlar ve distopik anlatılar bağlamında tartışılmaktadır.
Yapay zekayı dört tür olarak sınıflandırmak mümkündür. İlki geçmiş bilgi ve programlanmış yetenekleri ile sınırlı konularda karar alıp uygulayabilen, ikincisi çevreye karşı reaksiyon gösterebilen ve tek bir alanda uzmanlık gösteren üçüncü tür yapay zekâ ise daha geniş yeteneklere sahip olan robotik türdür. Dördüncü ve son tür ise bilinçli kendisinin farkında olan ve etrafına duygu ve düşüncelerini açıklayabilen süper yapay zekâ olarak da adlandırılabilecek ancak henüz üretilememiş türdür. Bu türleri teknik anlamda reaktif makineler, sınırlı bellek, zihin teorisi ve öz farkındalık olarak da ifade etmek mümkündür .
Öğretide yer alan bu teorik sınıflandırmalar günümüz öngörücü polislik uygulamalarının teknik sınırlarını çizmektedir. Halihazırda kolluk kuvvetleri tarafından operasyonel olarak kullanılan tüm algoritmik sistemler, yapısal olarak dar yapay zekâ, işlevsel açıdan ise analitik yapay zekâ ve sınırlı bellek modellerine dayanmaktadır. Bu durum, söz konusu güvenlik sistemlerinin genel bir bilişsel kapasiteye ya da insani bir öz farkındalığa sahip olmadığını; aksine, yalnızca belirli bir amaca odaklanmış spesifik yazılımlar olduğunu göstermektedir. Sistem, makine öğrenmesi ve veri analitiği metotlarını kullanarak geçmiş suç kayıtları, coğrafi koordinatlar ve KGYS entegrasyonları üzerinden kalıplar bulmakta, sınırlı belleğindeki bu tarihsel veriyi geleceğe yönelik istatistiksel birer olasılık çıktısına dönüştürmektedir. Dolayısıyla suç tahmininde karşılaşılan hukuki sorunların temel kaynağı, yapay zekanın fütüristik bir bilince ulaşmasından değil; dar bir uzmanlık alanında salt istatistiksel korelasyonlarla ürettiği çıktıların, ceza hukukunun fail, kusur ve illiyet bağı gibi kavramlarıyla doğrudan çatışmasından ileri gelmektedir.
Dünyanın yapay zekaya ilişkin ilk düzenlemesi olan Avrupa Birliği Yapay Zekâ Yasasına göre ise yapay zekâ sistemleri risk tabanlı şekilde türlere ayrılmıştır. Bu yasaya göre yapay zekâ sistemleri yasaklı, yüksek riskli, sınırlı riskli ve minimize riskli olarak sınıflandırılmıştır . Avrupa Birliği, söz konusu sınıflandırma aracılığıyla temel hak ve özgürlükler bakımından kabul edilemez riskler barındıran sistemlerin yasaklanmasını hedeflemiş; aynı zamanda yapay zekâ ekosistemindeki paydaşların sorumluluk rejimini netleştirerek hukuki öngörülebilirliği sağlamayı amaçlamıştır.
Türk hukuk sisteminde yapay zekâ teknolojilerine yönelik bir kanuni düzenleme henüz bulunmamaktadır. Mevzuat çerçevesinde yapay zekanın statüsü belirsizliğini korurken, öğretide söz konusu sistemlerin hukuki mahiyetine ilişkin farklı yaklaşımlar sergilenmektedir. Bu kapsamda yapay zekanın; mevcut eşya statüsünde mi kalacağı, yoksa kölelik hukuku benzeri bir rejime mi tabi tutulacağı tartışılmaktadır. Öte yandan, gelişmiş otonom yapılar için tüzel kişilik modelinin uygulanması veya elektronik kişilik adı altında kendine özgü (sui generis) bir hukuki statünün ihdas edilmesi gerektiği yönündeki görüşler öğretideki temel tartışma eksenlerini oluşturmaktadır 14 .
4721 sayılı Türk Medeni Kanunu’nun 8. ve devamı maddelerinde hak süjesi olarak gerçek kişiler düzenlenmiştir; 47. ve devamı maddelerinde ise tüzel kişilere ilişkin hükümlere yer verilmiştir 15 . Hukuk sistemimizde gerçek kişilik yalnızca insanlara mahsus bir statüyü ifade ederken; tüzel kişilik, kendisini teşkil eden iradelerden bağımsız bir hukuki varlığa sahip olan kişi veya mal topluluklarını tanımlamaktadır. Bu geleneksel ayrım içerisinde yapay zekâ, ne biyolojik bir varlık olarak gerçek kişi ne de mevcut yasal şartları haiz bir tüzel kişi kategorisine dahil edilebilmektedir 16 . Tüzel kişilik kurumu, tarihsel kökenleri itibarıyla Roma Hukuku’na kadar uzanan derin bir hukuki geçmişe sahiptir. İnsani ömrün kısıtlılığı karşısında, gerçekleştirilmesi hedeflenen belirli amaçların sürekliliğini sağlamak ve bu amaçları şahısların varlığından bağımsız kılmak adına tüzel kişilik kavramı ihdas edilmiştir. Böylelikle, gerçek kişilerin yaşam süresini aşan kolektif hedeflerin, bağımsız bir hak süjesi marifetiyle hukuki düzlemde devamlılığı mümkün hale getirilmiştir 17 . Yapay zekânın sahip olduğu otonom karakteristikleri merkeze alan görüşler, bu sistemlerin salt bir eşya olarak nitelendirilmesini kategorik olarak reddetmektedir. Bu yaklaşıma göre; yapay zekanın biyolojik bir gerçekliğe sahip olmadığı açık bir olgu ise de sergilediği yüksek bilişsel yetkinlikler ve muhakeme potansiyeli, ona tüzel kişilik modeline benzer bir statü tanınması hususunda rasyonel bir zemin oluşturmaktadır. Dolayısıyla öğretide, yapay zekanın karar alma mekanizmalarındaki bağımsızlığı, onun hukuki özneler hiyerarşisinde geleneksel eşya hukukunun ötesinde konumlandırılması gerektiği yönündeki iddiaların temel dayanağını teşkil etmektedir 18 .
Avrupa Parlamentosu tarafından 2017 yılında Robotik Tavsiye Raporu yayınlanmıştır. Bu rapora göre bu sistemlere elektronik kişilik (electronic personality) yaklaşımı getirilmiştir . 12 Şubat 2024’te kabul edilen taslak çerçeve sözleşme de ise yapay zekâ açık veya örtülü hedefler için, aldığı girdilerden, öneri, içerik, varsayım veya etkileyebilecek kararlar gibi sonuçların ne şekilde oluşturulacağını öngören makine bazlı bir ağdır. Farklı yapay zekâ sistemleri, konuşlandırıldıktan sonra özerklik ve uyarlanabilirlik düzeylerine göre farklılık gösterir ifadelerine yer verilerek elektronik kişilik yaklaşımından şu an için vazgeçilmiştir 20 .
Eşya maddi varlığı bulunan ve üzerinde hâkimiyet kurulabilen, ekonomik değeri olan ve kişilik değeri olmayan varlıklara denilmektedir . 4721 sayılı Türk Medeni Kanunu’nun 683. maddesinde tanzim edilen mülkiyet hakkı uyarınca malik; hukuk düzeninin sınırları dâhilinde eşya üzerinde kullanma (usus), yararlanma (fructus) ve tasarruf etme (abusus) yetkilerine sahiptir. Günümüz hukuk pratiğinde yapay zekâ sistemleri, bu mülkiyet rejimine tabi birer eşya olarak nitelendirilse de 22 söz konusu sistemlerin otonom karar alma yetileri ve öngörülemez davranış kalıpları, klasik eşya hukuku normlarının sorumluluk rejimi bakımından yetersiz kalması sonucunu doğurmaktadır. Bu bağlamda, yapay zekânın salt bir nesne olarak kabul edilmesi, özellikle bu sistemlerin sebep olduğu zararların tazmini ve hukuki mesuliyetin paylaştırılması noktasında doktriner bir boşluk yaratmaktadır .
Gerek idare hukuku gerekse özel hukuk açısından, yapay zekânın geldiği seviye dikkate alındığında, mevcut aşamada bu sistemlerin eşya statüsünde değerlendirilmesi isabetli bir yaklaşım teşkil etmektedir. Anayasa’nın 128. maddesi uyarınca kamu hizmetlerinin gerektirdiği asli ve sürekli görevlerin ancak memurlar ve diğer kamu görevlileri eliyle yürütülmesi esastır. Bu bağlamda, gerçek kişilik sıfatını haiz olmayan ve dolayısıyla Türk vatandaşlığı statüsüne sahip bulunmayan yapay zekâ sistemlerinin; kamu görevlisi, işçi veya yardımcı personel olarak nitelendirilmesi hukuken imkân dâhilinde değildir.
Bununla birlikte, hukuk normlarının teknolojik gelişmelerin gerisinde kaldığı ve bu durumun bir düzenleme boşluğu yarattığı yadsınamaz bir gerçektir. Gelecek projeksiyonlarında, ulusal hukuk sistemlerinin yapay zekâya tüzel kişilik veya elektronik kişilik gibi özgün statüler tanıyabileceği öngörülse de yürürlükteki mevzuat ve mevcut teknolojik düzey kapsamında bir değerlendirme yapıldığında durum farklıdır. İdare tarafından ister müstakil karar alma süreçlerinde ister karar destek sistemi mahiyetinde bir kamu görevlisi vasıtasıyla kullanılsın; yapay zekâ teknolojisi günümüzde bağımsız bir hukuki kişiliği haiz olmayıp, idarenin işlem ve eylemlerinde kullanılan gelişmiş bir teknolojik araç niteliğinde kabul edilmelidir.
İdari kolluğun en temel vazifesi; kamu düzenini ve asayişi tesis etmek suretiyle, bireylerin anayasal hak ve hürriyetlerini güvenli bir zeminde kullanabilmelerini temin etmektir. Gelişen yapay zekâ teknolojileri, kolluğun bu koruyucu ve önleyici fonksiyonunun icrasında idareye dikkate değer operasyonel imkanlar sunmaktadır. Bu doğrultuda, güvenlik bürokrasisi tarafından algoritmik sistemlere artan bir ivmeyle başvurulmaktadır. Yapay zekâ uygulamaları, muhtemel suçların önceden tespit edilerek engellenmesi sürecinde hız, etkinlik ve kaynak optimizasyonu sağlayarak kolluğun müdahale kapasitesini ve etki alanını büyük ölçüde genişletmektedir. Nihayetinde bu teknolojik entegrasyonla suç oranlarının asgari seviyeye indirgenmesi ve kamu güvenliğinin sağlanması hedeflenmektedir. Küresel ölçekteki bu güvenlik paradigması değişimine paralel olarak, Türkiye'de de suçla mücadele stratejilerinde yapay zekâ destekli analitik sistemlerin kullanımı giderek yaygınlık kazanmaktadır.
Yapay zekâ teknolojileri büyük bir ivmeyle gelişmekte ve her geçen gün farklı niteliklere sahip yeni yapay zekâ sistemleri hizmete sunulmaktadır. Bu sistemler; halihazırda veri tabanında mevcut olan, sisteme sonradan dahil edilen veya erişime açık kaynaklardan elde edilen kişisel verileri, belirlenen amaçlar doğrultusunda analiz edip değerlendirebilmektedir. Dahası, yapay zekâ uygulamaları yalnızca mevcut verileri işlemekle kalmayıp; bu veriler üzerinden analizler yaparak hedeflenen bir kişi hakkında yeni bilgiler elde edilmesi amacıyla da kullanılabilmektedir.
Yapay zekâ sistemleri; hareket, ses veya DNA analizi gibi özellikleri sayesinde, kişilerin duruşuna veya hareketlerine bakarak şüpheli veya suç işleme potansiyeli taşıyan bireyleri tespit edebilme; ayrıca söylem ve ifadelerdeki tutarsızlıkları ya da gerçeğe aykırı beyanları belirleme imkânı sunmaktadır. Benzer şekilde, yüz tanıma sistemleri aracılığıyla, kişinin kayıtlarda yer alan verileri üzerinden ziyaret ettiği mekanlar tespit edilmekte ve yapay zekâ vasıtasıyla davranış analizi yapılarak belirli profillere ulaşılabilmektedir. Yapay zekâ, büyük miktardaki verinin belirli amaçlar doğrultusunda anında analiz edilebilmesine olanak tanımaktadır. Örneğin; kişilerin ziyaret ettiği cami, kilise veya havra gibi ibadethaneler, giyim tarzları ve sosyal davranışları yapay zekâ tarafından analiz edilerek kişinin tahmini suç potansiyeli belirlenebilmekte ve buna yönelik önleyici tedbirler alınabilmektedir. Ancak bu algoritmik değerlendirmelerin her zaman isabetli sonuçlar vermeyebileceği ve kişilerin temel hak ve özgürlüklerini ihlal etme riskini barındırdığı göz ardı edilmemelidir.
Teknolojik olanaklar ve yapay zekâ marifetiyle; görüntü ve yüz tanıma sistemleri ile arama motorları gibi platformlarda mevcut olan Büyük Veri analiz edilerek, bireylerin ilk kez veya mükerrer olarak suç işleme riskleri değerlendirilebilmektedir. Bu durum, henüz suç işlenmeden önce koruyucu ve önleyici tedbirlerin alınmasına imkân tanımaktadır. Dolayısıyla yapay zekâ teknolojileri; suçun önlenmesi, izlenmesi ve aydınlatılması süreçlerinde kolluk kuvvetlerine benzeri görülmemiş operasyonel fırsatlar sunmaktadır. Nitekim Avrupa Birliği'nde 2015 yılında kabul edilen yeni güvenlik stratejisi bağlamında, Avrupa Komisyonu'nun mali desteğiyle hayata geçirilen CoESS ve UNI projeleri vasıtasıyla; mali suçlardan terör eylemlerine kadar uzanan geniş bir güvenlik yelpazesinde, insan becerileri ile yüksek teknolojiyi entegre eden sistemlerin geliştirilmesi ve kullanılması amaçlanmıştır.
Ceza hukukunun tarihsel gelişimi incelendiğinde, klasik hukuk anlayışının kural olarak suç işlendikten sonra devreye giren ve faili cezalandırmayı merkeze alan bir nitelik taşıdığı görülmektedir. Modern ceza hukuku, intikam düşüncesini terk ederek; kamu düzeninin korunması ve suçun işlenmeden önce engellenmesini amaçlayan önleyici bir görev üstlenmiştir. 5237 sayılı Türk Ceza Kanunu’nun 1. maddesinde de ceza kanununun amacının "suç işlenmesini önlemek" olduğu açıkça düzenlenerek, bu koruyucu işleve yasal bir zemin kazandırılmıştır 24 .
Öğretide ceza hukukunun önleyici fonksiyonu; genel önleme ve özel önleme olmak üzere iki temel eksende değerlendirilmektedir . Genel önleme, kanunda öngörülen yaptırımların toplumun geneli üzerinde psikolojik bir baskı ve caydırıcılık yaratarak potansiyel failleri suç işlemekten alıkoymasını ifade eder 26 . Özel önleme ise, daha önce suç işlemiş veya suç işleme eğilimi gösteren belirli bir bireyin ıslah edilerek topluma yeniden kazandırılmasını ve böylece tekrar suç işlemesinin engellenmesini hedefler 27 .
Günümüzde sanayi sonrası toplumların, Ulrich Beck’in tanımlamasıyla birer risk toplumuna dönüşmesi, güvenlik ihtiyacını en üst düzeye çıkarmış ve ceza adalet sisteminin önleyici rolünü daha da önemli hale getirmiştir 28 . Modern devlet anlayışında bireyler, tehlikenin gerçekleşip zarar doğduktan sonra failin cezalandırılmasından çok; tehlikenin henüz bir risk aşamasındayken tespit edilerek ortadan kaldırılmasını talep etmektedir. Bu beklenti, ceza hukukunu ve kolluk faaliyetlerini tepkisel bir yapıdan, öngörücü bir yapıya doğru evrilmeye zorlamaktadır.
Algoritmik sistemlerin ve yapay zekanın güvenlik birimlerince kullanılmaya başlanması, tam da bu önceden harekete geçme arzusunun bir yansımasıdır. Kolluğun kişisel verileri analiz ederek henüz işlenmemiş suçlara dair matematiksel olasılıklar üretmesi, ceza hukukunun önleyici işlevinin dijital çağdaki en somut ve aynı zamanda temel hak ve özgürlükler bakımından en tartışmalı görünümü olarak karşımıza çıkmaktadır.
Bu dijital dönüşüm, ceza muhakemesi hukukun en temel yapı taşlarından biri olan şüphe kavramının niteliksel olarak değişmesine yol açmaktadır. Geleneksel ceza adaleti sisteminde adli kolluk tedbirlerinin uygulanabilmesi, dış dünyaya yansıyan somut vakıalara ve insan aklına dayanan bir sürece dayanır. Oysa yapay zekâ destekli suç tahmini algoritmaları, şüpheyi somut olgusal bir zemin olmaktan çıkararak tümevarımsal bir istatistiksel olasılığa indirgemektedir. Bireyin irade özgürlüğünü ve geleceğe yönelik karar alma kapasitesini göz ardı eden bu teknolojik yaklaşım, ceza hukukunun odağını gerçekleşmiş somut fiilden, gelecekte suç işleme ihtimali yüksek olan özneye kaydırma ve dolayısıyla masumiyet karinesinin sınırlarını zorlayan bir durum yaratma potansiyeline sahiptir.
Diğer taraftan, önleyici fonksiyonun algoritmalara sayesinde otomatik hale getirilmesi, kolluk kuvvetlerinin idari ve adli görevleri arasındaki tarihsel ve yapısal sınırları da belirsizleştirmektedir. Öğreti uyarınca idari kolluk, suçun işlenmesini önlemek amacıyla genel tehlikelere karşı hareket ederken; adli kolluk, suçun işlenmesinden sonra maddi hakikati ortaya çıkarmak üzere yargı makamlarının emirleri doğrultusunda tepkisel bir nitelik sergiler. Yapay zekânın henüz bir suç fiili gerçekleşmeden önce bireysel ve nokta atışı risk skorlaması yapması, idari kolluk faaliyetlerini adli kolluğun müdahale yoğunluğuna ulaştırmakta, ancak bu süreç ceza hukukundan kaynaklanan yargısal denetim mekanizmalarının ve hâkim güvencelerinin dışında kalmaktadır. Dolayısıyla, ceza hukukunun koruyucu işlevi ile temel hakların korunması arasındaki dengenin sürdürülebilmesi, bu yeni öngörücü kolluk modelinin anayasal sınırlar içinde tanzim edilmesini zorunlu kılmaktadır.
Yapay zekâ destekli öngörücü polislik uygulamaları, ceza hukukunun klasik teorilerinde yer alan genel ve özel önleme amaçlarının dijital çağa uyarlanmış en somut araçları olarak değerlendirilmelidir. Geleneksel olarak kanunlardaki cezaların soyut caydırıcılığı üzerinden yürütülen genel önleme fonksiyonu, yapay zekânın sunduğu kesintisiz gözetim ve mekân odaklı risk tahminleri sayesinde, potansiyel failler üzerinde dinamik bir denetim mekanizmasına dönüşmektedir. Kolluğun suçun yoğunlaşacağı alanlarda görünürlüğünü artıran bu algoritmik konumlandırma, suç işleme kararlılığındaki bireyler için yakalanma riskini somutlaştırarak genel önlemenin caydırıcılık amacını pratik düzeyde tahkim etmektedir.
Diğer taraftan, kişi odaklı algoritmik modellemeler ise doğrudan özel önleme teorisinin sınırlarına müdahale etmektedir. Bireylerin geçmiş fiilleri ve sosyo- demografik verileri üzerinden yürütülen risk skorlamaları, suç işleme eğilimi yüksek olan kişileri henüz bir ihlal gerçekleşmeden takibe alarak onları suçtan alıkoymayı hedeflemektedir. Ancak bu durum, risk toplumunun getirdiği tehlikeyi kaynağında kurutma arzusuyla birleştiğinde, özel önlemenin geleneksel amacı olan ıslah ve topluma kazandırma felsefesini gölgelemektedir. Sistem bireyi rasyonel ve özgür iradeli bir özne olmaktan çıkararak, sadece kontrol altında tutulması gereken bir risk nesnesi haline getirmektedir.
Bu durum, kolluk teşkilatlarının kurumsal işleyişinde ciddi bir zihniyet değişimine işaret etmektedir. Kıta Avrupası’ndaki güncel kolluk pratiklerine bakıldığında da yapay zekâ destekli bu teknolojilerin terörle mücadeleden sınır güvenliğine, kamu düzeninin korunmasından örgütlü suç analizlerine kadar geniş bir yelpazede yer bulduğu görülmektedir. Bu teknolojik entegrasyon bir yandan suç oranlarını düşürmede operasyonel başarı vaat ederken, diğer yandan masumiyet karinesi, ayrımcılık yasağı ve kişisel verilerin korunması gibi temel hak ve özgürlükler zemininde ciddi gri alanlar yaratmaktadır .
Bahsi geçen gri alanların en belirginleştiği hususlardan biri, algoritmik sistemlerin doğasında barındırdığı ön yargı ve buna bağlı olarak ortaya çıkan yapısal ayrımcılık riskidir. Yapay zekâ modelleri, doğası gereği geçmiş dönemlere ait ampirik verilerle beslenmekte ve bu verilerdeki insani ya da kurumsal eğilimleri rasyonalize ederek geleceğe taşımaktadır. Kolluk teşkilatlarının tarihsel olarak daha yoğun denetim uyguladığı sosyo-ekonomik açıdan dezavantajlı bölgeler veya belirli toplumsal gruplara ait veriler sisteme yüklendiğinde, algoritma bu geçmiş pratikleri mutlak bir suç riski olarak kodlamakta ve söz konusu alanlarda daha fazla polis görünürlüğü önermektedir. Bu durum, kendi kendini gerçekleştiren kehanet (self-fulfilling prophecy) olarak adlandırılan kısır bir döngü yaratarak, ceza hukukunun evrensel ilkelerinden olan kanun önünde eşitlik ve ayrımcılık yasağını sistematik bir biçimde zedeleme potansiyeli taşımaktadır
Bununla birlikte, öngörücü polislik uygulamalarının ceza muhakemesi hukuku bakımından doğurduğu en radikal kırılma, koruma tedbirlerinin ön şartı olan şüphe standartlarının bozulmasıdır. Klasik muhakemede arama, yakalama veya gözaltı gibi temel hakları kısıtlayan adli kolluk tedbirlerine başvurulabilmesi için dış dünyaya yansıyan, denetlenebilir ve somut olgulara dayalı bir şüphe standardının varlığı aranır. Oysa yapay zekânın ürettiği risk skorları, kaynağı ve veri ağırlıklandırma mekanizmaları savunma makamı tarafından bilinemeyen bir kara kutu niteliğindedir. Algoritmik mantığı ticari sır veya kurumsal gizlilik gerekçesiyle denetlenemeyen bir sistemin soyut çıktısına dayanılarak adli koruma tedbirlerinin tetiklenmesi, adil yargılanma hakkının kurucu unsurlarından olan silahların eşitliği ve çelişmeli yargılama ilkelerini işlevsiz kılma tehlikesini bünyesinde barındırmaktadır
Yapay zekâ destekli suç tahmin sistemleri küresel ölçekte kolluk kuvvetlerinin operasyonel süreçlerine entegre edilen araçlara dönüşmüştür. Bu sistemler mimari tasarımları ve odak noktaları itibarıyla temel olarak coğrafi koordinatları esas alan yere dayalı (place-based) tahmin modelleri ve doğrudan bireylerin verilerini işleyen kişiye dayalı (person-based) tahmin modelleri olmak üzere iki ana kategoride tasnif edilmektedir.
Uluslararası alanda kişiye dayalı öngörücü polislik faaliyetlerinin en somut örneklerinden biri, Birleşik Krallık’ta Durham Polisi tarafından geliştirilen HART (Harm Assessment Risk Tool) sistemidir. HART sistemi, şüphelilerin yeniden suç işleme olasılıklarını tahmin etmek amacıyla tasarlanmış bir karar destek mekanizmasıdır . Sistem, bireye ait yaş, cinsiyet, geçmiş suç kayıtları ve sosyo- demografik özellikleri barındıran posta kodu gibi 34 farklı veri kategorisini analiz ederek kişileri düşük, orta veya yüksek riskli olarak sınıflandırmaktadır. İki yıllık bir deneme sürecinin sonunda sistemin, bireylerin "düşük riskli" olduğunu tahmin etmede %98, "yüksek riskli" olduğunu tahmin etmede ise %88 oranında istatistiksel bir başarı yakaladığı saptanmıştır. Kolluk kuvvetleri ve adli makamlar, bu algoritmik skorlamayı şüphelilerin şartlı tahliye, kefalet veya denetimli serbestlik süreçlerinde bir referans noktası olarak kullanmaktadır.
Amerika Birleşik Devletleri adli sisteminde yaygın olarak kullanılan COMPAS (Correctional Offender Management Profiling for Alternative Sanctions) yazılımı ise, ceza infazının ve yargılamanın farklı aşamalarında sanıkların risk profillerini çıkarmaktadır. Benzer şekilde, Chicago Polis Departmanı tarafından kullanılan SSL (Strategic Subject List / "Isı Listesi") sistemi, şehirdeki silahlı şiddet olaylarına karışma veya bu olayların mağduru olma riski en yüksek olan kişileri listelemektedir.
Fiziksel gözetim ile yapay zekanın bütünleştirilmesine dair en radikal örneklerden biri ise Rusya Federasyonu İçişleri Bakanlığı tarafından Moskova genelinde hayata geçirilen Bütünleşik Güvenlik Kamera Sistemidir . 2019 yılından itibaren genişletilen bu akıllı video analitiği ağı, kontrol altındaki alanlarda bulunan kişilerin biyometrik yüz verilerini anlık olarak tarayarak 500 milyonluk merkezi veri tabanında 0.3 saniye gibi kısa bir sürede eşleştirebilmektedir. Nüfusun sosyal ve demografik karakteristiklerinin ölçümlenmesine de imkân tanıyan bu sistem vasıtasıyla, aranan şahıslara dair veriler kolluk birimlerine gerçek zamanlı olarak iletilmektedir. 2020 yılındaki pandemi sürecinde tek bir günde 200'den fazla karantina ihlalcisi sadece yüz tanıma algoritmaları aracılığıyla tespit edilerek idari yaptırıma tabi tutulmuştur. Benzer şekilde finansal alanda QuantaVerse gibi yapay zekâ tabanlı sistemler, kara para aklama (AML) ve dolandırıcılık gibi beyaz yakalı suçların engellenmesinde karmaşık hesap hareketlerini analiz ederek koruma sağlamaktadır.
Türkiye bağlamında öngörücü ve önleyici kolluk faaliyetlerinin teknolojik ve mevzuat altyapısı incelendiğinde, idari kolluğun suç önleme ödevinin geniş bir dijital ağla desteklendiği görülmektedir. Mevzuat düzeyinde 2559 sayılı Polis Vazife ve Salahiyet Kanunu (PVSK) Ek Madde 7 ile Jandarma Teşkilat, Görev ve Yetkileri Kanunu Ek Madde 5, kolluk birimlerine devletin ülkesi ve milletiyle bölünmez bütünlüğünü, anayasal düzenini ve genel güvenliğini korumak amacıyla önleyici istihbarat toplama yetkisi tanımaktadır . Bu yasal yetki çerçevesinde kurulan Kent Güvenlik Yönetim Sistemi (KGYS) ile entegre çalışan Plaka Tanıma Sistemi (PTS), ülke genelindeki araç hareketliliklerini, coğrafi rotaları ve plaka karakterlerini anlık olarak işleyerek yapay zekâ analitiklerine ham veri sağlamaktadır .
Türkiye Cumhuriyeti Cumhurbaşkanlığı Dijital Dönüşüm Ofisi bünyesinde kurulan "Büyük Veri ve Yapay Zekâ Uygulamaları Dairesi Başkanlığı", kamusal alanda ve dolayısıyla güvenlik bürokrasisinde yapay zeka sistemlerinin stratejik planlamasını yürütmektedir POLNET (Polis Bilişim Ağı) ve Kimlik Bildirim Sistemi (KBS) gibi merkezi veri tabanlarının ortak havuzda birleşmesi, Türkiye’de de yakın gelecekte kişi veya yer odaklı suç tahmin algoritmalarının tamamen operasyonel hale gelmesi için gereken kurumsal ve teknik ekosistemin mevcut olduğunu kanıtlamaktadır.
Ceza muhakemesi hukukunda kolluğun veya adli makamların bir bireye yönelik kısıtlayıcı tedbir uygulayabilmesi, kural olarak somut olgulara ve delillere dayanan makul şüphe kavramının varlığına bağlıdır. Yapay zekâ destekli suç tahmin sistemleri, şüphe kavramının bu somut ve fiil odaklı yapısını bir biçimde aşındırmaktadır. Algoritmalar, somut dünyada henüz hiçbir icra hareketi gerçekleşmeden, geçmiş verilerin korelasyonundan hareketle bir algoritmik şüphe üretmektedir 35
Bu durum, ceza hukukunun en temel sütunu olan masumiyet karinesini peşinen zedelemektedir 36 . Bireyin kendi özgür iradesiyle gerçekleştirdiği bir eylemi yerine, yapay zekanın istatistiksel risk skorlaması üzerinden henüz işlenmemiş bir fiil nedeniyle potansiyel şüpheli olarak profillenmesi, adeta bir niyet okuma pratiğidir. Ceza hukuku fiil ceza hukuku esasına dayanır; failin zihniyeti veya gelecekteki muhtemel risk durumu ceza hukuku yaptırımının veya kısıtlayıcı kolluk tedbirinin meşru gerekçesi olamaz .Kişilerin yalnızca risk skorlarına indirgenerek peşinen güvensizlik nesnesi kılınması, lekelenmeme hakkını ve insan onurunu doğrudan zedelemektedir.
Algoritmik şüphenin teorik düzeyde yarattığı bu dönüşüm, Türk ceza muhakemesi hukuku açısından değerlendirildiğinde, 5271 sayılı Ceza Muhakemesi Kanunu’nun (CMK) 38 temel şüphe eşikleriyle doğrudan bir çatışma alanı yaratmaktadır. CMK m. 160/1 uyarınca bir soruşturmanın başlatılabilmesi için kolluğun ve Cumhuriyet savcısının suçun işlendiği izlenimini veren bir başlangıç şüphesine ulaşması gerekir. Yapay zekâ algoritmasının ürettiği istatistiksel risk skorları veya lokasyon tahminleri, somut bir temele dayanmadığı aksine geçmiş verilerin tümevarımsal bir projeksiyonu olduğu için tek başına CMK m. 160 anlamında somut bir başlangıç şüphesi teşkil edemez.
Benzer şekilde, koruma tedbirlerinin uygulanmasında da ciddi bir hukuki bariyer ortaya çıkmaktadır. Örneğin, CMK m. 116 uyarınca bir şüphelinin üstünde, eşyasında veya konutunda arama yapılabilmesi için "makul şüphe" aranmaktadır. "Kara kutu" (black box) niteliğindeki bir algoritmanın, denetlenemeyen ve bireyselleştirilmemiş korelasyonlarla bir kişiyi yüksek riskli olarak etiketlemesi, CMK m. 116’nın aradığı somut olgulara dayalı makul şüphe kriterini karşılamaktan uzaktır. Algoritmik şüphenin, ceza muhakemesi güvencelerini aşındırarak tek başına bir arama, yakalama veya fiziki takip işlemine gerekçe yapılması, maddi gerçeğe ulaşma ve insan onurunu koruma amacıyla bağdaşmaz. Bu nedenle yapay zekâ çıktıları, ceza muhakemesi hukukunda hâkimin veya savcının takdir yetkisinin yerini alacak birer şüphe derecesi olarak değil; ancak kolluğun somut delil toplama faaliyetlerini yönlendiren tali birer istihbarı ipucu olarak kabul edilmelidir.
Yapay zekâ sistemlerinin tamamen nesnel, matematiksel ve tarafsız kararlar ürettiği yönündeki yaygın algı, ampirik veriler karşısında geçerliliğini yitirmektedir. Algoritmalar, makine öğrenmesi süreçlerinde kendilerine yüklenen tarihsel veri kümelerini (training data) temel alırlar. Eğer bu geçmiş veriler, kolluğun belirli azınlıklara veya sosyo-ekonomik olarak dezavantajlı gruplara yönelik önyargılı pratiklerini barındırıyorsa, yapay zekâ bu ayrımcılığı matematiksel bir gerçeklik gibi öğrenir ve yeniden üretir. COMPAS sisteminde siyahi sanıkların hatalı bir şekilde iki kat daha riskli bulunması bu yapısal kusurun en net kanıtıdır.
Bu durum, literatürde "Geri Besleme Döngüsü" (Runaway Feedback Loop) veya "Kendi Kendini Doğrulayan Kehanet" olarak adlandırılan kısırdöngüye yol açmaktadır. Algoritma tarihsel önyargılı verilerden ötürü A mahallesini "yüksek riskli sıcak nokta" olarak tahmin eder; kolluk gücü kaynaklarını bu tahmine dayanarak A mahallesine yığar (over-policing); A mahallesinde artan polis yoğunluğu kaçınılmaz olarak daha fazla gözaltı ve küçük çaplı suç kaydı üretir; bu yeni kayıtlar sisteme tekrar veri olarak yüklenir ve algoritma kendi tahmininin ne kadar isabetli olduğunu ilan ederek önyargıyı teknolojik bir maske altında meşrulaştırır.
Öngörücü polislik yazılımlarının çok büyük bir kısmı özel teknoloji şirketleri tarafından ticari bir ürün olarak geliştirilmekte ve bu algoritmaların işleyiş mantığı, kaynak kodları ile ağırlık parametreleri ticari sır (proprietary software) gerekçesiyle yargısal denetime kapatılmaktadır .
Aleyhindeki bir yapay zekâ risk skorlaması nedeniyle tutuklanan, kefalet talebi reddedilen veya sürekli kolluk gözetimine maruz kalan bir sanık, sistemin arka planında hangi verilerin ne ölçüde ağırlıklandırılarak bu sonuca ulaşıldığını denetleme imkanından yoksundur . Gerekçesi açıklanamayan, kaynak kodu denetlenemeyen algoritmik çıktıların adli kararlara temel kılınması, savunma hakkının özünü ortadan kaldırarak hukuk devletini bir hesaplama bürokrasisine indirgemektedir.
Yapay zekâ destekli suç tahmin sistemlerinin işleyebilmesi için, yalnızca büyük veri kümelerinin varlığına değil aynı zamanda bu verilerin olabildiğince farklı alanlarda yayılmış olmasına bağlıdır. Bu kapsamda toplanan veriler, yalnızca resmi suç kayıtları sicil bilgilerinden ibaret değildir. Aynı zamanda sosyal medya paylaşımları, güvenlik kamerası görüntüleri, mali işlem kayıtları, araç plaka tanıma verileri ve bireylerin coğrafi konum bilgileri gibi, kişilerin özel yaşam alanlarına doğrudan temas eden son derece hassas nitelikte kişisel verileri de içermektedir 41 .
Yapay zekanın sunduğu kesintisiz veri analizi kapasitesi, toplumsal ölçekte bir gözetim altyapısı inşa ederek bireysel mahremiyetin sınırlarını sistemli biçimde aşındırmaktadır. Bu teknolojik kuşatma, yalnızca özel hayatın gizliliğini ihlal etmekle kalmamakta; bireylerin sürekli izlendiği düşüncesini içselleştirmesine yol açan bir caydırıcı etki (chilling effect) yaratmaktadır 42 . Bu psikolojik baskı neticesinde bireyler, herhangi bir suça karışmasalar dahi algoritmik bir yanlış anlaşılmaya kurban gitme veya potansiyel şüpheli listesine girme korkusuyla davranışsal bir oto-sansüre yönelmektedir 43 . Söz konusu süreç; ifade özgürlüğü, toplantı ve gösteri yürüyüşü gibi temel demokratik hakların kullanımından feragat edilmesine ve neticede demokratik toplumun vazgeçilmez bir unsuru olan kamusal alanın daralmasına sebebiyet vermektedir. Dolayısıyla öngörücü polislik, salt bir güvenlik tercihi değil, bireyin bir gözetim nesnesine dönüştüğü yeni bir toplumsal rejim aracıdır.
Yapay zekânın kolluk kuvvetleri tarafından kontrolsüzce kullanılmasının doğurduğu bu yapısal tehlikeler ve temel hak ihlalleri, uluslararası alanda sıkı hukuki düzenlemelerin yapılmasını zorunlu kılmıştır. 13 Haziran 2024 tarihinde Avrupa Parlamentosu ve Konseyi tarafından kabul edilen ve AB Resmî Gazetesi’nde yayımlanarak yürürlüğe giren (AB) 2024/1689 Sayılı Yapay Zekâ Tüzüğü (AI Act), hukuk tarihi açısından milat niteliğinde bir düzenlemedir. Söz konusu tüzük, yapay zekâ teknolojilerini taşıdıkları risk seviyelerine göre kademeli bir sisteme tabi tutmuş ve kolluk faaliyetlerinde kullanılacak sistemlerin sınırlarını emredici normlarla belirlemiştir.
AI Act, kolluk kuvvetlerinin bireylerin suç işleme riskini sadece profillemeye veya geçmiş suç geçmişine dayanarak tahmin eden yapay zekâ sistemlerini kullanmasını, insan onuruna ve masumiyet karinesine aykırılığı sebebiyle kural olarak "kabul edilemez risk" (unacceptable risk) kapsamında tasnif ederek yasaklamıştır. Yasa koyucunun bu yaklaşımı, bireyin dış dünyaya yansıyan somut bir fiili ve icra hareketi olmaksızın, salt geçmiş verilere dayalı istatistiksel olasılıklar üzerinden potansiyel suçlu olarak etiketlenmesinin hukuk devleti ilkesiyle bağdaşmayacağını açıkça ortaya koymaktadır. Bu yasaklama ile algoritmik sistemlerin ceza muhakemesinde peşin bir hüküm veya niyet okuma aracına dönüşmesi engellenmek istenmiştir.
Tüzük uyarınca, suçla mücadelede tamamen vazgeçilemeyen ve istisnai olarak izin verilen belirli öngörücü polislik altyapıları ile biyo-metrik uzaktan tanıma sistemleri ise yüksek riskli (high-risk) yapay zekâ sistemleri olarak kabul edilmektedir. İstisnai olarak izin verilen bu yüksek riskli kolluk sistemlerinin kullanılabilmesi için son derece katı güvenceler öngörülmüştür. Bu kapsamda, kolluk birimlerinin sistemi devreye almadan önce, sistemin bireylerin anayasal hakları üzerinde doğurabileceği riskleri ölçümleyen kapsamlı bir "Temel Haklar Etki Değerlendirmesi" (Fundamental Rights Impact Assessment) yapması yasal bir zorunluluk haline getirilmiştir. Ayrıca, algoritmaların kara kutu yapısından kaynaklanan şeffaflık krizini ve savunma hakkı ihlallerini önlemek adına, sistemin işleyiş mantığını ve veri ağırlıklandırma kriterlerini denetlenebilir kılan teknik açıklanabilirlik ve kayıt tutma (logging) standartları düzenlenmiştir.
Tüzüğün getirdiği en hayati hukuki bariyer ise, sistemin çıktılarının her aşamada gerçek bir insan tarafından denetlenmesini, filtre edilmesini ve gerektiğinde geçersiz kılınabilmesini ifade eden insan gözetimi ilkesidir. Bu ilke uyarınca, yapay zekânın ürettiği hiçbir risk skoru veya analiz kolluk kuvvetleri için otomatik bir icra veya koruma tedbiri gerekçesi teşkil edemez. Muhakeme hukukundaki nihai takdir yetkisi ve hukuki sorumluluk algoritmalara devredilemez; aksine her aşamada insan kontrolüne tabi tutulmalıdır. Böylelikle AI Act, ceza hukuku süreçlerinin otomatize edilmesinin önüne geçerek, teknolojik rasyonalizasyon karşısında insan onurunu ve hukuki güvenceleri koruyan küresel bir normatif standart inşa etmiştir.
Türkiye’deki yasal mevzuat incelendiğinde, yapay zekanın denetimi konusunda çok ciddi bir anayasal ve yasal boşluğun bulunduğu görülmektedir. 6698 sayılı Kişisel Verilerin Korunması Kanunu’nun (KVKK) "İstisnalar" başlıklı 28. maddesinin 1. fıkrasının (ç) bendi; kişisel verilerin millî savunmayı, millî güvenliği, kamu güvenliğini, kamu düzenini veya ekonomik güvenliği sağlamak amacıyla kanunla görev ve yetki verilmiş kamu kurum ve kuruluşları tarafından yürütülen önleyici, koruyucu ve istihbari faaliyetler kapsamında işlenmesini kanun kapsamından tamamen muaf tutmuştur .
Türkiye'deki bu denetimsiz muafiyet rejimi, karşılaştırmalı hukuk ve özellikle Avrupa Birliği müktesebatı ile açıkça çelişmektedir. Avrupa Birliği, kişisel verilerin korunmasını genel olarak GDPR (General Data Protection Regulation) 45 ile düzenlerken, kolluk kuvvetlerinin ve adli makamların suç önleme, soruşturma ve cezalandırma faaliyetlerindeki veri işleme süreçlerini tamamen bu alan için özelleştirilmiş olan (EU) 2016/680 sayılı Kolluk Veri Koruma Direktifi (Law Enforcement Directive- LED) ile disipline etmiştir. Söz konusu direktif; kolluk birimlerinin veri işleme süreçlerinde de yasallık, şeffaflık, veri minimizasyonu ve amaçla sınırlılık ilkelerine uymasını zorunlu kılmakta; bireylere otomatik veri işlemeye dayalı kararlara (profilleme ve suç tahmini gibi) karşı doğrudan itiraz etme hakkı tanımaktadır. Dolayısıyla AB hukukunda kolluk faaliyetleri veri koruma güvencelerinin dışında tutulmak bir yana, suistimalleri önlemek adına çok daha katı ve özgün bir koruma kalkanına tabi kılınmıştır. Türk hukukunda ise KVKK m. 28/1-ç hükmünün getirdiği mutlak istisna, kolluk kuvvetlerinin yapay zekâ tabanlı suç tahmin ve büyük veri analitiği süreçlerini anayasal veri koruma güvencelerinden tamamen mahrum bırakarak yapısal bir şeffaflık krizine yol açmaktadır.
Kolluk faaliyetlerinin KVKK'nın koruyucu şemsiyesinden bu denli geniş bir istisnayla uzaklaştırılması, yapay zekâ tabanlı suç tahmin ve büyük veri analitiği süreçlerini tamamen denetimsiz ve anayasal güvencelerden yoksun bırakmaktadır. Bu yapısal tehlikeyi bertaraf etmek adına Türkiye'nin acilen, AB AI Act normlarıyla uyumlu, özellikle kolluk birimlerinin yapay zekâ kullanım sınırlarını çizen müstakil bir yapay zekâ kanunu çıkartması gerekmektedir 47 . Bu yasal düzenleme ile kişi odaklı algoritmik profil oluşturma ve tedbir alma süreçleri kural olarak sulh ceza hakiminin onayına bağlanmalı, şüphe kavramının algoritmik rasyonalizasyonla keyfileşmesinin önüne geçilmelidir.
Yapay zekâ sistemlerinin hatalı pozitif (false positive) tahminleri, önyargılı kodlamaları veya veri tabanındaki sistemik arızalar neticesinde bireylerin haksız yere gözaltına alınması, tutuklanması veya dijital olarak damgalanarak hak kısıtlamalarına maruz kalması durumunda işletilecek sorumluluk rejimi netleştirilmelidir. Anayasa’nın 125. maddesinin son fıkrası uyarınca; "İdare, kendi eylem ve işlemlerinden doğan zararı ödemekle yükümlüdür." .
Mevcut teknolojik düzeyde yapay zekâ bağımsız bir hukuki kişiliğe sahip olmadığından, bu sistemleri kamu hizmetinin yürütülmesinde bir hizmet aracı olarak kullanan kolluk birimleri ve dolayısıyla İçişleri Bakanlığı doğrudan sorumlu olacaktır. Yapay zekanın otonom karakteri ve kara kutu yapısı gereği idarenin kusuru (hizmet kusurunu) kanıtlama yükümlülüğü mağdur tarafa yüklenemez. Bu nedenle, yapay zekâ destekli kolluk faaliyetlerinden doğan zararların tazmininde idare hukuku dogmatiğindeki kusursuz sorumluluk ve sosyal risk ilkeleri işletilmeli; bireyin teknolojik riskler karşısındaki koruma kalkanı genişletilmelidir.
Öngörücü kolluk faaliyetleri; muazzam boyuttaki veri kütlelerini analitik süzgeçlerden geçirerek suçun mekânsal ve zamansal odak noktalarına dair matematiksel öngörüler sunmakta ve kamu düzeninin korunmasında yadsınamaz bir operasyonel güç çarpanı olmaktadır. Ne var ki, suçla mücadele için oluşturulan bu algoritmik projeksiyonlar, ceza hukukunun kurucu sacayağı olan masumiyet karinesini ve kusur ilkesini yapısal bir erozyona uğratma riski taşımaktadır. Sürecin, somut temellerden uzak bir potansiyel suçluluk anlatısı üzerinden inşa edilmesi, hukuk devletinin bireye tanıdığı anayasal güvenceleri aşındırarak metin üzerinde kalmasına sebebiyet vermektedir.
Algoritmik çıktılar vasıtasıyla, ceza muhakemesi hukukunun aradığı anlamda somut bir icra hareketi ya da dış dünyaya yansıyan kriminel bir olgu gerçekleşmeksizin icra edilen bu dijital müdahaleler, fiil ceza hukuku esasından sapılarak bireyin bir gözetim nesnesine dönüştürüldüğü modern bir niyet okuma pratiği üretmektedir. Ceza hukukundaki makul şüphe standardının yerini alan matematiksel algoritmik şüphe, bireyleri canlı olay örgülerinden koparmakta ve salt birer risk skoruna indirgemektedir. Bu durum, failin kriminel eğilimlerini peşinen profillemek suretiyle silahların eşitliği ve adil yargılanma hakkı üzerinde telafisi güç bir kriz yaratmaktadır.
Diğer taraftan, öngörücü sistemlerin doğasında kaynaklanan kara kutu yapısı, bu teknolojilerin idari faaliyetlerdeki kullanımının denetlenebilirliğini zorlaştırmaktadır. Yapay zekâ destekli kolluk faaliyetlerinin otonom karakterinden doğan yapısal hataların ve hak ihlallerinin tespiti, klasik hizmet kusuru esaslarına göre çözümlenemeyecek kadar komplekstir. Bu bağlamda, algoritmik yanılsamalardan veya veri manipülasyonlarından doğan hak kayıplarında, kusuru kanıtlama yükümlülüğünün mağdur tarafa yüklenmesi adalet duygusunu zedeleyecektir. Dolayısıyla, idare hukuku perspektifinden bakıldığında, yapay zekâ destekli önleyici kolluk faaliyetlerinin doğurduğu risklerin tazmininde kusursuz sorumluluk ve sosyal risk ilkelerinin işletilmesi, teknolojik asimetri karşısında bireyin hukuki koruma kalkanını genişletmek adına kaçınılmaz bir zorunluluktur.
Nihayetinde, büyük veri ve yapay zekâ entegrasyonları, suçun önlenmesi ve kamu emniyetinin tesisi noktasında stratejik birer enstrüman olarak kabul edilebilir; ancak bu kullanımın sınırları, Avrupa Birliği Yapay Zekâ Yasası (AI Act) ve insan hakları normlarında da vurgulandığı üzere şeffaflık, açıklanabilirlik ve mutlak insan gözetimi ilkeleriyle sınırlandırılmalıdır. Teknolojik imkanlar toplumsal barışı ve güvenliği korumanın ancak bir aracı olabilir; ceza adaletinin nihai gayesi olan bireysel güvenceler, liberal özgürlükler ve insan onuru, ruhsuz algoritmaların istatistiksel olasılık matrislerine asla feda edilmemelidir.
Uygulamadaki Sorunlar ve Hukuki Boyut" , Liberal Düşünce Dergisi , S. 1, 2025.
Hukukî Sorumluluk" , Uyuşmazlık Mahkemesi Dergisi , C. 7, S. 13, 2019.
Dergisi , C. 9, S. 2, 2020.
Yayınevi, 2023.
Akademisi Dergisi , C. 9, S. 35, 2018.
2022.
Justice Quarterly , C. 31, S. 4, 2014.
Yayıncılık, 2023.
Fakültesi Dergisi , C. 28, S. 49, 2023.
https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=oj:JOC_2018_252_R_0026, 07.05.2026.
(Çevrimiçi) https://www.europarl.europa.eu/news/en/pressroom/20240308IPR19015/artificial- intelligence-act-meps-adopt-landmark-law, 08.05.2026.
(Çevrimiçi) https://www.europarl.europa.eu/topics/en/article/20230601STO93804/eu-aiact-first- regulation-on-artificial-intelligence, 15.05.2026.
Gülel, Hazal: Hukuki Açıdan Yapay Zekâ , Ankara, Adalet Yayınları, 2023.
Sorumluluğa Uygulanacak Hukuk" , Uyuşmazlık Mahkemesi Dergisi , C. 8, S.
15, 2020.
Management Review , C. 61, S. 4, 2019.
2022.
Kısım , İstanbul, Beta Yayımcılık, 2004.
Dergisi , C. 6, S. 2, 2023.
Direktifi Işığında Bir İnceleme" , Ankara Avrupa Çalışmaları Dergisi , C. 22, S.
1, 2023.
Açısından İncelenmesi" , Anadolu Strateji Dergisi , C. 2, S. 1, 2020.
Kayıhan, Şaban: Kişiler Hukuku , Ankara, Seçkin Yayıncılık, 2022.
Yayıncılık, 2023.
Ankara, Seçkin Yayıncılık, 2023.
Yayınevi, 2021.
Oğuzman, M. Kemal vd.: Kişiler Hukuku , İstanbul, Filiz Kitabevi, 2024.
Yayıncılık, 2024.
Berkeley Technology Law Journal , C. 31, S. 1, 2017.
Popp, Tony: "Black Box Justice" , The Pennsylvania Gazette , C. 115, S. 3, 2017.
-p1ai/news/item/19639138/, 15.05.2026.
Tehditler" , Medeniyet Kültürel Araştırmalar Belleteni , C. 4, S. 7, 2025.
and Regulation , 2022.
Law" , Cardozo Law Review , 2018.
Yayıncılık, 2018.
1 Hazal Gülel, Hukuki Açıdan Yapay Zekâ , Ankara, Adalet Yayınları, 2023, s. 25.
2 Ahu Karabal, "Yapay Zekâda Hukuk İhlalleri", Yapay Zekâ ve Zihin Felsefesi Dergisi , C. 6, S. 2, Aralık 2023, s. 122. 3 Cemil Güner, "Yapay Zekânın Verdiği Zarardan Doğan Sözleşme Dışı Sorumluluğa Uygulanacak Hukuk", Uyuşmazlık Mahkemesi Dergisi , C. 8, S. 15, Haziran 2020, s. 231.
4 EUROPARL, "Artificial Intelligence Act: MEPs adopt landmark law", (Erişim Tarihi: 08.05.2026). (Çevrimiçi), https://www.europarl.europa.eu/news/en/pressroom/20240308IPR19015/artificial- intelligence-act-meps-adopt-landmark-law. 5 Armağan Ebru Bozkurt Yüksel, "Avrupa Komisyonu’nun Yapay Zekâ Tüzük Teklifine Genel Bir Bakış", Türkiye Adalet Akademisi Dergisi , C. 13, S. 51, Temmuz 2022, s. 21.
6 EUROPARL, "Artificial Intelligence Act: MEPs adopt landmark law",(E.T.: 08.05.2026), (Çevrimiçi)https://www.europarl.europa.eu/news/en/pressroom/20240308IPR19015/artificial- intelligence-act-meps-adopt-landmark-law.
7 Süleyman Dost, "Yapay Zekâ ve İfade Özgürlüğü", Dicle Üniversitesi Hukuk Fakültesi Dergisi (DÜHFD) , C. 28, S. 49, Aralık 2023, s. 284. 9 10
8 Shlomit Yanisky Ravid, Xiaoqiong (Jackie) Liu, "When Artificial Intelligence Systems Produce Inventions: The 3A Era and An Alternative Model For Patent Law", Cardozo Law Review , 2018, s. 2223.
9 Michael Haeinlein, Andreas Kaplan, "A Brief History of Artificial Intelligence: On the Past, Present, and Future of Artificial Intelligence", California Management Review , C. 61, S. 4, July 2019, s. 6.
10 Sinan Sami Akkurt, "Yapay Zekânın Otonom Davranışlarından Kaynaklanan Hukukî Sorumluluk", Uyuşmazlık Mahkemesi Dergisi , C. 7, S. 13, Haziran 2019, s. 41. 11 Akkurt, "Yapay Zekânın Otonom...", s. 43; Haeinlein, Kaplan, "A Brief History...", s. 39. 12 13 12 Başak Bak, "Medenî Hukuk Açısından Yapay Zekânın Hukuki Statüsü ve Yapay Zekâ Kullanımından Doğan Hukuki Sorumluluk", Türkiye Adalet Akademisi Dergisi , C. 9, S. 35, Temmuz 2018, s. 213-215.
13 EUROPARL, "EU AI Act: First Regulation on Artificial Intelligence",(E.T.: 15.05.2026), (Çevrimiçi)https://www.europarl.europa.eu/topics/en/article/20230601STO93804/eu-aiact-first- regulation-on-artificial-intelligence.
14 Akkurt, "Yapay Zekânın Otonom...", s. 44.
15 RG, 08/12/2001 – 24607, 4721 sayılı Türk Medeni Kanunu.
16 Şaban Kayıhan, Kişiler Hukuku , Ankara, Seçkin Yayıncılık, 2022, s. 19. 17 M. Kemal Oğuzman vd., Kişiler Hukuku , İstanbul, Filiz Kitabevi, 2024, s. 213. 19 21 23
18 Bak, "Medenî Hukuk Açısından...", s. 219.
19 European Parliament resolution of 16 February 2017 with recommendations to the Commission on Civil Law Rules on Robotics (2015/2103(INL))”, (E.T.:7.05.2026.), (Çevrimiçi), https://eur- lex.europa.eu/legal-content/EN/TXT/?uri=oj:JOC_2018_252_R_0026. 20 Abdurrahim Altun, Yapay Zekâya Elektronik Kişilik Tanınması , Ankara, Adalet Yayınevi, 2023, s. 198.
21 A. Dilşad Keskin, Huriye Reyhan Demircioğlu, Medeni Hukuk II , Ankara, Seçkin Yayıncılık, 2023, s. 30.
22 Merve Ayşegül Kulular İbrahim, Hukuki Açıdan Planlı Eskitme , Ankara, Adalet Yayınevi, 2021, s. 287. 23 Bak, "Medenî Hukuk Açısından...", s. 217-218. 25
24 İzzet Özgenç, Türk Ceza Hukuku Genel Hükümler , 19. Bası, Ankara, Seçkin Yayıncılık, 2024, s. 45. 25 Mahmut Koca, İlhan Üzülmez, Türk Ceza Hukuku Genel Hükümler , 16. Bası, Ankara, Seçkin Yayıncılık, 2023, s. 32-33.
26 Hakan Hakeri, Ceza Hukuku Genel Hükümler , 25. Bası, Ankara, Adalet Yayınevi, 2022, s. 58.
27 Kayıhan İçel, Süheyl Donay, Karşılaştırmalı ve Uygulamalı Ceza Hukuku Genel Kısım , İstanbul, Beta Yayımcılık, 2004, s. 74.
28 Caner Yenidünya, Risk Toplumu ve Ceza Hukuku , İstanbul, On İki Levha Yayıncılık, 2018, s. 112 vd. 29
29 Nurettin Alkan, Yunus Emre Karamanoğlu, "Öngörüye Dayalı Kolluk Temelinde Önleyici Kolluk: Rusya Federasyonu’ndan Örnekler", Güvenlik Bilimleri Dergisi , C. 9, S. 2, 2020, s. 387-418. 30 31
30 Zuzanna Warso, “Human Rights Requirements for Person-Based Predictive Policing: Lessons from Selected ECtHR Case Law and its Limits”, Technology and Regulation , 2022, s. 71-73.
31 RF İÇİŞLERİ BAKANLIĞI, "V Moskve sistema raspoznavaniya lits za sutki vyyavila bolee 200 narushiteley rezhima samoizolyatsii",(E.T.: 15.05.2026), (Çevrimiçi) https://xn--b1aew.xn-- p1ai/news/item/19639138/; Nurettin Alkan, Yunus Emre Karamanoğlu, "Öngörüye Dayalı Kolluk 32 33 34 Temelinde Önleyici Kolluk: Rusya Federasyonu’ndan Örnekler", Güvenlik Bilimleri Dergisi , C. 9, S. 2, 2020, s. 387-418.(E.T.:17.05.2026) 32 Ozan Kavsıracı, Mehmet Demirbaş, “İstihbarat Faaliyetlerinin Devlet Güvenliği Açısından İncelenmesi”, Anadolu Strateji Dergisi, C. 2, S. 1, 2020, s. 49.
33 Anthony A. Braga, Andrew V. Papachristos, David M. Hureau, “The Effects of Hot Spots Policing on Crime: An Updated Systematic Review and Meta-Analysis”, Justice Quarterly , C. 31, S. 4, 2014, s. 633.
34 Niyazi Umut Akıncıoğlu, “Yapay Zekâ Destekli Suç Tahmin Sistemleri: Uygulamadaki Sorunlar ve Hukuki Boyut”, Liberal Düşünce Dergisi, S. 1, Aralık 2025; Buse Nur Tufan, “Yapay Zekâ ve Suç: 37 Gelecek Açısından Hukuksal ve Etik Tehditler”, Medeniyet Kültürel Araştırmalar Belleteni , C. 4, S. 7, 2025. 35 İzzet Özgenç, Türk Ceza Hukuku Genel Hükümler , 19. Bası, Ankara, Seçkin Yayıncılık, 2024, s. 45.
36 Nur Centel, Hamide Zafer, Ceza Muhakemesi Hukuku , 20. Bası, İstanbul, Beta Yayıncılık, 2023, s. 450 vd.
37 Caner Yenidünya, Risk Toplumu ve Ceza Hukuku , İstanbul, On İki Levha Yayıncılık, 2018, s. 112 vd. 38 RG, 17/12/2004 – 25673, 5271 sayılı Ceza Muhakemesi Kanunu 39 40
39 Tony Popp, “Black Box Justice”, The Pennsylvania Gazette , C. 115, S. 3, 2017, s. 38-47. 40 Hazal Gülel, Hukuki Açıdan Yapay Zekâ , Ankara, Adalet Yayınları, 2023, s. 25. 41 Sarah Brayne, “Big Data Surveillance: The Case of Policing”, American Sociological Review , C. 82, S. 5, 2017, s. 977-1008.
42 AİHM, Big Brother Watch ve Diğerleri v. Birleşik Krallık [BD], B. No: 58170/13, 62322/14 ve 24960/15, 25.05.2021, (E.T.: 16.06.2026.), (Çevrimiçi) https://hudoc.echr.coe.int/eng?i=002-12080, parag.10.
43 Jonathon W. Penney, “Chilling Effects: Online Surveillance and Wikipedia Use”, Berkeley Technology Law Journal , C. 31, S. 1, 2017, s. 117 vd. 44 46
44 Enver Kaşlı, “Kolluk Faaliyetlerinde Kişisel Verilerin Korunması: Avrupa Birliği 2016/794 Sayılı Europol Tüzüğü ve 2016/680 Sayılı Kolluk-Ceza Adaleti Direktifi Işığında Bir İnceleme”, Ankara Avrupa Çalışmaları Dergisi , C. 22, S. 1, 2023, s. 97-115.
45 General Data Protection Regulation (GDPR). (t.y.). General Data Protection Regulation (GDPR) , (Çevrimiçi) https://gdpr-info.eu/ (E.T.: 17 Haziran 2026).
46 Avrupa Parlamentosu ve Konseyi, “Directive (EU) 2016/680 of the European Parliament and of the Council of 27 April 2016”, (E.T.: 17.06.2026.), (Çevrimiçi) https://eur- lex.europa.eu/eli/dir/2016/680/oj/eng. 48
47 Abdurrahim Altun, Yapay Zekâya Elektronik Kişilik Tanınması , Ankara, Adalet Yayınevi, 2023, s. 198.
48 Cemil Güner, “Yapay Zekânın Verdiği Zarardan Doğan Sözleşme Dışı Sorumluluğa Uygulanacak Hukuk”, Uyuşmazlık Mahkemesi Dergisi , C. 8, S. 15, Haziran 2020, s. 231.
KÜHEYLAN HUKUK