Kopyala-Yapıştır Çağında Veri Güvenliği

Salı sabahı sıradan bir ofis anı düşünün. Pazarlama ekibinden biri müşteri segmentasyon raporunu açıyor. Bir kampanya metni hazırlaması lazım; zaman az, toplantı yakın. Raporu alıyor, bir yapay zekâ aracına yapıştırıyor ve “bunu özetle, üç kampanya önerisi çıkar” diyor.

Ortada saldırgan yok. Kötü niyet yok. Sistem hack’lenmedi, parola çalınmadı, kimse güvenlik duvarını aşmadı.

Ama müşteri isimleri, satın alma geçmişi, segment bilgisi ve kurumun ticari içgörüsü artık kurumsal sınırın dışına çıkmış olabilir.

Bence yapay zekâ çağında veri güvenliğinin en zor tarafı bu: risk artık sadece saldırıdan değil, günlük iş yapma refleksinden de doğuyor.

Rakam ürkütücü, davranış tanıdık

Cyberhaven’ın 2026 raporuna göre çalışanların yapay zekâ etkileşimlerinin yüzde 39,7’si hassas veri içeriyor. Aynı rapora göre ortalama bir çalışan yaklaşık üç günde bir yapay zekâ aracına hassas veri gönderiyor.

Bu tür raporları okurken temkinli olmak gerekir; sonuçta Cyberhaven bir güvenlik şirketi ve konuyu kendi ticari perspektifinden ele alıyor. Yine de veri önemli, çünkü rapor yüzlerce şirketten ve çok büyük hacimli gerçek veri hareketinden besleniyor. Üstelik TÜİK ve KVKK’nın Türkiye için çizdiği tabloyla birlikte okunduğunda davranış tarafındaki boşluğu gayet iyi gösteriyor.

Kurumların bir kısmı hâlâ “bizde yapay zekâ kullanımı başlamadı” rahatlığında olabilir. Ama çalışan açısından durum daha basit: iş yetişecekse ve araç fayda sağlıyorsa, araç kullanılmaya başlanıyor. Resmî politika bunu onaylamamış olsa bile.

Google bile kendi aracına karşı temkinli davrandı

Bu risk sadece küçük ya da hazırlıksız kurumların meselesi değil. Google’ın kendi çalışanlarını chatbot’lara gizli bilgi girmemeleri konusunda uyarması bu yüzden önemliydi. Hatta kendi aracı Bard için bile benzer bir dikkat çağrısı yapıldı.

ABD Uzay Kuvvetleri’nin web tabanlı üretken yapay zekâ araçlarını güvenlik ve veri riski nedeniyle geçici olarak durdurması da aynı resmi tamamlıyor. Bunlar “teknolojiye karşı” refleksler değil; veri sınırı netleşmeden hızlanmanın riskine karşı alınmış önlemler.

Bir de sağlayıcı tarafındaki olaylar var. OpenAI’ın Mart 2023’te yaşadığı kesinti ve hata, bazı kullanıcıların başka kullanıcıların konuşma başlıklarını ve sınırlı ödeme bilgilerini görebilmesine yol açmıştı. Bu olay büyük resimde tek başına felaket değildi; ama önemli bir şeyi hatırlattı: yapay zekâ servisleri de yazılımdır, yazılımda hata olur.

Birleşik Krallık NCSC’nin güvenli yapay zekâ geliştirme ilkeleri ve OWASP LLM Top 10 listesi de bu yüzden değerli. Prompt injection, hassas bilgi ifşası, tedarik zinciri açıkları, güvensiz çıktı işleme gibi başlıklar artık klasik bilgi güvenliği maddelerinin yanına eklendi.

Kurumsal araç başka, kişisel hesap başka

Burada en kritik ayrımlardan biri şu: “yapay zekâ aracı kullanıyoruz” cümlesi tek bir durumu anlatmıyor.

Bir tarafta kurumsal sözleşmeyle kullanılan ürünler var. API kullanımında, Team veya Enterprise sürümlerde veri işleme ve model eğitimine ilişkin varsayılan koşullar farklı olabiliyor. Kurum sözleşme yapıyor, veri şartlarını inceliyor, erişimi yönetiyor, loglamayı ve güvenliği kurguluyor.

Diğer tarafta kişisel hesaplar, ücretsiz araçlar, tarayıcı eklentileri ve onaylanmamış servisler var. Çalışan açısından arayüz benzer görünebilir; ama kurum açısından veri rejimi tamamen farklıdır.

Riskin kalbi tam burada. Kurum onaylı ürününü güvenceye aldığını düşünürken, çalışan pratikte kişisel hesabını kullanıyor olabilir. Cyberhaven raporunda ChatGPT kullanımının yaklaşık üçte birinin kişisel hesaplardan geldiği, Gemini tarafında da benzer bir gölge kullanım olduğu belirtiliyor.

Buna gölge yapay zekâ deniyor. Etkileşimlerin yüzde 39,7’sinin hassas veri içerdiği ve ChatGPT kullanımının üçte birinin kişisel hesaplardan geldiği bir tabloda, bence önümüzdeki dönemin en yorucu güvenlik konularından biri bu olacak. Çünkü IT’nin bildiği araç listesiyle çalışanların fiilen kullandığı araç listesi aynı değilse, kurum kendi gerçek risk haritasını göremez.

KVKK’nın yaklaşımı neden önemli

KVKK’nın üretken yapay zekâ rehberleri, bu konuda bence doğru noktaya basıyor. Yasakçılıktan çok veri sınıflandırması, amaçla sınırlılık, veri minimizasyonu, mahremiyet etki değerlendirmesi ve çalışan farkındalığı gibi başlıklara odaklanıyor.

Yani mesele “her şeyi kapatalım” değil. Mesele, hangi verinin hangi araçta, hangi amaçla, hangi şartlarda kullanılabileceğini netleştirmek.

Hukuki tarafın ne kadar hareketli olduğunu da görmek lazım. İtalya’nın veri koruma otoritesinin OpenAI’a 2024 sonunda kestiği 15 milyon avroluk ceza, Mart 2026’da Roma’daki mahkemece iptal edildi. Ama bu iptal, konunun esasına dair kesin bir aklanma gibi okunmamalı. Mahkeme daha çok yetki ve usul tarafına baktı; lider otorite meselesi nedeniyle karar düştü.

Bu ayrıntı önemli. Çünkü üretken yapay zekâ ve kişisel veri meselesinde hukuk hâlâ şekilleniyor. Kurumlar bu belirsizliği “nasıl olsa netleşmedi” diye değil, “kontrolü baştan kurmamız lazım” diye okumalı.

Basit bir cümleyi hukuki dile çevirelim: “Çalışan müşteri listesini ChatGPT’ye yapıştırdı.” Bunun anlamı şu olabilir: kişisel veri, onaylanmamış bir işleyiciye, belirsiz bir veri işleme rejimi altında aktarıldı. Teknik olarak küçük görünen hareket, hukuken ciddi bir veri işleme faaliyetine dönüşebilir.

Türkiye’de makas açık

TÜİK verileri bu tartışmayı Türkiye açısından daha somut hâle getiriyor. Girişimlerin yüzde 7,5’i yapay zekâ kullanıyor. Büyük şirketlerde oran yüzde 24,1’e çıkıyor. Bireylerde ise üretken yapay zekâ kullanımı yüzde 19,2; 16-24 yaş grubunda yüzde 39,4.

Bu makasın anlamı basit: kurumlar politika yazarken, çalışanlar araçları çoktan günlük rutinlerine katmış durumda.

Burada en büyük hata, bu davranışı yok saymak olur. İkinci hata ise sadece yasakla çözmeye çalışmak. Çünkü yasak, 16-24 yaş grubunda yüzde 39,4’e ulaşmış bir kullanımı bitirmez; çoğu zaman görünmez hâle getirir.

Yasaklamak kolay, tasarlamak zor

Benim buradaki önerim daha sıkıcı ama daha gerçekçi: veri güvenliğini bir tasarım sorunu olarak ele almak. Ortalama bir çalışanın yaklaşık üç günde bir yapay zekâ aracına hassas veri gönderdiği bir ortamda, bu iş tek seferlik bir farkındalık eğitimiyle çözülmez.

Önce veri kategorileri netleşmeli. Müşteri kimlik bilgisi, anonim istatistik, ticari sır, finansal rapor, kaynak kodu ve genel bilgi aynı kurala tabi olamaz. Çalışan hangi veriyi hangi araca koyabileceğini pratik örneklerle bilmeli.

Sonra onaylı alternatif sunulmalı. Çalışana sadece “kullanma” demek yerine, “bunu şu kurumsal araçta kullanabilirsin, bunu kullanamazsın, bunu anonimleştirerek kullanabilirsin” demek gerekiyor.

Üçüncü olarak kişisel hesapla kurumsal sürüm arasındaki fark anlatılmalı. Arayüz benzer diye veri rejimi aynı sanılmamalı.

Dördüncü olarak olay günü planı hazırlanmalı. Hassas veri yanlışlıkla gönderildiğinde kim bilgilendirilecek, hangi veri türü hangi bildirim yükümlülüğünü doğuracak, loglar nasıl incelenecek, sağlayıcıdan silme talebi nasıl yapılacak?

Bunu test etmenin basit bir yolu var. Yarın ofiste birine sorun: “Müşteri listesini ChatGPT’ye yapıştırsan ne olur?”

Cevap netse politikanız davranışa dönüşmeye başlamıştır. Cevap “bilmem, bir şey olur mu ki?” ise dokümanınız olabilir ama veri güvenliği hâlâ günlük pratiğe inmemiştir.

Toparlarken

Yapay zekâ çağında veri güvenliği sadece firewall, DLP veya erişim yetkisi meselesi değil. Bunlar hâlâ önemli; ama tek başına yeterli değil.

Yeni sınır, çalışanın günlük davranışında, araç seçiminde, hesap türünde, sözleşme rejiminde ve kurumun onaylı alternatif sunup sunmadığında çiziliyor.

Bu yüzden veri güvenliğini güvenlik ekibinin tek başına taşıyacağı bir başlık gibi görmek yanlış olur. Veri, hukuk, mimari, insan kaynakları, iş birimleri ve güvenlik aynı tasarımın parçası olmak zorunda.

Serinin son yazısında bu kararların insana dokunduğu yere geleceğim: yapay zekâ işi yok mu edecek, yoksa işi ve rol tanımlarını yeniden mi tasarlayacak?