Yapay Zeka Kötü İşi Kurtarır mı?

Dilekçe pürüzsüzdü, format temizdi. Hakim tek bir soru sordu ve cevap yoktu, çünkü dilekçeyi yapay zeka yazmış, argümanı kimse kurmamıştı.

Paylaş
Yapay Zeka Kötü İşi Kurtarır mı?
Yapay Zeka Kötü İşi Kurtarır mı?Yapay Zeka Kötü İşi Kurtarır mı?

Dilekçe pürüzsüz görünüyordu. Cümleler akıcı, format temiz, her şey yerli yerinde. Sabah bir kez daha göz attınız ve içiniz rahattı. Duruşmada hakim tek bir soru sordu: "Avukat Bey, bu manevi tazminat talebini TBK 56'ya nasıl bağladınız?"

Cevabı bilmiyordunuz.

O pürüzsüz metnin arkasında sizin kurduğunuz bir argüman yoktu. Dilekçeyi yapay zeka yazmıştı, ama dosyayı düşünmek size kalmıştı ve o adım atlanmıştı.

Bu videonun sorusu tam olarak bu. Yapay zeka sizin yaptığınız işi kurtarabilir mi? Cevap, onu kullanırken ne kadar yetkin olduğunuza bağlı. Hem hukuki hem teknolojik anlamda.


Yapay Zeka Anlamadığınız Dosyayı Anlayamaz

Yapay zekayı "her işi halleden bir yardımcı" olarak görmek en yaygın yanılgılardan biri. Öyle görünse de düşüncenizin ve bilginizin kalitesi hâlâ belirleyici ve belirleyici olmaya devam edecek.

Yapay zekanın sizin yerinize yapamayacağı üç şey var. Sizin anlamadığınız bir davayı anlayamaz, sizin kurmadığınız argümanı kuramaz, sizin sormadığınız soruyu soramaz.

Bu yüzden yapay zekanın ürettiği şey, ona verdiğinizle doğrudan bağlantılı. Teknoloji dünyası buna garbage in, garbage out diyor (girdi çöpse çıktı da çöp olur).

Aynı yapay zeka modeline verilen sığ bir dilekçe talebi ile somut olgu ve TBK 301 maddesini içeren derinlikli talebin karşılaştırması
Aynı model, iki farklı talep. Çıktının kalitesi girdinin derinliğinden geliyor.

Veri Ne Söylüyor?

Stanford'da yürütülen ölçümlere göre genel amaçlı yapay zeka modelleri hukuki sorularda yarıdan fazla oranda hatalı bilgi verebiliyor. Hukuka özel geliştirilen modellerde bile bu oran %17 ile %33 arasında.

Bunu bir dosya üzerinde düşünelim. Yapay zekayla sohbet başlattığınızda her beş mesajdan birinin hatalı olma ya da halüsinasyon içerme ihtimali var. Bu hata üçüncü ya da dördüncü mesajda çıksa bile bütün dosyayı bambaşka bir yöne götürebilir.

Stanford araştırmalarına göre hukuki sorularda genel amaçlı yapay zeka modellerinin yüzde 50'nin üzerinde, hukuka özel modellerin yüzde 17 ile 33 arasında hata oranı
Hukuka özel modellerde bile her 5 yanıttan biri hatalı olabilir.

Şimdi rakamların ötesine geçelim. Hiç hata yapmayan, her şeyi %100 doğru veren bir model düşünün. Sorun yine ortada kalır, çünkü kusursuz bir sistem de sizin yönlendirmenizle ve sorularınızla çalışır.

Sığ bir soruyla gelirseniz sığ bir cevap alırsınız. Herkese benzeyen, ortalama bir metin. Oysa müvekkil size kendi durumuna özgü bir çözüm için geliyor. Ortalama bir cevap onun işine yaramaz.


Automation Bias: Pürüzsüzlük Yanıltır

Araştırmacılar bu duruma Automation Bias diyor (otomasyon eğilimi, yani otomatik sistemlerin çıktısını sorgulamadan kabul etme eğilimi). Bir sistem ne kadar akıcı ve güvenilir görünüyorsa insanlar onu eleştirmeyi o kadar çabuk bırakıyor.

Yapay zeka çıktıları tam da böyle görünüyor. Bu yüzden kontrol adımını atlamak kolaylaşıyor. Eleştirel bakışın en çok gerektiği yer ise tam burası.

Her çıktıda sormanız gereken sorular var. Olgular doğru mu? Argümanda eksik var mı, varsa nerede? Yasal dayanaklar sağlam mı?

Şunun altını çizmek istiyorum. Yapay zeka kullanımına alışkın olmayan biri için bu hatalar kolayca gözden kaçıyor. Hatayı yakalamak hem teknolojiyi hem hukuku bilmeyi gerektiriyor. İkisini birlikte bildiğinizde çıktıya çok daha ayırt edici bir gözle bakabiliyorsunuz.


Centaur Modeli: İkisini Birleştirmek

Satranç dünyasından gelen bir kavram var: Centaur. Yarı insan, yarı makine. Bilgisayarın güçlü olduğu alanlarla insanın güçlü olduğu alanları birleştiren bir çalışma modeli. Kasparov'un Deep Blue'ya yenilmesinden sonra satranç yapay zekayla iç içe geçti ve terim de oradan doğdu.

Centaur modeli diyagramı: içtihat araması ve özet gibi makinenin güçlü alanları ile stratejik niyet ve etik karar gibi avukatın güçlü alanlarının birleşimi
Centaur modeli. Makinenin hızı ile avukatın muhakemesi aynı masada buluşuyor.

Makinenin güçlü olduğu alanlar içtihat araması, format dönüşümü, tekrar eden metin üretimi, büyük belgelerden özet çıkarma ve karşılaştırma yapma.

Sizin güçlü olduğunuz alanlar stratejik niyet, müvekkilin hikayesini doğru okuma, mahkemenin muhtemel tutumunu öngörme ve etik bir ikilemde karar verebilme.

Bir müvekkilin büronuza geldiğini düşünün. "Ben haklıyım" diyerek uzun uzun anlatıyor. Ama sunduğu deliller anlattığı hikayeyi desteklemiyor. Bu çelişkiyi fark edip stratejiyi yeniden kuracak olan sizsiniz. Yapay zeka ise ona ne anlatırsanız hikayeyi olduğu gibi alır ve çıktısını da buna göre verir.

Ya da karşı tarafın vekilini tanıyorsunuz ve önceki davalarda hangi stratejiyi izlediğini biliyorsunuz. Yapay zeka bunu bilemez. Bir aile uyuşmazlığında haklı olsanız bile davanın sonucunun aileyi nasıl etkileyeceğini görebiliyorsunuz. Siz anlatmadığınız sürece yapay zeka bunu da hesaba katamaz.

Bunlar stratejik nüanslar. Avukatın özgün olduğu yer de tam olarak bu nüanslar.


Yapay Zekaya Ne Söyleyebilirsiniz?

"Bu davayı kazan" demek en fazla bir dilek olur. İyi çıktı, kaynağa dayanan ve bakmak istediğiniz noktaları açıkça ortaya koyan bir talimattan gelir.

İki örneği yan yana koyalım.

Sığ talep. "Kira uyuşmazlığı için dilekçe yaz." Yapay zeka yazar. Format doğru görünür, terimler yerindedir. Ama hangi hukuki teoriye dayandığı, müvekkilin özel durumu ve karşı tarafın muhtemel savunması metinde yer almaz.

Derinlikli talep. "Kiracı kira bedelini 3 aydır ödemiyor. Kiracı ayrıca tamir borcunun yerine getirilmediğini ileri sürüyor. Türk Borçlar Kanunu 301'deki bakım borcu karşısında bu savunma geçerli mi? Geçerliyse argümanımı nasıl kurmalıyım?"

Aradaki fark, avukatın dosyayı anlama derinliğinde saklı.

Karar Ağacı Yöntemi

Dosyayı tek seferde yazdırmak yerine adım adım parçalara ayırın. Her parçayı ayrı ayrı işleyin ve sonunda birleştirin.

Bunun teknik bir faydası da var. Modellerin belli bir bağlam kapasitesi bulunuyor. Sohbet uzadıkça bu kapasite doluyor ve model daha yüksek hata oranıyla cevap vermeye başlıyor. Dosyayı parçalara bölmek hem işleyişi hem teknik tarafı rahatlatıyor.

Şablon Disiplini

Aynı tür işlerde yapay zekayı sık kullanıyorsanız iyi sonuç veren talimatları şablona dönüştürün. Birçok yapay zeka aracında bu yapı "skills" ya da kayıtlı talimat olarak geçiyor. Kullandıkça şablonu geliştirin ve eksik gördüğünüz yeri güçlendirin. On kullanımın sonunda çok daha yetkin bir işleyişiniz olur.

Türkiye pratiğine uygun araçlar için LAB sayfamızdaki araçlar bölümüne göz atabilirsiniz.


Çıktıyı Kontrol Etmek İçin 3 Soru

Yapay zeka çıktısını kontrol etmek için 3 soru: argümanı kim seçti, müvekkile özel durumlar yansımış mı, karşı tarafın olası itirazı ne
Çıktıyı göndermeden önce kendinize sormanız gereken üç soru.

Çıktı hazır olduğunda kendinize şu üç soruyu sorun:

  1. Bu argümanı ben mi seçtim, yoksa model mi seçti? Modelin bir argüman önermesinde sorun yok. Belirleyici olan, o argümanı ne kadar işlediğiniz ve ne kadar anladığınız.
  2. Bu müvekkile özel durumlar metne yeterince yansımış mı? Yoksa metin genel bir kira uyuşmazlığı seviyesinde mi kalmış?
  3. Karşı tarafın olası itirazı ne olabilir? Bu soruyu baştan sormak zayıf noktaları erkenden görmenizi sağlar.

Bu üç soru bir başlangıç. Kendi pratiğinize göre yenilerini ekleyebilirsiniz.


Özet

Yapay zekanın işleri hızlandırdığı ve verimliliği artırdığı bir gerçek. Bunu hem pratikte hem istatistiklerde görüyoruz. Ama çıktının kalitesi sizin yetkinliğinizle sınırlı.

Aynı modeli kullanan iki avukat arasında bile yetkinlik farkı çıktıya doğrudan yansıyor. Derin bir soru derin bir cevap getirir, sığ bir soru genel bir cevap. Neyi devredebileceğinizi ve neyi elinizde tutmanız gerektiğini bilmek de bu yüzden kritik. Modeller geliştikçe bu sınırlar değişebilir, ama bilginin değeri her dönemde sürecek.

En iyi sonucu multidisipliner bir yaklaşım veriyor. Teknolojiyi, müvekkili ve hukuku birlikte bilmek ve bu bütünlükle yapay zekayla çalışmak. Aracı iyi kullanmak, dosyayı iyi anlamaktan ve teknolojiyi tanımaktan geçiyor. Yeni dönem avukatlığın bu birikimle şekillendiğini her içeriğimizde hatırlatmamızın nedeni de bu.

Peki siz yapay zekadan aldığınız son çıktıda argümanı kimin kurduğunu biliyor muydunuz?


Kaynaklar ve Notlar

  • Stanford araştırmaları: Genel amaçlı yapay zeka modellerinde hukuki sorularda %50'nin üzerinde hatalı bilgi oranı, hukuka özel modellerde %17 ile %33 aralığı (Stanford RegLab ve HAI, 2024).
  • Automation Bias: Otomatik sistemlerin akıcı çıktılarını sorgulamadan kabul etme eğilimi. Bilişsel psikoloji ve insan-makine etkileşimi literatüründe belgelenmiş bir kavram.
  • Centaur modeli: Satrançta insan ve makinenin birlikte oynadığı çalışma biçimi. 1997'deki Kasparov ve Deep Blue maçının ardından gelişen terminoloji.
  • Garbage in, garbage out: Bilişim dünyasında yaygın kullanılan girdi ve çıktı kalitesi ilkesi.
  • LAB Araçlar sayfası: legaltechtr.com/lab adresinde Türkiye pratiğine yönelik yapay zeka araçları.
CTA Image

Dijital Dönüşümünü LAB'da Somutlaştır.

→ Dijital Avukat Ol

Diğer Videolar

Tüm videolar →