Dijital çağın getirdiği veri patlaması, elektronik keşif sürecinin hukuk dünyasında hayati bir rol oynamasına neden olmuştur. Elektronik keşif (“e-discovery”), hukuki süreçlerde kritik öneme sahip olan büyük miktarda elektronik verinin toplanması, muhafaza edilmesi, işlenmesi ve analiz edilmesini içerir. Ancak bu süreç, giderek artan veri hacmi ve çeşitliliği ile daha karmaşık hale gelmektedir.
Bu karmaşayı yönetme konusunda yapay zeka teknolojilerinin e-discovery’e entegrasyonu önemli bir rol oynamaktadır. Yapay zeka, bu süreçte önemli avantajlar sunarken, aynı zamanda veri gizliliği ve güvenliği konularında dezavantajların ortaya çıkmasına neden olabilir. Bu içerikte, e-discovery sürecinin temel dinamikleri, yapay zekanın dönüşümdeki rolü ve bu rolün yanı sıra ortaya çıkabilecek veri gizliliği ile güvenlik riskleri ele alınacaktır.
• E-Discovery
Günümüz dijital çağında, e-discovery hukuki sürecin hayati bir unsuru haline gelmiştir. Bu süreç, elektronik verilerin hukuki süreçlerde kanıt olarak kullanılmak üzere tespiti, güvence altına alınması ve incelenmesini içerir. Elektronik olarak depolanan büyük miktarda bilgi göz önüne alındığında, e-discovery; e-postalar, belgeler, veritabanları ve sosyal medya gönderileri gibi çeşitli veri türlerini kapsar.
• E-Discovery Aşamaları
E-discovery süreci, organizasyonlar tarafından üretilen ve depolanan büyük elektronik veri hacmiyle başa çıkabilmek için birkaç adım içerir. Başlangıçta, davanın veya yürütülecek hukuki sürecin gereksinimlerine göre potansiyel olarak ilgili elektronik belgelerin bulunduğu veri tanımlama aşaması gerçekleştirilir. Bir kez tanımlandıktan sonra, bu verilerin bütünlüğünü korumak ve yedeklemek; zaman-tarih damgaları, yazar ve alıcı bilgileri ve dosya özellikleri gibi meta verilerin korunmasını sağlamak oldukça önemlidir. Bu koruma, verilerin değişmeden kalmasını sağlayarak hukuki süreçlerde geçerliliğini korur. Bunu takiben, verilerin güvenli bir şekilde toplanarak, değişiklik, silme veya yok etme olasılığını önlemek amacıyla yasal bir kilit altına alınması (ilgili tutanakların doldurulması ve verilerin şifrelenerek muhafaza edilmesi) gerçekleştirilir. Bir sonraki aşama, ilgili verilerin dikkatlice ayıklanıp, indekslenip bir veritabanında depolanması ve ilgili olmayan belgelerin ayrılması olan veri işleme aşamasıdır. Son olarak, kalan veriler titizlikle incelenir ve hukuki statüsüne göre sınıflandırılır.
• Yapay Zeka ve Yükselişi
Yapay zekanın tanımını yapmak oldukça zordur çünkü “yapay” ve “zeka” kavramlarının anlamlarının tam olarak anlaşılması gerekmektedir. Webster’s Dictionary, zekayı öğrenme, yeni durumlara tepki verme ve problem çözme yeteneği olarak tanımlar. Yapay zeka, insan yapımı olup, doğal zekadan farklıdır. Genellikle makineler olarak düşünülen bu yapay zeka sistemleri, iş yapabilme yetenekleriyle tanımlanır ve bu yetenekleri insan yapımı sistemlerde uygulayarak öğrenme ve problem çözme kapasitesine sahip makineleri ifade eder. Yapay zeka, görevleri otomatikleştirerek ve veri analitiğini süreçlere entegre ederek birçok sektörü dönüştürmektedir. Makine öğrenimi ve doğal dil işleme gibi teknolojiler, sağlık, finans ve ulaşım gibi alanlarda yaygınlaşmıştır. Yapay zeka araçlarının erişilebilirliği, işletmelerin verimliliğini artırmıştır. Son dönemde, yapay zeka e-discovery süreçlerinde de kullanılmaya başlanmıştır.
• Yapay Zeka’nın E-Discovery Üzerindeki Uygulamaları ve Avantajları
Yapay zeka ve e-discovery, özellikle hukuki bağlamlarda, geniş veri setlerinden verimli bir şekilde bilgi temin edilmesi ve analizi konularıyla yakından ilişkilidir. E-discovery süreçleri, manuel olarak gerçekleştirildiğinde, büyük veri hacimlerini göz önünde bulundurulduğunda genellikle zaman alıcı ve verimsizdir. Yapay zeka, bu süreci önemli ölçüde geliştirir çünkü veri madenciliği ve metin madenciliği algoritmalarını kullanarak büyük veri setlerini işleyip analiz edebilir. E-discovery süreçlerinde ele alınan verilerin büyük bir kısmı, yapılandırılmamış biçimlerde olabilir (e-postalar, sosyal medya içerikleri, multimedya dosyaları ve metin belgeleri vb.). Yapay zeka teknolojilerinden doğal dil işleme (NLP), makine öğrenimi ve derin öğrenme gibi teknikler, yapılandırılmamış verileri etkili bir şekilde analiz eder, meta verileri çıkarır, varlıkları tanımlar ve metin içerisindeki bağlamı anlar. Bu da ilgili bilgilerin bağlantılarının belirlenmesini kolaylaştırır. Yapay zeka, ayrıca, inceleme süreçlerine konu olabilecek delillerin tespiti adına anahtar kelime listeleri oluşturulmasında faydalı olabilir.
Yapay zeka, anormallikleri proaktif bir şekilde tespit etmek, dolandırıcılığı önlemek ve büyük veri setlerini analiz ederek geleneksel yöntemlerin kaçırabileceği şüpheli desenleri veya davranışları ortaya çıkarma konusunda faydalı olabilmektedir. Ayrıca, yapay zeka e-discovery süreçlerinde elde edilen silinmiş veya bozulmuş verileri geri kazanarak adli analizler yapabilmekte, potansiyel olarak gizlenmiş veya belirsiz kanıtları daha derinlemesine anlamayı sağlamaktadır. Yapay zeka, her bir davanın maliyetlerini ve verimliliğini büyük ölçüde iyileştirebilmektedir. Amerikan Barolar Birliği, avukatların %62’sinin geleneksel e-discovery çözümleri kullandığını belirtmektedir. Bu da bu alanı diğer hukuki yapay zeka uygulamalarına kıyasla otomasyon için daha uygun hale getirmektedir.
Yapay zekanın e-discovery özelindeki önemli faydalarından biri, yapay zekanın belgelerin ve iletişimlerin bağlamını doğru bir şekilde modelleyebilmesidir. Bu durum, araştırmacıların veriler üzerinde daha az zaman harcamasını sağlar. E-discovery süreçlerinde kullanılan inceleme platformları, yapay zekanın uygulamalarını pratik bir şekilde gözler önüne sermektedir. Örneğin, bu inceleme platformlarında bir konuyu “hit” olarak işaretlediğinizde, sistem, benzer içerikli e-postaları ve belgeleri otomatik olarak tanımlayarak yorumcuların dikkatine sunar. Bu özellik, yapay zeka ve makine öğrenimi algoritmalarının büyük veri setlerini analiz ederek benzerlikleri tespit etme yeteneğinin bir sonucudur. Transformer modeli, önemli bir yapay zeka tekniği olarak, dikkat mekanizmaları ve paralel işlemeyi kullanarak e-discovery süreçlerini daha hızlı ve doğru metin analizi ile geliştirir. Büyük veri kümeleri üzerinde önceden eğitilmiş ve belirli e-discovery görevleri için ince ayar yapılmış bu modeller, doğru bilgiyi verimli bir şekilde elde eder.
Yapay zekanın e-discovery’deki uygulamaları, varlık tanıma gibi belgeler içindeki isimler, tarihler ve konumlar gibi varlıkları tanımlayıp sınıflandırarak hızlı bir bağlamsal anlayış sağlar. Belgeleri otomatik olarak tanımlayıp sınıflandırarak, yapay zeka geleneksel, manuel e-discovery yöntemleriyle ilişkili zaman ve maliyetleri azaltır. Makine öğrenimi ve doğal dil işleme, büyük veri kümelerini analiz ederek kalıpları tanımlayıp anlamlı bilgiler çıkarmayı daha da geliştirir ve bu sayede hukuk ekiplerinin davaları daha etkili ve verimli bir şekilde yönetmelerine ve daha iyi sonuçlar elde etmelerine olanak tanır.
• E-Discovery’de AI Kullanımı Dezavantajları
E-discovery, büyük veri hacimlerini analiz etme sürecinde yeni teknolojik zorluklarla karşılaşmaktadır ve deepfake teknolojisi bu zorluklardan biridir. Deepfake, yapay zeka ve makine öğrenimi kullanılarak gerçekçi ve sahte video veya ses içerikleri oluşturma teknolojisidir. Bu teknoloji, genellikle “deep learning” adı verilen bir yapay zeka tekniği kullanarak, gerçek kişilerin yüzlerini, seslerini veya hareketlerini taklit edebilir. Deepfake teknolojisinin yaygınlaşması, e-discovery araçlarının bu tür içerikleri doğru bir şekilde tespit etmesini güçleştirmektedir. Deepfake’lerin tanımlanması, yapay zeka sistemlerinin verimli bir şekilde eğitilmesi ve sürekli olarak güncellenmesi gerektiği anlamına gelir. Ayrıca, yapay zeka tarafından tespit edilemeyen deepfake’lerin hukuki süreçlerde kullanılması, veri güvenliği ve kanıtların doğruluğu açısından ek sorunlar yaratabilir. Avukatlar, deepfake içerikleri analiz ederken daha dikkatli olmalı ve yapay zeka tabanlı araçların yanı sıra insan uzmanlığını da kullanmaları gerektiğini ifade etmektedir.
E-discovery süreçleri, büyük veri setlerini işleyerek hukuki kanıtları bulmak ve analiz etmek amacıyla kullanılan önemli bir adımdır. Ancak, bu süreçlerin modern teknolojilerle, özellikle yapay zeka ile entegrasyonu, veri gizliliği ve güvenlik kaygılarını da beraberinde getirmektedir. E-discovery süreçlerinde işlenen veriler genellikle hassas bilgiler içerir. Bu bilgiler, kişisel verilerden ticari sırlarla ilgili bilgilere kadar geniş bir yelpazeyi kapsar. Yapay zeka sistemlerinin bu verileri işleyebilmesi, bu bilgilerin yanlış ellere geçmesi riskini barındırmaktadır. Dolayısıyla, veri gizliliğini korumak için güçlü şifreleme ve erişim kontrol mekanizmalarının uygulanması gerekmektedir.
Yazı: Oytun Önder, KPMG Türkiye – Usulsüzlük Önleme, İnceleme, Ticari Uyuşmazlık ve Uyum Danışmanlığı, Danışmanlık Şirket Ortağı
Not: Makalelerdeki Görüş ve Yorumlar Yazar veya Yazarlara Ait Olup, Etik ve İtibar Derneği’nin Konu ile İlgili Düşüncelerini Yansıtmamaktadır.