Yalnızca AI bildirimi şeffaflık yaratmaz

„Bu içerik AI ile oluşturuldu" bir sinyaldir. Şeffaflık, insan bu sinyalin somut durumda ne anlama geldiğini ve sonra ne yapabileceğini anladığında başlar.

Sayfanın altında küçük AI bildirimi güven verir. Karmaşık görevi görünür tek cümleye dönüştürmüş gibidir. Oysa yalnız bir soruyu yanıtlar: AI kullanıldı mı? Hangi bölümün üretildiğini veya değiştirildiğini, hangi data ve source'un kullanıldığını, human review olup olmadığını, output'un ne kadar güvenilir olduğunu ya da correction'ın nereden isteneceğini söylemez.

Transparency bu nedenle copywriting işi değildir. System, deployer ve etkilenen kişi arasında technical ve organisational interface'tir. Doğru zamanda görünmeli, anlaşılır context vermeli, provenance ile edit history'yi korumalı, action path açmalı ve çalıştığını kanıtlayan internal evidence üretmelidir.

Transparency karar vermeyi sağlamalıdır

Etkili notice davranışı değiştirir. Kişi chatbot ile konuştuğunu zamanında bilirse paylaşacağı bilgiyi farklı seçebilir. Synthetic image'ı başka türlü yorumlayabilir. AI destekli recommendation süreçteyse bunun rolünü ve human override olup olmadığını bilmelidir.

Kalite sorusu „Bir yerde bildirim var mı?" değildir. „Hedef kişi bu bildirim sayesinde hangi kararı daha bilinçli verebilir?" sorusudur. Hedef karar yoksa dikkatli görünen metin bile operational olarak boş kalır.

Transparency'nin en az iki audience'ı vardır. External kişiler anlaşılır bilgi ve gerçek action route ister. Internal deployer ise output'u yorumlamak ve sistemi uygun kullanmak için system boundary, performance characteristic, log ve change information'a ihtiyaç duyar. Public label operating documentation'ın; technical dossier da görünür notice'ın yerini tutmaz.

Madde 50 tek bir genel etiket kuralı değildir

AB AI Act Madde 50 farklı durumları ayırır. İnsanlarla doğrudan etkileşim için tasarlanan system, makul ölçüde bilgili ve dikkatli kişi için zaten açık değilse, genellikle AI ile etkileşim olduğunu bildirmelidir. Synthetic audio, image, video veya text üreten system provider'ı için machine-readable marking ve detectability şartları bulunur.

Belirli deepfake'leri veya kamu yararına ilişkin konuda halkı bilgilendirmek için AI-generated ya da manipulated text kullanan deployer için de disclosure görevleri vardır. Hukuk metni, yasal yetkili amaçlar ile artistic, satirical, fictional veya benzer eserler dahil exception ve özel kurallar içerir. Bu yüzden „Her şeyi aynı etiketleriz" yaklaşımı da „Bir disclaimer yeter" kadar eksiktir.

Madde 50 görevleri 2 Ağustos 2026'dan itibaren uygulanır. AI-generated content transparency için final Avrupa Code of Practice Haziran 2026'da yayımlandı. Belirli paragrafların uygulanmasını destekleyen gönüllü bir araçtır; hukuk metninin ve vaka bazlı rol, içerik, exception incelemesinin yerine geçmez.

Provider ve deployer farklı parçaları görür

Provider generation pipeline'a technical marker ekleyebilir ama sonraki yayın context'ini bilmeyebilir. Deployer audience, channel ve etkiyi bilir; model veya provenance signal hakkında tam insight sahibi olmayabilir. Etkili transparency bu parçaları bağlar.

Sağlam handover şunları içerir: Hangi output işaretlenir? Marker nerede tutulur ve nasıl doğrulanır? Hangi transformation onu kaldırabilir? Hangi version aktif? Visible disclosure'ın hangi bölümü deployer'a aittir? Exception nasıl gerekçelendirildi? Bu sorular procurement, engineering, communication ve business arasında kaybolursa transparency debt oluşur.

Etkili transparency interface'in beş katmanı

Pratik model beş katmanı bağlar: NOTICE → CONTEXT → PROVENANCE → ACTION → EVIDENCE.

1. Notice: anında fark edilme

İlk notice ilgili action'ı hâlâ etkileyebileceği anda veya öncesinde görünmelidir. Sensitive data girildikten sonra çıkan chatbot disclosure geçtir. Birkaç tıklama sonra bulunan label ilk yanlış izlenimi önleyemez.

Prominence; position, contrast, size, duration, language, audio alternative ve mobile rendering'e bağlıdır. Disclosure decorative icon ile karışmamalıdır. Accessibility sonradan eklenen çeviri değil, ana interface'in parçasıdır.

2. Context: anlam ve sınırlar

İkinci katman AI'ın ne yaptığını açıklar. Draft mı oluşturuyor, case mi sıralıyor, content mi çeviriyor, action mı tetikliyor? Hangi bilgi insandan, hangisi automated source'tan geldi? Bu durum için hangi known limitation önemlidir?

Context risk ile orantılı olmalıdır. Düşük etkili writing aid, medical, financial, employment veya public-service process kadar açıklama gerektirmez. Fakat daha çok metin otomatik olarak daha iyi değildir. Progressive disclosure önce esası gösterir, gerektiğinde ayrıntıyı açar.

3. Provenance: origin ve edit history

Machine-readable marker ve Content Credentials, origin bilgisini içeriğe bağlayabilir. Technical manifest creator, signature, time, tool ve transformation kaydedebilir. C2PA gibi standard bu amaçla interoperable yapı sağlar.

Provenance yararlı ama sınırlıdır. Metadata export, screenshot, copy veya platform değişiminde kaybolabilir. Sinyalin yokluğu human creation kanıtı değildir. Geçerli provenance chain de iddianın true, fair veya complete olduğunu kanıtlamaz. „Nereden geldi ve ne oldu?" sorusunu yanıtlar; „Doğru mu?" sorusunu değil.

4. Action: insana giden yol

Action olmadan transparency, kaçınılmaz sonuca eklenmiş uyarıya dönüşebilir. Use case'e göre human contact, correction, renewed review, challenge, manipulated-content report veya interaction'dan çıkış yolu gerekir.

Bu yol operational olmalıdır. Owner, response time ve return channel olmayan form effective human oversight değildir. Kurum case'i kimin alacağını, hangi evidence'ın korunacağını, hangi decision'ın durdurulabileceğini ve sonucun kişiye nasıl döneceğini tanımlar.

5. Evidence: kayıt ve audit

Son katman internal'dır. Disclosure'ın yalnız tasarlanmadığını, gerçekten sunulduğunu gösterir. Version, language, channel, audience, display timing, exception logic, test case, owner ve change history kaydedilebilir.

Dynamic system için design aşamasındaki screenshot yetmez. Test; notice'ın gerçek user journey'de çıktığını, machine-readable marker'ın beklenen transformation'da korunduğunu ve human contact'ın çalıştığını doğrular. Sampling ve monitoring operation'daki transparency break'i bulur.

Provenance truth stamp değildir

Provenance ile truth'ı karıştırmak tehlikeli category error'dır. Authentically signed fotoğraf yanıltıcı seçim gösterebilir. Tam belgeli synthetic text yanlış fact içerebilir. Unmarked içerik doğru olabilir. Provenance değerlendirmeye yardımcı olur; onun yerini almaz.

Sağlam publication pipeline identity, integrity, content ve context için ayrı control kullanır. Signature chain'in değişip değişmediğini kontrol eder. Source verification iddiayı değerlendirir. Editorial review seçim ve fairness'a bakar. Risk ve approval rule kullanıma karar verir.

Detector da evrensel çözüm değildir. Probabilistic detection hata üretebilir ve editing sonrasında zayıflayabilir. Bir kişi veya içeriğe karşı tek kanıt değil, belirsizliği belgelenen bir signal olarak kullanılmalıdır.

Transparency kanallar arasında yaşamalıdır

Content modelden editor'a, digital asset system'a, social platform'a; screenshot olarak messenger'a ve sonra presentation'a gider. Visible label, metadata veya context her handover'da kaybolabilir.

Labelling bu nedenle pipeline olarak test edilir. Her channel hangi signal'ın taşındığını, yeniden üretildiğini veya visible biçimde tamamlandığını tanımlar. Technical metadata korunmuyorsa visible disclosure gerekebilir. Label kırpılıyorsa yayın formatı değişmelidir.

Multilingual delivery aynı testin parçasıdır. Literal translation hukuki görünüp anlaşılmaz kalabilir. Terminology, reading level, cultural expectation ve local contact route gerçek user ile doğrulanır.

Internal transparency yanlış kullanımı önler

Madde 13 başka yöne bakar: high-risk system, deployer output'u yorumlayıp sistemi uygun kullanabilsin diye yeterli transparency ve instruction sunmalıdır. Capability, limitation, foreseeable risk, human oversight, maintenance ve log buna dahildir.

Operational transparency kesin görünen sonucu certainty sanmayı önler. System card, evaluation report, data provenance, known failure mode, active version, escalation rule ve permission'ı bağlar. Bilgi ancak böyle controllable operation üretir.

Transparency debt sessiz büyür

Yeni model eklenir ama notice eski function'ı anlatır. Translation module gelir, data-flow map değişmez. Social channel metadata'yı siler ama visible label eklenmez. Her uyumsuzluk transparency debt yaratır.

Bu borç ölçülebilir: test edilmemiş channel, outdated wording, missing language, marker-loss rate, unreachable contact route, open complaint ve unresolved exception. Release gate ve recurring review'a girmelidir. Transparency interface güncellenmediyse feature release tamamlanmamıştır.

Görevden güvenilir ilişkiye

İyi transparency compliance'dan fazlasıdır. Human-system collaboration'ı iyileştirir. İnsan data'yı daha bilinçli paylaşır, result'ı uygun yorumlar ve ne zaman human review isteyeceğini bilir. Operator hatayı erken bulur. Accountable owner hangi bilginin ne zaman mevcut olduğunu gösterebilir.

Hedef maximum disclosure değil, uygun agency'dir. Trade secret, security ve privacy sınır koyar. Ancak „Her şeyi açıklayamayız" ifadesi esas bilgiyi saklamayı haklı çıkarmaz. Tasarım problemi, decision-relevant bilgiyi görünür yapan ve derin evidence'ı doğru audience'a açan layered interface kurmaktır.

Çalışma kâğıdı: Transparency interface tasarla

Bir AI use case ve gerçek delivery channel seç.

1. Audience, decision ve potential harm tanımla.

2. Hangi notice'ın hangi action'dan önce çıkacağını belirle.

3. Purpose, AI contribution, limit ve human role'ü açıkla.

4. Visible ve machine-readable provenance signal tanımla.

5. Correction, human review ve complaint route çiz.

6. Provider, deployer ve channel responsibility kaydet.

7. Accessibility, localisation ve transformation loss test et.

8. Log, sampling, release gate ve review trigger tanımla.

İndirilecek tüm materyaller — konu özeti ve çalışma kâğıdı:

Kapsam: Bu makale profesyonel tasarım rehberidir, hukuk danışmanlığı değildir. Madde 50 transparency yükümlülükleri 2 Ağustos 2026'dan itibaren uygulanır; istisna, rol, içerik ve teknik uygulanabilirlik vaka bazında incelenmelidir. Code gönüllüdür; teknik provenance tek başına doğruluğu veya tam hukuk uygunluğunu kanıtlamaz. Editoryal inceleme tarihi: 17 Temmuz 2026.