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.