Project PARS

Kurumsal yapılarda yapay zekâ kullanımı hızla yaygınlaşırken hangi araçların, hangi verilerle, kimler tarafından ve hangi amaçlarla kullanıldığı giderek daha zor yönetilen bir alana dönüşüyor. Güvenlik, veri gizliliği, maliyet, politika uyumu ve çalışanların doğru yönlendirilmesi birbirinden bağımsız ele alındığında kurum genelinde sürdürülebilir bir yapay zekâ yönetimi oluşturmak zorlaşıyor.

Project PARS, yapay zekâyı yalnızca engelleyen veya kullanımını kayıt altına alan bir kontrol katmanı olarak değil; kullanım görünürlüğü, yönetişim, politika yönetimi, maliyet kontrolü ve öğrenmeyi aynı yapı altında ele alan bir “Yapay Zekâ İşletim Sistemi” yaklaşımıyla tasarlanıyor.

Kurumsal verinin güvenliği ve kurum dışına kontrolsüz biçimde çıkmaması temel tasarım kısıtlarından biri. Çözümün mevcut kimlik, cihaz ve ağ yapılarıyla uyumlu çalışması; farklı yapay zekâ sağlayıcılarına bağımlı kalmaması ve kullanıcı deneyimini gereksiz yere zorlaştırmadan politika uygulayabilmesi gerekiyor. Aynı zamanda sistemin yalnızca teknik ekiplerin yönetebildiği bir güvenlik aracı olmaması; yönetim, BT ve kullanıcılar için anlaşılabilir görünürlük sağlaması hedefleniyor. Bu nedenle güvenlik, kullanılabilirlik, performans, maliyet ve yönetilebilirlik arasında dengeli bir mimari gerekiyor.

Yapay zekâ kullanımını engellemek yerine güvenli ve yönetilebilir hale getirmek. Kurum genelindeki AI kullanımını görünür kılmak ve ölçülebilir hale getirmek. Hassas veri, kullanıcı, cihaz, domain ve kullanım senaryolarına göre uygulanabilir politikalar oluşturmak. Kullanım, risk ve maliyet verilerini merkezi bir yönetim katmanında bir araya getirmek. Çalışanların doğru yapay zekâ araçlarını doğru senaryolarda kullanmasını destekleyen bir öğrenme yapısı oluşturmak. Farklı AI sağlayıcıları ve gelecekte ortaya çıkabilecek yeni modellerle çalışabilecek, sağlayıcı bağımsız ve genişleyebilir bir mimari kurmak. Uzun vadede governance, learning, policy, cost ve agent yönetimini aynı ekosistemde birleştiren sürdürülebilir bir AI işletim katmanı oluşturmak.

Project PARS, kurumsal yapay zekâ kullanımını tek bir noktadan kontrol etmeye çalışan kapalı bir araç yerine, birbirini tamamlayan katmanlardan oluşan bir AI governance platformu olarak tasarlanıyor. Kullanım katmanında tarayıcı eklentisi ve gateway üzerinden yapay zekâ etkileşimlerinin görünür hale getirilmesi; hassas veri ve riskli kullanımların tespit edilmesi hedefleniyor. Governance Dashboard bu verileri kurum, ekip, kullanıcı ve kullanım senaryosu seviyesinde anlamlandırılabilir hale getiriyor. Policy Builder ile kurum politikalarının teknik kontrollere dönüştürülmesi, Cost Center ile kullanım ve maliyetlerin izlenmesi, Learning katmanı ile çalışanların yalnızca kısıtlanması değil doğru kullanıma yönlendirilmesi amaçlanıyor. Prompt Library ve Agent Management gibi katmanlarla yapı, yalnızca bugünkü üretken yapay zekâ araçlarını değil; kurum içinde giderek yaygınlaşacak AI agent ve otomasyon senaryolarını da yönetebilecek şekilde genişletilebilir olarak ele alınıyor. Böylece güvenlik, yönetişim, öğrenme, maliyet ve operasyon birbirinden bağımsız araçlar olmaktan çıkarılıp ortak bir yönetim modeli altında buluşturuluyor.

PARS, tek bir uygulamaya bağımlı olmayan katmanlı bir mimariyle tasarlanıyor. Kullanıcıya en yakın katmanda Chrome, Edge ve Firefox üzerinde çalışabilecek Extension; yapay zekâ kullanımını gözlemleyerek risk sınıflandırması, politika kontrolü ve gerekli audit verisinin üretilmesinden sorumlu. Kurumsal ağ tarafında Gateway katmanı; kullanıcı, cihaz, domain ve IP gibi kurumsal bağlamları dikkate alarak merkezi politika uygulama, kimlik doğrulama ve audit toplama noktası olarak konumlandırılıyor. SSO/MFA ve kurumsal kimlik sistemleriyle entegrasyon bu katmanın temel parçalarından biri. Yönetim katmanında Governance Dashboard; kullanım, risk, politika ve operasyon verilerini merkezi olarak görünür hale getiriyor. Policy Builder, Learning, Cost Center, Prompt Library ve Agent Management gibi modüller aynı yönetişim modeli etrafında konumlandırılıyor. Backend tarafında sürdürülebilirlik ve modüler büyüme öncelikli. Clean Architecture, Modular Monolith, pragmatik DDD ve gerektiği yerde hafif CQRS yaklaşımıyla modüllerin birbirinden ayrılabildiği ancak erken aşamada gereksiz dağıtık sistem karmaşıklığı yaratmayan bir yapı hedefleniyor. Mimari, belirli bir LLM veya AI sağlayıcısına sıkı biçimde bağlanmak yerine farklı model ve servislerin ortak governance politikaları altında yönetilebilmesini sağlayacak şekilde genişleyebilir olarak tasarlanıyor.

Project PARS'ın ürün fikri, problem tanımı, kapsamı ve teknik yönü tarafımdan oluşturuldu. Çalışmada ürün ve teknik liderlik rolünü birlikte üstleniyorum. Kullanım senaryolarının belirlenmesi, modüllerin kapsamlandırılması, governance yaklaşımının oluşturulması, sistem mimarisinin tasarlanması ve teknik kararların verilmesi çalışmanın temel sorumlulukları arasında. Aynı zamanda çözümün yalnızca teknik olarak çalışmasına değil; gerçek kurumsal ihtiyaçlara karşılık vermesine, güvenlik ve kullanıcı deneyimi arasında doğru dengeyi kurmasına ve zaman içinde sürdürülebilir bir ürüne dönüşebilecek mimari temele sahip olmasına odaklanıyorum. Geliştirme sürecini küçük doğrulanabilir adımlarla ilerletiyor; prototip, mimari karar, test ve geri bildirim döngülerini ürünün yönünü belirlemek için birlikte kullanıyorum.

Backend: .NET / ASP.NET Core Frontend: Angular / TypeScript Mimari: Clean Architecture, Modular Monolith, pragmatik DDD, hafif CQRS Kimlik ve erişim: SSO, MFA, JWT tabanlı kimlik doğrulama ve kurumsal kimlik entegrasyonları Veri: SQL tabanlı operasyonel veri katmanı ve audit/event odaklı veri modelleri Gateway: Kurumsal ağ üzerinde merkezi politika uygulama ve audit katmanı Browser Extension: Chrome, Edge ve Firefox AI entegrasyonları: Sağlayıcıdan bağımsız LLM/AI servis entegrasyonu yaklaşımı Deployment: Container tabanlı dağıtım, Docker ve kurumsal/on-premise çalışma senaryoları Gözlemlenebilirlik: Audit events, kullanım, risk ve politika kararlarının merkezi izlenmesi

Yapay zekâ kullanımını tamamen engelleyen bir güvenlik ürünü yerine, güvenlik ile üretkenliği birlikte ele alan bir governance platformu tasarlamak. Kontrolü yalnızca tarayıcı eklentisine bırakmamak; Extension, Gateway ve merkezi Governance katmanlarını birbirini tamamlayacak şekilde konumlandırmak. Belirli bir LLM veya yapay zekâ sağlayıcısına bağımlı bir mimari yerine, farklı sağlayıcıların ortak politikalar altında yönetilebildiği genişleyebilir bir yapı oluşturmak. Governance, Learning, Policy, Cost ve Agent Management gibi ihtiyaçları bağımsız ürünler olarak değil, ortak bir veri ve yönetişim modeli etrafında ele almak. İlk aşamada gereksiz mikroservis karmaşıklığı oluşturmamak; Clean Architecture ve Modular Monolith ile modülerliği korurken sistemin operasyonel maliyetini düşük tutmak. Kurumsal kullanım senaryoları nedeniyle on-premise çalışabilme yeteneğini mimarinin temel gereksinimlerinden biri olarak değerlendirmek. Sistemi yalnızca riskleri gösteren bir dashboard olarak bırakmamak; tespit edilen kullanım ve risk verisini politika, aksiyon ve öğrenme süreçlerine bağlamak.

En büyük zorluk, güvenlik ile kullanıcı deneyimi arasındaki dengeyi kurmak. Çok katı kontroller çalışanların yapay zekâdan sağlayabileceği faydayı azaltırken, fazla serbest bir yapı kurumsal veri ve yönetişim risklerini artırabiliyor. Yapay zekâ ekosisteminin çok hızlı değişmesi başka bir temel zorluk. Bugün kullanılan modeller, sağlayıcılar ve kullanım biçimleri kısa sürede değişebildiği için mimarinin bugünkü araçlara göre değil, değişime uyum sağlayabilecek sınırlar ve politikalar etrafında tasarlanması gerekiyor. Kullanım bağlamını doğru anlamak da yalnızca teknik bir problem değil. Aynı veri veya prompt farklı kullanıcı, cihaz, departman ya da iş senaryosunda farklı risk seviyelerine sahip olabilir. Bu nedenle politika kararlarının yalnızca kelime veya içerik kontrolüne indirgenmemesi gerekiyor. Bir diğer zorluk ise görünürlük ile mahremiyet arasındaki sınır. Governance için yeterli audit verisi üretirken gereksiz kullanıcı veya içerik verisi toplamayan, ölçülü bir gözlemlenebilirlik modeli oluşturmak gerekiyor. Son olarak PARS tek bir modülden oluşmuyor. Extension, Gateway, Dashboard, Policy, Learning, Cost ve Agent katmanlarının zaman içinde gelişirken birbirinden kopmaması ve ürünün gereksiz karmaşıklığa dönüşmemesi sürekli korunması gereken bir tasarım problemi.

Project PARS bugün geliştirilmekte olan bir ürün vizyonu. Çalışma; yalnızca fikir seviyesinde kalmayarak kullanım kontrolü, governance dashboard, politika yönetimi, öğrenme ve kurumsal gateway gibi temel bileşenlerin kapsam ve mimarisinin şekillendirildiği bir yapıya ulaştı. İlk doğrulama çalışmalarında tarayıcı eklentisi üzerinden kullanım ve risk verisinin üretilmesi, bu verilerin merkezi bir audit modeli altında toplanması ve dashboard üzerinden anlamlandırılması üzerine odaklanıldı. Gateway yaklaşımıyla birlikte kontrolün yalnızca istemci tarafında değil, kurumsal altyapı seviyesinde de uygulanabileceği daha geniş bir mimari ortaya çıktı. Çalışmanın mevcut aşamasındaki en önemli çıktı, tek bir AI aracını kontrol eden bir çözüm yerine; kullanım, güvenlik, yönetişim, öğrenme ve maliyet gibi farklı ihtiyaçların ortak bir sistem altında ele alınabileceği modüler bir ürün modelinin oluşması. PARS geliştirilmeye devam ediyor. Bundan sonraki aşamalarda mimarinin gerçek kullanım senaryolarıyla doğrulanması, modüllerin olgunlaştırılması ve ölçülebilir sonuçların ortaya konması hedefleniyor.

Yapay zekâ yönetişiminin yalnızca güvenlik veya erişim kontrolü problemi olmadığı en temel çıkarımlardan biri oldu. Etkili bir kurumsal AI yaklaşımı; güvenlik, kullanıcı deneyimi, öğrenme, maliyet, politika ve operasyonun birlikte değerlendirilmesini gerektiriyor. İkinci önemli çıkarım, görünürlüğün kontrolün ön koşulu olması. Kurum içerisinde yapay zekânın nasıl kullanıldığı yeterince anlaşılmadan doğru politikaların oluşturulması ve bunların etkisinin ölçülmesi mümkün değil. Her kullanım senaryosuna aynı politikayı uygulamak da sürdürülebilir görünmüyor. Kullanıcı, cihaz, veri, uygulama ve iş bağlamının birlikte değerlendirilmesi; basit izin/verme-engelleme yaklaşımından daha anlamlı bir yönetişim modeli oluşturuyor. Teknik tarafta ise geleceği tahmin etmeye çalışan karmaşık bir mimari yerine değişime izin veren sınırlar oluşturmanın daha değerli olduğu görülüyor. AI sağlayıcıları ve modeller değişebilir; governance prensipleri, audit modeli ve modüller arasındaki sorumluluk sınırları daha uzun ömürlü olmalı. Son olarak, iyi bir AI governance sisteminin amacı yapay zekâ kullanımını azaltmak değil; kurumun yapay zekâdan daha güvenli, bilinçli ve ölçülebilir şekilde değer üretmesini sağlamak olmalı.