Kazanimlar:
- EDRM iş akışını ve TAR/predictive coding kavramını kavrayıp yapay zeka ile gözden geçirme aşamasını hızlandırabilme
- Recall ve precision dengesini kavrayıp adli bağlamda yüksek recall'ı önceleyerek ilgili belgeleri kaçırmamayı sağlayabilme
- Ayrıcalık (privilege) ve kişisel veri kararlarının hukuki sorumluluğunun insan avukatta olduğunu ve metodoloji şeffaflığının gerektiğini kavrayabilme
Bir hukuk davasında ya da düzenleyici soruşturmada, taraflardan biri diğerinin elindeki elektronik belgeleri talep eder: e-postalar, sözleşmeler, sohbet kayıtları, dosyalar. Bu belgelerin hukuka uygun biçimde toplanması, incelenmesi, ilgili olanların ayıklanması ve karşı tarafa/mahkemeye teslim edilmesi sürecine e-keşif (e-discovery — elektronik delilin bir hukuki uyuşmazlık kapsamında bulunması, gözden geçirilmesi ve sunulması) denir. E-keşif, adli bilişimin hukukla en iç içe geçtiği alandır ve YZ'nin belki de en olgun, en yaygın kullanıldığı yerdir. Bu ünitede EDRM iş akışını, TAR/predictive coding kavramını ve YZ'nin bu süreci nasıl dönüştürdüğünü öğreneceksiniz.
EDRM: e-keşfin standart iş akışı
E-keşif dünyada büyük ölçüde EDRM (Electronic Discovery Reference Model — e-keşif sürecinin standart aşamalarını tanımlayan referans model) çerçevesinde yürür. Ana aşamalar:
- Bilgi yönetimi ve tanımlama: Hangi verinin nerede olduğunu belirleme.
- Koruma ve toplama (preservation & collection): İlgili verinin silinmesini önleme (legal hold — dava beklentisiyle veriyi silmeyi durdurma yükümlülüğü) ve bütünlükle toplama.
- İşleme (processing): Veriyi aranabilir hale getirme, yineleneni temizleme, format dönüştürme.
- Gözden geçirme (review): Belgelerin ilgili (responsive) mi, ayrıcalıklı (privileged — avukat-müvekkil gizliliği kapsamında olup teslim edilmeyecek) mi olduğuna karar verme.
- Üretim (production): İlgili belgeleri karşı tarafa/mahkemeye teslim etme.
En pahalı ve en çok insan gücü gerektiren aşama gözden geçirmedir. Yüz binlerce belgeyi avukatların tek tek okuması hem çok pahalı hem çok yavaştır. İşte YZ tam da burada devrim yaratır.
TAR ve predictive coding
Gözden geçirmeyi hızlandıran temel teknoloji TAR'dır (Technology Assisted Review — teknoloji destekli gözden geçirme). En yaygın biçimi predictive coding'dir (öngörücü kodlama): Bir uzman avukat, örnek belgeleri "ilgili / ilgisiz" diye etiketler; sistem bu örneklerden öğrenip kalan yüz binlerce belgeyi otomatik sınıflandırır. Böylece insan yalnızca en olası ilgili belgeleri okur, gerisini örnekleme ile denetler.
Modern YZ (büyük dil modelleri), bunu bir adım öteye taşır: sadece "ilgili/ilgisiz" değil, belgenin neden ilgili olduğunu açıklayabilir, konu özetleyebilir, ayrıcalık işaretleyebilir. Ama temel ilke değişmez: YZ önerir, ilgililik ve ayrıcalık kararının hukuki sorumluluğu avukattadır.
TAR'ın savunulabilirliği, sürecin denetlenebilir olmasına bağlıdır. Uzman avukatın etiketlediği eğitim örnekleri, sistemin bu örneklerden öğrenmesi ve kalan belgeleri sınıflaması bir döngü halinde tekrarlanır; her turda örnekleme ile doğruluk ölçülür. Bu döngü, "makine neye baktı, neyi öğrendi, ne kadar isabetliydi" sorularına belgelenebilir cevap verir. Karşı taraf çoğu zaman bu metodolojiyi sorgular; bu yüzden eğitim seti büyüklüğü, karar eşikleri ve doğrulama örneklem oranları baştan kayıt altına alınır. Süreç ne kadar şeffaf ve tekrar edilebilirse, sonucun mahkemede kabul görme olasılığı o kadar yüksektir.
İpucu: TAR sürecinizin savunulabilir olması için "eğitim" örneklerinizi, doğrulama metriklerinizi (recall/precision) ve karar eşiklerinizi belgeleyin. Karşı taraf "makine neyi kaçırdı?" diye sorabilir; şeffaf metodoloji güveni sağlar.
İki metrik: recall ve precision
E-keşifte iki kavram hayatidir. Recall (duyarlılık — gerçekten ilgili tüm belgelerin ne kadarını bulabildiniz), kaçırma riskini ölçer; hukuken kritiktir, çünkü ilgili bir belgeyi teslim etmemek yaptırım doğurabilir. Precision (kesinlik — bulduklarınızın ne kadarı gerçekten ilgili), gereksiz okuma yükünü ölçer; maliyeti etkiler. İkisi arasında denge vardır: eşiği gevşetirseniz recall artar ama gereksiz belge de artar. Adli/hukuki bağlamda genellikle yüksek recall öncelenir — kaçırmamak, fazladan okumaktan daha önemlidir.
Ayrıcalık ve mahremiyet: kırmızı çizgi
E-keşifte en tehlikeli hata, ayrıcalıklı bir belgeyi yanlışlıkla karşı tarafa teslim etmektir (privilege waiver — ayrıcalıktan istemsiz feragat). Avukat-müvekkil yazışmaları bir kez teslim edilirse geri alınması çok zordur. YZ ayrıcalık işaretlemede yardımcı olur ama her ayrıcalık kararı insan avukat tarafından teyit edilmelidir. Ayrıca kişisel veri (KVKK/GDPR kapsamı) içeren belgelerde maskeleme (redaction) gerekebilir; YZ maskeleme adaylarını işaretler, son kontrol insandadır.
Dikkat: YZ'ye ham kurumsal veriyi yüklerken veri gizliliği ve yargı yetkisi (hangi ülkenin verisi, nereye gidiyor) kurallarını gözetin. Ayrıcalıklı ve kişisel veri, verisi model eğitimine gitmeyen, sözleşmeli ve uygun yargı bölgesindeki araçlarda işlenmelidir.
Üç mini vaka
Vaka 1 — TAR maliyeti düşürdü. 1,3 milyon belgelik bir ticari davada, klasik lineer gözden geçirme tahmini 14 aydı. Predictive coding ile avukatlar 8.000 belge etiketledi; sistem kalanı sınıfladı ve insan incelemesi 90.000 belgeye indi. Süreç 6 haftaya düştü, recall örnekleme ile %92 doğrulandı.
Vaka 2 — Ayrıcalık kurtarıldı. Üretim öncesi YZ, teslim kümesinde 240 belgeyi "olası ayrıcalıklı" işaretledi. Avukat ekibi inceledi; 210'u gerçekten avukat-müvekkil yazışmasıydı ve teslim edilmedi. YZ olmasa bu belgeler yanlışlıkla karşı tarafa gidebilirdi.
Vaka 3 — Aşırı güvenin riski. Bir ekip TAR eşiğini yüksek precision için sıkı ayarladı; sistem "ilgisiz" dediklerini örneklemeden eledi. Sonradan denetimde, sıkı eşik yüzünden ilgili birkaç kritik e-postanın atlandığı görüldü. Recall örneklemesi yapılmadığı için hata geç fark edildi.
Dört kopyalanabilir şablon
1) Gözden geçirme protokolü taslağı:
Rolün: e-keşif danışmanı. Dava konusu: [sözleşme ihlali].Bana bir gözden geçirme protokolü taslağı çıkar: ilgililik(responsive) kriterleri, ayrıcalık (privilege) işaretleri,kişisel veri maskeleme kuralları ve TAR doğrulama adımları(recall/precision örnekleme). Her kararın avukat teyidinetabi olduğunu belirt.
2) İlgililik ön sınıflama:
Dava konusu ve ilgililik kriterleri: [buraya]. Sana belgeözetleri vereceğim. Her belge için: ilgili / ilgisiz /belirsiz ve KISA gerekçe ver. "Belirsiz" olanları öne çıkar;bunlar avukat incelemesine gidecek. İlgisiz dediklerinörneklemeyle denetlenecek, kesin eleme değildir.
3) Ayrıcalık tarama:
Aşağıdaki belgelerde avukat-müvekkil ayrıcalığı OLASILIĞItaşıyanları işaretle: avukat adları, "gizli/ayrıcalıklı" ibaresi,hukuki görüş içeriği. Bunlar KESİN karar değil, avukat teyidinegidecek adaylardır. Her işaret için gerekçe ve ilgili satırı ver.
4) Kişisel veri maskeleme adayları:
Üretim öncesi teslim edilecek bu belgelerde maskelenmesigereken kişisel veri adaylarını listele: TC, IBAN, sağlık,üçüncü kişi özel verisi. Yalnızca aday olarak işaretle; sonmaskeleme kararını ben vereceğim. Metni değiştirme.
Zayıf prompt / Güçlü prompt
Zayıf prompt:
Bu belgelerden davayla ilgili olanları seç.
İlgililik kriteri, ayrıcalık ve doğrulama yok; YZ öznel karar verir, kritik belgeyi kaçırabilir ya da ayrıcalıklıyı sızdırabilir.
Güçlü prompt:
Rolün: e-keşif gözden geçirme asistanı. Dava: X şirketininY ile tedarik sözleşmesini ihlal ettiği iddiası. İlgililikkriteri: teslim tarihleri, fiyat değişikliği, kalite şikâyeti,fesih görüşmeleri. Sana belge özetleri vereceğim. Her belgeiçin ilgili/ilgisiz/belirsiz + gerekçe ver. Avukat adı veyahukuki görüş içerenleri AYRICA "olası ayrıcalıklı" işaretle.Hiçbir kararı kesin sayma; hepsi avukat teyidine tabidir.
Somut kriter, ayrıcalık taraması ve "avukat teyidi" kısıtı süreci savunulabilir kılar.
EDRM aşamaları ve YZ tablosu
Aşama
YZ katkısı
İnsan sorumluluğu
Toplama
Şablon, plan
Legal hold, bütünlük
İşleme
De-dup, format, dizin
Kalite kontrol
Gözden geçirme
TAR, ilgililik önerisi
İlgililik kararı
Ayrıcalık
İşaretleme adayı
Kesin karar, teyit
Üretim
Maskeleme adayı
Son kontrol, teslim
Sık yapılan hatalar
- TAR'ı denetimsiz bırakmak. Recall örneklemesi yapmadan "makine ilgisiz dedi" demek kaçırma doğurur.
- Ayrıcalık kararını YZ'ye bırakmak. Bir yanlış teslim, geri alınamaz feragat riskidir.
- Recall yerine sadece precision'a odaklanmak. Sıkı eşik ilgili belgeyi kaçırır; hukukta recall önceliklidir.
- Metodolojiyi belgelememek. Karşı taraf TAR sürecini sorgulayabilir; şeffaflık şart.
- Kişisel/ayrıcalıklı veriyi uygunsuz araca yüklemek. Yargı yetkisi ve gizlilik kurallarını gözetin.
Özetle
E-keşif, kurumsal elektronik veriden hukuka uygun biçimde ilgili delili bulup teslim etme sürecidir ve EDRM çerçevesinde yürür. YZ, en pahalı aşama olan gözden geçirmeyi TAR/predictive coding ile dönüştürür: insan yalnızca en olası ilgili ve belirsiz belgeleri okur. Ama ilgililik ve özellikle ayrıcalık kararının hukuki sorumluluğu avukattadır; recall örneklemesi, metodoloji şeffaflığı ve kişisel veri koruması insan disipliniyle sağlanır.
Uygulama görevi
Hayali bir dava konusu ve 4-5 maddelik ilgililik kriteri tanımlayın. 20-25 belge özeti hazırlayın (birkaçı ayrıcalıklı, birkaçı belirsiz olsun). "İlgililik ön sınıflama" ve "Ayrıcalık tarama" şablonlarını uygulayın; sonra "ilgisiz" kümesinden örnekleme yaparak recall'ı elle kontrol edin ve YZ'nin işaretlediği ayrıcalık adaylarını teyit edin.
Kontrol listesi
- [ ] EDRM aşamalarını ve legal hold yükümlülüğünü gözettim.
- [ ] TAR/ön sınıflama sonucunu recall örneklemesiyle denetledim.
- [ ] Her ayrıcalık kararını insan avukat teyidine bağladım.
- [ ] Kişisel veri maskeleme adaylarını son kontrolle onayladım.
- [ ] Kullandığım metodolojiyi ve eşikleri belgeledim.