Kazanimlar:
- Veri yaşam döngüsünün her aşamasında AI dikkat noktalarını uygulama
- Saklama sürelerini belirleme ve AI sohbet geçmişlerini imha politikasına dahil etme
- Anonimleştirme ile takma adlandırma (pseudonymization) arasındaki farkı uygulama
Bir veri koruma sorumlusunun en çok gözden kaçırdığı yer, verinin "sonrası"dır. AI'a bir metin girildiğinde iş bitmiş gibi görünür; oysa o veri bir yerlerde saklanır, belki model eğitiminde kullanılır, belki aylarca sohbet geçmişinde birikir. Bu ünitede kişisel verinin yaşam döngüsünü aşama aşama ele alacak; saklama sürelerini, AI sohbet geçmişlerinin imhasını, ve iki kritik tekniği — anonimleştirme ile takma adlandırmayı — ayırt etmeyi öğreneceğiz. Amaç, veriyi yalnızca girerken değil, tüm yaşamı boyunca yönetmektir.
Veri yaşam döngüsü ve AI
Kişisel veri bir yaşam döngüsünden geçer; her aşamada AI'a özgü dikkat noktaları vardır.
Aşama
Ne olur?
AI dikkat noktası
Toplama
Veri elde edilir
Amaç ve dayanak belli mi? Minimize edildi mi?
Kullanma/işleme
AI'a girilir, işlenir
Maskeleme yapıldı mı? Onaylı araç mı?
Saklama
Veri tutulur
Sohbet geçmişi ne kadar kalıyor?
Aktarma
Başkasına gider
Yurt dışı sunucu? Uygun güvence var mı?
İmha
Silme/anonimleştirme
Amaç bitince silindi mi? Yedekler dahil mi?
En çok ihmal edilen iki aşama saklama ve imhadır. Veri "unutulur" ve sistemde birikmeye devam eder — bu da hem KVKK ilkesini ihlal eder hem de bir ihlal anında zararı büyütür.
Saklama süresi: ne kadar tutabilirsin?
KVKK'nın saklama ilkesi nettir: kişisel veri, işlendiği amaç için gerekli süreden fazla tutulamaz. Amaç ortadan kalkınca veri silinmeli, yok edilmeli veya anonimleştirilmelidir. Kurum bir saklama ve imha politikası hazırlar; her veri kategorisi için ne kadar saklanacağını belirler.
AI'a özgü kritik nokta: AI sohbet geçmişleri de saklanan veridir. Bir çalışan aylarca aynı sohbete müşteri verisi girmişse, o geçmiş bir veri deposu haline gelir. Bunun için:
- Kurumsal AI araçlarında veri saklama ayarlarını yapılandır (mümkünse geçmişi otomatik sil veya model eğitiminde kullanmayı kapat).
- Sohbet geçmişini de imha takvimine dahil et.
- "Model eğitiminde kullanılmasın" (opt-out) seçeneğini kurumsal sözleşmede garantiye al.
Dikkat: Veriyi silmek, yalnızca ekrandan kaldırmak değildir. Yedekler, günlük kayıtları (log) ve sağlayıcının sunucusundaki kopyalar da düşünülmelidir. "Sildim" derken sildiğin şeyin gerçekten geri getirilemez olduğundan emin ol.
Anonimleştirme mi, takma adlandırma mı?
Bu iki terim sık karıştırılır ama hukuki sonuçları taban tabana zıttır.
- Anonimleştirme (anonymization): Verinin, hiçbir şekilde bir kişiyle ilişkilendirilemeyecek hale getirilmesidir. Doğru yapılırsa sonuç artık kişisel veri değildir ve KVKK kapsamı dışına çıkar. Örnek: 10.000 kişilik veri setinde bireysel satırları silip yalnızca "İstanbul'da 25-34 yaş grubunda ortalama harcama" gibi toplulaştırılmış istatistik bırakmak.
- Takma adlandırma (pseudonymization): Kimlik bilgilerinin bir kod/etiketle değiştirilmesidir ama bir "anahtar" ile kişiye geri dönülebilir. Örnek: "Ahmet Yılmaz" yerine "Müşteri-4471" yazmak, ama hangi kodun kime ait olduğunu gösteren bir tablo tutmak. Bu hâlâ kişisel veridir ve KVKK kapsamındadır.
Özellik
Anonimleştirme
Takma adlandırma
Kişiye geri dönülebilir mi?
Hayır (doğru yapılırsa)
Evet, anahtarla
Hâlâ kişisel veri mi?
Hayır
Evet
KVKK kapsamı
Dışında
İçinde
AI'a girmek için
En güvenli yol
Yine dayanak/kural gerekir
İpucu: Bir veriyi AI'a girmeden önce "geri dönülebilir mi?" diye sor. İçinde bir anahtar/eşleştirme varsa bu takma adlandırmadır ve hâlâ kişisel veridir. Gerçek anonimleştirme, tek tek satırları değil, toplulaştırılmış sonucu paylaşmaktır.
Üç mini vaka
Vaka 1 — Sahte anonimlik. Bir sağlık şirketi, "anonimleştirdik" dediği bir veri setini AI'a analiz için verir. Ama sette doğum tarihi, ilçe ve nadir bir teşhis vardır; bu üçlü, küçük bir ilçede tek bir kişiyi işaret edebilir. Bu anonimleştirme değildir; veri hâlâ kişiseldir. Doğru yol: doğum tarihini yaş aralığına çevirmek, ilçeyi ile genellemek, nadir teşhisleri gruplandırmak — yani gerçek toplulaştırma.
Vaka 2 — Biriken sohbet. Bir çağrı merkezinde 6 temsilci, 4 ay boyunca aynı kurumsal AI hesabına müşteri verisi girer. Kimse geçmişi temizlemez; sonunda 12.000'den fazla müşteri etkileşimi tek yerde birikir. Bir denetimde bu birikim büyük risk olarak işaretlenir. Çözüm: geçmişi 30 günde bir otomatik silecek ayar, iş bitince oturumu kapatma kuralı ve saklama politikasına açık madde.
Vaka 3 — Doğru takma adlandırma. Bir İK ekibi, çalışan performansını AI ile analiz ederken isimleri "Çalışan-001" gibi kodlar ve eşleştirme tablosunu ayrı, erişimi kısıtlı bir dosyada tutar. Bu takma adlandırmadır; veri hâlâ kişiseldir ama risk azalmıştır. Ekip bunun anonimleştirme olmadığının farkındadır ve hukuki dayanağını, saklama süresini buna göre belirler.
Kopyalanabilir şablonlar
ŞABLON 1 — Saklama ve imha politikası satırı:"Şu veri kategorisi için saklama-imha politikası satırı öner:[kategori]. Alanlar: saklama süresi (amaca göre gerekçeli), imhayöntemi (silme/yok etme/anonimleştirme), AI sohbet geçmişi dahil mi,sorumlu rol. Yasal saklama zorunluluğu varsa hatırlat."
ŞABLON 2 — Anonimleştirme kontrolü:"Aşağıdaki veri setinin gerçekten anonim olup olmadığını değerlendir:[alanları listele]. Hangi alan kombinasyonları bir kişiyi yenidentanımlanabilir kılabilir (örn. doğum tarihi + posta kodu + nadirözellik)? Anonimliği güçlendirmek için her riskli alana bir genellemeöner (yaş aralığı, il düzeyi gibi)."
ŞABLON 3 — Maskeleme + geri dönüş anahtarı ayrımı:"Şu metni takma adlandır: kişisel verileri kodla ([AD]->K001 gibi),ama bana AYRI olarak bir eşleştirme tablosu ver. Metnin kendisindehiçbir gerçek kimlik kalmasın. Eşleştirme tablosunun 'kişisel veri'olduğunu ve ayrı saklanması gerektiğini not düş."
ŞABLON 4 — AI aracı veri saklama denetimi:"Kullandığımız AI aracının veri saklama davranışını denetlemek içinbir soru listesi hazırla: geçmiş ne kadar tutuluyor, silinebilir mi,model eğitiminde kullanılıyor mu, opt-out var mı, veri nerede işleniyor,yedekler ne oluyor? Her soruya beklenen 'güvenli' cevabı da yaz."
Zayıf prompt / Güçlü prompt
ZAYIF: "Bu veriyi anonimleştir." (isimleri kodlayıp bırakır)-> Sadece takma adlandırma yapar; doğum tarihi, nadir özellik gibi yeniden tanımlama riskleri kalır; "anonim" yanılgısı doğurur.GÜÇLÜ: "Bu sette kişiyi yeniden tanımlayabilecek alan kombinasyonlarınıbul; her birini genelleştir (yaş aralığı, il düzeyi). Amacım tekilkayıt değil, toplulaştırılmış istatistik. Sonuçta kimse tekil olarakayırt edilemesin ve bunu doğrula."-> Model gerçek anonimleştirmeye yönelir, yeniden tanımlama riskini azaltır.
Sık yapılan hatalar
- Takma adlandırmayı anonimleştirme sanmak; kişisel veri olmaya devam ettiğini unutmak.
- İsimleri silip doğum tarihi + konum + nadir özellik gibi tanımlayıcı kombinasyonları bırakmak.
- AI sohbet geçmişini bir saklama/imha kuralına bağlamamak; süresiz biriktirmek.
- "Model eğitiminde kullanmayın" (opt-out) maddesini sözleşmede garantiye almamak.
- Silme derken yalnızca ekranı temizleyip yedek ve logları unutmak.
- Saklama süresini amaca göre değil "ne olur ne olmaz" diye uzun tutmak.
- Aktarım ve saklamanın sağlayıcının sunucusunda da gerçekleştiğini göz ardı etmek.
Özetle
- Kişisel veri bir yaşam döngüsünden geçer; en çok ihmal edilen aşamalar saklama ve imhadır.
- Veri, amaç için gerekli süreden fazla tutulamaz; kurum bir saklama ve imha politikası yapmalıdır.
- AI sohbet geçmişleri de saklanan veridir; imha takvimine ve saklama ayarlarına dahil edilmelidir.
- Anonimleştirme veriyi KVKK dışına çıkarır; takma adlandırma ise veriyi hâlâ kişisel bırakır.
- İsim silmek anonimleştirme değildir; yeniden tanımlama riski taşıyan tüm kombinasyonlar genelleştirilmelidir.
Uygulama görevi
Kurumunun AI ile işlediği bir veri kategorisi seç (örneğin müşteri destek kayıtları). Bu kategori için bir saklama ve imha politikası satırı yaz: saklama süresi (gerekçeli), imha yöntemi, AI sohbet geçmişinin dahil edilip edilmediği ve sorumlu rol. Ardından aynı veriden örnek bir kayıt al ve önce takma adlandır (eşleştirme tablosunu ayrı tut), sonra bu kaydı gerçek anonimleştirmeye götürmek için hangi alanları nasıl genelleştireceğini yaz. Son olarak kullandığın AI aracının veri saklama davranışını denetleyen beş soru hazırla ve her birine beklediğin "güvenli" cevabı ekle.
Kontrol listesi
- [ ] Veri kategorisi için saklama süresi ve imha yöntemi belirledim.
- [ ] AI sohbet geçmişini imha takvimine dahil ettim.
- [ ] "Model eğitiminde kullanma" opt-out maddesini kontrol ettim.
- [ ] Takma adlandırma ile anonimleştirme arasındaki farkı uyguladım.
- [ ] Yeniden tanımlama riski taşıyan alan kombinasyonlarını genelleştirdim.
- [ ] Silme kapsamına yedek ve logları da dahil ettim.
- [ ] AI aracının veri saklama davranışını denetledim.