Kazanimlar:
- KVKK ve temel bilgi güvenliği ilkeleri çerçevesinde YBS'de yapay zeka kullanımının sınırlarını açıklayabilme
- Anonimleştirme, en az yetki ve veri sınıflandırması ilkelerini yapay zeka iş akışlarına güvenle uygulayabilme
- Uçtan uca bir YBS-AI projesini etik, uyum ve yetkin onay çerçevesinde sorumlu biçimde yönetebilme
Modul Sinavi
1. Yönetim Bilişim Sistemleri uzmanının işinde yapay zeka çıktısının rolünü en doğru anlatan ifade hangisidir?
- A) AI taslak ve öneri üretir; iş kuralı, gerçek veri ve yetkin onayıyla doğrulamak insanın sorumluluğudur ✔
- B) AI çıktısı akıcı ve teknik yazıldığı için genellikle doğrulama gerektirmez
- C) AI, iş biriminin onayı olmadan gereksinimleri doğrudan kesinleştirebilir
- D) Finans-kritik kararlarda AI çıktısı yetkin uzmanın onayının yerine geçer
Aciklama: Yapay zeka gereksinim, veri modeli, SQL ve rapor gibi ara ürünleri hızlı taslaklaştırır; ancak bu taslakların iş kuralı, gerçek veri ve paydaş teyidiyle doğrulanması insanın sorumluluğundadır. Özellikle finans ve uyum-kritik kararlarda AI, yetkin uzmanın onayının yerine geçmez.
2. Bir gereksinim analizi çalışmasında 'sistem hızlı olmalı' ifadesinin temel sorunu nedir?
- A) Fonksiyonel bir gereksinim olduğu halde fonksiyonel olmayan gibi yazılmıştır
- B) Ölçülebilir bir eşik içermediği için test edilemez ve doğrulanamaz ✔
- C) Çok fazla teknik ayrıntı içerdiği için paydaş anlamaz
- D) Kullanıcı hikayesi biçiminde yazılmadığı için geçersizdir
Aciklama: Bu ifade fonksiyonel olmayan bir gereksinimi anlatır ama ölçülebilir değildir. 'Hızlı' özneldir; kabul edilebilir bir gereksinim yanıt süresini sayı, koşul ve yük ile tanımlar (ör. 'ortalama yükte sorgu yanıtı 2 saniyeden kısa'). Ölçülemeyen gereksinim test edilemez.
3. Veri modellemede normalleştirmenin (normalization) temel amacı aşağıdakilerden hangisidir?
- A) Tüm veriyi tek büyük tabloda toplayarak sorguyu basitleştirmek
- B) Veri tekrarını azaltıp bütünlüğü koruyarak güncelleme anomalilerini önlemek ✔
- C) Yedekleme dosyalarının boyutunu her zaman en aza indirmek
- D) Grafik ve pano performansını doğrudan garanti etmek
Aciklama: Normalleştirme, verinin tekrarını (redundancy) azaltıp bütünlüğünü korumak için tabloları mantıklı biçimde bölme sürecidir. Aynı bilgiyi tek yerde tutmak, güncelleme anomalilerini ve tutarsızlığı önler. Amaç raporu hızlandırmak değildir; hız için bazen kasıtlı denormalizasyon yapılır.
4. Bir iş zekası panosunda 'reklam harcaması arttıkça satış arttı, öyleyse reklam satışı artırıyor' çıkarımının temel riski nedir?
- A) Korelasyonu nedensellikle karıştırmak; birlikte hareket, birinin diğerini oluşturduğunu kanıtlamaz ✔
- B) Grafik türünün yanlış seçilmiş olması
- C) Verinin normalleştirilmemiş olması
- D) Panonun çok fazla renk içermesi
Aciklama: Bu, korelasyonu nedensellikle karıştırmaktır. İki metrik birlikte hareket edebilir ama üçüncü bir etken (ör. mevsim, kampanya dönemi) her ikisini de yükseltiyor olabilir. YBS uzmanı, AI'nin ürettiği anlatı metinlerinde de bu tuzağı denetlemeli ve nedensel iddiaları kanıtla sınamalıdır.
5. RPA (robotik süreç otomasyonu) ile yapay zekanın birlikte kullanıldığı akıllı otomasyonda, RPA'nın en uygun olduğu adım tipi hangisidir?
- A) Belirsiz, yoruma dayalı ve her seferinde farklı karar gerektiren adımlar
- B) Kurallı, tekrarlayan ve yapılandırılmış veri üzerinde çalışan adımlar ✔
- C) Müşteriyle empati kurmayı gerektiren adımlar
- D) Stratejik yatırım kararının verildiği adımlar
Aciklama: RPA, kurallı, tekrarlayan ve yapılandırılmış verili adımlarda güçlüdür: bir ekrandan veri kopyalayıp başka sisteme girme gibi. Belirsiz yargı, sınıflandırma veya doğal dil anlama gerektiren adımlarda yapay zeka devreye girer; yüksek riskli kararlar ise insan onayında kalır.
6. ERP sistemlerinde yapay zeka çıktılarının neden özellikle dikkatli doğrulanması gerekir?
- A) ERP verisi her zaman anonimdir, bu yüzden ek dikkat gerekir
- B) ERP süreçleri finansal ve operasyonel kritiktir; hata doğrudan mali ve yasal sonuç doğurur ✔
- C) ERP sistemleri yapay zekayla hiç entegre edilemez
- D) ERP raporları görsel olmadığı için AI anlamaz
Aciklama: ERP; muhasebe, stok, satın alma ve bordro gibi finansal ve operasyonel açıdan kritik süreçleri yürütür. Buradaki bir hata doğrudan mali kayıt, ödeme veya stok kararına yansır. Bu yüzden AI önerileri yetkin uzman onayından geçmeden işleme alınmaz; denetim izi zorunludur.
7. CRM verisiyle çalışırken bir YBS uzmanının yapay zeka kullanımında ilk dikkat etmesi gereken nedir?
- A) Panonun renk paletini seçmek
- B) Kişisel veri gizliliği: anonimleştirme, en az yetki ve KVKK uyumunu önce sağlamak ✔
- C) Mümkün olan en büyük veri setini olduğu gibi araca yüklemek
- D) Modelin en yeni sürümünü kullanmak yeterlidir
Aciklama: CRM verisi büyük ölçüde kişisel veridir (isim, iletişim, satın alma geçmişi). Bu veriyi bir yapay zeka aracına vermeden önce anonimleştirme, en az yetki ve KVKK uyumu değerlendirilmelidir. Ayrıca müşteriyi etkileyen otomatik kararlar insan gözetimi ve itiraz hakkı gerektirir.
8. Bir gösterge panosunda oran (yüzde) değişimini zaman içinde göstermek için en uygun grafik türü genellikle hangisidir?
- A) Zaman eğilimi için çizgi grafik; ölçek ve eksen doğru ayarlanmalıdır ✔
- B) Her durumda pasta grafik en iyisidir
- C) Üç boyutlu efektli grafik okunabilirliği artırır
- D) Grafik türü mesajı etkilemez, hepsi eşdeğerdir
Aciklama: Zaman içinde bir eğilimi (trend) göstermek için çizgi grafik uygundur; eksenler ve ölçek doğru ayarlanırsa değişim net okunur. Pasta grafik tek bir andaki payı gösterir, zaman eğilimi için uygun değildir. Grafik seçimi, iletmek istenen mesaja göre yapılır.
9. No-code / low-code platformların yönetişim açısından en önemli riski aşağıdakilerden hangisidir?
- A) Uygulamaların her zaman çok yavaş çalışması
- B) Belgelenmemiş, denetlenmemiş 'gölge BT' çözümlerinin veri ve güvenlik riski yaratması ✔
- C) Hiçbir zaman gerçek iş problemi çözememeleri
- D) Sadece büyük şirketlerde kullanılabilmeleri
Aciklama: No-code/low-code, teknik olmayan çalışanların (citizen developer) hızlı uygulama kurmasını sağlar. Ancak kontrolsüz çoğaldığında; belgelenmemiş, güvenliği denetlenmemiş ve sahipsiz 'gölge BT' çözümleri, veri sızıntısı ve teknik borç yaratır. Yönetişim, bu çözümleri kayıt altına alıp denetlemeyi gerektirir.
10. Veri kalitesi boyutlarından 'tutarlılık' (consistency) neyi ifade eder?
- A) Verinin gerçek dünyadaki değere tam uyması
- B) Aynı verinin farklı sistem ve kayıtlarda birbiriyle çelişmemesi ✔
- C) Verideki tüm alanların dolu olması
- D) Verinin en güncel haliyle bulunması
Aciklama: Tutarlılık, aynı verinin farklı sistem veya kayıtlarda birbiriyle çelişmemesidir; örneğin bir müşterinin adresinin CRM ile faturalama sisteminde aynı olması. Doğruluk gerçeğe uygunluk, tamlık eksiksizlik, güncellik ise verinin zamanında olmasıdır. Bunlar ayrı boyutlardır.
11. KVKK kapsamında bir YBS uzmanının kişisel veriyi bir yapay zeka aracıyla işlemeden önce uygulaması gereken en temel ilke hangisidir?
- A) Elde edilebilecek tüm kişisel veriyi toplamak
- B) Veri minimizasyonu ve amaç sınırlaması: yalnızca gerekli veriyi tanımlı amaç için işlemek ✔
- C) Veriyi herkesin erişebileceği ortak bir klasöre koymak
- D) Gizlilik kararını tamamen yapay zekaya bırakmak
Aciklama: Veri minimizasyonu ve amaç sınırlaması esastır: yalnızca gerekli olan veriyi, tanımlı ve meşru bir amaç için işlemek. Mümkünse veri anonimleştirilir veya takma adlandırılır; kişiyi tanımlayan alanlar araçtan uzak tutulur. 'Ne kadar çok veri o kadar iyi' yaklaşımı KVKK ilkelerine aykırıdır.
12. AI destekli bir gereksinim taslağında 'sistem uygun durumlarda otomatik onay verir' cümlesi neden riskli bir gereksinimdir?
- A) Çok uzun olduğu için
- B) 'Uygun durumlar' tanımsız olduğundan yoruma açık, test edilemez ve hataya yol açar ✔
- C) Otomasyon her zaman yasaktır
- D) Kullanıcı hikayesi formatında olmadığı için
Aciklama: 'Uygun durumlar' belirsiz bir ifadedir; hangi koşulların onayı tetiklediği tanımlanmamıştır. Belirsiz gereksinim, geliştirici tarafından yanlış yorumlanır ve test edilemez. YBS uzmanı, AI'nin ürettiği bu tür muğlak ifadeleri açık kural ve eşiklerle netleştirip paydaşa teyit ettirmelidir.
13. Bir ETL (Extract-Transform-Load) sürecinin veri ambarındaki temel amacı nedir?
- A) Yeni müşteri verisi üretmek
- B) Farklı kaynaklardaki veriyi çıkarıp dönüştürerek analize hazır tutarlı yapıya yüklemek ✔
- C) Panoların renklerini otomatik seçmek
- D) Kişisel veriyi yasadan bağımsız olarak paylaşmak
Aciklama: ETL; veriyi kaynaklardan çıkarır (Extract), temizleyip standart bir yapıya dönüştürür (Transform) ve analiz için veri ambarına yükler (Load). Amaç, dağınık ve farklı biçimlerdeki operasyonel veriyi raporlama ve analize hazır, tutarlı bir yapıya getirmektir. ETL veri üretmez, mevcut veriyi taşır ve düzenler.
14. Süreç otomasyonu tasarımında 'istisna yönetimi' (exception handling) neden kritiktir?
- A) Otomasyonu her zaman daha hızlı çalıştırdığı için
- B) Kural dışı durumlarda sessiz hata yerine güvenli durdurma ve insana yönlendirme sağladığı için ✔
- C) Grafik tasarımını iyileştirdiği için
- D) Kişisel veriyi otomatik sildiği için
Aciklama: Otomasyonlar kuralların dışına çıkan durumlarla (eksik veri, beklenmedik format, sistem hatası) mutlaka karşılaşır. İstisna yönetimi, bu durumlarda robotun sessizce yanlış işlem yapması yerine süreci güvenle durdurup bir insana yönlendirmesini sağlar. İstisna tasarlanmazsa hatalar sessizce yayılır ve denetim izi kaybolur.