KVKK ve Yapay Zeka 2026: Kişisel Verilerin AI ile İşlenmesinde Hukuki Sorunlar
Yapay zeka sistemleri büyük miktarda veriyle eğitilir ve çalışır. Bu verilerin önemli bir kısmı kişisel veri niteliğindedir. KVKK (6698 sayılı Kişisel Verilerin Korunması Kanunu) kapsamında AI ile kişisel veri işleme, hukuki açıdan dikkatle ele alınması gereken bir konudur.
AI ve Kişisel Veri İşleme
Yapay zeka sistemlerinde kişisel veriler birden fazla aşamada işlenmektedir: Veri toplama — AI eğitimi için veri setlerinin derlenmesi. Veri ön işleme — verilerin temizlenmesi, sınıflandırılması ve yapılandırılması. Model eğitimi — toplanan verilerle AI modelinin öğrenme süreci. Çıkarım (inference) — eğitilmiş modelin yeni veriler üzerinde tahmin yapması. Sonuç işleme — AI çıktısının karar alma sürecinde kullanılması. KVKK açısından bu aşamaların her birinde kişisel veri işleme söz konusu olabilir ve her biri ayrı ayrı hukuka uygunluk değerlendirmesi gerektirir.
KVKK'nın Temel İlkeleri ve AI
KVKK m. 4'te sayılan kişisel veri işleme ilkelerinin AI bağlamında uygulanması: Hukuka ve dürüstlük kurallarına uygunluk — AI sistemi veri sahiplerini aldatıcı veya manipülatif şekilde kullanmamalıdır. Doğru ve gerektiğinde güncel olma — AI'ın eğitim verileri doğru olmalı ve modelin çıktıları güncel bilgileri yansıtmalıdır. Belirli, açık ve meşru amaçlar için işlenme — AI'ın hangi amaçla kişisel veri işlediği açıkça tanımlanmalıdır. Amaçla bağlantılı, sınırlı ve ölçülü olma — AI eğitimi için toplanan veriler amacı aşmamalıdır. Veri minimizasyonu ilkesi AI'ın büyük veri iştahıyla çelişebilir. İlgili mevzuatta öngörülen süre kadar muhafaza — AI eğitim verilerinin ne kadar süre saklanacağı belirlenmelidir.
Otomatik Karar Alma (m. 11/g)
KVKK m. 11/1(g) veri sahiplerine önemli bir hak tanımaktadır: İşlenen verilerin münhasıran otomatik sistemler vasıtasıyla analiz edilmesi suretiyle aleyhine bir sonucun ortaya çıkmasına itiraz hakkı. Bu hüküm AI sistemleri için doğrudan uygulanabilir: Kredi skorlaması — AI tabanlı kredi değerlendirmesinde başvurunun reddedilmesi. İşe alım — AI destekli CV tarama ve aday eleme. Sigorta fiyatlama — AI ile risk profili çıkarma ve prim belirleme. Sağlık değerlendirmesi — AI ile hastalık riski tahmini. Veri sahibinin itiraz hakkını kullanması halinde veri sorumlusu kararı insan müdahalesiyle yeniden değerlendirmek zorundadır.
Profilleme ve AI
Bu bilgiyi kendi durumunuza uyarlayin
AI ile durumunuza ozel analiz yapin veya avukata ulasin
Lisanslı avukat tarafından incelenmiştir
İlgili Yazılar
7545 Sayılı Siber Güvenlik Kanunu 2026: Şirketler İçin Uyum Rehberi ve Avukat Danışmanlığı
7545 sayılı Siber Güvenlik Kanunu neler getiriyor? Bildirim yükümlülükleri, sertifikasyon, 10-100 milyon TL cezalar. Avukatlar için danışmanlık rehberi.
KVKK 2026 Ceza Güncellemesi: Avukatlar Müvekkillerini Nasıl Korumalı?
KVKK 2026 idari para cezaları %25 arttı. Azami ceza 17 milyon TL. Avukatlar için KVKK uyum danışmanlığı ve müvekkil koruma rehberi.
AB Yapay Zeka Yasası (AI Act) 2026: Türk Şirketleri ve Avukatlar İçin Uyum Rehberi
AB AI Act Ağustos 2026'da tam yürürlükte. Risk sınıflandırması, yüksek riskli AI yükümlülükleri, Türk şirketleri için uyum adımları ve avukat danışmanlığı.
Sıkça Sorulan Sorular
Yapay zeka kişisel verileri işleyebilir mi?
Yapay zeka sistemleri büyük miktarda veriyle eğitilir ve çalışır. Bu verilerin önemli bir kısmı kişisel veri niteliğindedir. KVKK (6698 sayılı Kişisel Verilerin Korunması Kanunu) kapsamında AI ile kişisel veri işleme, hukuki açıdan dikkatle ele alınması gereken bir konudur.
AI eğitim verisi olarak kişisel veri kullanılabilir mi?
AI modellerinin eğitilmesi için kullanılan verilerin hukuki durumu: Web scraping — internetten toplanan kişisel verilerle AI eğitimi KVKK'ya aykırılık oluşturabilir. Sentetik veri — gerçek verilerden türetilen yapay verilerin kişisel veri niteliği tartışmalıdır. Anonimleştirme — KVKK m. 7 kapsamında geri döndürülemez anonimleştirme yapılan veriler kanun kapsamından çıkar.
KVKK otomatik karar alma hakkında ne diyor?
Yapay zeka sistemlerinde kişisel veriler birden fazla aşamada işlenmektedir: Veri toplama — AI eğitimi için veri setlerinin derlenmesi. Veri ön işleme — verilerin temizlenmesi, sınıflandırılması ve yapılandırılması. Model eğitimi — toplanan verilerle AI modelinin öğrenme süreci. Çıkarım (inference) — eğitilmiş modelin yeni veriler üzerinde tahmin yapması.