Yapay Zeka ile Yazıldığı Nasıl Anlaşılır?

Kısa cevap: bugüne kadar kullanılan "yapay zeka tespit araçları" tahmin yürütüyordu, artık gerçek bir teknik iz var. Anthropic, 1 Eylül'de yayınladığı Claude Fable 5.1 ve Mythos 5.1 modelleriyle birlikte üretilen metne görünmez bir filigran gömmeye başladı. Bu filigran çıplak gözle görünmüyor, kopyala yapıştır ile taşınıyor ve hafif düzenlemeye dayanabiliyor. Ancak filigranı okuyabilen doğrulama API'si şu an herkese açık değil, sadece düzenleyici kurumlar, kolluk, medya kuruluşları, doğrulama ekipleri, araştırmacılar ve kendi uyum yükümlülüğü olan şirketlerle sınırlı bir özel önizlemede. Yani sistem kurulmuş durumda ama sıradan bir kullanıcı henüz bir metni kendi başına test edemiyor. Ve en kritik nokta: filigranın bulunması metnin yapay zekadan geçtiğini gösterir, bulunmaması metnin insan tarafından yazıldığını kanıtlamaz.

Bu ayrım kulağa teknik bir detay gibi geliyor ama sonuçları çok somut. Üniversitede intihal soruşturması açılan öğrenciyi, ajansına "bunu yapay zeka yazmış" diye ödeme yapmayan müşteriyi, çalışanına disiplin işlemi başlatan işvereni doğrudan ilgilendiriyor. Aşağıda bu mekanizmanın nasıl çalıştığını, nerede işe yaradığını ve nerede tamamen kör olduğunu anlatıyorum.

Bugüne kadarki tespit araçları neden güvenilir değildi

Piyasadaki AI dedektörlerinin neredeyse tamamı aynı mantıkla çalışıyor: metnin istatistiksel özelliklerine bakıp "bu yapay zeka üslubuna benziyor mu" diye tahmin ediyor. Cümle uzunluklarının dağılımı, kelime seçimindeki öngörülebilirlik, belirli kalıpların sıklığı. Bunlar iz değil, izlenim.

Bu yöntemin iki yapısal sorunu var.

Birincisi, yanlış pozitif üretiyor. Sade, düzenli, kalıplı yazan bir insan istatistiksel olarak yapay zekaya benziyor. Anadili İngilizce olmayan yazarların metinleri bu araçlarda sistematik olarak daha yüksek skor alıyor, çünkü daha basit yapılar ve daha yaygın kelimeler kullanıyorlar. Aynı durum Türkçe için de geçerli: resmi dilde, kısa cümlelerle, tekrar eden terminolojiyle yazılmış bir dilekçe veya rapor rahatlıkla "yüzde 90 yapay zeka" damgası yiyebiliyor.

İkincisi, kaçırılması çok kolay. Metni bir kez elden geçirmek, birkaç cümleyi bölmek, araya kişisel bir örnek sıkıştırmak çoğu dedektörün skorunu çökertiyor. Yani tespit aracı, dikkatli olanı yakalayamıyor ve dikkatsiz insanı suçluyor.

Sonuç olarak bu araçların çıktısı bir kanıt değil, bir olasılık tahmini. Buna rağmen Türkiye'de de dünyada da kurumlar bu skorları karar dayanağı yapıyor. Yeni filigran sistemi tam olarak bu boşluğu kapatmayı hedefliyor.

Filigran nasıl çalışıyor

Metin filigranı, görüntüye eklenen şeffaf logo gibi bir şey değil. Metnin kendisinin içine, kelime seçimlerinin dokusuna gömülüyor.

Model bir cümle üretirken her adımda bir sonraki kelimeyi olasılıklara göre seçiyor. Çoğu noktada birden fazla makul seçenek oluyor. Filigran, bu seçim anındaki rastgeleliği belirli bir örüntüye göre yönlendiriyor. Anthropic bunu, Google DeepMind'ın 2024'te Nature'da yayınladığı SynthID Text yönteminin bir türevi olarak tanımlıyor.

Ortaya çıkan metin okunuşta hiçbir fark taşımıyor. Anlam, akıcılık, yaratıcılık düzeyi etkilenmiyor. Ama kelime seçimlerinin dağılımında, yeterince uzun bir metinde istatistiksel olarak saptanabilen bir imza kalıyor.

Bunun pratik sonuçları önemli:

Filigran metnin parçası olduğu için kopyala yapıştır ile taşınıyor. Word'e yapıştırın, e-postaya koyun, blog paneline aktarın, iz gidiyor.

Model seviyesinde uygulanıyor. Yani metni hangi arayüzden aldığınızın önemi yok. Uygulama, masaüstü, API, hepsinde aynı.

Kullanıcı hakkında bilgi taşımıyor. Filigran "bu metni Claude üretti" der, "bu metni şu kişi üretti" demez. Kimlik bilgisi içermiyor.

Bir miktar düzenlemeye dayanıyor. Ama sınırsız değil. Metnin yeterince büyük bölümünü yeniden yazarsanız sinyal kayboluyor.

Filigranın kör noktaları

Burası yazının en önemli kısmı, çünkü haberlerin çoğu bu kısmı atlıyor.

Kod büyük ölçüde kapsam dışı. Filigran, alternatif kelime seçenekleri arasında yönlendirme yaparak çalışıyor. Kodda ise farklı bir token seçmek cevabı yanlış yapabilir veya kodu bozabilir. Bu yüzden böyle durumlarda filigran uygulanmıyor. İz yalnızca kısıtın gevşek olduğu yerlerde, örneğin yorum satırlarında görünebiliyor. Yani "bu kodu yapay zeka mı yazdı" sorusu bu yöntemle güvenilir biçimde cevaplanamıyor.

Kısa metinler yakalanamıyor. Sinyalin saptanabilmesi için yeterince kelime seçimi gerekiyor. Birkaç cümlelik bir cevap, bir sosyal medya gönderisi, kısa bir e-posta çoğu zaman güvenilir tespit için yeterli sinyal taşımıyor.

Olgu yoğun metinlerde zayıflıyor. İçinde çok sayıda sayı, isim, tanım geçen ve alternatif ifade özgürlüğü az olan pasajlarda model zaten belirli kelimeleri seçmek zorunda. Yönlendirilecek alan azalınca iz de zayıflıyor.

Ağır düzenleme izi siliyor. Metni baştan aşağı kendi cümlelerinizle yeniden yazarsanız filigran kalmıyor. Bu, sistemin kasıtlı bir sınırı değil, yönteminin doğal sonucu.

Eski modeller henüz kapsamda değil. Filigran şu an Fable 5.1 ve Mythos 5.1 için geçerli. Anthropic daha önce yayınlanan modellere de destek eklemek üzerinde çalıştığını söylüyor. Ayrıca bu yalnızca Claude için geçerli. Başka bir sağlayıcının modeliyle üretilmiş metinde Claude filigranı aramanın anlamı yok.

Bu beş maddeyi birlikte okuyunca ortaya şu çıkıyor: filigran, uzun ve düz metin için işe yarayan, kod ve kısa metin için işe yaramayan, kaçınılması mümkün ama kazara kaçınılması zor bir işaret.

Yokluk kanıt değildir

Bu cümleyi ayrı bir başlık altında yazıyorum, çünkü yanlış anlaşıldığında insanların başını gerçekten yakacak yer burası.

Filigranın varlığı bir şey söyler: bu metin Claude tarafından üretilmiş veya işlenmiş.

Filigranın yokluğu hiçbir şey söylemez. Metin insan tarafından yazılmış olabilir. Başka bir modelle üretilmiş olabilir. Filigranlı üretilip sonra yeniden yazılmış olabilir. Kısa olduğu için sinyal taşımıyor olabilir. Eski bir modelden çıkmış olabilir.

Yani bu sistem tek yönlü çalışıyor. Bir metnin yapay zekadan geçtiğini gösterebilir, geçmediğini gösteremez. Kurumlar bunu ters çevirip "filigran çıkmadı demek ki temiz" veya daha kötüsü "filigran çıkmadı ama dedektör yüzde 80 dedi" gibi karma bir gerekçe kurarsa, ortaya kanıt değil kanaat çıkar.

Görseller ve dosyalar farklı bir yöntemle işaretleniyor

Metin dışındaki çıktılar için ayrı bir mekanizma var. Claude bir .svg, .png veya .jpg gibi desteklenen bir dosya türü ürettiğinde, dosyaya imzalı köken bilgisi ekleniyor. Bu bilgi, içerik kökeni kaydı için sektörde kullanılan C2PA açık standardını izliyor. İmzalı etiket varsa, dosyanın Claude tarafından işlendiğini gösteriyor ve dosyanın sonradan kurcalanıp kurcalanmadığını tespit etmeye imkan veriyor.

Buradaki fark önemli: metinde iz metnin içine gömülü, dosyada ise metadata olarak ekli. Metadata silinebilir. Bir görseli ekran görüntüsü alıp yeniden kaydettiğinizde köken bilgisi gider. Yani görsel tarafındaki işaret metin tarafındakinden daha kırılgan.

Doğrulama API'si neden herkese açık değil

Filigranı okuyabilen tespit API'si şu an özel önizleme aşamasında. Erişim; düzenleyici kurumlar, kolluk, medya kuruluşları, doğrulama ekipleri, araştırmacılar ve kendi yapay zeka mevzuatı uyumu için buna ihtiyaç duyan şirketlerle sınırlı. Anthropic zamanla erişimi genişletmeyi planladığını belirtiyor.

Bunun arka planında Avrupa Birliği tarafındaki şeffaflık düzenlemeleri var. Anthropic, Temmuz'da yapay zeka üretimi içeriğin şeffaflığına ilişkin AB uygulama kurallarına, 190'ı aşkın imzacıyla birlikte katıldı. Filigran uygulaması 2 Ağustos 2026 sonrası yayınlanan modeller için geçerli olacak şekilde tanımlandı. Fable 5.1 ve Mythos 5.1, bu tarihten sonra çıkan ilk Claude modelleri.

Pratik sonuç şu: bugün elinizdeki bir metni alıp "filigran var mı" diye kontrol edebileceğiniz açık bir araç yok. Sistem üretim tarafında çalışıyor, doğrulama tarafı henüz dar bir çevreye açık. Bu asimetri, en azından bir süre daha, tespit tartışmalarının eski ve güvenilmez dedektörler üzerinden yürüyeceği anlamına geliyor.

Türkiye'de bu ne anlama geliyor

Türkiye'de yapay zeka üretimi içeriği zorunlu olarak işaretlemeyi öngören özel bir düzenleme bulunmuyor. Yani bu filigran, Türkiye'deki bir kuruma "kanıt" olarak sunulabilecek yasal bir sertifika değil. Teknik bir sinyal.

Buna rağmen üç alanda karşınıza çıkması muhtemel.

Üniversiteler ve akademi. İntihal ve etik soruşturmalarında yaygın olarak ticari dedektör skorları kullanılıyor. Bu skorların güvenilmez olduğunu yukarıda anlattım. Filigran sistemi yaygınlaşırsa, kurumların "skor" yerine "iz" temelli bir dayanağa geçmesi teknik olarak mümkün olacak. Ama doğrulama API'si dar erişimde olduğu sürece bu geçiş gerçekleşmeyecek.

Ajans ve serbest çalışan ilişkileri. İçerik teslim eden tarafla ödeme yapan taraf arasındaki en sık tartışma bu. Sözleşmeye yapay zeka kullanımına dair açık bir madde koymamak, sonradan ispat yükünü tamamen tarafların iddiasına bırakıyor. Bu sorunun çözümü teknik değil sözleşmesel: kullanımın kapsamı, oranı ve bildirim yükümlülüğü baştan yazılırsa tartışma çıkmıyor.

Kurum içi kullanım. Çalışanının hazırladığı raporun yapay zeka çıktısı olup olmadığını denetlemek isteyen işverenler için filigran cazip görünüyor. Ancak burada asıl mesele tespit değil, kurumun yapay zeka kullanım politikasının olup olmadığı. Politikası olmayan bir kurumda tespit tek başına bir yaptırım dayanağı üretmiyor.

Sorumluluk boyutunu, yani yapay zekanın ürettiği bir metni imzalayan kişinin durumunu daha önce ayrı bir yazıda ele almıştım: Yapay Zekanın Ürettiği Metni Kim İmzalıyor

Benim duruşum

Filigran, tespit sorununu çözmüyor. Tespit tartışmasını daha dürüst bir zemine taşıyor, o kadar.

İstatistiksel dedektörler bir kanaat üretiyordu ve o kanaat masum insanları vuruyordu. Filigran ise dar ama gerçek bir sinyal üretiyor. Sorun şu ki bu sinyal tek yönlü çalışıyor, kodda çalışmıyor, kısa metinde çalışmıyor ve okunabildiği yer şu an çok dar.

Bu yüzden pratikte tavsiyem şu: bir metnin yapay zeka ile yazılıp yazılmadığını tespit etmeye çalışmak yerine, kullanımın beyan edilmesini kural haline getirin. Sözleşmede, kurum politikasında, akademik yönergede. Beyan kültürü kurulduğunda tespit ihtiyacı büyük ölçüde ortadan kalkıyor. Kurulmadığında ise en gelişmiş filigran bile bir tarafın diğerine karşı kullandığı tartışmalı bir argümana dönüşüyor.

Kendi tarafımdan da açık söyleyeyim. Ürün geliştirirken yapay zeka kullanıyorum ve bunu gizlemiyorum. Gizlenmesi gereken şey kullanım değil, kontrolsüz kullanım. Çıktıyı okumadan, doğrulamadan, sorumluluğunu almadan teslim etmek. Filigran bunu çözmüyor. Bunu ancak metnin altına adını yazan kişi çözer.

Sık Sorulan Sorular

Bir metnin yapay zeka ile yazıldığını kesin olarak anlayabilir miyim? Hayır. Claude filigranı bulunursa metnin o modelden geçtiği anlaşılır, ancak filigranı okuyabilen doğrulama API'si şu an herkese açık değil. Filigran bulunmaması ise metnin insan tarafından yazıldığını kanıtlamaz.

Yapay zeka tespit araçlarının verdiği yüzdelere güvenebilir miyim? Bu araçlar metnin istatistiksel özelliklerine bakıp tahmin yürütür. Sade ve kalıplı yazan insanları yanlışlıkla işaretleyebilir, düzenlenmiş yapay zeka metnini ise kaçırabilir. Tek başına karar dayanağı yapılmamalıdır.

Filigranı silmek mümkün mü? Metnin yeterince büyük bir bölümünü yeniden yazmak sinyali ortadan kaldırır. Hafif düzenleme ve kopyala yapıştır ise filigranı genellikle koruyor.

Yapay zeka ile yazılmış kod tespit edilebilir mi? Güvenilir biçimde hayır. Farklı bir token seçimi kodu bozabileceği için bu durumlarda filigran uygulanmıyor. İz yalnızca yorum satırı gibi serbest alanlarda görünebiliyor.

Türkiye'de yapay zeka ile üretilen içeriği işaretlemek zorunlu mu? Türkiye'de bu konuda özel bir işaretleme zorunluluğu getiren yürürlükte bir düzenleme bulunmuyor. Filigran uygulaması sağlayıcının kendi şeffaflık taahhüdünden kaynaklanıyor. Yürürlükteki mevzuat değişebileceği için birincil kaynaktan teyit edilmelidir.

Kaynaklar ve uyarı

Kullanılan kaynaklar:

Anthropic Yardım Merkezi, "How Claude marks AI-generated content" (support.claude.com)

Anthropic, Claude Fable 5.1 ve Mythos 5.1 duyurusu, 1 Eylül 2026 (anthropic.com)

Google DeepMind SynthID Text yöntemi, Nature, 2024

Bu yazı genel bilgilendirme amaçlıdır. Hukuki görüş veya danışmanlık niteliği taşımaz. Yazar avukat değildir. Mevzuat değişebilir; hukuki sonuç doğuran bir karar almadan önce ilgili birincil kaynaklardan (mevzuat.gov.tr, resmigazete.gov.tr, kvkk.gov.tr ve ilgili kurumun resmi sitesi) teyit edilmesi ve bir uzmandan değerlendirme alınması gerekir. Teknik bilgiler yayın tarihindeki duruma göredir; ürün ve API erişim koşulları sağlayıcı tarafından değiştirilebilir.