Vaka Çalışmaları ve Başarı Hikâyeleri

2. İletişim Şurası'nın on altı çalışma grubunda geniş katılımcı yelpazesiyle niteliği yüksek, hızlı ve konu uzmanlıklı tartışmalar yürütülmesi gerekiyordu. Her grupta özel bilgi kaynaklarına ihtiyaç duyulması, kolaylaştırıcıların iş yükünü artırıyordu.

Her çalışma grubu için alanına özgü bilgi tabanıyla eğitilmiş özelleştirilmiş yapay zekâ asistanları geliştirildi. Asistanlar şura süresince gruplarda sanki bir katılımcıymış gibi yer alarak teknik destek sağladı, ilgili kaynaklara referans verdi ve tartışmaların verimliliğini artırdı.

Türkiye sağlık sisteminde veri parçalılığı, yerli YZ çözümlerinin klinik validasyon eksikliği ve kişiye özel tıp çalışmalarının ulusal genom altyapısına ihtiyacı.

TÜSEB bünyesinde sekiz YZ projesi (SAVEM, AIVP, RADİS, METRA, GENOM, PROTAN, TEDAP, MEDINOVA) uçtan uca sağlık veri, validasyon, karar destek ve cihaz izleme ekosistemi olarak geliştirildi.

Cumhurbaşkanlığı İletişim Merkezi (CİMER) personelinin farklı deneyim ve kurumlardan gelmesi, vatandaşa geri dönüşlerde üslup ve kalite tutarlılığını güçleştiriyordu.

Sürekli öğrenen bir YZ eğitim asistanı oluşturuldu. Asistan, personelin yazdığı metinleri kurumsal iletişim standartlarıyla karşılaştırarak gerçek zamanlı öneri ve düzeltme sunuyor.

TCDD - Türkiye Cumhuriyeti Devlet Demiryolları, Ekonomik İşler alanında artan taleplere ve veri yoğun süreçlerin karmaşıklığına geleneksel yöntemlerle yanıt vermekte zorlanmıştır. Manuel süreçler zaman kaybına ve operasyonel maliyetlere yol açmış; karar alıcıların güncel veriye erişimi sınırlı kalmıştır. Bu ihtiyaçtan hareketle yapay zekâ destekli bir çözüm geliştirmek stratejik bir öncelik olarak belirlenmiştir.

Demiryolu taşımacılığında güvenliği ve verimliliği artırmak amacıyla TCDD, yapay zekâ tabanlı teknolojilere önemli yatırımlar yapmaktadır. Bu kapsamda geliştirilen en önemli projelerden biri, TÜBİTAK iş birliğiyle hayata geçirilen Otomatik Tren Muayene İstasyonu (OTMİ) sistemidir. Bu sistem, hareket halindeki trenlerin tekerlek aşınmaları, fren diskleri, aks rulman sıcaklıkları gibi kritik bileşenlerini yapay zekâ tabanlı görüntü işleme ve sensör teknolojileriyle tarayarak anlık veri analizi yapmaktadır. Sistem, toplanan büyük veriyi yapay zekâ algoritmalarıyla işleyerek potansiyel arızaları henüz ortaya çıkmadan tespit eder. Bu sayede bakım ekiplerine proaktif müdahale imkânı tanınır, beklenmedik arızaların önüne geçilir ve tren seferlerinin sürekliliği sağlanır. Kestirimci bakım yaklaşımı, bakım maliyetlerini düşürürken, aynı zamanda demiryolu operasyonlarının genel güvenliğini en üst düzeye çıkarmaktadır. Proje kapsamında ayrıca, demiryolu altyapısını sürekli izleyen sensörlerle donatılmış özel araçlar kullanılmaktadır. Bu araçlar, raylardaki olası kırık, çatlak ve çökmeleri, elektrifikasyon sistemlerindeki kusurları önceden belirleyerek arıza oluşmadan müdahale edilmesini sağlar. Eryaman'da kurulan izleme merkezinden YHT hatları başta olmak üzere tüm kritik altyapı 7/24 izlenmekte, doğal afet riskleri değerlendirilmekte ve olumsuz durumlarda ekiplere anında bildirim gönderilmektedir. Bu entegre yaklaşım, Türkiye'nin demiryolu ağını daha akıllı, güvenli ve verimli hale getirmektedir.

Demiryolu hatlarında güvenliği artırmak, bakım maliyetlerini düşürmek ve operasyonel verimliliği en üst düzeye çıkarmak.

Sosyal medyada yayılma potansiyeli olan dezenformasyon iddialarının hızla kontrol edilebilmesi; vatandaşın kolay ulaşabileceği güvenilir doğrulama kaynağına ihtiyaç duyulması.

Dezenformasyonla Mücadele Merkezi (DMM) bültenleri kaynak gösterilerek çalışan bir sohbet robotu geliştirildi. Kullanıcı bir iddia sorduğunda, ilgili DMM bülteninden alıntılarla hakikati gösteriyor.

Vergi mükellefi davranışlarının büyük veriden etkin analizi, risk profillemesi ve denetim kaynaklarının optimum tahsisi konusunda manuel süreçler yetersiz kalıyordu.

Altı farklı YZ modülü (Nakit Akışı Yönetimi, İleri Analitik, Risk Analiz Platformu, Doğru İşe Doğru Müfettiş, İhbar İzleme ve Rapor Ön Değerlendirme) eş zamanlı olarak hayata geçirildi. 2025 Yatırım Programı'nda 40 milyon TL bütçeli büyük veri + YZ projesiyle desteklendi.

UYAP sistemindeki günlük milyonlarca evrak, dilekçe ve karar metninin insan emeğiyle sınıflandırılması, özetlenmesi ve tutarlılık denetimi büyük iş yükü oluşturuyordu.

UYAP'a entegre yedi YZ modülü devreye alındı: Evrak Sınıflandırma, Tebligat Bilgi Çıkarma, Ez Cümle (Özetleme), Argo/Nesne Tespiti, CBS Örgüt Tahmin, Söyle Yazsın (Ses Tanıma) ve İddianame Tutarsızlık Tespiti.

Sağlık Bakanlığı, Sağlık alanında artan taleplere ve veri yoğun süreçlerin karmaşıklığına geleneksel yöntemlerle yanıt vermekte zorlanmıştır. Manuel süreçler zaman kaybına ve operasyonel maliyetlere yol açmış; karar alıcıların güncel veriye erişimi sınırlı kalmıştır. Bu ihtiyaçtan hareketle yapay zekâ destekli bir çözüm geliştirmek stratejik bir öncelik olarak belirlenmiştir.

Sağlık Bakanlığı'nın en önemli dijital sağlık hizmetlerinden biri olan e-Nabız, vatandaşların tüm sağlık verilerini tek bir platformda birleştirmektedir. Bu büyük veri hazinesini daha anlamlı hale getirmek ve proaktif sağlık hizmetleri sunmak amacıyla e-Nabız sistemine yapay zeka tabanlı analiz modülleri entegre edilmektedir. Bu modüller, kişilerin sağlık geçmişi, laboratuvar sonuçları, kullandığı ilaçlar ve yaşam tarzı verilerini analiz ederek kişiselleştirilmiş sağlık öngörüleri sunar. Proje, özellikle kronik hastalıkların (diyabet, kalp hastalıkları, hipertansiyon vb.) takibi ve erken teşhisi üzerine odaklanmıştır. Yapay zeka algoritmaları, bir kişinin verilerindeki anormal trendleri veya risk faktörlerini tespit ederek hem vatandaşı hem de hekimini uyarabilmektedir. Örneğin, kan şekeri değerlerindeki sürekli bir yükseliş eğilimi, diyabet riski olarak sistem tarafından işaretlenebilir ve kişiye yaşam tarzı değişiklikleri veya doktor kontrolü önerilebilir. Bu yapay zeka destekli analizler, aynı zamanda halk sağlığı politikalarının geliştirilmesinde de önemli bir rol oynamaktadır. Toplumdaki hastalıkların yayılımı, risk grupları ve tedavi başarı oranları gibi konularda anonimleştirilmiş veriler üzerinden yapılan analizler, Sağlık Bakanlığı'na kanıta dayalı karar alma imkanı sunmaktadır. e-Nabız'ın yapay zeka yetenekleri, Türkiye'nin kişiselleştirilmiş ve önleyici tıp alanında attığı en önemli adımlardan biridir.

Pilot uygulamalar süreç verimliliğini belirgin şekilde artırmış; veri odaklı karar alma kültürünün kurum içinde yaygınlaşmasına katkı sağlamıştır. Elde edilen erken dönem çıktılar, çözümün ülke genelinde ölçeklendirilmesi için gerekli güveni tesis etmiştir.

TCDD, TÜBİTAK, Ulaştırma alanında artan taleplere ve veri yoğun süreçlerin karmaşıklığına geleneksel yöntemlerle yanıt vermekte zorlanmıştır. Manuel süreçler zaman kaybına ve operasyonel maliyetlere yol açmış; karar alıcıların güncel veriye erişimi sınırlı kalmıştır. Bu ihtiyaçtan hareketle yapay zekâ destekli bir çözüm geliştirmek stratejik bir öncelik olarak belirlenmiştir.

Ulaştırma ve Altyapı Bakanlığı öncülüğünde, TCDD ve TÜBİTAK iş birliği ile geliştirilen Otomatik Tren Muayene İstasyonu (OTMİ) projesi, demiryolu güvenliği ve verimliliğinde bir devrim niteliği taşımaktadır. Bu sistem, trenlerin bakım atölyelerine çekilmesine gerek kalmadan, hareket halindeyken tüm kritik bileşenlerini yüksek teknolojili sensörler ve kameralar aracılığıyla denetlemektedir. Yapay zeka tabanlı görüntü işleme ve sensör sistemleri, trenin tekerlek aşınmaları, fren disklerindeki hatalar, aks rulman sıcaklıkları ve yük dengesizlikleri gibi onlarca farklı parametresini gerçek zamanlı olarak tarar ve analiz eder. Toplanan bu büyük veri, yapay zeka algoritmaları tarafından işlenerek potansiyel arızalar henüz oluşmadan tespit edilir. Bu sayede, bakım ekiplerine proaktif uyarılar gönderilerek kestirimci bakım faaliyetlerinin planlanması sağlanır. OTMİ projesi, beklenmedik arızaların önüne geçerek sefer sürekliliğini en üst düzeye çıkarmayı, bakım maliyetlerini düşürmeyi ve en önemlisi demiryolu güvenliğini artırmayı hedeflemektedir. Türkiye genelindeki demiryolu hatlarında uzaktan takip ve analiz imkanı sunan bu teknoloji, bakım süreçlerini büyük ölçüde iyileştirerek demiryolu taşımacılığını daha verimli ve güvenli hale getirmektedir.

Pilot uygulamalar süreç verimliliğini belirgin şekilde artırmış; veri odaklı karar alma kültürünün kurum içinde yaygınlaşmasına katkı sağlamıştır. Elde edilen erken dönem çıktılar, çözümün ülke genelinde ölçeklendirilmesi için gerekli güveni tesis etmiştir.

Sağlık Bakanlığı, Sağlık alanında artan taleplere ve veri yoğun süreçlerin karmaşıklığına geleneksel yöntemlerle yanıt vermekte zorlanmıştır. Manuel süreçler zaman kaybına ve operasyonel maliyetlere yol açmış; karar alıcıların güncel veriye erişimi sınırlı kalmıştır. Bu ihtiyaçtan hareketle yapay zekâ destekli bir çözüm geliştirmek stratejik bir öncelik olarak belirlenmiştir.

Sağlık Bakanlığı tarafından yürütülen bu proje, Kanser Erken Teşhis, Tarama ve Eğitim Merkezleri'nde (KETEM) çekilen mamografi görüntülerinin yapay zeka algoritmaları ile analiz edilmesini kapsamaktadır. Projenin temel amacı, kanser teşhis süreçlerini hızlandırmak ve doğruluğunu artırmaktır. Yapay zeka modeli, mamografi görüntülerindeki şüpheli lezyonları tespit ederek radyologlara ikinci bir görüş sunmakta ve karar destek mekanizması olarak görev yapmaktadır. Geliştirilen yapay zeka sisteminin, %87 civarında bir doğruluk oranına sahip olduğu belirtilmektedir. Bu oran, sistemin sürekli olarak yeni verilerle eğitilmesiyle daha da artırılması hedeflenmektedir. Proje sayesinde, normalde günler sürebilen mamografi okuma ve raporlama süreçlerinin önemli ölçüde kısaltılarak 10'da 1'e düşürülmesi ve hastaların teşhis bekleme sürelerinin azaltılması amaçlanmaktadır. Proje, 6 Şubat 2024 tarihinden itibaren KETEM'lerde aktif olarak kullanılmaya başlanmıştır. Yapay zekanın radyoloji alanındaki bu uygulaması, hem hekimlerin iş yükünü hafifletmekte hem de erken teşhis imkanlarını genişleterek halk sağlığına önemli bir katkı sunmaktadır. Projenin başarısı, benzer yapay zeka uygulamalarının diğer tıbbi görüntüleme alanlarında da (BT Toraks, EKG vb.) kullanılması için bir model oluşturmaktadır.

Pilot uygulamalar süreç verimliliğini belirgin şekilde artırmış; veri odaklı karar alma kültürünün kurum içinde yaygınlaşmasına katkı sağlamıştır. Elde edilen erken dönem çıktılar, çözümün ülke genelinde ölçeklendirilmesi için gerekli güveni tesis etmiştir.

Yoğun bakım ünitelerindeki hasta takibinin manuel ve anlık veri entegrasyonundan yoksun olması, karar verme süreçlerini yavaşlatmakta ve kaynak (yatak, personel) yönetiminde verimsizliklere yol açmaktadır. Kritik hasta verilerinin farklı sistemlerde dağınık olması, hekimlerin bütüncül bir bakış açısı kazanmasını engellemekte ve potansiyel risklerin erken tespitini zorlaştırmaktadır. Bu durum, hem hasta sonuçlarını olumsuz etkilemekte hem de sağlık sistemine ek maliyetler getirmektedir.

Sağlık Bakanlığı, "Yoğun Bakım Merkezi Yönetim Sistemi" projesini hayata geçirerek bu sorunu çözmeyi hedeflemektedir. Sistem, Türkiye genelindeki tüm hastanelerin yoğun bakım ünitelerindeki cihazlardan (ventilatör, monitör vb.) gelen anlık verileri toplayacaktır. Bu veriler, yapay zeka algoritmaları ile analiz edilerek hekimlere gerçek zamanlı karar desteği sunacaktır. Sistem, e-Nabız ile tam entegre çalışarak, hastanın tüm sağlık geçmişiyle yoğun bakım verilerini birleştirecek ve bütüncül bir izleme imkanı tanıyacaktır. Bu sayede, hastaların durumundaki kritik değişiklikler anında tespit edilebilecek ve proaktif müdahaleler yapılabilecektir.

Projenin hayata geçmesiyle yoğun bakım süreçlerinde verimliliğin artması, hasta sonuçlarının iyileşmesi ve sağlık harcamalarının optimize edilmesi beklenmektedir. Yapay zeka destekli anlık takip sayesinde kritik durumların erken tespiti, yatak doluluk oranlarının etkin yönetimi ve sağlık personelinin iş yükünün azaltılması hedeflenmektedir. Sistem, ulusal düzeyde sağlık politikalarının veri odaklı bir şekilde oluşturulmasına da önemli bir katkı sağlayacaktır.

Türksat A.Ş., Genel Ekonomik, Ticari ve İşgücü İlişkileri alanında artan taleplere ve veri yoğun süreçlerin karmaşıklığına geleneksel yöntemlerle yanıt vermekte zorlanmıştır. Manuel süreçler zaman kaybına ve operasyonel maliyetlere yol açmış; karar alıcıların güncel veriye erişimi sınırlı kalmıştır. Bu ihtiyaçtan hareketle yapay zekâ destekli bir çözüm geliştirmek stratejik bir öncelik olarak belirlenmiştir.

Türksat A.Ş., uydu operatörlüğü kabiliyetini yapay zeka teknolojileriyle birleştirerek çeşitli kamu ve özel sektör ihtiyaçlarına yönelik yenilikçi çözümler geliştirmektedir. Bu proje kapsamında, Göktürk ve diğer gözlem uydularından elde edilen yüksek çözünürlüklü görüntüler, yapay zeka ve derin öğrenme modelleri ile analiz edilmektedir. Bu analizler, ham uydu görüntüsünü anlamlı ve eyleme geçirilebilir bilgilere dönüştürmektedir. Projenin önemli uygulama alanlarından biri tarımdır. Yapay zeka modelleri, uydu görüntüleri üzerinden rekolte tahmini, bitki sağlığı analizi, sulama ihtiyacının tespiti ve tarımsal alanlardaki değişikliklerin izlenmesi gibi konularda çiftçilere ve kamu kurumlarına değerli bilgiler sunmaktadır. Bu sayede tarımsal verimliliğin artırılması ve kaynakların daha etkin kullanılması hedeflenmektedir. Bir diğer önemli alan ise şehircilik ve çevre yönetimidir. Yapay zeka destekli analizler, şehirlerdeki kaçak yapılaşmanın tespiti, arazi kullanımındaki değişimlerin takibi, orman yangını risk analizi ve afet sonrası hasar tespiti gibi kritik konularda belediyelere ve ilgili bakanlıklara hızlı ve doğru veri sağlamaktadır. TÜRKSAT'ın bu projesi, uydu teknolojileri ve yapay zekanın birleşiminin ulusal kalkınmaya nasıl katkı sağlayabileceğinin somut bir örneğidir.

Pilot uygulamalar süreç verimliliğini belirgin şekilde artırmış; veri odaklı karar alma kültürünün kurum içinde yaygınlaşmasına katkı sağlamıştır. Elde edilen erken dönem çıktılar, çözümün ülke genelinde ölçeklendirilmesi için gerekli güveni tesis etmiştir.

Karayolları Genel Müdürlüğü (KGM), Ulaştırma alanında artan taleplere ve veri yoğun süreçlerin karmaşıklığına geleneksel yöntemlerle yanıt vermekte zorlanmıştır. Manuel süreçler zaman kaybına ve operasyonel maliyetlere yol açmış; karar alıcıların güncel veriye erişimi sınırlı kalmıştır. Bu ihtiyaçtan hareketle yapay zekâ destekli bir çözüm geliştirmek stratejik bir öncelik olarak belirlenmiştir.

Karayolları Genel Müdürlüğü (KGM), sorumluluğundaki yol ağında trafik güvenliğini ve akıcılığını sağlamak için Akıllı Ulaşım Sistemleri (AUS) teknolojilerinden yoğun bir şekilde faydalanmaktadır. Bu kapsamda, yol kenarlarına yerleştirilmiş binlerce sensör, kamera ve meteoroloji istasyonundan toplanan anlık veriler, AUS merkezlerinde yapay zeka algoritmaları ile işlenmektedir. Projenin temel bileşenlerinden biri, yapay zeka destekli trafik tahmin modelidir. Bu model, geçmiş trafik verileri, anlık yoğunluk, hava durumu, gün ve saat gibi onlarca farklı değişkeni analiz ederek kısa ve orta vadeli trafik tahminleri üretir. Bu tahminler, sürücülere Değişken Mesaj İşaretleri (DMİ) ve mobil uygulamalar aracılığıyla duyurularak alternatif güzergahlara yönlendirme yapılır ve trafik sıkışıklığının önüne geçilir. Bir diğer önemli bileşen ise olay algılama sistemidir. Yapay zeka tabanlı görüntü işleme algoritmaları, trafik kameralarından gelen görüntüleri sürekli analiz ederek kaza, yolda duran araç, yola düşen nesne gibi anormal durumları saniyeler içinde tespit eder. Bu otomatik tespit sayesinde, olay yerine müdahale ekiplerinin (polis, ambulans, çekici) çok daha hızlı sevk edilmesi sağlanır ve olayın trafik üzerindeki olumsuz etkisi en aza indirilir. KGM'nin bu projeleri, Türkiye'nin karayolu ulaşımını daha akıllı, güvenli ve verimli hale getirme vizyonunun bir parçasıdır.

Pilot uygulamalar süreç verimliliğini belirgin şekilde artırmış; veri odaklı karar alma kültürünün kurum içinde yaygınlaşmasına katkı sağlamıştır. Elde edilen erken dönem çıktılar, çözümün ülke genelinde ölçeklendirilmesi için gerekli güveni tesis etmiştir.

TÜBİTAK BİLGEM, Genel Kamu Hizmetleri alanında artan taleplere ve veri yoğun süreçlerin karmaşıklığına geleneksel yöntemlerle yanıt vermekte zorlanmıştır. Manuel süreçler zaman kaybına ve operasyonel maliyetlere yol açmış; karar alıcıların güncel veriye erişimi sınırlı kalmıştır. Bu ihtiyaçtan hareketle yapay zekâ destekli bir çözüm geliştirmek stratejik bir öncelik olarak belirlenmiştir.

Türkiye'nin teknoloji ve bilim alanındaki öncü kurumu TÜBİTAK, Ulusal Yapay Zekâ Stratejisi doğrultusunda önemli projelere imza atmaktadır. Bu projelerden biri olan ve TÜBİTAK BİLGEM Yapay Zekâ Enstitüsü tarafından geliştirilen Zirve, Türkiye'nin en büyük ve kapsamlı Türkçe büyük dil modellerinden biridir. Zirve, kamunun ve özel sektörün ihtiyaç duyduğu metin tabanlı yapay zekâ uygulamaları için temel bir altyapı sağlamayı amaçlamaktadır. Zirve modeli, milyarlarca parametre ile eğitilmiş olup, Türkçe dilinin karmaşık yapısını ve nüanslarını derinlemesine anlama yeteneğine sahiptir. Bu yetenek sayesinde, metin özetleme, belge sınıflandırma, duygu analizi, soru-cevap sistemleri ve metin üretme gibi birçok farklı alanda yüksek başarımla kullanılabilmektedir. Kamu kurumları için bu, vatandaş başvurularının otomatik olarak analiz edilip ilgili birimlere yönlendirilmesi, hukuki metinlerin özetlenmesi veya mevzuat taraması gibi süreçlerin otomasyonu anlamına gelmektedir. Proje, aynı zamanda Türkiye'nin yapay zekâ alanındaki teknolojik bağımsızlığını güçlendiren stratejik bir adımdır. Yabancı dil modellerine olan bağımlılığı azaltarak, ulusal veri güvenliğine katkı sağlamaktadır. TÜBİTAK BİLGEM, Zirve modelini sürekli olarak yeni verilerle güncellemekte ve yeteneklerini geliştirmektedir. Modelin, gelecekte daha da özelleştirilmiş versiyonlarının farklı kamu hizmetlerine entegre edilmesi planlanmaktadır.

Kamu hizmetlerinde metin tabanlı süreçleri otomatize etmek, verimliliği artırmak ve Türkiye'nin yapay zekâ alanında teknolojik bağımsızlığına katkı sağlamak.

Türkiye, coğrafi konumu itibarıyla Asya ve Avrupa arasında kilit bir ticaret ve transit merkezidir. Her gün yüz binlerce ithalat, ihracat ve transit işlemi gümrük kapılarında gerçekleştirilmektedir. Bu devasa işlem hacmi içinde, yasa dışı ticareti (uyuşturucu, silah, sahte ürünler vb.), vergi kaybına yol açan beyan usulsüzlüklerini ve ülkeye standartlara uymayan tehlikeli ürünlerin girişini tespit etmek, gümrük idaresinin en temel ve en zorlu görevlerinden biridir. Geleneksel risk analizi yöntemleri, büyük ölçüde basit kurallara ve gümrük memurlarının tecrübesine dayanıyordu. Örneğin, 'belirli bir ülkeden gelen belirli bir ürün grubu risklidir' gibi statik kurallar kullanılıyordu. Ancak bu yöntemler, karmaşık ve sürekli değişen kaçakçılık örüntülerini tespit etmekte yetersiz kalıyordu. Yasa dışı ticaret yapanlar, bu basit kuralları aşmak için sürekli yeni yöntemler geliştiriyordu. Her konteyneri veya her beyannameyi fiziki olarak kontrol etmek, hem zaman hem de personel açısından imkansızdı. Bu durum, 'kırmızı hat' (fiziki kontrol) ve 'yeşil hat' (kontrolsüz geçiş) olarak bilinen bir ayrıma yol açıyordu. Ancak hangi işlemin hangi hatta yönlendirileceğine karar veren mekanizmanın daha akıllı hale getirilmesi gerekiyordu. Aksi takdirde, ya yasal ticaret yavaşlatılıyor ya da yasa dışı faaliyetler gözden kaçırılıyordu. Bu nedenle, eldeki devasa veriyi analiz ederek şüpheli işlemleri yüksek isabet oranıyla tespit edecek bir sisteme ihtiyaç vardı.

Ticaret Bakanlığı, bu zorlukların üstesinden gelmek için gümrük süreçlerinde yapay zekâ tabanlı bir Risk Analizi Sistemi'ni devreye almıştır. Bu sistem, gümrük beyannameleri, taşıma belgeleri, firma profilleri, geçmiş denetim sonuçları ve hatta açık kaynaklı veriler gibi milyarlarca veri noktasını analiz eden gelişmiş makine öğrenmesi modelleri kullanır. Sistem, ilk olarak 'anomali tespiti' yapar. Yani, normal ve yasal ticaret akışının dışındaki olağan dışı kalıpları belirler. Örneğin, daha önce hiç ithalat yapmamış bir firmanın aniden yüksek değerli bir ürün ithal etmesi, bir ürünün beyan edilen ağırlığı ile standart ağırlığı arasında büyük bir fark olması veya bir taşıma rotasının alışılmadık derecede karmaşık olması gibi durumlar sistem tarafından anomali olarak işaretlenir. İkinci olarak, sistem 'tahminsel analiz' yapar. Geçmişte yakalanan yasa dışı ticaret vakalarından öğrenerek, yeni işlemlerdeki benzer örüntüleri tanır. Yapay zekâ modeli, kaçakçıların kullandığı gizleme yöntemlerini (örneğin, GTİP kodunu yanlış beyan etme, menşei saptırma vb.) öğrenir ve bu yöntemlere benzerlik gösteren yeni beyannameleri otomatik olarak riskli olarak sınıflandırır. Bu, sadece bilinen kuralları değil, aynı zamanda verinin içindeki gizli ilişkileri de ortaya çıkaran bir yaklaşımdır. Sistem, her bir gümrük işlemi için bir 'risk skoru' üretir. Bu skor, işlemin ne kadar şüpheli olduğunu gösterir. Yüksek risk skoruna sahip işlemler, otomatik olarak fiziki kontrol için kırmızı hatta veya belge kontrolü için sarı hatta yönlendirilir. Düşük riskli işlemler ise yeşil hattan hızlıca geçerek yasal ticaretin akıcılığı sağlanır. Bu sayede, sınırlı denetim kaynakları (personel, x-ray cihazları vb.) en riskli alanlara odaklanır. Bakanlık, bu sistemi 'YADGAR' (Yapay Zekâ Destekli Gümrük Riski Değerlendirme Sistemi) gibi projelerle sürekli olarak geliştirmektedir. Sistem, sadece risk tespiti yapmakla kalmaz, aynı zamanda denetim sonuçlarından geri bildirim alarak kendini sürekli iyileştirir. Örneğin, kırmızı hatta yönlendirilen ancak temiz çıkan bir işlem, modelin bir sonraki sefer daha doğru bir karar vermesi için bir veri noktası oluşturur.

Yapay zekâ destekli risk analizi sisteminin uygulanması, gümrük denetimlerinde etkinlik ve verimlilik açısından bir çığır açmıştır. Sistem sayesinde, riskli olarak değerlendirilip kontrole sevk edilen beyanname ve konteynerlerdeki yakalama oranı (isabet oranı) %70'in üzerine çıkmıştır. Bu, geleneksel yöntemlere kıyasla üç katından fazla bir artış anlamına gelmektedir. 2024 yılının ilk 9 ayında, bu sistem sayesinde milyarlarca TL değerinde vergi kaybı önlenmiş ve tonlarca uyuşturucu madde ile milyonlarca kaçak ürün ele geçirilmiştir. Denetim kaynaklarının en riskli alanlara odaklanması, yasal ve düşük riskli ticaretin gümrüklerde bekleme süresini önemli ölçüde azaltmış, bu da Türkiye'nin ticaret kolaylığı endeksindeki konumunu iyileştirmiştir. Bu başarı, yapay zekânın kamu güvenliği ve mali disiplin gibi alanlarda ne kadar güçlü bir araç olabileceğini göstermiştir. Ticaret Bakanlığı, bu teknolojiyi tarama (x-ray) görüntülerinin otomatik analizi ve e-ticaret yoluyla gelen küçük paketlerin risk analizini de kapsayacak şekilde genişletmeyi planlamaktadır. Türkiye, bu uygulamasıyla gümrüklerde yapay zekâ kullanımı konusunda dünyanın önde gelen ülkeleri arasına girmiştir.

Çevre, Şehircilik ve İklim Değişikliği Bakanlığı, Çevre Koruma alanında artan taleplere ve veri yoğun süreçlerin karmaşıklığına geleneksel yöntemlerle yanıt vermekte zorlanmıştır. Manuel süreçler zaman kaybına ve operasyonel maliyetlere yol açmış; karar alıcıların güncel veriye erişimi sınırlı kalmıştır. Bu ihtiyaçtan hareketle yapay zekâ destekli bir çözüm geliştirmek stratejik bir öncelik olarak belirlenmiştir.

Çevre, Şehircilik ve İklim Değişikliği Bakanlığı, çevresel sürdürülebilirliği sağlamak ve halk sağlığını korumak amacıyla modern teknolojilerden yararlanmaktadır. Bu kapsamda, hava kalitesinin izlenmesi ve yönetilmesi için yapay zekâ tabanlı sistemler kullanılmaktadır. Ülke geneline yayılmış Ulusal Hava Kalitesi İzleme Ağı istasyonlarından toplanan partikül madde (PM10, PM2.5), kükürt dioksit (SO2), azot dioksit (NO2) gibi kirletici verileri anlık olarak merkezî bir sisteme aktarılmaktadır. Yapay zekâ modelleri, bu istasyon verilerini, meteorolojik tahminleri, topografik bilgileri ve uydu görüntülerini birleştirerek, gelecek saatler ve günler için hava kirliliği tahminleri üretir. Bu tahminler, özellikle sanayi bölgeleri ve büyük şehirlerdeki kirlilik seviyelerinin önceden bilinmesini sağlayarak, gerekli önlemlerin (örneğin, sanayi tesislerinin faaliyetlerinin kısıtlanması, trafik düzenlemeleri) zamanında alınmasına olanak tanır. Sistem, kirlilik kaynaklarını tespit etme ve emisyonların yayılımını modelleme yeteneğine de sahiptir. Proje, aynı zamanda vatandaşların bilgilendirilmesi açısından da büyük önem taşımaktadır. Hava kalitesi tahminleri, web siteleri ve mobil uygulamalar aracılığıyla halka duyurularak, özellikle hassas grupların (çocuklar, yaşlılar, solunum yolu rahatsızlığı olanlar) kendilerini korumaları sağlanır. Bu akıllı izleme ve uyarı sistemi, Türkiye'nin çevre yönetimi kapasitesini güçlendirerek daha sağlıklı ve yaşanabilir şehirler oluşturma hedefine hizmet etmektedir.

Hava kirliliğini önceden tahmin ederek halk sağlığını korumak, kirlilik kaynaklarını tespit etmek ve çevre yönetimi politikalarına bilimsel bir temel sağlamak.

Ankara Büyükşehir Belediyesi (ABB), EGO Genel Müdürlüğü, HAVELSAN, Ulaştırma alanında artan taleplere ve veri yoğun süreçlerin karmaşıklığına geleneksel yöntemlerle yanıt vermekte zorlanmıştır. Manuel süreçler zaman kaybına ve operasyonel maliyetlere yol açmış; karar alıcıların güncel veriye erişimi sınırlı kalmıştır. Bu ihtiyaçtan hareketle yapay zekâ destekli bir çözüm geliştirmek stratejik bir öncelik olarak belirlenmiştir.

Ankara Büyükşehir Belediyesi'ne bağlı EGO Genel Müdürlüğü, Başkent'teki toplu taşıma hizmet kalitesini artırmak amacıyla HAVELSAN ile iş birliği içinde 'Toplu Taşıma Otobüsleri İçin Video Yönetim Sistemi ve Yapay Zekâ Tabanlı Analitik İşlemlerin Yapılması' projesini hayata geçirmiştir. Proje, EGO filosuna yeni katılan 400 adet otobüsün mevcut kamera sistemlerini kullanarak gelişmiş bir video analitik platformu oluşturmayı amaçlamaktadır. Proje kapsamında geliştirilen yapay zeka sistemi, otobüs içindeki kameralardan gelen görüntüleri gerçek zamanlı olarak analiz eder. Bu analizler sayesinde, şoför davranışları (trafik kurallarına uyum, yolcu ile iletişim, ani manevralar vb.) otomatik olarak tespit edilip raporlanabilmektedir. Sistemin amacı, hizmet içi eğitimlere veri sağlamak ve genel hizmet kalitesini objektif metriklerle ölçerek sürekli iyileştirmektir. Sistem ayrıca, araç içindeki yolcu yoğunluğunu anlık olarak sayarak bu veriyi merkeze iletmektedir. Bu özellik, hat optimizasyonu, ek sefer planlaması ve duraklardaki bekleme sürelerinin azaltılması gibi konularda önemli bir veri kaynağı oluşturacaktır. Ağustos 2022'de sözleşmesi imzalanan ve altı ay içinde tamamlanması planlanan proje, Ankara'da toplu taşımanın daha konforlu, güvenli ve verimli hale getirilmesinde önemli bir adım olarak görülmektedir.

Pilot uygulamalar süreç verimliliğini belirgin şekilde artırmış; veri odaklı karar alma kültürünün kurum içinde yaygınlaşmasına katkı sağlamıştır. Elde edilen erken dönem çıktılar, çözümün ülke genelinde ölçeklendirilmesi için gerekli güveni tesis etmiştir.

Türkiye'deki çiftçilerin karşılaştığı en büyük sorunlardan biri, bitkilerde ortaya çıkan hastalık, zararlı ve yabancı otların doğru ve zamanında teşhis edilememesidir. Özellikle küçük ve orta ölçekli çiftçiler, bir ziraat mühendisine veya tarım danışmanına erişimde zorluklar yaşayabilmektedir. Yanlış teşhis, yanlış tarım ilacının kullanılmasına, bu da hem ürün kaybına (rekolte düşüşü) hem de gereksiz maliyetlere yol açmaktadır. Yanlış veya aşırı pestisit kullanımı, sadece çiftçinin cebine zarar vermekle kalmaz, aynı zamanda toprak ve su kaynaklarının kirlenmesine, biyolojik çeşitliliğin azalmasına ve insan sağlığı için risk oluşturabilecek kalıntılara neden olur. Hastalığın erken evrede tespit edilememesi, hızla yayılmasına ve tüm tarlanın kaybedilmesine yol açabilir. Bu durum, gıda arz güvenliği ve çiftçinin geliri için ciddi bir tehdit oluşturmaktadır. Çiftçilerin, karşılaştıkları bir sorunu (örneğin yaprakta bir leke) teşhis etmek için güvenilir, hızlı ve kolay erişilebilir bir kaynağa ihtiyaçları vardı. Geleneksel yöntemler olan kitaplara bakmak veya komşuya sormak, modern tarımın gerektirdiği hız ve doğruluktan uzaktı. Bu noktada, teknolojiyi çiftçinin cebine taşıyarak onlara anlık bir karar destek mekanizması sunacak bir çözüm gerekliydi.

Bu ihtiyaca cevap olarak, hem Tarım ve Orman Bakanlığı'nın geliştirdiği 'Tarım Cebimde' gibi uygulamalar hem de 'Plantix', 'SerraBerry' gibi özel sektör girişimleri, yapay zekâ tabanlı mobil uygulamalar geliştirmiştir. Bu uygulamaların temelinde, görüntü tanıma (image recognition) teknolojisi yatmaktadır. Çiftçi, akıllı telefonunun kamerasıyla hastalıklı bitkinin yaprağının, meyvesinin veya kökünün fotoğrafını çeker. Uygulama, çekilen fotoğrafı bulut tabanlı yapay zekâ sunucularına gönderir. Sunucudaki model, on binlerce etiketlenmiş bitki hastalığı fotoğrafından oluşan devasa bir veri seti ile eğitilmiştir. Bu model, bir 'derin öğrenme' (deep learning) sinir ağıdır. Model, fotoğraftaki lezyonun şeklini, rengini, dokusunu ve yayılımını analiz ederek, saniyeler içinde hastalığın ne olduğunu yüksek bir doğruluk oranıyla tespit eder. Uygulama, sadece hastalığı teşhis etmekle kalmaz, aynı zamanda entegre bir çözüm sunar. Tespit edilen hastalık için: 1. **Mücadele Yöntemleri:** Kimyasal, biyolojik veya kültürel mücadele yöntemleri hakkında bilgi verir. 2. **Ruhsatlı İlaçlar:** Tarım ve Orman Bakanlığı'nın Bitki Koruma Ürünleri (BKÜ) veritabanına bağlanarak, o hastalık için ruhsatlı ve tavsiye edilen tarım ilaçlarını listeler. Dozaj ve uygulama zamanı hakkında bilgi verir. 3. **Hava Durumu Entegrasyonu:** Uygulama zamanlaması için bölgenin hava durumu tahminlerini dikkate alarak çiftçiyi uyarır (örneğin, 'Yağmur bekleniyor, ilaçlama için uygun değil'). 4. **Epidemiyolojik Uyarı:** Toplanan veriler anonim olarak analiz edilerek, belirli bir bölgede bir hastalığın yayılma eğilimi gösterip göstermediği takip edilir ve diğer çiftçilere erken uyarı mesajları gönderilir. Bu sistem, çiftçiye 7/24 hizmet veren bir 'dijital ziraat mühendisi' işlevi görür. Bakanlığın 'Tarım Cebimde' uygulaması, bu tür hizmetleri e-Devlet entegrasyonu ile sunarak çiftçiye yönelik desteklemeler, hayvan takibi gibi diğer kamusal hizmetlerle birleştirir.

Yapay zekâ destekli bitki hastalığı tespit uygulamaları, Türk tarımında dijital bir devrim yaratmıştır. Çiftçiler, artık pahalı danışmanlık hizmetlerine veya varsayımlara dayalı kararlara bağımlı kalmadan, anında ve bilimsel bir teşhis imkanına kavuşmuştur. Bu, doğru ilacın doğru zamanda ve doğru dozda kullanılmasına olanak tanıyarak, pestisit kullanımında ortalama %30'a varan bir azalma sağlamıştır. Gereksiz ilaç kullanımının azalması, çiftçinin üretim maliyetlerini düşürmüş ve karlılığını artırmıştır. Daha da önemlisi, hastalıkların erken teşhisi ve doğru müdahale sayesinde ürün kayıplarında önemli bir düşüş yaşanmış, bu da hem çiftçinin gelirini hem de ülkenin gıda arz güvenliğini olumlu etkilemiştir. Yapılan pilot çalışmalarda, bu uygulamaları kullanan çiftçilerin verimliliğinde %15'e varan artışlar gözlemlenmiştir. Bu teknolojiler, tarımsal verinin toplanması ve analizi için de yeni bir kapı aralamıştır. Hangi bölgede hangi hastalıkların ne zaman görüldüğüne dair toplanan büyük veri, Bakanlığın bitki sağlığı politikalarını ve stratejik araştırma önceliklerini belirlemesinde kullanılmaktadır. Çiftçinin teknolojiye adaptasyonunu hızlandıran bu mobil uygulamalar, sürdürülebilir ve verimli bir tarım için kritik bir araç haline gelmiştir.

İstanbul Büyükşehir Belediyesi (İBB), İETT, İSBAK, Ulaştırma alanında artan taleplere ve veri yoğun süreçlerin karmaşıklığına geleneksel yöntemlerle yanıt vermekte zorlanmıştır. Manuel süreçler zaman kaybına ve operasyonel maliyetlere yol açmış; karar alıcıların güncel veriye erişimi sınırlı kalmıştır. Bu ihtiyaçtan hareketle yapay zekâ destekli bir çözüm geliştirmek stratejik bir öncelik olarak belirlenmiştir.

İstanbul Büyükşehir Belediyesi (İBB), bağlı kuruluşu İETT ve iştiraki İSBAK ile birlikte toplu ulaşımda güvenliği artırmak amacıyla dijital bir dönüşüm projesi başlatmıştır. Proje kapsamında, İstanbul'daki 3.041 Özel Halk Otobüsünün tamamına yapay zeka destekli sürücü davranış takip ve uyarı sistemleri entegre edilmiştir. Bu sistem, şoför kabinine yerleştirilen kameralar aracılığıyla sürücüyü anlık olarak izlemektedir. Geliştirilen yapay zeka algoritması, yüz tanıma ve davranış analizi teknolojilerini kullanarak şoförün uykusuzluk, yorgunluk, dikkat dağınıklığı, cep telefonu kullanımı veya emniyet kemeri takmama gibi riskli davranışlarını anında tespit edebilmektedir. Sistem, bir ihlal durumu algıladığında hem şoförü sesli olarak uyarmakta hem de durumu anlık olarak İETT'nin kontrol merkezine bildirmektedir. Bu sayede, olası kazaların önüne geçilmesi ve yolculuk güvenliğinin en üst düzeye çıkarılması hedeflenmektedir. 2021 yılı Haziran ayında kurulumuna başlanan ve 2022 sonu itibarıyla tüm filoda aktif hale gelen sistem, aynı zamanda araç içi yolcu sayısını anlık olarak tespit ederek ihtiyaç durumunda ek sefer planlamasına olanak tanımaktadır. Proje, yolcular için USB şarj noktaları ve bilgilendirme ekranları gibi konfor artırıcı özellikleri de içermektedir. Bu proje, dünyanın en büyük mobilite projelerinden biri olarak kabul edilmektedir.

Pilot uygulamalar süreç verimliliğini belirgin şekilde artırmış; veri odaklı karar alma kültürünün kurum içinde yaygınlaşmasına katkı sağlamıştır. Elde edilen erken dönem çıktılar, çözümün ülke genelinde ölçeklendirilmesi için gerekli güveni tesis etmiştir.

Türkiye'nin Ulusal Yargı Ağı Projesi (UYAP), adli süreçleri dijitalleştiren devrim niteliğinde bir sistem olmasına rağmen, yargı mensuplarının en çok zamanını alan süreçlerden biri emsal karar araştırmasıydı. Bir dava dosyası üzerinde çalışan bir hakim veya savcı, benzer hukuki uyuşmazlıklarda daha önce verilmiş Yargıtay, Danıştay veya Bölge Adliye Mahkemesi kararlarını bulmak için manuel olarak anahtar kelime bazlı aramalar yapmak zorundaydı. Bu süreç, hem çok zaman alıcı hem de hataya açıktı. Mevcut arama motorları, genellikle kararların metninde geçen kelimelere dayanıyordu ve hukuki kavramların anlamsal içeriğini veya bağlamını anlayamıyordu. Bu durum, aranan konuyla ilgisiz yüzlerce kararın listelenmesine veya tam tersi, ilgili olan ancak farklı terminoloji kullanılmış önemli kararların gözden kaçırılmasına neden oluyordu. Özellikle genç ve tecrübesiz yargı mensupları için doğru emsal kararı bulmak, adaletin tesisi ve kararlar arasında tutarlılığın sağlanması açısından kritik bir zorluktu. Bu verimsiz araştırma süreci, dava dosyalarının birikmesine, yargılama sürelerinin uzamasına ve dolayısıyla adalete erişimin gecikmesine yol açıyordu. Yargı sistemindeki iş yükü sürekli artarken, hakim ve savcıların zamanlarını daha etkin kullanmalarını sağlayacak, onlara akıllı bir asistan gibi hizmet verecek teknolojik bir çözüme acil ihtiyaç duyuluyordu.

Adalet Bakanlığı Bilgi İşlem Genel Müdürlüğü, bu sorunu çözmek amacıyla UYAP bünyesinde yapay zekâ tabanlı bir Emsal Karar Öneri Sistemi geliştirmiştir. Bu sistem, doğal dil işleme (NLP) ve makine öğrenmesi tekniklerini kullanarak, hakim veya savcının incelediği dava dosyasının metnini (iddianame, dilekçe, bilirkişi raporu vb.) otomatik olarak analiz eder. Sistem, metnin hukuki bağlamını, anahtar kavramları ve uyuşmazlığın özünü anlamsal olarak kavrar. Analiz sonucunda, sistem UYAP'ın devasa içtihat veritabanı içerisinde, incelenen dosyayla en yüksek benzerlik oranına sahip emsal kararları saniyeler içinde bulur ve hakimin ekranına bir 'öneri listesi' olarak sunar. Bu öneriler, sadece anahtar kelime eşleşmesine değil, aynı zamanda hukuki konunun özüne ve tarafların iddialarının niteliğine göre belirlenir. Sistem, kararların 'benzerlik skorunu' da göstererek yargı mensubuna bir önceliklendirme imkanı tanır. Yapay zekâ modeli, milyonlarca anonimleştirilmiş mahkeme kararı ve Yargıtay içtihatı ile sürekli olarak eğitilmektedir. Model, yeni kararlar sisteme eklendikçe kendini günceller ve zamanla daha isabetli öneriler sunmayı öğrenir. Bu, sistemin yaşayan ve sürekli gelişen bir yapıya sahip olmasını sağlar. Geliştirme sürecinde, tecrübeli Yargıtay tetkik hakimleri ve akademisyenlerle iş birliği yapılarak, modelin hukuki çıkarımlarının doğruluğu ve isabet oranı artırılmıştır. Sistem, UYAP editör ekranıyla tam entegre çalışır. Hakim, kararını yazarken tek bir tuşa basarak ilgili emsal kararlara anında ulaşabilir. Bu, araştırma için harcanan zamanı ortadan kaldırarak yargı mensubunun sadece uyuşmazlığın esasına ve delillerin değerlendirilmesine odaklanmasına olanak tanır. Sistem, aynı zamanda kararlar arasındaki tutarlılığı artırarak ve farklı mahkemelerin benzer konularda farklı kararlar vermesini önleyerek hukuki öngörülebilirliğe ve adalete olan güvene katkıda bulunur.

UYAP Emsal Karar Öneri Sistemi, Türk yargı sisteminde verimliliği ve etkinliği artıran en önemli yapay zekâ uygulamalarından biri olmuştur. Sistem sayesinde, daha önce saatler, hatta günler sürebilen emsal karar araştırma süreci saniyelere inmiştir. Bu durum, özellikle iş yükü ağır olan mahkemelerde dosyaların karara bağlanma süresini ortalama %20 oranında kısaltmıştır. Yargı mensupları, sistemin sunduğu isabetli öneriler sayesinde gözden kaçabilecek önemli içtihatlara kolayca ulaşabilmekte, bu da verilen kararların hukuki kalitesini ve isabet oranını yükseltmektedir. Kararlar arasındaki tutarlılığın artması, hukuki güvenliği ve öngörülebilirliği güçlendirmiş, vatandaşların ve avukatların yargı sistemine olan güvenini pekiştirmiştir. Sistem, Adalet Bakanlığı'nın dijital dönüşüm vizyonunun somut bir çıktısı olarak, yapay zekânın adalet hizmetlerinde nasıl etkin bir şekilde kullanılabileceğini gösteren öncü bir örnek teşkil etmiştir. Elde edilen başarı, benzer yapay zekâ uygulamalarının (duruşma zabıtlarının otomatik olarak metne dökülmesi, dilekçe analizleri vb.) geliştirilmesi için bir motivasyon kaynağı olmuş ve Türkiye'yi adli teknolojiler alanında öncü ülkelerden biri konumuna getirmiştir.

İstanbul, dünyanın en yoğun trafiğine sahip metropollerinden biridir. Şehirdeki trafik sıkışıklığının en önemli nedenlerinden biri, kavşaklardaki sinyalizasyon sistemlerinin statik ve önceden programlanmış sürelerle çalışmasıydı. Geleneksel sistemler, günün farklı saatlerindeki veya anlık olarak değişen trafik yoğunluğunu dikkate alamıyordu. Örneğin, sabah zirve saatlerinde ana arterde oluşan yoğunluk ile öğle saatlerindeki yoğunluk aynı olmamasına rağmen, sinyal süreleri genellikle sabit kalıyordu. Bu durum, bir yönde uzun araç kuyrukları oluşurken, diğer yönde trafik olmamasına rağmen kırmızı ışığın yanmaya devam etmesi gibi verimsiz senaryolara yol açıyordu. Trafik sıkışıklığı, sadece zaman kaybına değil, aynı zamanda artan yakıt tüketimi, hava kirliliği ve sürücüler üzerindeki stres gibi ciddi ekonomik ve çevresel maliyetlere de neden oluyordu. Bir kaza, yol çalışması veya özel bir etkinlik gibi anlık ve beklenmedik durumlar karşısında mevcut sistemler tamamen yetersiz kalıyor, bu da trafiğin dakikalar içinde kilitlenmesine sebep oluyordu. İstanbul'un karmaşık ve dinamik trafik akışını yönetmek için, anlık verilere dayalı, kendi kendine öğrenebilen ve sinyal sürelerini dinamik olarak optimize edebilen akıllı bir trafik yönetim sistemine olan ihtiyaç kaçınılmazdı. Bu sistem, şehrin nabzını anlık olarak ölçerek, kaynakları (yeşil ışık süresi) en verimli şekilde dağıtmalıydı.

İstanbul Büyükşehir Belediyesi (İBB), bu soruna çözüm olarak 'Adaptif Trafik Yönetim Sistemi'ni (ATAK) geliştirmiş ve şehrin en kritik kavşaklarında uygulamaya başlamıştır. Bu sistem, yapay zekâ ve makine öğrenmesi algoritmalarını kullanarak trafik sinyalizasyon sürelerini anlık olarak optimize eder. Projenin temelinde, kavşaklara yerleştirilen binlerce manyetik sensör ve kamera bulunmaktadır. Bu sensörler, kavşak kollarına yaklaşan araç sayısını, araçların ortalama hızını, kuyruk uzunluklarını ve trafik yoğunluğunu gerçek zamanlı olarak ölçer. Toplanan bu veriler, fiber optik ağlar üzerinden İBB Ulaşım Yönetim Merkezi'ne (UYM) anlık olarak iletilir. Merkezdeki yapay zekâ sistemi, bu büyük veriyi saniyeler içinde analiz eder. Sistem, sadece tek bir kavşağın verilerini değil, birbirine bağlı bir koridor üzerindeki birden fazla kavşağın verilerini bütünsel olarak değerlendirir. Yapay zekâ, bu analiz sonucunda, tüm koridor boyunca toplam gecikme süresini en aza indirecek en uygun sinyal sürelerini hesaplar. Örneğin, ana arterde bir yoğunluk tespit ettiğinde, o yöndeki yeşil ışık süresini uzatırken, daha az yoğun olan tali yollardaki süreyi kısaltır. Bu kararlar, saniyeler içinde verilir ve sinyalizasyon sistemine otomatik olarak uygulanır. Bu sürece 'yeşil dalga' optimizasyonu da dahildir; sistem, bir ana arter boyunca belirli bir hızda ilerleyen araçların sürekli yeşil ışığa denk gelmesini sağlayacak şekilde sinyal sürelerini koordine eder. Sistem, geçmiş verilerden öğrenerek (makine öğrenmesi) gelecekteki trafik akışını da tahmin etmeye çalışır. Örneğin, hafta içi sabah saatlerinde belirli bir yönde her zaman yoğunluk yaşandığını öğrenir ve sinyal planlarını bu öngörüye göre proaktif olarak ayarlar. Bir kaza veya anormal bir durum algıladığında ise, trafiği alternatif güzergahlara yönlendirecek senaryoları devreye sokar. Bu proje, İstanbul Ticaret Üniversitesi gibi akademik kurumlarla yapılan iş birlikleriyle de desteklenmiştir.

Adaptif Trafik Yönetim Sistemi'nin uygulandığı kavşak ve koridorlarda trafik akışında belirgin bir iyileşme gözlemlenmiştir. Yapılan ölçümlere göre, sistem sayesinde seyahat sürelerinde ortalama %30, trafikteki gecikme sürelerinde ise %35'e varan azalmalar sağlanmıştır. Bu iyileşme, özellikle zirve saatlerde trafiğin akıcılığını önemli ölçüde artırmıştır. Trafikteki dur-kalk sayısının azalmasıyla birlikte, yakıt tüketiminde ortalama %20'lik bir düşüş ve buna bağlı olarak karbon emisyonlarında da önemli bir azalma kaydedilmiştir. Bu durum, projenin sadece bir ulaşım çözümü değil, aynı zamanda bir çevre projesi olduğunu da göstermektedir. Sürücülerin trafikte daha az zaman geçirmesi, stresi azaltmış ve genel yaşam kalitesine olumlu katkıda bulunmuştur. Projenin başarısı, sistemin İstanbul geneline yaygınlaştırılması için bir temel oluşturmuştur. İBB, yapay zekâ tabanlı trafik yönetimini şehrin daha fazla noktasına entegre etmeyi hedeflemektedir. Bu vaka çalışması, büyük metropollerdeki kronik trafik sorunlarının, anlık veri ve yapay zekâ teknolojileri kullanılarak nasıl etkin bir şekilde yönetilebileceğine dair başarılı bir örnek olarak öne çıkmaktadır.

Türkiye'de sağlık sisteminin dijitalleşmesinden önce, vatandaşların tıbbi kayıtları farklı sağlık kuruluşlarında dağınık ve parçalı bir yapıda bulunuyordu. Bir hastanın farklı hastanelerdeki tahlil sonuçlarına, radyoloji görüntülerine veya geçmiş muayene bilgilerine tek bir noktadan erişmesi mümkün değildi. Bu durum, hem teşhis ve tedavi süreçlerinde zaman kaybına yol açıyor hem de gereksiz tetkiklerin tekrarlanmasına neden olarak kamu kaynaklarının verimsiz kullanılmasına sebep oluyordu. Acil durumlarda veya hekim değişikliklerinde, hastanın tıbbi geçmişine anında ulaşılamaması, hayati riskler doğurabiliyordu. Örneğin, bir hastanın alerjileri veya kronik hastalıkları hakkında bilgi sahibi olmayan bir hekimin yanlış bir tedavi uygulama olasılığı mevcuttu. Ayrıca, vatandaşların kendi sağlık verileri üzerindeki kontrolü ve farkındalığı oldukça düşüktü. Bireyler, kendi sağlık durumlarını proaktif bir şekilde takip etme ve yönetme imkanından yoksundu. Veri mahremiyeti ve güvenliği de önemli bir sorundu. Dağınık yapıdaki verilerin standart bir güvenlik protokolü olmadan saklanması, yetkisiz erişim risklerini artırıyordu. Sağlık verilerinin tek bir merkezde, güvenli ve standart bir formatta toplanarak hem vatandaşın hem de yetkilendirdiği hekimin erişimine sunulacak merkezi bir platform ihtiyacı, kamu sağlığı yönetiminin en önemli gündem maddelerinden biri haline gelmişti.

Bu problemlere çözüm olarak T.C. Sağlık Bakanlığı, 2015 yılında e-Nabız projesini hayata geçirdi. e-Nabız, vatandaşların ve yetkilendirdikleri hekimlerin, tüm sağlık kayıtlarına tek bir platform üzerinden, web ve mobil uygulamalar aracılığıyla erişebilmesini sağlayan kişisel bir sağlık kaydı sistemidir. Sistem, kamu ve özel tüm sağlık kuruluşlarında üretilen verileri (muayene bilgileri, raporlar, tahlil sonuçları, radyoloji görüntüleri, reçeteler, aşı takvimi vb.) entegre bir yapıda bir araya getirir. Yapay zekâ ve veri analitiği, sistemin temelini oluşturmaktadır. Platform, toplanan büyük veriyi analiz ederek kişiye özel sağlık profilleri oluşturur. Örneğin, bir hastanın kan tahlili sonuçlarındaki anormal değerleri tespit edip, bu değerlerin olası risk faktörleriyle ilişkisini kurarak hem vatandaşa hem de hekime uyarılar sunabilir. Sistem, benzer profildeki hastaların tedavi sonuçlarını karşılaştırarak hekimlere karar destek mekanizmaları sunma potansiyeline sahiptir. Platform, e-Devlet kapısı üzerinden güvenli kimlik doğrulaması ile çalışır. Vatandaşlar, hangi verilerini hangi hekimle ne kadar süreyle paylaşacaklarını kendileri yönetebilirler. Bu 'onay mekanizması', kişisel verilerin mahremiyetini ve kontrolünü tamamen kullanıcıya bırakır. Acil durumlarda, 112 Acil Sağlık ekipleri veya acil servis hekimleri, hastanın hayatını kurtarmak amacıyla, sadece o anki müdahale için gerekli olan kritik sağlık verilerine (kan grubu, kronik hastalıklar, alerjiler vb.) sınırlı bir erişim sağlayabilir. e-Nabız, sadece bir veri depolama sistemi olmanın ötesinde, organ bağışı bildirimi, ilaç hatırlatıcıları, kalori takibi gibi proaktif sağlık yönetimi araçları da sunar. Bu sayede, vatandaşların pasif birer hasta olmaktan çıkıp, kendi sağlık süreçlerinin aktif birer yöneticisi haline gelmeleri hedeflenmiştir. Sistem, Türkiye'deki tüm sağlık hizmet sunucularından (Sağlık Bilgi Yönetim Sistemleri - SBYS) HL7 ve CDA gibi uluslararası standartlarda veri akışını sağlayarak birlikte çalışabilirlik ilkesini temel alır.

e-Nabız, Türkiye'de sağlık hizmetlerinin dijital dönüşümünde bir mihenk taşı olmuştur. Milyonlarca vatandaş, kendi sağlık verilerine 7/24 erişim imkanına kavuşmuş, bu da bireylerin sağlık okuryazarlığını ve kendi sağlıkları üzerindeki farkındalığını önemli ölçüde artırmıştır. 2024 itibarıyla sistemde kayıtlı kullanıcı sayısı 65 milyonu aşmıştır. Bu durum, platformun ne denli geniş bir kitle tarafından benimsendiğini göstermektedir. Gereksiz tetkiklerin ve muayenelerin tekrarlanmasının önüne geçilerek kamu kaynaklarında önemli bir verimlilik sağlanmıştır. Hekimler, hastalarının tüm tıbbi geçmişine saniyeler içinde ulaşarak daha doğru ve hızlı teşhis koyma imkanına sahip olmuşlardır. Özellikle acil durumlarda kritik bilgilere anında erişim, sayısız hayatın kurtarılmasında rol oynamıştır. Pandemi sürecinde, aşı takvimi, test sonuçları ve HES kodu gibi uygulamaların e-Nabız üzerinden yönetilmesi, salgınla mücadelede kritik bir rol oynamıştır. Toplanan büyük veri, Sağlık Bakanlığı'na halk sağlığı politikalarını belirlemede ve salgın hastalıkların epidemiyolojik takibinde önemli bir araç sunmuştur. Anonimleştirilmiş veriler üzerinden yapılan analizler, bölgesel hastalık dağılımları, ilaç kullanım alışkanlıkları ve tedavi başarı oranları gibi konularda stratejik kararlar alınmasına olanak tanımıştır. e-Nabız, vatandaşın verisinin yine vatandaşın kontrolünde olduğu, güvenli ve merkezi bir model sunarak uluslararası alanda da örnek gösterilen bir başarı hikayesi haline gelmiştir.

Proje öncesinde, nüfus kayıtları ilçe nüfus müdürlüklerinde kağıt tabanlı kütüklerde tutuluyordu. Bu durum, veri bütünlüğünün sağlanmasını zorlaştırıyor, hizmet süreçlerini yavaşlatıyor ve vatandaşların sadece kayıtlı oldukları yerden işlem yapabilmesine neden oluyordu. Verilerin dağınık ve manuel olması, sahteciliğe açık bir ortam yaratıyor ve ulusal düzeyde güvenilir demografik istatistiklerin üretilmesini engelliyordu.

MERNIS projesi ile tüm nüfus kayıtları dijital ortama aktarılarak merkezi bir veritabanında toplandı. Her vatandaşa benzersiz bir T.C. Kimlik Numarası atandı. Bu sayede, tüm kamu kurum ve kuruluşlarının vatandaşlık verilerine tek ve güvenilir bir kaynaktan erişimi sağlandı. Proje, doğrudan bir yapay zeka uygulaması olmasa da, Türkiye'nin en büyük ve en temel veri setlerinden birini oluşturarak gelecekteki yapay zeka projeleri için kritik bir altyapı görevi görmektedir. Veri kalitesi ve standardizasyonu sağlanmıştır.

MERNIS, kamu hizmetlerinde bir devrim yaratarak bürokrasiyi azaltmış ve hizmet hızını artırmıştır. Vatandaşlar artık herhangi bir nüfus müdürlüğünden hizmet alabilmektedir. Diğer kamu kurumları, MERNIS entegrasyonu sayesinde (KPS - Kimlik Paylaşımı Sistemi) vatandaşlık doğrulama işlemlerini saniyeler içinde yapabilmektedir. Oluşturulan bu merkezi ve standart veri altyapısı, günümüzde birçok yapay zeka projesi için temel veri kaynağı olma potansiyeli taşımaktadır. Örneğin, demografik analizler, seçim süreçleri ve sosyal yardım dağıtımları bu veri tabanı üzerinden daha etkin yönetilmektedir.