Bilgi Çıkarımı Nedir?
Bilgi çıkarımı, yapılandırılmamış veya yarı yapılandırılmış belgelerde bulunan belirli bilgilerin otomatik olarak tespit edilip düzenli veri alanlarına dönüştürülmesi işlemidir. Varlık çıkarımı ise bilgi çıkarımının daha dar bir türüdür ve metindeki kişi, kurum, tarih, yer, para tutarı, dosya numarası gibi tanımlanabilir varlıklara odaklanır. Hukuk teknolojisinde bu yöntemler sözleşme, dava dilekçesi, mahkeme kararı ve bilirkişi raporlarından önemli bilgilerin otomatik olarak çıkarılmasında kullanılabilir.
Bilgi çıkarımının amacı yalnızca metni okumak veya özetlemek değildir. Amaç, serbest metinde bulunan bilgiyi makine tarafından işlenebilir alanlara dönüştürmektir. Örneğin bir mahkeme kararından mahkeme adı, esas numarası, karar numarası, karar tarihi ve taraflar ayrı veri alanları olarak çıkarılabilir. Bu veriler daha sonra arama, sınıflandırma, raporlama veya başka bir hukuk teknolojisi işleminde kullanılabilir.
Bilgi Çıkarımının Teknik ve Hukuki Niteliği
Bilgi çıkarımı Türk hukukunda bağımsız bir dava, hak veya usul kurumu değildir. Yapay zekâ, doğal dil işleme ve doküman işleme alanına ait teknik bir veri işleme yöntemidir.
Hukuki belgelerde uygulanması ise önemli sonuçlar doğurabilir. Sistem bir sözleşmedeki fesih tarihini yanlış çıkarırsa daha sonraki analizler de yanlış veri üzerinden ilerleyebilir. Bir mahkeme kararındaki esas numarasının yanlış okunması ise içtihat eşleştirmesini bozabilir.
Bu nedenle bilgi çıkarımının çıktısı, belgenin hukuki içeriğinin kesin ve bağlayıcı tespiti olarak değerlendirilmemelidir. Özellikle süre, parasal tutar, taraf kimliği ve karar sonucu gibi kritik alanlarda doğrulama mekanizması kullanılmalıdır.
Bilgi Çıkarımı ile Varlık Çıkarımı Aynı Şey midir?
Tam olarak değildir. Varlık çıkarımı, bilgi çıkarımının bir alt türü olarak düşünülebilir.
Bilgi çıkarımı daha geniştir. Metinden kişiler ve kurumlar dışında sözleşme başlangıç tarihi, faiz oranı, fesih süresi, mahkeme sonucu veya yükümlülük gibi farklı alanlar da çıkarılabilir.
Varlık çıkarımı ise çoğunlukla belirlenebilir varlıklara odaklanır.
| Kavram | Temel İşlev |
|---|---|
| Bilgi çıkarımı | Belgeden belirli bilgileri yapılandırılmış alanlara dönüştürür. |
| Varlık çıkarımı | Kişi, kurum, tarih, tutar gibi belirli varlıkları bulur. |
| Adlandırılmış Varlık Tanıma | Metindeki varlıkları tespit edip belirli kategorilere ayırır. |
| Bilgi normalizasyonu | Çıkarılan veriyi standart bir biçime dönüştürür. |
Örneğin “ABC A.Ş., 15 Mart 2026 tarihinde 500.000 TL ödeme yapacaktır” cümlesinde şirket adı, tarih ve para tutarı varlık çıkarımıyla tespit edilebilir. “Ödeme yükümlülüğü kime ait?” sorusunun cevabının yapılandırılmış olarak çıkarılması ise daha geniş bilgi çıkarımı kapsamındadır.
Adlandırılmış Varlık Tanıma (NER) Nedir?
Adlandırılmış Varlık Tanıma, İngilizce adıyla Named Entity Recognition (NER), metinde bulunan belirli varlıkları tanımlayıp kategorilere ayıran doğal dil işleme yöntemidir.
Microsoft’un güncel NER dokümantasyonunda sistemin yapılandırılmamış metin içindeki kişi, konum, olay, ürün ve kuruluş gibi önceden tanımlanmış varlık kategorilerini çıkarabildiği belirtilmektedir.
Standart NER sistemleri çoğunlukla genel varlıklara odaklanır. Hukuk alanında ise özel varlık türlerine ihtiyaç duyulabilir. Örneğin:
- Mahkeme adı.
- Esas numarası.
- Karar numarası.
- Kanun adı.
- Kanun maddesi.
- Taraf sıfatı.
- Sözleşme türü.
- Tazminat tutarı.
- Tebligat tarihi.
Bu nedenle hukuk teknolojisi uygulamalarında özel olarak eğitilmiş veya yapılandırılmış varlık çıkarım sistemleri kullanılabilir.
Bilgi Çıkarımı Nasıl Çalışır?
Bilgi çıkarımı, kullanılan teknolojiye göre farklı yöntemlerle gerçekleştirilebilir.
Basit sistemler düzenli ifadeler ve anahtar kelime kuralları kullanabilir. Örneğin “E. 2025/1234” biçimindeki bir ifade esas numarası olarak belirlenebilir.
Makine öğrenmesi sistemleri etiketlenmiş belge örneklerinden öğrenebilir. Büyük dil modelleri ise belgenin anlamını ve alanlar arasındaki ilişkileri değerlendirerek daha esnek çıkarım yapabilir.
Genel süreç şu şekilde ilerleyebilir:
- Belge sisteme alınır.
- Gerekliyse OCR ile metin çıkarılır.
- Belgenin türü belirlenir.
- Metindeki varlıklar tespit edilir.
- Belirli veri alanları çıkarılır.
- Değerler normalize edilir.
- Güven skorları hesaplanır.
- Kurallarla doğrulama yapılır.
- Kritik alanlar insan incelemesine yönlendirilir.
- Sonuç yapılandırılmış veri olarak kaydedilir.
Microsoft’un bilgi çıkarımı kaynaklarında da doküman ve yapılandırılmamış kaynaklardaki veri değerlerinin alanlara dönüştürülmesi bu sürecin temel işlevleri arasında gösterilmektedir.
Hukuki Belgelerden Hangi Bilgiler Çıkarılabilir?
Çıkarılabilecek bilgiler belge türüne göre değişir.
Bir mahkeme kararından şu veriler çıkarılabilir:
- Mahkeme adı.
- Daire veya kurul.
- Esas numarası.
- Karar numarası.
- Karar tarihi.
- Davacı ve davalı.
- Suç veya uyuşmazlık konusu.
- Atıf yapılan mevzuat.
- Karar sonucu.
Bir sözleşmeden ise farklı alanlara ihtiyaç duyulur:
- Tarafların adları.
- Sözleşme tarihi.
- Yürürlük tarihi.
- Sözleşme süresi.
- Bedel.
- Para birimi.
- Fesih süresi.
- Yetkili mahkeme.
- Uygulanacak hukuk.
- Yenileme şartları.
Bu nedenle bilgi çıkarımı şeması belge türüne göre uyarlanmalıdır.
Sözleşmelerde Bilgi Çıkarımı Nasıl Kullanılır?
Sözleşme incelemelerinde bilgi çıkarımı, çok sayıda belgedeki temel hükümlerin ortak veri alanlarına dönüştürülmesini sağlar.
Örneğin yüzlerce kira sözleşmesinden kiraya veren, kiracı, kira bedeli, artış hükmü, başlangıç tarihi ve sözleşme süresi çıkarılabilir.
Bu bilgiler daha sonra tablo hâlinde karşılaştırılabilir.
Ancak sözleşmelerde bazı bilgiler doğrudan tek bir cümlede bulunmayabilir. Bir fesih süresi farklı maddelerin birlikte yorumlanmasını gerektirebilir. Bu durumda basit varlık çıkarımı yeterli olmayabilir ve daha gelişmiş bilgi çıkarımı veya hukuki yorum gerekir.
Bu ayrım önemlidir: sistemin bir tarih bulması ile o tarihin “sözleşmenin sona erme tarihi” olduğunu doğru şekilde belirlemesi aynı işlem değildir.
Mahkeme Kararlarında Bilgi Çıkarımı Nasıl Kullanılır?
Mahkeme kararları bilgi çıkarımı için güçlü bir kullanım alanıdır. Kararlar belirli yapısal kalıplar içerse de mahkeme ve karar türüne göre farklılık gösterebilir.
Sistem öncelikle kararın kimlik bilgilerini çıkarabilir:
- Mahkeme veya daire.
- Esas numarası.
- Karar numarası.
- Karar tarihi.
- Taraflar.
Daha ileri düzey sistemler ise uyuşmazlığın hukuki konusunu, atıf yapılan kanunları, önceki kararları veya hüküm sonucunu da çıkarabilir.
Bu veriler içtihat arama ve atıf doğrulama sistemlerinde kullanılabilir.
Ancak kararın gerekçesinden bir “hukuk kuralı” çıkarılması, yalnız varlık çıkarımından daha karmaşık bir semantik analizdir.
Bilgi Çıkarımı ile OCR Arasındaki Fark Nedir?
OCR ile bilgi çıkarımı aynı işlem değildir.
Optik Karakter Tanıma (OCR), taranmış veya görüntü biçimindeki bir belgenin üzerindeki yazıları makine tarafından okunabilir metne dönüştürür.
Bilgi çıkarımı ise bu metindeki belirli bilgileri bulup anlamlı alanlara yerleştirir.
Örneğin taranmış bir mahkeme kararında OCR şu metni elde edebilir:
“Ankara 5. İş Mahkemesi, E. 2025/120, K. 2026/75.”
Bilgi çıkarımı sistemi ise bu metni şu şekilde yapılandırabilir:
- Mahkeme: Ankara 5. İş Mahkemesi
- Esas numarası: 2025/120
- Karar numarası: 2026/75
Dolayısıyla OCR çoğu taranmış belgede bilgi çıkarımından önce gelen bir aşamadır.
Bilgi Çıkarımı ile Belge Sınıflandırma Arasındaki Fark
Belge sınıflandırma ile bilgi çıkarımı farklı sorulara cevap verir.
Belge sınıflandırma “Bu hangi tür belge?” sorusunu cevaplamaya çalışır.
Bilgi çıkarımı ise “Bu belgenin içinde hangi önemli bilgiler var?” sorusuna odaklanır.
Örneğin sistem önce bir dosyayı “arabuluculuk son tutanağı” olarak sınıflandırabilir. Ardından bu belgeden taraflar, arabulucu, başvuru tarihi ve anlaşma durumu çıkarılabilir.
Sınıflandırma, hangi alanların aranacağını belirlediği için bilgi çıkarımını daha isabetli hâle getirebilir.
Bilgi Çıkarımı ile Özetleme Aynı Şey midir?
Hayır. Özetleme, uzun bir metnin temel anlamını daha kısa biçimde ifade etmeyi amaçlar.
Bilgi çıkarımı ise önceden belirlenen veri alanlarını belgeden tespit etmeye çalışır.
Örneğin bir bilirkişi raporunun özeti birkaç paragraf olabilir. Aynı rapordan bilgi çıkarımı yapıldığında şu veriler ayrı alanlar hâlinde elde edilebilir:
- Bilirkişi adı.
- Rapor tarihi.
- Hesaplanan alacak.
- Faiz başlangıç tarihi.
- İncelenen dönem.
Bu nedenle bilgi çıkarımı daha yapılandırılmış ve makine tarafından kullanılabilir bir çıktı üretir.
Bilgi Normalizasyonu Nedir?
Bir bilginin metinden çıkarılması her zaman yeterli değildir. Aynı veri farklı belgelerde farklı biçimlerde yazılabilir.
Örneğin aynı tarih şu biçimlerde görülebilir:
- 15.03.2026
- 15 Mart 2026
- 15/03/2026
Bilgi normalizasyonu bu değerleri standart bir tarihe dönüştürebilir.
Benzer şekilde “500 bin TL”, “500.000 Türk lirası” ve “TRY 500,000” aynı parasal değerin farklı gösterimleri olabilir.
Normalizasyon, çıkarılan bilgilerin daha sonra aranmasını, karşılaştırılmasını ve raporlanmasını kolaylaştırır.
Güven Skoru Nedir?
Birçok bilgi çıkarımı sistemi, elde ettiği sonucun yanında güven skoru üretebilir.
Adlandırılmış Varlık Tanıma sistemlerinde örneğin her çıkarılan varlık için bir güven değeri döndürülebilir. Microsoft’un NER örnek çıktılarında varlık metni ve kategorisi yanında güven skoru da gösterilmektedir.
Güven skoru hukuki kesinlik değildir.
Örneğin bir model bir tarihi yüzde 99 güvenle tespit etmiş olabilir. Ancak doğru tarihi yanlış hukuki alana atamış olabilir. “15 Mart 2026” tarihini doğru okumasına rağmen bunu “sözleşmenin bitiş tarihi” yerine “imza tarihi” olarak sınıflandırması mümkündür.
Bu nedenle kritik alanlarda yalnız güven skoruna dayanılmamalıdır.
Varlık Çıkarımında Özel Hukuki Varlıklar Tanımlanabilir mi?
Evet. Genel NER sistemlerinin kişi, kurum ve tarih gibi standart kategorileri hukuk için her zaman yeterli değildir.
Özel varlık çıkarım modellerinde hukuk alanına özgü kategoriler tanımlanabilir. Microsoft’un özel NER açıklamalarında da kullanıcıların kendi iş alanlarına özgü varlıkları çıkarmak için özel modeller oluşturabileceği belirtilmektedir.
Örneğin şu hukuki varlık türleri oluşturulabilir:
- Davacı.
- Davalı.
- Vekil.
- Mahkeme.
- Esas numarası.
- Karar numarası.
- Kanun maddesi.
- Talep miktarı.
- Tazminat miktarı.
- Faiz türü.
- Sözleşme tarafı.
- Fesih tarihi.
Böylece sistem yalnız genel kişi ve tarih bilgilerini değil, bunların hukuki rollerini de çıkarmaya çalışabilir.
İlişki Çıkarımı Nedir?
Bir belgede varlıkların bulunması, bu varlıkların birbiriyle nasıl ilişkili olduğunu her zaman göstermez.
Örneğin metinde üç şirket adı ve iki para tutarı bulunabilir. Hangi şirketin hangi tutarı ödeyeceğini belirlemek ayrıca ilişki çıkarımı gerektirebilir.
Hukuki belgelerde ilişki çıkarımı şu tür bağlantıları belirleyebilir:
- Borçlu → borç miktarı.
- Davacı → talep.
- Sözleşme tarafı → yükümlülük.
- Mahkeme kararı → atıf yapılan kanun maddesi.
- Tebligat → tebliğ tarihi.
- Fesih bildirimi → sözleşme.
Bu nedenle gelişmiş hukuki bilgi çıkarımı yalnız varlıkları değil, varlıklar arasındaki ilişkileri de modelleyebilir.
Bilgi Çıkarımı Hataları Nelerdir?
Bilgi çıkarımı sistemleri çeşitli hata türleri üretebilir.
Bir varlık hiç bulunmayabilir. Yanlış bir metin parçası varlık olarak işaretlenebilir. Doğru bilgi yanlış kategoriye atanabilir veya birden fazla benzer bilgi birbirine karıştırılabilir.
Örneğin:
- Esas numarasının karar numarası olarak çıkarılması.
- Avukat adının taraf adı olarak algılanması.
- Dava değerinin hükmedilen tutar olarak alınması.
- Dilekçe tarihinin karar tarihi olarak kaydedilmesi.
- Kanun numarasının dosya numarası sanılması.
Hukuki belgelerde bu hatalar sonraki hesaplama, süre takibi veya içtihat analizini etkileyebilir.
Bu nedenle sistem performansı yalnız “kaç bilgi buldu?” sorusuyla değil, bilgilerin doğru alanlara atanıp atanmadığıyla da değerlendirilmelidir.
İnsan Doğrulaması Ne Zaman Gereklidir?
Bütün çıkarılan bilgilerin insan tarafından tek tek kontrol edilmesi her uygulamada gerekli olmayabilir. Ancak hukuki sonucu yüksek alanlarda doğrulama önem taşır.
Özellikle şu bilgiler manuel incelemeye yönlendirilebilir:
- Kanun yolu süresini etkileyen tarihler.
- Tebligat tarihleri.
- Zamanaşımıyla ilgili tarihler.
- Yüksek parasal tutarlar.
- Taraf kimlikleri.
- Hüküm sonucu.
- Sözleşmenin fesih veya yenileme hükümleri.
- Yetkili mahkeme veya tahkim şartı.
- Düşük güven skoruyla çıkarılan alanlar.
Risk tabanlı yaklaşımda sistem yüksek güvenli ve düşük riskli alanları otomatik işleyebilir; kritik veya belirsiz alanları ise insan kontrolüne bırakabilir.
Bilgi Çıkarımı Kişisel Veri İşleme Sayılabilir mi?
Belgeden çıkarılan bilgiler kişisel veri içeriyorsa bu işlem kişisel verilerin işlenmesi kapsamında değerlendirilebilir.
Örneğin dava dosyasından kişinin adı, adresi, kimlik numarası veya sağlık bilgisi çıkarılıyorsa kişisel verilerin korunmasına ilişkin kurallar gündeme gelebilir.
Bu nedenle bilgi çıkarımı sisteminin teknik olması, veri koruma yükümlülüklerini ortadan kaldırmaz.
Hangi hukuki işleme şartının bulunduğu, verilerin kimlere aktarıldığı, ne kadar süre saklandığı ve sistemin hangi ülkede çalıştığı gibi hususlar ayrıca değerlendirilmelidir.
Özellikle hukuk büroları ve yargısal belgeler bakımından mesleki gizlilik ve veri güvenliği de önem taşır.
Bilgi Çıkarımının Yasal Dayanağı Var mıdır?
“Bilgi çıkarımı” veya “varlık çıkarımı” adıyla Türk hukukunda bağımsız bir hukuki kurum bulunmaz. Kavram teknik bir yapay zekâ ve veri işleme yöntemidir.
Bu nedenle bilgi çıkarımı için tek bir kanun maddesini doğrudan yasal dayanak göstermek doğru değildir.
Ancak çıkarılan verinin niteliğine göre farklı hukuk kuralları uygulanabilir. Kişisel veriler söz konusuysa 6698 sayılı Kişisel Verilerin Korunması Kanunu; hukuki belgelerin saklanması ve işlenmesi söz konusuysa ilgili mesleki, ticari veya kamu hukuku düzenlemeleri gündeme gelebilir.
Mahkeme belgelerinden yapılan otomatik bilgi çıkarımının sonucu da mahkeme kararının kendisinin yerine geçmez. Çıkarılan veri, asıl belgeyle doğrulanabilir nitelikte yardımcı bir veri katmanı olarak değerlendirilmelidir.
Uygulamada Bilgi Çıkarımı
Bir hukuk bürosunun binlerce mahkeme kararını analiz ettiğini düşünelim. Sistem her karardan mahkeme adı, esas numarası, karar numarası, tarih ve atıf yapılan mevzuatı otomatik olarak çıkarabilir.
Bu veriler yapılandırıldıktan sonra “2025 ve 2026 yıllarında belirli kanun maddesine atıf yapan kararlar” şeklinde arama yapılabilir.
Başka bir örnekte şirketin yüzlerce sözleşmesi analiz edilebilir. Sistem tarafları, sözleşme tarihini, sona erme tarihini, para birimini ve otomatik yenileme hükmünü çıkarabilir. Böylece yaklaşan sözleşme yenilemeleri raporlanabilir.
Her iki durumda da çıkarılan kritik bilgilerin özgün belgeyle doğrulanabilmesi önemlidir.
Örnek Olay
Bir şirketin hukuk birimine 600 kira sözleşmesinden oluşan arşiv aktarılmıştır.
Bilgi çıkarımı sistemi her sözleşmede kiracı, kiraya veren, başlangıç tarihi, kira bedeli ve sözleşme süresini tespit eder. Ardından verileri tabloya dönüştürür.
Bir sözleşmede “sözleşme başlangıç tarihi” ile “teslim tarihi” birbirine çok yakın ifadelerle yazılmıştır. Sistem teslim tarihini yanlışlıkla başlangıç tarihi olarak çıkarır.
Güven skoru düşük olduğu için kayıt manuel incelemeye yönlendirilir ve hata düzeltilir.
Bu örnek, bilgi çıkarımının belge incelemesini hızlandırabileceğini ancak kritik verilerde doğrulamanın önemini gösterir.
Dikkat Edilmesi Gerekenler
- Bilgi çıkarımı ile varlık çıkarımı tamamen aynı kavram değildir.
- Varlık çıkarımı, bilgi çıkarımının daha dar bir alt alanıdır.
- NER, kişi ve kurum gibi varlıkları kategorilere ayırmaya odaklanır.
- OCR metni çıkarır; bilgi çıkarımı metindeki anlamlı alanları belirler.
- Belge sınıflandırma ile bilgi çıkarımı farklı işlemlerdir.
- Özetleme, yapılandırılmış bilgi çıkarımının yerine geçmez.
- Doğru bulunan bir değer yanlış hukuki alana atanabilir.
- Güven skoru hukuki kesinlik anlamına gelmez.
- Hukuka özgü özel varlık kategorileri tanımlanabilir.
- İlişki çıkarımı, varlıkların birbirleriyle bağlantısını belirler.
- Tarih ve parasal tutarlar normalize edilmelidir.
- Kritik tarihler özgün belge üzerinden doğrulanmalıdır.
- Esas ve karar numaralarının karıştırılması içtihat analizini bozabilir.
- Çıkarılan veri, asıl hukuki belgenin yerine geçmez.
- Kişisel veri çıkarımı, veri koruma kurallarını gündeme getirebilir.
- Düşük güvenli veya yüksek riskli alanlarda insan kontrolü kullanılmalıdır.
- Bilgi çıkarımı sistemlerinin hata türleri düzenli olarak ölçülmelidir.
Sıkça Sorulan Sorular
Bilgi çıkarımı özellikle varlık tanıma, OCR, belge sınıflandırma ve yapay zekâ destekli hukuki analizle birlikte kullanıldığında farklı teknik işlemler birbirine karıştırılabilir. Aşağıdaki sorular, belgeden hangi bilgilerin çıkarılabileceğini, sonuçların nasıl doğrulanacağını ve hukuki belgelerde hangi risklerin dikkate alınması gerektiğini açıklar.
Bilgi çıkarımı nedir?
Bilgi çıkarımı, yapılandırılmamış belgelerde bulunan belirli bilgilerin tespit edilerek düzenli veri alanlarına dönüştürülmesidir. Örneğin bir mahkeme kararından mahkeme adı, esas numarası, karar numarası ve karar tarihi ayrı alanlar olarak çıkarılabilir. Böylece metin yalnız okunabilir değil, bilgisayar sistemleri tarafından aranabilir ve karşılaştırılabilir hâle gelir.
Varlık çıkarımı nedir?
Varlık çıkarımı, metindeki kişi, kurum, tarih, konum, para tutarı veya hukuk alanına özgü başka tanımlanabilir öğelerin tespit edilmesidir. Adlandırılmış Varlık Tanıma sistemleri bu görevin yaygın örneklerindendir. Genel NER sistemleri kişi ve kuruluş gibi standart kategorileri çıkarırken özel modeller dosya numarası veya sözleşme tarafı gibi alanlara uyarlanabilir.
NER ile bilgi çıkarımı arasındaki fark nedir?
Named Entity Recognition daha çok metindeki belirli varlıkları bulup kategorilere ayırır. Bilgi çıkarımı ise bundan daha geniştir ve olay, ilişki, yükümlülük veya özel alan değerlerini de yapılandırabilir. Örneğin şirket adı ve tarih NER ile çıkarılabilir; hangi şirketin hangi tarihte ödeme yapmakla yükümlü olduğunun tespiti daha kapsamlı bilgi çıkarımı gerektirir.
OCR ile bilgi çıkarımı arasındaki fark nedir?
OCR, taranmış veya görüntü biçimindeki belgenin yazılarını dijital metne dönüştürür. Bilgi çıkarımı ise ortaya çıkan metindeki önemli bilgileri anlamlı alanlara ayırır. Bir mahkeme kararında OCR esas numarasını metin olarak okuyabilir; bilgi çıkarımı sistemi ise bu değerin “esas numarası” olduğunu belirleyip ayrı bir veri alanına kaydeder.
Hukuki belgelerden hangi bilgiler çıkarılabilir?
Belgenin türüne göre taraf adları, mahkeme, esas ve karar numarası, tarih, para tutarı, kanun maddesi, sözleşme süresi, fesih şartı veya karar sonucu çıkarılabilir. Kullanılacak alanların önceden tanımlanması sonuçların tutarlılığını artırır. Aynı çıkarım şemasının bütün hukuki belge türlerine uygulanması ise genellikle uygun değildir.
Bilgi çıkarımı her zaman doğru sonuç verir mi?
Hayır. Sistem bir bilgiyi hiç bulamayabilir, yanlış değeri seçebilir veya doğru değeri yanlış kategoriye atayabilir. Örneğin sözleşme tarihini doğru okuduğu hâlde bunu fesih tarihi olarak kaydedebilir. Bu nedenle yüksek riskli alanlarda doğrulama ve insan incelemesi önemlidir. Modelin yüksek güven skoru vermesi de tek başına hukuki doğruluk garantisi oluşturmaz.
Güven skoru ne anlama gelir?
Güven skoru, modelin çıkardığı varlık veya alanın kendi tahmin sistemi içinde ne kadar güçlü görüldüğünü belirten teknik değerdir. NER sistemleri çıkarılan varlıklarla birlikte güven değerleri döndürebilir. Ancak skor, bilginin hukuken doğru yorumlandığını garanti etmez. Bu nedenle süre ve tutar gibi kritik bilgiler ayrıca kontrol edilebilir.
Yapay zekâ sözleşmeden otomatik veri çıkarabilir mi?
Evet. Yapay zekâ sistemleri sözleşmelerden taraflar, tarihler, bedeller, süreler ve belirli hükümlere ilişkin bilgiler çıkarabilir. Bununla birlikte bazı hukuki sonuçlar birden fazla maddenin birlikte yorumlanmasını gerektirir. Böyle durumlarda tek bir veri alanının otomatik çıkarılması hukuki değerlendirme yerine geçmez ve nihai metin üzerinden doğrulama gerekir.
Bilgi çıkarımı sonucu asıl belgenin yerine geçer mi?
Hayır. Çıkarılan veri, kaynak belgeden elde edilen yapılandırılmış bir bilgi katmanıdır. Mahkeme kararı, sözleşme veya başka bir hukuki belgenin kendisi değildir. Sistem yanlış veri çıkarabileceği için özellikle hukuki sonuç doğuran işlemlerde kaynak belgeye geri dönülebilmesi ve çıkarılan alanın hangi metin bölümünden elde edildiğinin izlenebilmesi önemlidir.
