Şirket verisiyle güvenli yapay zeka: On-premise ve air-gapped rehberi

Şirket verisi, yıllar içinde oluşan ticari hafızanızdır.

Bir teklif dosyasında fiyatlama yaklaşımınız, bir müşteri kaydında ilişkinin geçmişi, bir üretim talimatında ise ekibin deneyimi bulunur. Sözleşmeler, kaynak kodlar, maliyet tabloları ve çözülmüş destek talepleri birlikte düşünüldüğünde şirket verisi, tekrar üretmesi zaman alan bir bilgi birikimidir.

Bu bilginin değeri dosya sayısıyla ölçülmez. Kaybolduğunda hangi işin duracağını, rakibin eline geçtiğinde neyi açığa çıkaracağını ve doğru kişiye zamanında ulaştığında hangi kararı iyileştireceğini düşünün. Veri güvenliği, ticari süreklilik ve rekabet gücüyle doğrudan bağlantılıdır.

Yapay zeka bu hafızayı kullanılabilir hale getirebilir. Ancak erişimi kolaylaştırırken şirket içindeki sınırları da koruması gerekir: Bir satış çalışanının ürün dokümanlarına ulaşması ile herkesin maliyet ve ücret kayıtlarını sorgulayabilmesi aynı şey değildir.

Güncel siber tehditler, verinin nerede işlendiğini daha önemli hale getiriyor.

Verizon’un 2026 DBIR raporu, incelediği veri ihlallerinin %31’inde başlangıç yolunun yazılım açıkları olduğunu bildiriyor. Rapordaki olaylar 1 Kasım 2024–31 Ekim 2025 dönemine ait. ENISA’nın 2026 değerlendirmesi de dijital bağımlılıkların saldırı yüzeyini genişlettiğini ve fidye yazılımlarının kısa vadede etkisi en ağır tehditler arasında kaldığını vurguluyor.

Bu bulgular Türkiye’de son günlerdeki olayların sayısını veya şirketinizin saldırıya uğrama olasılığını göstermez. Yönetim açısından işaret ettikleri soru daha somuttur: Bir belge hangi sistemlere aktarılıyor, hangi hizmetlere bağımlı hale geliyor ve bu zincirdeki bir aksaklık şirketi nasıl etkiliyor?

Yeni bir yapay zeka aracı seçerken yalnızca yanıt kalitesini değerlendirmek yetersiz kalır. Verinin saklanması, hizmet sağlayıcıların erişimi, bağlantı noktaları ve kesinti durumundaki çalışma biçimi de kararın parçası olmalıdır.

Kaynak: Verizon — 2026 Data Breach Investigations Report · ENISA — Threat Landscape 2026

On-premise ve air-gapped ne demek?

On-premise, uygulamanın şirketin yönettiği altyapıda çalışmasıdır. Belgeler, arama altyapısı ve yapay zeka modeli yerel olarak tasarlanabilir. Kurulumun şirket içinde olması, internete veya dış hizmetlere hiç bağlanmadığı anlamına gelmez; veri akışlarının ayrıca incelenmesi gerekir.

Air-gapped, ortamın internetten ve diğer bağlantılı ağlardan izole edildiği kurulum yaklaşımıdır. Böyle bir sistemin çalışması için modelin yanı sıra belge okuma, arama, kimlik doğrulama ve gerekli diğer bileşenlerin de izole ortamda erişilebilir olması gerekir. Güncellemeler kontrollü aktarım ve doğrulama süreçleriyle planlanır.

Basit bir örnek: Kurum içindeki bir sohbet ekranı, PDF’yi okumak için dışarıdaki bir servise gönderiyorsa belge işleme süreci yerel değildir. Open WebUI’nin çevrimdışı kurulum rehberi de yerel arayüzün tek başına yerel veri işleme sağlamadığını özellikle belirtir.

Kaynak: Open WebUI — Run Offline

Güvenlik avantajı, veri akışı ve erişim üzerindeki kontrolden gelir.

Doğru tasarlanmış yerel bir yapıda, hassas içeriği işlemek için dışarıdaki bir model servisine göndermek gerekmeyebilir. Kurum; verinin konumunu, erişim kurallarını, kayıtların saklanma süresini ve model güncellemelerini kendi işletim politikasına göre yönetebilir.

Air-gapped kurulum, dış ağlar üzerinden doğrudan erişim yollarını sınırlar. Bunun karşılığında kurulum, bakım ve dosya aktarımı daha dikkatli planlanır. Kazanım, şirketin veri hassasiyeti ve çalışma ihtiyacıyla birlikte değerlendirilmelidir.

Bulut, özel bulut ve yerel kurulum seçenekleri arasında karar verirken aynı soruları sorun. Bir hizmetin eğitim için veri kullanmaması, veriyi hiç saklamadığı anlamına gelmez. Yerel bir model de yanlış yetkilendirilmiş belgeleri kendiliğinden korumaz. Tercihi, sağlayıcı etiketi yerine doğrulanmış veri akışlarına dayandırın.

• İçerik, arama indeksi, yedek ve işlem kayıtları nerede tutuluyor?
• Hangi kullanıcı hangi kaynaklara erişebiliyor?
• Hangi bileşenler dış bağlantı kuruyor ve neden?
• Bakım, güncelleme ve olay müdahalesinden kim sorumlu?

Şirket bilgisini kullanmak için her zaman modeli eğitmek gerekmez.

RAG, bir soruyla ilgili içeriği belgelerinizden bulup yanıt üretecek modele bağlam olarak sunan yaklaşımdır. Örneğin çalışan, bir prosedürü aramak yerine teslimat koşullarını sorabilir; sistem ilgili bölümleri getirerek kaynağıyla birlikte bir yanıt hazırlayabilir.

Burada kritik nokta, kullanıcının görme yetkisi bulunmayan bir belgenin arama aşamasında dışarıda bırakılmasıdır. Yanıtın yanında belge, bölüm ve sürüm bilgisinin gösterilmesi de kullanıcının sonucu kontrol etmesine yardımcı olur. Kaynak göstermek, yanıtın her zaman doğru olduğunun garantisi değildir.

İlk uygulama bütün arşivi kapsamak zorunda değildir. Güncel ve sahipliği belli bir prosedür kümesiyle başlamak; veri hazırlığını, erişimi ve yanıt kalitesini daha kolay değerlendirmeyi sağlar.

Yerel kurulumun güvenliği de işletilmelidir.

Kurum içindeki bir sistemde de çalınmış hesaplar, yanlış erişim kuralları, açıklar ve zararlı dosyalar risk oluşturabilir. Yama yönetimi, güçlü kimlik doğrulama, ağ ayrıştırması ve geri yüklemesi test edilmiş yedekler bu nedenle yapının parçasıdır.

Yapay zekaya özgü bir risk de bir belgenin içindeki talimatların modeli yönlendirmesidir. OWASP, prompt injection olarak adlandırılan bu riskin RAG veya ince ayarla tamamen ortadan kalkmadığını belirtir. Bu yüzden belge içeriği, sisteme yetki veren bir talimat gibi ele alınmamalıdır.

Bir asistan yalnızca bilgi getiriyorsa etkisi ile ERP’de kayıt değiştirebiliyorsa etkisi farklıdır. Araç yetkilerini sınırlamak, kritik işlemlere insan onayı koymak ve kayıtları incelemek riski azaltmaya yardımcı olur. İnternet bağlantısını kesmek bu kontrollerin yerine geçmez.

Kaynak: OWASP — LLM01:2025 Prompt Injection

İlk adım, küçük ve ölçülebilir bir pilot olmalı.

Başlangıç için tek bir ekip ve sık tekrarlanan bir bilgi ihtiyacı seçin. Örneğin teknik destek ekibinin güncel ürün dokümanlarında yanıt bulması, bütün şirketi kapsayan bir asistandan daha net bir ilk kapsam sunar.

Pilotun amacı yalnızca etkileyici yanıtlar görmek değildir. Yetkisiz bir kullanıcının belgeye ulaşamadığını, sistemin eksik bilgide nasıl davrandığını ve bir yanıtın kaynağına gidilebildiğini de test edin. Kullanıcının harcadığı süreyi ve düzeltme ihtiyacını önceki yöntemle karşılaştırın.

• Çözülecek işi ve süreç sahibini belirleyin
• Güncel, sınırlı ve erişim kuralları belli bir veri kümesi seçin
• Yerel veya izole kurulum gereksinimini netleştirin
• Gerçek sorular ve erişim testleriyle başarı ölçütleri oluşturun
• Donanım, bakım ve sorumluluk planını pilotla birlikte değerlendirin

Şirketinize uygun kapsamı birlikte belirleyelim.

Güvenli yapay zeka yolculuğuna başlamak için bütün teknik kararları önceden vermiş olmanız gerekmez. Hangi bilgiye daha hızlı erişmek istediğinizi, bu bilginin hassasiyetini ve mevcut sistemlerinizi netleştirmek yeterli bir başlangıçtır.

Parley olarak keşif, veri ve erişim modelleme, kuruma özel uygulama geliştirme, entegrasyon ve pilot değerlendirmeyi birlikte ele alıyoruz. On-premise veya air-gapped kurulum ihtiyacını, seçilen iş senaryosu ve işletim koşulları üzerinden değerlendiriyoruz.