Yazı dizimizin ilk bölümünde, yapay zekânın denetçi istihdamını azaltmadığını; aksine mesleğin niteliğini dönüştürdüğünü ele almıştık. Sıradaki temel soru ise şu: Yapay zekâ denetimin kalitesini gerçekten artırıyor mu? Daha düşük hata oranları, daha yüksek doğruluk düzeyi ve daha güvenilir denetim çıktıları mümkün mü?

Akademik çalışmalar ve sektör verileri bu soruya büyük ölçüde “evet” yanıtını veriyor. Ancak ortaya çıkan bu olumlu tablo, beraberinde önemli yapısal ve etik tartışmaları da gündeme getiriyor.

Kamuda yapay zekâ deneyimi: Sayıştay bulguları

Türkiye Sayıştay Dergisi’nde yayımlanan Özdemir ve Yelboğa’nın (2025) çalışması, yapay zekâ uygulamalarının denetim süreçlerinde dönüştürücü bir rol üstlenebileceğini ortaya koyuyor. Literatür taraması ve ülke uygulamaları; anomali tespiti, belge işleme, risk odaklı planlama ve mevzuata uyum kontrollerinde yapay zekânın önemli katkılar sağladığını gösteriyor. Brezilya, Hindistan ve Filipinler gibi ülkelerde milyonlarca işlemin çok kısa sürede analiz edilebilmesi, denetçilerin tüm veri evrenini kapsayacak şekilde inceleme yapabilmesine ve kritik risk alanlarına daha erken ve daha isabetli biçimde odaklanmasına olanak sağlıyor. Bu yaklaşım sonucunda denetim kapsamı genişliyor, hata ve usulsüzlüklerin erken aşamada tespiti kolaylaşıyor.

Akademik araştırmalar, yapay zekâ kullanımının denetim kalitesini soyut bir vaat olmaktan çıkararak ölçülebilir kazanımlara dönüştürdüğünü ortaya koyuyor. Bu kazanımlar ağırlıklı olarak iki temel başlık altında toplanıyor: hata tespiti ve değerlendirme doğruluğu.

Finansal hatalarda düşüş

California Berkeley, Drexel ve San Francisco üniversitelerinden araştırmacıların, Los Angeles merkezli AI for Good Foundation işbirliğiyle yürüttüğü ve Springer bünyesinde yayımlanan çalışma, 400 binden fazla denetçi özgeçmişini analiz ediyor. Bulgulara göre, yapay zekâ yatırımı yapan firmalarda finansal tablo düzeltmelerinde yaklaşık yüzde 5 oranında azalma gözlemleniyor. Gelir tanıma ve tahakkuk hatalarındaki düşüş ile SEC soruşturmalarına yol açabilecek büyük yanlışlıkların daha erken aşamada tespit edilmesi, çalışmanın öne çıkan sonuçları arasında yer alıyor.

Bu sonuçlar, yapay zekânın insan denetçilerin manuel olarak inceleyemeyeceği büyüklükte veri setlerini analiz ederek riskleri daha görünür ve yönetilebilir kıldığını gösteriyor.

Kritik yargılarda daha yüksek doğruluk

Law ve Shen’in çalışması, yapay zekânın özellikle profesyonel yargı gerektiren alanlarda fark yarattığını ortaya koyuyor. İşletmenin sürekliliğine ilişkin değerlendirmeler daha isabetli yapılırken, iç kontrol zayıflıkları ve büyük finansal düzeltmeler daha erken aşamada tespit edilebiliyor. Bu da denetim faaliyetlerinin yalnızca geçmiş dönem verilerine odaklanmakla sınırlı kalmayıp işletmenin geleceğe yönelik risklerini de daha sağlıklı biçimde analiz edebilmesini sağlıyor. Özetle yapay zekâ, sadece rutin hataların tespitini değil, şirketlerin sürdürülebilirliğini tehdit eden kritik risk unsurlarının daha erken görünür hale gelmesini de destekliyor.

Beraberinde gelen zorluklar

Elde edilen kazanımlara rağmen, yapay zekânın denetim süreçlerinde kullanımı önemli zorlukları da beraberinde getiriyor. Babson College tarafından yürütülen kapsamlı mülakat çalışmaları, bu zorlukları altı ana başlık altında topluyor.

  • Şeffaflık ve açıklanabilirlik: Derin öğrenme modelleri, birçok durumda ürettikleri çıktılara hangi karar adımlarıyla ulaştıklarını açıklamakta zorlanıyor. Denetçiler sonucu görüyor ancak bu sonucun arkasındaki karar mantığını tam olarak anlayamayabiliyor.
  • Algoritmik yanlılık riski: Yapay zekâ eğitiminde kullanılan verilerin hedef popülasyonu ne ölçüde temsil ettiği ve ortaya çıkan sonuçların algoritmik yanlılıktan arındırılıp arındırılamadığı, önemli bir tartışma alanı olarak öne çıkıyor.
  • Veri gizliliği: Hassas müşteri verilerinin istem dışı ifşa edilme riski, yapay zekâ araçlarının kurumsal süreçlerde kullanımına ilişkin en kritik başlıklardan biridir.
  • Doğruluk, etkinlik ve güvenilirlik: Model stabilitesi ve yeni bilgilere uyum, bir diğer kritik başlık. Yapay zekâ araçlarının doğruluk ve etkinlik düzeyinin nasıl ölçüleceği, küresel denetim uygulamalarında kullanılan modellerin nasıl belgeleneceği ve zaman içinde farklı sonuçlar üretebilen sistemlere denetçilerin hangi çerçevede güvenebileceği konusu henüz netlik kazanmış değil.
  • İnsan faktörü ve aşırı güven riski: Yapay zekâ sistemlerine aşırı güven duyulması, denetçi yanlılığı riskini artırabiliyor.
  • Yapay zekâ rehberliği ihtiyacı: Denetim faaliyetlerini yönlendirecek bütüncül bir yapay zekâ yönetişim çerçevesinin eksikliği dikkat çekiyor.

Zorluklara karşı geliştirilen çözüm önerileri

Babson College tarafından yapılan çalışmalar, yapay zekâ kullanımına ilişkin karşılaşılan zorluklara yönelik çeşitli çözüm yaklaşımları sunuyor. Bunlar arasında açıklanabilirlik tekniklerinin (LIME, Shapley gibi) kullanılması, algoritmik yanlılığı izleyen ve denetleyen araçların geliştirilmesi ile güçlü veri gizliliği ve siber güvenlik mimarilerinin oluşumu öne çıkan başlıklar arasında yer alıyor.

Teknoloji güçlü ama merkezde hâlâ insan var

Mevcut bulgular, yapay zekânın denetim kalitesini anlamlı ölçüde artırdığını ortaya koyuyor. Hata oranları düşüyor, riskler daha erken aşamada tespit ediliyor ve denetim kapsamı daha büyük veri setlerini içerecek şekilde genişliyor. Ancak bu başarı, teknolojinin sınırlarının farkında olunmasını gerektiriyor. Algoritmik yanlılık, veri kalitesi, açıklanabilirlik eksikliği ve aşırı güven riski yöneltilmediği sürece, yapay zekâ denetim süreçlerini güçlendirmek yerine yeni risk alanları yaratma potansiyeline de sahip. Değişmeyen temel gerçek şu: Denetimin kalitesi nihai olarak insan denetçinin profesyonel yargısına, eleştirel düşünme becerisine ve etik duruşuna dayanıyor. Yapay zekâ güçlü bir destek aracı ancak son sözü söyleyen hâlâ insan.