AI ve İnsan Denetimi: Güvenlik Tarama Sistemlerinde Yeni Denge

Fiziksel güvenlik alanında yapay zekânın (AI) rolü, tehditleri tespit etme ve müdahale sürecinde insan yargısıyla nasıl bütünleşeceği sorusunu gündeme getiriyor. 2025 ASIS International raporu, güvenlik profesyonellerinin %23’ünün nesne tespiti ya da hareket takibi için AI ya da makine öğrenimini kullandığını, %19’un ise anormal durumları işaretlemek amacıyla benzer teknolojilere başvurduğunu gösteriyor. Bu oranlar, teknolojik algılamaların insan gözetimiyle nasıl birleştirileceği tartışmasının önemini ortaya koyuyor.

AI Kullanımının Mevcut Durumu

Rapor, AI’nin güvenlik kameralarında nesne tanıma ve hareket izleme gibi fonksiyonlarda kullanılmaya başladığını vurguluyor. Ancak, bir uyarı sisteminin devreye girdiğinde **kim** bu bildirimi inceleyecek ve sonraki adımı belirleyecek sorusu hâlâ kritik. AI’nin sadece bir “uyarı üreticisi” olarak kalmaması, insan denetiminin aktif bir parçası haline gelmesi gerekiyor.

NIST’in Güvenilir AI Çerçevesi

Amerika Birleşik Devletleri Ulusal Standartlar ve Teknoloji Enstitüsü (NIST), kritik altyapılarda güvenilir AI kullanımını inceleyen bir konsept notu yayınladı (Nisan 2026). Bu kapsamda geliştirilen AI Risk Management Framework, aşağıdaki temel ilkeleri öne çıkarıyor:

• Görev ve sorumlulukların net bir şekilde tanımlanması,
• İnsan denetiminin belgelenmesi,
• Uygulama öncesi ve operasyon sırasında test edilmesi.

Giriş kontrol noktalarında bu prensipler, personelin uyarıları ne kadar iyi anladığını ve prosedürlerin ne kadar açık olduğunu ölçmeyi gerektiriyor. NIST, performans değerlendirmesinin sadece “geçiş süresi” gibi ölçütlerle sınırlı kalmayıp, yoğun trafik anlarında uyarıların incelenmesi, takip taramalarının yönetilmesi ve kararların bilgiye dayalı alınması gibi faktörleri de kapsaması gerektiğini belirtiyor.

Athena Security’dan Uygulama Örneği

AI‑tabanlı tarama teknolojileri geliştiren Athena Security şirketinin kurucu ortağı ve CTO’su Chris Ciabarra, bu tartışmayı pratiğe döken bir perspektif sunuyor. Ciabarra, “Güvenlikle ilgili her şeyde insan denetimi olmalı; sistem tek başına karar vermemeli” diyor. Yoğun bir okul girişinde, görevlilerin hem gelenleri izlediği hem de AI tarafından işaretlenen bir X‑ray görüntüsündeki şüpheli nesneyi gözden geçirdiği bir senaryo örnek veriyor.

Ciabarra’nın savunduğu tasarım prensibi, **her AI bileşenine sınırlı ve net bir görev tanımlamaktır**. Örneğin bir algoritma sadece görüntü analizi yaparken, diğeri prosedür hatalarını işaretleyebilir. Bu sınırlama, sistemi daha kolay denetlenebilir kılıyor ve “tek bir ajan her şeyi yapmasın” ilkesini güçlendiriyor.

Aynı NIST raporunda önerildiği gibi, bu sınırlı görevlerin **belgelendirilmesi** ve ilgili koşullarda **performans testlerinin** yapılması gerekliliği vurgulanıyor. Ciabarra, ekipmanların rutin bakımlarının yanı sıra personelin tarama sürecindeki davranışlarının da izlenmesi gerektiğini ekliyor.

Gelecek ve Merkezi İzleme Potansiyeli

Athena Security, X‑ray bagaj tarama platformu üzerinden **merkezi bir uyarı inceleme** modelini destekliyor. Ciabarra, bu yaklaşımın birden fazla kontrol noktasından gelen uyarıların tek bir merkezde uzmanlar tarafından değerlendirilmesini sağlayarak yanıt süresini ve tutarlılığı artırabileceğini öne sürüyor. Şirket, bu sistemin şu an için bir vizyon olduğunu, ancak gelecekte okullar ve benzeri kurumlarda uygulanabilir bir model haline gelebileceğini belirtiyor.

Bu perspektif, AI’nın otomasyon kapasitesini artırırken aynı zamanda **insan unsurunun korunması** gerektiğine dair iki olası yolu ortaya koyuyor: Net sınırlarla tanımlanmış AI, personelin odaklanması gereken noktaları işaretler; otomatik çıktılara tamamen güvenmek ise insan denetimini zayıflatabilir.

Kurumsal Uygulama İçin Öneriler

Güvenlik liderleri, AI entegrasyonuna dair şu adımları izleyebilir:

1. Görevi netleştirin: Hangi aşamada AI devreye girecek, hangi sorumluluklar insanlara kalacak?
2. İnceleme sorumlularını belirleyin: Uyarıyı kim onaylayacak, hangi prosedürler izlenecek?
3. Performans takibini planlayın: Gerçek koşullarda testler yapın, sonuçları belgeleyin ve periyodik olarak güncelleyin.

Ciabarra’nın vurguladığı gibi, AI’nın amacı ekibin karar alma kapasitesini güçlendirmek ve kritik anlarda “nerede odaklanılması gerektiğini” göstermektir. Bu amaç net bir şekilde tanımlanırsa, teknoloji kurum içi sorumlulukların bulanıklaşmasını engelleyerek güvenlik operasyonlarını daha etkili kılar.

Sonuç olarak, AI ve insan gözetiminin birlikte çalıştığı bir güvenlik ekosistemi, hem teknoloji hem de yönetim açısından dengeli bir yaklaşım gerektiriyor. NIST’in çerçevesi ve Athena Security gibi öncü firmaların deneyimleri, bu dengeyi kurmak için somut bir yol haritası sunuyor.