1787 tarihli ABD Anayasası’nı bir yapay zeka dedektörüne ver, sana yüksek olasılıkla şunu söyler: bir yapay zeka tarafından yazılmış. ChatGPT’den 236 yıl önce ortaya çıkmış bir metin.

Bu özenle seçilmiş tekil bir örnek değil, tertemiz bir deney: GPTZero’nun kurucusu Edward Tian, nedenini bizzat açıkladı — Anayasa, aynı dil modellerine defalarca beslenmiş bir metin. Dedektör bunda tam olarak gerçek yapay zekada da gördüğü şeyi görüyor. Sadece bu sefer yanlışlıkla.

Ve sorun tam da burada. Bir yapay zeka dedektörü bir metnin yapay zekadan gelip gelmediğini ölçmez. Başka bir şeyi ölçer — ve bunu yapay zeka kökeniyle karıştırır.

Bir dedektör gerçekte neyi ölçer

Bir intihal tarayıcısı sana orijinal kaynağı yanına koyar. Kontrol edebilirsin: burada kopyalanan paragraf, orada asıl kaynak. Bu doğrulanabilir ve çürütülebilir.

Bir yapay zeka dedektörü bunu yapamaz. Elinde bir kaynak yoktur. Bir metnin ne kadar öngörülebilir olduğunu ölçer — teknik terimle: perplexity (şaşkınlık değeri). Dil modelleri olası, akıcı, beklenen kelime dizileri üretir. Yani tersi şüphe olarak sayılır: akıcı ve öngörülebilir yazan biri, dedektöre bir makine gibi görünür.

İşin tüm sırrı bu. Ve tüm hatası da bu.

Çünkü akıcı ve öngörülebilir yazan kim? Sadece yapay zeka değil. Bir yabancı dil öğrenmiş ve güvenli, standart ifadelere başvuran insanlar da. Basit ve net yazan insanlar. Bazı nörodivergent yazarlar. Dedektör bu insanları bir yapay zekadan ayırt edemez, çünkü hiçbir zaman yapay zekayı aramamıştır — sadece akıcılığı aramıştır.

Sorunun yapay zekada değil, dilde olduğunun kanıtı

Stanford Üniversitesi’nin bir araştırması (Liang ve ark., Cell Press’in Patterns dergisinde yayımlandı, 10.07.2023) yedi ticari dedektörü gerçek, kesinlikle insan eliyle yazılmış metinler üzerinde test etti.

ABD’de 8. sınıf öğrencilerinin denemelerinde hata oranı sıfıra yakındı. İngilizcenin yabancı dil olduğu kişiler tarafından yazılan TOEFL denemelerinde ise aynı dedektörler ortalama %61,22’sini yanlışlıkla yapay zeka olarak sınıflandırdı. Denemelerin neredeyse %98’i en az bir araç tarafından işaretlendi, beşte biri ise yedi aracın tamamı tarafından oybirliğiyle.

Sonra her şeyi açıklayan kısım geliyor. Araştırmacılar, GPT-4’e TOEFL denemelerini dil açısından cilalattı — daha gelişmiş kelime seçimi, başka hiçbir şey değil. Yanlış yapay zeka sınıflandırması %61,22’den %11,77’ye düştü.

Aynı içerik, aynı insanlar, aynı dedektörler. Sadece daha zengin bir dil. Daha iyi bir kelime dağarcığı bir “yapay zeka metnini” bir “insan metnine” dönüştürüyorsa, dedektör yapay zekayı ölçmüyor demektir. Dil seviyesini ölçüyor. Ve düşük olanı cezalandırıyor.

Birçok aracı yan yana test edince ne olur

Şimdiye kadarki en kapsamlı bağımsız araştırma Weber-Wulff, Anohina-Naumeca, Foltýnek ve meslektaşlarına ait (International Journal for Educational Integrity 19:26, hakemli, 25.12.2023). Kökeni bilinen 54 belge üzerinde 14 dedektörü test ettiler — 756 tekil test.

Sonuç: Hiçbir araç %80 doğruluğa ulaşamadı, sadece beşi %70’in üzerine çıktı. Yanlış-pozitif oranları %0’dan (bu testte Turnitin) %50’ye (bu testte GPTZero) kadar değişti. Gerçek yapay zeka metinlerinin yaklaşık %20’si insana atfedildi — hafif bir düzenlemeden sonra ise tam yarısı.

Yazarlar, sistemlerin “akademik kullanıma uygun olmadığını” yazıyor. Ve asıl özü ortaya koyuyorlar: intihal tarayıcısından farklı olarak ortada bir orijinal kaynak yok. Yalnızca bu temelde suçlanan bir öğrencinin “savunma imkânı” olmazdı — orijinalinde: no possibility for a defence.

Kanıtlanmamış bir şey çürütülemez.

En dürüst tanık: OpenAI’nin kendisi

Eğer birinin yapay zeka metnini tespit edebilmesi gerekiyorsa, o da ChatGPT’nin üreticisidir. OpenAI bunu denedi — Ocak 2023’te yayımlanan kendi “AI Text Classifier” aracıyla.

Yaklaşık altı ay sonra OpenAI onu tekrar kaldırdı. Kendi güncelleme notunda gerekçe şöyle geçiyor: due to its low rate of accuracy — düşük doğruluk oranı nedeniyle. Araç, yapay zeka metinlerinin yalnızca %26’sını tespit edebiliyor ve insan metinlerinin %9’unu yanlışlıkla yapay zeka olarak sınıflandırıyordu. 1.000 karakterin altındaki kısa metinler için “çok güvenilmez” olduğu belirtiliyordu.

Modeli inşa eden üretici, kendi çıktısını güvenilir şekilde tespit edemedi — ve ürünü geri çekecek kadar dürüsttü.

Sağlayıcıların kendi ince yazılarında yazdıkları

En açıklayıcı bilgi pazarlama metinlerinde değil, SSS’lerde yer alıyor.

Turnitin, eğitim alanının pazar lideri, belge genelinde “%1’in altında” bir yanlış-pozitif oranından bahsediyor. Devamını okuyunca, bu rakamın yalnızca %20’nin üzerinde yapay zeka içeriği olan belgeler için geçerli olduğu görülüyor; cümle bazında oran yaklaşık %4; %20’nin altında ise araç artık hiçbir rakam göstermiyor, sadece bir yıldız işareti. Ve Turnitin’in kendisi, sonucun “bir işlem için tek başına dayanak olarak kullanılmaması gerektiğini” yazıyor.

GPTZero, kendi SSS’sinde sonuçlarının “öğrencileri cezalandırmak için kullanılmaması gerektiğini” yazıyor — these results should not be used to punish students. Ve: eğitim veri setinin büyük çoğunlukla yetişkin yazarların İngilizce düzyazısından oluştuğunu belirtiyor. Önyargıyı açıklayan tam olarak bu.

İşte ortak nokta bu: sağlayıcıların kendisi, öğretmenlerin bu araçları tam olarak kullandığı amaca — şüphe üzerine ceza vermeye — karşı uyarıyor.

Adil olmak gerekirse bir karşı bulgu var, ve buraya ait: Turnitin kendi araştırmasını yayımladı (26.10.2023), buna göre 300 kelimenin üzerinde İngilizce öğrenenler için istatistiksel olarak anlamlı bir dezavantaj yok. Bu, Stanford’la yalnızca kısmen çelişiyor — uzun metinler için. Kısa metinler için Turnitin’in kendisi daha yüksek hata oranlarını kabul ediyor. Ve bu, kendi davasında tanıklık eden biri. Kısa ödevler, özetler, iki paragraflık yanıtlar günlük ders hayatının parçası — tam da rakamların en kötü olduğu yer.

Küçük bir yüzde neden yine de tehlikeli

“%1’in altında” kulağa rahatlatıcı geliyor. Büyüt bakalım.

Vanderbilt Üniversitesi 2022’de yaklaşık 75.000 ödev gönderdi. Matematiksel olarak — ölçülmüş değil — Turnitin’in kendi “%1’in altında” rakamından buradan yaklaşık 750 vakada bir insanın yanlışlıkla işaretlenmiş olacağı çıkar. Bu vakaların gerçekten yaşanıp yaşanmadığını hesap söylemiyor. Ama Vanderbilt sonucu çıkardı ve dedektörü 16.08.2023’te devre dışı bıraktı, gerekçe olarak yapay zeka tespit yazılımının kullanılması gereken etkili bir araç olduğuna inanmadıklarını belirtti.

Kitlesel kullanımda düşük bir hata oranı küçük bir sayı değildir. Yılda üç haneli sayıda şüphelendirme demektir — her birinin arkasında hiçbir şey yapmamış bir insan var.

Peki Alman hukuki durumu?

En önemlisi önce, ve bu neredeyse hiçbir özette yer almıyor: Almanya’da ispat yükü üniversitede. Bir hile iddiasını sınav kurumu kanıtlamak zorunda — ve hem hile hem de yaptırım önceden sınav yönetmeliğinde düzenlenmiş olmalı. Bir dedektör skoru bu ispat yükünü tersine çevirmez.

En güncel karar Kassel İdare Mahkemesi’nden geliyor (25.02.2026, Dosya No. 7 K 2134/24.KS ve 7 K 2515/25.KS). Mahkeme, yapay zeka kullanımı nedeniyle verilen yaptırımları onayladı — ancak bunu açıkça bir dedektöre dayandırmadan, insan tarafından kontrol edilebilir emarelere dayandırarak yaptı: yazılı ve sözlü performans arasında dikkat çekici bir tutarsızlık, aşırı derecede tekrarlanan standart ifadeler. Kararlar henüz kesinleşmedi (24.07.2026 itibarıyla); daha üst bir mahkemenin onaylayıp onaylamayacağı belirsiz.

Digitale Lehre Hub Niedersachsen’in uygulamaya dönük bir kılavuzu (Baresel, Horn & Schorer, 24.02.2025 itibarıyla) üniversitelere yapay zeka dedektörü kullanmamalarını tavsiye ediyor. Argümanları: kişisel sınav verileri (GDPR Madde 6), tamamen otomatik kararların yasaklanması (GDPR Madde 22), AB Yapay Zeka Yasası kapsamında yüksek riskli yapay zeka olarak sınıflandırılma olasılığı. Atıfta bulunulan Münih İdare Mahkemesi’nin acil yargılama süreçlerinde dedektör sonuçları her seferinde yalnızca bir emare olarak kabul edildi, hiçbir zaman kanıt olarak değil.

Bazı Alman üniversiteleri bundan en net sonucu çıkarıyor ve bilinçli olarak hiç yapay zeka dedektörü sunmuyor — bireysel bir görüş olarak değil, resmi bir politika olarak.

Bir dedektör seni haksız yere işaretlerse ne yapabilirsin

Burada yapılan gazetecilik değerlendirmesidir, senin somut durumun için hukuki tavsiye değil — bunun için dosyayı bilen biri gerekir. Ama kanıtlanmış olguların ve alıntılanan kılavuzların işaret ettiği yön belirlenebilir:

Skorun tek başına kanıt değildir. Bir olasılık belirtir, doğrulanabilir bir kaynak değil. Dayanağını sor: hangi araç, hangi sürüm, hangi rakam, neye göre ölçülmüş? Bu bilgiler olmadan “yüksek yapay zeka değeri” bir kanıt değil, bir iddiadır.

Ortaya çıkış sürecini göster. Bu, bir dedektörün tam olarak sunamadığı en güçlü karşı kanıttır: belgenin sürüm geçmişi (Google Docs, Word, her bulut bunu saklar), ara aşamalar, notlar, araştırma sekmeleri, kaynaklar. Gerçek bir yazma süreci iz bırakır. Bir olasılık bunu yapmaz.

Seni etkiliyorsa önyargıyı adlandır. Almanca — ya da İngilizce — anadilin değilse, Stanford araştırması senin kaynağın: anadili konuşanları neredeyse hatasız geçiren aynı araçlar, yabancı dil konuşanları toplu halde işaretliyor. Bu senin aleyhine bir şüphe unsuru değil, araçların bilinen, ölçülmüş bir tasarım hatasıdır.

İspat yükünü bil. Almanya’da hileyi üniversite kanıtlamak zorundadır, sen masumiyetini değil. Ciddi bir durumda bu, üniversitenin hukuk danışmanlığının, bir uzman avukatın ya da veri koruma görevlisinin işidir.

Dürüst karşı görüş

Bunun rahat bir tek taraflılığa dönüşmemesi için: dedektörlerin lehine olan iki şey var — ve ikisinin de söylenmesi gerekiyor.

Birincisi, insanlar yapay zeka metnini tespit etmede daha da kötü. Akademik yazım üzerine bir araştırma (Cheng ve ark., 2025) şunu buldu: insan hakemler %19’da kaldı — tesadüf düzeyi. Dedektörler onları açık farkla geçti. Ancak aynı araştırma, tamamen insan eliyle yazılmış metinlerde %72,2’lik bir yanlış-pozitif oranı da ölçtü. “Tespitte insanlardan daha iyi” ile “kanıt olarak kullanılamaz” birbirini dışlamıyor.

İkincisi: kaynakta tespit işe yarıyor. Google DeepMind, Nature’da (23.10.2024) yapay zeka çıktılarını, metin kalitesini ölçülebilir şekilde düşürmeden güvenilir biçimde işaretleyen bir metin filigranı (SynthID-Text) gösterdi — yaklaşık 20 milyon Gemini yanıtı üzerinde test edildi. Fark belirleyici: sinyal üretim sırasında yerleştiriliyor, sonradan tahmin edilmiyor. Tam da bu yüzden düzenlemeler de buna güveniyor: 2 Ağustos 2026’dan itibaren AB Yapay Zeka Yasası’nın 50. maddesi (AB Komisyonu’nun SSS’sine göre), üretken yapay zeka sağlayıcılarının çıktılarını makine tarafından okunabilir şekilde işaretlemesini zorunlu kılıyor — mevcut sistemler için geçiş süresi 2 Aralık 2026’ya kadar. (Bu, birincil kaynağa göre hukuki durumdur, hukuki tavsiye değildir; okuma tarihindeki güncel durumu kontrol et.)

Yani ileriye giden yol kaynakta işaretlemedir, sonuç üzerinden tahmin değil. Siyasetin bu yolu seçmesi sessiz bir itiraftır: sonradan devreye giren dedektör sorunu çözmüyor.

Akılda kalacak tek cümle

Bir yapay zeka dedektörü bir sohbet vesilesidir, mahkeme kararı değil. Bir soruyu tetikleyebilir — “bana bu metnin nasıl ortaya çıktığını anlat”. Ama asla son sözü söyleyemez. Bu, kibar bir tavır olduğu için değil, teknik olarak başka bir şey yapamadığı için: akıcılığı ölçer, bir olasılık belirtir ve yanına hiçbir kaynak koymaz. Buna dayanarak bir not veya bir suçlama yapan kişi, bir varsayımı bir kanıtla karıştırıyor demektir.

Ve 1787 Anayasası öyle değildi.

Kaynaklar

Tümü 24 Temmuz 2026’da kontrol edildi. Rakamlar belirtilen ölçüm tarihine göre geçerlidir; dedektör değerleri ve hukuki durum o tarihten bu yana değişmiş olabilir.

Burada sana eskimiş veya yanlış görünen bir şey varsa: bana yaz.