CHP Genel Başkanı Özgür Özel’in belediye başkan adaylarının belirlenmesinde yapay zekâdan yararlandıklarını açıklaması, yapay zekâ ile aday seçimi konusunda hangi verilerin kullanılabileceği tartışmasını yeniden gündeme getirdi. Yapay zekâ tabanlı bir model yalnızca “kim daha çok oy alır?” sorusuna değil; yönetim kapasitesi, siyasi tutarlılık, etik geçmiş ve parti değiştirme riski gibi başlıklara da odaklanabilir.
Özgür Özel, CHP’nin yerel seçimlerde aday belirleme sürecinde anketler ve veri analizlerinden yararlandığını, bazı çalışmalarda yapay zekâ destekli yöntemlerin de kullanıldığını açıklamıştı. Bu yöntemler doğrudan belediye başkanı seçmekten çok, anketlerdeki açık uçlu yanıtların değerlendirilmesi, tekrar eden isimlerin belirlenmesi ve veri içindeki tutarsızlıkların saptanması gibi alanlarda kullanılıyor.
Ancak yapay zekânın aday belirleme sürecinde daha geniş biçimde kullanılması halinde, yalnızca seçilebilirliğe dayalı bir model yerine çok sayıda kriterin birlikte değerlendirilmesi mümkün.
Yapay zekâ ile aday seçimi hangi kriterlere dayanabilir?
Böyle bir sistemde adayın kamu yönetimi ve yöneticilik deneyimi, geçmiş sicili, şehrin sorunlarına hâkimiyeti, mali yönetim becerisi, ekip kurma kapasitesi, kriz yönetimi ve şeffaflık geçmişi temel başlıklar arasında yer alabilir.
Seçilebilirlik ise kriterlerden yalnızca biri olarak değerlendirilebilir. Bir adayın anketlerde yüksek oy potansiyeline sahip olması, belediyeyi iyi yöneteceği anlamına gelmeyebilir.
Bu nedenle yapay zekâ destekli bir sistem, “seçimi kim kazanır?” sorusu ile “belediyeyi kim daha iyi yönetir?” sorusunu birbirinden ayırabilir. Yapay zekânın insanları tek bir puana indirgeyen tartışmalı değerlendirmelerde nasıl kullanılabildiğine ilişkin benzer sorunlar, yapay zekânın öznel sıralamalar yapmasındaki sınırlar üzerinden de tartışılıyor.
Parti değiştirme riski de ölçülebilir mi?
Aday belirleme sürecindeki başka bir tartışma ise seçildikten sonra parti değiştiren belediye başkanları.
Bu konuda kesin sonuç veren bir algoritma oluşturmak mümkün değil. Ancak adayın geçmiş siyasi davranışlarından hareketle bir risk profili çıkarılabilir.
Böyle bir değerlendirmede “parti sadakati” yerine siyasi tutarlılık ve baskıya dayanıklılık esas alınabilir. Çünkü bir siyasetçinin parti değiştirmesi tek başına fırsatçılık anlamına gelmez. Asıl incelenebilecek konu, siyasi tercihlerdeki değişimin geçmiş davranışlarla ve kişisel çıkarlarla nasıl ilişkilendiğidir.
Adayın son 10 veya 15 yıldaki parti üyelikleri, adaylık süreçleri, kamuoyuna yaptığı açıklamalar, kritik siyasi dönemlerdeki tavırları ve görev alamadığı zamanlardaki davranışları incelenebilir.
Özellikle kişinin siyasi çıkarıyla görüşleri karşı karşıya geldiğinde nasıl davrandığı önemli bir gösterge olabilir.
Aday gösterilmediğinde partisinden ayrılıp ayrılmadığı, seçim kayıplarından sonra siyasi çizgisini koruyup korumadığı veya siyasi güç dengeleri değiştikçe pozisyon değiştirip değiştirmediği bu analizin parçaları arasında yer alabilir.
Türkiye’de parti üyeliğinin dijital sistemlerle ilişkisi de ayrı bir tartışma konusu. TKNLJ’de daha önce siyasi parti üyeliği ve e-Devlet ilişkisi üzerinden bu sürecin teknik ve idari boyutları ele alınmıştı.
Konuşmalar ve sosyal medya arşivi taranabilir
Yapay zekânın en güçlü kullanılabileceği alanlardan biri geçmiş siyasi söylemin analizi olabilir.
Bir adayın yıllar içindeki röportajları, sosyal medya paylaşımları, meclis konuşmaları ve televizyon açıklamaları toplu olarak incelenebilir.
Sistem böylece adayın hangi başlıklarda görüş değiştirdiğini, bu değişikliklerin hangi tarihlerde gerçekleştiğini ve siyasi konjonktürle ilişkili olup olmadığını ortaya çıkarabilir.
Örneğin bir siyasetçinin muhalefetteyken savunduğu bir görüşü iktidara yaklaştığında değiştirmesi siyasi tutarlılık açısından değerlendirilebilir. Aynı şekilde aday gösterilmediği dönemlerde parti yönetimine karşı sertleşip görev aldıktan sonra aynı eleştirilerden vazgeçmesi de risk göstergelerinden biri olabilir.
Burada yapay zekânın görevi kişinin niyetini bildiğini iddia etmek değil, yıllara yayılan açıklamalar arasındaki değişiklikleri görünür hale getirmek olabilir.
Ekonomik ve siyasi ilişkiler de tabloya dahil edilebilir
Risk analizinde yalnızca siyasi açıklamalar değil, adayın çevresindeki ilişki ağı da incelenebilir.
Şirket ortaklıkları, dernek ve vakıf ilişkileri, siyasi çevresi ve kamuyla ekonomik bağlantıları, adayın farklı siyasi yapılara olan bağımlılığı konusunda bilgi verebilir.
Adayın siyasetin dışında mesleki ve ekonomik bir hayatının bulunması da ayrıca değerlendirilebilir. Tüm ekonomik ve sosyal statüsü siyasi göreve bağlı olan bir kişinin makam kaybı karşısındaki kırılganlığının daha yüksek olabileceği varsayılabilir.
Buna karşılık siyasetten bağımsız mesleği, ekonomik gücü ve yerel itibarı bulunan adaylarda siyasi baskılara karşı direnç daha yüksek olabilir.
Ancak bu verilerin hiçbiri tek başına kişinin gelecekte nasıl davranacağını kanıtlamaz. Böyle bir sistemin anlamlı olabilmesi için farklı göstergelerin birlikte değerlendirilmesi gerekir.
“Fırsatçılık endeksi” oluşturulabilir
Adayların geçmiş davranışlarını değerlendirmek için bir tür “siyasi fırsatçılık endeksi” de oluşturulabilir.
Son yıllarda birden fazla kez parti değiştirmek, adaylık verilmediğinde siyasi çizgisini değiştirmek veya güç kazanan siyasi yapıya sistematik biçimde yaklaşmak risk puanını yükseltebilir. Kariyerin tamamen merkezi parti yönetiminin verdiği görevlere bağlı olması da değerlendirmeye alınabilir.
Buna karşılık makam kaybetme pahasına siyasi tutarlılığını korumak risk puanını düşürebilir. Seçim yenilgilerinden sonra aynı siyasi çizgide çalışmayı sürdürmek, parti içinde eleştiri yapmasına rağmen başka partiye geçmemek ve güçlü bir yerel toplumsal tabana sahip olmak da aynı şekilde değerlendirilebilir.
Bu tür bir model sonucunda adaylar hakkında “parti değiştirecek” şeklinde kesin hükümler üretmek yerine, “düşük”, “orta” veya “yüksek siyasi geçiş riski” gibi sınıflandırmalar yapılabilir.
Yapay zekâ karar verici değil, siyasi hafıza aracı olabilir
Yapay zekânın aday belirleme süreçlerindeki en önemli işlevlerinden biri geçmiş siyasi davranışları sistematik biçimde hatırlatması olabilir.
Bir adayın yıllar önce yaptığı açıklamalar, daha sonra değiştirdiği siyasi pozisyonlar veya adaylık dönemlerindeki tavırları geniş veri setleri içinde karşılaştırılabilir.
Bu nedenle yapay zekânın siyasetteki rolü doğrudan “aday seçmekten” çok, adaylar hakkında daha kapsamlı ve karşılaştırılabilir bir veri tabanı oluşturmak olabilir.
Türkiye’nin yapay zekâyı hangi alanlarda ve hangi hedeflerle kullanması gerektiği de daha geniş bir politika tartışmasının parçası. TKNLJ’deki Türkiye’nin yapay zekâ vizyonuna ilişkin değerlendirme, teknolojiyi yalnızca araç geliştirme meselesi olarak görmenin sınırlarına dikkat çekiyor.
Böyle bir sistem, partilere yalnızca “kim kazanabilir?” sorusunun yanıtını aratmayabilir. “Kim iyi yönetebilir?”, “kim siyasi olarak tutarlı?” ve “kim seçildikten sonra seçmenin verdiği siyasi yetkiyi koruma ihtimali daha yüksek?” soruları da aynı değerlendirmeye dahil edilebilir.
Sonuçta yapay zekâ ile aday seçimi, bir algoritmanın belediye başkanını doğrudan belirlemesi anlamına gelmek zorunda değil. Teknoloji daha gerçekçi biçimde, adayların geçmişlerini karşılaştıran, unutulan siyasi davranışları ortaya çıkaran ve karar vericilerin önüne daha kapsamlı bir tablo koyan bir araç olarak kullanılabilir.
