36 OECD ülkesinden 31’i artık iç devlet süreçlerinde yapay zeka kullanıyor, ancak yalnızca 13’ü politika oluşturmayı desteklemek için kullanıyor. Arka ofis benimsemesi ile politika çalışması arasındaki bu yaklaşık 50 puanlık açık, kamu sektörü yapay zeka verilerindeki en net sinyal: hükümetler, sonuçların sınırlı kaldığı yerlerde teknolojiyi benimsedi, kararların vatandaşları etkilediği yerlerde ise tereddüt etti. Bu arada OECD (Ekonomik Kalkınma ve İşbirliği Örgütü), kamu görevlilerinin üretken yapay zekayı gözetim mekanizmalarının yetişebileceğinden daha hızlı benimsediğini bildiriyor. Aşağıdaki rakamlar OECD Digital Government Outlook ve ilgili kamu yönetişimi araştırmalarından geliyor.
TL;DR
- 36 OECD ülkesinden 31’i iç süreçlerde yapay zeka kullanıyor, yaklaşık %86 (OECD)
- Bu, iki yıl önceki 33 ülkeden 23’ü, yaklaşık %70 rakamından bir artış (OECD)
- 36’dan 27’si kamu hizmetlerinde yapay zeka kullanıyor, yaklaşık %75 (OECD)
- 33’ten 22’si rakamından bir artış, yaklaşık %67 (OECD)
- 36’dan yalnızca 13’ü politika oluşturmayı desteklemek için yapay zeka kullanıyor, yaklaşık %36 (OECD)
- 33’ten 11’i rakamından bir artış, yaklaşık %33 (OECD)
- İç süreçlerde benimseme yaklaşık 16 puan arttı (türetilmiş)
- Kamu hizmetlerinde benimseme yaklaşık 8 puan arttı (türetilmiş)
- Politika oluşturmada benimseme yaklaşık 3 puan arttı (türetilmiş)
- İç kullanım ile politika oluşturma arasındaki açık yaklaşık 50 puan (türetilmiş)
- İç yetkinlik açıkları en çok belirtilen engel (OECD)
- Kamu görevlileri genellikle resmi gözetim olmadan üretken yapay zeka benimsiyor (OECD)
- Turlar arasında ülke sayısı 33’ten 36’ya çıktı (OECD)
1. İç Süreçlerde Benimseme Neredeyse Evrensel
Arka ofis rakamları, ilk tartışmasını fiilen kazanmış bir teknolojiyi gösteriyor. 36 OECD ülkesinden 31’i, yaklaşık %86, artık iç süreçlerde yapay zeka kullanıyor; bu, önceki ölçüm turundaki 33 ülkeden 23’ü, yani yaklaşık %70 rakamından bir artış.
İki yılda 16 puanlık bir yükseliş, iç yapay zeka kullanımını artık deneysel olarak tanımlanabileceği noktanın ötesine taşıyor. Ölçülen ülkelerden yalnızca beşi hiç kullanmadığını bildiriyor. Bu örüntü, riskin nerede olduğuna bakınca mantıklı geliyor: belge işleme, çeviri, planlama ve iç arama, bir hatanın çıktıyı talep eden kişi tarafından fark edildiği ve kötü bir sonuçtan hiçbir vatandaşın etkilenmediği alanlar. Hükümetler yapay zekayı, tam olarak hesap verebilirlik sorusunun hiç gündeme gelmediği ortamlarda en istekli şekilde benimsedi; bu da çekingen bir tutumdan çok akla yatkın bir sıralama.
| Metrik | Değer | Kaynak |
|---|---|---|
| İç süreçlerde yapay zeka kullanan ülkeler | 36’dan 31 | OECD |
| Oran | yaklaşık %86 | OECD |
| Önceki tur | 33’ten 23 | OECD |
| Önceki oran | yaklaşık %70 | OECD |
| Değişim | yaklaşık 16 puan artış | OECD verilerinden türetilmiştir |
| İçeride yapay zeka kullanmayan ülkeler | 36’dan 5 | OECD verilerinden türetilmiştir |
| Kullanmayanların oranı | yaklaşık %14 | OECD verilerinden türetilmiştir |
| İç kullanımın durumu | deneysel aşamanın ötesinde | Türetilmiştir |
Kaynak: OECD Digital Government Outlook 2026, adopting and governing AI in government.
2. Kamu Hizmetleri İç Kullanımın Gerisinde Kalıyor
Vatandaşa yönelik uygulamalar açık bir adım geride duruyor. 36 ülkeden 27’si, yaklaşık %75, kamu hizmetlerinde yapay zeka kullanıyor; bu, 33 ülkeden 22’si, yani yaklaşık %67 rakamından bir artış.
8 puanlık artış, iç benimsemenin yarısı kadar bir hızı gösteriyor ve bunun sonucunda iki kategori arasındaki 11 puanlık açık kapanmak yerine genişledi. Bu ayrışma bilgi verici. Kamu hizmetlerinde uygulama, hukuki riskleri, eşitlik yükümlülüklerini, itiraz haklarını ve otomatik bir kararı aleyhine sonuçlanan kişiye açıklamanın pratik zorluğunu beraberinde getiriyor. Dokuz ülke burada hâlâ hiç kullanım bildirmiyor. %86 ile %75 arasındaki fark mutlak değerde büyük değil, ancak her iki kategori de yükselirken bu farkın büyümesi, vatandaşa yönelik kullanımdaki kısıtların hükümetlerin basitçe geriden yetişmesi meselesinden çok yapısal olduğunu düşündürüyor.
| Metrik | Değer | Kaynak |
|---|---|---|
| Kamu hizmetlerinde yapay zeka kullanan ülkeler | 36’dan 27 | OECD |
| Oran | yaklaşık %75 | OECD |
| Önceki tur | 33’ten 22 | OECD |
| Önceki oran | yaklaşık %67 | OECD |
| Değişim | yaklaşık 8 puan artış | OECD verilerinden türetilmiştir |
| Kamu hizmetlerinde yapay zeka kullanmayan ülkeler | 36’dan 9 | OECD verilerinden türetilmiştir |
| İç kullanıma göre açık | yaklaşık 11 puan | OECD verilerinden türetilmiştir |
| Açığın yönü | genişliyor | OECD verilerinden türetilmiştir |
Kaynak: kamuda yapay zeka konusunda OECD.AI kaynakları.
3. Politika Oluşturma Neredeyse Yerinde Sayıyor
Üçüncü kategori, benimsemenin neredeyse tamamen durduğu alan. 36 ülkeden yalnızca 13’ü, yaklaşık %36, politika oluşturmayı desteklemek için yapay zeka kullanıyor; bu, aynı dönemde 33 ülkeden 11’i, yani yaklaşık %33 rakamından bir artış.
İki yılda 3 puanlık bir artış neredeyse düz bir çizgi ve büyüyen bir paydaya karşı bakıldığında bunun hiçbir hareket olmadığı bile savunulabilir. Yirmi üç ülke böyle bir kullanım bildirmiyor. OECD ayrıca, benimsemenin özellikle hesap verebilirlik faaliyetlerinde sınırlı kaldığını not ediyor. Bu isteksizlik kendi bağlamında savunulabilir bir tutum, çünkü politika analizi tartışmalı değer yargılarını, doğrulanması zor nedensel iddiaları ve yasama ile yargı denetiminden geçmesi gereken çıktıları içeriyor; bunların hiçbiri, akıl yürütmesi tam olarak incelenemeyen bir sisteme uygun değil. Ancak pratik sonuç, yapay zekanın hükümetlerin nasıl idare ettiğini dönüştürürken nasıl karar verdiklerini neredeyse hiç değiştirmemesi.
| Metrik | Değer | Kaynak |
|---|---|---|
| Politika oluşturmada yapay zeka kullanan ülkeler | 36’dan 13 | OECD |
| Oran | yaklaşık %36 | OECD |
| Önceki tur | 33’ten 11 | OECD |
| Önceki oran | yaklaşık %33 | OECD |
| Değişim | yaklaşık 3 puan artış | OECD verilerinden türetilmiştir |
| Politika oluşturmada yapay zeka kullanmayan ülkeler | 36’dan 23 | OECD verilerinden türetilmiştir |
| İç kullanıma göre açık | yaklaşık 50 puan | OECD verilerinden türetilmiştir |
| Hesap verebilirlik faaliyetlerinde benimseme | yine sınırlı | OECD |
İşgücü piyasası bağlamı yapay zekanın işler üzerindeki etkisine dair istatistikler yazımızda yer alıyor. Kaynak: OECD Digital Government Outlook 2026.
4. Yönetişim Açığı
En kayda değer bulgu bir yüzde değil, bir uyumsuzluk. OECD, kamu görevlilerinin genellikle resmi bir gözetim olmadan üretken yapay zekayı giderek daha fazla benimsediğini bildiriyor ve hızlı, merkezi olmayan benimseme ile geride kalan kamu yönetişim mekanizmaları arasında genişleyen bir açık tanımlıyor.
Araştırmalar, kamu görevlilerinin önemli bir bölümünün işlerini desteklemek için herkese açık üretken yapay zeka araçlarını zaten kullandığını gösteriyor. Bu, klasik anlamda bir gölge benimseme; tıpkı bilinen gölge BT örüntüsünde olduğu gibi: çalışanlar, herhangi bir politika onlara buna izinli olup olmadıklarını söylemeden önce, o an elde ne varsa onunla acil sorunları çözüyor. OECD’nin işaret ettiği asıl tehlike veri koruması, çünkü dış araçların kurumsal politikalarla çelişecek şekilde kullanılması, devlet verilerinin kontrollü ortamların dışına çıkmasına yol açabiliyor. Bunu tipik bir gölge BT sorunundan daha zor kılan şey, bu araçların ücretsiz olması, herhangi bir satın alma süreci gerektirmemesi ve neredeyse iz bırakmaması; bu yüzden bir kurumda ciddi bir yapay zeka kullanımı olabilir ve bunun gerçekleştiğine dair hiçbir kayıt bulunmayabilir.
| Metrik | Değer | Kaynak |
|---|---|---|
| Tespit edilen örüntü | merkezi olmayan benimseme yönetişimi geride bırakıyor | OECD |
| Resmi gözetim | çoğunlukla yok | OECD |
| Herkese açık üretken yapay zeka kullanan kamu görevlileri | önemli bir oran | OECD |
| Belirtilen başlıca risk | veri koruması | OECD |
| Riskin mekanizması | kurumsal politikalar ve düzenlemelerle çelişme | OECD |
| Gereken satın alma süreci | herkese açık araçlar için yok | Türetilmiştir |
| Kurum için görünürlük | düşük | Türetilmiştir |
| Açığın yönü | genişliyor | OECD |
Kaynak: kamuda üretken yapay zeka deneyimine dair OECD çalışma raporu.
5. Yetkinlikler Belirleyici Kısıt
Hükümetler kendilerini neyin geri tuttuğunu açıklarken tek bir cevap öne çıkıyor. İç yetkinlik açıkları, kamu sektöründe yapay zeka benimsemesinin önündeki en önemli engel olarak tutarlı biçimde gösteriliyor; zaman baskısı, risk endişeleri ve sınırlı yenilik kapasitesinin önünde.
Bu sıralamayı ciddiye almakta fayda var, çünkü bu dışarıdaki yorumların çoğunun varsaydığı cevap değil. Kamuoyu tartışması genellikle engeli düzenleyici temkin veya bütçe olarak çerçeveliyor, ama idarelerin kendisi yetkinliğe işaret ediyor. OECD’nin işgücü analizi, kamu işgücü içinde her biri temelden farklı bir eğitim yaklaşımı gerektiren üç ayrı grup tanımlıyor; bu da birçok kurumun uyguladığı herkese tek tip programları sorgulatıyor. Pratik sonuç, genel yapay zeka okuryazarlığı eğitiminin bu kısıtı değiştirme ihtimalinin düşük olması, çünkü bir satın almayı değerlendirmesi gereken kişi, bir aracı güvenle kullanması gereken kişi ve bir araç geliştirmesi gereken kişi tamamen farklı hazırlıklara ihtiyaç duyuyor.
| Metrik | Değer | Kaynak |
|---|---|---|
| En çok belirtilen engel | iç yetkinlik açıkları | OECD |
| Belirtilen diğer engeller | birbiriyle yarışan görevlerden kaynaklanan zaman baskısı | OECD |
| Ayrıca belirtilen | üretken yapay zeka risklerine dair endişeler | OECD |
| Ayrıca belirtilen | yenilikçi yaklaşımlar için sınırlı kapasite | OECD |
| Sonuç | umut verici uygulamaların belirlenip ölçeklendirilmesi yavaşlıyor | OECD |
| Tespit edilen ayrı işgücü grupları | 3 | OECD |
| Her grubun ihtiyacı | temelden farklı bir eğitim yaklaşımı | OECD |
| Sorgulanan yaklaşım | herkese tek tip eğitim | OECD |
Eğitim sektöründeki paralellikler eğitimde yapay zeka istatistikleri yazımızda, model erişilebilirliği bağlamı ise açık kaynak yapay zeka istatistikleri yazımızda yer alıyor. Kaynak: OECD, building an AI-ready public workforce.
6. Paydalar Neyi Gizliyor
Metodolojik bir ayrıntı, bu eğilimlerin nasıl okunması gerektiğini değiştiriyor. Ölçüm turları arasında ülke sayısı 33’ten 36’ya çıktı; bu da yıldan yıla her yüzde karşılaştırmasının gerçek benimseme artışını değişen bir paydayla birlikte yansıttığı anlamına geliyor.
Oranlar yerine ülke sayılarına bakıldığında, iç kullanım 8 ülke, kamu hizmetleri 5 ülke ve politika oluşturma 2 ülke arttı; buna karşılık ölçüme yeni eklenen 3 ülke var. Bu üç ülkenin katıldıklarında zaten yapay zeka kullanıp kullanmadıklarına bağlı olarak, görünürdeki artışın bir kısmı yeni bir benimsemeden çok daha geniş bir anketi yansıtıyor olabilir. Bu, ana hikâyeyi çürütmüyor, çünkü 8 ülkelik bir artış 3 yeni katılımcıyla açıklanamaz; ancak politika oluşturma rakamının üçü arasında en zayıf temelli olduğu anlamına geliyor. 3 yeni katılımcıya karşı 2 ülkelik bir artış, başlangıçta ölçülen grup içinde hiçbir temel değişim olmamasıyla tamamen tutarlı.
| Metrik | Değer | Kaynak |
|---|---|---|
| Ölçülen ülkeler, önceki tur | 33 | OECD |
| Ölçülen ülkeler, sonraki tur | 36 | OECD |
| Eklenen ülkeler | 3 | OECD verilerinden türetilmiştir |
| İç kullanımdaki artış, ülke sayısı | 8 | OECD verilerinden türetilmiştir |
| Kamu hizmetlerindeki artış, ülke sayısı | 5 | OECD verilerinden türetilmiştir |
| Politika oluşturmadaki artış, ülke sayısı | 2 | OECD verilerinden türetilmiştir |
| Hangi eğilim en az sağlam | politika oluşturma | Türetilmiştir |
| Veri toplama yöntemi | ulusal yönetimlerin kendi beyanı | OECD |
Kaynak: kamuda yapay zeka konusunda OECD.AI yayınları.
Özet: Sayılarla Kamuda Yapay Zeka
| Metrik | Değer | Kaynak |
|---|---|---|
| İç süreçler, sonraki tur | 36’dan 31 (yaklaşık %86) | OECD |
| İç süreçler, önceki tur | 33’ten 23 (yaklaşık %70) | OECD |
| Değişim | yaklaşık 16 puan artış | Türetilmiştir |
| Kamu hizmetleri, sonraki tur | 36’dan 27 (yaklaşık %75) | OECD |
| Kamu hizmetleri, önceki tur | 33’ten 22 (yaklaşık %67) | OECD |
| Değişim | yaklaşık 8 puan artış | Türetilmiştir |
| Politika oluşturma, sonraki tur | 36’dan 13 (yaklaşık %36) | OECD |
| Politika oluşturma, önceki tur | 33’ten 11 (yaklaşık %33) | OECD |
| Değişim | yaklaşık 3 puan artış | Türetilmiştir |
| İç kullanım ile politika oluşturma arasındaki açık | yaklaşık 50 puan | Türetilmiştir |
| İçeride yapay zeka kullanmayan ülkeler | 36’dan 5 | Türetilmiştir |
| Kamu hizmetlerinde yapay zeka kullanmayan ülkeler | 36’dan 9 | Türetilmiştir |
| Politika oluşturmada yapay zeka kullanmayan ülkeler | 36’dan 23 | Türetilmiştir |
| En çok belirtilen engel | iç yetkinlik açıkları | OECD |
| Yönetişim örüntüsü | benimseme gözetimi geride bırakıyor | OECD |
| Tespit edilen ayrı işgücü grupları | 3 | OECD |
| Ülke tabanındaki değişim | 33’ten 36’ya | OECD |
Metodoloji ve Kaynaklar
- İç süreçler, kamu hizmetleri ve politika oluşturmaya dair benimseme sayıları ve oranları, Digital Government Index’e dayanan OECD Digital Government Outlook raporunun adopting and governing AI in government başlıklı bölümünden alınmıştır (OECD, OECD.AI kaynakları, OECD.AI yayınları).
- Yönetişim açığı bulguları ve üretken yapay zeka deneyim örüntüleri, OECD Working Papers on Public Governance No. 93’ten alınmıştır (OECD çalışma raporu PDF, OECD yayın sayfası).
- İşgücü ve yetkinlik bulguları, OECD’nin kamu işgücü analizinden alınmıştır (tam OECD raporu, OECD yayın giriş sayfası).
- Veri notu: tüm benimseme rakamları, bir OECD anketine yanıt veren ulusal yönetimlerin kendi beyanına dayanır; dolayısıyla yapay zeka kullandığını bildiren bir ülke bunu kanıtlamaktan çok iddia etmektedir ve kullanıcı sayılma eşiği yanıt verenler arasında standartlaştırılmamıştır. Ölçülen ülke tabanı turlar arasında 33’ten 36’ya çıkmıştır; bu da yıllar arası yüzde karşılaştırmalarının birebir aynı olmadığı ve üç eğilimden en küçüğü olan politika oluşturmanın, başlangıçta ölçülen ülkeler arasında gerçek bir değişim olmamasıyla tutarlı olduğu anlamına gelir. Buradaki yüzdeler, yayımlanan ülke sayılarından hesaplanmış ve yuvarlanmıştır. Birkaç destekleyici OECD yayını erişim kısıtlamalarının arkasındadır, bu yüzden engel sıralamaları yanıt yüzdeleriyle değil, OECD’nin tanımladığı şekliyle niteliksel olarak bildirilmektedir. Türetilmiş olarak işaretlenen satırlar, yayımlanan sayılar üzerinde yapılan aritmetik işlemlerdir.
- Son güncelleme: 2 Ağustos 2026. Bu derlemeyi üç ayda bir güncelliyoruz; bir sonraki büyük güncelleme, OECD güncellenmiş bir Digital Government Index turu yayımladığında bekleniyor.