Yapay zekâ ajanları siyasetçi olursa

Bu haftanın yazısını yapay zekâ gündeminin konuları arasından değil [ki gündem yine kaynıyor; Qwen’in son sansürsüz modelinin tehlikelerini konuşmak gerek bir ara], aklıma gelen ve yapay zekâ araçlarının kullanımını içeren bir soru üzerinden şekillendirmek istiyorum.

Yazının geri kalanının anlaşılırlığı açısından özellikle yeni ve/veya teknik bilgisi başlangıç seviyesinde olan okurlar için bu yazının ana kahramanı olan yapay zekâ ajanlarının ne olduğunu tanımlamam gerekiyor. Yapay zekâ ajanları bugün kullandığımız büyük dil modellerini [ChatGPT, Opus, DeepSeek vd.] bir beyin olarak kullanan ve belirli bir görevi gerçekleştirmek üzere bağımsız kararlar alabilen otonom sistemler.

Ajanların kullanım sıklığı ve kullanıldığı alanlar da giderek artıyor. Ekonomide yatırım danışmanı ya da portföy yöneticisi olarak, hastanede doktor yerine ya da yanında asistan olarak kullanıldığı örnekler mevcut. Bu listeyi uzatmak mümkün elbette.

Peki ya siyasette yapay zekâ ajanları nasıl kullanılıyor?

Aynı soruyu biraz daha farklı bir biçimde sorarsam eğer, ajanlardan oluşan bir meclis ya da komisyon olsa, nasıl çalışır, nasıl karar alır ve nasıl davranır? Hiç düşündünüz mü?

Literatürde tam olarak aradığım bu sorunun yanıtını bulamadım. Fakat bazı çalışmalardan bahsederek bir yanıt aramaya çalışalım. [Araştırma tavsiyesidir.] 

Temmuz ayında yapılan bir çalışma, 2019 yılında Flandre bölgesinin yerel yönetimi için kurulan koalisyonu yapay zekâ ajanlarıyla simüle ediyor. Çalışmada, koalisyonda yer alan 3 parti N-VA (Nieuw-Vlaamse Alliantie - Yeni Flaman İttifakı), CD&V (Christen-Democratisch en Vlaams - Hristiyan Demokrat ve Flaman) ve Open Vld (Open Vlaamse Liberalen en Democraten - Açık Flaman Liberalleri ve Demokratları) birer yapay zekâ ajanı ile temsil ediliyor. Ajanlar partilerin politikaları ve manifestolarıyla eğitilmiş ve bu eğitimden sonra ajanlardan bir koalisyon oluşturması istenmiş.

Bu simüle görüşmeler esnasında ajanların kendi siyasi çizgilerini korumaya çalıştığı, fakat bu çizgilere de sıkı sıkıya bağlı kalmadığı görülmüş. Karşı tarafın kabul etmesini sağlamak için politikalarının kapsamını esnetmişler. Üretilen koalisyon metninin yaklaşık %14’ünde ise partilerin, yani ajanların politikalarını birleştirerek yeni bir çözüm ürettikleri görülmüş. Yani diyaloğa açıklar ve sentez yapabiliyorlar. Bu sentezler de genellikle tarihsel olarak daha önce üretilen çözümlerin bir benzeri. Kelimeler arası benzerlikle çalışan modeller için bu sonucu görmek de zaten mimarileri gereği kaçınılmaz bir son.  Öte yandan görüşmeler sonunda modellerin ciddi bir halüsinasyon yaptığı görülmüş [bkz: Dil modellerinin çözülmesi zor sorunu: Yalancılık] ve bunun gerçek politika süreçlerine taşındığı durumlarda kötü sonuçlar doğuracağı düşünülüyor. Kısacası ajanlar hangi siyasi sorunun ele alınması gerektiği ve çözümün genel olarak hangi yönde olması gerektiği konusunda görece başarılı; ancak bu genel yönü somut bir hükümet politikasına dönüştürürken kapsam, bütçe, oran, zaman çizelgesi ve kurumsal uygulama gibi ayrıntılarda sapma eğilimli gösteriyor.

Bu sene yapılan başka bir çalışma ise 2012 yılında Avrupa Birliği Konseyi’nde yürütülen Ortak Avrupa Satım Hukuku (Common European Sales Law) görüşmelerini simüle ediyor. Yapılan deneyde 26 ülke delegesi, Avrupa Komisyonu ve görüşme başkanı birer ajan ile temsil ediliyor. Ajanlar bir yandan ülkelerinin konu üzerindeki pozisyonlarını korurken, bir yandan kutuplaşmışlar. Benzer görüşteki ülkeleri temsil eden ajanlar ayrı kutuplar oluştururken, ortada duran ülkeleri temsil eden ajanlar köprü görevi görmeye çalışmış. Tartışıma uzadıkça da süreci çıkmaza sürüklemek yerine uzlaşarak çözmeye çalışmışlar.

Yukarıdaki çalışmaya kıyasla bu çalışma ajanların davranışlarına dair daha çok done sağlıyor. İlk olarak daha uzlaşmacılar ve daha şeffaflar. Politik laf kalabalığı yapmak yerine çok daha net bir üslup benimsiyorlar. Görüşme sırasında her ülkeye konuşması için eşit süre tanınması konusunda bir anlaşma sağlamışlar. Kısacası delegeleri temsil eden ajanlar daha çok orta yol bulma eğiliminde, diyaloğa daha açık ve daha şeffaflar. Ancak buraya bir şerh düşmek gerekiyor. Bu davranış süreç içinde ajanların gösterdiği bir davranış mı, yoksa zaten modein eğtimi sırasında öğretilen bir kalıp mı, belli değil. Fakat her halükârda kulağa hoş geliyor, bence.

Son olarak rotamızı Avrupa’dan Amerika’ya çevirelim ve iki sene önceki bir çalışmayı inceleyerek yanıt bulma arayışımızı bu yazı özelinde sonlandıralım. 2024’teki bir çalışmada ABD Senatosu İstihbarat Komitesi’ndeki altı senatör büyük dil modeli ajanı olarak modelleniyor ve bu ajanlar Ukrayna-Rusya arasındaki konu ile ilişkili üç turlu bir komite tartışmasına sokuluyor. Başta ajanların partizan bir rota izlediği, yeni bir istihbarat bilgisinin eklenmesiyle bipartizan yani ortak bir paydada buluştukları bir çözüm geliştirdiği görülüyor.

Peki bu üç çalışmadan ne çıkarabiliriz?

Büyük dil modeli ajanları ya da LLM-Agent ya da yapay zekâ ajanları, adını ne koyarsak artık, temsil ettikleri ülke/parti/pozisyonlarını korumaya eğilim gösteriyor. Ülkeler gibi kutuplaşıyor ya da aracılık yapıyor. Ancak bence mevcut siyasi iklimden en büyük farkları, siyasetin uzlaşı üretme kısmında oldukça yetenekli durmaları. Fakat bu simülasyon içerisinde kendi geliştirdikleri bir davranış şekli mi, yoksa model eğitimi sırasında zaten önceden öğrenilen bir bilgi mi belli değil.

Ancak sebebi ne olursa olsun, uzlaşma, diyalog, koalisyon, taviz ya da yeni ortak çözüm gibi günümüzün kutuplaşma siyasetinin bizlere unutturduğu bazı kavramları yeniden hatırlatması benim gibi birine bile ‘aslında hiç fena fikir değil’ dedirtiyor.

Son olarak, bu konuda Türkiye özelinde bir vaka analizi çalışması literatürde yok; yapıldığı takdirde oldukça değerli bir katkı olabilir. Belki bu yazının yazarıyla aynı şeyi düşünen akademisyenler olur da ortak bir çalışma için iletişime geçerler, kim bilir. :)

*Kendi geliştirdikleri ifadesi ajanlara bir bilinç atamış gibi görünebilir, fakat tersi bir görüşe sahibim. Ancak durumu daha iyi ifade edebilecek bir kalıp bulamadım.

Referanslar

Van Mulders, D., Bogaert, M., & Van den Poel, D. (2026). Digital Pantheon: Simulating and auditing coalition formation with LLM agents. arXiv. https://doi.org/10.48550/arXiv.2607.15095

Sheldon, C., Laver, M., & Jankin, S. (2026). Deliberation in Silico: Validating LLM Multi-Agent simulation against verbatim council records. Retrieved from https://openreview.net/forum?id=RJ3o9pNMv4

Baker, Z. R., & Azher, Z. L. (2024). Simulating the U.S. Senate: An LLM-driven agent approach to modeling legislative behavior and bipartisanship. arXiv. https://doi.org/10.48550/arXiv.2406.18702