GÜMRÜK MUHAFAZA ALANINDA YAPAY ZEKÂ DESTEKLİ ÇÖZÜMLER: PROJE YÖNETİMİ VE KURUMSAL HAZIRLIK PERSPEKTİFİ

Özet

Yapay zekânın (YZ) gümrük alanında kullanımı önemli fırsatlar sunmakla birlikte, çeşitli yönetimsel sorunları da gündeme getirmektedir. Gümrük kontrol süreçlerine YZ entegrasyonundan azami faydanın sağlanabilmesi için, gümrük idarelerinin YZ hazırlık düzeylerini değerlendirmeleri ve tespit edilen YZ yetkinlik boşluklarına yönelik uygun çözümler geliştirmeleri gerekmektedir. Bu bağlamda, YZ başta olmak üzere yeni teknolojilerin klasik proje yönetimi anlayışlarını köklü biçimde dönüştürdüğünün kabul edilmesi ve yeni dinamiklere uyum sağlanması kritik önem taşımaktadır. Bu çalışma, gümrük muhafaza alanında YZ’nin entegrasyon potansiyelinin yüksek olduğu üç temel alan olan kaçakçılık risk analizi, fiziki müdahalesiz kontrol teknolojileri ve fiziki kontrol süreçlerinde ortaya çıkabilecek YZ kapasite sorunlarını incelemekte, bu sorunların aşılabilmesi için proje yönetiminin insan kaynakları yönetimi, paydaş yönetimi ve mali yönetim boyutlarında yapılması gereken dönüşümleri ortaya koymaktadır.

Anahtar Kelimeler: Yapay Zekâ, Gümrük Muhafaza, Yapay Zekâ Hazırlığı, Proje Yönetimi, Risk Analizi, Fiziki Müdahalesiz Kontrol, Kurumsal Kapasite

Abstract

The use of artificial intelligence (AI) in the customs domain offers significant opportunities while also introducing a range of institutional and administrative challenges. To fully benefit from the integration of AI into customs control processes, customs administrations are required to assess their level of AI readiness and develop appropriate responses to identified AI capability gaps. In this context, it is critical to acknowledge that AI and other disruptive technologies fundamentally transform traditional project management practices, necessitating adaptation to new operational dynamics. This study examines AI capacity challenges observed in customs enforcement functions where AI integration potential is particularly high, including smuggling risk analysis, non-intrusive inspection technologies, and physical inspection processes. It further explores how project management approaches must evolve across human resource management, stakeholder management, and financial management dimensions to effectively address these challenges.

Keywords: Artificial Intelligence, Customs Enforcement, AI Readiness, Project Management, Risk Analysis, Non-Intrusive Inspection, Institutional Capacity

1. Giriş

Gümrük ve sınır kontrollerinde YZ’nin kullanımı; veri analizi, örüntü tanıma ve risk tahmini gibi alanlarda hızlı ve yüksek doğrulukta sonuçlar üretebilmektedir. Bu kapsamda son yıllarda YZ, gümrüklerde risk yönetiminin iyileştirilmesi, profil oluşturma, denetim süreçlerinin desteklenmesi, anomali tespiti, geleceğe yönelik eğilimlerin öngörülmesi ve X-Ray görüntülerinde kaçak eşya tespiti gibi alanlarda etkin biçimde kullanılmaya başlanmıştır. Gümrük idareleri, YZ’nin, gümrük kontrollerinde verimliliği artırma, denetimleri güçlendirme ve daha isabetli karar almaya yardımcı olarak ticaretin kolaylaştırılmasında dönüştürücü bir potansiyel sunduğunu yaygın biçimde kabul etmektedir (WCO ve WTO, 2022).

Öte yandan, YZ’nin görece yeni bir alan olması ve etkilerinin kısa sürede net biçimde görülememesi, kamu kurumlarının YZ’ye yaklaşımı ve bu teknolojiyi uygulama istekliliğinde farklılıklara yol açmaktadır. Yıkıcı Teknolojiler Raporu’na göre (WCO ve WTO, 2022), YZ projelerinin hayata geçirilmesinde; uzmanlık yetersizliği, iyi uygulama örneklerinin sınırlı olması, mevcut sistemlerle entegrasyon güçlükleri, diğer kurumlarca kullanılan çözümlerin yeterince izlenmemesi, YZ’yi destekleyen kamu stratejileri ve hukuki çerçevenin eksikliği ile yüksek maliyetler temel zorluklar olarak öne çıkmaktadır. YZ’den etkin biçimde yararlanabilmek, yalnızca sunduğu fırsatların değil, beraberinde getirdiği risk ve belirsizliklerin de bütüncül şekilde analiz edilmesini ve YZ’nin zorunlu kıldığı kurumsal dönüşümün ve geleneksel proje yönetimi yaklaşımlarındaki değişimin hayata geçirilmesini gerektirmektedir.

2. Yapay Zekâ Hazırlık Çerçevesi (AI Readiness Framework) Kavramı

Kamu kurumlarınca YZ’nin adapte edilmeye başlaması, proje uygulama süreçlerinde birçok değişikliği beraberinde getirmektedir. Her ne kadar YZ’nin günün sonunda; insan hatasının minimize edilmesi, iş süreçlerinin kısaltılması, daha kapsamlı ve doğru analizlerin yapılması gibi birçok fayda sağlaması beklense de, kurumun söz konusu teknolojiyi çok boyutlu ele alarak adaptasyon kapasitesini yüksek tutması, YZ tabanlı projelerin uzun soluklu başarısı bakımından önem taşımaktadır. 

Son yıllarda kurumların YZ’ye uyum ve YZ uygulama kapasitesini ölçmeye yönelik çeşitli çerçeveler geliştirilmiştir. Ulusal ve BM ile AB başta olmak üzere uluslararası düzeyde farklı kuruluşlar tarafından oluşturulan çok sayıda YZ Hazırlık Çerçevesi/Değerlendirme Aracı bulunmakla birlikte, bu yaklaşımların ortak amacı, kurumların dijital dönüşümü destekleyecek YZ teknolojilerini hayata geçirme yetkinliğinin, yani kurumsal YZ hazırlık düzeyinin, değerlendirilmesidir. Söz konusu çerçeveler, bir kurumun mevcut sosyo-teknik YZ durumunun analiz edilmesine ve YZ’nin daha yüksek katma değer üretecek şekilde bütüncül ve sürdürülebilir biçimde uygulanabilme potansiyelinin ortaya konulmasına imkân sağlamaktadır (Holmström, 2022). Bu kavram, kurumların teknolojinin kendisinin ötesinde, onu destekleyen ve tamamlayan kurumsal, beşerî ve örgütsel kaynakları da geliştirmesi gerektiğini vurgulamaktadır (Mikalef & Gupta, 2021). DGÖ de, Smart Customs Projesi kapsamında, YZ ve ML Hazırlık Değerlendirme Aracı’nı geçtiğimiz yıl yayınlamıştır.

3. Gümrük Muhafaza için Yapay Zekâ Hazırlık Çerçevesi

1. Fırsatlar ve Zorluklar

Gümrük muhafaza alanında YZ temelde; (i) risk analizi, (ii) fiziki müdahalesiz (non-intrusive) kontrol ile (iii) fiziki muayene süreçlerinde kullanılmaktadır. Pan-Avrupa Gümrük Uygulayıcıları Ağı’nın (Pan European Network of Customs Practitioners-PEN-CP) yıllık çalışmalarından biri olan, “AI-Ready Customs Enforcement-Building Capabilities for the Future” makalesinde Männistö (2025), gümrük muhafaza özelinde YZ’nin daha etkin bir gümrük kontrolü için oluşturduğu fırsatları ve zorlukları şöyle özetlemiştir: 

1. Risk analizi: YZ; makine öğrenmesi, akıllı otomasyon ve doğal dil işleme yoluyla veri erişimi ve veri analizi kapasitesini artırarak, sınır ötesi hareketlere ilişkin daha isabetli risk profillerinin oluşturulmasına katkı sağlayabilmektedir. Öte yandan, YZ tabanlı analizlerin benimsenmesi; algoritmaların açıklanabilirliğinin (explainable AI) sınırlı olması, algoritmik önyargılar, istenmeyen veya ters etki yaratabilecek sonuçlar ile birbiriyle bağlantılı olmayan veri setlerinin ilişkilendirilmesindeki güçlükler gibi çeşitli engellerle karşı karşıyadır. 
2. Fiziki müdahalesiz kontrol: Makine öğrenmesindeki gelişmeler, X-ray ve benzeri tarama teknolojilerinde YZ destekli otomatik tehdit ve anomali tespitini mümkün kılmaktadır. Bununla birlikte, güvenilir tespit modellerinin geliştirilebilmesi için gerekli olan nitelikli, etiketlenmiş ve yüksek kaliteli veri setlerinin eksikliği (referans veri açığı), bu alandaki ilerlemeyi sınırlandırmaktadır.
3. Fiziki muayene: Sahada görev yapan gümrük personelinin yürüttüğü manuel kontrol faaliyetleri, YZ’nin entegrasyonu açısından önemli fırsatlar sunmaktadır. Fiziki muayene sırasında elde edilen kontrol sonuçları, denetimli makine öğrenmesi için değerli eğitim setleri oluşturarak, risk analizine yönelik daha doğru risk profillerinin geliştirilmesine ve müdahalesiz kontrolde kullanılacak otomatik tehdit ve anomali tespit modellerinin iyileştirilmesine katkı sağlayabilmektedir. Öte yandan, bu potansiyelin tam anlamıyla kullanılabilmesi için; fiziki muayene sonuç belgelerinin ayrıntılı düzenlenmesi, veri setlerindeki anomali içeren ve temiz kontrol sonuçlarının dengeli olması (veri temsiliyet sorununun minimum olması) ile verilerin toplanması ve makine öğrenmesi modellerine entegrasyonundaki gecikmelerin tolere edilebilir seviyede olması gerekmektedir.

2. Proje Yönetiminde Yeni Yaklaşımlar

Yıkıcı teknolojiler (disruptive technologies), gümrük idarelerinde proje uygulama yaklaşımlarını köklü biçimde yeniden şekillendirmektedir. Rafta hazır çözümlerin temin edilmesine dayalı anlayıştan ürün geliştirme odaklı modellere geçiş; yalnızca teknolojik bir değişimi değil, aynı zamanda projenin teknik olmayan zorluklarına (non-technical challenges) yoğunlaşan kurumsal bir dönüşümü de gerekli kılmaktadır. Bu dönüşüm; 

• İnsan kaynakları yönetiminin yeniden tanımlanmasını, 
• Paydaş ilişkilerinin yönetilmesinde yeni yaklaşımların benimsenmesini, 
• Kamu alımları ve ihale mevzuatının uyarlanmasını,
• Veri yönetişimi ile siber güvenlik çerçevelerinin güçlendirilmesini gerekli kılmaktadır. 

Söz konusu dönüşüm; operasyonel verimlilik, esneklik ve yenilikçilik açısından önemli fırsatlar sunmakla birlikte, gümrük idarelerinin dikkatle yönetmesi gereken kayda değer bir karmaşıklık ve belirsizlik ortamını da beraberinde getirmektedir.

Bu kapsamda; gümrük muhafaza alanında risk analizi, fiziki müdahalesiz kontrol (X-ray tarama teknolojileri özelinde) ve fiziki kontrol süreçlerine etki edebilecek YZ projeleri hayata geçirilirken; YZ projelerinin insan kaynakları yönetimi, paydaş yönetimi ve mali yönetim boyutlarında değişime uğraması beklenen hususlar aşağıda üç başlık altında ele alınmış ve öneriler sunulmuştur. Öte yandan, bu başlıklar altında ele alınan pek çok konu birbiriyle yakından ilişkili olup aralarında kesin sınırlar çizmek mümkün değildir; ancak proje yönetiminin bu yönler itibarıyla sınıflandırılmasının, karşılaşılan sorunların ve geliştirilebilecek çözüm önerilerinin daha sistematik ve görünür biçimde ortaya konmasına katkı sağlayacağı değerlendirilmektedir.

1. İnsan Kaynağının Hazırlanması Boyutu

YZ ve büyük veri analitiği gibi yıkıcı teknolojilere uyum zorluklarının aşılmasında mevcut insan kaynağının dijital dönüşüme hazırlanması kritik bir öneme sahiptir. Teknik çözümlerin artık rafta hazır ürünler olarak sunulmasından ziyade, ürün geliştirme metodolojileri çerçevesinde tasarlanıp hayata geçirilmesi nedeniyle; tasarım, geri bildirim ve operasyonel aşamalarda insan-döngüde (human-in-the-loop) yaklaşımının benimsenmesi, hem ürünün başarısı hem de kullanan personel tarafından sahiplenilmesi açısından mühimdir. YZ bağlamında insan-döngüde yaklaşım; doğruluk, güvenlik, hesap verebilirlik veya etik karar alma süreçlerini güvence altına almak amacıyla, YZ iş akışının belirli aşamalarında insanların sürece dâhil edilmesini ifade etmektedir (Stryker, b.t.). Bu kapsamda, insan kaynağının YZ teknolojisi eğitimi ve yetkinliklerinin geliştirilmesine önem verilmesi gerekmektedir.

1. Yeni Dijital Yönetişim Dönemi

Büyük veri ve YZ’nin yaygınlaşmasıyla birlikte kamu yönetiminde “yeni dijital yönetişim dönemi”ne girilmiştir ve bu dönem, önceki dijital yönetişim anlayışından birçok açıdan farklılık göstermektedir. Önceki dönem ağırlıklı olarak iletişim ve bilgi paylaşımı işlevlerine odaklanırken, yeni dönemin merkezinde veri yer almaktadır. Bu dönüşüm, kamu kurumlarında yönetici ve insan kaynağı profillerinin de değişmesini gerekli kılmıştır. İlk dijital dönemde bilgi işlem personelinin rolü daha çok teknik destek ve sistem bakım hizmetleriyle sınırlı, karar alma süreçlerinden büyük ölçüde uzak ve merkezi yapılarda konumlanmıştı. Buna karşılık, yeni dijital yönetişim döneminde veri tüm örgüte yayılmış, teknik personelin rolü karar alma ve yönetsel süreçlere katkı sunacak şekilde genişlemiştir. Veri bilimcileri, veri analistleri, veri mimarları, veri kalite uzmanları ve veri koruma görevlileri gibi yeni uzmanlık alanları bu dönemde ortaya çıkmıştır.

Bu süreç, yalnızca teknik becerilerin değil; veri okuryazarlığı, dijital araçları etkin kullanma, veriye dayalı eleştirel düşünme, dijital platformlar üzerinden iş birliği ve problem çözme gibi yeni yetkinliklerin edinilmesini de zorunlu kılmaktadır. Yönetim düzeyinde ise Baş Veri Sorumlusu (Chief Data Officer) gibi yeni pozisyonlar oluşmuş; yöneticiler veri stratejileri, veri yönetişimi ve YZ’nin kurumsal entegrasyonundan sorumlu hâle gelmiştir (Tan ve Crompvoets, 2022).

2. Yeni İnsan Kaynakları Yönetimi Stratejileri

Bu değişimle birlikte; gümrük muhafaza alanında saha personeli, uzmanlar ve yöneticilerin YZ projelerinin başarıyla uygulanmasındaki rolü kritik hale gelmiştir. Söz konusu grupların YZ adaptasyonundaki temel görevlerine aşağıdaki tabloda yer verilmektedir:

Tablo 1: YZ Yetkinlik Problemlerinin Aşılmasına Yönelik Personel Stratejileri

Uygulama Alanı	YZ Yetkinlik Problemi	Saha Personeli	Uzmanlar	Yöneticiler
Risk analizi	YZ destekli veri analitiği uygulamalarına yönelik engeller	YZ’nin değeri ve sınırlılıkları konusunda farkındalık geliştirme	Kurum içi YZ yetkinliğinin geliştirilmesi	• YZ donanım ve yazılımlarına yatırım yapılması• Algoritmik önyargıların azaltılması• Stratejik işe alım ve eğitim faaliyetlerine öncelik verilmesi
Fiziki müdahalesiz kontrol	Tespit teknolojilerinde referans veri açığı	Uzmanlık bilgisini kullanarak veri etiketleme kalitesinin artırılması	Sektör paydaşlarının desteklenmesi	• Referans veri paylaşımının teşvik edilmesi• Veri derleme ve temizlemesine (data curation) yatırım yapılması
Fiziki muayene	Sınırlı kontrol sonuç verisi	Kontrol sonuçlarının etkin ve doğru raporlanması	YZ uyumlu fiziki kontrol sonuç formlarının tasarlanması	• Nitelikli kontrol sonuç verisi toplanmasını sağlayacak denetim faaliyetlerinin organize edilmesi

Kaynak: Männistö, 2025, s.31.

1. Saha Personeli

Saha personeli, YZ projelerine üç temel alanda önemli katkı sunmaktadır. İlk olarak, YZ risk analizi ve veri analitiği araçlarının sahada benimsenmesi ve kullanılması kritik bir önceliktir. Saha personelinin YZ’nin yüksek riskli gönderileri belirlemede nasıl destek sağladığını anlaması, YZ’nin kullanan personele açıklanabilir olması (explainable AI) ve personelin bu sistemlerin çıktıları hakkında eleştirel bir değerlendirme yapabilmesi gerekmektedir. Olası önyargılar veya hatalı kararlar konusunda geri bildirim verilmesi, sistemlerin iyileştirilmesine doğrudan katkı sağlayacaktır. Bu sürecin başarısı, farkındalık artırıcı faaliyetler ve hedefe yönelik eğitimlerle mümkündür.

İkinci olarak, X-ray görüntülerini yorumlama konusunda uzman saha personeli, YZ modellerinin geliştirilmesi için gerekli olan referans veri açığının kapatılmasında kilit rol oynamaktadır. Makine öğrenmesi uygulamaları için yüksek kaliteli ve doğru şekilde etiketlenmiş görüntü veri setlerinin oluşturulması, büyük ölçüde bu uzmanlığa dayanmaktadır.

Son olarak, kontrol sonuç formlarının doğru ve tutarlı biçimde doldurulması, YZ tabanlı risk değerlendirme modellerinin etkinliğini artırmaktadır. Saha personelinin kontrol sonuç verisi girişine gereken önemi göstermesi YZ sistemlerinin güvenilirliğini doğrudan etkilemektedir.

2. Uzmanlar

Gümrük idarelerinde YZ temelli dönüşümün itici gücünü, veri analizi, süreç tasarımı ve teknoloji entegrasyonu gibi alanlarda çalışan uzmanlar, veri bilimciler ve mühendisler oluşturmaktadır. Bu uzman kadro, hem yeni yeteneklerin istihdam edilmesi hem de mevcut personelin YZ odaklı teknik becerilerle güçlendirilmesi yoluyla YZ dönüşümüne hazırlanmalı ve YZ yetkinliğine sahip gümrük iş gücünün çekirdeğini meydana getirmelidirler.

YZ destekli veri analitiği önündeki engellerin aşılabilmesi için veri bilimciler, veri analistleri ve ilgili mühendislik ve uzmanlık disiplinlerinin kurum içinde güçlü bir teknik kapasite geliştirmesi gerekmektedir. Bu kapsamda, kurumun ihtiyacına uygun YZ yöntemlerinin seçilmesi, olası önyargı ve verimsizliklerin tespit edilip giderilmesi, verinin YZ uygulamalarına uygun şekilde hazırlanması ve etkin biçimde toplanmasını sağlayan süreçlerin tasarlanması büyük önem taşımaktadır. Bu kapsamda, değişen risk profillerine ve ticaret dinamiklerine hızlı uyum sağlama avantajı yakalanırken, hassas verilerin üçüncü taraflarla paylaşımı da sınırlandırılarak veri güvenliği güçlendirilmelidir. İkinci olarak, uzman personel, tarama teknolojileri için referans veri setinin genişletilmesine ve en iyi sonuçları verecek tespit modellerinin geliştirilmesine sektör paydaşlarıyla stratejik iş birlikleri geliştirerek katkı sunmaktadır. Son olarak bu gruplar, YZ’nin ihtiyaçlarına uygun, kullanıcı dostu ve standartlaştırılmış kontrol sonuç formlarının tasarlanmasında da kilit bir rol üstlenmektedir.

3. Yöneticiler

Gümrük idareleri, YZ inovasyonuna stratejik bir yaklaşımla yönelmeli; yöneticiler ise bu dönüşümün başarılı biçimde hayata geçirilmesinde kilit kolaylaştırıcılar olarak rol almalıdır. Bu yaklaşım, kritik yetkinlik boşluklarının giderilmesini ve YZ’nin benimsenmesini destekleyen elverişli bir kurumsal ortamın oluşturulmasını gerektirmektedir. Gümrük yöneticileri ayrıca, YZ çözümlerine ilişkin gerçekçi beklentiler geliştirmeli; başlangıç aşamasındaki aksaklıkların ve sınırlı erken çıktılarının, öğrenme sürecinin ve geleneksel gümrük iş akışlarında yaşanan dönüşümün doğal bir parçası olduğunu kabul etmelidir. Bu noktada, yeni teknolojilere yönelik beklentilerin yönetilmesi aşamasına rehberlik edebilecek Gartner Hype Döngüsü’ne değinmekte fayda görülmüştür.

Gelişen Teknolojilere Yönelik Gartner Hype Döngüsü

YZ gibi yeni teknolojilerin zaman içinde nasıl olgunlaştığını anlamak için yararlı modellerden biri Gartner Hype Döngüsü’dür. Bu model, yeni bir teknolojinin oluşturduğu yüksek beklentilerden istikrarlı ve üretken kullanıma kadar izlediği tipik süreci ortaya koymaktadır (Gartner, 2016). Model beş aşamadan oluşmaktadır.

Şekil 1: Gartner Hype Döngüsü

Kaynak: https://www.gartner.com/en/research/methodologies/gartner-hype-cycle

Yenilik Tetikleyicisi (Innovation Trigger): Yeni bir teknoloji genellikle araştırma laboratuvarlarında veya girişimlerde ortaya çıkar. Potansiyel yararlanıcılar konuyla ilgilenmeye başlar ve teknolojinin potansiyeline dair beklentiler yükselir; ancak bu aşamada gerçek hayattaki uygulamalar genellikle sınırlıdır.

Örnek: Bir araştırma laboratuvarının politika brifingi taslakları yazabilen yeni bir üretken yapay zekâ geliştirmesi.

Abartılmış Beklentilerin Zirvesi (Peak of Inflated Expectations): Teknoloji yoğun ilgi görür ve iddialı vaatler dile getirilir. Erken dönem başarılar büyük atılımlar olarak sunulur ve birçok kurum hızla bu teknolojiyi benimsemeye çalışır; ancak beklentiler çoğu zaman gerçekçi değildir ve teknoloji geniş çaplı kullanım için henüz hazır olmayabilir.

Örnek: Kamu kurumlarına bu YZ çözümünün tüm idari yükleri ortadan kaldıracağı ve politika yapımını kısa sürede kökten dönüştüreceği söylenir.

Hayal Kırıklığı Çukuru (Trough of Disillusionment): Zorluklar ve sınırlılıklar görünür hâle geldikçe ilgi azalır. Bazı projeler başarısız olur ya da teknoloji beklenen sonuçları vermez. Şüphecilik artar ve birçok kurum yatırımlarını azaltır. Bu aşama, abartı ile gerçek potansiyelin ayrışmasını sağlar.

Örnek: YZ tarafından üretilen taslakların genel geçer olduğu, hatalar (“halüsinasyonlar”) içerdiği ve halen yoğun insan uzmanlığı gerektirdiğinin fark edilmesi.

Aydınlanma Eğimi (Slope of Enlightenment): Zamanla daha gerçekçi ve uygulanabilir kullanım alanları ortaya çıkmaya başlar. Politika yapıcılar ve uygulayıcılar neyin işe yarayıp yaramadığını öğrenir. Teknolojinin faydaları daha iyi anlaşıldıkça iyi uygulamalar ve standartlar gelişir.

Örnek: Ekiplerin YZ’yi bağımsız bir yazar yerine, uzman yönlendirmeleriyle, ilk taslaklar için bir “düşünce ortağı” olarak kullanmayı öğrenmesi.

Verimlilik Platosu (Plateau of Productivity): Teknoloji artık olgunlaşmış ve belirli, iyi tanımlanmış görevler için yaygın biçimde kullanılmaktadır. Günlük operasyonların doğal bir parçası hâline gelir ve sürdürülebilir, ölçülebilir faydalar üretir.

Örnek: YZ’nin, politika ekipleri tarafından araştırma ve taslak hazırlama sürecinin ilk aşamalarını hızlandırmak için standart ve entegre bir araç olarak kullanılması (UNESCO ve Oxford Üniversitesi, 2025).

Teknolojiden beklentilerin yöneticiler tarafından iyi anlaşılması ve yönetilmesini takiben, yöneticilerin YZ proje hazırlık ve uygulama süreçlerinde bir kolaylaştırıcı rolü üstlenmesi elzemdir. İlk olarak, YZ tabanlı veri analitiği çalışmalarını güçlendirmek amacıyla, gümrük yöneticilerinin kaynakları stratejik biçimde tahsis etmeleri ve donanım ile yazılım alanındaki temel yatırımları önceliklendirmeleri gerekmektedir. YZ uygulamaları için özel yazılım araçları geliştirme ve yüksek kaynak gerektiren sunucuları işletmenin zorlukları göz önünde bulundurulduğunda, yönetimin bu kritik kaynaklara güvenilir dış sağlayıcılarla kurulan iş birlikleri aracılığıyla erişim sağlaması önemlidir. Yöneticiler aynı zamanda YZ’nin geliştirilmesi ve devreye alınması süreçlerinin gözetiminde merkezi bir rol üstlenmektedirler. Bu kapsamda, hukuki ve etik standartlara uyumun sağlanması, öngörülmeyen sonuçlardan kaynaklanan risklerin azaltılması ve YZ girişimlerinin verimli çıktılara yönlendirilmesi yöneticilerin sorumluluğundadır (Männistö, 2025).

YZ yeteneklerinin kuruma kazandırılması, geliştirilmesi ve elde tutulması da yöneticilerin bir diğer kritik sorumluluk alanıdır. WCO ve WTO (2022) tarafından vurgulandığı üzere, gümrük süreçlerine hâkim veri bilimcilerinin yetersizliği, gümrük denetimi alanında YZ’nin benimsenmesinin önündeki önemli engellerden biridir. Bu kapsamda, mevcut iş gücünün hizmet içi eğitimler yoluyla kapasitesinin geliştirilmesi de kritik önem taşımaktadır. Örneğin, Güney Kore Gümrük İdaresi, kurum içi veri analitiği kapasitesini geliştirmek amacıyla önemli yatırımlar yapmış ve 2023 yılında 300 personelini Büyük Veri Uzmanı olarak eğitmiştir. Mevcut personelin yetkinliklerinin artırılmasına öncelik verilmesinin yanı sıra, Güney Kore Gümrük İdaresi özel sektör ve akademiden uzmanlık transferi sağlayarak kurum dışından veri analitiği uzmanlarını da istihdam etmektedir (Kang, 2018; aktaran Männistö, 2025). 

Hollanda Gümrük İdaresi de İnovasyon Üçgeni Yaklaşımı’nı benimsemiş, “strateji” ve “teknik inovasyon”u “sosyal inovasyon”la birleştirerek, kurumun nitelikli personeliyle birlikte yeni teknolojilere yanıt verme konusunda kapasitesini geliştirmeyi ve esnekliğini artırmayı hedeflemiştir (PEN-CP, 2021).

Tespit teknolojilerinde referans veri açığının kapatılması da gümrük yöneticileri için öncelikli bir konu olmalıdır. Yöneticilerin, diğer gümrük idareleriyle referans verilerin bir araya getirilmesini sağlayacak iş birliklerini aktif biçimde teşvik etmeleri ve güvenilir sektör paydaşlarıyla veri paylaşımına dayalı ortaklıkları desteklemeleri, referans veri setindeki açığın kapatılması bakımından kritiktir. Buna ek olarak, mevcut X-ray görüntüleri gibi referans verilerin sistematik biçimde derlenmesi ve işlenmesi önceliklendirilmelidir. Bu süreç; veri etiketleme, bağlamsallaştırma ve anonimleştirme çalışmalarına kaynak ayrılmasını ve verinin makine öğrenmesi amaçları için hazır ve optimize edilmiş hâle getirilmesini gerektirmektedir.

Referans veri açığının kapatılması için izlenebilecek yollardan biri de veri kütüphanesinin kurumun öz kaynaklarıyla oluşturulmasıdır. Periyodik %100 kontrol kampanyalarının uygulanması veya belirli bir süre için rastgele seçilen gümrük kontrollerinin oranının artırılması yoluyla, daha temsil edici kontrol veri setlerinin üretilmesi stratejik biçimde organize edilebilir. Ayrıca yöneticiler, sahadaki personelin kontrol sonuç formlarını doğru ve eksiksiz biçimde doldurabilmesi için gerekli zaman ve çabayı göstermelerini teşvik etme yetkisine sahiptir. Bu sayede toplanan geri bildirim ile, verilerinin daha güvenilir, kapsamlı ve makine öğrenmesi süreçlerine uygun olması sağlanabilecektir (Männistö, 2025).

2. Paydaş Yönetimi Boyutu

YZ’ye hazır bir gümrük kolluk yapısının geliştirilmesi, gümrük camiası içerisinde stratejik ortaklıklar kurulmasını gerektirmektedir. Bu iş birliği, gümrük idareleri arasındaki iş birliklerinin yanı sıra yenilikçi güvenlik sektörüyle kurulan ortaklıkları da kapsamaktadır. YZ’nin daha etkili uygulanması için gereken iş birliği biçimlerine aşağıda yer verilmektedir:

Tablo 2: Gümrüklerde YZ Yetkinlik Problemlerini Aşmaya Yönelik İş Birliği Stratejileri

Uygulama Alanı	YZ Yetkinlik Problemi	Çözüm Önerileri
Risk analizi	YZ destekli veri analitiği uygulamalarına yönelik engeller	• Merkezi YZ yetkinlikleri ve veri analitiği hizmetlerin oluşturulması• Veri ilişkilendirme ve entegrasyonunu desteklemek üzere benzersiz tanımlayıcılara (unique identifiers) yönelik standartların teşvik edilmesi
Fiziki müdahalesiz kontrol	Tespit teknolojilerinde referans veri eksikliği	• Makine öğrenmesi uygulamalarını desteklemek amacıyla standart referans veri formatlarına YZ unsurlarının dâhil edilmesi• Referans verilerin toplanması için mevcut standardizasyon platformlarından yararlanılması• Veri kürasyonu için kaynakların birleştirilmesi• Aşamalı ve sentetik X-ray görüntüleri aracılığıyla referans veri üretilmesi• Mülkiyete tabi referans veri kütüphanelerinin açılmasını teşvik edecek mekanizmaların oluşturulması
Fiziki muayene	Kontrol sonuçlarına ilişkin sınırlı veri	• Kontrol sonuç formlarının iyileştirilmesi ve standartlaştırılması• Kontrol sonuç verilerinin sistematik biçimde paylaşılmasının kolaylaştırılması

Kaynak: Männistö, 2025, s.34.

1. Uluslararası Kuruluşlar

YZ destekli veri analitiğinin önündeki temel engelleri aşabilmek için gümrük idareleri, merkezi YZ yetkinliklerini geliştirmek üzere ortak çalışmalar yürütmektedir. Bu tür merkezi platformlar; hem altyapı, operasyonel entegrasyon ve Ar-Ge gibi yüksek maliyetleri birden fazla paydaş arasında paylaştırmakta hem de elde edilen kazanımların ortaklaşa kullanılmasını mümkün kılmaktadır. AB’de yeniden yapılandırılan Ortak Risk Yönetimi Çerçevesi ile İthalat Kontrol Sistemi 2 (ICS2), halihazırda üye ülke gümrük idarelerine merkezi veri analitiği hizmetleri sunmaktadır. Ayrıca, Gümrük Veri Merkezi (Customs Data Hub), makine öğrenmesi ve YZ gibi ileri teknolojilerden yararlanarak uçtan uca ticaret hatlarından elde edilen verileri bir araya getirmeyi ve eşya hareketlerine ilişkin daha bütüncül bir gözetim sağlamayı hedeflemektedir. Bu tür yapılar, gümrük kolluk uygulamalarında kullanılan YZ teknolojilerine ilişkin ortak bir uzmanlığın geliştirilmesi için de önemli bir ortak zemin sunmaktadır. 

Ortak platformlar, risk analizinde farklı veri setlerinin ilişkilendirilmesini mümkün kılan benzersiz tanımlayıcıların (Takip numaraları, konteyner mühür numaraları, işlem kimlikleri, sefer numaraları vb.) yaygınlaştırılmasında da kritik bir rol oynamaktadır. Verilerin standardizasyonu ve entegrasyonu, küresel ticaret akışlarına ilişkin daha bütünleşik bir bakış sağlayarak makine öğrenmesi modellerinin etkinliğini artırmaktadır. UN/CEFACT, UPU, IMO ve DGÖ gibi kuruluşlar, bu ortak standartların geliştirilmesi ve benimsenmesini desteklemek amacıyla birçok faaliyet yürütmektedir.

Standartlaştırılmasında fayda görülen bir diğer unsur da gümrük kontrolü sonuç belgeleridir. Kontrol sonuç sonuçlarına ilişkin veriler, gümrük kolluk faaliyetlerinin etkin biçimde yönetilmesi ve YZ destekli risk analizi modellerinin geliştirilmesi bakımından önemlidir. Sahada görev yapan personelin kolaylıkla doldurabileceği, aynı zamanda makine öğrenmesi uygulamaları tarafından anlamlandırılabilir nitelikte tasarlanmış formlar; tehdit türü, el koyma bilgileri ve gönderi özellikleri gibi temel veri alanlarını açık ve tutarlı biçimde içermelidir. Usulsüzlüklerin standart kategoriler altında sınıflandırılması, verilerin tutarlı şekilde toplanmasını ve analistler için zaman alıcı veri hazırlama süreçlerinin kısaltılmasını sağlayacaktır.

Bununla birlikte, kontrol sonuç verilerinin gümrük idareleri arasında sistematik olarak paylaşılmasını mümkün kılan mekanizmaların geliştirilmesi de önem taşımaktadır. Bu tür bir veri paylaşımı, gümrük kontrollerinden elde edilen geri bildirimlerin bir araya getirilerek YZ tabanlı risk yönetim sistemlerinin güçlendirilmesine katkı sağlayacaktır. Örneğin, AB Gümrük Risk Yönetimi Stratejisi ve Eylem Planı, riskle ilişkili bilgilerin ve kontrol sonuçlarının paylaşımının etkin risk yönetimi için kritik olduğunu vurgulayan önemli bir metindir (Männistö, 2025).

2. İkili ve Çok Taraflı İş Birlikleri

Fiziki müdahalesiz kontrol teknolojileri için ise, referans veri setlerinin oluşturulmasında özel sektörün teknik kapasitesi göz önünde bulundurulmalıdır. Gümrük idareleri, tehdit tespitinde kullanılan YZ modellerinin geliştirilmesi amacıyla sektörle stratejik iş birliklerine yönelmek durumundadırlar. Örneğin, gümrük idareleri ve X-Ray tarama sistemi teknolojisi üretici şirketleri tarafından ortaklaşa geliştirilen UFF ve DICOS gibi standart dosya formatları, karşılaştırılabilir verilerin büyük ölçekli veri kütüphanelerinde bir araya getirilmesini mümkün kılmakta, referans verilerin paylaşımını kolaylaştırmakta ve makine öğrenmesi modellerinin eğitilmesinde kritik rol oynamaktadır. 

Referans verilerin bir araya getirilmesini takiben, veri kürasyonu önemli bir zorluk olarak karşımıza çıkmaktadır. Rutin kontroller sırasında üretilen X-ray görüntüleri teknik olarak ücretsiz olsa da, bu verilerin temizlenmesi, düzenlenmesi, etiketlenmesi ve veri gizliliği önlemlerinin uygulanması ciddi zaman ve uzmanlık gerektirmektedir. Gümrük idareleri, mali kaynakları ve uzmanlığı paylaşarak daha doğru tehdit tespit modellerinin geliştirilmesi için ortak veri setleri oluşturabilir.  Örneğin, bu ihtiyaca cevap verebilmek amacıyla Hollanda Gümrük İdaresi, Avustralya, Belçika ve Brezilya Gümrükleri başta olmak üzere çeşitli ülkelerin gümrük idareleriyle iş birliği yaparak yakalama görüntülerini paylaşmış ve bu sayede modelin eğitim veri tabanını önemli ölçüde zenginleştirmiştir (WCO, 2022). 

Gerçek dünyadan elde edilen X-ray görüntülerinin sınırlılıkları ve veri paylaşımındaki güçlükler nedeniyle, aşamalı (belli kullanım senaryoları doğrultusunda üretilen gerçek tarama verisi) ya da sentetik görüntüler aracılığıyla ilâve referans veri üretilmesi de bir seçenek olarak öne çıkmaktadır. Bununla birlikte, bu yaklaşım yüksek yatırım ve teknik kapasite gerektirdiğinden, idareler arası ortak geliştirme ya da girişimin özel sektörle birlikte finanse edilmesi yoluna gidilebilir.

Ayrıca, özel sektörün mülkiyetindeki referans veri kütüphanelerinin paylaşımını teşvik etmek amacıyla tedarik sözleşmelerine veri paylaşımını destekleyen hükümler eklenmesi tercih edilebileceği gibi, gümrük idareleri kendi veri tabanlarını oluşturarak bunların bir kısmını akademi ve sektörle paylaşabilir. Havacılık güvenliği alanında kullanılan GDXray ve SIXray gibi etiketli açık X-ray veri setleri bu tür uygulamalara örnek teşkil etmektedir Tüm bu yaklaşımların, YZ alanında rekabeti ve yenilikçiliği de desteklemesi beklenmektedir (Männistö, 2025).

3. Mali Yönetim Boyutu

YZ projeleri, teknolojinin henüz gelişim aşamasında olması nedeniyle büyük ölçüde ulusal ve uluslararası Ar-Ge fonları aracılığıyla desteklenmektedir. Bu bağlamda, rafta hazır çözümlerin temin edilmesinden ziyade ürün geliştirme yaklaşımı benimsenmektedir. Her ne kadar bu süreç daha belirsiz ve emek yoğun bir yapıya sahip gibi görünse de, ürün geliştirme yaklaşımı; nihai ürünün açıklanabilirliğini artırarak (explainable AI) YZ sistemlerinin “kara kutu” niteliğini azaltmakta ve aynı zamanda kurumsal ihtiyaçlara özel çözümlerin tasarlanmasına olanak sağlamaktadır.

Kamu kuruluşları, akademi ve araştırma kuruluşları ile özel sektörü bir araya getiren konsorsiyumlar yoluyla, yeni teknolojilerin gümrük idarelerinin ihtiyacına yönelik olarak tasarlanması ve belirli kullanım senaryoları kapsamında denenmesi sağlanmakta ve fayda sağlayacağı değerlendirilen teknolojiler piyasaya arz edilebilmektedir. Böylelikle hem kaynakların etkin kullanımı sağlanmakta hem de farklı sektörlerin katkı sundukları bir teknik bilgi paylaşım ortamı oluşmaktadır. X-Ray imajlarında otomatik anomali tespiti alanında çalışmaların yürütüldüğü Ufuk Avrupa projeleri olan Automated Comparison of X-ray Images for Cargo Scanning (ACXIS) ve Borderlink projeleri, bu uluslararası girişimlerden bazılarıdır. 

Ulusal düzeyde ise, yeni teknolojilerin uygulanmasında karşılaşılan risklerin minimize edilmesi ve kamu kaynağının etkin kullanılması bakımından Hollanda Gümrük İdaresi de kavram kanıtlarının doğrulanması (proof-of-concept) yaklaşımını benimsemiştir. İdare bünyesinde faaliyet gösteren ve disiplinler arası bir yapı olarak tasarlanan İnovasyon Koordinasyon Grubu; bilgi teknolojileri, satın alma ve kolluk gibi farklı mesleki arka planlara sahip uzmanlardan oluşmaktadır (PEN-CP, 2021). Grup, teknoloji projelerinin tasarımından sorumlu olup belirlenen inovasyon temaları doğrultusunda hangi projelerin İnovasyon Gündemi’ne alınacağına karar vermektedir. Bu karar süreci; etki analizleri yoluyla projelerin uygulanabilirliğinin değerlendirilmesini ve belirli bir kontrol sürecine yeni bir yöntem veya tekniğin entegre edilmesinin olası sonuçlarını görmek amacıyla kavram kanıtlarının test edilmesini içermektedir (PEN-CP, 2021).

Bu tür bir iş birliği modeli, proje fikirlerinin katılımcı bir biçimde şekillenmesini sağlarken, aynı zamanda proje başarısızlığı riskini ve sonuçlara ilişkin öngörülemezliği azaltmaktadır. Kavram kanıtının başarısız olması durumunda proje sonlandırılmakta ve yeni fikirlerle süreç yeniden başlatılmaktadır. İdare, Ar-Ge ve kavram kanıtlarının doğrulanması için yalnızca ufak bir bütçe ayırmakta, önemli mali kaynakların devreye girmesi ancak kavram kanıtının başarılı bulunması halinde söz konusu olmaktadır. Kavram kanıtlarının doğrulanması aşamasını, pilot proje aşaması izlemekte, nihai olarak ise ürün/çözüm yaygınlaştırılmaktadır (PEN-CP, 2021). 

ABD Gümrük ve Sınır Koruma Birimi (CBP) ise, yeni teknolojilerin hayata geçirilmesinde İç Güvenlik Bakanlığı’nın (Department of Homeland Security) uygulamaya koyduğu bir ihale usulünü benimsemeye başlamıştır. Ticari Çözümler İçin Açık Çağrı Prosedürü (Commercial Solutions Opening Process-CSOP) olarak adlandırılan bu iş modeli, yenilikçi ticari ürün ve hizmetlerin temin edebilmesi için geliştirilmiş bir ‘ürün/çözüm seçme’ stratejisidir (DHS, 2025). CSOP, sözleşme yetkililerine ek bir takdir yetkisi ve esneklik sağlayarak, yenilikçi ticari ürün ve hizmetlerin daha basitleştirilmiş bir süreçle duyurulmasına, sunulmasına, değerlendirilmesine ve sözleşmeye bağlanmasına imkân tanımaktadır. Bu yaklaşım, kamu ve özel sektör açısından verimlilik ve maliyet etkinliğini en üst düzeye çıkarmayı, idari yükleri ve işlem maliyetlerini ise en aza indirmeyi amaçlamaktadır. Sunulan her bir teklif, diğer tekliflerle karşılaştırılmaksızın, kendi bireysel nitelikleri temelinde değerlendirilmektedir. Bu çerçevede kamu idaresi, sunulan teklifler arasından hangilerinin finanse edileceğine karar verme konusunda geniş bir takdir yetkisine sahiptir. Bu prosedür; klasik kamu ihale mantığını esneterek, yenilikçi ve henüz olgunlaşmamış teknolojileri sisteme sokabilmek ve ürün geliştirme ve Ar-Ge odaklı çözümleri destekleyebilmek niyetiyle uygulanmaya başlanmıştır.

Örneğin, CBP, tarama sistemlerine yönelik Anomali Tespit Algoritması (Anomaly Detection Algorithm–ADA) çözümleri için yayınladığı teklife çağrıyı bu prosedür kapsamında hayata geçirmiştir (CBP, 2023).

4. Sonuç  

YZ destekli ürün ve çözüm geliştirme süreçleri, kamuda hâkim olan klasik proje yönetimi anlayışında esaslı bir dönüşümü beraberinde getirmiştir. Projenin tasarım aşamasından itibaren saha ve merkez personelinin, veri kürasyonu ve geri bildirim gibi projenin birçok aşamasında rol almasının gerekli hâle gelmesi, projelerin daha katılımcı bir yaklaşımla yürütülmesini, sonuç olarak da, katı hiyerarşik yapı ve yetki devri gibi Weberian bürokrasi ilkelerinin yeniden ele alınmasını gerekli kılmıştır. Bu dönüşüm sürecinde yöneticiler ise, YZ’ye ilişkin teknik ve teknik olmayan sorunların aşılmasında vizyon belirleyen, kurum içi uyumu sağlayan ve paydaşlar arası iş birliğini mümkün kılan kritik kolaylaştırıcı aktörler olarak öne çıkmıştır.

Ayrıca, veri yetersizliği ile verinin standartlaştırılması ve paylaşılmasına ilişkin sorunlar, ulusal ve uluslararası düzeyde kamu, özel sektör ve akademi arasında iş birliğini kaçınılmaz hâle getirmiştir. YZ alanında rafta hazır ve başarısı kanıtlanmış çözümlerin sınırlı olması, gümrük idarelerini ürün ve çözüm geliştirme yaklaşımlarına yöneltmiş; bu süreçte paydaşlar, yalnızca nihai kullanıcılar olmaktan çıkarak ürün ve çözüm tasarımının ayrılmaz bir parçası hâline gelmiştir. 

YZ geliştirme sürecinde ortaya çıkan mali ve teknik risklerin azaltılabilmesi için ise mevcut tedarik ve alım süreçlerinde çeşitli revizyonlara gidilmiştir. Bu doğrultuda, uluslararası düzeyde Ar-Ge odaklı projelerle optimum çözümler aranırken, ulusal düzeyde gümrük idareleri kavram kanıtlarının (proof- of-concepts) test edilmesine yönelik sınırlı bütçeler ayırmaya başlamış olup başarı sağlanması hâlinde bu çalışmaların projeye dönüştürülmesi yoluyla kaynakların etkin kullanımını sağlamaya çalışmaktadır. 

Sonuç olarak, YZ’yi süreçlerine entegre etmeyi amaçlayan gümrük idarelerinin, öncelikle insan kaynakları yönetimi, paydaş yönetimi ve mali yönetim alanlardaki kurumsal hazırlık düzeylerini değerlendirmeleri ve YZ’nin gerektirdiği kapsamlı ve radikal dönüşümü hayata geçirmeye istekli olmaları gerekmektedir. Bu süreçlerde veri gizliliği ve güvenliğinin sağlanması ise, proje tasarımından uygulamaya kadar tüm aşamalarda dikkate alınması gereken, tüm süreçlerde geçerli/yatay bir husus (cross-cutting issue) olarak öne çıkmaktadır.

Kaynakça

Automated Comparison of X-ray Images for Cargo Scanning. Available at: https://cordis.europa.eu/project/id/312998

Border Control Agencies for Interlinked and Interoperable Future (Borderlink) Project. Available at: https://www.borderlink.eu/ 

Customs and Border Protection. (2023, April 14). CBP announces solicitation for NII Anomaly Detection Algorithm. https://www.cbp.gov/newsroom/national-media-release/cbp-announces-solicitation-nii-anomaly-detection-algorithm

Department of Homeland Security. (2025). Commercial Solutions Opening Pilot Program Guide. Available at: https://www.dhs.gov/sites/default/files/2025-01/25_0114_cpo-dhscommercialsolutionsopeningpilotprogramguide.pdf

Gartner Inc.’s press release on the Hype Cycle for Emerging Technologies, 2016: https://www.gartner.com/en/research/methodologies/gartner-hype-cycle 

Holmström, J. (2022). From AI to digital transformation: The AI readiness framework. Business Horizons, 65(3), 329-339.

Männistö, T. (2025). AI-Ready Customs Enforcement-Building Capabilities for the Future. PEN-CP Annual Study. 

Mikalef, P., & Gupta, M. (2021). Artificial Intelligence Capability: Conceptualization, measurement calibration, and empirical study on its impact on organizational creativity and firm performance. Information & Management, 58(3), 1-20.

Pan-European Network of Customs Practitioners (PEN-CP). (2021). Pushing boundaries – How Dutch Customs reforms innovation to pursue an ambitious vision. PEN-CP Magazine, Magazine 11 Special Issue.

Stryker, C. (b.t.). What is human-in-the-loop? IBM Think. Available at: https://www.ibm.com/think/topics/human-in-the-loop#:~:text=Human%2Din%2Dthe%2Dloop%20(HITL)%20refers%20to,making%20of%20an%20automated%20system.

Tan, E. & Crompvoets, J. (2022). A new era of digital governance. In E., Tan & J. Crompvoets. (Eds), The New Digital Era Governance. How New Digital Technologies Are Shaping Public Governance, (pp. 1-13). Wageningen: Wageningen Academic Publishers.

UNESCO ve Oxford Üniversitesi. (2025). AI and Digital Transformation in Government on-line course material.

WCO. (2022, October 12). Automated detection: Dutch Customs shares its experience. Disruptive Technologies. https://mag.wcoomd.org/magazine/wco-news-99-issue-3- 2022/automated-detection-dutch-customs/

WCO & WTO. (2022). Study Report on Disruptive Technologies.