Aaron Fulkerson, OPAQUE CEO’su – Röportaj Serisi

Aaron Fulkerson, OPAQUE CEO’su, deneyimli bir kurumsal yazılım girişimcisi ve açık kaynak öncüsüdür. Yirmi yılı aşkın kariyeri boyunca güven, veri ve dijital dönüşüm odaklı teknoloji platformları kurmuş ve ölçeklendirmiştir. 2023’te OPAQUE’a katılmadan önce MindTouch’u kurmuş, yaygın kullanılan bir kurumsal bilgi platformuna dönüşmesine katkı sağlamış ve şirket daha sonra NICE Systems tarafından satın alınmıştır. Ardından ServiceNow tarihinin en hızlı büyüyen iş birimlerinden biri olan ServiceNow Impact’in hayata geçirilmesine öncülük etmiştir. Kariyeri boyunca yeni teknolojiler, kurumsal yazılım ve açık ekosistemlerin kesişiminde çalışmış, çeşitli teknoloji girişimlerine ve kuruluşlarına danışmanlık yapmıştır. Son dönemde gizli yapay zekânın güçlü savunucularından biri olmuş; yapay zekâ sistemleri kritik kurumsal iş akışlarına girdikçe mahremiyetin, yönetişimin ve doğrulanabilir güvenin temel gereksinimler hâline geleceğini savunmuştur.

OPAQUE Apache Spark ve Databricks gibi teknolojilerin ortaya çıkmasına katkı sağlayan araştırma ekosistemi UC Berkeley RISELab’dan doğmuş bir gizli yapay zekâ şirketidir. Şirketin platformu, kurumların son derece hassas veriler üzerinde yapay zekâ modelleri, ajanları ve iş akışları çalıştırmasını sağlarken kriptografik olarak doğrulanabilir mahremiyet ve mevzuata uyum garantilerini korur. OPAQUE, kurumları yapay zekâ inovasyonu ile veri güvenliği arasında seçim yapmaya zorlamak yerine gizli hesaplama, şifreli çalışma zamanı ortamları ve donanım tasdikiyle doğrulanan yürütme kullanarak hassas bilgileri yapay zekâ işlemlerinden önce, işlemler sırasında ve sonrasında korur. Teknoloji; finans, sigorta, sağlık ve yüksek teknoloji gibi sıkı düzenlemelere tabi sektörler için tasarlanmıştır. Müşterileri ve ortakları arasında ServiceNow (NOW ), Anthropic, Accenture ve yapay zekâ projelerini kuruma özel veya düzenlemelere tabi verileri açığa çıkarmadan pilot aşamadan üretim ortamına taşımak isteyen başka kuruluşlar bulunur.

Kariyeriniz boyunca çeşitli kurumsal platformlar kurup ölçeklendirdiniz. OPAQUE’ın CEO’luğunu üstlenmenizi ve yeni dönemde güven, mahremiyet ve yapay zekâ yönetişimine odaklanmanızı ne sağladı?

Yaklaşık yirmi yılımı kurumsal platformlar kurarak geçirdim. Önce, bugün hâlâ yılda bir milyar kullanıcının yararlandığı MindTouch’ta, ardından şirketin en hızlı büyüyen ürününü geliştirdiğim ServiceNow’da çalıştım. İkisi de bana aynı dersi verdi: En güçlü teknoloji bile ancak insanlar ona güvendiğinde kazanır.

OPAQUE’ın kurucu ortakları Raluca Ada Popa, Ion Stoica ve Rishabh Poddar ile tanıştığımda yetenek ve vizyonun nadir görülen bir birleşimini gördüm. Raluca, mahremiyet ve güvenlik alanında dünyanın önde gelen araştırmacılarından biridir. Ion, Databricks’in kurucu ortaklarındandır. Rishabh ise OPAQUE’ın temelini oluşturan çekirdek kriptografik sistemleri geliştirdi.

UC Berkeley RISELab’da, bir nesle damga vuracak nitelikte olduğunu hemen fark ettiğim bir atılım gerçekleştirmişlerdi: Verilerin her yapay zekâ iş akışı boyunca gizli kaldığının kriptografik kanıtı. Vaat değil. Politika değil. Kanıt.

Yapay zekânın nereye yöneldiğini gördüm: Kurumsal sistemler arasında özerk biçimde, makine hızında hareket eden ajanlara. Vint Cerf’in otuz yıldır uyardığı boşluğu da gördüm: Güven katmanı yoktu. İnternet bu katman olmadan ayakta kaldı, çünkü insanlar koruyucu bariyerdi. Ajanların yön verdiği web’in böyle bir lüksü olmayacak. Beni buraya çeken buydu.

Yapay zekâ ajanlarının araçlara, uygulamalara ve verilere güvenli erişmesini sağlayan Model Context Protocol, yani MCP, ortak bir temel olarak ortaya çıkıyor. Sizce bu standart, kurumların ajan tabanlı yapay zekâyı devreye alma ve ölçeklendirme biçimini nasıl değiştiriyor?

MCP, ajan tabanlı yapay zekânın devreye alınması ve ölçeklendirilmesi açısından önemli bir adım. Onu yapay zekâ iş akışları için evrensel bir bağlantı aracı gibi düşünün. Ajanların araçlara, uygulamalara ve verilere bağlanmasını standartlaştırır; pratikteki engelleri azaltır ve denemeleri hızlandırır.

Ancak erişimi standartlaştırmak tek başına ajan tabanlı yapay zekâyı güvenli veya ölçeklenebilir yapmaz. Ajanların, araçların ve veri kaynaklarının sayısıyla birlikte bağlantılar çoğaldıkça her yeni entegrasyon veri sızıntısı yüzeyini genişletir. Kuralların çalışma zamanında uygulanmadığı her bağlantı noktası, verilerin açığa çıkabileceği bir yoldur. Yapay zekâ ajanları hassas sistemlerle ve kuruma özel mantıkla etkileşirken depolanan verilerin şifrelenmesi ve ağ kontrolleri yeterli olmaz. Güvenlik sınırı çalışma zamanına kaymıştır ve ekosistem büyüdükçe bu değişim daha acil hâle gelir. Bu kritik bağlantı noktalarında doğrulanabilirlik, kurum için hayati önem taşıyacaktır. Kurumlar, MCP türü erişimi hangi kodun nerede ve hangi politika altında çalıştığının yürütme öncesinde, sırasında ve sonrasında kriptografik olarak kanıtlanmasıyla birleştirdiklerinde ajan tabanlı yapay zekâyı ölçeklendirebilir. Erişim artı doğrulanabilirlik: Üretim ortamına geçişi mümkün kılan birleşim budur.

MCP erişimi standartlaştırırken ajanların yönettiği sistemlerde güvenlik, politika uygulaması ve güven açısından bugün en büyük boşlukları nerede görüyorsunuz?

2026 AI Leak Surface araştırmamızı tamamladık ve bulgularımızı özetleyen A Dozen Ways Your AI Stack Is Bleeding Data başlıklı raporu yayımladık. Bu konuya doğrudan değiniyor. Sekiz kategoride 46 veri açığa çıkma yolu belirledik. Bunlar yapay zekânın tüm güven sınırını kapsıyor: hesaplama, kontrol, uygulama ve aralarındaki devirler. Üstelik kötü niyetli aktörler hesaba katılmadan. Hiçbir şeyin bozulmadığı, günlüklerin temiz göründüğü, fakat sistemin yine de veri sızdırdığı senaryolardan söz ediyoruz.

En büyük boşluklar erişimde değil; MCP bunu çözüyor. Boşluklar bağlantı kurulduktan sonra olanlarda. Çoğu kuruluş üç temel soruyu yanıtlayamıyor: Yapay zekâmız gerçekte nasıl davranıyor? Onu kim kontrol ediyor? Politikaların uygulandığını nasıl kanıtlayabiliriz?

Araştırmamız, sınırların yapılandırıldığını ama hiçbir zaman uygulanmadığını gösterdi. Bir politika belgede, yapılandırma dosyasında veya devreye alma ayarında bulunuyor, fakat çalışan sistemi kısıtlamıyor. Bir yönetici yapay zekâ asistanı, kamuya açık olmayan önemli bilgileri bir takvim davetine koyuyor. Bir RAG yardımcı asistanı, yönetim kurulu düzeyindeki finansal verileri kıdemsiz bir analiste sunuyor. Bir tedarikçinin SDK’sı, on iki ay boyunca on milyon sorguyu sessizce dışarı sızdırıyor. Her durumda erişim kontrolleri mevcuttu. Buna rağmen veriler sızdı.

Kurumlar, yapılandırılmış politikalarla gerçekten uygulanan politikalar arasındaki boşluğu kapatana kadar MCP ön kapıyı standartlaştırmış olur. Ancak ev hâlâ korumasızdır.

Yapay zekâ ajanları hassas sistemlere ve kuruma özel verilere eriştiğinde, kurumların çoğu zaman hazırlıklı olmadığı hangi yeni mahremiyet ve mevzuata uyum riskleri ortaya çıkıyor?

Çoğu kuruluş mahremiyeti, depolanan veya aktarılmakta olan veriler açısından düşünüyor. Ajanların yönettiği iş akışlarında bu model yetersiz kalıyor; çünkü en büyük risk, kullanım sırasında verilerin açığa çıkması.

Şöyle açıklayayım: Yüksek performanslı otomobiller üreten bir şirket montaj hattında yapay zekâ kullanıyor. Ham veriler zararsız görünüyor: sensör okumaları, zamanlama dizileri, kalite kontrolleri. Fakat bir büyük dil modeli, işlemler sırasında yan ürün olarak oluşan bu verilerden kuruma özel üretim süreçlerini yeniden çıkarabiliyor. Beş yıl önce gürültü sayılan şey, artık bir rakip için üretim planı niteliğinde.

Yapay zekâ veri sızıntısı araştırmamız bu örüntüyü onlarca senaryoda belgeliyor. Operasyonel telemetri araçları varsayılan olarak yapay zekâya ilişkin veri yüklerinin tamamını kaydediyor. Bir Avrupa bankasında, kimse APM varsayılan ayarlarını değiştirmediği için kişisel bilgiler içeren 2,1 milyon istem ABD’deki bir SaaS örneğine aktı. Ajan belleği, oturumlar arasında bağlam sızdırıyor. Düşünce zinciri izleri, soruşturma dosyalarının tamamını dış yüklenicilerin erişebildiği gözlemlenebilirlik platformlarına açıyor. Geleneksel mevzuata uyum çerçeveleri bu tür sızıntıları tespit etmek için tasarlanmadı. Verileri insanların, insan hızında taşıdığını varsayıyorlardı.

Gizli yapay zekâ neden MCP’nin gerekli bir tamamlayıcısı hâline geliyor? Erişim standartlarının tek başına çözemediği sorunları nasıl ele alıyor?

MCP kimin neye ve nasıl erişeceğini ele alırken gizli yapay zekâ, erişim verildikten sonra olanları ele alır. Bunlar birbirini tamamlayan katmanlardır.

Erişim standartları tek başına çalışma zamanında sistemin ele geçirilmesini, politikalardan sapmayı veya yetkisiz veri kullanımını önleyemez. Şöyle düşünün: MCP, ajanları sistemlerinize bağlamak için standart bir yol sunar. Gizli yapay zekâ ise bağlanan ajanların yalnızca yetkili oldukları işlemleri yapabileceğine dair kriptografik garantiler sunar ve bunu kanıtlayabilirsiniz. Bu garantiler çalışma zamanında veri, kimlik, kod ve iletişimi kapsar. Gizli yapay zekâ, yürütmenin doğrulanabilir kanıtını sağlar; yapay zekâ aktif biçimde akıl yürütürken, içerik üretirken ve işlem yaparken mahremiyetin ve politika uygulamasının erişim sınırında sona ermemesini sağlar. O olmadan MCP sağlam bir temeldir. Ancak yalnızca temel, bir binayı güvenli kılmaz.

Kritik iş akışlarında özerk yapay zekâ ajanları çalıştıran bir kuruluş için doğrulanabilir güven pratikte nasıl görünür?

Doğrulanabilir güven; hangi kodun nerede ve hangi politika altında çalıştığını, hangi verilere erişildiğini ve sistemin zaman içinde nasıl davrandığını kanıtlayabilmem demektir.

Örneğin, tazminat talep yazılarını işlemek için yapay zekâ ajanları kullanan bir sigorta şirketini ele alalım. Yürütme başlamadan önce donanım tasdiki, ajanın kimliğini ve ortamın bütünlüğünü doğrular. Yürütme sırasında, donanım destekli güvenilir yürütme ortamı (TEE) içindeki kriptografik politika bağlama, verilerin korunmasını ve politikaların uygulanmasını sağlar. Yürütme sonrasında ise ne olduğunu tam olarak kaydeden, sonradan değiştirilmeye karşı korumalı bir denetim izi oluşur. Ajanların yönettiği iş akışlarındaki risk, bir ajanın kontrolden çıkması değildir. Asıl risk; bir politikanın uygulandığını veya hassas verilerin ajanın çalışması boyunca, yürütme öncesinde, sırasında ve sonrasında korunduğunu gösterememektir. Doğrulanabilir güven pratikte budur.

Ajan tabanlı sistemlerde geleneksel insan denetimi neden yetersiz kalıyor? Kuruluşlar bu yeni ortamda yönetişimi nasıl yeniden düşünmeli?

On yıllardır internetin görünmeyen bir koruyucu bariyeri vardı: Biz. İnsanlar içerikleri okuyor, bilinçli olarak tıklıyor ve yüzlerce sistemde aynı anda sessizce işlem yapmıyordu. Ajan tabanlı yapay zekâ bu varsayımları bir gecede ortadan kaldırıyor. Ajanlar sürekli çalışıyor, makine hızında karar veriyor ve insanlar için tasarlanmış ama makinelerce istismar edilebilen ortamlarda manipüle edilebiliyor. Kötü niyetli bir web sayfasının yapay zekâyı bir insanı kandırır gibi kandırmasına gerek yok; ona doğrudan talimat verebilir.

Ajan başına yalnızca %1 risk olsa bile yüz ajandan oluşan bir ağın güvenlik ihlali olasılığı %63’tür. Sayı bine çıktığında olasılık %99,99’a yükselir. İnsanı karar döngüsünde tutmaya dayanan yönetişim bu sayılara yetişemez. Yönetişim, olay sonrası incelemelerden çalışma zamanı garantilerine geçmelidir. Bu; sıfır güven iş akışları, politikaların varsayılan olarak uygulanması ve bir insanın hatayı sonradan fark etmesine bağlı olmayan doğrulanabilir yürütme demektir.

Yerleşik bir güven katmanı olmadan ajan tabanlı yapay zekâyı deneyen kuruluşlarda en sık hangi güvenlik hatalarını görüyorsunuz?

En sık gördüğüm örüntü, kuruluşların davranışlarına ilişkin kriptografik garantiler olmadan ajanların hareket etmesine ve birbirleriyle koordinasyon kurmasına izin vermesi. Hassas fikrî mülkiyetlerini iyi şeyler olacağı umuduna bırakıyorlar.

Ardından olacaklar öngörülebilir ve bunların somut örüntülerini yapay zekâ veri sızıntısı araştırmamızda belgeledik. Çalışma zamanındaki ele geçirmeler, ajan zaten ağın içinde olduğu için geleneksel çevre savunmalarını aşar. Özerk ajan zincirleri zincirleme arızalar üretir. İstismar edilen tek bir ajan, bağlı sistemlerde domino etkisi başlatır. Kuruma özel mantık, kimsenin izlemediği ve işlemler sırasında yan ürün olarak oluşan veriler yoluyla sızar. Çalışma zamanında doğrulanabilir kimlik veya politika bağlama bulunmadığından ajanlar, kurumsal niyet ile kötü niyetli girdiyi ayırt edemez. Bunlar varsayımsal senaryolar değil. Hiçbir şey bozuk görünmese bile verilerin amaçlanan kontrollerin dışına çıktığı 46 yol belirledik. Yapay zekâ ajanları makine hızında veri üretip paylaşır. İş akışına doğrulanabilir çalışma zamanı korumaları yerleştirilmezse arızalar, güvenlik ekibinin tespit veya müdahale edebileceğinden daha hızlı yayılır.

Önde gelen kuruluşlar, gelişmiş yapay zekâ yeteneklerinden yararlanma ihtiyacı ile en hassas veri varlıklarını korumayı nasıl dengeliyor?

Bunu doğru yapan kuruluşlar, mahremiyeti ve yönetişimi fren değil hızlandırıcı olarak görüyor. Kilit nokta bu.

Sahada gördüğüm şu: Önde gelen kuruluşlar, gelişmiş yapay zekâ yeteneklerini yalnızca mevzuata uyum kontrol listeleri değil, doğrulanabilir garantiler sunan gizli yapay zekâ platformlarıyla birleştiriyor. Hassas verileri yapay zekâ inovasyonu için kullanılabilir kılarken, iş akışları özerk çalıştığında bile kuruma özel bilgilerin korunmasını sağlıyorlar.

Eski yaklaşım, yetenek ile güvenlik arasında seçim yapmaktı. En hızlı ilerleyen kuruluşlar bu ödünleşimi tamamen reddetti. Yapay zekâ stratejilerinin temeline doğrulanabilir güveni yerleştirerek en değerli verilerini kullanabiliyorlar. Rakipleri ise anlamlı bir fark yaratmayan, hassas bilgilerden arındırılmış veri kümeleriyle yapay zekâ çalıştırarak pilot aşamasında kalıyor.

Bugünkü gözlemlerinize dayanarak, ajan tabanlı sistemler pilotlardan tam üretim ortamına geçerken önümüzdeki birkaç yılda kurumsal yapay zekâ yönetişim modellerinin nasıl gelişmesini bekliyorsunuz?

Yönetişim, kâğıttan kanıta doğru evrilecek. En basit anlatımı bu. İlk yönetişim modelleri insan hızına göre tasarlanmıştı: Kâğıt üzerinde politikalar, devreye almadan önce onaylar, işler ters gittikten sonra incelemeler. Ajan tabanlı sistemler bu varsayımların tamamını bozar. Sürekli çalışır, özerk hareket eder ve makine hızında zincirleme etkiler üretirler.

Gördüğümüz şey, yönetişimin yeni güvenlik sınırı olarak çalışma zamanı doğrulanabilirliğine yönelmesi. Bunu, ajanın yaşam döngüsünün tüm aşamalarındaki davranışı yürütme öncesinde, sırasında ve sonrasında kanıtlayan kriptografik garantiler destekliyor. HTTPS’te gördüğümüz aynı örüntü, web trafiği için varsayılan hâle geliyor. Artık kimse web bağlantılarının şifrelenip şifrelenmemesi gerektiğini tartışmıyor. Birkaç yıl içinde kimse yapay zekâ yürütmesinin çalışma zamanında doğrulanması gerekip gerekmediğini de tartışmayacak. Bu, temel bir gereksinim olacak.

Bu harika röportaj için teşekkür ederiz. Daha fazla bilgi edinmek isteyen okurlar OPAQUE sitesini ziyaret edebilir.