Roderick Lucas, Moonlit’in Kurucu Ortağı ve CEO’su – Röportaj Dizisi

Roderick Lucas, yapay zekâ, veri bilimi ve hukuk teknolojisi alanlarındaki deneyimini Moonlit’in Kurucu Ortağı ve CEO’su olarak çalışmalarına taşıyor. Deloitte’ta yaklaşık on yıl çalıştı ve burada Yapay Zekâ Lideri olarak görev yaptı; ayrıca Vrije Universiteit Amsterdam ve Tilburg University’de teknoloji dersleri verdi. Çalışmaları, yapılandırılmış veriler, doğrulanabilir kaynaklar ve yapay zekâ aracılığıyla hukuki araştırmaları daha erişilebilir kılmaya odaklanıyor.

Moonlit, Avrupa’daki hukuk sistemleri genelinde resmî mevzuatı, mahkeme kararlarını ve düzenleyici bilgileri birbirine bağlayan hukuki veri altyapısı ve araştırma araçları sunuyor. Platformu, Data API’si ve MCP sunucusu, araştırmacılara ve yapay zekâ asistanlarına yapılandırılmış hukuki kaynaklara erişim sağlıyor; Commentaries kütüphanesi ise yapay zekâ tarafından oluşturulan analizleri, adı belirtilen hukuk uzmanlarının incelemesiyle bir araya getiriyor. Lucas bu röportajda hukuki halüsinasyonları, sınır ötesi araştırmaları, uzman doğrulamasını ve güvenilir hukuki bilgiye erişimi ele alıyor.

Deloitte’ta yaklaşık on yıl çalıştınız ve sonunda Yapay Zekâ Lideri olarak görev yaptınız; aynı zamanda Vrije Universiteit Amsterdam ve Tilburg University’de teknoloji dersleri verdiniz. Moonlit, bağımsız bir şirkete dönüşmeden önce Deloitte bünyesinde bir iç proje olarak ortaya çıktı ve 2024’te bağımsız bir şirket hâline geldi. Platformu geliştirmeniz için size ilham veren neydi ve hukuki araştırmaların kökten farklı bir yaklaşıma ihtiyaç duyduğuna sizi ne ikna etti?

Moonlit, sorun tam da gözümüzün önünde olduğu için Deloitte bünyesinde ortaya çıktı. Avrupa’daki her ciddi hukuk veya vergi sorusu er ya da geç sınırları aşar; ancak ihtiyaç duyulan kaynaklar, her birinin kendine özgü biçimi, dili ve atıf sistemi olan onlarca ulusal portala dağılmış durumdadır. Uzmanlar, araştırma saatlerinin çoğunu kaynakları derlemeye ve hiçbir şeyin eksik kalmadığını doğrulamaya harcar. Öte yandan, onlara yardımcı olmak için geliştirilen araçlar sınır ötesi çalışmalar için yetersizdir. Bu araçlar kullanıcı başına ve ülke başına ücret alır; farklı yargı bölgelerinin aynı konuyu nasıl ele aldığını karşılaştırmak için bile ayrı ayrı oturum açmayı gerektirir.

Dil modelleri ortaya çıktığında iki şey aynı anda netleşti: Modeller hukuki metinler üzerinde beklenenden çok daha iyi akıl yürütebiliyordu, ancak akıl yürütebilecekleri güvenilir kaynaklardan yoksundu. Kamuya açık mahkeme portallarından doğrudan metin çıkarmak dağınık ve tutarsız veriler ortaya çıkarırken, ticari hukuk yayıncıları lisans kısıtlamalarıyla otomatik erişimi engelliyor. Hukuk teknolojisi ortak bir temelden yoksundu: Birden fazla hukuk sistemindeki resmî kaynakların aynı temiz veri yapısında standartlaştırıldığı, çapraz referanslarla ilişkilendirildiği ve her gün güncellendiği bir temel.

Geliştirmek için yola çıktığımız katman buydu; Moonlit’in 2024’te tek bir hukuk bürosuna yönelik bir araç olarak kalmayıp şirkete dönüşmesinin nedeni de bu. Böyle bir temel, ondan yararlanan ve ona katkıda bulunan her kişi ve sistemle birlikte daha da değer kazanıyor. Bu girişimin arkasındaki inanç değişmedi: Hukuk kamuya açıktır ve onun üzerine inşa edilen bilgi, hukuka uymak zorunda olan herkesin karşılayabileceği bir maliyette olmalıdır.

Moonlit, hukuki bilgiye erişimin adalet için vazgeçilmez olduğu inancıyla kuruldu. Mevzuat ve mahkeme kararları çoğu zaman kamuya açık olsa da bunların sonuçlarını açıklayan uzman yorumları genellikle pahalı ödeme duvarlarının arkasında kalıyor. Moonlit, bu yorumlayıcı katmana erişimi demokratikleştirmeyi nasıl amaçlıyor ve bu, güvenilir hukuk yapay zekâsının geliştirilmesi açısından neden özellikle önemli?

Hollanda’da kazandığınız her avronun yaklaşık 40 senti devlete gidiyor ve bunun bir kısmı kamu üniversitelerini ve hukuk sistemini finanse ediyor. Hukuku açıklayan yorumların çoğu, kamu kaynaklarından maaş alan akademisyenler tarafından yazılıyor. Wolters Kluwer ve Thomson Reuters gibi ticari yayıncılar bu analizleri paketleyerek onlara ihtiyaç duyan mahkemelere, bakanlıklara, üniversitelere ve hukuk uygulayıcılarına yeniden satıyor. Bir yorum aboneliğinin kullanıcı başına aylık bedeli yüzlerce avroyu buluyor. Bu abonelikler yüzünden halk, uymak zorunda olduğu hukuk için fiilen iki kez ödeme yapıyor. Adil bir hukuk sisteminin aylık maliyeti Netflix aboneliğinizden yüksek olmamalı.

Açık bir alternatif sunmak için Commentaries’i geliştirdik: Ücretsiz Moonlit hesabıyla erişilebilen, madde madde düzenlenmiş bir hukuki analiz kütüphanesi. Her yorum, yapay zekâ modellerimiz kullanılarak birincil kaynaklardan oluşturuluyor ve yayımlanmadan önce hukuk uzmanları tarafından inceleniyor. Her atıf doğrulanıyor ve doğrudan ilgili resmî devlet veya mahkeme kaydına bağlanıyor. Okur eksik bir ayrıntı ya da yakın tarihli bir gelişme fark ederse, editoryal inceleme için sayfadaki form üzerinden doğrudan bir düzenleme önerisi sunabiliyor. Editörler de öneriyi inceleyip içeriği yeniden yayımlayabiliyor. Bildiğimiz kadarıyla başka hiçbir yayıncı bu bileşimi sunmuyor. İlk aşamada mevcut yorumlar dolaylı vergilere (KDV) odaklanıyor; veri korumaya ilişkin yorumlar ise hazırlanıyor.

Bu yorumlayıcı katman, hukuk yapay zekâsı için de aynı ölçüde kritik. Modeller kamuya açık kanunları ve mahkeme kararlarını işleyebilir; ancak bir kuralın uygulamada nasıl işlediğini veya hangi istisnaların bulunduğunu açıklayan ikincil yorumları okuyamaz. Bu bağlamdan yoksun kalan modeller, mevcut bilgilerin ötesine geçerek güvenilmez yanıtlar üretiyor. Commentaries’i, her ifade yorumladığı hükme ve dayandığı karara açıkça bağlanacak şekilde tasarladık. Hukuk uygulayıcısı kaynağı tek tıklamayla doğrulayabilir; yapay zekâ iş akışı da Moonlit Data API’si ve MCP bağlayıcısı aracılığıyla güvenilir veriler üzerinde akıl yürütebilir.

Yapay zekâ tarafından üretilen hukuki halüsinasyonlar giderek daha fazla kaygı uyandırıyor; avukatlar ve mahkemeler, uydurma dava atıflarıyla ve hukukun hatalı yorumlarıyla karşılaşıyor. En gelişmiş büyük dil modelleri bile hukuki doğrulukta neden zorlanıyor ve yapılandırılmış, doğrulanmış hukuki bağlam sağlamak bu sınırlamaların giderilmesine nasıl yardımcı oluyor?

Dil modelleri, zekâyla pek ilgisi olmayan nedenlerle hukuk alanında zorlanır. Hukuki akıl yürütme bütünüyle doğrulanabilir hukuki dayanaklara bağlıdır. Bir sonucun niteliği, dayandığı hükmün veya kararın niteliği kadardır; ancak model, dava numaralarını ve kanun atıflarını güvenilir veri tabanı kayıtları olarak değil, olasılıksal metin kalıpları olarak ele alır. Gerçek bir belgeyi doğruladığı için değil, bir atfın nasıl görünmesi gerektiğini tahmin ettiği için inandırıcı görünen kaynaklar üretir. Bunun çok ciddi sonuçları vardır: Bu yazının kaleme alındığı sırada, yapay zekâ halüsinasyonlarını içeren 2.100’den fazla mahkeme kararı kayda geçmişti; bunların 800’den fazlasında hukuk uygulayıcıları doğrudan yer alıyordu.

Hukuk da sürekli değişiyor. Bir modelin bilgisi, eğitim verilerinin kesildiği tarihte sona ererken vergi kararları ve üst mahkeme kararları her hafta güncelleniyor. Bu kuralların ne anlama geldiğini açıklayan yorumlar yayınevlerinin ücretli erişim duvarlarının arkasında kaldığında model, yalnızca kanun metnine erişebiliyor; uygulamadaki bağlamı göremediğinden aradaki boşluğu makul görünen açıklamalar uydurarak dolduruyor.

Yapılandırılmış ve doğrulanmış bağlam, görevin özünü değiştiriyor. Moonlit’te model, hukuku belleğinden hatırlamaya çalışmak yerine ilgili kaynakları bulup getiriyor ve doğrudan resmî kayıtlardan çalışıyor. Arama, her birinin atfı ve bağlantısı bulunan resmî kaynaklardaki belgeleri getiriyor. Atıf grafiği, bir kararın hangi kaynaklara atıfta bulunduğunu ve daha sonraki hangi belgelerin o karara atıf yaptığını gösteriyor. Bir atıf ya depomuzdaki gerçek bir belgeye yönlendiriliyor ya da hiç gösterilmiyor. Böylece uydurma atıflar ortadan kalkıyor. Ancak verilerin temiz olması, belgelerin yanlış okunmasını tek başına önlemiyor; bu nedenle Commentaries’de taslakla okuyucu arasına adı belirtilen bir hukuk uzmanı giriyor.

Moonlit, onlarca yargı bölgesindeki mevzuatı, mahkeme kararlarını ve düzenleyici bilgileri bir araya getiriyor; hukuki belgeleri kapsamlı bir atıf grafiği üzerinden birbirine bağlıyor. Temelindeki yapay zekâ ve veri mimarisini, özellikle platformun hukuki kaynaklar arasındaki ilişkileri nasıl belirlediğini, farklı dilleri ve hukuk sistemlerini nasıl uzlaştırdığını ve bu bilgileri yapay zekâ modellerinin erişimine nasıl sunduğunu anlatabilir misiniz?

Bunu, resmî yayından doğrulanmış bir atfa uzanan kesintisiz bir zincir olarak düşünebilirsiniz.

Her yargı bölgesinde, mevzuat bültenleri, mahkeme veri tabanları ve düzenleyici kurumların portalları ile AB hukuku için EUR-Lex dâhil olmak üzere resmî portallara doğrudan bağlanıyoruz. Her portalın kendine özgü özellikleri ve biçimleri var; ayrıca bu özellikler ve biçimler önceden haber verilmeksizin değişebiliyor. Bu nedenle mühendislik çalışmalarımızın önemli bir bölümü, portalları izlemeye ve her portal için otomatik kurtarma sistemleri geliştirmeye ayrılıyor. Sisteme aldığımız her belge, kaynak bilgilerini ve resmî devlet kaydına yönlendiren kalıcı bir bağlantıyı koruyor. Diğer her şeyin temelinde bu bağlantı yer alıyor.

Tüm bu içerikler, farklı yargı bölgelerini kapsayan tek bir modelde bir araya geliyor: mevzuat, içtihat, parlamento belgeleri, yetkili kurum kararları ve kılavuzlar. Mevzuat, tek bir hükmün doğru biçimde bulunup atıf alabilmesi için madde düzeyinde parçalara ayrılıyor. Hollanda kararları ve Almanya kararları, kendi ülkelerinin sistemlerinin gerektirdiği özgün alanları korurken belgelerin sınır ötesinde tanımlanma, sınıflandırılma ve birbirine bağlanma biçimini standartlaştırıyoruz.

Hukuki metinler sürekli birbirlerine atıfta bulunur. Bir karar, uyguladığı maddelere ve izlediği kararlara atıfta bulunurken bir kanun da başka kanunlara gönderme yapar. Motorumuz, yargı bölgesine göre büyük farklılıklar gösteren bu atıfları tanır, Data Layer’daki gerçek belgelere bağlar ve bağlantıları çift yönlü olarak kaydeder. Atıf çıkarım kalıplarını hukuk mühendisleri doğrular. Sonuçta yüz milyonlarca bağlantı içeren bir atıf grafiği ortaya çıkar; böylece herhangi bir belge için, belgenin hangi kaynaklara atıfta bulunduğunu ve hangi kaynakların ona atıf yaptığını görebilirsiniz.

Dil konusunu, kaynak belgeleri olduğu gibi bırakarak ele alıyoruz. Birincil metinleri çevirmiyoruz. Belçika’daki bir karar Fransızca ya da Felemenkçe olarak kalıyor ve aramalar özgün dilde yapılıyor. Anahtar kelime aramasını anlamsal aramayla birleştiriyor, sonuçları yeniden sıralıyor ve her sorguyu ilgili yargı bölgesiyle sınırlıyoruz. Araştırma asistanımız Luna, altta yatan her kaynağı kendi dilinde tararken sorularınızı istediğiniz dilde yanıtlıyor.

Moonlit platformu, Data API’miz ve MCP sunucusu aynı Data Layer’dan veri okuyor. API; arama yöntemlerimize, atıf grafiğine ve tam metin getirme işlevine programatik erişim sağlarken MCP sunucusu, tüm harici yapay zekâ asistanlarının kullanımına salt okunur dokuz araç sunuyor. Altta yatan verilerde yaptığımız iyileştirmeler, aynı anda tüm kanallara yansıyor.

Moonlit, hukuk uzmanlarının adları belirtilerek incelediği yapay zekâ tarafından oluşturulan hukuki yorumları kullanıma sundu; bu yorumlarda otomatik taslak hazırlama ile insan doğrulaması bir araya geliyor. Bu süreç uygulamada nasıl işliyor ve yapay zekâ tarafından oluşturulan yorumların doğru, şeffaf ve yetkin hukuki kaynaklarla izlenebilir olmasını hangi güvenceler sağlıyor?

Hukuki şerh, doğrudan yasanın kendisiyle başlar. Motorumuz, mevzuat, içtihat, direktifler ve bir hükmün dayandığı yasama süreci dâhil olmak üzere Data Layer’daki birincil kaynaklardan taslak oluşturur. Yalnızca elimizde bulunan belgelere atıfta bulunabilir; bu nedenle her önerme, yorumladığı hükme ve onu destekleyen kaynağa bağlanır. Örneğin, yayına aldığımız şerhlerden biri doğrulanmış 165 kaynağa bağlantı verir.

Bir şerh yayımlanmadan önce, ilgili alanda uzman bir hukukçu taslağı bu birincil kaynaklarla karşılaştırarak inceler. Editörlerimiz, yaptıkları iş için ücret alan akademisyenler ve uygulamacı yazarlardır. İlk yazar grubu üniversitelerden, mahkemelerden, kamu kurumlarından, danışmanlık şirketlerinden ve hukuk bürolarından geliyor. Taslağı düzeltir, gereksiz kısımları çıkarır ve eksik olanları eklerler. İsimleri sayfada açıkça yer alır.

Doğrulanmış inceleme rozetleri, bir editör tarafından onaylanan bölümleri işaretler; böylece hangi bölümlerin arkasında bir insan uzmanın durduğu her zaman açıkça görülür.

Her şerhte, açıklanan hukukun tam olarak hangi tarihteki durumunu yansıttığını göstermek için bir referans tarihi de belirtilir. Data Layer her gün güncellenir ve editör için ilgili yeni kararları işaretler; editör de ardından metni gözden geçirerek referans tarihini ileri alır.

Bütün bunların temelindeki güvence bağlantıdır. Bir sonuca dayanak oluşturan karara tıklayarak ulaşamıyorsanız, sizden o sonucu sorgulamadan kabul etmeniz isteniyor demektir. Commentaries’i, kimsenin böyle bir zorunlulukla karşılaşmaması için geliştirdik.

Model Context Protocol (MCP) entegrasyonları sayesinde Moonlit, hukuki bilgiyi doğrudan ChatGPT, Claude ve Microsoft Copilot gibi yapay zekâ asistanlarına aktarabiliyor. Bu mimari, geleneksel erişim artırımlı üretim sistemlerinin gerçekleştirmekte zorlanabileceği neleri mümkün kılıyor ve bu asistanların erişilen hukuki bilgileri sorumlu biçimde kullanmasını nasıl sağlıyorsunuz?

Geleneksel RAG, bazı belgelerin anlık görüntüsünü alır, bunları parçalara böler, vektörleştirir ve benzerlik puanı en yüksek olanları modele sunar. Hukuk alanında bu yaklaşım üç noktada başarısız olur. Anlık görüntü güncelliğini yitirir. Benzerlik, belirli bir maddeyi veya dava numarasını bulmak için yeterince güvenilir değildir. Ayrıca bir parça, belgenin hangi kaynaklara atıfta bulunduğu ya da sonraki kararların belgeyi nasıl etkilediği konusunda hiçbir bilgi vermez.

MCP sunucusuyla araştırmayı asistanın kendisi yapar. Boolean operatörleri kullanarak anlam üzerinden ya da belirli terim ve atıflarla arama yapabilir, belgeler arasındaki göndermeleri izleyebilir, tam metinleri okuyabilir ve bir yasanın tek tek maddelerine ulaşabilir. Ayrıca hangi yargı bölgelerinin ve resmî portalların kullanılabilir olduğunu da kontrol edebilir. Model neye ihtiyaç duyduğuna karar verir, karşısına çıkan sonuçları okur ve yanıt sağlam bir temele oturana kadar yeniden arama yapar. Farkı yaratan bu döngüdür. Luna, eylül ayında aynı MCP sunucusuna geçti ve yanıtlar aynı anda hem hızlandı hem de iyileşti. Veriler de canlıdır: Asistan, Data Layer’ı o anki güncel hâliyle okur.

Sorumlu kullanım, sınırların açıkça belirlenmesiyle başlar. Araçlarımız salt okunurdur ve sonuçlar resmî kaynağa bağlanır. Asistanların izleyebileceği basit araştırma yönergeleri de yayımlıyoruz. Bu yönergeler; kaynakta kullanılan özgün dilde nasıl arama yapılacağını, atıfta bulunmadan önce ilgili bölümün nasıl kontrol edileceğini, sürümün nasıl doğrulanacağını ve mevcut kaynaklarda boşluk olduğunda bunun nasıl açıkça belirtileceğini anlatır.

Farklı asistanlar akıl yürütme süreçlerini farklı biçimlerde gösterir; bu, kontrol edebildiğimiz bir şey değildir. Yapabileceğimiz şey, kaynakların kolayca denetlenmesini sağlamaktır. Her atıf bir belgeye, her belge de resmî yayınına götürür.

Yeni kararlar yayımlandıkça, düzenlemeler değiştikçe ve mevcut emsal kararların geçerliliği sorgulandıkça hukuki bilgiler sürekli gelişiyor. Moonlit’in otomatik izleme altyapısı bu gelişmeleri nasıl tespit edip sisteme dâhil ediyor ve platform, yapay zekâ sistemlerinin güncelliğini yitirmiş mevzuata veya artık geçerli olmayan hukuki yorumlara dayanmasını nasıl önlüyor?

Bir yapay zekânın ya da araştırmacının yürürlükte olmayan hukuka dayanmasını önlemek, belgeler arasındaki bağlantılara bağlıdır. Yeni bir karar veya kanun değişikliği sisteme girer girmez, kaynak grafiği bu belgeyi atıfta bulunduğu önceki hüküm ve davalara bağlar. Bir üst mahkeme önceki bir kararı bozduğunda veya kapsamını daralttığında, bu gelişme atıfta bulunan karar olarak doğrudan ilk karara eklenir. Grafiği izleyen bir model, sonraki bu hukuki değerlendirmeyi hemen görür ve güncelliğini yitirmiş bir emsali hâlâ geçerliymiş gibi ele almaz. Platformda kullanıcılar, aynı gelen bilgi akışını izledikleri belirli mevzuat, mahkemeler veya konular için etkin Monitors’lara dönüştürebilir.

Şerhlerde güncelliği korumak geleneksel olarak önemli bir kör nokta olmuştur. Ticari şerh serileri çoğu zaman güncelleme amacıyla yılda yalnızca bir veya iki kez gözden geçirilir. Dolaylı vergilendirme veya veri koruma gibi hızlı değişen alanlarda bu gecikme ciddi uyum riskleri yaratır. Data Layer, sisteme giren yayınları şerhlerimizle her gün karşılaştırdığı için yeni kararlar yazardan sorumlu editöre hemen bildirilir. Editör analizi günceller ve referans tarihini ileri alır; böylece hem hukukçular hem de yapay zekâ modelleri, on iki ay öncesine ait bir değerlendirme yerine hukukun fiilî güncel durumunu esas alır.

Sınır ötesi hukuk araştırmaları, özellikle farklı ülkeler benzer düzenlemeleri farklı biçimlerde yorumladığında veya uyguladığında, belgeleri çevirmenin ötesine geçen karmaşıklıklar doğurur. Moonlit’in yapay zekâsı yargı bölgeleri arasındaki bu farklılıkları nasıl ayırt ediyor ve yetkili hukuki kaynaklar birbiriyle çelişiyor gibi göründüğünde ne oluyor?

Bir AB direktifi ile onu uygulamaya koyan ulusal yasa, birbirinden farklı belgelerdir; biri diğerine atıfta bulunduğunda aralarında bağlantı kurulur. Adalet Divanı kararını uygulayan ulusal mahkeme kararı da söz konusu karara bağlanır. Commentaries’nin KDV ile başlamasının nedeni de budur. Kurallar büyük ölçüde AB düzeyinde uyumlaştırılır, ardından her üye devlette yorumlanır.

Hukukta çelişkiler olağandır ve biz bunları gizlemeyiz. Yetkili iki kaynak birbiriyle çelişiyor gibi göründüğünde okura her ikisi de sunulur. Sonrasında işin büyük kısmını hiyerarşi çözer: sonraki bir karar önceki bir kararın, AB hukukuyla ilgili bir konuda Adalet Divanı ulusal mahkemenin önüne geçer; ayrıca atıf tarihindeki hüküm esas alınır. Commentaries’de bu değerlendirmeyi editör açıkça yapar ve kaynaklar da kararın yanında yer alır.

Moonlit’nin teknolojisi; Hollanda Yüksek Mahkemesi, Deloitte ve diğer hukuk ve kamu kurumları da dâhil olmak üzere çeşitli kuruluşlar tarafından kullanılıyor. Platformun hukuki araştırma iş akışını nasıl dönüştürdüğüne ilişkin uygulamalı bir örnek paylaşabilir misiniz? Ayrıca geleneksel yöntemlerle karşılaştırıldığında araştırmanın doğruluğu, eksiksizliği veya verimliliğindeki gelişmeleri nasıl ölçüyorsunuz?

Örneğin fintech alanında Quantoz Payments’ın hukuk ekibi, Moonlit MCP sunucusunu Claude’a bağladı ve sınır ötesi ödemelere ilişkin düzenlemeler için özel iş akışları oluşturdu. Bu, Avrupa genelinde geleneksel olarak izlenen iş akışının yerini alıyor. Bir avukatın genellikle birkaç ülkedeki portalları açması, birden çok dilde arama yapması, atıfları bir not belgesine kopyalaması ve önemli bir yerel emsal kararı gözden kaçırmadığını umması gerekir. Artık kurdukları sistem, farklı yargı bölgelerinde aynı anda arama yapıyor, atıf ağını izliyor ve resmî kaynak bağlantılarıyla birlikte birincil belgeleri sunuyor. Şirket içi bir hukuk ekibi açısından etkisi açık. Gözden kaçan yabancı mahkeme kararlarının yarattığı kör noktayı ortadan kaldırıyor; saatler süren mekanik bilgi toplamayı gerçek hukuki analiz ve risk değerlendirmesine yönlendiriyor.

Geliştirme tarafında ise çok farklı türde bir verimlilik görülüyor. Hukuk alanında yapay zekâ ürünleri geliştiren ekipler, sağlanan iyileşmeleri tasarruf edilen mühendislik aylarıyla ölçüyor. Bir hukuk teknolojileri şirketi olan Eudia, ürününü desteklemek için yapılandırılmış Avrupa hukuk verilerine ihtiyaç duyuyordu. Ürün yöneticisi, Data API’mizin birkaç gün içinde eksiksiz bir Avrupa külliyatı sunduğunu belirtti. Temel bir veri altyapısı olmadığında, her ulusal portal için özel veri toplayıcılar oluşturmak ve bunları süresiz olarak çalışır durumda tutmak gerekir. Saga ve Legal Mind gibi diğer platformlar da aynı altyapıya dayanıyor; artık doğrulanmış Commentaries içeriklerini doğrudan kendi son kullanıcılarına sunabiliyorlar.

Geleceğe baktığımızda, temel modeller giderek daha yetkin hâle gelirken yapay zekâ ajanları da daha karmaşık hukuki araştırma görevlerini üstleniyor. Genel amaçlı yapay zekâ modelleri ile uzmanlaşmış hukuk verisi altyapısı arasındaki ilişkinin nasıl gelişeceğini düşünüyorsunuz? Özellikle güvenilir hukuki bilgiyi büyük hukuk büroları ve kurumların ötesinde erişilebilir kılma konusunda Moonlit’nin uzun vadeli vizyonu nedir?

Daha güçlü bir model, kendisine sunduğunuz kaynaklar üzerinde daha iyi akıl yürütür; ancak güvenilir birincil kayıtları yoktan var edemez. Temel modeller yetkinleştikçe doğrulanmış bir veri katmanının değeri de artar. Akıl yürütme yaygınlaştığında asıl darboğaz veri kalitesine kayar; çünkü bir ajanın hâlâ üzerinde çalışabileceği doğru ve yapılandırılmış hukuk verilerine ihtiyacı vardır.

Genel amaçlı modeller ve otonom ajanlar taslak hazırlama, sentezleme ve konuşma etkileşimlerini üstlenecek. Moonlit gibi uzmanlaşmış altyapılar ise temelindeki zorlu veri sorununu çözer; hukukun güncel, yapılandırılmış ve doğrulanabilir kalmasını sağlar ve verileri bu ajanların kullandığı protokoller aracılığıyla doğrudan sunar. Bu değişime erkenden hazırlandık. Kendi asistanımız, harici ajanların bağlandığı MCP sunucusunun aynısı üzerinde çalışıyor ve ekipler şimdiden bu altyapıyı kullanarak kendi özel ajanlarını çalıştırıyor.

Bu mimari, uzun vadeli vizyonumuzun da merkezinde yer alıyor. Güvenilir sınır ötesi hukuk bilgisi, geleneksel olarak yalnızca pahalı ve birden çok ülkeyi kapsayan abonelikleri karşılayabilen en büyük hukuk bürolarının ve çok uluslu şirketlerin erişebildiği bir ayrıcalıktı. Commentaries’yi ücretsiz okumaya açarak ve veri katmanımızı modern API’ler ve bağlayıcılar aracılığıyla tüm geliştiricilerin kullanımına sunarak bu alandaki fırsat eşitsizliğini azaltmak istiyoruz. Sınır ötesi faaliyet gösteren bir işletmeye danışmanlık veren tek başına çalışan bir avukat veya henüz erken aşamadaki bir şirkette görev yapan şirket içi hukuk danışmanı, küresel ölçekte danışmanlık veren bir hukuk firmasıyla aynı araştırma hassasiyetine ve doğrulanmış atıflara erişebilmelidir.

Harika bir röportaj için teşekkürler. Doğrulanmış hukuk verilerini ve yapay zekâ destekli sınır ötesi araştırmaları incelemek isteyen okurlar Moonlit’yi ziyaret edebilir.