GitHub hukuk ekibinin blog yazısı, mühendis olmayan profesyonellerin de kendi araçlarını inşa edebileceğini somut örneklerle gösteriyor. Avukatlar, program yöneticileri ve iş birimlerinden oluşan ekip, tekrarlayan sözleşme incelemesi ve hukuki değerlendirme işlerini GitHub Copilot CLI üzerinden düz metin talimatlarla otomatikleştirdi. Yazıda öne çıkan iki hikayede “kod yazmayı bilmiyorum” cümlesi “kendi aracımı kurdum” cümlesine dönüşüyor.
Ekibin çıkış noktası: tekrarlayan hukuki iş yükü
GitHub hukuk ekibi, işlerinin büyük bölümünün benzer sözleşmelerin incelenmesi ve aynı hukuki soruların yanıtlanması gibi tekrar eden görevlerden oluştuğunu söylüyor. Önceki kararlar ve şablonlar sürekli yeniden kullanılıyor; yapay zekanın destek verebileceği tipik bir alan yani. Ama ekip başta doğru aracı nasıl kuracağı konusunda kendine güvenmiyordu. Copilot CLI, ihtiyaçları doğal dilde ifade edip depolara bağlayarak hızlı sonuç almalarını sağladı ve zamanla ekipteki herkes bir şeyler inşa etmeye başladı.
terms-ai: kendi yazım tarzına göre sözleşme aracı
Principal Product Counsel Ngandu Kasuku, ticari anlaşmaların yoğunlaştığı bir dönemde Copilot CLI’ı önce tek tük görevler için kullanmaya başlamış. Ama diğerlerinin yaptıklarını gördükçe, yapay zekayı tek işler için değil kendi çalışma biçimi etrafında bir araç kurmak için de kullanabileceğini fark etmiş. Sonuç, terms-ai adını verdiği bir sözleşme hazırlama aracı olmuş.
Kasuku projeyi şu adımlarla kurmuş:
- Projeyi iskeletlendirip anahtar dokümanları tek bir depoda toplamak.
- Talimatları, hazırlık kaynaklarını ve iş akışlarını burada sürümlemek.
- Daha önce kullandığı prompt kütüphanesindeki kopyala-yapıştır yükünü azaltmak.
Aracın ana bileşenlerinden biri, sade dili (plain language) esas alan kurumsal bir drafting style guide. Kasuku, “heretofore” ve “therewith” gibi arkaik ifadelere karşı çıkan hukuki sade dil akımını rehberin temeli olarak kullanmış. Bir de daha önce tamamladığı anlaşmalardan bir kütüphane kurmuş; mevcut bir partnerden yeni bir ek anlaşma geldiğinde araç bu geçmiş çalışmalardan yararlanabiliyor. Hassas belgeler açık kaynak depoya dahil değil, erişimi kontrollü bir iç ortamda tutuluyor.
Kasuku’nun aktardığına göre terms-ai’yi kullanmaya başladığından bu yana inceleme ve hazırlama süresi yaklaşık yarı yarıya azalmış; hükümler sözleşmeler arasında daha tutarlı hale gelmiş ve taslaklar tercih ettiği sade dili yansıtıyor. Kendi çıkardığı en büyük ders ise yapay zekanın sadece hızlı taslak yazmak için değil, kendi mesleki yargısı etrafında bir araç inşa etmek için de kullanılabileceği olmuş.
DMCA değerlendirmesinden geniş bir hukuki iş akışı uygulamasına
Online Safety Counsel Jesse Geraci ise dar bir problemle başlamış: DMCA (Digital Millennium Copyright Act) bildirimlerini değerlendirmek için kaynak kodun hızlı ve tutarlı analiz edilmesi. Proje başlangıçta DMCA sınıflandırması, kod karşılaştırma, lisans kontrolü ve bypass incelemesi gibi tekrarlayan görevler için hazırlanmış bir Copilot talimat seti olarak doğmuş.
Geraci’nin özellikle vurguladığı nokta, mühendislik desteği olmadan ne kadar ilerleyebildiği. Çekirdek “programlama” aslında düz metin dosyalarından oluşuyordu:
- İş akışı talimat setleri
- Politika referans materyalleri
- Rapor yazımı için şablonlar
Kaynak kod yazmak yerine bir avukat olarak dil kurma becerilerini kullanarak yapılandırılmış hukuki yargıyı iş akışının içine yerleştirmiş. Zamanla farklı analiz modları eklenmiş: müşteriler için daha hızlı çıktılar ve eskalasyon önerileri, avukatlar için daha derin inceleme ve iki taraflı argümanlar. Dış veri kaynakları da entegre edilmiş.
Bu temel sonra, önceden tanımlanmış hukuki iş akışlarını temiz bir arayüzde çalıştıran bir masaüstü uygulamasına dönüşmüş. Geraci, masaüstü uygulamasının inşasının hatırı sayılır bir kod gerektirdiğini açıkça söylüyor; ama iş akışlarını özelleştiren temel talimatlar uygulama içinde hala düz dille düzenlenebiliyor.
Uygulamanın genişleyen kapsamı
Başlangıçta yalnızca DMCA bildirimleri için kod analizi yapan uygulama, artık pek çok kurumsal iş akışını kapsıyor:
- Sözleşme incelemesi
- NDA sınıflandırması
- Risk değerlendirmesi
- Uyum kontrolleri
- Yanıt taslaklarının hazırlanması
Arka planda işleri; alım (intake), playbook hizalama, risk skorlama, kanıt doğrulama, eskalasyon yönlendirme ve rapor derleme gibi yeniden kullanılabilir “skill” ve “agent” katmanlarına yönlendirebiliyor. Geraci’nin altını çizdiği nokta ise teknik karmaşıklık değil: hukuk ekipleri davranışı hala okunabilir Markdown üzerinden kontrol edebiliyor. Videoda anlatılan eyeball aracı da bu yaklaşımın örneklerinden biri olarak paylaşılıyor.
Geraci için asıl ders şu: Ciddi yapay zeka araçları kurmak için ne mükemmel bir yazılım tedarikçisini beklemek gerekiyor ne de tam zamanlı geliştiriciye dönüşmek. Metodolojiyi, standartları ve çıktı formatını net tanımlayabiliyorsanız Copilot bu bilgiyi işletilebilir hale getirmeyi kolaylaştırıyor. Kurdukları hukuki Copilot bir hukuki yargının yerine geçmiyor; insan incelemesini merkezde tutan, analizi daha tutarlı, şeffaf ve ölçeklenebilir yapan bir karar destek sistemi olarak konumlandırılıyor.
Teknik olmayan ekipler için çıkarımlar
İki hikayenin ortak mesajı şu: Yazılım geliştirme odaklı olmayan rollerde bile otomatikleştirilebilecek pek çok tekrarlayan görev var. Ekip, kod yazmak yerine iş akışını düz dilde tarif ederek, standartlarını ve çıktı biçimlerini tanımlayarak somut araçlar üretebildi. Copilot CLI de bu yaklaşımın operasyonel omurgasını sağladı.
Hukuk, uyum ve program yönetimi gibi alanlarda çalışan ekipler için makul bir başlangıç noktası da buradan çıkıyor: sizi yavaşlatan tek bir görevi seçip Copilot CLI’dan bir çözüm önerisi hazırlamasını istemek.
Kaynaklar ve İleri Okuma
- How the GitHub legal team used Copilot CLI to streamline their workflows – Bria Ford, GitHub Blog
- GitHub Copilot CLI ürün sayfası
- terms-ai açık kaynak deposu
- eyeball aracı deposu
- Copilot CLI ile GitHub Pages’e Custom Domain: DNS Derdi Bitti
- GitHub Copilot CLI Kullanımını Artık Kişi Bazında Görmek Mümkün
20+ yıl deneyimli Azure Solutions Architect. Microsoft sertifikalı bulut mimari ve DevOps danışmanı. Azure, yapay zekâ ve bulut teknolojileri üzerine Türkçe teknik içerikler üretiyor.
Hukuk ekibinin kod yazmadan kendi araçlarını kurabilmesi gerçekten ilginç bir kullanım senaryosu. DMCA değerlendirmesi gibi yorucu tekrarlayan işlerin otomatikleşmesi avukatlara ciddi zaman kazandırıyor olmalı. Bu arada yapay zeka destekli araçlarla ilgili şu yazı da dikkatimi çekti: Foundry Local ve C# ile Canlı Konuşma-Metin Dönüşümü — https://www.askinkilic.com.tr/foundry-local-ve-c-ile-canli-konusma-metin-donusumu/
Hukuk ekiplerinin bu tür araçlara adapte olması gerçekten ilginç, genelde teknik olmayan ekipler bu konularda geri kalır. DMCA değerlendirmesi gibi yorucu süreçleri otomatikleştirmek ciddi zaman kazandırıyor olmalı. Bu arada yapay zeka destekli araç geliştirme konusunda şu yazınız da aklıma geldi: Foundry Local ve C# ile Canlı Konuşma-Metin Dönüşümü — https://www.askinkilic.com.tr/foundry-local-ve-c-ile-canli-konusma-metin-donusumu/
Hukuk ekibinin teknik ekip desteği olmadan kendi araçlarını kurabilmesi gerçekten etkileyici, bu iş akışlarını avukatların kendisi mi yazıyor merak ettim. Bu arada şu yazınız da güzeldi: Code Scanning Default Setup Artık Özelleştirilebilir — https://www.askinkilic.com.tr/code-scanning-default-setup-artik-ozellestirilebilir/
Hukuk gibi “kod bilmeyenler için değil” denen bir alanda bile Copilot CLI’ın bu kadar pratik kullanılması ilginç. Avukatların kendi workflow’larını yazabilmesi kısmı özellikle dikkat çekici, acaba teknik destek almadan ne kadar ileri götürebiliyorlar bunu? Bu arada otomasyon ve kimlik yönetimi tarafıyla ilgilenenler için şu yazı da güzel bir kaynak: https://www.askinkilic.com.tr/azure-devops-service-connection-ile-patsiz-kimlik-dogrulama/