AI Yatırımlarınızın Kontrolünü Nasıl Geri Alırsınız: Gölge AI ve Envanter Sorunu

Günümüzde çoğu şirket, web hizmetlerinin tam bir kataloğunu oluşturabiliyor. Ancak AI sistemlerinin — modellerin, özel uyarlamaların, veri toplama boru hatlarının ve üçüncü parti AI API’lerinin — tam bir envanterini çıkarmakta zorlanıyorlar. Bu durum, 2026 yılında AI güvenliğinin en önemli sorunlarından biri haline geldi.

AI’nin benimsenmesi, denetim mekanizmalarının gerisinde kalıyor. Bu yıl yapılan araştırmalar, kurumsal AI kullanımının geçen yıla göre %83 oranında arttığını gösteriyor. Ancak bu artışa paralel olarak, AI sistemlerinin yönetimi ve görünürlüğü yeterince ilerlemiyor. Sonuçta, birçok şirket AI saldırı yüzeyini tam olarak tanımlayamıyor ve savunamıyor.

Her olgun güvenlik programının temel ilkesi aynıdır: göremediğiniz bir şeyi koruyamazsınız. AI da buna bir istisna değil. Bir AI sistemine yönelik tehdit modelleri oluşturulmadan veya koruma sınırları belirlenmeden önce, şirketlerin yanıtlaması gereken kritik bir soru var: ortamda hangi AI sistemleri çalışıyor ve bunlardan kim sorumlu?

Bu yazıda, bu soruya nasıl yanıt verebileceğinizi ve AI varlıklarınızın tam bir envanterini nasıl oluşturabileceğinizi ele alacağız.

Gölge AI’nın Yükselişi ve Tehlikeleri

Gölge BT (kurum dışı araçların kullanımı), onlarca yıldır bilinen bir sorundu. Gölge AI ise bu sorunun daha hızlı ve yaygın bir versiyonu olarak karşımıza çıkıyor. Geleneksel envanter sistemleri tarafından tespit edilmesi zor olan birçok farklı biçimde ortaya çıkıyor:

• Gömülü API çağrıları: Bir ürün ekibi, birkaç satır kod ve bir API anahtarıyla barındırılan bir modeli entegre edebiliyor ve bu kullanım resmi bir incelemeden geçmeyebiliyor.

• Mevcut SaaS platformlarındaki yapay zeka asistanları: Sıkça, tedarikçi tarafından etkinleştirilen bu özellikler, müşteri tarafından fark edilmeden devreye girebiliyor.

• İç verilerle eğitilmiş özel uyarlamalar ve adaptörler: Bu modeller, standart tarama sistemlerinin dışında kalan konumlarda depolanabiliyor.

• Artan yetkilerle çalışan ajanlar: Sistemler, zamanla daha fazla eylem gerçekleştirme yetkisi kazanabiliyor — örneğin, destek talepleri oluşturma, iletişim gönderme veya işlem başlatma gibi.

• Halk depolarından çekilen model bağımlılıkları: Tıpkı yazılım geliştirmedeki paket bağımlılıkları gibi, AI modelleri de birbirine zincirlenebiliyor.

Bu unsurların hiçbiri geleneksel bir varlık olarak tanımlanamıyor. Hiçbirinin barındırma adı, port numarası veya yapılandırma yönetimi veritabanında kaydı bulunmuyor. Ancak her biri, hassas verilerin kurum dışına çıkması, güvenilmeyen girdilerin sisteme girmesi veya kurum adına eylemlerde bulunulması gibi riskler taşıyor. Eğer sistemlerin varlığı bilinmiyorsa, bu riskleri değerlendirmek de mümkün değil.

Geleneksel Varlık Yönetiminin AI’yı Kaçırması

Geleneksel envanter sistemleri, çalışan sunucuları, konteynerleri, hizmetleri ve uç noktaları kataloglar. Ancak AI sistemleri bu modele tam olarak uymuyor. Çünkü AI’nın risk profili, tek bir tarayıcının tespit edemeyeceği birkaç farklı unsurdan oluşuyor:

• Model: Temel model, özel uyarlamalar, sürümleri ve kaynağı.

• Veri: Modelin eğitildiği veya veri topladığı kaynaklar ve kullanım hakları.

• İstekler: Sistem komutları ve davranış tanımlayıcı şablonlar, kaynak kodunda değil, genellikle dizeler, yapılandırmalar ve veritabanlarında saklanıyor.

• Yetkiler: Modelin kullanabildiği araçlar, eylemler ve sahip olduğu izinler.

• Yüzey: Modelin girdi alabileceği kullanıcılar ve çıktıları yönlendireceği yerler.

Bir model, statik bir ikili dosya gibi tek seferlik olarak taranamaz. Davranışsal bir varlık olan modelin risk profili, yukarıdaki beş boyutun tamamının aynı anda değerlendirilmesini gerektirir. Sadece "Model X kullanıyoruz" diyen bir envanter kaydı, neredeyse hiçbir anlam ifade etmez. Bunun yerine, "Hizmet Y, Model X’i bu araçlarla, bu verilerle ve bu kullanıcılara maruz kalarak çalıştırıyor" gibi bir kayıt, önemli olan her şeyi ortaya koyar.

AI Hakkında Açık Veri Listesi: AI-BOM

Yazılım endüstrisi, benzer bir problemi SBOM (Yazılım Hakkında Açık Veri Listesi) ile çözmüştü. 2026 yılında, AI’nın karşılığı olan AI-BOM (AI Hakkında Açık Veri Listesi), kavramdan uygulamaya geçiyor. AI-BOM, belirli bir AI sisteminin bileşenlerini yapılandırılmış bir şekilde kaydeden bir belgedir. En azından aşağıdaki unsurları içermelidir:

• Modeller: Ad, sürüm, köken (kendi eğitildi, tedarikçi, açık ağırlıklar) ve lisans.

• Veri kümeleri: Eğitim ve veri toplama kaynakları, ilgili haklar ve onay durumu.

• Bağımlılıklar: Çerçeveler, çıkarım çalışma zamanları ve üçüncü parti AI hizmetleri.

• Yetkiler: Modelin kullanabileceği araçlar, fonksiyonlar ve dış eylemler.

• Sorumlu ve amaç: Sistemden sorumlu kişi ve sistemin işlevi.

AI-BOM’un belgelenin ötesinde iki önemli avantajı vardır:

İlk olarak, otomatik olarak oluşturulabilen ve elle derlenmesi gerekmeyen, envanterin doğal bir birimi olarak hizmet eder. İkinci olarak, bu serinin ilerleyen yazılarında ele alınacak konulara zemin hazırlar: tedarik zinciri doğrulaması (2. Bölüm), veri yönetişimi (3. Bölüm) ve uyumluluk kanıtı (4. Bölüm), büyük ölçüde AI-BOM’dan ve test sonuçlarından yararlanır. Bu belge bir kez oluşturulduktan sonra, üç disiplinde de kullanılabilir.

Sürekli Güncellenen Bir Envanter Oluşturma

Üç ayda bir yapılan anketlerle oluşturulan bir envanter, tamamlandığında bile çoktan güncelliğini yitirmiş oluyor. Amaç, sürekli keşif yapan ve çoklu bakış açılarından veri toplayan, yaşayan bir envanter oluşturmaktır. Çünkü tek bir sinyal, tek başına yeterli değildir.

Çoklu sinyallerden keşif yapın: Kendi raporlamaları gerekli ancak yeterli değildir. Bağımsız kaynaklardan gelen verileri birleştirin:

• Ağ trafiği ve çıkışlar: Bilinen AI API uç noktalarına yapılan dışarı yönelik trafik, gömülü model kullanımını güvenilir bir şekilde ortaya koyar.

• Kod ve yapılandırma: Depolardaki ve altyapı kodundaki AI SDK ithalatları, model tanımlayıcıları ve istek şablonları taranabilir.

• Bulut ve faturalandırma: AI hizmetlerine yapılan harcama ve GPU tahsisleri, resmi incelemeden geçmeyen projelerin yüzeye çıkmasını sağlar.

• SaaS yönetimi: Onaylanmış platformlarda etkinleştirilen yapay zeka asistanları ve özellikleri denetlenmelidir.

• Kimlikler: AI sistemlerine erişimi olan insandışı kimlikleri ve API anahtarlarını listeleyin.

AI varlıklarınızın tam bir envanterini oluşturmak, sadece bir başlangıçtır. Gelecek adımlarda, bu envanteri tehdit modellemesi, veri gizliliği ve uyumluluk doğrulaması için kullanabilirsiniz. AI sistemlerinin hızla geliştiği bu dönemde, görünürlüğü sağlamak ve kontrolleri elinde tutmak, kuruluşların AI’dan en iyi şekilde yararlanmasını ve aynı zamanda riskleri en aza indirmesini sağlayacaktır.