Yapay Zeka Destekli Ücret Hırsızlığı Tespit Aracı: PaySnap Nasıl Çalışıyor?

İşçilerin ödenmeyen mesai ücretleri, yasa dışı kesintiler ya da asgari ücret ihlalleri nedeniyle her yıl milyarlarca dolar kaybettiği bilinmektedir. Bu sorun özellikle inşaat, restoran ve tarım sektörlerinde çalışanları derinden etkiliyor. Dil bariyeri, okur-yazarlık oranının düşük olması ya da yasal süreçler hakkında bilgi eksikliği nedeniyle mağdurlar sıklıkla haklarını aramaktan çekiniyor. İşte tam da bu noktada, PaySnap adlı yapay zeka destekli araç devreye giriyor.

Bu yenilikçi uygulama, işçilerin ödemelerini hızlıca analiz ederek ücret hırsızlığına karşı koruma sağlıyor. Kullanıcılar bordro fotoğrafını yükleyebileceği gibi, kendi dillerinde yaşadıkları durumu da açıklayabiliyor. Sistem, eksik ödenen miktarı, hangi yasanın ihlal edildiğini ve başvuru sürecini adım adım sunuyor. Böylece çalışanlar, haklarını savunmak için gerekli bilgilere kolayca ulaşabiliyor.

Ücret Hırsızlığının Boyutları ve PaySnap’in Çözümü

Amerika Birleşik Devletleri Çalışma Bakanlığı verilerine göre, her yıl yaklaşık 50 milyar dolar, çeşitli hileli yöntemlerle işçilerin cebinden çalınıyor. Bu kayıpların en büyük mağdurları arasında inşaat işçileri, garsonlar ve çiftlik çalışanları yer alıyor. Dil engeli, yetersiz eğitim ya da korku nedeniyle pek çok kişi yaşadıkları haksızlıklara sessiz kalmayı tercih ediyor.

PaySnap, bu sorunlara karşı etkili bir çözüm sunuyor. Uygulama, bordro fotoğrafını analiz ederek ya da kullanıcıdan aldığı bilgileri değerlendirerek aşağıdaki ihlalleri tespit edebiliyor:

• Fazla mesai ücretlerinin ödenmemesi
• Yasa dışı kesintiler (örneğin, üniforma ücreti veya kırık eşya bedeli gibi)
• Asgari ücretin altında ödeme yapılması

Sistem, tespit edilen her ihlal için ilgili yasa maddesini ve Amerika Birleşik Devletleri Çalışma Bakanlığı’nın (DOL) iletişim bilgilerini de sunuyor. Böylece kullanıcılar, haklarını kolayca savunabiliyor.

Kullanıcı Deneyimleri ve Gerçek Senaryolar

PaySnap’in çalışma prensibini anlamak için, uygulamanın gerçek kullanıcı senaryolarına göz atmak faydalı olacaktır. İşte iki farklı örnek:

Senaryo 1: Teksas’taki Bir İnşaat İşçisi

Bir inşaat işçisi, 52 saat çalıştığı bir haftada saatlik 15 dolar ücret aldığını ancak fazla mesai ücreti ödenmediğini fark ediyor. PaySnap’e bordro fotoğrafını yüklediğinde sistem, 12 saatlik fazla mesainin ödenmediğini ve bu durumun FLSA 29 USC 207(a)(1) yasasına aykırı olduğunu tespit ediyor. Sonuçta, işçiye 90 dolar ödenmesi gerektiği bilgisi veriliyor.

Senaryo 2: New York’taki Bir Restoran Çalışanı (Hintçe)

Bir restoran çalışanı, 48 saat çalıştığı bir haftada saatlik 16 dolar ücret aldığını ve bordrosunda 35 dolar üniforma ücreti ile 50 dolar kırık eşya bedeli olarak yasa dışı kesintiler olduğunu belirtiyor. PaySnap, bu kesintileri ve fazla mesai ihlalini tespit ediyor. Sistem, çalışana 149 dolar ödenmesi gerektiğini ve bu bilgiyi Hintçe olarak açıklıyor.

Teknoloji Altyapısı: PaySnap’in Yapay Zeka Mimarisi

PaySnap’in arkasında, Gemma 4 E2B modeli yer alıyor. Bu modelin tercih edilmesinin üç temel nedeni bulunuyor:

1. Cihaz Uyumluluğu

Çoğu kullanıcı, eski ya da düşük performanslı cihazlar kullanıyor. Gemma 4 E2B, Apple M3 Pro üzerinde saniyede 63 token hızında çalışabiliyor ve yalnızca 3.4 GB bellek tüketiyor. Daha büyük bir model, yerel cihazlarda çalışamazdı.

2. Verimli İnce Ayar (Fine-Tuning)

PaySnap’in geliştiricileri, 365.393 gerçek DOL uygulama vakası üzerinde modeli ince ayarladı. Bu işlem, Kaggle’daki ücretsiz T4 GPU’sunda gerçekleştirildi ve eğitim kayıp değeri 0.009 olarak ölçüldü. Daha büyük bir model, ücretsiz bulut kaynaklarında eğitilemezdi.

3. Çok Dilli Destek

Gemma 4 E2B, küçük boyutuna rağmen 11 farklı dilde anlaşılır yanıtlar üretebiliyor. Bu özellik, dil bariyeri olan işçilere ulaşmak için kritik önem taşıyor.

PaySnap’in Çalışma Prensibi

Uygulama, dört temel bileşen üzerinden çalışıyor:

• Görüntü İşleme: Bordro fotoğrafını okuyarak verileri analiz eder.
• Doğal Fonksiyon Çağırma: Gerektiğinde otomatik olarak hesaplama ya da yasa arama gibi işlemleri gerçekleştirir.
• İnce Ayarlı Bilgi: 365.393 gerçek DOL vakası üzerinden eğitilmiş olması, sistemin yasa ihlallerini daha doğru tespit etmesini sağlıyor.
• Çok Dilli Açıklama: Tespit edilen ihlaller, kullanıcının dilinde açıklanır ve ilgili yasa maddeleriyle desteklenir.

Performans Değerlendirmesi

PaySnap’in performansı, LLM-as-Judge adı verilen bir değerlendirme sistemiyle ölçüldü. Bu sistemde, temel Gemma 4 E2B modeli karşılaştırma aracı olarak kullanıldı. Sonuçlar oldukça çarpıcıydı:

• Temel model: 8.12/10
• İnce ayarlı PaySnap modeli: 9.07/10
• İyileşme oranı: %11.7

Değerlendirmenin beş farklı boyutunda da iyileşme gözlemlendi:

• Yasal Doğruluk: +1.73
• Yasa Maddesi Kalitesi: +1.33
• Eylem Yönlendirme: +0.73
• Miktar Doğruluğu: +0.67
• İşçi Açıklığı: +0.27

Proje Arka Planı ve Geliştirici Ekibi

PaySnap, Aadarsh Praveen Selvaraj Ajithakumari ve Suriya Kasiyalan Siva tarafından geliştirildi. Proje, Gemma 4 Challenge: Build with Gemma 4 kapsamında hayata geçirildi. Geliştiriciler, yapay zeka teknolojilerinin toplumsal fayda sağlaması gerektiğine inanıyor ve PaySnap’in bu alanda önemli bir adım olduğunu vurguluyor.

Uygulama, Vercel üzerinden erişilebilir durumda ve kullanıcılar bordrolarını doğrudan yükleyerek ya da kendi dillerinde açıklama yaparak ücret hırsızlığına karşı mücadele edebiliyor. Amerika Birleşik Devletleri Çalışma Bakanlığı’nın 1-866-487-9243 numaralı hattı da sürekli olarak kullanıcılara destek sunuyor.

PaySnap’in ortaya çıkışı, yalnızca bir teknoloji projesi olmanın ötesinde, toplumsal bir soruna yapay zeka destekli yenilikçi bir çözüm getiriyor. Gelecekte bu tür araçların daha da yaygınlaşması ve işçilerin haklarını savunmalarına yardımcı olması bekleniyor.