Birleşmiş Milletler, farklı kuruluşlarında tutulan geniş kapsamlı küresel istatistikleri hem kullanıcıların hem de yapay zekâ sistemlerinin daha kolay erişebileceği hâle getirmek için Google ile çalışmaya başladı. Perşembe günü duyurulan UN System Data Commons, Google’ın açık kaynaklı Data Commons altyapısını temel alıyor ve BM kuruluşlarına ait istatistiklerin doğal dilde sorularla aranmasına olanak tanıyor. Yeni sistem, istatistiklere ulaşmak için daha geleneksel veritabanı arama ve gezinme yöntemlerine dayanan mevcut UNData portalının yerini alıyor. Platformun dikkat çeken taraflarından biri de yapay zekâ sistemlerinin harici veri kaynaklarına doğrudan bağlanmasını sağlayan Model Context Protocol, diğer adıyla MCP desteği sunması. Böylelikle BM, yalnızca insanlar tarafından ziyaret edilen bir istatistik portalı oluşturmak yerine verilerini yapay zekâ ajanlarının da doğrudan sorgulayabileceği bir yapıya dönüştürmeyi hedefliyor.
Bu değişikliğin arkasında, kullanıcıların bilgi edinmek için giderek daha fazla üretken yapay zekâ araçlarına yönelmesi bulunuyor. Buna rağmen büyük dil modellerinin güvenilir ve resmi istatistikleri doğru biçimde bulup aktarma konusunda hâlâ ciddi eksikleri var. UNICEF Baş İstatistikçisi João Pedro Azevedo’nun paylaştığı verilere göre kurum tarafından gerçekleştirilen bir testte altı büyük dil modeli, küresel kalkınma göstergeleriyle ilgili 133 binden fazla yanıtta ortalama yalnızca yüzde 21,2 doğruluk oranına ulaştı. Çalışmada OpenAI GPT-4o ve GPT-4o-mini, Anthropic Claude Sonnet 4.5 ve Haiku 4.5 ile Google Gemini 2.5 Flash ve Gemini 2.0 Flash modelleri değerlendirildi. Yaklaşık her beş yanıttan üçünün kullanılabilir bir sayısal değer içermediği, modellerin çoğu durumda kesin bir veri vermek yerine ihtiyatlı ifadeler kullandığı belirtildi.
Test, büyük dil modellerinin aynı soruya farklı zamanlarda tutarlı cevap verip vermediğini de inceleyen sonuçlar ortaya koydu. Aynı sorular yaklaşık iki gün sonra aynı model sürümlerine yeniden yöneltildiğinde, her iki denemede de sayısal bir cevap veren modellerin yalnızca yaklaşık yarısında aynı rakama ulaşıldı. Dolayısıyla sorun yalnızca doğru istatistiğin bulunmasıyla sınırlı değil; verilen yanıtın tekrarlanabilirliği de ayrı bir mesele oluşturuyor. UNICEF’in araştırması şu anda hakem değerlendirmesinden geçmiş nihai bir akademik çalışma niteliğinde değil. Kurum, dergiye gönderilmek üzere hazırlanan çalışma makalesiyle birlikte kullanılan metodolojiyi, kodları ve verileri de yayımlamayı planlıyor.
BM verileri MCP üzerinden yapay zekâ ajanlarına bağlanacak
UN System Data Commons’un MCP desteği bu noktada doğrudan veri kaynağına erişim sağlamayı amaçlıyor. Google, Data Commons’u 2018’de farklı kaynaklardan gelen kamuya açık veri kümelerini ortak bir yapı altında düzenlemek amacıyla kullanıma sunmuştu. Platforma geçen yıl MCP desteğinin eklenmesiyle yapay zekâ ajanlarının Data Commons içindeki istatistikleri ve bu istatistiklerin kaynaklarını doğrudan sorgulaması mümkün hâle geldi. BM tarafından kullanılacak sistem de her istatistiğin nereden geldiğinin kaydını tutuyor. Böylece bir yapay zekâ aracının getirdiği verinin hangi BM kaynağına dayandığı kullanıcı tarafından kontrol edilebiliyor.
İLGİNİZİ ÇEKEBİLİR
OpenAI, Google ve Anthropic yapay zekâ güvenliğinde birlikte hareket ediyor
Shadowx yapay zekaya giden kurumsal veriyi dışarı çıkmadan maskeliyor
Yapay zekâ yavaşlamalı mı? Teknoloji dünyasının en güçlü isimleri karşı karşıya
Microsoft yapay zekâ yarışında sınırlarını açıkça çizdi
Claude’un Anthropic içindeki rolü beklenenden daha büyük çıktı
BM İstatistik Bölümü Direktör Vekili Shantanu Mukherjee, yeni altyapının ölçek, kapsam ve esneklik bakımından önceki sistemlerden belirgin biçimde daha ileri olduğunu ve çok sayıda BM kuruluşunu ilk kez bu ölçekte birbirine bağladığını belirtiyor. BM’ye göre 26 kuruluş UN System Data Commons’a katılmayı taahhüt etmiş durumda ve bunların yaklaşık 20’sinin verileri sistem kullanıma sunulduğunda erişilebilir olacak. Kuruluşun hedefi, 2027’ye kadar BM sistemindeki istatistiksel veri kümelerinin yüzde 80’ini bu platforma taşımak. Bunun yanında Google.org, temel altyapının kurulması için 2 milyon dolarlık kapasite geliştirme finansmanı ve teknik destek sağladı. Google Data Commons ekibinin başındaki Prem Ramaswami ise sistemin BM tarafından yönetilen ayrı bir ortamda barındırıldığını, ilerleyen dönemde bakım, işletme ve ölçeklendirme süreçlerinin tamamen BM tarafından yürütülmesinin planlandığını belirtiyor.
Günün Öne Çıkan Fırsatları
REKLAM — Bu içerikte satış ortaklığı bağlantıları bulunmaktadır. Bu bağlantılar üzerinden yapılan alışverişlerden Teknoblog komisyon kazanabilir.
Yeni altyapıya duyulan ihtiyacın bir başka göstergesi UNICEF’in internet trafiğinde görülüyor. Aylık 6 milyondan fazla ziyaret alan UNICEF veri sitesine üretken yapay zekâ asistanlarından gelen trafik bu yıl belirgin biçimde arttı. Azevedo’nun TechCrunch’a verdiği bilgiye göre, 1 Ocak ile 14 Eylül arasındaki dönemde ChatGPT yanıtlarındaki bağlantılardan UNICEF sitesine gelen ziyaretler geçen yılın aynı dönemine kıyasla yüzde 67 yükseldi. Bu yönlendirmeler 2026’daki tüm oturumların yüzde 6,4’ünü oluştururken UNICEF, farklı yapay zekâ asistanlarının toplamda site ziyaretlerinin yaklaşık onda birini sağladığını tahmin ediyor. Bu tablo, resmi kurumların hazırladığı verilerin yalnızca kendi internet sitelerinde nasıl sunulduğunun değil, yapay zekâ araçları tarafından nasıl bulunup aktarıldığının da giderek daha fazla etkili olduğunu gösteriyor.
MCP bağlantısı yalnızca tek tek istatistiklerin bulunmasında kullanılmayacak. Google’ın gösteriminde BM verilerine bağlanan bir yapay zekâ sistemi farklı göstergeleri aynı anda bulup bir araya getirebildi ve bunlardan gösterge panoları, grafikler ile yazılı analizler oluşturdu. Bir örnekte sisteme ABD Başkanının AIDS’le Mücadele Acil Durum Planı’nın Afrika’daki etkisini araştırma görevi verildi. Yapay zekâ; HIV enfeksiyonları, AIDS kaynaklı ölümler ve yaşam beklentisi gibi göstergelere ilişkin BM istatistiklerini belirledi, ardından bunları kullanarak bir infografik hazırladı. Normal şartlarda farklı veri kümelerinin elle bulunmasını ve birleştirilmesini gerektirebilecek bu süreç, doğrudan veri bağlantısıyla daha kısa sürede yürütülebiliyor.
Bununla birlikte güvenilir bir veri kaynağına doğrudan erişmek, yapay zekânın bu verilerden çıkardığı yorumların otomatik olarak güvenilir olduğu anlamına gelmiyor. Ramaswami de modellerin verilerdeki nüansları yanlış yorumlayabileceğine dikkat çekerek yayımlanacak veya kaynak gösterilecek yapay zekâ çıktılarının insanlar tarafından kontrol edilmesi gerektiğini vurguluyor. UN System Data Commons bu nedenle yapay zekânın muhakeme hatalarını ortadan kaldıran bir sistemden ziyade, modellerin başvurabileceği verilerin kaynağını ve izlenebilirliğini iyileştiren bir altyapı sunuyor. BM açısından eski UNData sisteminden ayrılan temel nokta da burada ortaya çıkıyor; istatistikler artık yalnızca insanların arayıp bulacağı kayıtlar olarak değil, yazılım ve yapay zekâ ajanlarının standart bir protokol üzerinden sorgulayabileceği veriler olarak sunuluyor. Bunun pratik faydasının ne ölçüde gerçekleşeceği ise modellerin bu verileri doğru bağlamda kullanabilmesine ve oluşturulan çıktıların gerekli insan denetiminden geçirilmesine bağlı olacak.
