Kamu Yapay Zeka API Rehberi: Kamu Kurumları ve Yükleniciler İçin LLM Erişim Mimarisi

Kamu yapay zeka API kullanımı, kamu kurumlarının ve kamuya iş yapan yüklenicilerin büyük dil modellerine tek uçtan, denetlenebilir ve bütçesi önceden sınırlandırılmış bir katman üzerinden erişmesi demektir. Doğru mimaride vatandaş verisi API çağrısından önce maskelenir, harcama anahtar bazında tavanlanır, sözleşme ve fatura yerli tarafta kalır; Onysoft AI Gateway bu katmanı OpenAI uyumlu tek API ile sağlar.

Zemin hazır: Türkiye Yapay Zeka Eylem Planı 2026-2030, yapay zekayı kamu hizmetinin doğal bileşeni olarak konumluyor ve 2.000 kamu veri setinin geliştiricilere açılmasını hedefliyor. Bu, hem kurumların kendi süreçlerini LLM ile iyileştirmesi hem de bu verinin üzerine hizmet üretecek yükleniciler için somut bir fırsat penceresi. (Planın geliştirici gözüyle okuması için eylem planı rehberimize bakın.)

Bu rehberde kamu bağlamının dört kritik sorusunu tek tek ele alıyoruz: neden bireysel sohbet hesapları değil kurumsal API katmanı, vatandaş verisi hangi desenle işlenir, tedarik ve muhasebe tarafında yerli sözleşme neyi değiştirir ve sıfırdan pilot proje hangi adımlarla kurulur.

Kamu Kurumları Yapay Zeka API'sine Neden Şimdi İhtiyaç Duyuyor?

Çünkü yapay zeka kamuda zaten kullanılıyor — soru, bunun kontrollü bir API katmanıyla mı yoksa personelin bireysel sohbet hesaplarıyla mı olacağıdır. Mevzuat tarama, genelge özetleme, dilekçe sınıflandırma, çağrı merkezi yükünün hafifletilmesi gibi işler LLM'lerin bugün en olgun olduğu alanlar; bu işleri yapan personel araca bir şekilde ulaşır. Kurum resmî bir kanal sunmazsa ortaya gölge kullanım çıkar: bireysel hesaplara yapıştırılan vatandaş verisi, kayıt altına alınamayan çıktılar, gerekçelendirilemeyen kararlar.

Kurumsal API katmanı bu tabloyu tersine çevirir:

• Tek kapı: Tüm birimler aynı uç üzerinden erişir; hangi birimin hangi modele ne gönderdiği istek bazında kayıtlıdır.
• Yetki ayrımı: Her birim veya proje ayrı API anahtarı alır; erişim gerektiğinde tek anahtar iptaliyle kesilir.
• Bütçe görünürlüğü: Harcama, birim ve proje bazında raporlanabilir — ödenek gerekçelendirmesi tahmine değil kayda dayanır.
• Model esnekliği: Tek entegrasyonla 739+ model erişilebilir olur; belirli bir üreticiye kilitlenme riski mimari düzeyde ortadan kalkar.

Eylem planının 2.000 kamu veri seti açılımı da aynı mimariyi gerektiriyor: açık veri üzerine vatandaşa dönük asistan, arama veya özetleme hizmeti kuracak her ekip, önce güvenilir ve ölçülebilir bir LLM erişim katmanına ihtiyaç duyar.

Vatandaş Verisi LLM'e Gönderilir mi? Veri Sınıflandırma ve Maskeleme

Ham haliyle gönderilmez; doğru desen, senaryoları veri sınıfına göre ayırmak ve kişisel veriyi API çağrısından önce uygulama katmanında maskelemektir. Kamu senaryolarının önemli bir bölümü zaten kişisel veri içermez — mevzuat, genelge, teknik şartname, açık veri. Kişisel veri içeren senaryolarda ise kimlik bilgileri (ad-soyad, T.C. kimlik numarası, adres, telefon) modele gitmeden önce yer tutucularla değiştirilir; model maskeli metin üzerinde çalışır, sonuç kurum tarafında geri eşlenir.

Senaryo	Tipik veri	Kişisel veri riski	Önerilen desen
Mevzuat / genelge özetleme	Kamuya açık metin	Yok	Doğrudan API çağrısı
Kurum içi bilgi asistanı	Yönerge, el kitabı, tutanak	Düşük	Doküman havuzu ayıklanır, gerekirse anonimleştirilir
Dilekçe / başvuru özetleme	Ad-soyad, TCKN, adres	Yüksek	Çağrı öncesi maskeleme (NER/regex), çağrı sonrası geri eşleme
Çağrı merkezi döküm analizi	Ses dökümü, kişisel anlatı	Yüksek	Takma adlaştırma + yalnızca toplu/istatistiksel analiz

Maskeleme teknik olarak basittir: T.C. kimlik numarası ve telefon gibi düzenli formatlar regex ile, ad-soyad ve adres gibi serbest metinler varlık tanıma (NER) ile yakalanıp [AD-SOYAD], [TCKN] gibi etiketlere çevrilir. Bu deseni kurduğunuzda API sağlayıcısına kimlik verisi hiç ulaşmaz — aydınlatma metniniz ve veri işleme envanteriniz de buna göre sadeleşir. KVKK tarafının bütünü ayrı bir rehberi hak ediyor: KVKK uyumlu yapay zeka kullanımı.

Not: Bu bölüm hukuki danışmanlık değildir; kişisel veri işleme süreçleriniz için kurumunuzun KVKK sorumlusuna ve hukuk müşavirliğinize danışın.

Tedarik ve Muhasebe: Yerli Sözleşme, E-Fatura ve Doğrudan Temin Çerçevesi

Yerli bir sözleşme tarafıyla çalışmak, kamu ve yüklenici muhasebesinin üç kronik sürtünmesini kaynağında çözer: yurt dışı ödeme, belge düzeni ve muhatapsızlık. Yurt dışı sağlayıcıdan doğrudan alınan AI hizmetinde ödeme yabancı kartla USD üzerinden yapılır, elde kalan belge çoğu zaman gider kaydı için yetersizdir ve sorun çıktığında Türk hukukuna tabi bir muhatap yoktur. Onysoft'ta sözleşme tarafı Türkiye'de yerleşik Onysoft Veri Merkezi A.Ş. (İzmir), fatura ise TCMB kuru üzerinden TL kesilir.

E-fatura akışı kurumsal alıcıya göre kurgulanmıştır: kayıt sırasında fatura bilgilerine vergi kimlik numaranızı (VKN) girersiniz, "GİB'den Sorgula" butonu sicili canlı sorgular — e-fatura mükellefiyseniz unvanınız otomatik dolar ve faturanız e-Fatura, değilseniz e-Arşiv olarak kesilir. Elle unvan yazma, yanlış senaryoda kesilen fatura, iade-yeniden kesim döngüsü yoktur.

İki nokta özellikle bütçe ve mali hizmetler birimlerinin dikkatini çeker:

• Vergi tarafı: Yurt dışı AI aboneliklerinde gündeme gelen sorumlu sıfatıyla KDV (KDV-2) ve stopaj yükümlülükleri, yerli tedarikçiden alınan TL faturalı hizmette oluşmaz — beyanname takibi ve ek yük ortadan kalkar.
• Alım usulü: Küçük tutarlı pilotlarda kurumların kullandığı basitleştirilmiş usuller (doğrudan temin gibi) için TL faturalı, Türkiye'de yerleşik bir tedarikçi süreci pratikte kolaylaştırır; yükleniciler için de alt hizmet alımının belgelendirilmesi netleşir.

Not: Bu bölüm hukuki/mali danışmanlık değildir; alım usulü ve vergi yükümlülükleri kuruma ve sözleşmeye göre değişir — mali hizmetler biriminize ve vergi danışmanınıza danışın.

Bütçe Disiplini: Ödenek Aşımı Teknik Olarak Nasıl İmkânsız Hale Gelir?

Ödenek aşımı yasaklarla değil mimariyle engellenir: Onysoft'ta her istek, sağlayıcıya ulaşmadan önce bakiye ön-kontrolünden geçer. Sistem isteğin tahmini maliyetini 1,2 tampon katsayısıyla hesaplar; bakiye yetmiyorsa istek hiç işlenmeden 402 koduyla döner. Sonradan gelen sürpriz fatura bu mimaride mümkün değildir — harcama ancak önceden yüklenmiş TL bakiye kadar olabilir ve bakiye bitince sistem otomatik durur, negatife düşme yoktur.

Bunun üzerine dört kontrol katmanı daha eklenir:

• Anahtar bazlı limitler: Her API anahtarına model ve token limitleri tanımlanabilir — bir birimin pilot anahtarı, tavanını aşamaz.
• İstek bazında gerçek maliyet: Her yanıt, o isteğin gerçek maliyetini cost alanında döndürür; panelde TL karşılığı görünür. Harcama kalemi istek düzeyinde izlenebilir.
• Denetime hazır raporlar: Kullanım raporları tarih, model ve durum filtresiyle alınır; PDF olarak indirilebilir veya logolu e-posta raporu olarak paylaşılabilir — iç denetim ve ödenek gerekçelendirme dosyasına doğrudan girer.
• Otomatik tasarruf: OnyRouter (onysoft/auto) basit işleri ücretsiz yönlendirmeyle ekonomik modele taşır; yönlendirme için ek ücret alınmaz.

Kamu bağlamında bu özellikler "olsa iyi olur" değil ön şarttır: yıl sonu ödenek planı belli olan bir birim, üst sınırı teknik olarak garanti edilmemiş hiçbir bulut hizmetini rahat kullanamaz.

Onysoft'ta Nasıl Çalışıyor: Kurum ve Yüklenici İçin Kurulum

Kurulum, satın alma kararından önce test edilebilecek kadar kısadır ve beş adımda tamamlanır:

1. Hesap ve fatura bilgisi: Kayıt sonrası fatura bilgilerine VKN girilir, GİB sorgusuyla unvan doğrulanır; e-Fatura/e-Arşiv senaryosu otomatik belirlenir.
2. Proje ve anahtar yapısı: Her birim veya proje için ayrı API anahtarı üretilir; anahtarlara model ve token limitleri tanımlanır.
3. Kod yazmadan değerlendirme: Panel içi Playground ve Chat ile aynı istem birden fazla modelde yan yana denenir — teknik şartname yazmadan önce hangi model sınıfının yeterli olduğu görülür.
4. Entegrasyon: Mevcut OpenAI uyumlu kodda yalnızca base_url değişir.
5. İzleme: Kullanım raporları birim bazında alınır; her yanıttaki cost alanı harcama kaydına işlenir.

Maskeleme desenli örnek çağrı:

from openai import OpenAI

client = OpenAI(
    base_url="https://api.onysoft.com/v1",  # değişen tek satır
    api_key="sk-ony-ANAHTARINIZ",
)

# Kişisel veri, çağrıdan ÖNCE uygulama katmanında maskelendi
response = client.chat.completions.create(
    model="anthropic/claude-sonnet-5",
    messages=[{"role": "user", "content":
        "Şu başvuruyu üç maddede özetle ve ilgili birimi öner: "
        "[AD-SOYAD], [TCKN] numarası ile [ILCE] adresindeki imar durumu hakkında bilgi talep ediyor."}],
)
print(response.choices[0].message.content)
print(response.usage)  # token ve maliyet dökümü

Kamuya iş yapan yükleniciler için ayrıca partner programı var: ayrı partner portalında her kurum müşteriniz için ayrı proje ve API anahtarı açarsınız, kullanım kurum bazında raporlanır, kâr marjınızı kendiniz belirlersiniz ve müşteri kullanımı partner bakiyenizden düşer — çok kurumlu projelerde hakediş ve gider ayrımı bu yapıyla netleşir. Başvuru: /partner/apply. Güven sinyali arayan idareler için doğrulanabilir bir referans da mevcut: Onysoft, Anthropic Claude Partner Network üyesidir.

Pilot Proje Yol Haritası: Küçük Başlayın, Ölçün, Ölçekleyin

Doğru pilot, kişisel veri içermeyen dar bir senaryoyla başlar ve her aşamada ölçüm üretir. Önerdiğimiz dört aşama:

1. Senaryo seçimi (1. hafta): Kişisel veri riski "yok" sınıfından bir iş seçin — mevzuat/genelge asistanı veya teknik şartname özetleme idealdir. Kapsamı tek birimle sınırlayın.
2. Kodsuz doğrulama (1-2. hafta): Playground'da gerçek belgelerle 20-30 örnek istem çalıştırın; çıktı kalitesini işi yapan personele puanlatın. Bu aşama yazılım geliştirme gerektirmez.
3. Sınırlı canlı pilot (3-6. hafta): Token limitli tek anahtarla, küçük bir TL bakiyeyle entegrasyonu açın. Bakiye ön-kontrolü sayesinde pilotun bütçesi teknik olarak tavanlıdır.
4. Ölçüm ve ölçekleme kararı: Kullanım raporundaki istek sayısı, maliyet ve personel geri bildirimiyle yaygınlaştırma dosyasını hazırlayın.

Hız beklentisini gerçek veriyle kalibre edin — aşağıdaki değerler tahmin değil, üretim trafiği ölçümüdür:

Metrik	Değer
Başarılı istek (son 14 gün)	6.959
Ortalama uçtan uca yanıt süresi	3,8 sn
En hızlı yanıt	0,3 sn

Ölçüm: 5 Ağustos 2026 — api.onysoft.com canlı katalog.

Ortalamayı yukarı çeken, uzun üretim yapan amiral sınıfı isteklerdir; sınıflandırma ve özetleme gibi pilot işlerinde hız sınıfı modeller saniyenin altına iner. Nitekim son 30 günün en çok çağrılan üç modelinin tamamı hız sınıfındandır — kamu pilotlarının büyük bölümü için amiral model şart değildir. Genel model seçimi çerçevesi için Yapay Zeka API rehberi iyi bir sonraki durak; sorularınız için 7/24 Türkçe destek ekibi hazır.

Son güncelleme: 5 Ağustos 2026 · Veriler: api.onysoft.com canlı katalog