İngiltere’de merkezi yönetim, belediyelerin planlama süreçlerindeki idari yükü azaltmak için Google Cloud tabanlı üretken yapay zekâ araçlarının kullanımını genişletiyor. Ministry of Housing, Communities and Local Government (MHCLG) ile Department for Science, Innovation and Technology (DSIT), yerel planlama otoritelerinde evrak yoğunluğunu azaltmaya yönelik iki ayrı makine öğrenimi aracını daha geniş ölçeğe taşıdı. Bu kapsamda Extract uygulamasının ülke genelinde devreye alınması ve Augmented Planning Decisions (APD) adlı prototipin ilerletilmesi doğrulandı.
Kamu tarafındaki planlama yönetimi, çok büyük miktarda yapılandırılmamış veriye dayanıyor. Özellikle PDF formatındaki eski kayıtlar, tarihî planlama belgeleri, yerel politika dökümanları ve danışma yazışmaları, başvuruların değerlendirme süresini uzatabiliyor. İngiltere merkezi hükümeti 2029’a kadar 1,5 milyon yeni konut inşa edilmesini hedeflerken, yerel planlama birimlerinde biriken idari işler bu takvimi zorlayan temel etkenlerden biri olarak görülüyor.
Başvuruların önemli bölümü de büyük ölçekli projelerden değil, gündelik konut değişikliklerinden oluşuyor. Çatı katı dönüşümü, ek yapı veya mülk genişletme gibi householder başvurularının, yıllık tüm planlama başvurularının yaklaşık yüzde 70’ini oluşturduğu belirtiliyor. Bu standart başvuruların elle incelenmesi ise planlama görevlilerinin saatler boyunca farklı belge kaynakları arasında karşılaştırma yapmasını gerektiriyor. Sonuç olarak insan kaynağı, daha karmaşık altyapı ve ticari geliştirme dosyalarına ayrılmak yerine tekrarlayan idari işlere harcanıyor.
Yetkililerin hedefi, bu otomasyon yaklaşımıyla başvuru karar sürelerini yüzde 50 azaltmak. Buradaki amaç, nihai kararı makineye bırakmak değil; belge toplama, veri çıkarma, özetleme ve ilk taslak hazırlama gibi zaman alan adımları hızlandırmak. Böylece planlama ekipleri, mevzuat yorumu ve nihai değerlendirme gibi uzmanlık gerektiren işlere daha fazla vakit ayırabilecek.
İlk araç olan Extract, MHCLG mühendisleri ile hükümetin uygulamalı yapay zekâ ekibi Incubator for AI (i.AI) tarafından, Gemini temel modelleri kullanılarak geliştirildi. Araç, eski PDF kayıtlarının içindeki yapılandırılmamış verileri ayrıştırıp bunları dakikalar içinde yapılandırılmış dijital veri kümelerine dönüştürüyor. Yüzlerce sayfalık tarihî planlama dökümanlarının elle işlenmesi yerine otomatik veri çıkarımı yapılması, özellikle eski arşivlerle çalışan belediyeler için önemli bir verimlilik artışı anlamına geliyor.
Extract, 20’den fazla yerel planlama otoritesindeki denemelerin ardından İngiltere’deki tüm belediyelere genişletiliyor. Deneme verilerine göre araç, her belediyede yılda yaklaşık 255 saatlik manuel veri girişini ortadan kaldırabilecek. Bu da doğrudan personel tasarrufu yerine, mevcut personelin daha karmaşık inceleme görevlerine kaydırılmasını mümkün kılıyor. Kamu yönetimi açısından bakıldığında, teknoloji yatırımının temel getirisi de burada ortaya çıkıyor.
Bu tür sistemlerin kamu tarafında kullanılabilmesi için güvenlik tarafı da kritik önem taşıyor. Yerel otoriteler hassas kamu kayıtlarını işlediğinden, büyük dil modellerinin kurumsal düzeyde korunan bir ortamda çalıştırılması gerekiyor. Bu nedenle Gemini modelleri, veri egemenliğinin korunduğu güvenli bir Google Cloud altyapısında barındırılıyor. Ortamda, kötü niyetli girdileri ve prompt injection saldırılarını engellemeye dönük aktif güvenlik kontrollerinin bulunduğu belirtiliyor. Böylece hem test hem de üretim aşamalarında hassas belediye verilerinin korunması hedefleniyor.
İkinci araç olan APD ise doğrudan planlama görevlilerine yardımcı olan bir analiz asistanı olarak konumlanıyor. Sistem dört temel idari görevi otomatikleştiriyor. İlk olarak gelen belgeleri bir araya getiriyor, eksik bilgi alanlarını işaretliyor ve temel coğrafi saha verilerini tek bir arayüzde topluyor. İkinci olarak ilgili ulusal ve yerel imar kurallarını belirliyor, uygunluk durumunu değerlendiriyor ve manuel doğrulama için ilgili politika atıflarını ekliyor.
Üçüncü aşamada APD, kamu istişare mektuplarını işleyerek paydaş itirazlarını veya geçmiş hukuki emsal niteliğindeki unsurları özetliyor. Dördüncü aşamada ise nihai değerlendirme raporunun ilk taslağını oluşturuyor; buna teknik gerekçeler ve önerilen onay koşulları da dâhil ediliyor. Bu çerçevede sistem, dosyanın karar için hazır hâle gelmesini hızlandırıyor ancak kararı otomatik olarak vermiyor.
Yetki yine tamamen insan planlama görevlilerinde kalıyor. Protokoller gereği her başvuruda nihai onay ya da ret kararı personel tarafından veriliyor. Yapay zekâ tarafından üretilen metinlerin her satırı görevli ekiplerce gözden geçiriliyor ve gerekli görülen değişiklikler yapıldıktan sonra rapor doğrulanıyor. Bu nokta, sistemin karar verici değil karar destek aracı olarak tasarlandığını net biçimde gösteriyor.
Düzenleyici hesap verebilirlik için APD prototipi, kendi işlem adımlarını sıralı biçimde kaydediyor. Böylece her işlenen başvuru için denetlenebilir bir doğrulama izi oluşturuluyor. Bu yaklaşım, kamu yönetiminde kullanılan yapay zekâ sistemleri için şeffaflık ve izlenebilirlik gereksinimlerini karşılamayı amaçlıyor; aynı zamanda görevli memurun nihai kararını destekleyen bir kayıt zinciri sağlıyor.
APD’nin geliştirme süreci, kamu kurumları ile özel sektör teknik ekipleri arasında kurulan ortak bir modele dayanıyor. Çalışmada Google Cloud, Google DeepMind ve Faculty yer alırken; kamu tarafı politika kuralları ve yasal sınırları belirliyor, teknik ortaklar ise model mimarileriyle dağıtım sürecini yürütüyor. Alpha sürüm şu anda Barnet London Borough, Dorset Council ve Camden London Borough içinde canlı olarak test ediliyor. Farklı bölgesel idarelerde test yapılması, sistemin çeşitli yerel politika çerçevelerine karşı sınanmasını sağlıyor.
Merkezi planlama ekibinin hedefi, alpha aşamasını tamamladıktan sonra APD’yi 2027’ye kadar İngiltere’deki 300’ü aşkın yerel otoriteye sunmak. Bu ölçekte günlük operasyonlarda oluşacak binlerce eşzamanlı çıkarım sorgusunun işlenmesi için de Google Cloud’un esnek hesaplama altyapısından yararlanılıyor. Genel tabloya bakıldığında, proje yalnızca belediye planlama süreçlerini hızlandırmayı değil, aynı zamanda güvenli kamu bulutunda gelişmiş dil modellerinin çekirdek idari iş yüklerinde kullanılabileceğini göstermeyi amaçlıyor.
