Kurumsal yapay zekâ ajanlarına verilen yetki genişledikçe, en kritik güvenlik sorusu model katmanından veri katmanına kayıyor: Bir ajan, kendisine hiç tanımlanmamış bir işlemi yapmaya kalktığında onu gerçekten ne durduracak?
Kurumsal sistemlerde artık yalnızca yanıt üreten değil, plan yapan, karar veren ve farklı uygulamalar arasında işlem başlatan ajanlar kullanılıyor. Bu ajanlar şirketin kendi modelleri üzerinde çalışıyor, veriye doğrudan temas ediyor ve çoğu zaman insan onayı olmadan adım atabiliyor. Böyle bir yapıda sorumluluk da şirketin üzerinde kalıyor. Yalnızca kağıt üzerinde duran politikalar ya da sonradan yapılan incelemeler, ajanların milisaniyeler içinde çok sayıda sistemde işlem yaptığı bir ortamda yeterli olmuyor.
Metinde aktarılan yaklaşım, denetimin ajan davranışını önce yukarıda incelemeye çalışan bir güvenlik katmanı yerine, verinin bulunduğu yerde ve tam işlem anında uygulanmasını savunuyor. Çünkü ajanların ne yapacağı her zaman öngörülebilir değil; buna karşılık kuralların öngörülebilir ve zorlayıcı olması gerekiyor.
Bu çerçevede anlatılan örneklerden biri basit ama açıklayıcı: “Araba kapısını asla açma” kuralı, bağlamdan koparıldığında anlamsızlaşıyor. Araçtan inip binmeyi de engelliyor. Ancak araba kaza yapmışsa, içeride yangın varsa ya da biri yaralı halde dışarı çıkarılmak zorundaysa aynı kuralın tam tersi gerekiyor. Yani asıl mesele, kuralın hangi anda ve hangi koşulda uygulandığı.
Kurumsal yapay zekâ ajanlarında da tablo benzer. Güvenlik ekipleri genelde ajanın çevresine talimatlar, politikalar ve izleme araçları yerleştiriyor. Bunlar işe yarasa da yapısal bir sınır var: Ajanın vereceği çıktı ne kadar tahmin edilebilir? Otonomi arttıkça bu çıktı daha zor öngörülüyor. Bir işlemi gerçekleşmeden önce denetlemeye dayalı yönetişim, milisaniyeler içinde hareket eden ve aynı anda birden fazla sisteme dokunan ajanların hızına yetişemiyor.
Bu nedenle asıl denetimin veri katmanına taşınması gerektiği vurgulanıyor. Ajanların değer üretme biçimi veriye dokunmak üzerinden şekilleniyor; veriyi sorguluyor, çekiyor, dönüştürüyor ve giderek onun üzerinde işlem yapıyor. Eğer bir politika, ajanın belirli türdeki veriye erişmemesi gerektiğini söylüyorsa, sistemin o erişimi tam talep anında reddetmesi gerekiyor. Aynı şekilde yapay zekânın denetlenebilir olması isteniyorsa, kurumun ajanın ne yaptığını, hangi veriye dokunduğunu, hangi kullanıcı adına hareket ettiğini ve ortaya ne çıktığını geriye dönük olarak çıkarabilmesi gerekiyor.
Metinde kullanılan ifadeyle yönetişim veri katmanında yaşadığında, ajanın nasıl inşa edildiğinden ya da nasıl davrandığından bağımsız biçimde çalışabiliyor. Çünkü kontrol, ajanın verdiği bir söz değil doğrudan veritabanının özelliği haline geliyor.
Burada öne çıkarılan noktalardan biri de davranış ile denetim arasındaki fark. Modelin politikaya uyup uymayacağına güvenmek kurumu kırılgan bırakıyor. Kuralın kendisini sistemin uygulaması gerekiyor. Bu, bir aktörün sınır içinde kalacağını ummakla, baştan aşılamayacak sınırlar kurmak arasındaki fark olarak anlatılıyor.
Aktarılan çerçevede veri katmanında zaten kullanılan kontrol mekanizmaları arasında rol ve öznitelik tabanlı erişim, satır ve sütun düzeyinde güvenlik, sınıflandırma ve maskeleme, kodla yönetilen politikalar ve eksiksiz denetim kayıtları yer alıyor. Ajanların ortaya çıkardığı değişiklik, mekanizmanın kendisi değil, mekanizmanın kimi tanıması gerektiği. Kimlik yönetiminin artık ajanı da ayrı bir özne olarak görmesi, ona özgü bir kimlik tanımlaması ve oturum açıldığında amacını da kayda geçirmesi isteniyor.
Amacın kimliğe bağlanmasıyla birlikte politika motoru, rol ya da departman bilgisini nasıl değerlendiriyorsa aynı şekilde bunu da değerlendirebiliyor. Böylece sonradan oluşan kayıtlarda yalnızca kim hareket etti ve neye dokundu sorularının değil, hangi amaçla orada bulunduğunun da görünmesi sağlanıyor.
Pratikte bu yaklaşım üç başlık altında toplanan dokuz denetim mekanizmasına ayrılıyor. İlk grup, doğrudan zorlamaya yönelik kontrolleri içeriyor. Buna göre ajanlar da kullanıcılar gibi sorgu anında uygulanan rol ve öznitelik tabanlı erişim kontrolüne tabi olacak. Dinamik sütun maskelemesi aynı politika yolundan beslenecek. Ajan kimliği, oturum başında tanımlanan amaç ve işlemi yapan kullanıcı bilgisiyle birlikte birinci sınıf özne olarak ele alınacak.
İkinci grup, görünürlük ve kanıtlama tarafına odaklanıyor. Veri sınıflandırması ve etiketleme, politikayı besleyen temel sinyal olacak. Oturum seviyesindeki denetim kayıtları, hangi ajanın hangi kullanıcı için ve hangi beyan edilmiş amaçla hareket ettiğini gösterecek. Veri hattı boyunca tutulacak soy ağacı bilgisi de sonuçların hangi isteğin ardından üretildiğinin geriye dönük olarak izlenmesini sağlayacak.
Üçüncü grup ise altyapıyı sağlamlaştırmaya dönük. Merkezi ve taşınabilir politika yönetimi, aktarım ve depolama sırasında şifreleme, ayrıca şirket içi, bulut ve egemen ya da hava boşluklu ortamlarda tutarlı uygulama bu başlıkta sayılıyor.
EDB’de ürün yönetimi, veri ve yapay zekâ yönetişimi başkan yardımcısı Priyanka Jain, beyan edilen amacın fark yaratan unsur olduğunu söylüyor. Jain’e göre amaç, erişim katmanının zaten anladığı bir öznitelik haline geliyor ve rol ile satır düzeyi güvenlikle aynı politika yolunda değerlendiriliyor. Ona göre uygulama mekanizması değişmiyor; değişen şey, ajanın amacının artık değerlendirme ve sonradan doğrulama sürecinin bir parçası haline gelmesi.
Jain, “Declared purpose is what makes the difference. It becomes an attribute the access layer already understands, evaluated in the same policy path as role and row-level security. The enforcement mechanism does not change. What changes is that the agent’s purpose is part of what it evaluates, and part of what the record proves afterward,” dedi.
Şirketin bu yaklaşımı, yapay zekâ kullanımının hangi aşamada olduğu fark etmeksizin hız kaybettirmeden güvenlik sağlama iddiasıyla sunuluyor. Metinde, kontrol mekanizmalarının zaten veritabanında bulunduğu, yeni olanın ajanın da bu kapılardan geçmek zorunda kalması olduğu belirtiliyor. Ajanlar artık kullanıcılar gibi kimlik yönetiminde ayrı bir özne olarak tanımlanıyor; bu sayede oturum açarken belirtilen amaç, yetkilendirme değerlendirmesinin parçası haline geliyor.
Buradaki temel hedef, ajanları tamamen durdurmak değil. Sınırların ne kadar ileri gideceğini, neye dokunabileceğini, neyi değiştirebileceğini, hangi işlem için eskalasyon gerektiğini ve bir sorun çıktığında olayların nasıl yeniden kurulacağını tanımlamak amaçlanıyor. Bu şekilde yönetilen ajanların kimliği belirlenmiş, kapsamı çizilmiş, izlenebilir ve denetlenebilir olması bekleniyor. Kurumların bu sayede güvenlik, risk ve üst yönetim tarafında daha hızlı hareket edebileceği ifade ediliyor.
Metin, açık kaynak PostgreSQL tabanlı bir mimari üzerine kurulu yaklaşımı da öne çıkarıyor. Bu açık temel sayesinde kurumların verinin nerede duracağını, kimin erişeceğini ve hangi politika altında erişeceğini kontrol altında tutabildiği, yönetimi sahip olunmayan ya da denetlenemeyen bir katmana bırakmadığı anlatılıyor. Düzenlemeye tabi sektörler için veri egemenliği ile kaynak düzeyinde zorlamanın, ajanları üretim ortamına almak için bir tercih değil ön koşul olduğu vurgulanıyor.
EDB Postgres AI’nin açık, kurumsal düzeyde ve egemen veri ile yapay zekâ platformu olarak tanımlandığı, işlem, analitik ve yapay zekâ iş yüklerini tek yapıda birleştirdiği aktarılıyor. Platformun, verinin bulunduğu yerde yönetişim uyguladığı belirtilirken, ayrıntılı çerçeve için şirketin “Governing Agentic AI at Enterprise Speed” başlıklı beyaz kitabına atıf yapılıyor. Metin, bu beyaz kitapta yer alan yaklaşımın, veri katmanında uygulanan kuralların ajanların erişimini ve eylemlerini belirlediği fikri etrafında kurulduğunu gösteriyor.
Yapay zekâ ajanlarının daha yetenekli ve daha otonom hale gelmeye devam edeceği kabul ediliyor. Bu nedenle kontrolün nerede konumlandığına bilinçli karar vermek gerektiği, hız kesmenin değil denetimi doğru yere yerleştirmenin önemli olduğu savunuluyor. EDB’nin çerçevesinde, koruma mekanizmasının verinin kendisinde çalışması gerektiği ve bunun da ajanın yalnızca niyetini değil, oturumda beyan ettiği amacını da değerlendiren bir sistemle mümkün olduğu aktarılıyor.
Metin, kurumsal yapılarda güvenlik, risk ve liderlik ekiplerinin ancak altyapıdaki denetim mekanizmasına güven duyduklarında ajanları daha hızlı devreye alabileceğini belirtiyor. Bu güvenin koşulu olarak da kontrolün modelin verdiği söze değil, veritabanının uyguladığı kurala dayanması gösteriliyor. Böylece ajanların hangi veriye erişeceği, hangi alanı maskeleyerek göreceği, hangi eşiği aşamayacağı ve hangi işlemin kayıt altına alınacağı kaynak seviyesinde belirleniyor.
Açık kaynak Postgres temeli, şirketin veriyi kendi kontrolünde tutma iddiasının merkezine yerleştiriliyor. Metinde bu mimarinin, verinin nerede barındırılacağına, kimlerin erişeceğine ve hangi politikanın yürürlükte olacağına ilişkin kararları kurumun elinde tuttuğu, yönetişimi dışarıdan gelmeyen bir katmana teslim etmediği ifade ediliyor. Böylece agentic sistemler için kaynak düzeyinde zorlamanın, yalnızca politika tanımı değil, uygulamanın kendisi olduğu vurgulanıyor.
Bu çerçevede ortaya konan yaklaşım, yapay zekâ ajanlarının kurumsal sistemlerde ayrıcalıklı erişim gerektirmesi halinde, erişimin de aynı hassasiyetle yönetilmesini istiyor. Rol ve öznitelik tabanlı erişim, satır ve sütun güvenliği, sınıflandırma, maskeleme, politika kodu, denetim kaydı ve soy ağacı takibi birlikte çalıştığında, ajanın yaptığı iş sonradan açıklanabilir hale geliyor. Metin, tam da bu nedenle veri katmanının yalnızca saklama yeri değil, yönetişimin uygulandığı yer olarak ele alınması gerektiğini söylüyor.
EDB’nin aktardığı çerçeveye göre, agentic yapay zekâ sistemleri daha da gelişirken kurumların kontrolü sonradan eklenen bir koruma olarak değil, doğrudan veri katmanına gömülü bir özellik olarak tasarlaması gerekiyor. Aksi halde, milisaniyeler içinde çalışan ve aynı anda birçok sistemi etkileyebilen ajanlar için denetim, davranış gerçekleşmeden önce değil ancak olaydan sonra mümkün olabiliyor. Metnin temel tezi ise denetimin tam olarak o anda, tam olarak o yerde uygulanması gerektiği yönünde kuruluyor.