Model Governance (Model Yönetişimi)

#ModelGovernance #MLOps #ModelRisk #AIGüvenliği

Makine öğrenimi modellerinin geliştirme, doğrulama ve dağıtım süreçlerini politikalar, onay iş akışları ve denetim izleriyle yöneten yapısal çerçeve.

Model yönetişimi (model governance), bir kuruluşun makine öğrenimi ve yapay zeka modellerinin tüm yaşam döngüsünü —tasarım, geliştirme, doğrulama, dağıtım, izleme ve emeklilik aşamalarını— politikalar, süreçler ve teknolojik araçlarla disipline altına aldığı yapısal çerçevedir. Amaç özetle budur: Üretim ortamındaki her modelin sürümlenmiş, onaylanmış, izlenebilir ve yeniden üretilebilir olmasını garanti etmek. Bu hedef; MLOps pipeline'larında teknik boyut, bankacılık ve sigortacılık gibi düzenlemeye tabi sektörlerde ise hukuki boyut taşımaktadır. Model yönetişiminin teknik katmanı dört temel bileşenden oluşur: Model registry, modellerin sürümleri, hiperparametreleri, eğitim verisi bağlantısı ve performans metrikleriyle merkezi olarak kaydedildiği depodur. Onay iş akışı, bir modelin staging ortamından üretime geçişinde insan denetimini zorunlu kılan kapıdır. Denetim izi, her API çağrısını, model güncellemeyi ve üretim kararını değiştirilemez biçimde kaydeden log sistemidir. Model izleme ise data drift, kavram kayması veya adalet metriklerindeki sapmaları anlık olarak takip eden altyapıdır. Bankacılık sektöründe model yönetişimi, düzenleyici otoritelerin model risk yönetimi (MRM) rehberlerine uyumu kapsar. ABD'de FED/OCC/FDIC'nin Nisan 2026'da yayımladığı SR 26-2 rehberi, risk kontrollerini yaşam döngüsünün en başına taşımayı zorunlu kılmaktadır. Türkiye'de ise BDDK'nın algoritmik karar sistemlerine ilişkin düzenlemeleri ve KVKK'nın otomatik karar verme kısıtlamaları bu çerçevenin yerel karşılığını oluşturmaktadır. Generatif yapay zekanın yaygınlaşmasıyla model yönetişimi, yalnızca geleneksel ML modellerini değil; LLM'leri, RAG sistemlerini ve ajan mimarilerini de kapsamaktadır. 2026 yılında önde gelen kuruluşlar, model risk yönetimini veri yönetişimi ve AI yönetişimiyle birleştirerek bütünleşik bir kontrol katmanı oluşturmaktadır.

Model Yönetişimi Nedir?

Model yönetişimi, bir kuruluşun ML/AI modellerini geliştirme aşamasından üretime ve nihayet emekliliğe kadar yöneten politika, süreç ve araç bütünüdür. Yalnızca teknik bir mesele değildir; düzenleyici uyum, risk kontrolü ve kurumsal hesap verebilirlik de bu çerçevenin ayrılmaz parçasıdır. Model yönetişimi olmayan bir ortamda modeller belgesiz, versiyonsuz ve denetimsiz üretimde kalabilir; bu durum hem iş riskleri hem de yasal yaptırımlar doğurabilir.

Temel Bileşenler

  • check_circle Model Registry: Her modelin sürüm geçmişi, eğitim verisi bağlantısı, hiperparametreleri ve performans metrikleriyle merkezi olarak kaydedildiği depodur.
  • check_circle Onay İş Akışı: Modelin staging'den production'a geçişinde veri bilimcisi, risk ekibi ve gerekirse uyum birimi onayını zorunlu kılan gate mekanizmasıdır.
  • check_circle Denetim İzi: Her model eğitimi, güncelleme, deployment ve tahmin kararını değiştirilemez biçimde kaydeden log altyapısıdır; uyum denetimleri için vazgeçilmezdir.
  • check_circle Model İzleme: Üretimdeki modelde data drift, kavram kayması, performans düşüşü ve adalet metriklerindeki sapmaları gerçek zamanlı izleyen sistemdir.

Model Yaşam Döngüsü

Model yönetişimi beş aşamayı kapsar: (1) Geliştirme — veri hazırlama, özellik mühendisliği, deney takibi. (2) Doğrulama — bağımsız ekip tarafından model performansı, veri kalitesi ve önyargı testleri. (3) Staging — üretim ortamına benzer A/B veya shadow trafik testleri. (4) Production — onaylı deployment, erişim kontrolü ve versiyon kilitleme. (5) Emeklilik — modelin production'dan çekilmesi, arşivlenmesi ve yedek modelin devreye alınması.

Düzenleyici Uyum: SR 26-2 ve Türkiye

ABD'de FED, OCC ve FDIC'nin Nisan 2026'da yayımladığı SR 26-2 rehberi, finans kurumlarının risk kontrollerini yaşam döngüsünün başına taşımasını ve generatif AI modellerini de MRM kapsamına dahil etmesini zorunlu kılmaktadır. Türkiye'de ise BDDK'nın banka içi model doğrulama yönetmeliği ve KVKK'nın 11. maddesi (otomatik karar verme haklarını koruma) model yönetişiminin hukuki zeminini oluşturmaktadır.

Araçlar ve Platformlar

  • check_circle MLflow Model Registry: Açık kaynak, experiment tracking ile entegre model versiyonlama ve stage transition yönetimi.
  • check_circle AWS SageMaker Model Registry: CloudTrail denetim izi, cross-account deployment ve approval workflow'larıyla kurumsal yönetişim.
  • check_circle Azure Machine Learning: Model kartları, responsible AI dashboard ve aktif öğrenme döngüsüyle bütünleşik yönetişim.
  • check_circle Databricks Unity Catalog: Model sürümleme, veri sözlüğü ve erişim kontrol politikalarını tek çatı altında sunan platform.

LLM ve Generatif AI Döneminde Model Yönetişimi

Geleneksel model yönetişimi tabular ML modellerini hedef alıyordu; 2025-2026'da kapsam genişledi. LLM'ler için prompt şeması versiyonlama, RAG sistemleri için vektör veritabanı snapshot'ları ve ajan zincirleri için araç çağrı denetim izleri yönetişim gündemine girdi. Model kartları (model cards), LLM'lerin yetenek ve kısıtlamalarını standart biçimde belgelemek için yaygınlaştı.

Sık Sorulan Sorular

  • check_circle Model governance ile AI governance arasındaki fark nedir?: AI governance politika, etik ve düzenleyici çerçeveleri kapsayan geniş bir kavramken; model governance spesifik olarak ML modellerinin teknik yaşam döngüsünü, doğrulama iş akışlarını ve denetim izlerini yönetir.
  • check_circle MLflow Model Registry yeterli mi?: Küçük ekipler için MLflow genellikle yeterlidir; ancak kurumsal onay iş akışı, erişim kontrolü ve yasal uyum için AWS SageMaker veya Databricks Unity Catalog gibi platformlara geçiş önerilir.
  • check_circle Model doğrulama kim tarafından yapılmalıdır?: SR 26-2 ve best practice rehberlerine göre doğrulama, modeli geliştiren ekipten bağımsız bir ekip veya üçüncü taraf tarafından yapılmalıdır; bu dört göz ilkesi model risk yönetiminin temelidir.
  • check_circle Türkiye'deki şirketler için model yönetişimi zorunlu mu?: KVKK'nın otomatik karar verme maddeleri ve BDDK'nın banka içi model doğrulama yönetmelikleri belirli sektörler için yükümlülük doğurmaktadır. Gönüllü uyum ise AB AI Act'in Türkiye yansımalarına hazırlık için değer taşımaktadır.
  • check_circle Model yönetişimi MLOps ile aynı şey midir?: Hayır; MLOps modelin teknik deployment ve otomasyon süreçlerini kapsar, model yönetişimi ise bu süreçlerin üzerine politika, risk ve uyum katmanını ekler. Model yönetişimi MLOps'un üst katmanıdır.