By · Last updated 2026-03-22

Bloga DönHukuk Teknolojisi

Redaksiyonları Savunmak: Mahkemede YZ Güven Puanları

Bir hâkim, bir belgenin yüzde 47'sinin neden redakte edildiğini sordu. 'YZ işaretledi' yanıtı hukuken savunulabilir değildir. Savunulabilir otomatik redaksiyon böyle görünür.

March 22, 20268 dk okuma
defensible redactionAI confidence scorese-discovery audit trailprivilege log requirementslegal tech compliance

2026 için güncellendi

"YZ Yaptı" Mahkemede İşe Yaramaz

YZ araçları yeni bir hukuki risk yarattı. Avukatlar çoğunlukla bir sistemin neden içeriği engellediğini açıklayamaz. Hâkim sorduğunda "algoritma işaretledi" yeterli değildir.

FRCP Kural 26(b)(5) çıtayı belirler. Materyali gizleyen taraf iddiayı belirtmek zorundadır. Belgeleri de tanımlamak zorundadır. Bu tanım karşı tarafa ayrıcalığı değerlendirme imkânı vermelidir — içeriği açığa çıkarmadan.

"ML modeli kaldırdı" bu çıtayı karşılamaz. Karşı taraf neyin tespit edildiğini anlayamaz. Neden yapıldığını da anlayamaz.

Aşırı Redaksiyon Uyuşmazlıklara Yol Açar

Morgan Lewis 2025 Yılı 1. Çeyrek e-keşif araştırması, aşırı redaksiyonu federal mahkemelerde aktif bir uyuşmazlık kaynağı olarak işaretledi. Eğilim yüksek duyarlılıklı YZ araçlarıyla bağlantılıdır. Bu araçlar hatırlamayı ön planda tutar. Hassas olabilecek her şeyi yakalar.

Yan etkiler öngörülebilirdir. Bir isme yakın tarihler engellenir. Sergi numaraları engellenir. Bağlam göz ardı edilir.

Karşı taraf avukatı her engellenen kalemi itiraz konusu yapar. Üreten taraf her birini açıklamak zorundadır. Varlık başına kayıt yoksa açıklama da yoktur.

Hatırlamayı en üst düzeye çıkarmak için ayarlanmış YZ araçları her şeyi yakalamak için tasarlanmıştır. Bu tasarım bazı kullanım durumları için uygundur. E-keşif üretimi için yükümlülük yaratır.

İtiraz edilen kalemler açıklanamadığında mahkemeler yeniden üretim emredebilir. Yeniden üretim zaman ve para maliyeti doğurur. Bazı durumlarda yaptırımları beraberinde getirir.

Savunulabilir Sistemlerin İhtiyaç Duyduğu Üç Şey

Mahkemeler itiraz edilen kalemleri tek tek inceler. Dar bir soru sorar: Bu belgedeki bu spesifik kalemin dayanağı nedir?

Çoğu YZ aracı buna yanıt veremez. Üç özellik bunu mümkün kılar.

Varlık başına güven puanları. Engellenen her kalem puanlanmış bir tespite dayanmalıdır. "%94 güvenle tespit edilen isim" savunulabilirdir. "ML tarafından işaretlendi" değildir. Puanlamanın pratikte nasıl işlediği için İkili KKB Tespitinin Uyumluluğa Etkisi yazısına bakın.

Varlık türü sınıflandırması. Engellenen her kalem tanınan bir türe eşlenmelidir. Kişi adı. SSN. Doğum tarihi. Bu tür ayrıcalık günlüğüne girer. İçeriği açığa çıkarmadan gizlemenin dayanağını açıklar.

Eşik kayıtları. Yapılandırma belgelenmek zorundadır. Hangi duyarlılık seviyeleri kullanıldı? Hangi varlık türleri kapsama alındı? Karşı taraf avukatı bu kayıtları talep edebilir. Üreten taraf her seçimi açıklamaya hazır olmalıdır.

Yüzde 83 Yönetişim Zorunluluğu

IAPP 2025 araştırması, YZ yönetişim çerçevelerinin yüzde 83'ünün YZ girdi katmanında veri minimizasyonu gerektirdiğini buldu.

Önceki çerçeveler YZ çıktılarına odaklanıyordu. Şimdi YZ sistemlerine giren verileri de kapsıyor. Bu kayma önemlidir.

Hukuk ekipleri için etki doğrudandır. Aynı minimizasyon yükümlülüğü, müvekkil dosyalarında kullanılan YZ inceleme araçlarına da uygulanır. Ekipler hassas verileri araca ulaşmadan önce azaltmak zorundadır.

Artık iki yükümlülük örtüşüyor. Güven puanı kayıtları, uyuşmazlıklarda ayrıcalık iddialarını destekler. Girdi minimizasyonu YZ yönetişim kurallarını karşılar. İkisi birlikte 2025'te YZ destekli hukuki çalışmada uyumluluk temelini tanımlar.

Denetim Günlüğünün Kaydetmesi Gerekenler

Günlük, işlenen her belge için altı şeyi kaydetmelidir.

Birinci: belge tanımlayıcı. İkinci: varlık türü. Üçüncü: güven puanı. Dördüncü: uygulanan yöntem — etiket veya kara kutu. Beşinci: kullanılan yapılandırma versiyonu. Altıncı: işlem tarihi ve saati.

Bu günlük iki amaç taşır. Bir üretim itiraz edildiğinde ayrıcalık günlüğünü destekler. Ayrıca hassas verilerin şirketten çıkmadan önce minimize edildiğini düzenleyicilere gösterir.

Haksız gizlemenin mahkemelerde nasıl ele alındığı ve ardından gelen yaptırımlar için E-Keşif Yaptırımları: YZ Redaksiyonu Sınırı Aşınca yazısına bakın.

Bu günlüğü oluşturmak ek yük değildir. Hukuk ekibinin tercihlerini — hâkime, karşı taraf avukatına veya veri koruma otoritesine karşı — savunmasını sağlayan şeydir.

Kaynaklar

Verilerinizi korumaya hazır mısınız?

48 dilde 285+ varlık türü ile PII anonimleştirmeye başlayın.

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.