Küresel ölçekte ardı ardına yaşanan siyasi, ekonomik, çevresel ve toplumsal nitelikli gelişmeler, içinde bulunduğumuz dönemin çok boyutlu bir biçimde ele alınmasını zorunlu kılmaktadır. Bu gelişmeler, yalnızca tekil kriz anları olarak değil, yapısal ve süreklilik arz eden bir bunalım sürecinin parçaları olarak değerlendirilmelidir. Her ne kadar söz konusu süreci farklı kavramsal çerçeveler ve teorik yaklaşımlarla açıklama yönünde çeşitli eğilimler bulunsa da, literatürde sıklıkla “çoklu krizler çağı” (polycrisis) kavramı ile tanımlanmaktadır.
Şekil 1. Karar Verme Süreçlerinin Değişen Zaman Boyutları
Karar alma süreçlerinde, Şekil 1’de gösterildiği üzere, temelde farklı zaman ölçekleri söz konusudur. Olağan problemlerde, kararların uzun vadeye yayılmasıyla birlikte belirsizlik artmakta; buna karşılık karar verme süresi de uzayabilmektedir. Diğer yandan, kriz durumlarında, karar verme süreci dramatik biçimde daralmaktadır. Bu tür durumlarda, bilgi eksikliğine rağmen bekleme ya da eylemsizlik seçenekleri mümkün olmadığından, karar vericilerin hızla harekete geçmeleri gerekmektedir.
Grafikte yer alan oklar, geleneksel olarak uzun vadeli planlama süreçleri içerisinde ele alınan problemlerin, beklenmedik gelişmeler sonucu nasıl hızla kriz kararlarına dönüştüğünü görselleştirmektedir. Bu oklar, karar alma süreçlerinde yaşanan zaman baskısını ve kararların ani bir şekilde aciliyet kazanmasını simgeler. Normal şartlarda karar vericiler, enerji altyapısı, kentsel planlama, halk sağlığı müdahaleleri veya dağıtım stratejileri gibi konuları uzun vadeli, sistematik ve veri temelli süreçlerle ele alma olanağına sahiptir. Ancak, kriz koşullarında bu tür problemlerin niteliği değişir. Örneğin, bir savaş durumu enerji planlamasını acilen yeniden şekillendirmeyi gerektirirken; doğal afetler, önceden yapılan kentsel planların yerine afet sonrası iyileştirme stratejilerini öncelikli hale getirir. Benzer şekilde, pandemi gibi halk sağlığı krizlerinde de uzun vadeli müdahale stratejileri yerini, saatler ya da günler içinde alınması gereken kapanma ve izolasyon kararlarına bırakır. Bu bağlamda kırmızı oklar, bir problemin zaman içinde nasıl yön değiştirdiğini ve planlı süreçlerden kriz müdahalelerine nasıl evrildiğini göstermektedir (Comes, 2024).
Bu bağlamda, yapay zekâ teknolojilerinin krizlerin önlenmesi, öngörülmesi ve yönetilmesindeki potansiyeli giderek daha fazla ilgi çekmektedir. Yapay zekânın büyük veri analitiği, karar destek sistemleri ve erken uyarı mekanizmaları gibi alanlarda sunduğu olanaklar, kriz yönetimi pratiklerinin dönüşümüne kapı aralamaktadır. Kriz döngüsünün her aşamasında yapay zekaya dayalı çeşitli uygulamalar etkin bir şekilde kullanılabilir; bu sayede krizlerin öngörülmesi, etkilerinin azaltılması, müdahale sürelerinin kısaltılması ve iyileşme sürecinin verimli yönetilmesi mümkün olmaktadır. Tablo 1 ‘de literatürde yer alan yapay zeka kullanım alanları ve uygulama örneklerine yer verilmiştir.
Tablo 1. Kriz Döngüsü Aşamalarına Göre Yapay Zeka Kullanım Alanları
| Kriz Döngüsü Aşamaları | Yapay Zeka Kullanım Alanları | Uygulama Örnekleri |
|---|
| Risk Azaltma (Mitigation) | Afet eğilimli bölgelerin haritalanması
İklim, topoğrafya ve sosyoekonomik verilerle risk modelleme
Erken hasar potansiyeli öngörüleri için simülasyon destekli modellemeler | Kudaibergenov ve arkadaşları (2025) tarafından yayımlanan makalede, Random Forest, CNN ve MLP gibi yapay zekâ yaklaşımları kullanılarak çeşitli bölgelere uyarlanabilir heyelan duyarlılığı haritaları oluşturulmuştur.
|
| Hazırlık (Preparedness) | Chatbot’larla kriz senaryosu simülasyonları ve halk eğitimi
Dijital ikiz (digital twin) teknolojileriyle olasılık senaryoları oluşturma
Risk tahminine dayalı kaynak planlaması ve stratejik stok yönetimi
Meteorolojik veri analiziyle erken uyarı sistemlerinin iyileştirilmesi | Eva Zhao (2025) liderliğindeki bir çalışmada, Florida’da kasırga eğitimi amaçlı kültürel olarak uyarlanmış generative AI chatbot’lar kullanılmış; kullanıcılar chatbotları daha güvenilir ve bilgilendirici bulmuştur. |
| Müdahale (Response) | Chatbot ve dil modeli destekli anlık kriz iletişimi
Sosyal medya üzerinden yardım çağrılarının sınıflandırılması ve önceliklendirilmesi
Görüntü işleme ile yıkım ve kurtarma durumu tespiti
Duygu analizi ile halkın psikolojik durumunun izlenmesi | Xiao & Yu (2025) tarafından yapılan çalışmada ChatGPT tabanlı chatbot’lar, kriz anında yönlendirici ve empatik mesajlarla iletişimde yetkinlik algısı yaratmıştır. |
| İyileştirme (Recovery) | Uydu görüntülerinin analiziyle hasar düzeylerinin haritalanması
Kaynak tahsisi optimizasyonu (yardım, altyapı, yeniden inşa) Toplumsal ihtiyaçların ve yeniden entegrasyon süreçlerinin modellenmesi | Das vd. (2021) çalışmasında sel sonrası altyapı hasarları Random Forest yöntemiyle başarılı şekilde sınıflandırılmıştır. Heyelan bölgelerinde yeni algılama sistemleri geliştirmiştir. |
Yapay zekâ sistemlerinin kriz bağlamında sunduğu en dikkat çekici yeniliklerden biri, doğal dil işleme (NLP) ve büyük dil modelleri (LLM) teknolojilerinin entegrasyonu ile geliştirilen chatbot tabanlı iletişim araçlarıdır. Bu sistemler, kriz anında bilgiye hızlı erişim sağlarken aynı zamanda halkın yönlendirilmesi, bilgilendirilmesi ve duygusal ihtiyaçlarının karşılanması gibi çok yönlü işlevler üstlenmektedir.
Sosyal medya üzerinden gelen bilgi akışının anlık sınıflandırılması ve önceliklendirilmesi noktasında yapay zekâ tabanlı bilgi çıkarım sistemleri devreye girmektedir. Zhang vd. (2025), bu doğrultuda sosyal medya paylaşımlarını kriz türlerine göre sınıflandırmak ve eyleme geçirilebilir bilgi (örneğin konum, zarar boyutu, insan kaybı) çıkarmak için 5W1H şemasını genişleterek ‘kriz şiddeti’ boyutunu entegre ettikleri bir çerçeve önermektedir.
Şekil 2. Krizlerde Eyleme Geçirilebilir Bilgi Çıkarımına Yönelik Önerilen Yaklaşım
Sistem, genel alan verisiyle önceden eğitilmiş bir dil modelini (off-the-shelf PTM) temel alarak, kriz bağlamına özgü veriyle alan uyumlu ön eğitim (DAPT) ve göreve özgü verinin düzenlenmesi ile ilerletilir. Bu süreçler, çok görevli öğrenme (multi-task learning) çerçevesinde; ilgisiz içeriklerin filtrelenmesi, kriz türlerinin sınıflandırılması ve eyleme geçirilebilir bilgi kategorilerinin (örneğin yardım ihtiyacı, barınma talebi) çıkarılması gibi görevleri kapsar. Tüm sistem, paydaşlardan bilgi ihtiyaçlarına dayalı olarak tanımlanan eyleme geçirilebilirlik şeması ile yönlendirilmekte, bu şema hem veri toplama ve etiketleme süreçlerine hem de görevlerin belirlenmesine rehberlik etmektedir. Bu yapı, kriz anlarında karar vericilere yönelik anlamlı ve kullanılabilir bilgi akışı sağlamayı hedeflemektedir.
Nitekim müdahale adımında kullanılan kriz anında iletişime yönelik örnekleri değerlendirirsek yapılan son araştırmalar, yapay zekâ destekli sistemlerin empatik yanıtlar üretme konusunda insanlar kadar, hatta bazı durumlarda insanlardan daha başarılı olabileceğini ortaya koymuştur. 556 katılımcıyla yürütülen dört deneyde, krizle ilgili empati istemlerine verilen yanıtlar değerlendirilmiş; YZ’nin yanıtlarının insanlar tarafından daha duyarlı ve tercih edilebilir bulunduğu gösterilmiştir (Ovsyannikova, D., de Mello, V.O. & Inzlicht, M., 2025). Bu durum, özellikle stres altında çalışan personelin duygusal tükenmişliğe karşı savunmasız olduğu durumlarda YZ’nin bir destek aracı olarak kullanılabileceğini göstermektedir.
Xiao & Yu (2025), tarafından yapılan bir başka deneyde de bir kriz anında kullanıcıya verilen bilgilendirici mesajların içeriği ile bu mesajların kimden geldiğinin (insan mı, chatbot mu) insanların mesajı ne kadar “yetkin” buldukları değerlendirilmiştir. Başarısızlık durumunda (üst grafik), Chatbot’tan gelen instructing (bilgilendirici) mesaj, diğer tüm türlerden daha yüksek yetkinlik algısı yaratmıştır. İnsan temsilci ve chatbot arasında anlamlı bir fark oluşmamıştır. Başarı durumunda (alt grafik), Tüm mesaj türlerinde algılanan yetkinlik yüksektir, ancak chatbot’lar en çok “adjusting” (uyumlayıcı, empatik) mesaj verdiğinde daha yüksek algı yaratmıştır.
Şekil 3. İletilen Mesaj Biçiminin Algılanan Yetkinlik Üzerindeki Temsilci Türüne Göre Etkisi
Yapılan deney bulguları, talep karşılanmadığında (başarısızlık senaryosu) chatbot tarafından iletilen yönlendirici (instructing) mesajların, insan temsilcilerden gelen mesajlara kıyasla daha yüksek bir yetkinlik algısı oluşturduğunu göstermektedir. Öte yandan, talepler başarıyla karşılandığında uyumlayıcı (adjusting) mesajlar hem insan hem de chatbot temsilciler için yüksek bir yetkinlik algısı yaratmıştır. Bu durum, chatbot’ların kriz iletişiminde sadece bilgi aktarıcı değil, aynı zamanda güven telkin eden temsilciler olarak da işlev görebileceğini göstermektedir.
KAYNAKÇA
Comes, T. (2024). AI for crisis decisions. Ethics and Information Technology, 26(1), 1–14. https://doi.org/10.1007/s10676-024-09747-x Das, S., Gupta, R., & Kumar, M. (2021). Application of machine learning in flood disaster recovery and resource allocation in India. Natural Hazards, 107(1), 541–562.
https://doi.org/10.1007/s11069-021-04630-2
Jiang, Y., Wu, C., Zhao, B., Yu, L., & Chen, H. (2024). YOLOv11-seg: An enhanced model for landslide object detection using deep segmentation. Remote Sensing, 16(3), 425.
https://doi.org/10.3390/rs16030425
Kudaibergenov, M., Poyraz, F., Utepov, Y., Yadigarov, N., Turdukulov, U., & Samadzadegan, F. (2025). Comparative analysis of ML algorithms for landslide susceptibility mapping in two different mountain environments. Environmental Science and Pollution Research.
https://doi.org/10.1007/s11356-025-33098-5 Ovsyannikova, D., Oldemburgo de Mello, V., & Inzlicht, M. (2025). Third-party evaluators perceive AI as more compassionate than expert humans. Communications Psychology, 3(1), Article 4.
https://doi.org/10.1038/s44271-024-00182-6
Peng, Y., Lee, J. Y., & Kim, Y. (2024). Toward emotion-aware chatbots for crisis communication: Leveraging large language models for empathy. Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems.
https://doi.org/10.1145/3544548.3581032
Zhao, E., Huang, Y., & Luo, Y. (2025). Cultural adaptation of generative AI-powered chatbots in disaster preparedness: Evidence from hurricane education. Computers in Human Behavior Reports, 12, 100370.
https://doi.org/10.1016/j.chbr.2024.100370
Xiao, Y., & Yu, S. (2025). Can ChatGPT replace humans in crisis communication? The effects of AI-mediated crisis communication on stakeholder satisfaction and responsibility attribution. International Journal of Information Management, 80, 102771.
https://doi.org/10.1016/j.ijinfomgt.2024.102771