(Dilerseniz bu yazıyı aşağıda podcast formatında dinleyebilirsiniz.)
Avrupa Komisyonu’nun 2024 yılında başlattığı lastik üreticileri soruşturması, rekabet hukuku tarihinde kullanılan araç itibarıyla da dönüm noktası niteliğinde. Komisyon, yerinde inceleme kararını geleneksel ihbar, pişmanlık başvurusu veya üçüncü taraf şikâyetlerine değil, yapay zekâ destekli bir dil analizi çalışmasına dayandırdı.
Bu analiz, halka açık finansal raporları[1] (earnings call[1] transkriptleri) üzerinden yürütülerek, şirket yöneticilerinin kamuya açık kaynaklarda yaptıkları açıklamalarda rekabete duyarlı bilgileri paylaşma veya fiyatlama niyetlerini dolaylı biçimde sinyalleme ihtimallerini belirlemeyi hedefliyordu. Komisyon’un bu yöntemle, lastik sektörünü “riskli sektör” olarak önceliklendirmesi, rekabet otoritelerinin veri bilimi ve yapay zekâdan nasıl sistematik biçimde yararlanabileceğine dair somut bir örnek sundu.
Yazımızda, bu yenilikçi metodolojinin nasıl çalıştığını, Komisyon’un hangi analitik araçları kullandığını ve neden rekabet hukuku uygulaması açısından devrimsel bir adım olarak görüldüğünü ele alıyoruz.
Komisyon’un AI-Tabanlı Analitik Yaklaşımı
Komisyon, yerinde inceleme kararını desteklemek için geleneksel yöntemler yerine, AI tabanlı veri analitiğine dayandı. Bu çerçevede kullanılan yöntem, doğal dil işleme (NLP) tekniklerinin, büyük veri analiziyle birleştirildiği çok katmanlı bir sistem. Amaç, çeşitli sektörlerdeki halka açık “faaliyet raporlarını” otomatik olarak tarayarak, şirket yöneticilerinin rekabete duyarlı bilgileri paylaşma veya fiyatlama sinyali ihtimaline işaret eden dil kalıplarını tespit etmekti.
Komisyon’un yaklaşımının şu dört temel adımda şekillendiğini görüyoruz:
- Veri Toplama: Finansal veri sağlayıcılarından yüz binlerce “faaliyet raporu” metni derlenerek kapsamlı bir veri tabanı oluşturuldu.
- Bigram Analizi[2]: Komisyon, “price discipline”, “market balance”, “capacity alignment” gibi ifadelerden oluşan yaklaşık 500 bigram belirledi. Bunlar iki kategoriye ayrıldı: (i) Stratejik kararlarla ilgili, (ii) rakiplerin gelecekteki davranışlarına atıf yapan ifadeler.
- Sektörel Önceliklendirme: AI modeli, bu bigramların sıklığını ölçerek olağandışı yoğunluk gösteren sektörleri sıraladı. Lastik sektörü, “şüpheli dil kalıplarının” en sık geçtiği alan olarak öne çıktı.
- Kalitatif İnceleme: AI sisteminin tespit ettiği yüksek bigram yoğunluklu metin parçaları, uzmanlar tarafından manuel olarak incelendi. İfadelerin fiyat sinyali içerip içermediği, pazar davranışını etkileyip etkilemeyeceği ve örtülü koordinasyon ima edip etmediği değerlendirildi.
Bu hibrit yöntem — yani AI destekli filtreleme ile uzman temelli bağlam okuması — Komisyon’un denetim süreçlerinde “akıllı önceliklendirme” yeteneğini güçlendirmekte. Artık otorite, geleneksel şikâyet veya pazar payı göstergelerinden önce, dilbilimsel sinyalleri tarayarak hangi sektörlerde koordinasyon riski daha yüksek olduğunu öngörebiliyor. Bu da denetim kaynaklarının verimli kullanılmasını sağlıyor ve proaktif bir gözetim modeli yaratıyor.
Teknik olarak bu yaklaşım, AI sistemlerinin bir “risk haritalama mekanizması” olarak konumlandırıldığını gösteriyor. Komisyon, AI analizini yalnızca “makul şüphe” eşiğini aşmak için bir destek unsuru olarak kullanıyor; nihai karar ise insan eliyle veriliyor. Böylece algoritmik karar verme süreci hukuki denetime açık kalıyor ve rekabet soruşturmalarında usul güvenceleri korunuyor.
Michelin dosyası, Avrupa Komisyonu’nun yapay zekâyı yalnızca bir teknolojik yenilik değil, aynı zamanda kurumsal denetim kapasitesinin stratejik uzantısı olarak konumlandırdığını gösteriyor. AI destekli analiz, Komisyon’un piyasa gözetimini “reaktif” olmaktan çıkarıp “proaktif” hale getiriyor. Komisyon’nun bu AI temelli yaklaşımı, yalnızca AB rekabet uygulamaları açısından değil, ulusal otoriteler için de dikkat çekici bir yön belirliyor.
Türkiye’de de Rekabet Kurumu, benzer şekilde dijital analiz kapasitesini güçlendirmeye yönelik adımlar atıyor. Kurum, geçtiğimiz dönemde Kamu İhale Kurumu (KİK) ile bir iş birliği protokolü imzalayarak[2], kamu ihalelerinde olası rekabetçi risklerin ve ihlal örüntülerinin tespiti için yapay zekâ destekli analiz araçları geliştirmeyi hedeflediğini görüyoruz. Bu çerçevede, Rekabet Kurumu yalnızca teknolojik altyapıya değil, aynı zamanda veri bilimi ve algoritmik analiz alanlarında uzman insan kaynağına yatırım yaparak, denetim süreçlerini dijital çağın ihtiyaçlarına uyumlu hale getirmeye çalışıyor.
Michelin’in, Komisyonun Yerinde İnceleme Yetkisine İtirazı
Michelin dosyası, yalnızca Komisyon’un yapay zekâ destekli analiz yaklaşımı açısından değil, aynı zamanda yerinde inceleme (dawn raid) yetkisinin sınırlarının yargısal denetimi bakımından da önemli bir karar olarak öne çıkıyor.
Michelin, Komisyon’un kararına iki temel gerekçeyle itiraz ediyor[3]:
- Metodolojinin keyfi olduğu ve “bigram analizi” gibi deneysel bir yönteme dayanmasının yerinde incelemeyi haklı kılacak düzeyde güvenilir bir şüphe oluşturmadığı,
- Yerinde incelemenin orantısız olduğu; zira şüphe, kamuya açık açıklamalardan (kazanç raporları) kaynaklandığı için gizli delil veya yok edilme riski bulunmadığı.
Genel Mahkeme ise her iki argümana ilişkin kapsamlı bir değerlendirme yaparak[4], Komisyon’un kullandığı AI tabanlı dil analizinin keyfi bir yöntem olmadığını, tersine nesnel, tekrarlanabilir ve bilimsel olarak makul bir şüphe değerlendirmesi sunduğunu vurguladı. Komisyon’un sadece algoritmik sonuçlara dayanmadığını; bu sonuçların manuel inceleme ile desteklendiğini ve böylece insan denetiminin korunmuş olduğunu belirtti.
Son dönemdeki Symrise ve Red Bull kararlarıyla birlikte, Genel Mahkeme’nin Michelin kararı, Avrupa Komisyonu’nun yerinde inceleme yetkisinin yargısal sınırlarının giderek daha fazla tartışıldığını ve bu tartışmanın denetim yetkisinin kapsamı ile orantılılığına ilişkin yeni sorular doğurduğunu gösteriyor. Bu nedenle, Michelin kararının ötesinde şekillenen bu yargısal çizgi, ayrı bir blog yazısında derinlemesine incelenmeyi hak eden bir gelişim alanı olarak öne çıkıyor.
Kaynaklar:
[1] Ashurst, Statements in Earnings Calls Can Trigger Competition Investigations (2025)
[2] Rekabet Kurumu, Kamu İhale Kurumu ile İş Birliği Protokolü Duyurusu (2024)
[3] Clifford Chance, The EU General Court Clarifies Scope of European Commission Dawn Raid Powers (2025)
[4] Squire Patton Boggs, Court Judgment Reveals Extent of Commission Market Surveillance via Earnings Calls (2025)
[1] Halka açık bir şirketin yönetim kurulunun, şirketin üç aylık veya yıllık finansal sonuçlarını açıkladığı ve tartıştığı bir konferans görüşmesidir. Earnings call ardından şirketin finansal performansının temel noktalarını özetleyen resmi bir basın bülteni de paylaşılır.
[2] Bigram, bir dil modelinde ardışık iki birim (kelime ya da karakter) arasındaki ilişkiyi temel alan bir istatistiksel modeldir. Başka bir deyişle, bigram modeli bir metindeki bir kelimenin ardından hangi kelimenin gelme olasılığını, yalnızca bir önceki kelimeye bakarak tahmin eder.
