Harvey Tenet, Kimi K3 üzerine kurulu hukuk yapay zekâsıyla dengeleri değiştirebilir

Harvey’in Harvey Tenet modeli, yeni bir hukuk sohbet botundan fazlasını ifade ediyor. Şirket, ilk kez kendi modelini geliştiriyor: Moonshot AI’ın açık ağırlıklı Kimi K3 modelini uzun soluklu hukuk görevleri için sonradan eğitiyor. Bu strateji, Harvey’in yalnızca üçüncü taraf temel modellerini özelleştiren bir platform olmaktan çıkıp model katmanının daha büyük bölümüne sahip olma arayışına işaret ediyor. Böylece şirket, platformundaki yapay zekânın maliyetini ve davranışını daha yakından kontrol etmeyi hedefliyor.

Bu gelişme aynı zamanda dikey yapay zekâ için dikkat çekici bir örnek. Genel amaçlı ve yetenekli bir model; sektöre özgü veriler, iş akışları ve değerlendirme yöntemleriyle belirli bir mesleki alana daha hassas biçimde uyarlanabiliyor. Ancak Tenet’in en güçlü performans iddiaları, bağımsız testler ve gerçek dünyadaki daha geniş kullanım sonuçları ortaya çıkana kadar Harvey’in kendi açıklamaları olarak değerlendirilmelidir.

Harvey Tenet nedir?

Harvey, Tenet’i hukuk işleri için özel olarak sonradan eğitilen ilk modeli olarak tanımlıyor. Modelin temelinde, Çinli yapay zekâ şirketi Moonshot AI tarafından geliştirilen açık ağırlıklı Kimi K3 bulunuyor. Harvey, sonradan eğitim sürecinde Fireworks AI ile birlikte çalıştı.

“Sonradan eğitim” (post-training), bir modeli sıfırdan yeni bir temel model olarak kurmak yerine, ilk temel eğitiminden sonra geliştirmek anlamına geliyor. Harvey’in açıklamasına göre Tenet’in eğitiminde kamuya açık hukuk verileri, sentetik veriler ve uzun soluklu hukuk görevlerini taklit edecek şekilde hazırlanmış insan uzman verileri kullanıldı.

Bu ayrım önemli. Tenet, tamamen yeni ve genel amaçlı bir model olarak sunulmuyor. Bunun yerine, mevcut açık ağırlıklı bir temel modelin sözleşme inceleme, hukuki durum tespiti ve diğer karmaşık hukuk iş akışları için uzmanlaştırılmış sürümü olarak konumlanıyor.

Harvey performans konusunda ne söylüyor?

Harvey, Tenet’in kendi LAB hukuk kıyaslamasında sektör lideri düzeyde sonuç verdiğini ve üçüncü taraf hukuk kıyaslamalarına da genellenebildiğini belirtiyor. Şirketin yayımladığı güncellemeye göre Tenet, temel Kimi K3’e kıyasla LAB testlerinde neredeyse iki kat daha fazla daha önce görülmemiş görevi tamamladı; LAB sözleşme görevlerinde ise yüzde 20 daha iyi sonuç verdi. “Tüm koşulları geçme” oranındaki artışın sırasıyla 9 ve 2 yüzde puanı olduğu bildirildi.

Bu rakamlar, sonradan eğitimin Harvey’in seçtiği değerlendirmelerde temel modeli belirgin biçimde geliştirdiğini gösteriyor. Ancak tek başına Tenet’in gerçek hukuk pratiğinde rakip tüm modellerden daha iyi olduğunu kanıtlamıyor. Kıyaslama tasarımı, görev seçimi, istemler, değerlendirici yöntemleri ve kullanım ortamı sonuçları etkileyebilir.

Mevcut haberler, Tenet’in duyuru sırasındaki erişim ve yayına alınma durumunun da tam olarak net olmadığını gösteriyor. Business Insider, modelin tanıtıldığını ancak henüz Harvey platformunda canlı olmadığını ve şirketin ne zaman kullanıma sunulacağını açıklamadığını bildirdi. Bu nedenle bağımsız üretim testleri, sonraki kritik adım olacak.

Kimi K3 tercihi neden önemli?

Harvey’in Kimi K3’ü seçmesi dikkat çekici; çünkü şirketin Batılı yapay zekâ sağlayıcılarıyla güçlü bağları bulunuyor ve daha önce OpenAI ile hukuk için özel eğitilmiş bir model üzerinde çalışmıştı. Daha geniş açıdan bakıldığında hukuk yapay zekâsı platformları, OpenAI ve Anthropic gibi sağlayıcıların kapalı sistemlerine dayanıyor; bu da şirketleri erişim ücretlerine, fiyatlandırma kararlarına, altyapıya ve model sağlayıcılarının yayın takvimlerine bağımlı bırakıyor.

Açık ağırlıklı bir temel model kullanmak, Harvey’e sistemi değiştirme ve dağıtma konusunda daha fazla serbestlik sağlıyor. Şirket, modelin sonradan nasıl eğitileceğine, belirli iş yükleri için nasıl optimize edileceğine ve farklı hukuk görevlerinin hangi sisteme yönlendirileceğine kendisi karar verebiliyor. Bunun karşılığında altyapı, güvenlik, değerlendirme, bakım ve model operasyonlarının sorumluluğunu da daha fazla üstleniyor. Dış sağlayıcıların API’leri kullanıldığında bu yüklerin bir kısmı sağlayıcı tarafından karşılanıyor.

Bu tercih, yapay zekâ geliştirmede pragmatik bir değişimi de ortaya koyuyor. Açık ağırlıklı bir model güçlü bir başlangıç noktası sunuyor, hukuki ve teknik olarak uyarlanabiliyor ve daha elverişli bir maliyet yapısı sağlayabiliyorsa, modelin hangi ülkede geliştirildiği ticari kullanıcılar için tek belirleyici unsur olmayabilir. Bu durum modelin kaynağı, güvenlik, yönetişim ve müşteri kabulüyle ilgili soruları ortadan kaldırmıyor; söz konusu soruları kurumsal model incelemesinin bir parçası hâline getiriyor.

Modelin daha büyük bölümüne sahip olmanın ticari hesabı

Yüksek değerli profesyonel iş akışlarına hizmet veren bir hukuk platformunda model ekonomisi, doğrudan kâr marjlarını ve ürün tasarımını etkileyebilir. Harici öncü model API’leri genellikle kullanıma göre ücretlendiriliyor. Bu nedenle müşteriler uzun belgeler, çok sayıda aracı adımı ve kapsamlı akıl yürütme görevlerini daha sık kullandıkça maliyetler de artıyor. Şirket içi bir model, Harvey’in uygun iş yüklerini kendi kontrolündeki altyapıya yönlendirmesine ve her görevi üçüncü taraf bir modele göndermemesine olanak tanıyabilir.

Açık ağırlıklar, çıkarım maliyetini sıfırlamıyor. Harvey yine hesaplama kapasitesine, veri hazırlığına, kalite kontrollerine, güvenlik sistemlerine ve modeli sürdürecek mühendislere ihtiyaç duyacak. Bununla birlikte şirket, sonradan eğitim sürecinin daha verimli araç kullanımı ve akıl yürütmeyi teşvik ettiğini; bunun da kullanım sırasında tüketilen belirteç sayısını azaltabileceğini söylüyor.

Bu yaklaşım, görevler arasında bir iş bölümü yaratabilir: pahalı genel amaçlı modeller en zor ve en açık uçlu sorular için kullanılmaya devam ederken, uzmanlaşmış bir model tekrarlanabilir ve yüksek hacimli hukuk işlerini daha düşük işletme maliyetiyle üstlenebilir. Bunun gerçekten daha iyi bir ekonomik sonuç üretip üretmeyeceği, yalnızca temel model ağırlıklarının fiyatına değil; Tenet’in gerçek doğruluğuna, gecikme süresine, kullanım oranına ve altyapı gereksinimlerine bağlı olacak.

Harvey’in ürün stratejisinde ne değişiyor?

Harvey kendisini hukuk büroları ve profesyonel hizmet ekipleri için alana özgü yapay zekâ platformu olarak konumlandırıyor. Şirketin internet sitesine göre platformu 2.400’den fazla hukuk kuruluşu kullanıyor; Harvey ayrıca hukuk büroları ve şirket içi hukuk departmanlarında kullanıma sunulduğunu belirtiyor.

Bu müşteri tabanı, Harvey’e kullanıcıya görünen ürünün altında yer alan teknolojinin daha büyük bölümünü kontrol etmek için güçlü bir gerekçe veriyor. Hukuk müşterileri; sözleşme analizi, hukuki durum tespiti, uyum ve dava süreçleri gibi iş akışlarında tutarlı davranış, güvenlik, izlenebilirlik ve performans bekliyor.

Tenet, Harvey’in model, yapay zekâ ajanlarının koordinasyonu, dosya bağlamı ve uzmanlaşmış iş akışlarını daha bütünleşik biçimde kontrol ettiği bir platformun temelini oluşturabilir. Şirket ileride müşterilerin modeli kendi kurumsal bilgilerine göre uyarlamasına izin verirse, bu süreç de kolaylaşabilir. Ancak bu olasılık haberlerde geleceğe dönük bir yönelim olarak aktarılıyor; lansman sırasında doğrulanmış bir özellik olarak görülmemeli.

Dikey yapay zekâ için daha geniş ders

Tenet’in en önemli sonucu teknik olmaktan çok stratejik: Uzmanlaşmış yapay zekâ şirketlerinin ürünleri üzerinde anlamlı bir kontrol kurmak için öncü modelleri sıfırdan eğitmesi gerekmeyebilir.

Dikey yapay zekâ şirketleri bunun yerine dört unsuru bir araya getirebilir:

• başlangıç noktası olarak açık ağırlıklı genel bir model;
• şirkete özgü veya uzmanlar tarafından oluşturulan alan verileri;
• sektörün iş akışlarına odaklanan sonradan eğitim;
• ajanlar, bağlam, değerlendirme ve dağıtım üzerinde ürün düzeyinde kontroller.

Bu yaklaşım, en büyük temel model geliştiricileriyle doğrudan rekabet etmek için gereken sermaye ve altyapıya ihtiyaç duymadan farklılaşma sağlayabilir. Ancak uygulama şirketi de daha fazla sorumluluk üstlenir: güvenilirliği kanıtlamak, hassas verileri korumak, hataları izlemek ve kıyaslama sonuçlarının gerçekten faydalı iş çıktısına dönüştüğünü göstermek.

Harvey açısından Tenet bu nedenle hem bir model lansmanı hem de dikey entegrasyon sınavı. Şirket, hukuk uzmanlığının ve iş akışı verilerinin açık ağırlıklı bir modeli ticari açıdan değerli bir sisteme dönüştürebileceğine; kendi uzmanlaşmış modeline sahip olmanın da maliyet ve ürün performansı üzerindeki kontrolünü artıracağına bahis oynuyor. Şimdilik eldeki kanıtlar stratejik değişimi destekliyor. Pratik avantajın boyutu ise bağımsız değerlendirmelere ve Tenet’in gerçek hukuk işlerinde nasıl performans göstereceğine bağlı olacak.