# AI Bias Audit — Baseline Report (Stub)

**Tarih:** 21 Mayıs 2026
**Sürüm:** v0.1 (baseline stub — gerçek koşum **yapılmamıştır**)
**Yetkili:** KolayDönüştür AI Etik Komisyonu (ai-etik@kolaydonustur.com)
**Kapsam:** AB AI Act Annex III "yüksek risk" sınıfı işe alım / değerlendirme araçları

> Bu doküman bir **prosedür şablonu ve metodoloji ön taslağı**dır. Gerçek otomatik
> koşum henüz yapılmamıştır; ilk gerçek audit **Eylül 2026** planlanmıştır.
> Bu dosya o tarihte güncellenerek gerçek metriklerle değiştirilecektir.

---

## 1. Kapsama Alınan Araçlar

| Araç slug | Yüksek risk kategorisi (AI Act Annex III) | Şu anki durum |
|---|---|---|
| `ai-cv-yazici` | İşe alım — aday değerlendirme | Aktif |
| `ai-cover-letter` | İşe alım — başvuru yardımı | Aktif |
| `cv-ilan-eslestirici` | İşe alım — ilan-aday eşleştirme | Aktif |
| `ai-quiz-uretici` | Eğitim değerlendirme yardımcısı | Aktif (low-risk varyant) |

## 2. Sentetik Test Seti

- **Boyut:** 100 sentetik CV
- **Cinsiyet dağılımı:** 50 erkek / 50 kadın (binary; non-binary v0.2'de eklenecek)
- **Yaş grupları:** 5 (18-25, 26-35, 36-45, 46-55, 56-65) — her grup 20 profil
- **Sektör:** 10 (yazılım, sağlık, eğitim, finans, üretim, lojistik, perakende, turizm, hukuk, kamu)
- **İl çeşitliliği:** 81 ile dağıtılmış (TR İK pazarı reprezentatif)
- **Dil:** TR (EN varyantı v0.2)
- **Kaynak:** Sentetik (LLM-üretimli, manuel doğrulanmış); kişisel veri **yoktur**.

> Veri seti `tests/fixtures/bias-corpus-v0.1/` altında tutulacaktır (oluşturulmamış).

## 3. Metodoloji

Her test profili için aşağıdaki pipeline:

```
profile (sentetik CV) ──► ai-cv-yazici  ──► çıktı_A (CV metni)
                    └──► ai-cover-letter ──► çıktı_B (motivasyon)
profile + ilan(N=10) ──► cv-ilan-eslestirici ──► çıktı_C (uyum skoru 0-100)
```

**Karşılaştırma boyutları:**
1. **Cinsiyet eşitliği:** Aynı kalifikasyondaki erkek-kadın profilleri için
   ortalama uyum skoru farkı. **Eşik: |Δ| ≤ 5 puan.**
2. **Yaş eşitliği:** Genç (18-35) vs orta (36-55) için skor dağılımı (KS testi).
   **Eşik: p > 0.05.**
3. **Dil-üslup tutarlılığı:** CV/cover letter çıktısında cinsiyet-tipik kelime
   sıklığı (örn. "agresif", "şefkatli"). **Eşik: chi-square p > 0.05.**

**Metrikler:** Demographic Parity, Equalized Odds, Calibration (Brier),
Disparate Impact (4/5 rule).

## 4. Mevcut Sonuçlar

| Metrik | Bulgu | Eşik | Durum |
|---|---|---|---|
| Cinsiyet skor Δ | **Ölçülmedi** | ≤5 | ⏳ Beklemede |
| Yaş KS testi | **Ölçülmedi** | p>0.05 | ⏳ Beklemede |
| Dil-üslup χ² | **Ölçülmedi** | p>0.05 | ⏳ Beklemede |
| Disparate impact | **Ölçülmedi** | ≥0.80 | ⏳ Beklemede |

**Gerçek koşum yapılmamıştır.** İlk audit **Eylül 2026** tarihinde
otomatize edilip bu rapor güncellenecektir.

## 5. Mitigasyon Planı (Önden Tanımlı)

Eşik aşıldığında uygulanacak adımlar:

1. **Prompt revize:** Sistem prompt'a "cinsiyet-nötr dil kullan, kişisel
   özellikleri vurgulama" zorlama satırı eklenir.
2. **Post-process rerank:** Skor çıktılarına ters-bias düzeltmesi uygulanır
   (yalnızca ölçülmüş Δ > eşik durumunda; her seferinde loglanır).
3. **Model değişimi:** İki periyot üstüste eşik aşılırsa sağlayıcı/model
   değiştirilir; karar AI Etik Komisyonu onayı ister.
4. **Şeffaflık:** İlgili tool sayfasına `⚠️ Bias warning v0.X.Y` rozeti eklenir.

## 6. Şeffaflık ve İletişim

- **Bu rapor:** `/reports/AI_BIAS_AUDIT_2026_05.md` (kalıcı URL)
- **Genel bilgi:** [`/ai-bias-audit`](https://kolaydonustur.com/ai-bias-audit)
- **Şikayet:** ai-etik@kolaydonustur.com (14 iş günü içinde yanıt)
- **AB kullanıcı engelleme:** `AI_ACT_STRICT_BLOCK=true` env'i açıldığında AB
  IP'lerinden yüksek risk araçlara HTTP 451 dönülür (AI Act Article 6 uyumu).

## 7. Versiyon Tarihi

| Sürüm | Tarih | Değişiklik |
|---|---|---|
| 0.1 | 2026-05-21 | İlk baseline stub — metodoloji ve plan tanımlandı; gerçek koşum yok |
| 0.2 (plan) | 2026-09 | İlk gerçek koşum: 100 sentetik CV → otomatik metrik |
| 1.0 (plan) | 2027-03 | Genişletilmiş set (500+ profil, non-binary, EN) |

---

İlgili referanslar: **AB AI Act 2024/1689** Article 9, 13, 14, 15 · ISO/IEC 24028 ·
NIST AI RMF · Demographic Parity (Hardt et al., 2016).