CIA BELGELERİNDE YAPAY ZEKÂ VE ERKEN OTOMASYON: 1950’LERDEN ÜRETKEN DÖNEME KURUMSAL HAFIZA VE DÖNÜM NOKTALARI

Bu çalışma, yapay zekâ (YZ) ve otomasyonun istihbarat alanındaki tarihsel gelişimini 1950’lerden günümüze kadar CIA belgeleri ve ABD Bilgi Edinme Özgürlüğü Yasası (FOIA) arşivlerine dayanarak incelemeyi amaçlamaktadır. Araştırma, tarihsel-analitik bir desen benimsemekte ve “teknolojik sıçrama noktaları” kavramı çerçevesinde altı ana dönemi tanımlamaktadır. Bu dönemler (1) erken otomasyon (1950–1969), (2) bilgisayarlaşma ve ilk YZ söylemleri (1970’ler), (3) uzman sistemler ve kurumsal YZ planlaması (1980’ler), (4) büyük veri ve otomasyon entegrasyonu (1990–2000’ler), (5) makine öğrenmesi ve deneysel projeler (2010’lar) ve (6) üretken yapay zekâ çağı (2020’ler) olarak öne çıkmaktadır. Veriler ağırlıklı olarak CIA FOIA belgeleri, iç raporlar ve eğitim materyallerinden elde edilmiş, ayrıca istihbarat tarihi ve YZ politikaları üzerine ikincil literatürle desteklenmiştir. Bulgular, “YZ” kavramı literatüre girmeden önce bile otomasyonun istihbarat iş akışlarına dâhil olduğunu göstermektedir. NSA–CIA kriptoanaliz projeleri, Georgetown–IBM makine çevirisi deneyi ve CIA’in INTELLOFAX sistemi bu erken örneklerdendir. 1980’lerde sistematik YZ eğitim programları ve kurumsal planlama öne çıkarken, 2000’lerde büyük veri madenciliği ve Açık Kaynak İstihbaratı (OSINT) entegrasyonu dikkat çekmiştir. 2010’larda Project Sable Spear gibi deneysel YZ uygulamaları, 2020’lerde ise üretken YZ’nin yükselişi CIA’in odak alanını şekillendirmiştir. Kurumun açık kaynaklarda yayımladığı güncel yayınları olan “Analiz için Yapay Zekâ: Önümüzdeki Yol”, “İstihbarat Analizi, Sentez ve Otomasyon” ve” Yapay Zekânın Vaatleri ve Tehlikeleri”, üretken YZ’nin sunduğu fırsatları, sınırlarını ve etik sorunlarını tartışmaktadır. Çalışma, hız, kapasite, güvenilirlik ve politik bağımsızlık gibi kurumsal önceliklerin CIA’in YZ adaptasyonunda sürekli tekrarlandığını, ancak günümüzde şeffaflık protokolleri ve hibrit insan–makine iş akışlarının merkezi bir öncelik hâline geldiğini ortaya koymaktadır.

This study aims to examine the historical development of artificial intelligence (AI) and automation in the field of intelligence from the 1950s to the present, based on CIA documents and Freedom of Information Act (FOIA) archives. The research adopts a historical-analytical design and, within the framework of the concept of “technological inflection points,” identifies six main periods: (1) early automation (1950–1969), (2) computerization and initial AI discourses (1970s), (3) expert systems and institutional AI planning (1980s), (4) big data and automation integration (1990s–2000s), (5) machine learning and experimental projects (2010s), and (6) the generative AI era (2020s). Data are drawn primarily from CIA FOIA documents, internal reports, and training materials, supplemented by secondary literature on intelligence history and AI policies. The findings show that automation was integrated into intelligence workflows even before the concept of “AI” entered the literature. NSA–CIA cryptanalysis projects, the Georgetown–IBM machine translation experiment, and the CIA’s INTELLOFAX system are among these early examples. While systematic AI training programs and institutional planning came to the fore in the 1980s, the 2000s were marked by big data mining and the integration of Open Source Intelligence (OSINT). In the 2010s, experimental AI applications such as Project SABLE SPEAR emerged, and in the 2020s the rise of generative AI reshaped the CIA’s focus areas. The agency’s recent open-source publications, “Artificial Intelligence for Analysis: The Road Ahead, “Intelligence Analysis, Synthesis, and Automation” and “The Promise and Peril of AI”, discuss the opportunities, limitations, and ethical challenges of generative AI. The study reveals that institutional priorities such as speed, capacity, reliability, and political independence have been continuously reiterated in the CIA’s adaptation of AI, but that today transparency protocols and hybrid human–machine workflows have become central priorities.