Deep Research bir zincirdir, düğme değil — Yapay zekâ ile çok aşamalı araştırma

Güçlü araştırmanın tek bir büyük komuttan değil; sorular, ara sonuçlar, kontroller ve takip araştırmalarından oluşan bir zincirden doğmasının nedeni.

Deep Research ilk bakışta bir özellik gibi görünür: soruyu yazarsın, araştırmayı başlatırsın ve uzun bir rapor beklersin. Küçük bir bilgi görevi için bu yeterli olabilir. Bir proje için ise amaç mümkün olduğunca çok metin değil, karar vermeyi mümkün kılan güvenilir bilgidir.

Araştırma bu nedenle tek seferlik bir sorgu olarak ele alınmamalı; veri tabanı oluşturmayla başlayan proje çalışmasının temeli olarak konumlandırılmalıdır. İlk Deep Research sonucunun yeni bir sohbet ya da tarayıcı bağlamına aktarılıp onun üzerine yeni araştırmalar kurulması özellikle önerilir. Daha sonra birçok ayrı araştırma belgesi birleştirilerek ortak bir bilgi tabanına dönüştürülür.

Pratik sonuç şudur: Deep Research bir zincirdir. Her aşama bir şeyi yanıtlar ve aynı zamanda yeni sorular üretir. İyi araştırma ilk uzun cevap bittiğinde değil, bir sonraki proje kararı için kritik bilgi boşlukları yeterince küçüldüğünde biter.

İlk araştırma nihai sonuç değil, yön bulma aşamasıdır

Makale 2'den sonra elimizde yalnızca bir konu değil, çalışılabilir bir proje sorusu vardır. İlk araştırmanın görevi problem alanını hemen kapatmak değil, haritalamaktır.

İlk turda temel kavramlar, mevcut çözüm aileleri, aktörler, yöntemler, kaynak türleri, riskler, çelişkiler ve bilinmeyenler görünür hâle getirilir. Problem alanındaki varsayımlardan hangilerinin güçlendiği, hangilerinin zayıfladığı da işaretlenir.

Sonuç henüz konsept değildir. Bir bilgi alanı haritasıdır.

İlk turdan final öneri istenirse yapay zekâ kanıt tabanı yeterince incelenmeden sıkıştırma yapmaya zorlanır. Cevap etkileyici görünebilir ama daha sonra projeyi değiştirecek belirsizlikleri örtebilir.

Araştırma bilgi boşluklarıyla başlar

İyi bir araştırma zinciri yalnızca anahtar kelimelerden değil, projenin henüz bilmediği şeylerden kurulur. Kullanıcı grubu, problemin sıklığı, mevcut çözümler, teknik ön koşullar, veri ihtiyacı, maliyet, risk, organizasyonel sınırlar ve başarı ölçütleri ayrı bilgi boşluklarıdır.

Bunları bir Research Backlog içinde tutmak yararlıdır:

# RESEARCH BACKLOG

R1 — temeller ve kavramlar
R2 — pazar / mevcut çözümler
R3 — teknik yapılabilirlik
R4 — süreçler ve paydaşlar
R5 — riskler ve sınırlar
R6 — maliyet ve kaynaklar
R7 — karşı görüşler
R8 — projeye özel derinleşme

Amaç mekanik bir sıra yaratmak değil, tek bir uzun raporu "tam araştırma" sanmamaktır.

Tur 1: alanı görecek kadar geniş

İlk araştırma ana perspektifleri ortaya çıkaracak kadar geniş olmalıdır. "Hangi yapay zekâ aracını kullanmalıyım?" yerine şu tür bir görev daha güçlüdür: "Problem alanını teknik, organizasyonel, ekonomik ve kullanıcı perspektiflerinden incele. Çözüm ailelerini, temel kavramları, tipik riskleri, tartışmalı noktaları ve mimari karardan önce yanıtlanması gereken soruları çıkar. Doğrulanmış bilgi, makul varsayım ve açık noktaları ayır."

Bu yaklaşım erken araç seçimi yerine yön bulma katmanı oluşturur.

Tur 2: önceki sonuç yeni girdiye dönüşür

Araştırma zincirini bağımsız aramalardan ayıran nokta budur. İkinci tur sıfırdan başlamaz. İlk turun ilgili bulgularını devralır.

Pratik akış:

1. ilk sonucu koru;

2. temel bulguları ve açık noktaları işaretle;

3. çelişkileri ve zayıf kanıtları belirle;

4. somut takip soruları üret;

5. yalnızca ilgili materyali bir sonraki araştırma bağlamına taşı.

Böylece yeni tur yalnızca daha fazla bağlam değil, daha iyi bağlam alır.

Takip soruları araştırma kalitesinin göstergesidir

İyi bir araştırmanın değeri sadece verdiği cevaplarda değil, ürettiği yeni sorularda görülür. İlk tur üç teknik seçenek bulduysa sonraki tur veri ihtiyacını, işletme maliyetini, yetkinlik gereksinimini, sağlayıcı bağımlılığını, güvenlik sınırlarını ve prototiplenebilirliği karşılaştırabilir.

Her tur karar noktasına biraz daha yaklaşmalıdır.

Her bilgi daha fazla araştırmayı hak etmez

Çok aşamalı araştırma her ilginç izi takip etmek değildir. Yeni bir dal açmadan önce beş ölçüt kullan:

İlgililik: Cevap proje kararını değiştirebilir mi?

Belirsizlik: Nokta gerçekten belirsiz mi?

Risk: Yanlış varsayım pahalı veya zor geri döndürülebilir mi?

Zaman duyarlılığı: Bilgi hızlı değişiyor mu?

Doğrulanabilirlik: İddiayı kontrol etmeye yarayan kaynak var mı?

Karar etkisi ve belirsizliği yüksek sorular zincirin başında ele alınmalıdır.

Kaynak toplamak kaynak değerlendirmek değildir

Yapay zekâ çok hızlı kaynak toplar. Bu nedenle kaynak disiplini daha önemli hâle gelir. Proje araştırmasında en az dört seviye ayırmak yararlıdır: birincil kaynak; güvenilir ikincil kaynak; yön bulma kaynağı; doğrulanmamış iddia.

Bu ayrım yayımlanan metinde her zaman görünmek zorunda değildir. Araştırma içinde görünür kalmalıdır. Böylece tekrar edilen bir iddia otomatik olarak kanıt kabul edilmez.

Her tur bir ara durum üretmelidir

Her araştırmadan sonra sadece yeni bir uzun dosya bırakmak yerine kısa bir ara durum oluştur:

# RESEARCH ARA DURUMU

## Şu anda bildiklerimiz
## Yalnızca olası olanlar
## Çelişkiler
## Açık sorular
## Hazırlanan karar
## Sonraki araştırma adımı

Bu yapı bilgi ile belge miktarını birbirinden ayırır.

Araştırmalar birbiriyle çelişebilir

İki araştırma farklı tanımlar, tarihler, kaynaklar veya varsayımlar kullandığı için farklı sonuçlara varabilir. Özellikle hızlı değişen yapay zekâ alanında bu normaldir.

Doğru tepki hoşumuza giden cevabı seçmek değildir. Çelişki yeni bir araştırma nesnesi olur: Tanımlar nerede ayrılıyor? Hangi kaynak orijinale daha yakın? Hangisi daha güncel? Aynı kullanım bağlamından mı söz ediyorlar? Farkı hangi varsayım yaratıyor?

Görünür hâle getirilen çelişki soruyu iyileştirir.

Genel araştırma ile projeye özel araştırmayı ayır

Büyük konular için önce genel Deep Research, sonra proje özelinde uyarlama önerilir.

Genel araştırma alandaki stratejileri, kalıpları, çözüm ailelerini ve yaygın riskleri inceler. Projeye özel araştırma ise bunların hangisinin bizim kaynaklarımıza, verimize, hedef kitlemize ve sınırlarımıza uyduğunu sorar.

İkisini tek dev promptta karıştırmak, genel bilgi ile projeye özgü varsayımların birbirine karışmasına yol açabilir.

Araştırma zinciri paralel dallara ayrılabilir

Problem alanı yeterince anlaşıldığında teknik mimari, pazar, kullanıcı ihtiyacı, veri, risk ve iş modeli paralel araştırılabilir. Kritik olan bu dalların daha sonra yeniden birleştirilmesidir.

Bu nokta Makale 4'e geçiştir. Ayrı araştırma dosyaları ancak yapılandırılmış bir Research Pool ve bilgi tabanına dönüştürüldüğünde tekrar kullanılabilir proje bilgisine dönüşür. Bu, uygulamada açıkça görülür: onlarca Deep Research belgesi toplanıp semantik olarak bağlandıktan sonra kullanılır.

Değer tek bir kusursuz araştırmadan değil, perspektiflerin konsolidasyonundan doğar.

Ne zaman yeterince araştırdık?

Araştırma sonsuza kadar devam edebilir. Bu yüzden proje yönetiminin bir durma ölçütüne ihtiyacı vardır.

Bir tur şu durumda kapanabilir: bir sonraki karar için kritik varsayımlar yeterince test edilmiştir; ana çelişkiler görünürdür; yeni kaynaklar önemli yeni bilgi eklememektedir; gereksinimler çıkarılabilir; kalan belirsizlikler kaydedilmiştir ve sıradaki anlamlı iş araştırma değil konsept, test ya da karardır.

Amaç mutlak kesinlik değil, karar verebilir belirsizliktir.

Altı döngülü pratik model

Döngü 1 — Soru ve kararı netleştir

Araştırma sonunda neyi seçmek veya tasarlamak istiyoruz?

Döngü 2 — Yön bul

Kavramları, aktörleri, çözüm ailelerini, riskleri ve kaynak alanını haritala.

Döngü 3 — Derinleş

Kararı en çok etkileyen üç ila beş bilgi boşluğunu araştır.

Döngü 4 — Karşı test yap

Çelişkileri, karşı görüşleri ve zayıf varsayımları ara.

Döngü 5 — Projeye çevir

Genel bulguları scope, kaynaklar, veri, hedef kitle ve sınırlarla eşleştir.

Döngü 6 — Konsolide et

Güvenilir bulguları, açık soruları, kaynakları ve karar etkilerini yapılandırılmış bilgi tabanına aktar.

Döngüler tekrarlanabilir. Yeni bir bulgu tekrar derinleşme aşamasına götürebilir. Bu geri dönüşler kötü planlama değil, güvenilir araştırmanın parçasıdır.

Deep Research bir proje sürecidir

Deep Research'ü düğme gibi kullanmak cevabın uzunluğunu optimize eder. Zincir gibi kullanmak kararın kalitesini optimize eder.

Yapay zekâ bu yapıda "gerçeği bir kez bulan" otorite değil; soruları yapılandıran, materyal bulan, ara durumları özetleyen, çelişkileri görünür kılan ve takip soruları üreten bir araştırma ortağıdır. Scope, kaynak standardı, öncelik ve durma ölçütleri insan sorumluluğunda kalır.

Bir araştırmadan sonra sorulacak en önemli soru bu nedenle "Rapor yeterince uzun mu?" değildir:

"Bu bilgiyle hangi kararı artık daha iyi verebilirim — ve sırada hangi soruyu sormalıyım?"

Araştırma tam burada proje bilgisine dönüşmeye başlar.

Çalışma kâğıdı: İlk araştırma zincirini kur

Makale 2'deki proje sorunu ya da gerçek bir proje sorunu kullan.

1. Kararı tanımla

Araştırma hangi somut kararı hazırlamalı?

2. Bilgi boşluklarını yaz

Henüz güvenilir biçimde bilmediğin en az altı noktayı listele.

3. Yön bulma araştırmasını yaz

Çözümü dayatmadan alanı haritalayan ilk araştırma görevini oluştur.

4. Takip soruları üret

İlk ara durumdan üç hedefli takip sorusu çıkar.

5. Kaynakları sınıflandır

Birincil, güvenilir ikincil, yön bulma ve doğrulanmamış kaynakları ayır.

6. Durma ölçütünü yaz

Bir sonraki proje kararı için ne zaman yeterince bildiğini tek cümlede tanımla.

Yansıtma

Projemdeki en önemli bilgi boşluğu: _______________________________________________

Kararımı en çok değiştirebilecek takip sorusu: ____________________________________

İndirilecek tüm materyaller — konu özeti ve çalışma kâğıdı: