Hiçbir master prompt sağlam bir veri temelinin yerini tutamaz

Bir yapay zekâ uygulamasının kalitesinin neden çoğu zaman ilk prompttan önce belirlendiği.

Zayıf bir yapay zekâ yanıtını yalnızca prompt sorunu olarak görmek çekicidir. Yanıt genel kaldığında rolü uzatırız. Ayrıntılar eksikse görevi genişletiriz. Yapı bozuksa format kuralları, örnekler ve kontrol döngüleri ekleriz. Bunlar yararlı olabilir; fakat sonunda temel bir sınıra ulaşırlar: Prompt yalnızca sistemin kullanmasına izin verilen dayanakla çalışabilir.

Eski politikalar, çelişkili tablolar ve etiketsiz taslaklar yan yana duruyorsa mükemmel bir master prompt bile sınırlıdır. „Geçerli sürümü" isteyebilir; ancak geçerlilik hiçbir yerde kaydedilmediyse onu güvenilir biçimde belirleyemez. Güncel sayıları talep edebilir; fakat zaman damgası yoksa veya düzeltilmiş kaynak sisteme alınmadıysa güncellik yaratamaz.

Prompt görevi yönlendirir, veri gerçeğin sınırını çizer

Prompt amaç, rol, yöntem ve çıktıyı tanımlar. Veri temeli ise sistemin hangi iddiaları destekleyebileceğini belirler. Bu ayrım, dilsel kesinliğin olgusal güvenilirlikle karıştırılmasını önler.

Model, dağınık bir arşivden ikna edici yanıt üretebilir. Tehlike de budur. Dil, ton ve yapı profesyonel görünürken yanlış dayanak seçilmiş olabilir. Bu nedenle kalite sorusu yalnızca „Yapay zekâ talimatımı anladı mı?" değildir. „Hangi bilgiyi geçerli kabul etmesine izin verildi ve neden?" sorusu da sorulmalıdır.

Küçük bir proje klasöründe brifing, görüşme notları, hesaplama ve sunumlar birlikte bulunabilir. Deneyimli ekip üyeleri hangi dosyanın önemli olduğunu sezebilir. Yapay zekâ sistemi ise dosya adı, içerik, meta veri, benzerlik ve filtreler gibi mevcut sinyalleri işler. Durum, tarih, köken ve ilişki yoksa eksik kanıtlardan seçim yapar. Üretim başlamadan önce kalite ve temellendirme riski burada oluşur.

Veri kalitesi tek bir puan değildir

„Temiz veri" açık bir kavram gibi görünür; oysa kalite amaca bağlıdır. Eksiksiz müşteri listesi, adresler eskiyse güncel kampanya için uygun değildir. Doğru bir sayı, eski raporlama dönemini temsil ediyorsa bugünkü kararda yanlış kullanılabilir. Kusursuz toplantı kaydı, sonradan reddedilmiş bir fikri belgeliyorsa yanıltabilir.

Altı soru yararlı bir temel oluşturur:

1 · Köken: Bilgi nereden geldi ve kaynak yeniden bulunabilir mi?

2 · Geçerlilik: Taslak, incelenmiş, onaylı, yürürlükten kaldırılmış veya arşivlenmiş mi?

3 · Güncellik: Hangi dönem için geçerli ve en son ne zaman kontrol edildi?

4 · Tek anlamlılık: Terimler, birimler ve kimlikler tutarlı mı?

5 · Erişim: Kim veya hangi sistem, hangi amaçla kullanabilir?

6 · Sorumluluk: Alan anlamını ve gerekli değişiklikleri kim onaylar?

Bu sorular bürokratik süs değildir. İnsan proje mantığını arama, retrieval ve ajan sistemlerinin uygulayabileceği yapıya çevirir.

Daha fazla malzeme otomatik olarak daha iyi bağlam değildir

Belirsizlik arttığında ekipler daha çok klasör, e-posta ve sunum yükler. Hacim büyür; yönelim büyümeyebilir. Kopyalar retrieval içinde tekrar tekrar görünebilir. Benzer taslaklar rekabet eder. Anlamsal olarak yakın eski bir belge, kısa fakat güncel onayın önüne geçebilir.

Pratik bir yöntem etkin çalışma alanını arşivden ayırmaktır. Etkin alanda yalnızca görev için onaylı ve yeterince güncel kaynaklar bulunur. Arşiv geçmişi ve kanıtları korur ancak her sorguya filtresiz girmez. Bu ayrım klasörlerle veya durum, sürüm, geçerlilik dönemi ve retrieval filtreleriyle uygulanabilir. Bulunabilir olmak, her yanıtta kullanılabilir olmak demek değildir.

En küçük yönetişim birimi olarak veri kartı

Kısa bir meta veri kaydı bile güvenilirliği artırabilir. Veri kartı her önemli nesne için amaç, kaynak, durum, sorumlu, koruma sınıfı, ilişkiler ve açık soruları tutar.

id: policy-042
title: Seyahat giderleri politikası
source: kurum içi politika kaydı
status: approved
valid_from: 2026-04-01
supersedes: policy-031
owner: Finance Operations
ai_use: internal-approved
review_due: 2027-03-01

Kart içeriğin kusursuz olduğunu kanıtlamaz. Sistemin onu neden kullanabildiğini denetlenebilir kılar. Yeni sürüm geldiğinde eski sürümle ilişkisi kaydedilir ve retrieval güncellenir.

Yapay zekâ neyi devralabilir?

Yapay zekâ ölçeklenebilir ön hazırlıkta güçlüdür. Belge türlerini sınıflandırabilir, meta veri önerebilir, olası kopyaları bulabilir, aykırı değerleri işaretleyebilir ve çelişkileri yan yana koyabilir. Bunlar öneridir; sessiz doğruluk kararları değildir.

Kritik alanlarda özgün bilgi korunmalıdır. Otomatik değişiklik; kaynak değer, öneri, yöntem, zaman ve onayı saklamalıdır. Böylece hata kaynağının belge, dönüşüm, retrieval veya yanıt olup olmadığı sonradan belirlenebilir.

İnsanın rolü her dosyayı elle sıralamak değildir. Daha değerli rol; anlamı, sınırları ve onayı tanımlamaktır: Hangi tanım geçerli, hangi belirsizlik kabul edilebilir ve sistem nerede durmalı veya yükseltmelidir?

Sağlam bir asgari süreç

Yapay zekâ kullanımından önce beş tekrar edilebilir adım uygulanabilir:

1 · Envanter: Kaynakları, formatları ve sorumlulukları kaydet.

2 · Nitelendirme: İlgi, geçerlilik, güncellik, koruma ihtiyacı ve kaliteyi sına.

3 · Kürasyon: Etkin kaynakları seç; kopyaları ve eski sürümleri varsayılan retrieval dışına çıkar.

4 · Sunum: Meta veri, erişim, parçalama ve retrieval ayarlarını kullanım senaryosuna göre kur.

5 · Değerlendirme: Doğru kaynakların bulunduğunu ve iddiaların kanıtlarla desteklendiğini test sorularıyla ölç.

Bu tek seferlik temizlik değildir. Veri değişir, sistemler gelişir ve yeni hata türleri ortaya çıkar. Bu nedenle temel; inceleme tarihleri, değişiklik kaydı ve eski sürümlerin kontrollü kullanımdan kaldırılmasını gerektirir.

Belirleyici bakış değişimi

Prompt Engineering önemini korur. İyi prompt hedefi, sınırları, yöntemi ve biçimi tanımlar. Ancak etkisi, sorumluluğu belirlenmiş bilgi alanına erişime bağlıdır. Prompt görevi; veri temeli ise görevin neye güvenle dayanabileceğini belirler.

Yeni master promptu bir sayfa daha uzatmadan önce altındaki malzemeyi incele. Kökeni ve durumu kaydet. Güncel onayları tarihsel sürümlerden ayır. Geçerliliği kimin doğrulayacağını tanımla. Ardından yalnızca yanıtı değil, yanıt için seçilen kanıtları da test et.

Bazen en güçlü yapay zekâ talimatı yeni bir cümle değildir. Sistemin tahmin etmek zorunda kalmayacağı bir temel kurma kararıdır.

Çalışma kâğıdı: Bir yapay zekâ görevi için veri temeli kur

Gerçek bir kullanım senaryosu ve ona ait üç ila beş dosya seç. Her dosya için veri kartı oluştur ve hangi kaynakların etkin çalışma alanına gireceğine karar ver.

1. Amaç ve kararı tanımla. Somut yapay zekâ görevini, ortaya çıkacak kararı veya ürünü ve en kritik hata sonucunu yaz.

2. Kaynakları nitelendir. Her dosya için köken, tarih, durum, sorumlu rol, koruma sınıfı, çelişkiler ve izin verilen yapay zekâ kullanımını kaydet.

3. Etkin bağlamı kürate et. Her kaynağı etkin, yalnızca referans, arşiv veya engelli olarak sınıflandır. Her karar için bir cümle gerekçe yaz.

4. Kontrol soruları geliştir. Onaylı kaynaklarla yanıtlanabilen üç soru ve sistemin şeffaf biçimde yanıtlamaması gereken bir soru oluştur.

5. Sonucu değerlendir. Retrieval ve üretimi ayrı puanla: Doğru kaynaklar seçildi mi ve her temel iddia bir bölümle destekleniyor mu?

İndirilecek tüm materyaller — konu özeti ve çalışma kâğıdı:

Kapsam: NIST AI RMF gönüllüdür. AB Yapay Zekâ Tüzüğü'nün 10. maddesi yüksek riskli sistemlere uygulanır ve burada her yapay zekâ uygulaması için genel bir zorunluluk olarak sunulmaz.

Kaynaklar ve mesleki kapsam