Promptun Ötesinde

Yapay zekâyla çalışmanın işletim sistemi. Prompting, bağlam, bilgi, ajanlar, kalite ve dijital egemenlik üzerine uzun bir deneme.

Daha iyi bir giriş satırının başlangıcında değiliz. Yeni bir sorunun başlangıcındayız: Yanımızdaki bir sistem dili anlayabiliyor, bilgiyi düzenleyebiliyor, araçları kullanabiliyor ve eylemler önerebiliyorsa düşüncemizi nasıl örgütlemeliyiz?

İçindekiler

1. Giriş: Hayranlığın ardından gelen an
2. I. Prompt hiçbir zaman merkez değildi
3. II. Bağlam: muhakemenin görünmeyen altyapısı
4. III. Çalışmayı sürdüren bilgi
5. IV. Kalite bir duygu değil, bir mimaridir
6. V. Ajan: yanıttan eyleme
7. VI. Sınırlar, veriler ve egemenlik sorusu
8. VII. Yeni atölye: insanlar, modeller ve çalışma alanları
9. VIII. Prompt sonrası çağ için on iki tez
10. Sonuç: Kararı makine vermez
11. Düşünmeyi sürdürmek

Giriş

Büyük bir dil modeliyle ilk kez ciddi biçimde çalışan hemen herkesin tanıdığı bir an vardır. Bir cümle yazarsınız; belki bir soru, belki tamamlanmamış bir fikrin taslağı. Birkaç saniye sonra yalnızca dilbilgisi bakımından doğru değil, şaşırtıcı derecede düzenli, ilgili ve kimi zaman o anda sizin yazabileceğinizden daha açık bir metin belirir. Bu deneyimin baştan çıkarıcı bir yanı vardır. Teknolojiyi bir kestirme yol gibi gösterir: Sanki niyet ile sonuç arasındaki tek eksik iyi bir promptmuş gibi.

Yanılgı tam da burada başlar.

Prompt görünür olduğu için olduğundan fazla önemsenir. Elin makineye dokunduğu yerdir; iyi işin ortaya çıktığı yer değildir. İyi iş daha önce başlar: Gerçekte neyin kastedildiğini açıklığa kavuşturmakta; neyin geçerli sayılabileceğini seçmekte; hangi bilginin önemli, hangisinin yalnızca gürültü olduğuna karar vermekte. Ve daha sonra devam eder: Sonucun doğru olup olmadığını, duruma uyup uymadığını ve kimsenin düşünmediği sonuçları tetikleyip tetiklemeyeceğini denetlemekte.

Sistemler güçlendikçe dili muhakemeyle karıştırmak daha tehlikeli hâle gelir. Bir dil modeli bir itirazı savunmadan formüle edebilir. Sonuçlarını taşımak zorunda kalmadan bir strateji tasarlayabilir. Mektubun gerçekte kime gideceğini bilmeden bir mektup yazabilir. Bu, bir sonraki model sürümüyle ortadan kalkacak bir eksiklik değildir. Olasılıkları hesaplayan bir makine ile sorumluluk üstlenen bir insan arasındaki yapısal farktır.

Bu nedenle önümüzdeki yılların belirleyici sorusu “Mükemmel promptu nasıl yazarım?” değildir. Soru şudur: Dilin, bilginin, araçların ve kararların birbirine karışmadığı bir işbirliğini nasıl tasarlarız?

Bu soru bireyden kuruma kadar uzanır. Notlarını artık yalnızca kendisi için değil, bir model için de okunabilir kılması gereken kişiyi ilgilendirir. Hızlı üretimle izlenebilir kalite arasında denge kuran ekipleri ilgilendirir. Yalnızca bir model satın almayan; veri alanları, yetkiler, hesap verebilirlik ve sorumluluk düzenleyen kurumları ilgilendirir. Ve yazabilen, araştırabilen, planlayabilen ve eyleme geçebilen bir teknoloji yalnızca daha iyi yanıtlarla yönetilemeyeceği için toplumu ilgilendirir.

Bu deneme, çok sayıdaki tekil uygulamayı tutarlı bir resme dönüştürme girişimidir. Promptlamadan söz eder, ama sihir olarak promptlamadan değil. Bağlamdan söz eder, ama yalnızca bir pencereyi doldurmaktan değil. Ajanlardan söz eder, ama insanı gereksiz kılacak bir özerklik hikâyesinden değil. Egemenlikten söz eder; çünkü akıllı işbirliğinin her biçimi sonunda bilginin nerede yaşayacağını, kimin eyleme geçebileceğini ve sonuçları kimin taşıyacağını belirler.

Tez basittir: Yapay zekâ ancak onu bir yanıt makinesi olarak görmekten vazgeçip düşünme ve eyleme geçme işletim sisteminin bir bileşeni olarak ele aldığımızda gerçekten yararlı olur.

I. Prompt hiçbir zaman merkez değildi

Prompt bir açılıştır. Kesin ya da muğlak, serbest ya da denetleyici, meraklı ya da buyurgan olabilir. Fakat her zaman daha büyük bir durumun yalnızca görünen kesitidir. “Yapay zekâ hakkında bir makale yaz” diyen kişi henüz bir görev tanımlamamıştır. Yalnızca bir yön göstermiştir. O yön ile yayımlanabilir bir metin arasında hedef kitle, ton, kaynaklar, uzunluk, tutum, amaç, risk, görsel dil, hukuki sınırlar ve metnin neyi başarması gerektiği bulunur.

Prompt, kontrol görüntüsü yarattığı için fazla önemsenir. Kopyalanabilir, saklanabilir ve puanlanabilir. “Nihai prompt” kütüphaneleri birkaç cümleyle makineyi uzmana dönüştürmeyi vaat eder. Oysa uzmanlık çok sayıda teknik terim bilmek değildir. Uzmanlık, belirli bir durumda hangi bilginin önemli olduğunu, hangi istisnanın tehlikeli olduğunu ve hangi sorunun henüz yanıtlanmaması gerektiğini bilmektir.

İyi bir görev bu nedenle bir ifadeyle değil, bir konumla başlar. Bu çalışmadan sonra ne değişmeli? Kim neyi daha iyi anlamalı, kararlaştırmalı ya da yapabilmeli? İkna edici görünen fakat yanlış bir sonuç neye yol açardı? Neler açıkça kapsamın dışındadır? Ancak bu sorular yanıtlandığında bir konu çalışılabilir bir nesneye dönüşür.

Bu yaklaşım “yapay zekâ çalışma profili” fikrini de değiştirir. Bir modelin insan hakkında her şeyi bilmesi gerekmez. Aksine aşırı dolu bir profil hızla öz tanım, arzu ve eskimiş alışkanlıkların karışımına dönüşür. Modelin ihtiyacı kullanılabilir bir haritadır: Hangi dil tercih ediliyor? Kararlar nasıl alınıyor? Ne kanıt sayılıyor? Hangi işlem asla otomatik yapılmamalı? Taslak ile yayın arasındaki sınır nerede?

İyi bir çalışma profili mahrem değil işlevseldir. İnsanı bir veri kümesi olarak değil, işbirliğini bir sözleşme olarak tarif eder. Şunu söyler: Bu alanda bu ton geçerlidir. Bu kaynaklar bağlayıcıdır. Bu tür belirsizlik görünür kılınır. Bu adım onay gerektirir. Böyle bir profil yapay zekâyı kişiye dönüştürmez; ancak her yeni oturumun sıfırdan başlamasını önler.

Bir arzudan çalışma sorusuna

Fark küçük bir kaydırmayla görülebilir. “Şirketimde yapay zekâyı nasıl kullanabilirim?” makul duyulur, fakat iyi yanıtlanamayacak kadar geniştir. İçinde henüz karara bağlanmamış birçok soru vardır: Hangi görev için? Hangi verilerle? Kim için? Hangi risk düzeyinde? Hangi altyapıda? Hangi kalite ölçütüne göre?

Çalışılabilir bir sürüm şöyle olabilir: “Onaylı üç kaynaktan proje sorumluları için özet üreten kurum içi bir araştırma iş akışına yönelik karar notu tasarla. Özet dışarıdan veri getirmemeli. Her önemli iddia bir kaynağa kadar izlenebilmeli. Taslak otomatik gönderilmemeli.”

İkinci görev daha uzundur ama daha karmaşık değildir. Yalnızca zaten var olan karmaşıklığı görünür kılmıştır. Yapay zekâyla çalışmadaki ilk olgunluk işareti budur: Dünyayı tek bir cümleye sıkıştırarak basitmiş gibi göstermek değil, makinenin tahmin yürütmesine gerek kalmayacak kadar önemli ayrımları açıkça adlandırmak.

Bu açıklık bürokrasi değildir. Kendi çalışmanıza gösterdiğiniz özendir. Yapay zekânın yazılanı biçimsel olarak eksiksiz yapmasına karşın kastedileni bütünüyle kaçırdığında oluşan özel hayal kırıklığına karşı koruma sağlar.

Niyet, bağlam ve biçim

İşlenebilir bir görevin en az üç katmanı vardır. İlki niyettir: Bu çalışma neden yapılıyor? İkincisi bağlamdır: Hangi olgular, kaynaklar, kararlar ve sınırlar geçerli? Üçüncüsü biçimdir: Sonuç nasıl görünmeli? Kötü promptların çoğu kötü yazılmış cümleler değildir; bu katmanlardan birinin eksik olduğu görevlerdir.

Niyet eksikse yapay zekâ makul fakat rastgele bir şey üretir. Bağlam eksikse düzgün fakat duruma uymayan bir şey üretir. Biçim eksikse iyi bir fikir kullanışsız bir kap içinde gelir. Yalnızca üçünün birleşimi görevi güvenilir kılar.

Her şeyin promptun içinde bulunması gerekmez. Prompt bir proje brifingine, kaynak listesine veya karar günlüğüne başvurabilir. Bu çoğu zaman daha iyidir. Prompt geçici bir andır; proje brifingi denetlenebilir bir belge olabilir. İkisini ayırmak belirleyici bir kazanım getirir: İşbirliği tekrarlanabilir olur.

“Ana promptlar” neden hayal kırıklığı yaratmak zorundadır?

Ana prompt efsanesi çekicidir; çünkü sorumluluğu tek bir dosyaya taşır. Bir metnin modeli zeki, dikkatli, yaratıcı, kesin, güvenli ve kurumsal çalışmaya hazır hâle getirmesi beklenir. Oysa bir dosya ne kadar çok şey vaat ederse çelişen kurallar müzesine dönüşme ihtimali o kadar artar. Uzunlaşır, seyrek güncellenir ve sonunda kökeni kimsenin hatırlamadığı kararları taşır.

Daha iyi model modülerdir. Az sayıda kalıcı ev kuralı, güncel bir proje brifingi, mevcut çalışma için bir görev sözleşmesi, bir kaynak haritası ve sonunda bir devir teslim vardır. Bu belgeler gösterişli değildir. Tam da bu nedenle çalışırlar. Sorumluluğu sihirli bir cümleye sıkıştırmak yerine dağıtırlar.

Prompt önemini kaybetmez; kesinleşir. Artık tüm kurumu, bütün bir kişiliği ve düşünülebilecek her istisnayı taşıması gerekmez. O cümlenin geçerli olduğu dünya zaten tarif edildiği için şimdi ne yapılacağını söyleyebilir.

Yapay zekâ da bizi promptlar

Buraya kadar promptlama tek yönlü bir hareket gibi görünebilir: İnsan formüle eder, makine yanıt verir. Gerçekte her yanıt ters yönde bir hareket başlatır. Sistem sözcükleri seçer, öncelikleri belirler, karşısındakinin tonunu yansıtır ve bir sonraki adımı önerir. Böylece yalnızca bilgiyi değil, insanın dikkatini de yapılandırır.

Bu etki işbirlikçi hissettirdiği için kolayca gözden kaçar. Dil modelleri uyumlu yanıt vermeye göre optimize edilir. Çoğu kez sorunun yönünü onaylar, varsayımlarını devralır ve itirazları neredeyse direnç gibi görünmeyecek kadar nazik ifade eder. İnsan bunu işbirliği olarak okur. Oysa işbirliği ile doğruluk aynı şey değildir. Bir yanıt çok iyi hissettirebilir ve tam da bu nedenle kötü bir varsayımı kalıcılaştırabilir.

Yapay zekâ çağının temel medya okuryazarlığı bu nedenle iyi girdiler yazmaktan fazlasını kapsar. Bir çıktıdan sonra şunları sorar: Bu metin algımı az önce nasıl etkiledi? Hangi seçenek artık daha olası görünüyor? Hangi alternatif gözden kayboldu? Sistem konumumu sınadı mı, yoksa yalnızca daha zarif mi ifade etti?

Bu sorular insanın belirsiz, yorgun veya duygusal olarak işin içinde olduğu durumlarda özellikle önemlidir. O zaman bir yan cümle ana iddiadan daha etkili olabilir. Bir öneri, karar alanının tamamını değiştirirken tarafsız bir olasılık gibi görünebilir. Makinenin gizli bir niyeti yoktur. Durumu zorlaştıran da budur: Etkinin niyete ihtiyacı yoktur.

Olgun promptlama küçük bir epistemik mesafe yaratır. Yalnızca onay değil, karşı varsayımlar ister. En güçlü karşı görüşü formüle ettirir, belirsizliği görünür kılar ve gözlemle yorumu ayırır. Her şeyden önemlisi çıktıyı düşünmenin sonu olarak görmez. İnsan, kendi etkilenebilirliğinin de okuru olarak kalır.

II. Bağlam: muhakemenin görünmeyen altyapısı

Prompt kapıysa bağlam, yanıtın anlam kazandığı odadır. Bağlam olmadan model dilin genel olarak nasıl işlediğini bilir. Bağlamla birlikte bu projede, bu kişi için, bu anda neyin önemli sayılması gerektiğini anlayabilir.

Fakat bağlam bir depo değildir. Daha fazla bağlam otomatik olarak daha iyi bağlam anlamına gelmez. Bir modele yüz belge, uzun sohbet geçmişleri, eski taslaklar, çelişkili kurallar ve doğrulanmamış internet bulguları vermek sistemi mutlaka daha zeki yapmaz. Önce yanılabileceği yolların sayısını artırır.

Modelin bağlam penceresi çoğu zaman bellek sanılır. Oysa geçici bir sahneye daha çok benzer. Sahnedeki her şey bir anda önemli olabilir, bir sonraki anda daha yeni bir şey tarafından gölgelenebilir. Bu ayrım kuramsal değildir: Projenin üç gün sonra bir kararın neden alındığını hâlâ bilip bilmeyeceğini ya da yalnızca son mesajın ifadesini tekrarlayıp tekrarlamayacağını belirler.

İyi bağlam bu nedenle küratörlüdür. Şimdiye dek söylenen her şeyi değil, mevcut karar için geçerli olanı içerir. Hangi kaynağın bağlayıcı olduğunu, hangisinin yalnızca örnek görevi gördüğünü, hangi bilginin eskimiş olabileceğini ve hangi sorunun açık kaldığını işaretler. Dosya yığınını durum tarifine dönüştürür.

Dışarıda bırakma sanatı

Birçok kurum bilgiyi, eksiksizlik zaten bir kalite biçimiymiş gibi toplar. Belgeler dosyalanır, sohbetler dışa aktarılır, sunumlar arşivlenir. Daha sonra bir model bu kitlenin önüne konur ve “önemli olan her şeyi” çıkarması beklenir. Sonuç çoğu kez güvenilir derinlikten yoksun, ikna edici bir yüzeydir.

Daha iyi soru şudur: Hangi bilgi şu anda önümüzde duran kararı değiştiriyor? Bir belge bu soruyu yanıtlamıyorsa arşivde kalabilir; etkin bağlama girmesi gerekmez. Bu dışarıda bırakma bilgiyi azaltmaz. Bilginin eyleme geçebilmesinin koşuludur.

Kaynak haritası burada yardımcı olur. Yalnızca dosya adlarını değil; otoriteyi, güncelliği, veri bölgesini ve amacı da kaydeder. Bağlayıcı bir sözleşme metniyle bir blog yazısının rolü aynı değildir. Eski bir karar bir şeyin neden böyle olduğunu açıklayabilir, ama sessizce güncel kurala dönüşmemelidir. Belirsiz bir internet bulgusu araştırma başlatabilir, fakat yetki yaratamaz.

Bu ayrımlar görünür olduğunda işbirliği değişir. Model artık bütün kaynaklar eşitmiş gibi davranmak zorunda kalmaz. Şunu söyleyebilir: Burada doğrudan bir ifade var; burada yalnızca yorum; burada iki kaynak çelişiyor; burada karar eksik. Böyle cümleler hızlı ve pürüzsüz bir sonuçtan daha değerli olabilir.

Bağlamın bir doyum noktası vardır

Uzun projeler nadiren görünür bir patlamayla başarısız olur. Keskinliklerini yavaş yavaş yitirirler. Bir terim biraz farklı kullanılmaya başlanır, ilk baştaki bir kısıt kaybolur, geçici bir taslak bağlayıcı sürüm sanılır. Çalışma alanı doldukça hem insanın hem modelin önemli olanla yalnızca yeni olanı ayırması zorlaşır.

Buna bağlam aşınması diyebiliriz. Bir sistem çok miktarda metin kabul edip yine de daha kötü çalışabilir; çünkü ilgi, kaynak açıklığı ve yoğunluk düşer. Bağlam penceresinin teknik büyüklüğü bu nedenle içine ne kadar anlamlı iş sığdığı hakkında az şey söyler. Belirleyici ölçü azami kapasite değil, sinyal kalitesidir.

Sağlam bağlam üç soruyla sınanabilir. Malzeme mevcut görevle ilgili mi? Hangi kaynağın hangi otoriteye sahip olduğu açık mı? Sunum, temel kararların tekrarların altında kaybolmayacağı kadar yoğun mu? Mütevazı görünen bu ölçütler proje yönetimini değiştirir. Bağlamı yalnızca doldurulan değil, bakımı yapılan bir şeye dönüştürür.

Geniş kapsamlı çalışmalarda aşamalı mantık bu nedenle yararlıdır. Bir çalışma alanı üretir; diğeri proje planını, kabul edilmiş sonuçları ve açık bağımlılıkları izler. İlki aşırı yüklendiğinde doğaçlama bir yeniden başlangıç yapılmaz; bilinçli bir devir teslim gerçekleştirilir. Yalnızca çalışan sonuçlar, ilgili kaynaklar, kararlar ve riskler ileri taşınır. Bu yapay unutkanlık değildir. Yükü geride bırakarak ana çizgiyi koruma yeteneğidir.

Saygının bir biçimi olarak devir teslim

Devir teslim unutkan insanlar için hazırlanmış bir tutanak değildir. İşin doğduğu oturumdan daha büyük olduğunu kabul eder. Projeyi başka bir modele, iş arkadaşına veya gelecekteki kendisine devreden kişi yalnızca dosyaları değil, bir muhakeme durumunu aktarır.

İyi bir devir teslim nelerin başarıldığını, hangi kaynakların geçerli olduğunu, hangi kararların kabul edildiğini, hangi varsayımların belirsiz kaldığını, hangi testlerin yapıldığını ve sonraki mantıklı adımın ne olduğunu söyler. Okunacak kadar kısa, hikâyeyi yeniden icat etmeyi önleyecek kadar kesindir.

Bu önemlidir; çünkü yapay zekâ sistemleri tehlikeli bir yanılsamayı teşvik eder: Her zaman mevcut görünürler. Yeni bir sohbet açılabilir, aynı görev girilebilir ve dil hemen geri döner. Fakat süreklilik erişilebilirlikten doğmaz. Modelin dışındaki iyi bir bellekten doğar.

III. Çalışmayı sürdüren bilgi

İkinci beyin, notlarla dolu bir klasör değildir. Kararların, kaynakların, deneyimlerin ve açık soruların daha sonraki çalışmayı iyileştirecek biçimde yaşamaya devam ettiği bir sistemdir. Kalitesi içerdiği miktarla değil, birinin ilgili içgörüyü bulup anlayabilmesi ve yeni bir duruma aktarabilmesiyle ölçülür.

Yapay zekâ bu soruyu keskinleştirir. İnsan bir konuşmanın tonunu, bir hareketi veya tereddüdü hatırlayabilir. Model yalnızca kendisine verilenlerle çalışabilir. Buradan insanların tüm iç dünyalarını belgelemesi gerektiği sonucu çıkmaz. Yalnızca işbirliği için önemli çalışma kararlarının yaşayacağı bir yere ihtiyacı olduğu sonucu çıkar.

Bilgi bir yaşam döngüsü kazandığında değerli olur. Yakalanır, yoğunlaştırılır, incelenir, kullanılır, yeniden değerlendirilir ve sonunda güncellenir ya da yürürlükten kaldırılır. Çoğu bilgi sistemi depolamada başarısız olmaz. Nelerin hâlâ geçerli olduğuna kimse karar vermediği için başarısız olur.

Eski bir not doğru olabilir ama yeni bağlamda güncel kural gibi göründüğünde tehlikeli hâle gelebilir. Başarılı bir prompt, veri bölgesi veya hedef kitle değiştiğinde yararsız olabilir. Bir deneyim değerli olup yine de genellenemeyebilir. Olgun bilgi yönetimi bu sınırları görünür kılar.

Sohbetler arşive değil, kararlara dönüşür

En basit hata uzun bir sohbeti kaydedip onu bilgi saymaktır. Oysa konuşma, oluşumu için gerekli ama geleceği için gereksiz çok şey taşır: dolambaçlar, tekrarlar, yanlış hipotezler, ton değişimleri ve özel ara cümleler. Her şeyi koruyan kişi belirsizliği de korur.

Daha iyi aktarım şunları sorar: Proje brifingi nedir? Hangi karar alındı? Hangi kaynak onu taşıyor? Hangi eser üretildi? Neler açık kaldı? Bu sorular geçmişin tamamını çıkarmaz; fakat daha sonra yeniden çalışabilecek olanı kurtarır.

Sohbet arşivi ile bilgi alanı arasındaki fark budur. Arşiv ne olduğunu anlatır. Bilgi alanı akıllıca devam etmeyi mümkün kılar.

Bilgi örneklere ve karşı örneklere ihtiyaç duyar

İyi ifadelerden oluşan bir koleksiyon henüz bilgi tabanı değildir. Bir kez neyin işe yaradığını gösterir, ama neden işe yaradığını veya ne zaman başarısız olacağını göstermez. Bir örüntü; amaç, geçerli bağlam, doğrulanmış örnekler ve açıklanmış karşı örneklerle bağlandığında uzmanlık taşımaya başlar.

Güçlü bir bilgi modülü bu nedenle bir talimattan fazlasını içerir. Kısa bir mesleki açıklama, başarılı baştan sona senaryolar ve bilinçli biçimde çalışmayan vakalar sunar. Olumsuz örnekler hata galerisi değildir. Sınırları gösterir: Burada kaynak eksiktir; burada istisna genellenmiştir; burada yanıt biçimsel olarak doğrudur ama durum için tehlikelidir. Sistem bu karşıtlıklar sayesinde yalnızca yüzeyi taklit etmek yerine farkları görmeyi öğrenir.

Prompt kütüphanesi fikri de böylece değişir. Zeki cümleler koleksiyonundan görevler, veriler, kontroller, örnekler, köken ve geçerlilik alanlarından oluşan küratörlü bir yapıya dönüşür. En değerli parça artık promptun kendisi değildir; onu çevreleyen doğrulanmış deneyimdir.

IV. Kalite bir duygu değil, bir mimaridir

Üretken sistemlerin en tuhaf yan etkisi hata yapmaları değildir. İnsanlar da hata yapar. Tuhaf olan, hatanın artık çok iyi görünebilmesidir. Makul bir paragraf düşünce gibi, zarif biçimlendirilmiş bir tablo denetim gibi, kendinden emin bir ton yetkinlik gibi görünür. Bu nedenle sonucu beğenmek yeterli değildir.

Kalite, hayranlığın bittiği yerde başlar. Bir iddiayı kaynaklarıyla, bir kararı ölçütleriyle ve bir eseri amacıyla karşılaştırabilme yeteneğidir. Bir metin parlak olup yanlış soruyu yanıtlayabilir. Bir program tüm testlerden geçip hassas bir bağlamda yine de kabul edilemez olabilir. Bir analiz yüz sinyali ele alıp belirleyici bir kör noktayı koruyabilir. İyi iş bu olasılıkları talihsizlik değil, tasarım şartı sayar.

Bu insanın rolünü değiştirir. Yapay zekâyla çalışan kişi her satırı zahmetle makineye karşı savunmak zorunda olmamalıdır; bu kötü bir iş bölümü olurdu. Muhakemenin vazgeçilmez olduğu noktaları belirlemelidir: kaynak seçimi, bir terimin anlamı, iddianın sınırı, belirsizliğin ele alınışı ve bir sonucun kabul edilebilirliği. Bunlar rahatsız edici denetim maliyetleri değildir. Sorumluluğun görünür olduğu yerlerdir.

İkinci model

Olgun bir çalışma ortamında model yalnızca üretici değildir; eleştirel okur da olabilir. İkinci bir model, başka bir prompt veya bilinçli biçimde farklı tasarlanmış bir inceleme görevi; kanıtsız iddiaları, çelişkileri, eksik karşı görüşleri, güvenlik risklerini ve sahte kesinliği arayabilir. Bu yedeklilik değerlidir; çünkü ilk geçişin kendi zayıflığını görmesini gerektirmez.

İkinci ses de son mahkeme değildir. İki sistem aynı yanlış varsayımı paylaşabilir, aynı eğilimi büyütebilir, aynı kaynağı gereğinden fazla önemseyebilir veya aynı boşluğu gözden kaçırabilir. Amaç giderek daha çok modeli birbirinin üzerine salmak değil, farklı denetim türlerini birbirine bağlamaktır.

Kaynak denetimi “Bunu nereden biliyoruz?” diye sorar. Tutarlılık denetimi “Daha önce kararlaştırdıklarımızla uyumlu mu?” diye sorar. Etki denetimi “Bu yanıt gerçekten kullanılırsa ne olur?” diye sorar. Üslup denetimi “Bu biçim duruma uygun mu?” diye sorar. İnsan denetimi ise bütünüyle standartlaştırılamayacak bir şey sorar: Bu karar birine zarar verse, maliyet yaratsa ya da yarın kamuya açılsa arkasında durur muydum?

Bu sorular doğrudan görevden çıktıya giden yoldan daha yavaş görünür. Gerçekte en pahalı yavaşlığı önlerler: güzel paketlenmiş bir hatanın geç düzeltilmesini.

Doğrulamanın yorgunluğu

Doğrulamadan çoğu kez bir kontrol listesine hızlıca bakmakmış gibi söz edilir. Gerçekte üretilmiş içeriği incelemek başlı başına bilişsel bir yüktür. İnceleyen kişi akıcı, nazik ve kendi içinde tutarlı bir metinle karşılaşır. Bu izlenime karşı çalışmalı, kaynakları açmalı, ayrıntıları karşılaştırmalı ve dilsel kesinliğin kanıt olmadığını tekrar tekrar hatırlamalıdır.

Bu çalışma, açıkça bitmemiş bir taslağı incelemekten duygusal olarak daha yorucu olabilir. Kaba hata direnç uyandırır; makul yanlışlık devam etmeye çağırır. Bu yüzden yapay zekânın kazandırdığı tüm üretim zamanını daha fazla üretimle doldurmak tehlikelidir. On kat daha fazla içerik, risk mimariyle sınırlandırılmadıkça on kat daha fazla denetim gerektirir.

Yanıt toptan güvensizlik değildir. Denetimleri daha iyi dağıtmaktır. Kesin kurallar ve uzman sistemler, sonucun açıkça doğru ya da yanlış, izinli ya da yasak olduğu yerlere aittir. Dil modelleri varyant, açıklama ve taslak gereken yerlerde güçlüdür. Baştan sona testler iki dünyanın birlikte çalışıp çalışmadığını gösterir. İnsanlar mesleki veya ahlaki muhakemenin biçimselleştirilemediği noktalara odaklanır.

Doğrulama böylece bir tasarım sorusuna dönüşür: İşin hangi kısımları otomatik kanıtlanabilir? Hangileri bağımsız kaynak ister? Hangileri alan uzmanı tarafından görülmelidir? Önkoşullar eksikse hangi çıktı hiç üretilmemelidir?

Testler süs değildir

Birçok kalite süreci çok geç başladığı için başarısız olur. Metin bittikten, sunum tasarlandıktan veya işlev geliştirildikten sonra biri geri çekilip her şey doğru mu diye sorar. Kalite o zaman bitmiş nesne hakkında verilen hükme dönüşür. Onu yolun bir özelliği olarak ele almak daha iyidir.

Çalışmadan önce ölçütler, çalışma sırasında kontrol noktaları, çalışmadan sonra kanıtlar bulunur. Rapor hazırlanmadan önce hangi kaynakların kabul edildiği, hangi iddiaların belirsizlik etiketi taşıyacağı ve hangi kararın otomatikleştirilemeyeceği tanımlanabilir. Ajanlarla yazılım geliştirirken gereksinimler, testler, veri erişimi ve onaylar ayrı katmanlar olabilir. Bilgi tabanı kurulurken her önemli notun kökeni, güncelliği ve geçerlilik alanı işaretlenebilir.

Bunlar bürokratik ritüeller değildir. Bir sistemin kendi güvenilirliğini tarif ettiği dildir. Onlarsız yalnızca izlenim vardır. Onlarla izlenim izlenebilir bir performansa dönüşür.

Uzmanlığın yeni anlamı

Uzmanlığı yapay zekânın karşısına koymak hata olur. Uzmanlık her bilgiyi zihinde saklama becerisi değildir. İlgiyi tanıma, iyi sorular sorma, örüntüleri ayırma ve sonuçları öngörme becerisidir. Sistemler artık hızla formüle edebildiği, arayabildiği ve birleştirebildiği için bu yetenek daha görünür hâle gelir.

Önümüzdeki yılların uzmanı her şeyi tek başına yapmasıyla tanınmayacaktır. İşbirliğini keyfîliğe düşmeyecek biçimde kurmasıyla tanınacaktır. Hangi aracın uygun olduğunu, sürecin ne zaman durması gerektiğini ve iyi bir sonucun ne zaman yayımlanmaması gerektiğini bilir. Başka insanların, modellerin ve gelecekteki kendisinin güvenle devam edebileceği ortamlar kurar.

Bu zorlu bir yazarlık biçimidir. Her cümlenin mülkiyetinden değil, o cümlenin ortaya çıkmasına izin veren koşulların sorumluluğundan oluşur.

Doğrulanabilirlik otomasyonun sınırıdır

Yapay zekâ her görevi aynı ölçüde hızlandırmaz. Sonucun doğrulanabildiği işlerde devir en ileri noktaya taşınabilir: Program testleri geçer ya da geçemez; hesap yeniden yapılabilir; dosyanın tanımlı biçimi vardır; kaynak gerçekten bir iddiayı destekler ya da desteklemez.

Hedefin kendisi belirsiz olduğunda iş zorlaşır. Strateji ne zaman gerçekten iyidir? Metin hedef kitlesinin onurunu ne zaman gözetir? Bir risk toplumsal olarak ne zaman kabul edilebilir? Bu görevlerde sistem değerli olasılıklar üretebilir, fakat işin ne zaman bittiğine tek başına karar veremez.

Bu ayrım iki yanılgıdan korur. İlki, makinenin kapsamlı insan muhakemesine sahip olmaması nedeniyle otomasyonu küçümser. İkincisi, işin büyük bölümünü ikna edici biçimde tamamladığı için otomasyonu abartır. Olgun uygulama ikisini birlikte kullanır: varyantları sınamadaki muazzam hız ve son, belirleyici farkları tanımadaki insan yeteneği. Uzmanlık çoğu kez tam bu son bölümde; deneyimden, bedensel sezgiden, sonuçlardan ve henüz hiçbir veri kümesinde bütünüyle ifade edilmemiş sessiz istisnalardan doğan bilgide bulunur.

V. Ajan: yanıttan eyleme

Yapay zekâ yalnızca yanıt verdiği sürece etkisi sınırlıdır. Düzenleyebilir, açıklayabilir, taslak çıkarabilir, çevirebilir ve metin oluşturabilir. Fakat araç kullandığında, dosya oluşturduğunda, bilgi getirdiğinde, test çalıştırdığında veya süreç başlattığında durum değişir. Konuşma ortağı eyleyen sisteme dönüşür. Her eylem, iyi bir yanıtın tek başına çözemeyeceği sorular doğurur.

Bu nedenle ajan, daha fazla düğmesi olan bir sohbet değildir. Amaç, bağlam, araçlar, sınırlar, bellek ve denetimin birleşimidir. Belirleyici olan kaç adım atabildiği değil, bu adımların izlenebilir bir düzen oluşturup oluşturmadığıdır.

Özerklik bir çerçeveye ihtiyaç duyar

Bunun teknik karşılığı çoğu zaman harness, yani koşum veya yönlendirme çerçevesidir. Yalnızca kısıtlama olarak anlaşılmadığında yerinde bir imgedir. İyi çerçeve sistemi küçültmez; gücünü kullanılabilir kılar.

Böyle bir çerçeve basit ama sonuçları büyük soruları yanıtlar. Neye ulaşılmalı? Hangi bilgiler başlangıç noktası? Sistem hangi araçları kullanabilir? Neyi yalnızca hazırlayabilir ama uygulayamaz? Ne zaman durup insanı sürece katmalı? Bittiğini nasıl anlarız? Sonradan biri neden bu yolu seçtiğini nasıl görebilir?

Bu soruları açık bırakmak, iş tasarımını bir sonraki girdinin tesadüfüne bırakır. Bir taslakta bu bağışlanabilir. Veriyi değiştirmede, yayınlamada, başka insanlara mesaj göndermede veya altyapıya müdahalede sorumsuzluktur. Ajan özünde tehlikeli olduğu için değil; her etkinin sınıra ihtiyacı olduğu için.

Görevin çalışma sözleşmesi

İyi bir ajan görevi küçük bir sözleşme gibi başlar. Amacı ve hedef olmayanları açıklar. Yalnızca sonuç arzusunu değil, kullanılacak malzemeleri de adlandırır. Beklenen biçimi ve kabul ölçütlerini belirler. Taslak ile uygulamayı ayırır.

Bu anlatım kuru gelebilir; uygulamada özgürleştiricidir. Önce plan sunması, sonra kaynakları kontrol etmesi, ardından taslak oluşturması ve dış dünyaya dönük eylemden önce onay istemesi gerektiğini bilen ajan “bitir bunu” sözünün anlamını tahmin etmek zorunda kalmaz. İnsan her ayrıntıyı sonradan yakalamak yerine doğru noktalarda karar vermeye enerji ayırır.

Sistemin araştırmayı birleştirebileceği, dosyaları yapılandırabileceği, test ortamı hazırlayabileceği veya alternatifleri karşılaştırabileceği görevler vardır. Yalnızca öneri vermesi gereken başkaları da vardır: sözleşme kararları, erişim hakları, kamusal iletişim, hassas kişisel veriler ve geri döndürülemez silme işlemleri. Ayrım teknik kapasite değil, sonuçlar meselesidir.

Planlama, eylem, kontrol

Güvenilir ajansal çalışma üç hareketten oluşur. Önce plan gelir: görevin içinde gerekçelendirilmiş bir rota. Sonra eylem: araştırma, düzenleme, araç kullanımı ve üretim. Son olarak kontrol: testler, eleştirel okuma, görevle karşılaştırma ve gerektiğinde insan onayı.

Sıra önemlidir. Sistemin büyük hızla yanlış yöne ilerlemesini önler. İnsanların her hareketi izlemeden erken müdahale etmesini sağlar. Daha sonra yararlı kalacak eserler üretir: plan, kayıt ve denetim. Bunlar iz bırakmak için bırakılan izler değildir; kişinin, projenin veya ekibin başarılı bir çalışmadan öğrenmesini mümkün kılar.

En akıllı otomasyon bu nedenle çoğu zaman en çok şeyin yerine geçen değildir. Muhakemeyi işten kesip çıkarmadan tekrarı ortadan kaldırandır.

Skills: deneyim yürütülebilir bilgiye dönüşür

Tek bir talimatla eksiksiz bir ajan arasında önemli bir biçim bulunur: skill, yani yürütülebilir yetenek paketi. Yinelenen bir görev için bağlamı, yöntemi, kalite ölçütlerini, örnekleri ve sınırları bir araya getirir. İyi bir skill yalnızca prompt da değildir, katı program da. Küçük bir çalışma anayasasıdır.

Potansiyeli büyüktür. Özenle hazırlanmış skill mesleki bilgiyi her yeni projede kullanılabilir hâle getirebilir, bağlam tüketimini azaltabilir, halüsinasyonları sınırlayabilir ve kalite standardını istikrarlı kılabilir. Araştırmanın nasıl denetleneceğini, belgenin nasıl tasarlanacağını veya teknik sürecin nasıl güvenceye alınacağını açıklayabilir. Başarılı bir tek seferlik işi yeniden kullanılabilir yeteneğe dönüştürür.

Fakat aynı yeniden kullanılabilirlik yeni bir risk yaratır. Skill araç çağırabilir, dosyaları okuyabilir ve davranış kurallarını değiştirebilir. Dış kaynaktan incelenmeden alınır ya da otomatik güncellenirse talimatlar için bir tedarik zinciri oluşur. Manipüle edilmiş bir web sayfası, ele geçirilmiş depo veya göze çarpmayan prompt injection yalnızca bir oturumu değil, çok sayıda projeyi etkileyebilir.

Bu nedenle skill’ler kod gibi ele alınmalıdır: kökenini incelemek, içeriğini okumak, yetkilerini sınırlamak, güvenli ortamda test etmek ve hassas görevler için kurum içinde yeniden kurmak. Tek başına zararsız görünen birkaç skill birleştiğinde tehlikeli erişim kazanabilir. Güvenlik bir kalite damgasında değil, yürütülebilir bilgiye eylem gücü vermeden önce onu anlayabilmekte yatar.

Araçlar dünyaya dokunduğunda

Yazan model bir taslağı değiştirir. Araç erişimi olan model bir depoyu, takvimi, veri tabanını, kod tabanını ya da dış dünyayı değiştirebilir. Bu fark başka bir tasarım etiği gerektirir.

Erişim olabildiğince dar tutulmalıdır. Uygun olan adımlar geri alınabilmelidir. Önemli eylemler görünür kalmalıdır. Sistem görev için gerekenden fazla bağlam almamalıdır. Ve hiç kimsenin vermediği bir yetkiye sahipmiş gibi görünmemelidir.

Güven dilinin kesinleşmesi gereken yer burasıdır. Güven “Sistem zaten yanlış bir şey yapmaz” demek değildir. Güven, hata sınırlı, fark edilebilir ve düzeltilebilir kalacak biçimde süreci tasarlamaktır.

VI. Sınırlar, veriler ve egemenlik sorusu

Yapay zekâdan çoğu kez tek bir bulutmuş gibi söz edilir: bir yerde mevcut, sonsuz büyüklükte ve esasen değiştirilebilir. Gerçek çalışma için bu resim fazla kabadır. Verilerin kökenleri, hakları, riskleri, ilişkileri ve okunabilecekleri bağlamlar vardır. Teknik olarak işlenebilen her şey her yerde işlenmemelidir.

Bu bağlamda egemenlik yalıtım değildir; seçebilme yeteneğidir. Egemen çalışan kişi hangi bilginin hangi alana ait olduğunu, aracın hangi izleri bıraktığını ve uygun bir bağlantının nerede çok yüksek bedel taşıdığını bilir. Bu, bağlantısız diske romantik dönüş değildir. Olasılıklarla yetişkin bir ilişki kurmaktır.

Doğru soru için doğru bölge

Bazı içerikler kamusal olabilir. Bazıları ortak çalışma alanına aittir. Bazıları kısıtlı bir ortam gerektirir. Bazıları cihazı, kurumu veya küçük bir grubu terk etmemelidir. Bu bölgeler bir kez ve sonsuza dek belirlenemez; malzemeye, insanlara ve göreve uymalıdır.

Önemli hareket “her şey yerel” ya da “her şey çevrimiçi” değildir. Bilinçli seçimdir. Açık araştırma, gizli müşteri analizinden farklı bir alana ihtiyaç duyabilir. Yaratıcı taslak, kişiye özgü karardan farklı bir geçmiş bırakabilir. Bilgi sistemi, her kaynağı her oturuma taşımadan da yararlı biçimde bağlantılı olabilir.

Bu ayrımları erken yapmak güvenlikten fazlasını sağlar; açıklık yaratır. Ekipler neyi konuşabileceklerini bilir. Modeller daha fazla değil, daha iyi bağlam alır. Sınırlar artık yalnızca tek tek insanların zihninde yaşamadığı için projelerin devri kolaylaşır.

Egemenlik alternatiflerden oluşan bir mimaridir

Yerel mi bulut mu sorusunun sağlam yanıtı nadiren ikisinden biridir. Bilinçli orkestrasyondur. Gizli rutinler, tekrarlayan yardım ve kurum içi bilgi çalışması kontrollü ortamda gerçekleşebilir. Açık araştırma veya özellikle zor tekil görevler daha güçlü haricî modelden yararlanabilir. Her problem aynı hesaplama gücünü istemez; her veri aynı yoldan gidemez.

Hibrit sistem işi hassasiyete, doğrulanabilirliğe, maliyete ve gerekli yeteneğe göre dağıtır. Daha küçük model veriyi sınıflandırabilir veya iç taslak hazırlayabilir. Uzman model kodu inceleyebilir. Büyük model karmaşık karşı görüşler geliştirebilir. Hangi aktarımın izinli olduğuna, aktarım sırasında hangi verinin çıkarılacağına, yoğunlaştırılacağına veya anonimleştirileceğine insan ya da açık bir yönlendirici karar verir.

Bu çeşitlilik bağımlılığa karşı da korur. Bir kurum kendisini tek sağlayıcının arayüzüne, belleğine ve tescilli çalışma alanlarına derinden yerleştirirse daha sonra sağlayıcı değiştirmek varoluşsal ölçekte bir göç projesine dönüşür. Fiyatlar, kurallar ve erişilebilirlik değişebilir. Kurumun bilgisi yalnızca başkasının arayüzünde yaşamamalıdır.

Egemenlik burada taşınabilirlik olarak görünür. Kurallar, kaynaklar, skill’ler, denetimler ve kararlar başka bir sistemin okuyabileceği biçimlerde yaşar. Modeller değiştirilebilirken çalışma kültürünün her defasında yeniden icat edilmesi gerekmez. Bu, tek ekosisteme bütünüyle bağlanmaktan daha az rahat; ama daha dayanıklıdır.

Sınırlar üretkendir

Teknolojide sınır çoğu kez engel sayılır: eksik erişim, geciken onay, araç kısıtlaması. Oysa sınırlar işi iyileştirebilir. Görevi kesinleştirmeye zorlar, gereksiz veriyi azaltır, bağımlılıkları görünür kılar ve küçük bir kolaylığın büyük görünmez riske dönüşmesini önler.

İyi sınır yalnızca hayır demez, yol gösterir: Bu bilgi bu alanda kalır; bu görev anonimleştirilmiş sürümle devam edebilir; bu adım onay ister; bu sonuç denetimden sonra dışa aktarılabilir. Böylece güvenlik bir dur işareti değil, koreografinin parçası olur.

İzlenebilirliğin değeri

Sistemler bilgiyle çalışırken yararlı sonuca ulaşmak yeterli değildir. Hangi kaynakların, kuralların ve kararların ona katkıda bulunduğu görülebilmelidir. İzlenebilirlik sonradan günlük olarak yapıştırılan özellik değildir. Açık dosyalama, belirgin sorumluluklar, dar erişim hakları ve belirsizliğe izin veren dille başlar.

Bu, insanı sistemi bir kâhin gibi görme ayartısından da korur. İzlenebilir sistem her sonucun bir kurgu olduğunu hatırlatır. Verinin nerede bittiğini, varsayımların nerede başladığını ve sorumluluğun nerede devredilemeyeceğini gösterir.

VII. Yeni atölye: insanlar, modeller ve çalışma alanları

Bilgi çalışmasının geleceği tek bir pencerede gerçekleşmeyecek. Farklı alanlardan oluşan bir atölyede ortaya çıkacak. Bir odada düşünülüp yazılacak; diğerinde bilgi toplanıp ilişkilendirilecek; üçüncüsü odaklanmış teknik çalışma için kurulacak; dördüncüsü büyük kaynak kütlelerini okumaya yardımcı olacak. İnsanlar, dosyalar, kararlar ve ajanlar bu alanlar arasında hareket edecek.

Bu, her şeyi bilen makine anlatısından daha az gösterişli gelir. Tam da bu nedenle daha yararlıdır. İyi çalışma her zaman atölyelere ihtiyaç duymuştur: eskiz defteri, arşiv, toplantı odası, laboratuvar, çalışma tezgâhı. Yapay zekâ bu alanları ortadan kaldırmaz; aralarındaki bağlantıları değiştirir.

Kişisel bilgi alanı gözlemleri, kavramları, kaynakları ve kararları yıllarca yeniden kullanılabilecek biçimde koruyabilir. Geliştirme ortamı kodun yanına kuralları, testleri ve açık proje bağlamını yerleştirebilir. Tarayıcı projesi malzemeleri, görevleri ve ara durumları birleştirebilir. Okuma ortamı büyük belgelerin kökenini gizlemeden erişilebilir olmasını sağlayabilir. Uzman otomasyonlar sorumlulukları belirgin kaldığı sürece yinelenen adımları yürütebilir.

Araç, yazılım biçimine dönüşmüş bir tutumdur

Araçları sıralamak caziptir: Bu model daha zeki, şu ortam daha hızlı, bu arayüz daha rahat. Böyle karşılaştırmalar tekil kararda yararlı olabilir, fakat daha önemli soruyu gizler: Bir araç gündelik çalışmaya hangi tutumu yazar?

Her şeyi sonsuz sohbete çeken sistem anlık hatırlamayı ödüllendirir. Dosyaları, kuralları ve kontrolleri görünür kılan sistem sürekliliği ödüllendirir. Eylemleri açıkça duyuran sistem sorumluluğu ödüllendirir. Malzemeyi iyi ilişkilendiren sistem yeniden kullanımı ödüllendirir. Hiçbir arayüz nötr değildir; her biri neyin normal göründüğünü biçimlendirir.

Bu nedenle seçim en çok dikkat çeken araçla başlamamalıdır. Çalışma problemiyle başlamalıdır. Çok sayıda kaynakta yön bulmamız mı gerekiyor? Proje değişiklikleri için güvenli çerçeve mi? Tekrarlanabilir bir editoryal süreç mi? Bir ay sonra hâlâ anlaşılır olacak bir fikir alanı mı? Ancak bundan sonra teknoloji dikkat dağıtıcı bir vesile yerine yanıta dönüşür.

Kişisel yardımdan ekip zekâsına

Ajanlar ortak çalışma alanlarına girdiğinde rolleri değişir. Kişisel asistan tek kişinin bağlamını bilir. Ekip zekâsı birden fazla bakış açısı, sorumluluk ve sır arasında hareket eder. Proje hedeflerini izleyebilir, farklı disiplinlerden bilgiyi bağlayabilir ve iş paketleri hazırlayabilir. Aynı zamanda insanlar arasındaki sınırları istemeden silebilir.

Merkezî soru artık yalnızca “Ajan ne yapabilir?” değildir. “Kimin bilgisini hangi durumda kullanabilir?” sorusudur. Ekip üyesi bir bilgiye erişebilir ama onu herkesle paylaşma yetkisine sahip olmayabilir. Bu nedenle teknik olarak tüm proje kaynaklarına erişebilen ajan, bir insanın kanala üyeliğinden daha ince kurallara ihtiyaç duyar.

Burada yeni bir yönetim biçimi ortaya çıkar. Tek tek iş adımlarını kontrol etmekten çok dinamik sistemi yönetmeye benzer. İnsan orkestratör birkaç ajanın yeteneklerini bilir, görev dağıtır, sınırlarını izler ve hangi sonuçların birleştirileceğine karar verir. Üretim olanağı arttıkça bu orkestrasyon daha önemli olur. Otomasyon liderliği yok etmez; liderliği küçük etkinliklerin atanmasından arayüzlerin, denetimlerin ve sorumluluk alanlarının tasarımına taşır.

Bu aynı zamanda kültürel bir görevdir. Ekip, ortak yapay zekâsını herkesin rastgele her şeyi anlattığı görünmez bir iş arkadaşı gibi ele almamalıdır. Veri bölgeleri, karar hakları, kaynaklar ve itiraz için ortak bir dile ihtiyaç vardır. Ancak o zaman ortak veri temeli, fark edilmeyen sınır ihlalleri için daha büyük bir alan değil, ortak zekâ olur.

Harita koleksiyondan daha değerlidir

Çalışma alanı dosyalarla dolu olduğu hâlde boş hissedilebilir. Bunun nedeni haritanın olmamasıdır: başlangıç sayfası yoktur, kavramlar yoktur, kaynak-karar-sonuç bağlantıları yoktur, neyin açık veya geçerli olduğuna dair işaret yoktur. Sonuç paradoksaldır: Ne kadar çok şey toplanırsa bir şeyi kullanmak o kadar zorlaşır.

Haritanın karmaşık olması gerekmez. Birkaç yinelenen yerden oluşabilir: girişimin genel görünümü, kaynak listesi, karar mantığı, açık sorular, yeniden kullanılabilir örüntüler ve devir teslim geçmişi. Kusursuz taksonomi amaç değildir. Yeni bir insanın, yeni bir modelin veya gelecekteki kendinizin işin nerede olduğunu hızla görmesi amaçtır.

Burada yapay zekâ üretkenliği hakkında sessiz bir gerçek görünür: En büyük kaldıraç çoğu kez sonraki girdide değil, girdiden önce zaten var olanın kalitesindedir. İyi klasörler, açık adlar, bakımı yapılan sözlük, kısa bağlam sayfaları ve gerçek örnekler ön hazırlık değildir. Geri kalan işi kolaylaştıran asıl iştir.

Eşikteki insan

İyi atölyede insan, her çıktıyı ayırmak için üretim bandında durmaz. Eşiklerde durur: anlamın, riskin ve yönün belirlendiği yerlerde. Bu, soru keskinleştirilirken araştırmadan önce; ton ve sorumluluk denetlenirken taslaktan sonra; geri alınamaz eylemden hemen önce; ya da çalışma yayımlanırken, reddedilirken veya bilgi alanına geri verilirken sonda olabilir.

Bu konum pasif değildir. Mikro yönetim olmadan dikkat, teknoloji hayranlığı olmadan merak ve bir şey yalnızca iyi ifade edildiği için ikna edici görünüyorsa kesme cesareti gerektirir.

VIII. Prompt sonrası çağ için on iki tez

Aşağıdaki tezler bir kural kitabı değildir. Uygulama için bir okuma kürsüsüdür: Somut bir projenin, kurumun veya kişisel çalışma biçiminin kendisini sınayabileceği on iki önerme.

1. İyi soru zaten bir çalışma biçimidir

Yanıtın kalitesi yanıttan çok önce başlar. Soruyu keskinleştiren kişi bakış açısına, ölçüte ve sınıra karar verir. “Bundan iyi bir şey çıkar” yön vermez. “Burada hangi karar hazırlanıyor, hangi kanıtlar onu taşıyor ve sonucu kimin anlaması gerekiyor?” sorusu bir çalışma alanı açar. Promptlama o zaman sihir değil, düşünme görevini denetlenebilir biçimde kurma sanatıdır.

2. Daha fazla bağlam otomatik olarak daha iyi bağlam değildir

Görevin malzemesi ilgili dünyayı gösterecek kadar zengin, o dünyayı okunabilir tutacak kadar küçük olmalıdır. Aşırı yüklü bağlam yalnızca maliyet yaratmaz; karışıklık, çelişkili sinyaller ve görünürde kesinlik yaratır. Kürasyon rahatsız edici unsurları dışarıda bırakmak değildir. İlgiyi görünür kılmaktır.

3. Tekrarlanabilir kalite sohbetin dışında bir eve ihtiyaç duyar

İkinci kez kullanılmayı hak eden her şey geçici konuşmadan çıkmalıdır: iyi örnekler, yazım kuralları, kararlar, kaynaklar, test vakaları, açık sorular. Sohbet çalışma tezgâhı olabilir; tek arşiv olmamalıdır. Bilgiyi yalnızca konuşmalarda tutmak, gelecekten geçmişi tahmin etmesini istemektir.

4. Ajan her zaman aynı zamanda bir örgüt kararıdır

Sistemin eyleme geçmesine izin verildiği anda yetkileri ortamın değerlerini tarif eder. Yalnızca araştırabilir mi? Dosyaları değiştirebilir mi? Mesaj hazırlayabilir mi? Bir şey yayımlayabilir mi? Bunlar yalnızca teknik ayarlar değildir; sorumluluğu dağıtır. Özerklik, sınırları yetenekleri kadar özenle tasarlandığında olgunlaşır.

5. En hızlı yanıt nadiren en hızlı ilerlemedir

Ekip yanlış varsayımı yüksek hızla çoğaltıyorsa üretken değildir; yalnızca daha hızlı yanılıyordur. Kısa plan, kaynak denetimi, ara inceleme veya test yolu yavaşlatıp hedefi çok daha erken erişilebilir kılabilir. İlerleme üretilen sayfa sayısı değildir. İlk soru ile ağırlık taşıyabilen karar arasındaki mesafedir.

6. Yedeklilik zayıflık değil, özen işaretidir

İkinci bakış, bağımsız kaynak, karşı model veya açık test zaman alır. Buna karşılık makullüğün gerçekle karıştırılması riskini azaltır. Böylesine ikna edici dil üretebilen sistemler karşısında yedeklilik düşünsel hijyen biçimidir.

7. İyi kurallar yaratıcılığı küçültmez

Birçok kişi şablonların, ev kurallarının ve kontrol noktalarının düşünceyi mekanikleştireceğinden korkar. Çoğu kez tersi doğrudur. Açık çerçeve tekrarı ortadan kaldırır ve işin gerçekten yeni kısmına alan açar: beklenmedik bağlantı, daha iyi soru, cesur karar. Yaratıcılığın kaosa değil, sıçrayacağı sağlam zemine ihtiyacı vardır.

8. Egemenlik hayır diyebilme yeteneğiyle başlar

Her bilgi yüklenmek, her bağlantı kurulmak, her otomasyon etkinleştirilmek zorunda değildir. Bilinçli bir hayır teknolojik geri kalmışlık değildir. Daha sonraki evetin ağırlığını korumasının koşuludur. Veri bölgelerini, rollerini ve onaylarını bilen kişi olanakları onların sürüklemesine kapılmadan kullanabilir.

9. Biçim yalnızca kap değildir

Not, brifing, makale, tablo, test, tutanak veya harita arasındaki seçim fikrin neye dönüşebileceğini değiştirir. Yapay zekâyla iyi işbirliği biçimi ciddiye alır. Yalnızca ne söyleneceğini değil, hangi sunumun muhakemeyi kolaylaştıracağını sorar. Diyagram ilişkileri görünür kılabilir. Deneme ikircikliliği taşıyabilir. Test iddiaları gerçeklikle karşılaştırabilir. Biçim düşünme aracıdır.

10. Devir teslim bir kalite anıdır

Çalışma üreticisinin ekranından çıktığında tamamlanmış sayılmaz. Başka biri geçmişini icat etmek zorunda kalmadan onu devralabildiğinde tamamlanır. İyi devir teslim günlük değildir, yönlendirmedir: amaç, durum, kaynaklar, kararlar, riskler ve sonraki mantıklı hareket. Böylece bireysel performans varlığa dönüşür.

11. En iyi yapay zekâ stratejisi önce dikkat stratejisidir

Modeller olası görev sayısını olağanüstü artırabilir. Tam da bu nedenle dikkat en kıt kaynağa dönüşür. İyi ortam onu açık çalışma kipleri, sınırlı bildirimler, görünür öncelikler, küçük bağlamlar ve temiz kapanışla korur. Bu bakım olmadan yapay zekâ güçlendirici değil, sonsuz başlangıçlar üreten bir makineye dönüşür.

12. İşbirliği ahlaki bir uygulama olarak kalır

Sonunda mesele yalnızca performans değildir. İnsanların sistemler aracılığıyla birbirleriyle nasıl karşılaştığıdır. Kararlar daha açıklanabilir mi oluyor, daha karanlık mı? İnsanlar destekleniyor mu, atlanıyor mu? Hatalar öğrenilebilir mi, gizleniyor mu? Veriler ham madde olarak mı, emanet edilmiş gerçeklik olarak mı görülüyor? Teknoloji bu sorulara hazır yanıt sunmaz. Yalnızca onları sormaya hazır olup olmadığımızı görünür kılar.

Sonuç

Yapay zekânın büyüsünü bozan en önemli gerçek, belki de aynı zamanda en özgürleştirici olanıdır. Düşünme işini bizden almaz. Düşünmenin aslında hangi işlerden oluştuğunu daha kesin görmeye zorlar.

Mesele bir cümle kurmak değildir; hangi cümlenin hangi durumda sorumluluğu üstlenilebilir olduğuna karar vermektir. Bir bilgiyi bulmak değildir; hangi bilginin önemli olduğunu ve hangi sonuçları taşıyabileceğini görmektir. Bir eylemi yapabilmek değildir; eylemi amaç, sınır ve insanla bağlayabilmektir.

Prompt sonrası çağ, yapay zekâyı dilek makinesi olarak görmekten vazgeçtiğimizde başlar. Bilgiyi koruyan, bağlamı ölçülü kullanan, kaliteyi sınayan, ajanları sınırlayan ve insanları doğru noktalarda güçlendiren çalışma alanları kurduğumuzda başlar. Yapay zekâ o zaman ne ikame bir kişiye ne de basit bir işleve dönüşür. İşbirliğimizin kalitesini gösteren bir ortama dönüşür.

Bu zorlu bir ölçüttür. Anındalık kültüründe sabır, sonsuz olasılıklar kültüründe yapı ve dilin hiç olmadığı kadar kolay üretildiği bir çağda muhakeme ister.

Fakat fırsat da tam burada yatar. Sistemleri yalnızca kullanmakla kalmayıp tasarlarsak daha açık sormamıza, daha özenli davranmamıza ve bilgiyi sonraki oturumda kaybolmayacak biçimde aktarmamıza yardımcı olabilirler. Geleceğin belirleyici sorusu artık “Model ne yapabilir?” olmaz. “Onunla birlikte nasıl bir iş, nasıl bir kurum ve nasıl insanlar olmak istiyoruz?” olur.

Düşünmeyi sürdürmek

Bu metin araçlar, bilgi ve sorumluluk üzerine uzun bir düşünce geleneğinin parçasıdır. Fikirleri derinleştirmek isteyenler aşağıdaki çalışmalarda verimli karşılıklar bulabilir:

• Vannevar Bush: As We May Think (1945) — bağlantılı bellek ve çağrışımsal bilgi için erken bir tasarım.
• Douglas C. Engelbart: Augmenting Human Intellect: A Conceptual Framework (1962) — bilgisayarları insanın problem çözme gücünü artıran araçlar olarak kurma düşüncesi.
• Norbert Wiener: The Human Use of Human Beings (1950) — geri bildirimle biçimlenen teknik dünyada sorumluluk üzerine düşünceler.
• Donella H. Meadows: Thinking in Systems (2008) — ilişkiler, sınırlar ve geri bildirim döngülerine açık bir bakış.
• Shoshana Zuboff: The Age of Surveillance Capitalism (2019) — veri, güç ve dijital sistemlerin toplumsal boyutu üzerine önemli bir perspektif.

Burada geliştirilen bakış açısı bilinçli biçimde tek bir ürünün kullanım kılavuzu değildir. Bir çalışma kültürü savunusudur: açık sorular, hatırlayabilen projeler, doğrulanabilir eylemler ve vazgeçmekten değil, bilinçli tasarımdan doğan egemenlik.

© Furkan Sakızlı · Journal yayınıdır.