İlk fikrin daha iyi bir soruya dönüşmesi

“Yapay zekâyı nasıl kullanabiliriz ki müşteriler daha hızlı yanıt alsın?” gibi bir soru, açık bir görev gibi görünür. Ancak içinde bir teşhis ve bir çözüm vardır: Sorunun yanıt süresi olduğu, uygun değişikliğin yapay zekâ olduğu ve “bir yanıtın” otomatik üretilebileceği varsayılır. Bu doğru olabilir. Darboğaz eksik bilgi, belirsiz sorumluluklar ya da ancak bir incelemeden sonra verilebilecek bir yanıtta da olabilir. Hemen bir istem (prompt) yazan kişi, söylenmemiş bir varsayımı çok verimli biçimde işlemeye devam edebilir.

Bu nedenle bu makale, mümkün olduğunca çok soru tekniği toplama konusu değildir. Makale daha dar bir beceriyi çalışır: Kendi soru modeli F v5’in A modülünde, görülebilir bir boşluğa uyan tek desteği seçmek. Aynı vaka sorusu daha sonra F v5 içinde A→B→D→C sırasıyla görünür biçimde ilerler. A açıklığa kavuşturur ve seçer; B birden çok açıklamayı açar; D geri soruları, kanıt boşluklarını, geri dönüş kuralını ve revizyonu ele alır; C işlenmiş soruyu, şeffaf yolu ve sınırlı bir sonraki adımı bir araya getirir. Tek bir teknik bu işin bir bölümünü destekleyebilir. Model akışının yerini almaz ve bir yanıtı kanıtlamaz.

Rehber soru şudur: Bir öğrenen ya da küçük bir ekip, belirsiz bir yapay zekâ görevinde çalışmayı tekniğe devretmeden uygun soru desteğini nasıl seçer?

Bir soru zaten bir müdahaledir

Başlangıç sorusu gerçekliği önceden düzenler. Neyin sorun görüneceğini, hangi ölçütün önemli sayılacağını ve kimin sorumlu kabul edileceğini belirler. “Müşteri hizmetlerini nasıl otomatikleştiririz?” otomasyonu hedef kabul eder. “Bir yanıt neden sık sık uzun sürer?” süreyi öne çıkarır. “Hangi tür talep güvenilir biçimde yanıtlanabilir ve bunun için hangi bilgi eksiktir?” farklı bir incelemeyi açar. Bu soruların hiçbiri nötr değildir: Her biri dikkati yöneltir ve gerekçelendirme yükünü dağıtır.

Bu gözlem yapay zekâ etiği için önemlidir; çünkü dikkatle yazılmış bir görev, adil ya da iyi bilgilendirilmiş bir kararı garanti etmez. Yalnızca işlem süresi ölçülürse çalışanların ek düzeltme işi görünmez kalabilir. Yalnızca yönetimin perspektifi yer alırsa belirsiz ya da acil taleplerle nasıl başa çıkılacağı sorusu eksik kalabilir. Bir vaka daha baştan “metin üretimi” diye tanımlanırsa anlaşılır bir durum sayfası gibi YZ kullanmayan bir seçenek hiç incelenmeyebilir.

Pragmatist filozof John Dewey, yansıtıcı düşünmeyi çoğu kez şaşkınlık, belirsizlik ya da kuşkuyla başlayan bir araştırma olarak açıklar. İlk bakışta makul görünen açıklama doğrudan kabul edilmez; yeni gözlemlerin onu desteklemesi ya da çürütmesi gerekir. Bu anlamda daha iyi soru yalnızca üslup bakımından iyileşmiş bir soru değildir. Hangi durumun inceleneceği ve hangi gözlemin açıklamayı değiştirebileceği hakkında geçici bir yargıdır. Dewey’in çalışması burada felsefi bir mercektir; dört adımlı bir talimat ya da F v5 için ampirik etkililik kanıtı değildir.[1][2]

Platon’un Sokratik diyalogları da bir örnek ile bir tanım arasındaki farkı görmeye yardımcı olur. Euthyphron diyalogunda Euthyphron önce dindarlığa örnek olarak somut bir eylem verir; Sokrates, bütün dindar eylemleri birleştiren özelliği sorar. Daha sonraki bir tanım sınanır ve kesin bir uzlaşıya varılmaz.[3][4] Böyle sorgulama kavram sınırlarını ve çözülmemiş soruları görünür kılabilir. Bir öğrenme alıştırması için bundan yararlı bir tutum çıkar: Açıklayıcı bir soru aceleci bir evet ya da hayırı kesintiye uğratabilir. Ancak bir kişiyi sınamak veya retorik bir hile olarak kullanılmamalıdır.

Felsefi içgörü pratiktir: Bazen bir sorunun en önemli başarısı, hak edilmemiş bir kesinliği gevşetmektir. İyi bir sonuç şöyle olabilir: “Darboğazın yazımda mı, yoksa bilgiye erişimde mi olduğunu henüz bilmiyoruz.” Bu eylemsizlik değildir. Araç seçmeden önce hangi gözlemin eksik olduğunu açıkça gösterir.

F v5 akıştır; tamamlayıcı teknikler sınırlı desteklerdir

Projede geliştirilen F v5 modeli, soru genişletmeyi açıkça A→B→D→C olarak düzenler. Bu sıra alışılmadık görünebilir ve içeriği bakımından önemlidir: D hata ele alma ve iterasyonu temsil eder; birleştirme olan C’den önce gelir. Son soru ve uyarlanmış çalışma istemi, belirsizlikler, geri bildirimler ve gerekli revizyonlar ele alındıktan sonra yazılır.

A – Girdiyi, bağlamı, kavramları, hedefi ve varsayımları açıklığa kavuşturmak. Önce girdinin ne söylediği ve neyi zaten varsaydığı görünür olur. Tamamlayıcı bir yöntem yalnızca somut bir alt görevi yerine getirdiğinde eklenir: örneğin çok anlamlı bir kavramı açıklamak, yerel bir nedeni hipotez olarak incelemek veya aceleci bir çözüm fikrini çeşitlendirmek.

B – Birden çok açıklama ve meta soru geliştirmek. Başlangıç noktasından rakip hipotezler ya da soru biçimleri çıkar. B yalnızca “Ne doğru olabilir?” diye sormaz; “Bu açıklamada hangi varsayım var?”, “Hangi başka seçenek de makul?” ve “Hangi geri bildirim odağımızı değiştirirdi?” diye de sorar. Kullanıcıların ya da etkilenenlerin geri bildirimi çalışma odağını kaydırabilir; yalnızca onay olarak sayılmaz.

D – Belirsizliği, geri dönüş kuralını ve revizyonu ele almak. Eksik bilgiler bir geri soruya ya da açıkça sınırlandırılmış bir geri dönüş kuralına yol açar. Uygun dış veriler, iyi uygulamalar, riskler ve sektöre özgü bağlam kontrol noktaları olarak belirtilebilir. Bir revizyon, yeni bilgiyle neyin değiştiğini görünür kılmalıdır. D, önceden kesinleştirilmiş bir yanıtın sonradan yazılmış tutanağı değildir.

C – Sonuçları birleştirmek ve şeffaf biçimde devretmek. Uyarlanmış son soru ya da çalışma istemi ancak burada yazılır. Kısa bir süreç özeti, hangi kavramların açıklandığını, hangi hipotezlerin düşünüldüğünü, hangi geri bildirimin işlendiğini ve hangi sınırların açık bırakıldığını kaydeder. GROW bağlantısı, sorudan sınırlı bir sonraki adım çıkarmaya yardımcı olur.

F v5’in sağlanan üç özgün sayfası, bu model mimarisini ve amaçlanan işlemlerini açıklar. Bunlar özgün bir yöntem tasarımını belgeliyor; yayımlanmış bir etkililik çalışması değildir. Benzer biçimde, tamamlayıcı bir yöntemin kökeni onun F v5 ile birleşiminin bilimsel olarak doğrulandığını göstermez. Bu nedenle makale model açıklaması, felsefi çerçeve, tek tek yöntemlerin kanıtlanabilir açıklaması ve açık etkililik soruları arasında ayrım yapar.

QFT, bu makalede ne uygulanır ne de karşılaştırma çerçevesi yapılır. F’nin özgün sürümü QFT’yi A içindeki olası desteklerden biri olarak anar. Burada seçilen öğrenme amacı için ek bir soru üretme rutini gerekli değildir. Bu nedenle makale QFT adımları, QFT materyalleri ya da QFT alıştırma dizisi geliştirmez.

A bir seçim sorusuyla başlar: Hangi boşluk var?

Her görevde beş ya da altı yöntemi art arda kullanan kişi henüz yöntemli çalışmış olmaz. Bir yöntem büfesi, merkezi soru değişmeden kaldığı hâlde titizlik izlenimi verebilir. Bunun yerine seçim, gözlenebilir boşluğa dayanmalıdır:

Tablo bir seçim desteğidir; zorunlu bir yöntem dizisi değildir. 30 dakikalık formatta tam olarak bir A desteği seçilir. İkinci bir desteğe, ancak ayrıca farklı türde bir boşluk görünür olduğunda ve yeni bir F döngüsünde izin verilir; kendi seçim gerekçesi ve kendi A sonucu gerekir. Birden çok desteği tedbir olarak işaretlemek kabul edilemez. Bir destek sonucu değiştirmiyorsa akışta yer almamalıdır.

Kavramları açıklamak: Sokratik sorular

Sokratik açıklama sorusu, başlangıç sorusu kendiliğinden açık görünen bir sözcük kullandığında uygundur. “Hızlı”, “güvenli”, “adil”, “otomatik” veya “yanıt” birden çok anlama gelebilir. Bir müşteri için “hızlı”, kısa bir alındı teyidi olabilir; ekip için ise belki kesin ve olgusal olarak güvenilir bir bilgi. Bu anlamlar birbirinin yerine geçmez.

Çalışma hareketi şöyledir: Kavramı adlandırmak, somut vakadaki anlamını sormak, ölçütü ve karşı örneği sınamak. “Burada yanıt sayılan nedir?” sorusu, alındı teyidi ile güvenilir teslimat bilgisinin iki ayrı hizmet olduğunu ortaya koyabilir. “Bir yanıtın yardımcı olduğunu nasıl anlayacağız?” sorusu, organizasyonun perspektifini o bilgiyle çalışmak zorunda olan kişinin perspektifinden ayırır.

Sokratik örnek, katı bir soru formu olarak ele alınmamalıdır. “Sokratik yöntemin” tam olarak ne olduğu üzerine tarihsel ve felsefi yorumlar birörnek değildir. Bu makale için sınırlı işlev yeterlidir: Kavramı ve ölçütü görünür kılmak, sonra bunların örneklere uyup uymadığını sınamak. Yanıtı beklemeden veya kendi yorumunu revize edemeden art arda soru soran kişi birlikte açıklık sağlamaz; sorguya çeker.

Nedenleri sınamak: Five Whys

Five Whys, somut biçimde gözlenmiş bir süreç ya da hata yönetilebilir bir süreç zincirinde ortaya çıktığında uygundur. Sonraki “neden?” sorusu, önceki yanıtı geçici bir hareket noktası kabul eder. Toyota ve Lean geleneğinde, görünür semptomun ötesinde koşulları aramak için somut bir süreç sorunu karşısında tekrar tekrar soru sormak kullanılır.[5][6]

“Beş kez sormak” ifadesi bir kanıt ritüeline dönüşmemelidir. Son yanıt, otomatik olarak bulunmuş bir kök neden değildir. Organizasyonlarda eksik bilgi, değişen sorumluluklar, mevsimsel yoğunluk veya uygunsuz başarı ölçütü gibi birden çok neden aynı anda etkili olabilir. Bu nedenle F v5, yanıtı hipotez olarak kaydeder. B rakip açıklamaları açar; D hangi süreç gözleminin ya da kaynağın bunları destekleyebileceğini veya çürütebileceğini sorar.

Asıl sorun tartışmalı bir değer, belirsiz bir kavram ya da açık bir gelecek seçeneğiyse Five Whys iyi uymaz. “Yapay zekâ neden kullanılmalı?” doğrusal bir hata analizi değildir. Teknik burada, zaten seçilmiş yönü giderek daha derin gerekçelerle sonradan güvence altına alma riski taşır.

Fikirleri çeşitlendirmek: SCAMPER

SCAMPER, mevcut bir fikre veya nesneye yedi tür değişiklik sorusu yöneltir: ikame etmek, birleştirmek, uyarlamak, değiştirmek, başka amaçla kullanmak, çıkarmak ve tersine çevirmek ya da yeniden düzenlemek. Robert F. Eberle, harf dizisini 1971’de hayal gücünü geliştiren oyunlar olarak sundu; 1972 tarihli makalesi, harflerin Alex Osborn’ın fikir kontrol listesinden geldiğini belirtir.[7][8] A içindeki kullanımı dar biçimde tanımlıdır: Yalnızca “Hangi yapay zekâ aracı?” sorusunu bilen bir soru, alternatiflere açılabilir.

Kurgusal müşteri hizmetleri vakasında “otomatik yanıt vermek”, daha anlaşılır bir durum sayfası, önceliklendirilmiş kuyruk, kurum içinde hazırlanmış bir yanıt ya da otomatik bir alındı teyidiyle değiştirilebilir veya sınırlandırılabilir. SCAMPER değerlendirme değil, araştırma yönleri sağlar. Ardından şu sorular gerekir: Hangi varyant hedefi karşılıyor? Hangi bilgiye ihtiyaç duyuyor? Kim onu kontrol etmeli? Yanlış bir yanıtın sonucu ne olur? Sonraki inceleme olmadan yaratıcı bir seçenek yalnızca fikirdir.

Hedefi ve durumu düzenlemek: GROW

GROW, bir görüşmeyi Goal, Reality, Options ve Will üzerinden yapılandırır: istenen hedef, mevcut durum, olası seçenekler ve sonraki adım. Model, John Whitmore tarafından meslektaşlarıyla birlikte geliştirildi ve özellikle 1992’de yayımlanan Coaching for Performance kitabıyla tanındı.[9][10] F v5 içinde GROW, hedef ve başlangıç durumu açıklığa kavuşmadan biri eyleme geçmeye zorladığında A’da kısa bir durum kontrolü olarak yararlı olabilir. C’de aynı bağlantı sınırlı sonraki adımı yapılandırabilir.

Bu ikili kullanımın bir sınırı vardır. A’da “Will”, ekibin henüz bir uygulamayı taahhüt ettiği anlamına gelmez. B hipotezleri açmadan ve D kanıt boşluklarını ele almadan A’da bağlayıcı bir önlem varsa, kendi modelinin sırası atlanmış olur. Hedefin kendisi de sınanabilir. GROW bir niyeti düzenler; bu niyetin gerekçeli olup olmadığına veya kimin çıkarını dikkate aldığına karar veremez.

Öğrenme eylemlerini somutlaştırmak: Bloom

Özgün Bloom taksonomisi, bilişsel alandaki eğitim hedeflerinin sınıflandırması olarak geliştirilmiştir. Altı ana kategorisi Bilgi (Knowledge), Kavrama (Comprehension), Uygulama (Application), Analiz (Analysis), Sentez (Synthesis) ve Değerlendirme’dir (Evaluation).[11][12] Sık kullanılan Hatırlama, Anlama, Uygulama, Analiz Etme, Değerlendirme ve Oluşturma fiil dizisi 2001 revizyonuna aittir; 1956 baskısının kategori listesi değildir.[12] Bu makale için Bloom, herhangi bir maddi soruna yönelik soru tekniği değildir. Taksonomi, öğretmenin beklenen öğrenme adımını somut biçimde adlandırmasına yardım eder.

“Öğrenenler yapay zekâ etiğini anlar” yerine hedef şöyle olabilir: “Öğrenenler bir yapay zekâ talebindeki varsayılmış çözümü, eksik bilgiyi ve sınanabilir ölçütü birbirinden ayırabilir.” Başka bir görev iki makul açıklamayı karşılaştırmak ya da yeni kanıt temelinde bir soruyu revize etmek olabilir. Bloom bu tür performans beklentilerini daha görünür kılar. Bununla birlikte daha karmaşık bir etkinlik her öğrenen grubu için otomatik olarak daha doğru, daha adil ya da daha zorlayıcı değildir. Taksonomi, hedefler ve görevler için yön buldurucudur; ahlaki olarak daha iyi yargıya çıkan bir merdiven değildir.

Aynı vaka A→B→D→C içinden

Alıştırma vakası için tamamen kurgusal küçük bir ticaret işletmesi alalım. Müşteri hizmetlerine teslimat durumu ve bulunabilirlik hakkında tekrar eden sorular gelir. Yönetim, müşterilerin daha hızlı bilgilendirilmesi için bir dil modelinin bu e-postaları otomatik yanıtlamasını düşünür. Gerçek bir şirket, gerçek müşteri verisi veya ölçülmüş bir yanıt süresi yoktur.

A: yöntem büfesi yerine uygun bir destek seçmek

Başlangıç sorusu şudur: “Yapay zekâyı nasıl kullanabiliriz ki müşteriler daha hızlı yanıt alsın?” Darboğaz önce kavramsaldır: “daha hızlı” ve “yanıt” belirsiz kalır. Bu nedenle ekip tam olarak bir A desteği olarak Sokratik açıklama sorularını seçer. Seçim gerekçelidir: Henüz belirli bir makinenin ya da süreç adımının neden bozulduğunu araştırmak söz konusu değildir; yönetimden de zaten bilinen bir çözüm fikrini yaratıcı biçimde çeşitlendirmesi istenmemiştir. Önce hangi sonucun kastedildiği açıklığa kavuşmalıdır.

Geri soru iki olası hedef gösterir. İlk olarak müşteriler, mesajlarının ulaştığını olabildiğince hızlı öğrenmek isteyebilir. İkinci olarak gerçek teslimat durumu hakkında olabildiğince hızlı ve güvenilir bilgi isteyebilir. Otomatik üretilmiş bir alındı teyidi ilk hedefi karşılar, ikincisini karşılamaz. Güvenilir bir durum bilgisi için işletmenin başka bir yerinden güncel bilgi gerekebilir. Böylece “yanıt süresi” iki farklı büyüklüğe ayrılır: Teyide kadar geçen süre ve olgusal olarak sınanmış bilgiye kadar geçen süre.

A sonucu yeni bir ürün kararı değildir. Netleşmiş başlangıç sorusudur: “Hangi tekrar eden talepler doğrulanabilir bir bilgi bekliyor ve bunlardan hangileri güvenilir bir durum kaynağıyla işlenebilir?” Ekip ayrıca e-postayı yazmanın gecikmeye yol açtığı varsayımını not eder. Bu varsayım açık kalır.

B: açıklamaları rekabet ettirmek

B, açıklamalardan birini hemen bulgu ilan etmek yerine birden çok hipotez geliştirir:

Hipotezler sınama önerileridir; istatistiksel iddia değildir. Küçük bir işletme önce kendi iş akışlarını sınırlı ve veri korumaya uygun bir örnekle tanımlayabilir. Bunun için hemen bir yapay zekâ sistemi gerekmez. Basit bir kategori tablosu, bir talebin alındı teyidi, durum bilgisi, ürün bilgisi ya da başka bir işlem gerektirip gerektirmediğini kaydedebilir. YZ kullanmayan bir seçenek, iyi bakımı yapılan bir durum sayfası ya da açık bir iç sorumluluk yolu olabilir.