Son birkaç yılda “yapay zeka operatörü”, “prompt mühendisi”, “AI uzmanı” gibi etiketler patladı. Ama dürüst olalım: Etiketler karizmatik, içerik çoğu zaman zayıf.
Geleceğin mesleği “AI operatörlüğü” değil. Geleceğin mesleği, problemi net yazabilen, veriyi doğru anlatabilen ve çıktıyı eleştirebilecek kadar konuya hâkim olan insan.
Bu yazıda üç beceriyi açacağım:
Problemi net tanımlamak
Doğru veri ve kısıtları modele anlatmak
Çıktıyı eleştirebilecek kadar konuya hâkim olmak
Ve bunu “nasıl yapılır” adımları, yapılmış yaygın hatalar ve en iyi uygulamalarla somutlaştıracağım.
Okurlara not: Bu makale bir yapay zeka aracı ile yazılmamıştır.
1. Problemi Net Tanımlamak: AI Başarısının %50’si Buradan Başlıyor
Çoğu kötü AI kullanımı şu cümleyle başlıyor:
“Bana pazarlama stratejisi yaz.”
“Şu metni düzelt.”
“Bir LinkedIn postu üret.”
Bunlar istek, problem tanımı değil.
Nasıl düşünmelisin?
İyi bir problem tanımı en az şu sorulara cevap verir:
Kimin için yapıyorsun? (hedef persona)
Hangi bağlamda? (sektör, ürün, ülke, kanal)
Ne üretmek istiyorsun? (format, uzunluk, ton)
Hangi sınırlar var? (bütçe, zaman, regülasyon, kaynak)
Örneğin:
Kötü:
“B2B pazarlama stratejisi yaz.”İyisi:
“Türkiye’de KOBİ’lere hizmet veren, aylık 50 bin TL budget’lı bir B2B SaaS ürünü için 3 aylık pazarlama stratejisi öner.
Mevcut kanallarım: Google Ads, LinkedIn organik, e-posta.
Hedefim: 3 ay sonunda en az 50 demo talebi. Tone: net, sade, aşırı hype yok.”İkinci örnekte senin düşünme biçimin modele yansıyor. Model “boşluk doldurmuyor”, senin kurduğun çerçevede çalışıyor.
Problem tanımı için mini checklist
Her AI isteğinden önce şunu yazmayı alışkanlık haline getir:
“Kimin için?” – rol / persona
“Ne durumda?” – kısa bağlam
“Ne istiyorum?” – çıktı tipi
“Hangi sınırlar?” – bütçe, süre, kaynak
“Başarı ne demek?” – tek cümle hedef
Bu 5 soruyu yazmadan modele gittiğin her işte, güçlü sonuç beklemek gerçekçi değil.
2. Doğru Veri ve Kısıtları Modele Anlatmak: “AI Benim Kafamı Okur” Yanılgısı
İkinci büyük kırılma noktası şu: AI, senin kafanın içini görmüyor; sadece yazdıklarını görüyor.
İnsanlarda sık gördüğüm hata:
Elinde müthiş veriler var (kampanya raporları, CRM kayıtları, satış feedback’leri)
AI isteğinde bu verilerin çoğu hiç geçmiyor
Sonra “AI yüzeysel cevap veriyor” deniyor
Yaygın yanlış örnekleri
Örnek 1 – Vague veri:
“Google Ads performans raporuna baktım, sonuçları özetler misin?”Model neyi görecek?
Hangi sektör?
Hangi kampanya tipi?
Hangi hedefler?
Hangi metrikler kritik?
İyisi:
“Aşağıda Türkiye’de inşaat sektöründe çalışan bir formwork markasının son 30 gün Google Ads özetini paylaşıyorum.
Hedef: lead başı maliyeti düşürmek.
Bu raporu üç başlıkta özetle:Örnek 2 – Kısıtsız istek:
“Pazarlama planı yaz.”
İyisi:
“Pazarlama planı öner ama:
Kısıt koymadığın her AI isteğinde, model seni “sonsuz kaynaklı şirket” sanabilir. Sonuç: güzel ama uygulanamaz planlar.
Veri + kısıt anlatmak için pratik format
Promptlarını şu bloklarla yazmayı dene:
Background: 3–4 cümle durum
Data: özet veriler (metrikler, örnekler, kısıtlar)
Task: modelden istediğin şey
Constraints: bütçe, süre, ekip, regülasyon
Output: format ve uzunluk
Bu format, hem iş hem AI tarafında “profesyonel kullanım” seviyesine denk gelir.
3. Çıktıyı Eleştirebilecek Kadar Konuya Hakim Olmak: Human-in-the-loop Gerçekliği
En kritik, ama en az konuşulan nokta bu: AI çıktısını değerlendirebilecek bilgi yoksa, iyi sistem kursan bile risk devam ediyor.
Tehlikeli kullanım kalıpları
Bir kişi AI’yı şöyle kullanıyorsa:
Ne istediğini tam söylemiyor.
Gelen cevabı sorgulamadan kabul ediyor.
Her şeyi modele bırakmak istiyor.
Bu kişi, arada hiçbir filtre olmadan, modeli “tek gerçek” gibi görüyor.
Örnek senaryo:
Model sana bir pazarlama planı yazdı.
İçinde yerel regülasyona aykırı bir öneri var (örneğin izin gerektiren bir kampanya).
Sen bunu fark edecek kadar konuya hâkim değilsen, planı olduğu gibi uygularsın.
Sonuç: AI değil, denetimsiz kullanım zarar veriyor.
Çıktıyı eleştirmek için 4 soruluk filtre
Her AI çıktısından sonra kendine şu 4 soruyu sor:
“Bu öneri gerçek dünyada uygulanabilir mi?”
“Hangi varsayıma dayanıyor, doğru mu?”
“Neyi fazla basitleştiriyor veya yok sayıyor?”
“Ben bu konuda hiç AI kullanmasam, ne yapardım?”
Bu 4 soruyu soran biri, AI’yı “yardımcı” olarak kullanır. Sormayan biri, AI’yı “otorite” yapar.
En sağlıklı ilişki:
İnsan problem tanımlar, veriyi ve kısıtları verir, AI alternatif üretir, İnsan seçer, düzeltir, sorumluluk alır.
4. En Yaygın AI Kullanım Hataları (Ve Basit Çözümleri)
İşin pratik tarafına gelelim. Yeni veya orta seviye AI kullanıcılarının yaptığı hatalar neredeyse aynı:
Hata 1: Aşırı genel prompt
“Bana iyi bir LinkedIn stratejisi yaz.”Çözüm: Bağlam + hedef + sınır olmadan hiçbir kritik işi AI’ya bırakma.
Hata 2: İlk cevabı “son hali” sanmak
“Model bir şey yazdı, copy-paste ettim.”Çözüm: Her cevabı ilk taslak olarak gör. İkinci prompt neredeyse her zaman:
“Bunu daha net yap.”
“Şu kitleye göre yeniden yaz.”
“Şu örneği çıkar, bunu ekle.”
İyi sonuç = iterasyon.
Hata 3: AI’yi Google gibi kullanmak
“En iyi AI aracı nedir?” “En iyi pazarlama yöntemi nedir?”Çözüm: AI’den “tek doğru” isteme. Bağlamlı soru sor:
“Şu durumda, şu hedefle, şu kaynaklarla ne mantıklı?”Hata 4: Format istememek
Sonuç: duvar gibi metin, kullanılamayan çıktı.
Çözüm: “Bullet”, “tablo”, “başlık + alt başlık”, “maks. 300 kelime” gibi net format istemeyi alışkanlık haline getir.
Hata 5: Rol vermemek
“Bana strateji yaz.”Çözüm:
“10 yıllık B2B pazarlama müdürü gibi davran ve…” Persona, çıktının kalitesini direkt yükseltir.5. En İyi Uygulamalar: AI’yi Araç, Kendi Düşünceni Motor Yapmak
İyi AI kullanımı için birkaç basit ama güçlü alışkanlık:
1. Her işte rol + bağlam + görev üçlemesi
Her prompt şu üç soruya cevap veriyor mu?
“Model kim gibi davransın?” (rol)
“Ne hakkında, hangi durumda?” (bağlam)
“Ne yapsın?” (görev)
Bu üçü yoksa, önce onları yaz.
2. “AI düşünsün” değil, “AI ile birlikte düşüneyim” yaklaşımı
Sadece üretim değil, düşünme için kullan:
“Bu planda ne eksik?”
“Bu fikre karşı argüman üret.”
“Bu metni daha net hale getir, ama tonu bozma.”
AI’yi ikinci beyin gibi konumlandırmak, “otomatik metin makinesi” gibi konumlandırmaktan çok daha verimli.
3. Küçük, risk düşük işlerde deneme yap
İlk denemeleri kritik projelerde yapma:
İç raporlar
İç eğitim dökümanları
Kişisel notlar, outline’lar
Burada hem model hem sen öğrenirsin. Sonra dış iletişim ve kampanya tarafına geç.
4. Kendi kullanım manifestonu yaz
Kısa bir “AI kullanım kuralı” notu oluştur:
Neleri asla AI’ya bırakmam
Nelerde AI’dan öneri alırım
AI çıktısını kabul etmeden önce hangi kontrolü yaparım
Bu, seninle çalışacak ekip için de yol gösterici olur.
Etiket Değil, Editoryal Zihin
“Yapay zeka operatörü”, “prompt mühendisi” etiketi hoş gelebilir. Ama iş sahaya indiğinde kazananlar, şunları yapanlar olacak:
Problemi net tanımlayan
Veriyi ve kısıtları eksiksiz anlatan
Çıktıyı sorgulayan, gerektiğinde reddeden
Yani geleceğin mesleği, aslında yeni bir isim değil: Problemi net yazabilen, düşüncesini açık anlatabilen insan.
AI, bu insanın kolunu uzatıyor; onun yerini almıyor.
#yapayzeka #iletişim