İçimizdeki bağlam mühendisi: İyi prompt yazamazken gerçekçi hayaller kurmak mümkün mü?

QuandoHer salı ve cuma girişimcilik ve teknoloji ekosistemlerinden öne çıkan gelişmeler, paradigma değişimleri, inovasyon trendleri ve dijital dönüşüm e-posta kutunda.
— “Daha samimi olsun.”
Cevap geliyor.
— “Bu kadar samimi değil.”
Yeniden deniyoruz.
— “Profesyonel kalsın ama kurumsal durmasın.”
İki dakikada bitmesi gereken bir iş için yarım saat oturuyoruz. Yapay zeka bir türlü anlamıyor. Sonra biraz can sıkıcı bir ihtimal beliriyor: Belki biz de ne istediğimizi, ancak ne istemediğimizi görünce anlayabiliyoruz. Kafamızda gayet açık duran şey, yazıya dökülünce o kadar da açık görünmüyor.
Geniş açı: Artık hepimizin yapay zekayla kendine özgü bir konuşma biçimi var. Kimi uzun uzun tarif ediyor, kimi üç kelime yazıp sonuç bekliyor. Aynı kişi, sabah bir e-postanın tonunu yapay zekaya ayarlatırken akşam işini bırakıp başka bir şehirde yaşamayı tartışabiliyor ve iki senaryoda da bir noktada aynı cümleyi kuruyor:
“Aslında demek istediğim şu…”
“Daha özgür çalışmak”, “kendime zaman ayırmak”, “daha sakin bir yerde yaşamak” kulağa yeterince açık geliyor. Ta ki biri bunların nasıl bir gün, nasıl bir hafta anlamına geldiğini sorana kadar…
Eksik olanın bazen yalnızca karşı tarafa söylemeyi unuttuğumuz bir ayrıntı, bazen de kendimize henüz sormadığımız bir soru olduğunu o zaman fark ediyoruz.
Dün işe yarayan numara bugün yaramayabilir
İlk dönemin ritüelleri tanıdık: Modele bir meslek ver, görevi anlat, yanıt biçimini belirt. “Adım adım düşün” de bu listenin klasiklerinden.
Rapor: 2022’de yayımlanan bir araştırma, bu talimatın dönemin bazı modellerinde muhakeme başarısını artırabildiğini göstermişti. OpenAI’ın muhakeme modelleri için hazırladığı rehber ise aynı yönlendirmenin gereksiz olabileceğini, hatta bazen sonucu kötüleştirebileceğini söylüyor. Dün öğrendiğimiz numara, bugün kullandığımız modelde işe yaramayabiliyor.
Profesyonel kullanımda dikkat de tek bir komuttan modelin önüne konan bilginin bütününe kayıyor. Anthropic’in “bağlam mühendisliği” yaklaşımı; talimatları, belgeleri, konuşma geçmişini ve araçları birlikte ele alıyor.
- Bunun gündelik karşılığı basit: Birine iş verirken o işi yapabilmesi için neyi bilmesi gerektiğini düşünmek. Her şeyi anlatmak değil, gereken bilgiyi seçmek.
Örneğin: “Bu müşteriye uygun bir cevap yaz” diyoruz. Geçen hafta yaşanan gerginliği, verilmiş sözü, müşterinin hangi ifadeye takıldığını biz biliyoruz. Ancak model bunları bilmiyorsa ortaya çıkan metni okuyup “Bu insana böyle yazılmaz” diyoruz. Yani onun elinde olmayan bir geçmişi hesaba katmasını bekliyoruz.
Bu, yalnızca yapay zekayla ilgili bir sorun değil. Camerer, Loewenstein ve Weber’in “bilginin laneti” üzerine yürüttüğü araştırmada, daha fazla bilen kişilerin daha az bilenlerin değerlendirmelerini tahmin ederken kendi bilgilerini bir kenara bırakmakta zorlandığı görülüyordu. Bir şeyi öğrendikten sonra onu henüz bilmeyen birinin gözlerinden olaya bakmak zorlaşıyor.
Yapay zekanın cevabı ise bu aralığı görünür kılabilir. Eksik ayrıntıyı ekleriz, metnin tonu değişir. Üstelik daha uzun yazmamız gerekmemiştir; yalnızca hangi bilginin eksik olduğunu bulmuşuzdur.
Elbette her kötü cevap, eksik bağlamdan kaynaklanmaz. Kimi zaman model, açık bir talimatı da yanlış uygulayabilir. Ama yine de kendi cümlemizi, kafamızdaki bilgileri taşımayan birinin gözünden okumak işe yarıyor.
Okur ayrıntıyı bilmez
Bir romanda, yaşadığı şehirden gitmek isteyen bir karakterle karşılaşıyoruz. İşinden, kalabalıktan, her gün aynı yollardan geçmekten bıkmış. Sonra yazar, küçük bir ayrıntı veriyor: Karakter, her akşam annesine uğruyor ve annesi yemeği hâlâ iki kişilik yapıyor. Gitme isteği, birden başka türlü okunuyor. Artık bu isteğe bakarken geride kalacak birini de görüyoruz ve kararın ağırlığı değişiyor.
Yazar, karakterin bütün geçmişini biliyor olabilir. Okur ise yalnızca sayfaya geçenlerle ilerliyor. Hangi ayrıntının nerede verildiği, anlatılanı nasıl anlayacağımızı belirliyor. Bir romancının yaptığı seçimle iş arkadaşına talimat veren kişinin yaptığı seçim elbette aynı değil. Romancı, bazen bilgiyi özellikle saklıyor ama ikisi de karşısındakinin elinde hangi parçaların bulunduğunu hesaba katmak zorunda.
Perspektif: Yazma araştırmacısı Ronald Kellogg’un gelişim modeli de bu farkı düşünmek için bir yol sunuyor. Model, bildiğini aktarmanın ötesinde, düşünceyi yazarken yeniden düzenlemeyi ve okurun metni nasıl yorumlayacağını hesaba katmayı ele alıyor. Zira niyetin açık olması, metnin açık olduğu anlamına gelmiyor.
Bu yüzden anlatmakta zorlanmayı hemen bilgisizlik saymamak gerekir. İşini çok iyi yapan biri, yıllardır sezgisel olarak verdiği kararları kelimelere dökmekte zorlanabilir.
Öte yandan: Elbette bunun tersi de mümkün: Akıcı bir açıklama önemli bir boşluğu örtebilir. Bilgiye hakim olmakla onu aktarabilmek aynı beceri değil.
Kendi geleceğimiz söz konusu olduğunda ise aradaki fark daha da ilginçleşiyor: Hikayeyi değiştirecek hangi ayrıntıyı bu kez kendimizden saklıyoruz?
Ya yanlış hayali kusursuzca planlıyorsak?
“Daha sakin yaşamak istiyorum” diyerek yapay zekadan taşınabileceğimiz şehirleri sıralamasını istediğimizi düşünelim. Kiralar karşılaştırılıyor, bütçe çıkıyor, internet bağlantısından sağlık hizmetlerine kadar her şey tabloya dökülüyor. Ekranda ilerleme var; oysa sakinlikten ne kastettiğimizi hiç konuşmadık. Daha az gürültü mü, daha az iş mi, yoksa akşamları kimseye yetişmek zorunda kalmamak mı?
Belki de asıl sorun, yaşadığımız şehir değil; sürdürdüğümüz yaşama düzeni. Şehirleri karşılaştırmak buna cevap vermiyor; yalnızca taşınma fikrini giderek daha uygulanabilir hâle getiriyor. İnsan bazen ne istediğini değil, istediğini sandığı şeye ulaşmanın yolunu soruyor. Ancak hedef yanlış tarif edilmişse kusursuz bir plan, bizi doğru yere götürmeyebilir.
Önemli ayrıntı: Bu noktada açıklamaya çalışmanın kendisi değerli. Rozenblit ve Keil’in deneylerinde insanlar, gündelik mekanizmaların nasıl çalıştığını açıklamaya girişince başlangıçta sandıklarından daha az anladıklarını fark ediyordu. Çalışma, hayat tercihleri üzerine değildi. Bu yüzden bu sonuçtan taşınma kararları hakkında doğrudan bir hüküm çıkarmak doğru olmaz.
Ama bu bulgu, bir soruyu ayrıntılarıyla açıklamanın daha önce fark etmediğimiz boşlukları gösterebildiğini hatırlatıyor. “Taşınınca her şey düzelecek” cümlesini açmaya çalışmak da hangi beklentiyi hiç sınamadığımızı düşündürebiliyor.
“Başka şehirler öner” dediğimizde liste değişiyor. “Bu şehirlerde aradığımı bulacağımdan neden emin değilim?” diye düşündüğümüzde ise listeyi hazırlatan isteğe dönmüş oluyoruz. Belki işimizin saatlerini değiştirmek, belki bulunduğumuz yerde başka bir hayat kurmak, belki de gerçekten taşınmak istiyoruz. Bunlar, aynı hedefin üç ayrı yolu değil; birbirinden farklı ihtimaller.
Öte yandan: “Toplantıdaki üçüncü dinleyici: Yapay zeka için mi konuşmaya başlıyoruz?” başlıklı yazımda, toplantılarda yapay zekanın çıkaracağı özeti düşünerek konuşmaya başlamamızı ele almıştım. Şimdi aynı soruyu daha kişisel bir yerden sorabiliriz: Kendimizi yapay zekaya anlatırken anlattığımız hayatı da onun verebileceği cevaplara göre düzenlemeye başlıyor olabilir miyiz?
Üstelik bunu düşündüren bir araştırma da var. "Reactive Writers" çalışmasında, yapay zekayla yazan kullanıcıların, kendi fikirlerini geliştirmeyi tamamlamadan sistemin önerilerini değerlendirmeye geçtiği gözlemlendi. Bu kullanıcılar, metni değiştirebildikleri için kontrolün kendilerinde olduğunu hissediyorlardı.
Araştırma hayat kararlarını değil, birlikte yazma süreçlerini inceliyor ama yine de benzer bir ihtimali önümüze koyuyor: Henüz ne istediğimizi anlamadan sunulan seçenekleri düzeltmeye başlayabiliriz. Çünkü düzeltmek bize kontrol hissi verir. Neyi kontrol ettiğimizi görmek ise başka bir iş.
Taşınma planını hazırlayan biri, konuşmanın ortasında mahalleden ayrılmanın ne demek olduğunu fark edebilir: Her hafta görüştüğü insanlar, alıştığı gündelik destek, yakın kalması gereken kişiler... Belki yine taşınacaktır ama artık mesele, yalnızca hangi şehirde daha az para harcayacağı değildir. Para, iş imkanları ve bakım sorumlulukları da bu yeni tarifin içindedir. Güzel anlatılmış bir gelecek, bunları ortadan kaldırmaz.
Bu yüzden yapay zekayla iletişim kurarken edinebileceğimiz en yararlı alışkanlıklardan biri, ilk isteğimizi de düzeltmeye açık tutmak olabilir. Mesela modelin önerisine neden katılmadığımızı açıklamak, kendi ölçütümüzü bulmamızı sağlayabilir. Henüz bilmediğimiz yeri boş bırakabilmek de bazen yeni bir seçenek bulmaktan daha önemli olabilir.
İlk isteğimizin değişmesi, konuşmanın başarısız olduğu anlamına gelmez. Ama önümüzde ayrıntılı bir yol haritası durduğunda adımları izlemek kolaylaşır. Bu nedenle asıl soru belki de şudur: Yapay zeka istediğimiz hayatın planını kusursuz şekilde çıkardığında o hayatı gerçekten isteyip istemediğimizi kime soracağız?
- Editörün önerisi: Toplantıdaki üçüncü dinleyici: Yapay zeka için mi konuşmaya başlıyoruz? | Quando, Berk Bayri










