Anthropic - Akıcı ve Etkili Yapay Zekâ Kullanımı Eğitimi (Kısım 4)

Herkese iyi pazarlar diliyorum.

Bu haftaki yazımda Anthropic AI Fluency eğitiminin 4.kısmında, 4D Yetkinlik formülündeki Devretme (Delegation) ve Tanımlama (Description) bölümlerini kapsamlıca ele alıyoruz.

Anthropic - Akıcı ve Etkili Yapay Zekâ Kullanımı Eğitimi (Kısım 4)

Geçtiğimiz 3 hafta yazdığım Anthropic AI Fluency eğitiminin ilk üç kısmını üstteki linklerden okuyabilirsiniz. Yazıları henüz okumadıysanız önce onlara bakıp, sonrasında 4.kısımla devam etmeniz daha faydalı olacaktır.

Anthropic AI Fluency eğitimi serisinin sondan bir önceki bölümünde 4D Metodunun ilk 2 fazı olan Devretme (Delegation) ve Tanımlama (Description)'ya kapsamlıca bakacağız. Yine Tanımlama fazının parçalarından olan "Etkili Prompting Teknikleri" nde de Anthropic'in çok kıymetli tavsiyeleri var, onları paylaşacağım.

Derinlemesine Analiz: Devretme (Delegation)

Anthropic eğitiminin bu bölümünde 4D formülünün ilk yapı taşı olan "Devretme" (Delegation) yetkinliğine daha yakından bakıyoruz. Bu adım temel olarak yapay zekâ ile etkili ve verimli bir şekilde çalışmamızı sağlıyor. Özünde konu; yapılacak işleri parçalara ayırmak, hangi kısmı bizim yapacağımıza ve hangi kısmın yapay zekâya daha uygun olduğuna karar vermek. Ancak Anthropic burada çok önemli bir noktaya değiniyor:

İyi bir devretme sürecinin temel taşı aslında yapay zekâ ile değil, tamamen kendi uzmanlığımız ve hedeflerimizle ilgili.

---

Problem Farkındalığı (Problem Awareness)

Projeye yapay zekâyı dahil etmeden önce durup kendimizi ve işimizi değerlendirmemiz gerekiyor. Eğitimin tavsiyesine göre şu kritik adımları gözden geçirmeliyiz:

Tam olarak neyi başarmayı, yaratmayı veya çözmeyi hedeflediğimizi belirlemek.
Vizyonumuzun, temel proje hedeflerimizin ve bizim için "başarının" ne anlama geldiğini tanımlamak.
Basit ama zaman alan görevleri tespit etmek.
Bir düşünce ortağına ihtiyaç duyduğumuz belirsizlik alanlarını bulmak.
Kesinlikle insan muhakemesi ve eleştirel yargı gerektiren alanları net çizgilerle ayırmak.

Anthropic'e göre, bu hedefleri açıkça anlamadan en gelişmiş yapay zekâ bile bizi istediğimiz noktaya götüremez. İşte yapay zekâyı oyuna sokmadan önce hedefleri tanımlama ve yapılacak işi anlama becerisine Problem Farkındalığı adını veriyoruz. Unutmayalım ki en etkili yapay zekâ işbirlikçileri, önce kendi alanlarında birer uzman, sonra yapay zekâya iş devreden kişiler.

---

Platform Farkındalığı (Platform Awareness)

Problemimizi netleştirdikten sonra, yapay zekâ ekosistemi hakkında pratik bir bilgiye sahip olmamız gerekiyor. Bu aşamada odaklanmamız gereken temel stratejiler şunlar:

Tek bir "mükemmel" sistem aramak yerine, mevcut seçeneklerin benzersiz güçlü ve zayıf yönlerini anlamak.
Hangi modelin hız yerine derinliğe veya yaratıcılık yerine doğruluğa öncelik verdiğini bilmek.
Bu hızlı ekosistemi kavramak için farklı sistemleri olabildiğince sık, uygulamalı olarak denemek ve kendi kişisel iç görülerimizi geliştirmek.

Sistemlerin yetenekleri ve sınırları hakkındaki bu pratik bilgi birikimine ise Platform Farkındalığı diyoruz.

---

Görev Devri (Task Delegation)

Hem problemimizi hem de kullanabileceğimiz araçları anladığımızda, işin asıl sanat kısmı ortaya çıkıyor. Görevleri, insan ve yapay zekânın benzersiz güçlerinden en iyi şekilde yararlanacak biçimde stratejik olarak dağıtırken şu soruları rehber ediniyoruz:

İş akışımızın hangi kısımları tamamen "otomasyon" ile çözülmeli?
Nerede "düşünce ortaklığı" (augmentation) yaklaşımı daha fazla değer yaratır?
Hangi rutin etkileşimler bizim adımıza hareket eden yapay zekâ ajanlarına (agents) bırakılmalı?
Eleştirel muhakeme gerektiren ve kesinlikle devredilmemesi, tamamen insanda kalması gereken alanlar hangileri?

Anthropic, işi insan ve yapay zekâ arasında stratejik olarak bölme sürecine Görev Devri adını veriyor. Eğitimin bu kısmından şöyle güzel bir özet yapabiliriz: Etkili bir işbirliği, direksiyonu tamamen yapay zekâya bırakıp günü bitirmek değil; her iki tarafın da güçlü yönlerini birleştiren düşünceli seçimler yapmak.

--------------------------------------------------------------------------------------------

Derinlemesine Analiz: Tanımlama (Description)

Anthropic eğitiminde 4D formülünün ikinci adımı olan "Tanımlama" (Description) yetkinliğini incelerken çok net bir mesajla karşılaştım: Bu aşama sadece "zekice ve etkili promptlar yazmak" ile ilgili değil. Tanımlama, insan-yapay zekâ etkileşiminin tam kalbini oluşturuyor ve aslında niyetlerimiz ile yapay zekânın kapasitesi arasında sağlam bir köprü kurmayı ifade ediyor. Görevleri açıklamak, bağlam sağlamak, yanlış giden bir sohbeti doğru yöne çekmek ve yapay zekânın mantıksal düşünme sürecine rehberlik etmek tamamen bu yetkinliğe dayanıyor.

---

Anthropic, etkili bir tanımlama sürecini üç temel kavrama ayırıyor:

Ürün Tanımlaması (Product Description)

Bu kavram, yapay zekânın yaratmasını veya sunmasını istediğimiz şeyi açıkça belirlemeyi ifade ediyor. Eğitimin verdiği harika bir örneğe göre; birinden sadece "akşam yemeği yapmasını" istemek ile ona malzemeleri ve pişirme talimatlarını içeren detaylı bir tarif vermek arasındaki farkı düşünün. Yapay zekâ zihnimizi okuyamaz; bu yüzden ne düşündüğümüzü tahmin etmesini beklemek yerine beklentilerimizi açıkça ortaya koymalıyız.

İyi bir ürün tanımlaması için şu detayları netleştirmemiz gerekiyor:

Bu çalışmanın arka planı ve bağlamı ne?
Yapay zekânın tam olarak ne yapmasını bekliyorum?
Çıktı hangi formatta olmalı?
Hedef kitlem kim ve bu kitleye hangi üslup daha uygun?

---

Süreç Tanımlaması (Process Description)

Bazen yapay zekânın bir işi nasıl ele alacağını belirtmek, nihai hedefi belirtmek kadar, hatta ondan daha da önemli olabiliyor. Tıpkı bir çalışma arkadaşımızdan bir problemi belirli bir yöntemle çözmesini isteyebileceğimiz gibi, yapay zekânın da çalışma şekline rehberlik etmemiz gerekiyor.

Yapay zekâ zaten geniş bir eğitime sahip olsa da, ona kendi benzersiz durumumuza özel ek bağlamlar sunarak şu yönlendirmeleri yapabiliriz:

Bir kullanım kılavuzu veya yemek tarifi gibi adım adım talimatlar vermek.
"İşte ben böyle yapardım" diyerek kendi örneklerimiz üzerinden bir şablon sunmak.
Sistemin kullanmasını istediğimiz spesifik verileri, ele almasını istediğimiz özel sorunları veya kullanmasını beklediğimiz özel analiz tekniklerini belirtmek.

---

Performans Tanımlaması (Performance Description)

Eğitimde altı çizilen en kritik noktalardan biri şu: Yapay zekâ araçları birer veritabanı veya otomat makinesi değil; tıpkı insanlar gibi farklı bağlamlarda farklı davranabilen interaktif sistemler. En iyi sonuçları almak için yapay zekânın nasıl davranmasını istediğimizi de tanımlamamız gerekiyor.

Yapay zekâ ile masaya oturduğumuzda, o an nasıl bir "düşünce ortağına" ihtiyacımız olduğuna karar verip şu soruları sormalıyız:

Spesifik bir cevaba mı odaklanıyoruz, yoksa çoklu olasılıkları mı keşfetmeye çalışıyoruz?
Yapay zekânın varsayımlarımıza meydan okumasını mı, yoksa sadece bizim yönlendirmelerimizi takip etmesini mi istiyoruz?
Kapsamlı ve detaylı bir açıklama mı, yoksa kısa ve öz bir yanıt mı bekliyoruz?
Sistemin verdiği cevaba nasıl ulaştığını açıklamasını mı, yoksa doğrudan sadece cevabı vermesini mi tercih ediyoruz?

Özetle; ürün, süreç ve performans tanımlamalarını ustaca bir araya getirdiğimizde, yapay zekâyı sıradan bir asistandan, ihtiyaçlarımızı tam olarak karşılayan son derece uyumlu bir düşünce ortağına dönüştürmüş oluyoruz.

--------------------------------------------------------------------------------------------

Etkili Prompting (Komut Yazma) Sanatı

4D formülünün ilk iki adımı olan Devretme (Delegation) ve Tanımlama (Description) yetkinliklerinin derinliklerine indik. Eğiti tam bu noktada kısa bir mola veriyor ve odak noktasını "Etkili Prompting" konusuna çeviriyor.

Neden mi? Çünkü Anthropic'in belirttiği gibi, iyi bir prompt yazmak aslında az önce işlediğimiz "Tanımlama" yetkinliğini pratiğe dökmenin ta kendisi. Bu süreçteki iletişim kalitemiz, alacağımız tüm sonuçları ve 4D'nin tamamını doğrudan etkiliyor. Bu 6 temel tekniği ustalıkla kullanmayı öğrendikten sonra, önümüzdeki haftaki yazıda 4D'nin son iki parçası olan Ayırt Etme ve Özen adımlarına geçeceğiz.

Anthropic, yapay zekâ ile iletişimimizi mükemmelleştirecek şu 6 temel tekniği öneriyor:

1. Bağlam Sağlamak (Give Context):

Ne istediğinizi, neden istediğinizi ve kim olduğunuzu netleştirmek.

Günlük insan iletişiminde doğal olarak kurduğumuz bağlamı, yapay zekâ ile konuşurken genellikle atlıyoruz. Sadece "Bana iklim değişikliğini anlat" demek, asistanı sizin bilgi seviyeniz, asıl amacınız ve ilgi alanınız konusunda tamamen karanlıkta bırakıyor.

Bunun yerine komutu girerken kim olduğunuzu (örneğin ekoloji alanında uzmanlığı olmayan bir iş adayı) ve bu bilgiyi ne için kullanacağınızı (bir iş mülakatı) belirtmek süreci tamamen değiştiriyor. Bu arka plan bilgisi, yapay zekânın ürettiği yanıtı tam da sizin o anki spesifik durumunuza ve beklentinize göre uyarlamasını sağlıyor.

---

2. Başarılı Örnekler Sunmak (Show Examples):

Teknik dilde "Few-shot prompting" olarak da bilinen, yapay zekâya taklit etmesi için şablonlar vermek.

Bazen zihnimizdeki beklentiyi kelimelerle tarif etmek, doğrudan örnek vermekten çok daha zor olabiliyor. Özellikle sistemden çok spesifik bir üslup veya yapı bekliyorsanız, ona "İşte tam olarak aradığım tarz bu" diyebileceğiniz net referans noktaları sunmalısınız.

Örneğin, karmaşık bir teknik metni sadeleştirmesini istiyorsanız, ona önce kendi hazırladığınız "Orijinal Metin - Sadeleştirilmiş Metin" eşleşmelerinden birkaç örnek verebilirsiniz. Anthropic'e göre bu örneklerin farklı senaryoları kapsayacak kadar çeşitli olması, modelin aradığınız örüntüyü çok daha iyi kavramasını ve uygulamasını sağlıyor.

---

3. Çıktı Kısıtlamalarını Belirlemek (Specify Output Constraints):

Yanıtın formatı, uzunluğu veya kullanılacak renkler gibi konularda kesin sınırlar çizmek.

Yapay zekâdan bir iş isterken, sonucun nasıl görünmesi gerektiği konusunda hiçbir varsayıma yer bırakmamak gerekiyor. İstediğiniz kodun hangi programlama dilinde yazılacağı, oluşturulacak web sitesindeki butonların hangi renk paletinde olacağı veya metnin uzunluğu gibi tüm detaylar bu kapsama giriyor.

Bir web sitesi portfolyosu isterken sadece "bana site oluştur" demek yerine; menünün yapısını, mobil cihazlarda nasıl görüneceğini ve kullanılacak spesifik renkleri net bir şekilde dikte etmek, gereksiz revizyonlarla vakit kaybetmenizi önlüyor ve tam ihtiyacınız olan ürünü almanızı garantiliyor.

---

4. Karmaşık Görevleri Adımlara Bölmek (Break Tasks Into Steps):

Yapay zekânın düşünce sürecine rehberlik etmek için görevleri sıralamak.

Bir arkadaşınızdan sizin için bir iş yapmasını istediğinizde, ona süreci adım adım anlatmazsanız işi sizin planladığınız yoldan yapmama ihtimali çok yüksektir. Aynı durum Claude gibi sistemler için de geçerli. Karmaşık bir görevi alt parçalara ayırmak, sistemin sizin düşünce yapınızı takip etmesini sağlıyor.

Örneğin bir satış verisini analiz etmesini isterken; önce kayıtları taramasını, sonra önceki çeyrekle güncel verileri karşılaştırmasını, ardından olağandışı trendleri vurgulamasını ve en son bu trendlerin olası nedenlerini önermesini sırayla belirtmek, çok daha mantıklı ve tutarlı sonuçlar doğuruyor.

---

5. Sistemden Önce Düşünmesini İstemek (Ask to Think First):

Harekete geçmeden önce yapay zekâya problemi kendi içinde değerlendirmesi için alan tanımak.

Eğitimin en pratik ve etkili ipuçlarından biri, modele görevi yerine getirmeden "önce" kendi içinde düşünme payı bırakmak. İsteğinizin sonuna, "Bana nihai çözümü önermeden önce bu problemi dikkatlice düşün, farklı yaklaşımları ve olası kısıtlamaları değerlend" gibi bir not düşmek çıktı kalitesini inanılmaz artırıyor.

Bunu tıpkı bizim zor bir soruya anında cevap vermek yerine bir süre duraksayıp mantık yürütmemiz gibi değerlendirebilirsiniz. Unutmayın ki; işi yaptıktan sonra sistemi "bunu neden böyle yaptın" diye açıklamaya zorlamak, işi yapmadan önce düşünmesini istemekle aynı faydayı kesinlikle sağlamıyor.

---

6. Rol, Üslup ve Ton Tanımlamak (Define Role, Style, Tone):

Yapay zekânın hangi uzmanlık seviyesinde ve kimin perspektifinden konuşacağını belirlemek.

Sistemin sizinle nasıl bir karakterle iletişim kuracağını belirlemek, göreve yaklaşımını tamamen değiştiriyor. Ona UX (Kullanıcı Deneyimi) tasarım uzmanı gibi genel bir rol verebileceğiniz gibi, Richard Feynman gibi spesifik ve ünlü bir figürün personasına bürünmesini de isteyebilirsiniz.

"Bana gökkuşağının nasıl oluştuğunu anlat" demek yerine, "Bunu, bilime meraklı 10 yaşındaki parlak bir çocuğa konuşan deneyimli bir fen bilgisi öğretmeni perspektifinden anlat" dediğinizde, hem kurulan iletişimin kalitesi hem de nihai sonucun değeri bambaşka bir seviyeye ulaşıyor.

---

Bonus: Anthropic'in Tabiriyle "Gizli Silah":

Ne isteyeceğinizi bilemediğinizde, doğrudan yapay zekâdan yardım istemek.

Eğitimin bu bölümünde Anthropic'in "gizli silah" olarak adlandırdığı, belki de en güçlü ama en az kullanılan tekniğe geliyoruz: Eğer ne isteyeceğinizi veya komutunuzu nasıl iyileştireceğinizi tam olarak bilemiyorsanız, bunu doğrudan Claude'a sorun!

Durumunuzu açıklayıp, "Senden şu hedef konusunda bana yardım etmeni istiyorum ama en iyi sonucu almak için soruyu nasıl soracağımı tam bilemiyorum. Benim için etkili bir prompt yazar mısın?" demek, süreci inanılmaz derecede kolaylaştırıyor. Kısacası, iyi bir prompt yazmakta zorlanıyorsanız, bırakın o promptu da yapay zekâ sizin için yazsın.

---

6 Prompt Tekniğinin Tek Bir Örnekte Kullanımı:

Tüm bu teknikleri ayrı ayrı kullanabileceğimiz gibi, aynı prompt içinde birleştirerek harikalar yaratabiliriz. İşte tüm öğrendiklerimizi özetleyen o örnek komut:

Sen ödüllü ve deneyimli bir dijital pazarlama uzmanısın (Rol/Ton Tanımlama).
Ben ise organik tarım ürünleri satan yeni bir e-ticaret girişimcisiyim ve kısıtlı bir reklam bütçem var. Bana sosyal medya için bir aylık strateji oluşturmanı istiyorum (Bağlam Sağlama).
Bunu yaparken süreci üçe böl: Önce pazar dinamiklerini analiz et, sonra içerik türlerini belirle ve son olarak haftalık takvimi çıkar (Adımlara Bölmek).
Ancak bana takvimi sunmadan önce, bu kısıtlı bütçeyle en yüksek dönüşümü nasıl alabileceğimiz üzerine detaylıca bir düşün ve farklı yaklaşımları değerlendir (Önce Düşünmesini İstemek).
Çıkaracağın takvimi kesinlikle bir tablo formatında, her güne maksimum 2 cümlelik kısa açıklamalar içerecek şekilde hazırla (Çıktı Kısıtlaması).
İstediğim iletişim tarzını tam anlaman için, sana daha önce çok etkileşim alan iki adet Instagram gönderi metnimi aşağıya ekliyorum; tabloyu hazırlarken tam olarak bu sıcak ve samimi üslubu taklit et (Örnek Sunmak)."

Önümüzdeki hafta paylaşacağım 5. ve son kısımda, 4D yetkinlik modelinin son iki başlığına ((Ayırt Etme (Discernment) ve Özen Gösterme ve Sorumlu Olma (Diligence)) çok daha kapsamlı bir şekilde göz atacağız. Eğitimin kendisini izlemek isterseniz de mutlaka tavsiye ederim.

Umarım yazıyı beğenmişsinizdir. Haftaya görüşmek üzere.

İyi pazarlar dilerim.