Geçen hafta, 2026’nın mart ayının son günlerinde, İstanbul’da bir ürün toplantısından çıkıp kahvemi almıştım; tam o sırada önüme Bengalce konuşan adaylar için hazırlanmış bir yapay zekâ mülakat koçu düştü. İlk tepkim? “Hmm, güzel fikir ama pratikte ne kadar iş görür?” oldu açıkçası. Çünkü mülakat zaten başlı başına bir gerginlik kaynağı — üstüne bir de dil bariyeri bindirince iş iyice karışıyor, bunu biliyoruz.
İşin aslı şu: Bu tip araçlar sadece “AI var” diye ilgi çekmiyor. Asıl mesele insanların bildiklerini doğru anlatabilmesi. Teknik bilgi ayrı, kendini ifade etmek ayrı… ve bazen ikinci taraf birincisini gölgede bırakıyor, hem de nasıl. Khondoker’in yaptığı şey de tam burada devreye giriyor — İngilizce yüzünden gerilen insanlara kendi dillerinde prova alanı açmak.
Kısa bir not düşeyim buraya.
Neden böyle bir araca ihtiyaç var?
Mülakatın stresli kısmını herkes bilir. Ama bazı adaylar için durum iki kat zorlaşıyor: Soruyu anlama baskısı ve cevabı düzgün kurma baskısı aynı anda geliyor — itiraf edeyim, beklentimin üstündeydi —. Ben 2024’te Bengaluru’dan çalışan bir arkadaşımın anlattığını hâlâ hatırlıyorum; adam teknik olarak fena değil, hatta bayağı sağlam biri,. İngilizcesi akıcı olmadığı için birkaç görüşmede olduğundan zayıf görünmüş. Sonra saatlerce pratik yaptı — örnek cevapları ezberledi değil, gerçekten konuştu, kendi kendine tartıştı, tekrarladı — ve fark bariz oldu. Ciddi fark.
Araya gireyim: Bengalce odaklı bu koçun güzel tarafı da tam burada başlıyor. İnsan önce kendi ana dilinde rahatlıyor. Sonra düşüncelerini toparlıyor. Oradan güven kazanıyor. Bu küçük gibi görünen adım aslında devasa bir mesele; çünkü özgüven yoksa en parlak CV bile masada biraz sönük kalabiliyor — ne yazık ki.
Bir dakika — bununla bitmedi.
Dürüst olmak gerekirse, Ha bu arada, benzer bir durumu geçen yıl Mart 2025’te Ankara’da düzenlenen bir kariyer etkinliğinde canlı canlı gördüm. Sahnede oldukça iyi kod yazan ama soru-cevap kısmında kilitlenen gençler vardı. Yani sorun bilgi eksikliği değildi; çoğu zaman performans dili meselesi bu.
Araç nasıl çalışıyor?
Bi saniye — Kısa özetle sistem sesle çalışıyor. Aday Bengalce konuşuyor, araç dinliyor, ardından yine Bengalce geri bildirim veriyor. İşte kritik nokta bu — geri bildirim de kullanıcının rahat ettiği dilde gelince öğrenme hızı artıyor, bunu küçümsememek lazım. Klasik İngilizce mock interview araçlarında yaşanan “soruyu anladım ama cevabı çevirmeye uğraşırken dağıldım” derdi burada ciddi biçimde azalıyor; en azından teoride böyle.
Vallahi, Bir diğer hoş detay ise puanlama kısmı. Anlık skor vermek kulağa basit geliyor. Pratikte çok işe yarıyor; çünkü insanlar soyut yorumdan çok net sinyal istiyor. Mesela “cevabın iyiydi” demek başka şeydir — “daha kısa cevap verip deneyim örneği eklemen gerekiyor” demek ise bambaşka. Fark var.
Bu noktada sistemi küçük notlarla düşünmek lazım:
| Özellik | Kullanıcıya etkisi | Bence durumu |
|---|---|---|
| Bengalce ses girişi | Daha doğal cevap verme | Bayağı gerekli |
| Bengalce sesli geri bildirim | Anında yönlendirme | İyi fikir, iş görüyor |
| Puanlama ve ipuçları | Zayıf noktayı yakalama | Asıl değer burada |
| İşe özel sorular | Daha gerçekçi prova | Mülakat simülasyonu hissi veriyor |
E tabi her şey güllük gülistanlık değil. Ses tanıma tarafı aksarsa bütün deneyim tökezler; özellikle gürültülü ortamda veya farklı aksanlarda sonuçlar beklediğin kadar temiz olmayabilir. Bu konuda yüzde yüz emin değilim ama sanırım birçok ses tabanlı AI üründe aynı problem var — demo pırıl pırıl görünüyor, gerçek kullanımda ise ufak pürüzler çıkıyor. Hep böyle. Daha fazla bilgi için PDF Dünyasında Bir Nefes: Ücretsiz ve Limitsiz Araçlar yazımıza bakabilirsiniz.
Kime hitap ediyor?
Lafı gevelemeden söyleyeyim. Bu araç en çok öğrencilere, yeni mezunlara ve freelance çalışanlara yarar sağlıyor gibi duruyor; çünkü bu gruplarda genelde teknik yeterlilik var ama kendini sunma pratiği eksik kalabiliyor, hem de ciddi eksik. Hele bir de yerel dille hazırlanan eğitim ürünleri tam burada fark yaratıyor.
Küçük bir startup düşünün… HR ekibi sınırlıysa ya da her adayla birebir uzun uzun ilgilenemiyorsa böyle bir çözüm ciddi rahatlatıcı olabilir. Aday kendi başına tekrar tekrar prova — en azından ben öyle düşünüyorum — yapar, ekip de daha hazır gelen kişilerle görüşür. Kurumsal tarafta ise kullanım şekli biraz değişir; orada bu tarz ürünler onboarding’e ya da yetenek geliştirme programına bağlanabilir. Bu konuyla ilgili Alibaba Qwen’i Nasıl Büyüttü, Parayı Nereden Arıyor? yazımıza da göz atmanızı tavsiye ederim. Daha fazla bilgi için Butterfly CSS: 2026’da Dikkat Çeken Hafif Bir Seçenek yazımıza bakabilirsiniz.
Küçük ekiplerde neden cazip?
Küçük ekiplerin en büyük derdi zaman ve standart eksikliği oluyor. Bir gün iyi yapan diğeri başka kriter bakabiliyor… Dağınık yapı yani! Yapay zekâ destekli koç burada ortak bir başlangıç çizgisi verebilir.
Kurumsalda nasıl konumlanır?
Bakın, dürüst olmak gerekirse, Enterprise seviyede mesele sadece pratik yaptırmak olmaz. Veri gizliliği, kullanıcı takibi. Ölçümleme daha önemli hale gelir — hangi rolde kim kaç deneme yaptı, nerede tıkandı, bunlar raporlanabiliyorsa sistemin değeri katlanır. Katlanır mı? Bence evet. Bu konuyla ilgili Bellekli Yapay Zekâ: Aynı Soruna İki Kez Düşmeyen Ajan yazımıza da göz atmanızı tavsiye ederim. Bu konuyla ilgili Sesle Konuşan Ajanlar Neden Hâlâ Oyuncak Gibi Kalıyor? yazımıza da göz atmanızı tavsiye ederim.
Bireysel kullanıcı için anlamı ne?
Araya gireyim: Bence asıl kıymet kişisel güven hissinde yatıyor. Mülakata girmeden önce üç beş kez deneme yapmak bile tonu değiştiriyor — ses tonu oturuyor, cümle uzatmaları kısalıyor. Kişi “ben bunu yapabiliyorum” duygusuna yaklaşıyor. Bu kadar basit, bu kadar etkili (en azından benim deneyimim böyle)
Dil engeli bazen bilgiden daha sert vuruyor. İyi tasarlanmış yerel dilli AI araçları tam da bu yüzden önemli; çünkü insanın bilgisini göstermesine alan açıyor.
Neresi güçlü, neresi ham?
Bana kalırsa projenin güçlü yani sadece fikrin kendisi değil; odağın doğru yerde olması. Yani “herkes için genel AI coach” yerine doğrudan Bengalce konuşan kullanıcıya dönmek cesur bir karar olmuş. Bu odak sayesinde ürün daha az dağılıyor, daha anlamlı hale geliyor. Şaşırdım açıkçası — bu tür niche kararlar çoğu zaman sonradan verilir, baştan değil (kendi tecrübem)
Peki zayıf taraf? Demo aşamasındaki pek çok AI ürünü gerçek hayatta ince ayar ister — bu bir gerçek. Ses tanıma doğruluğu yeterince yüksek mi? Geri bildirim fazla genel mi kalıyor? Sorulara verilen skorlar tutarlı mı? Bunlar netleşmeden ürünün cilası biraz erken parlar gibi oluyor. Yani potansiyel var, ama henüz ham.
- Dil odaklı olması büyük avantaj;
- Sesle giriş-çıkış kullanıcıyı yormuyor;
- Anlık puanlama motive edici; (bu kritik)
- Ama veri kalitesi düşerse tüm deneyim çabuk bozuluyor;
- Sektör veya rol bazlı soru setleri olmazsa tool biraz tekdüze kalabilir.
Açık konuşayım, Editör masasında bu haberi ilk okuduğumda aklıma hemen iki eski test geldi. Birincisi Kasım 2023’te denediğim sesi yazıya çeviren uygulamalardı — çok umutlu başlayıp ortasında kabusa dönen türden işlerdi. İkincisi ise geçen yaz Berlin’de karşılaştığım çok dilli eğitim platformu… Orada lokalizasyon doğru yapılınca dönüşümün gözle görülür şekilde arttığını bizzat görmüştüm. Yani lokalizasyon şaka değil.
Mülakat pratiğini değiştiren küçük detaylar
Meseleyi büyütmeyelim ama küçük ayrıntılar hayat kurtarıyor. Gerçekten. Örneğin cevap süresi ölçümü varsa aday gereksiz dolanmamayı öğreniyor; aynı şekilde “STAR metodu” gibi yapılandırılmış yanıt modeli öneriliyorsa kişi cevabını daha düzenli kurmaya başlıyor, neredeyse farkında olmadan. Bunlar kağıt üstünde minik ayrıntılar gibi görünür… sahada ise bayağı fark eder!
{
"practice_flow": [
"Soruyu dinle",
"Bengalce cevap ver",
"AI geri bildirim alsın",
"Skoru incele",
"Aynı soruyu yeniden dene"
]
}Neyse uzatmayayım, benim gördüğüm tablo şu: Böyle ürünlerin başarısı tek seferlik wow etkisinden gelmiyor. Düzenli kullanım yaratıyorsa değerlidir. Kullanıcı her denemede azıcık ilerliyorsa sistem para eder — yoksa güzel demo olarak kalır. Açık konuşayım.
Piyasadaki boşluğu dolduruyor mu?
Evet, belli ölçüde dolduruyor. Çünkü global SaaS dünyasında yerel dil çoğu zaman sonradan düşünülüyor — önce İngilizce çıkarılıyor, sonra başka dillere çevriliyor; halbuki bazı pazarlarda tersine başlamanız gerekebilir. Bangladeş özelinde yapılan hamlenin kıymeti de bence burada yatıyor.
Pazar açısından niye önemli?
20+ yıl deneyimli Azure Solutions Architect. Microsoft sertifikalı bulut mimari ve DevOps danışmanı. Azure, yapay zekâ ve bulut teknolojileri üzerine Türkçe teknik içerikler üretiyor.
İlgili Yazılar
Bu içerik işinize yaradı mı?
Benzer içerikleri kaçırmamak için beni sosyal medyada takip edin.
