Yapay zekâ konuşulunca iş hemen büyüyor, sanki elimizdeki araç bir anda beynin yerine geçecekmiş gibi. Açık konuşayım, bu biraz tehlikeli bir heves. Geçen ay Kadıköy’de bir kahve dükkânında notlarımı düzenlerken bunu yine fark ettim; hızlı cevap almak başka şey, düşünmeyi devretmek bambaşka şey. İşin aslı şu ki AI’ı doğru yerde kullanınca bayağı iş görüyor, yanlış yerde kullanınca insanın elindeki kası tembelleştiriyor (şaşırtıcı ama gerçek)
Ben de editör masasında bu konuyu ilk kez tartıştığımda, “AI ne yapar?” sorusundan çok “Biz neyi bırakmamalıyız?” sorusuna takıldım. Çünkü mesele sadece kod yazdırmak değil. Mesele, kodu anlayan biri olarak kalmak. Hani arabanın direksiyonuna oturup da “beni götür” demek var ya… İşte burada öyle bir rahatlık yok.
Önce Hesap Makinesi Gibi Düşün: Hız Var, Temel Var
AI’ı en sağlıklı düşündüğüm yerlerden biri hesap makinesi benzetmesi. İlkokulda dört işlemi elle çözmeden kimse size hesap makinesi uzatmıyor zaten. Önce toplama çıkarma kafaya kazınıyor, sonra hız için araç geliyor. Aynı mantık yapay zekâda da çalışıyor: temel bilginiz yoksa araç sizi uçurmuyor, tam tersine bazen yanlış yere sürüklüyor.
Bunu 2023 sonbaharında İzmir’de küçük bir SaaS projesinde birebir yaşadım. Takımdaki genç arkadaşlardan biri AI ile üretilmiş SQL sorgusunu kopyalayıp yapıştırmıştı; sorgu çalışıyordu, evet — ama veri modeliyle çelişiyordu, tamamen. Ekranda her şey pırıl pırıldı. Pratikte ise raporlar saçmaladı. Yani araç işi hızlandırdı, tamam, ama anlamadan kullandığınızda hatayı da hızlandırıyor. Hem de güzelce.
Durun, bir saniye.
Hesap makinesi örneğinin güzel tarafı şu: kimse sizden her işlemi sonsuza kadar elle yapmanızı beklemiyor. Ama hangi sayıyı nereye koyduğunuzu bir düşüneyim… bilmeniz gerekiyor — bu müzakere edilemez. Yapay zekâ da tam burada devreye giriyor; siz problemi kuruyorsunuz, o bazı adımları hızlandırıyor ya da seçenekleri çoğaltıyor (ciddiyim)
Temel olmadan hız gelmiyor
Bir geliştirici olarak ben şuna inanıyorum: syntax ezberi tek başına yetmiyor ama bayağı değersiz de değil. Önce değişken nedir, fonksiyon ne işe yarar, hata mesajı nasıl okunur — bunları az çok sindirdikten sonra AI size gerçek avantaj sağlıyor. Yoksa modelin önerdiği şeyi anlamadan kabul edince elinizde yalnızca parlak bir kısayol kalıyor. Parlak ama boş.
Bakın, burayı atlarsanız yazının kalanı anlamsız kalır. Strategy’nin Bitcoin Hamlesi: Dividendi Kurtaran İnce Hesap yazımızda bu konuya da değinmiştik.
İlginç olan şu ki, Neyse uzatmayayım; küçük ekiplerde bu durum daha da belirgin oluyor çünkü orada “bir kişi bilir” lüksü pek yok. Herkes biraz anlasın ki modelin verdiği cevabı süzebilsin. Yoksa iki saatlik işi beş dakikada çözerken üç günlük teknik borç çıkarmak işten bile değil.
| Kullanım şekli | Ne kazandırır? | Nerede tökezler? |
|---|---|---|
| Tema/algoritma bilmeden AI kullanmak | Hızlı çıktı | Hataları fark etmek zorlaşır |
| Temeli öğrenip AI’dan yardım almak | Daha güvenli ve verimli çalışma | İlk başta biraz yavaş hissettirebilir |
| Sadece AI’a yaslanmak | Kısa vadede rahatlık | Zamanla beceri körelir |
Sahada Daha İyi Bir Benzetme Var: Ameliyathane Ekibi
Hesap makinesi güzel örnek ama tek başına yetmiyor bence. Bir de ameliyathane metaforu var. Roller çok daha net görünüyor orada. Cerrah operasyonun başında duruyor; hemşire takip ediyor; anestezi uzmanı hastanın güvenliğini kolluyor. Kimse hemşireye dönüp “Sen artık cerrahsın, pek çok operasyonu sen yönet” demiyor — olsa olsa film sahnesi olurdu, gerçekten.
Bu benzetme bana hep takım çalışmasını hatırlatıyor çünkü yazılım projeleri de aslında böyle ilerliyor; tek kişilik gösteri değil bu iş, hiç olmadı. Geçen yıl Ankara’da kurumsal bir projede test ederken şunu gördüm: AI’ın dayanıklı olduğu yer destek rolüydü. Dokümantasyon özeti çıkardı, alternatif yaklaşım sundu, edge case listesini kabarttı. Ama karar vermesi gereken hâlâ insandı. Hep öyle oldu. Butterfly CSS: 2026’da Dikkat Çeken Hafif Bir Seçenek yazımızda bu konuya da değinmiştik.
Cerrah sensin, AI ekipten biri sadece
Açık konuşayım. Burada en kritik nokta şu: komut veren kişi sizsiniz. Model sizin yerinize niyet kuramaz; risk analizi yapamaz; ürün hedefini bilemez — en azından gerçekten iyi bilemez, bunu deneyimleyerek öğrendim. O yüzden prompt yazarken kendinizi yönetmen değil de operasyon şefi gibi düşünmek daha doğru geliyor bana.
AI’yı patron yapmak kolaydır… ama bedeli ağır olabilir.
Asıl kazanç onu yardımcı rolünde tutup kendi muhakemenizi kaybetmemektir.
Şöyle ki, E tabi bu yaklaşımın zayıf yani da var. Bazen insan kendini yavaş hissediyor, “her şeyi model çözsün” diye bekleyemiyorsunuz çünkü. Ama beklemek. Sağlıklı değil ki! Bir cerrah nasıl ekibe güvenip yine de kontrolü bırakmıyorsa siz de aynı çizgide olmalısınız. Başka türlüsü riskli.
Peki Pratikte Nasıl Kullanılır?
Bana göre sağlıklı kullanım için küçük bir çerçeve lazım. Mümkün olduğunca sade tutmak iyi oluyor: Bu konuyla ilgili PDF Dünyasında Bir Nefes: Ücretsiz ve Limitsiz Araçlar yazımıza da göz atmanızı tavsiye ederim.
- Taslak üret: Fikir toplamak için modeli kullan.
- Sorgula: Verdiği cevabın nerede zayıf olduğunu kontrol et.
- Düzelt: Nihai kararı sen ver.
- Kalıplaştır: Tekrarlayan işleri otomasyona bağla ama denetimi bırakma.
Bunu özellikle yeni başlayanlara anlatırken şöyle diyorum: önce problemi kağıtta çözmeye çalışın, sonra AI’a gidin. İkinci göz isteyin ondan. Eğer ilk çözümü hiç kurmadan direkt modele atlarsanız öğrenme kısmını kaçırırsınız; işte o zaman akıl kiralamış olursunuz. Kendi aklınızı değil, kiralık bir aklı kullanmış olursunuz. Fark büyük.
Küçük startup ile enterprise arasında fark büyük
Küçük bir startup’ta AI çoğu zaman hayatta kalma aracı gibi çalışıyor; hızlı prototip çıkarma, içerik taslağı oluşturma. Test fikri bulmada bayağı işe yarıyor. Kurumsal tarafta ise durum farklı. Uyumluluk, kayıt tutma ve güvenlik baskısı hemen öne çıkıyor — biraz can sıkıcı ama gerekli, kaçış yok. ABD’de Veri Merkezi Freni: Eyaletler Neyi Tartışıyor? yazımızda bu konuya da değinmiştik. Bu konuyla ilgili Railway, E-Ticaret İçin Güvenilir mi? 2026’da Net Cevap yazımıza da göz atmanızı tavsiye ederim.
Büyük ekiplerde ben genelde şu tabloyu daha doğru buluyorum:
// Basit karar akışı
if (problem_belirsiz) {
önce_insan_düşünsün();
sonra_AI_öneri_getirsin();
} else if (iş_tekrarlı && risk_düşük) {
AI_kullansın();
insan_kontrol_etsin();
} else {
insan_karar_versin();
}Kod bloğu kaba görünebilir ama mantık net: belirsizlik arttıkça insan payı artmalı. Risk düşükse otomasyon genişleyebilir. Bazen insanlar bunu ters anlıyor ve her şeyi modele atınca daha modern olduklarını sanıyorlar.
Nope.
Neden Bazıları Hayal Kırıklığı Yaşıyor?
Beklenti fazla yükselince hayal kırıklığı kaçınılmaz mı? Evet. Vallahi oluyor. İnsanlar modeli sihirbaz sanınca çıkan sonuç doğal olarak eksik geliyor — çünkü problem tanımı zaten yamuk kurulmuş oluyor baştan. Yamuk girdi, yamuk çıktı. Basit.
Beni en çok şaşırtan şeylerden biri şu oldu: geçen mart ayında Beşiktaş’ta yaptığım kısa bir atölyede katılımcılar prompt’un iyi olmasını yeterli sanıyordu, ama asıl sorun veri kalitesindeydi. Model düzgün malzeme almıyorsa harika yemek çıkarması zor; burası biraz can sıkıcı fakat gerçek bu, değiştiremiyor kimse.
Sadece hız değil, kalite de önemli
Yani, Bazen model size on tane seçenek verir ama içlerinden sekizi gereksizdir. Güzel özellik mi? Kesinlikle. Ama ham haliyle yeterli mi? Pek sayılmaz (en azından benim deneyimim böyle). Filtreleme yapılmazsa bilgi çöplüğüne dönüşebiliyor — hızla, fark etmeden.
problem netliği + insan gözü + model hızı.
Üçünden biri eksikse sistem topallamaya başlıyor.
Kendi Deneyimimden Kalan Üç Ders
- Meseleyi anlamadan hiçbir aracı kutsama.
- Aynı çıktıyı iki farklı şekilde doğrula.
- Acil işi hızlandırırken uzun vadeli beceriyi satma.
Lafı gevelemeden söyleyeyim; ben bu dersi ilk kez 2024 Nisan’da İstanbul’daki ofiste aldım. Küçük bir refaktör sırasında model bana düzgün görünen ama isimlendirme açısından berbat öneriler verdi. Sonra kendi tecrübeme dönüp baktım. Dedim ki “Tamam, hızlıdır ama karar mercii hâlâ benim.” İşte o an taş yerine oturdu…
Sıkça Sorulan Sorular
Yapay zekâyı kullanırken neden temel bilgi şart?
Tamamıyla şart diyemem ama güçlü biçimde gerekiyor. Temel bilgisi olan kişi model çıktısını daha iyi değerlendirir, hatayı erken yakalar ve yanlış yönlendirmeyi ayıkları.
AIsız mı ilerlemek daha iyi?
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.
