Prompt mühendisliği üzerine yıllardır yazıyorum ve deneyler yapıyorum. “Lütfen”, “rica etsem”, “çok teşekkür ederim” gibi ifadelerin yapay zeka yanıtlarını iyileştirdiğine dair bir sektör efsanesi vardı. Hatta bazı kullanıcılar “AI’ya kötü davranırsak gelecekte bizi cezalandırır” gibi absürt teoriler bile üretmişti.
Pennsylvania State Üniversitesi’nden Om Dobariya ve Akhil Kumar’ın Ekim 2025’te yayınladığı araştırma, bu konuda ilginç veriler sunuyor. Ve sonuçlar, beklentilerin tam tersini gösteriyor.
Araştırma Ne Diyor?
Araştırmacılar 50 temel soruyu 5 farklı ton varyantına dönüştürmüş:
| Ton |
Örnek Yaklaşım |
Doğruluk Oranı |
| Çok Kibar |
“Lütfen yardım eder misiniz, çok minnettarım…” |
%80.8 |
| Kibar |
“Rica etsem…” |
%82.0 |
| Nötr |
Düz soru |
%83.6 |
| Kaba |
“Bana şunu söyle…” |
%84.0 |
| Çok Kaba |
“Hemen cevapla…” |
%84.8 |
250 benzersiz prompt ile ChatGPT-4o üzerinde test yapmışlar. Sonuç? Kaba promptlar daha yüksek doğruluk oranı vermiş.
Benim Yorumum: Kibarlık Gürültü Yaratıyor
Bu sonuç beni şaşırtmadı. Neden mi?
1. Sinyal-Gürültü Oranı
“Lütfen çok rica ederim, zahmet olmazsa, vaktinizi almak istemem ama acaba şu konuda yardımcı olabilir misiniz?” dediğinizde, asıl sorunuz bir sürü “sosyal gürültü” içinde kayboluyor. LLM’ler token bazlı çalışıyor. Her gereksiz kelime, modelin dikkatini dağıtan bir sinyal.
Oysa “X’in Y’ye etkisini açıkla” dediğinizde, model tam olarak ne istediğinizi anlıyor.
2. Context Window Ekonomisi
Context engineering hakkında yazdığım yazıda da vurgulamıştım: Her token değerli. Kibarlık ifadeleri, context window’unuzu gereksiz yere dolduruyor. Özellikle karmaşık görevlerde, bu alan israfı ciddi performans kaybına neden olabiliyor.
3. Talimat Netliği
LLM’ler insan değil. Sosyal kodları anlamıyorlar, sadece istatistiksel kalıpları takip ediyorlar. “Lütfen” demek, modele ek bir bilgi vermiyor. Ama “adım adım açıkla” demek, çıktı formatını doğrudan etkiliyor.
Peki Kibarlık Hiç İşe Yaramıyor mu?
Hayır, bu kadar basit değil. Araştırmanın sınırlarını da görmek lazım:
- Tek model: Sadece ChatGPT-4o test edilmiş. Claude, Gemini, Llama’da sonuçlar farklı olabilir.
- 50 soru: Oldukça küçük bir örneklem. Daha geniş veri setlerinde tablo değişebilir.
- Görev tipi: Basit sorularda ton etkisi düşük olabilir, karmaşık reasoning görevlerinde farklılık artabilir.
Ayrıca bazı senaryolarda “yumuşak dil” işe yarayabilir:
- Yaratıcı yazım görevleri: “Şiirsel bir dille yaz” gibi talimatlar, çıktı tonunu etkiler.
- Rol atama: “Sen nazik bir müşteri temsilcisisin” demek, modelin yanıt stilini şekillendirir.
- Etik sınırlar: Agresif dil, bazı modellerde güvenlik filtrelerini tetikleyebilir.
Pratik Çıkarımlar
Bu araştırmadan çıkaracağım dersler:
1. Doğrudan Olun
“Lütfen mümkünse” yerine “Yap” deyin. Zaman kazanırsınız, daha net sonuç alırsınız.
2. Gürültüyü Azaltın
Her kelime, modelin işlemesi gereken bir token. Gereksiz kibarlık ifadeleri, prompt’unuzu kirletiyor.
3. Netlik > Nezaket
AI ile “konuşmuyorsunuz”, talimat veriyorsunuz. İyi bir talimat, kibar bir dilekçeden daha etkili.
4. Bağlamı Unutmayın
Kibarlık yerine context’e yatırım yapın. Modele ne istediğinizi, hangi formatta istediğinizi, hangi kısıtlamalar altında çalışması gerektiğini söyleyin.
Son Söz
Yapay zeka ile iletişimde “saygılı olmak” gerekmiyor. Çünkü karşınızda bir bilinç yok, istatistiksel bir tahmin motoru var. Onu “kırmak” veya “mutlu etmek” mümkün değil.
Ama bu, kaba olmanız gerektiği anlamına da gelmiyor. Mesele nezaket değil, netlik. İyi bir prompt, kibar olmak zorunda değil ama mutlaka açık, yapılandırılmış ve amaca yönelik olmalı.
Prompt mühendisliğinin altın kuralı değişmiyor: Ne kadar net olursanız, o kadar iyi sonuç alırsınız.
Kaynakça
- Dobariya, O., & Kumar, A. (2025). Mind Your Tone: Investigating How Prompt Politeness Affects LLM Accuracy. arXiv:2510.04950. https://arxiv.org/abs/2510.04950
- Akben, E. (2025). Context Engineering Nedir? Prompt Çağından Context Çağına Geçiş. ertugrulakben.com
- Akben, E. (2025). Prompt Mühendisliği: Yapay Zeka ile Konuşma Sanatı. ertugrulakben.com
