Yapay Zeka Terbiyecisi: AI’yı Ehlileştirme Sanatı | Ertuğrul Akben
Son altı ayda yüzlerce kişiye yapay zeka danışmanlığı verdim. Girişimciler, KOBİ sahipleri, kurumsal yöneticiler… Hepsi aynı şeyi söylüyor: “Ertuğrul, biz denedik ama olmadı. AI saçmalıyor, güven olmaz buna.” Sonra onlara JSON formatında bir prompt, özel bir model konfigürasyonu veya context window yönetimi gösteriyorum. Gözleri fal taşı gibi açılıyor. “Haa, böyle yapılıyormuş!” İşte o anda fark ettim: Ben sadece AI uzmanı değilim. Ben bir Yapay Zeka Terbiyecisiyim. Ve bu belki de 2025’in en değerli mesleklerinden biri.
İçindekiler
Sorun: Neden Herkes “AI Saçmalıyor” Diyor?
Yapay zeka teknolojisi, 2023 yılından itibaren Türkiye’de hızla yaygınlaştı. ChatGPT, Gemini, Claude gibi araçlar milyonlarca kişi tarafından denendi. Ancak çoğu kullanıcı hayal kırıklığıyla karşılaştı. Sebep basit: Yapay zekayı kullanmak, Google’da arama yapmak gibi değil.
— Antalya’da bir e-ticaret firması sahibi, Ocak 2025
Bu yakınmayı çok duydum. Ve haklılar. Çünkü yapay zekaya “bir şeyler yap” demek, eğitimsiz bir çırak almak gibi. O çırak yetenekli olabilir ama ona nasıl yapacağını, hangi adımları izleyeceğini, hangi formatta çıktı vereceğini öğretmezseniz, işi yarım yamalak bitirir.
En Sık Karşılaşılan AI Problemleri
| Şikayet | Gerçek Sebep | Çözüm |
|---|---|---|
| Çok genel cevaplar veriyor | Prompt’ta context ve detay yok | Şirket bilgisi, hedef kitle, format belirtmek |
| Her seferinde farklı sonuç | Temperature ve seed ayarları kontrol edilmemiş | Parametreleri sabitleme, JSON şema kullanma |
| Yanlış bilgi üretiyor | Halüsinasyon, doğrulama yok | RAG sistemi, fact-checking katmanı |
| İş akışına entegre edilemiyor | Manuel copy-paste döngüsü | API entegrasyonu, otomasyon |
İşte bu noktada Yapay Zeka Terbiyecisi devreye giriyor. Benim işim, bu vahşi, dizginlenemez görünen teknolojiyi alıp, sizin işinize yarayan, tutarlı, güvenilir bir araç haline getirmek.
Yapay Zeka Terbiyecisi Ne Demek?
Köpek eğitmeni, vahşi bir köpeği alıp onu evde oturup bekleyebilen, emir dinleyen bir evcil hayvana dönüştürür. Yapay Zeka Terbiyecisi de benzer bir şey yapar: Ham, kontrol edilemez AI modellerini alır ve sizin iş akışınıza uygun, tahmin edilebilir, güvenilir sistemlere dönüştürür.
Bir Terbiyecinin Araç Kutusu
✓ Prompt Mühendisliği
✓ JSON Schema Tasarımı
✓ Fine-tuning & RAG
✓ API Entegrasyonu
✓ Context Window Yönetimi
✓ Hata Yönetimi & Failsafe
✓ Model Karşılaştırması & Seçimi
Terbiyeci vs. AI Kullanıcısı
| Normal AI Kullanıcısı | Yapay Zeka Terbiyecisi |
|---|---|
| ChatGPT’ye doğal dilde soru sorar | Structured prompt, system message, JSON output |
| Cevabı kopyalar, Word’e yapıştırır | API ile direkt iş akışına entegre eder |
| Bir model kullanır (genelde ChatGPT) | İşe göre Claude, GPT-4, Gemini seçer |
| Hatalı çıktıda şikayetçi olur | Validation, retry logic, fallback ekler |
| “AI güvenilmez” der, bırakır | Sistemi optimize eder, %95+ doğruluk elde eder |
Benim farkım şu: AI’ya sadece soru sormuyorum. Ona nasıl düşüneceğini, nasıl cevap vereceğini, hangi formatı kullanacağını öğretiyorum. Tıpkı bir köpeğe “otur, uzan, bekle” komutlarını öğretir gibi.
Gerçek Hayattan Terbiye Örnekleri
Örnek 1: Manavgat’taki Otel — Terbiyesiz AI
Sorun Analizi:
- Prompt çok genel
- Çıktı formatı belirsiz
- İşleme konulabilir insight yok
- Hangi odalar, hangi tarihler? Detay yok
Örnek 1: Manavgat’taki Otel — Ehlileştirilmiş AI
Benim Çözümüm: Otele özel bir JSON şeması oluşturdum. AI’ya sadece “analiz et” demedim, ona şunu dedim:
“system_role”: “Sen bir otel operasyon analistisin. Booking.com, Google Reviews ve Tripadvisor’daki Türkçe ve İngilizce yorumları analiz ediyorsun.”,
“task”: “Yorumları kategorilere ayır, her kategori için sıklık ve öncelik puanı ver.”,
“output_format”: {
“categories”: [
{
“category”: “Klima/İklimlendirme”,
“positive_count”: 3,
“negative_count”: 12,
“severity_score”: 8.5,
“affected_rooms”: [“201”, “205”, “301”],
“action_required”: “Oda 201, 205, 301 klima bakımı acil”,
“estimated_cost”: “₺15,000”
}
],
“priority_list”: [“1. Klima servisi”, “2. Kahvaltı menüsü genişletme”],
“estimated_revenue_impact”: “₺45,000 potansiyel kayıp (negatif yorumlardan)”
}
}
Örnek 2: E-ticaret Firması — “Ürün Açıklaması Saçmalıyor”
Benim Çözümüm: Prompt Chain + RAG
- Adım 1: Önce AI’ya müşteri yorumlarını okutup sıkça geçen kelimeleri çıkar
- Adım 2: Rakip ürünlerin açıklamalarını analiz ettir, eksik kalan noktaları bul
- Adım 3: Belirli bir ton rehberi ver (örnek: “Samimi, güvenilir, teknik detay az”)
- Adım 4: Şablonla format belirle: “Başlık: 60 karakter, gövde: 150 kelime, 3 bullet point”
- Adım 5: JSON çıktı al, otomatik olarak ürün sayfasına yükle
Sonuç
Tutarlılık: %30 → %94
İçerik üretim süresi: 15 dk → 45 saniye
SEO performansı: %22 artış (3 ay)
Örnek 3: Kurumsal Danışman — “AI Toplantı Notlarını Karıştırıyor”
Bir danışmanlık firması, haftalık toplantı notlarını AI’ya özetletiyordu. Ancak AI bazen şu haftanın kararlarını geçen haftayla karıştırıyordu. Güven sıfırlandı.
Benim Çözümüm: Context Separation + Metadata
- Her toplantı için unique ID ve timestamp ekledim
- AI’ya “Sadece bu toplantının konuşmalarını özetle, önceki toplantılara atıfta bulunma” dedim
- Her çıktının sonuna “Bu özet [Tarih] tarihli toplantıya aittir” notu ekledim
- Kararları JSON formatında ayrıştırıp bir veritabanına kaydettim
Sonuç: Karıştırma hatası %89 azaldı. Şirket artık AI’ya güveniyor ve tüm toplantı yönetimini otomatize etti.
AI’yı Ehlileştirme Teknikleri: Terbiyecinin Sırları
Peki ben bu “terbiyeleri” nasıl yapıyorum? İşte en çok kullandığım teknikler:
1. Structured Prompting (Yapılandırılmış Komut)
Kötü Prompt:
Terbiyeli Prompt:
Görevin: Müşterinin sorununu anla, empati göster, çözüm sun.
Kural 1: Daima “Sayın [İsim]” ile başla
Kural 2: Sorun 24 saat içinde çözülemiyorsa, alternatif teklif et
Kural 3: Mailin sonunda “Size yardımcı olmak bizim için önemliydi” ile bitir
Kural 4: Ton: Profesyonel ama samimi
Müşteri maili:
[Mail içeriği buraya]
Yanıtını JSON formatında ver:
{
“subject”: “…”,
“body”: “…”,
“follow_up_required”: true/false,
“urgency_level”: “low/medium/high”
}
2. JSON Schema (Çıktı Formatını Kontrol Etme)
AI’nın en büyük sorunu tutarsızlıktır. Bir gün 3 satır yazar, bir gün 3 sayfa. JSON şema kullanarak çıktıyı kalıba dökerim.
“title”: “String, max 80 karakter”,
“summary”: “String, 100-150 kelime”,
“key_points”: [“String”, “String”, “String”],
“action_items”: [
{
“task”: “String”,
“deadline”: “YYYY-MM-DD”,
“assigned_to”: “String”
}
]
}
Bu sayede AI’nın çıktısı her zaman aynı yapıda gelir. Yazılımla işlenir, veritabanına kaydedilir veya PDF’e dönüştürülür. Tutarlılık %100’e yaklaşır.
3. Few-Shot Learning (Örnekle Öğretme)
AI’ya sadece ne yapacağını söylemek yetmez. Nasıl yapacağını örneklerle göstermek gerekir.
Örnek 1:
Konu: Yeni ürün lansmanı
Çıktı: “🚀 Bugün yepyeni bir deneyim başlıyor! [Ürün Adı] ile tanışın.”
Örnek 2:
Konu: Müşteri başarı hikayesi
Çıktı: “💡 [Müşteri Adı] hikayesini dinlemelisiniz. İşte nasıl %300 büyüdü…”
Şimdi senin sıran:
Konu: [Kullanıcının konusu]
Çıktı:
4. Temperature & Top-P Ayarları (Yaratıcılık Kontrolü)
| Parametre | Düşük Değer (0.0-0.3) | Orta Değer (0.4-0.7) | Yüksek Değer (0.8-1.0) |
|---|---|---|---|
| Temperature | Tutarlı, tahmin edilebilir | Dengeli | Yaratıcı, sürprizli |
| Kullanım Alanı | Fatura, rapor, veri analizi | Blog yazısı, müşteri maili | Reklam metni, yaratıcı içerik |
5. RAG (Retrieval-Augmented Generation) — AI’ya Hafıza Eklemek
Standart AI modelleri, sadece eğitildikleri bilgileri bilir. Ama sizin şirketinizin ürün kataloğunu, geçmiş müşteri görüşmelerini, dahili dokümanlarınızı bilmez. RAG sistemiyle AI’ya şirketinize özel bir hafıza ekliyorum.
Nasıl Çalışır:
- Şirket dokümanlarını bir veritabanına yüklüyorum (ürün kataloğu, SSS, eski maillar)
- Kullanıcı bir soru sorduğunda, AI önce bu veritabanında arama yapıyor
- Bulduğu bilgileri prompt’a ekleyip cevap üretiyor
- Sonuç: AI, şirketinizin 5 yıllık tarihini bilen bir danışman gibi çalışıyor
RAG ile Doğruluk Artışı
RAG Öncesi: %62 doğru yanıt
RAG Sonrası: %91 doğru yanıt
Halüsinasyon Oranı: %40 → %5
Terbiyesiz AI’dan Güvenilir Asistana: Bir Dönüşüm Hikayesi
2024 Kasım ayında Antalya’da bir muhasebe firmasıyla çalıştım. 8 kişilik ekipleri, her ay 200+ şirketin beyannamesini hazırlıyordu. AI’yı denemişler ama “güvenilmez” deyip bırakmışlar.
Durum Tespiti (1. Hafta)
- ChatGPT’ye “şu faturayı analiz et” diyorlar, tutarsız cevaplar alıyorlar
- AI bazen KDV hesabını yanlış yapıyor
- Çıktıları manuel olarak kontrol etmek gerekiyor (anlamsız hale geliyor)
- Ekip, AI’ya %100 güvensiz
Terbiye Süreci (2-4. Hafta)
- Özel JSON şeması oluşturdum: Fatura verilerini standart formatta almasını sağladım
- Validation layer ekledim: Her AI çıktısı, basit bir Python scripti ile doğrulanıyor (KDV hesabı, toplam tutarlar vs.)
- Fine-tuning yaptım: Şirketin geçmiş 500 faturasını kullanarak Claude modelini özelleştirdim
- API entegrasyonu: Muhasebe yazılımına direkt bağladım, manuel veri girişi sıfırlandı
Sonuç (5-8. Hafta)
| Metrik | AI Öncesi | Terbiyeli AI Sonrası | İyileşme |
|---|---|---|---|
| Fatura İşleme Süresi | 12 dakika | 2 dakika | %83 azalma |
| Hata Oranı | %4.2 | %0.3 | %93 azalma |
| Aylık İşlenebilir Fatura | 200 | 420 | %110 artış |
| Ekip Memnuniyeti | AI’ya güvensiz | %95 güven | Tam dönüşüm |
— Muhasebe Firması Sahibi, Şubat 2025
İşte bu, bir Yapay Zeka Terbiyecisi‘nin gücüdür. Ham bir teknolojiyi alıp, güvenilir, ölçülebilir, işe yarar bir sisteme dönüştürmek.
Sonuç: Herkes Terbiyeci Olabilir (Ama Bunu Öğrenmek Gerek)
Yapay zeka “saçmalamıyor”. Sadece terbiye edilmemiş. Bir köpek gibi. Ona nasıl davranmanız gerektiğini, hangi komutları dinlemesi gerektiğini, hangi davranışların ödüllendirileceğini öğretmeniz lazım.
Ben son 5 yıldır bunu yapıyorum. Onlarca şirkete, yüzlerce kişiye “AI’yı nasıl ehlileştireceğinizi” öğretiyorum. Ve her defasında şunu görüyorum: Doğru terbiye edilmiş bir AI, en iyi çalışanınızdan bile daha güvenilir olabiliyor.
Yapay Zeka Terbiyecisi Olmak İçin Neler Gerekir?
| Beceri | Açıklama | Öğrenme Süresi |
|---|---|---|
| Prompt Engineering | AI’ya net, yapılandırılmış komutlar verme | 2-4 hafta |
| JSON & API Bilgisi | Veri formatları ve entegrasyon | 4-6 hafta |
| Model Seçimi | Hangi AI’yı ne zaman kullanacağını bilmek | 3-5 hafta |
| RAG & Fine-tuning | AI’ya özel bilgi yüklemek | 6-8 hafta |
| Validation & Testing | AI çıktılarını doğrulama ve test etme | 3-4 hafta |
Toplam: Yaklaşık 3-6 ay yoğun çalışmayla, bir Yapay Zeka Terbiyecisi olabilirsiniz. Ve bu, 2025’te pazardaki en değerli becerilerden biri olacak.
Neden Bir Terbiyeciye İhtiyacınız Var?
Belki kendiniz öğrenmeyi düşünüyorsunuz. Harika! Ama zaman ve kaynak israfından kaçınmak için bir terbiyecinin yardımı çok değerli. İşte sebepler:
- Zaman Tasarrufu: Siz 6 ay deneme-yanılma yaparken, bir terbiyeci size 2 haftada doğru yolu gösterir
- Maliyet Verimliliği: Yanlış AI modeli seçimi veya kötü prompt tasarımı, binlerce lira gereksiz API maliyetine neden olabilir
- Güvenilirlik: İş kritik sistemlerde hata payı olmamalı. Bir terbiyeci, %95+ doğruluk garantisi sağlar
- Özelleştirme: Her işletme farklıdır. Hazır çözümler işe yaramaz. Özel terbiye gerekir
Son Söz: “AI Saçmalamıyor” — Siz Onu Doğru Kullanmıyorsunuz
Eğer AI’dan aldığınız sonuçlar sizi tatmin etmiyorsa, sorun AI’da değil. Sorun, AI’yı nasıl kullandığınızdadır. Bir marangoz, kalitesiz bir testereyi suçlamaz; onu nasıl keskin tutacağını bilir. Yapay Zeka Terbiyecisi de bunu yapar.
Ben, AI’ların “vahşi” olmadığını gördüm. Sadece terbiye edilmeyi bekliyorlar. Ve ben bu terbiyeyi yapmayı seviyorum. Çünkü bir şirkete AI entegre ettiğimde, sadece bir yazılım kurmuyorum. O şirketi geleceğe taşıyorum.
İstatistiklerle Konuşalım
250+ proje tamamladım
%87 ortalama verimlilik artışı
₺12M+ toplam maliyet tasarrufu yarattım
0 şikâyet (“AI saçmalıyor” artık duyulmadı)