İyi Prompt Yetmez: Yapay Zekâ ile Proje Geliştirmede Bağlam

Yapay zekâyı kullanmak başka, yapay zekâ ile çalışmak başka

Son dönemde yapay zekâ ile ilgili konuşmaların önemli bir bölümü aynı kavram etrafında dönüyor: prompt. “Daha iyi prompt nasıl yazılır?”, “Hangi sihirli kelimeleri kullanmalıyım?”, “Yapay zekâya uzman rolü verirsem daha iyi sonuç alır mıyım?”

Elbette güçlü bir prompt önemlidir. Ne istediğimizi açık, anlaşılır ve doğru biçimde ifade etmek çıktının niteliğini doğrudan etkiler. Ancak özellikle proje geliştirme gibi uzun soluklu ve çok sayıda bilgiye dayanan çalışmalarda yalnızca güçlü bir prompt yeterli değildir.

Çünkü asıl soru şudur: Yapay zekâ ne yapacağını biliyor olabilir. Peki bunu neye göre yapacağını biliyor mu?

İşte burada karşımıza bağlam kavramı çıkıyor.

Prompt ve bağlam arasındaki fark

En basit ifadeyle:

Prompt = Ne yapacak?
Bağlam = Neye göre yapacak?

Örneğin yapay zekâya:

“Bana güçlü bir Erasmus+ projesi yaz.”

dediğimizde bir görev vermiş oluruz. Promptu daha da geliştirip yapay zekâdan ihtiyaç analizi, SMART hedefler, faaliyetler, yaygınlaştırma ve sürdürülebilirlik istememiz çıktıyı iyileştirebilir.

Fakat yapay zekâ hâlâ şu soruların cevaplarını bilmiyorsa ortaya çıkan proje büyük ihtimalle genel kalacaktır:

• Bu projeyi hangi kurum hazırlıyor?
• Kurumun gerçek ihtiyacı nedir?
• Hedef grup kimdir?
• Elimizde hangi veriler ve kanıtlar vardır?
• Kurumun kapasitesi nedir?
• Erasmus+ çağrısının öncelikleri nelerdir?
• Değerlendiriciler hangi kriterlere bakacaktır?
• Proje konusu hakkındaki bilimsel ve güncel bilgiler nelerdir?

Bu nedenle güçlü proje geliştirme sürecinde prompt kadar bağlam mimarisi de önemlidir.

Menemen örneği: Tarif var ama malzeme yok

Bunu basit bir örnekle açıklayabiliriz. Dünyanın en iyi menemen tarifine sahip olduğumuzu düşünelim. Tarif bize hangi malzemeyi hangi sırayla kullanacağımızı, ocağın sıcaklığını, pişirme süresini ve ideal kıvamı kusursuz biçimde anlatıyor.

Ancak mutfakta domates, yumurta ve biber yok. Bu durumda tarif ne kadar iyi olursa olsun menemen yapamayız.

Yapay zekâ ile çalışırken de benzer bir durum vardır: Prompt tarifse, bağlam malzemedir.

Proje geliştirmek için ihtiyaç duyduğumuz “malzemeleri” yapay zekâya sağlamadan yalnızca daha uzun ve daha ayrıntılı promptlar yazmak bizi bir noktaya kadar götürür.

Proje geliştirmede üç katmanlı bağlam

Erasmus+ gibi proje çalışmalarında bağlamı üç temel katmanda ele almak mümkündür.

1. Kurum ve gerçeklik bağlamı

İlk katman projeyi geliştiren kurumu tanımlar. Bu bağlamda şu bilgiler bulunabilir:

• Kurum profili
• Stratejik plan
• Hedef grup özellikleri
• Gerçek ihtiyaçlar
• Anket ve ihtiyaç analizi sonuçları
• Kurumsal kapasite
• Geçmiş çalışmalar
• Önceki proje deneyimleri
• Ortaklık yapıları
• Alınmış kararlar
• Yerel ve kurumsal veriler

Bu katmanın temel sorusu şudur: Biz kimiz ve gerçek problemimiz nedir?

Projeyi herhangi bir kurum için yazılmış genel bir metinden çıkarıp bize ait hâle getiren bağlam budur.

2. Program ve proje geliştirme bağlamı

İkinci katman, içinde çalıştığımız programı tanımlar. Erasmus+ projesi geliştiriyorsak yapay zekânın yalnızca kurumumuzu değil, Erasmus+ sistemini de anlaması gerekir.

Bu bağlamda:

• Erasmus+ Program Rehberi
• İlgili çağrı ve eylem
• Program öncelikleri
• Uygunluk koşulları
• Değerlendirme kriterleri
• Başvuru formu
• Proje yazım teknikleri
• İyi uygulama örnekleri
• Örnek projeler
• Rehber ve how-to kaynakları

Buradaki temel soru ise: Program bizden ne bekliyor?

3. Konu ve tematik bağlam

Üçüncü katman projenin ele aldığı konuya ilişkin bilgi ekosistemidir.

Örneğin dijital vatandaşlık üzerine bir proje geliştiriyorsak yalnızca Erasmus+ belgelerini bilmek yeterli değildir. Aynı zamanda şu kaynaklara da ihtiyaç duyarız:

• Kavramsal çerçeveler ve tanımlar
• Bilimsel araştırmalar
• Akademik yayınlar
• Güncel raporlar
• İstatistikler ve veriler
• Politika ve strateji belgeleri
• Hedef gruba ilişkin araştırmalar
• Sorun ve risk alanları
• Pedagojik yaklaşımlar
• İyi uygulamalar ve benzer projeler
• Ölçme araçları ve göstergeler

Bu katmanın sorusu: Çalıştığımız konu hakkında bilimsel ve güncel olarak ne biliyoruz?

Bu üç bağlam bir araya geldiğinde yapay zekânın önünde artık yalnızca bir görev değil, anlamlı bir çalışma ortamı oluşmaya başlar.

Bilgiye ulaşmak uzmanlık değildir

Bugün internette Erasmus+ hakkında binlerce belgeye birkaç saniye içerisinde ulaşabiliriz. Bir öğrenci bütün bu belgeleri indirebilir, okuyabilir hatta önemli bölümlerini ezberleyebilir. Ancak bu onu otomatik olarak proje uzmanı yapmaz.

Çünkü: Bilgiye ulaşmak ile bilgiyi doğru bağlamda kullanmak aynı şey değildir.

Asıl değer; doğru bilgiyi, doğru problemle, doğru hedef grupla ve doğru proje mantığıyla ilişkilendirebilmektir.

Yapay zekâ burada bize hız kazandırabilir. Ancak doğru bağlamı kurmak ve gerçek bilgiyi sağlamak hâlâ insanın sorumluluğundadır.

Başarının denklemi

Yapay zekâ ile proje geliştirmede güçlü bir çalışma modelini şu şekilde özetleyebiliriz:

Doğru Bağlam + Güçlü Prompt + Uygun Araç/Yöntem = Nitelikli Çıktı

Buradaki üç bileşenden herhangi birini tek başına merkeze almak eksik kalır. İyi bir prompt önemlidir. Doğru kaynak önemlidir. Doğru araç önemlidir. Ama asıl güç, bunların birlikte yapılandırılmasından gelir.

Tek seferde mükemmel çıktı beklememek

Yapay zekâ kullanımındaki bir diğer önemli yanılgı, tek bir komutla mükemmel sonuca ulaşmayı beklemektir. Oysa gerçek proje geliştirme süreci böylesine doğrusal değildir.

Daha sağlıklı bir süreç şu şekilde ilerler:

İstek → İncele → Eksik Bağlamı Belirle → Sor → Doğrula → Taslaklaştır → Revize Et → Geliştir

Bu çalışma biçiminde yapay zekâ yalnızca cevap veren bir araç değildir. Bazen soru soran taraf da yapay zekâ olmalıdır.

Bu kez soruları yapay zekâ sorsun

Bir Erasmus+ proje çalışma alanına program rehberini, değerlendirme kriterlerini, kurum bilgilerini, ihtiyaç analizini ve konu kaynaklarını yüklediğimizi düşünelim.

Yapay zekâya hemen:

“Projeyi yaz.”

demek yerine şöyle bir görev verebiliriz:

“Henüz proje yazma. Kaynakları incele. Eksik bilgileri tespit et. Varsayım üretme. İhtiyacın olan gerçek bilgileri bana sor ve projeyi bölüm bölüm birlikte geliştirelim.”

Bu durumda yapay zekâ bize şu tür sorular yöneltebilir:

• Bu ihtiyacı hangi veri destekliyor?
• Hedef grubumuz tam olarak kim?
• Bu faaliyet hangi ihtiyaca cevap veriyor?
• Bu bilgi gerçek veri mi yoksa varsayım mı?
• Ortağın hangi kapasitesi projeye katkı sağlayacak?
• Başarıyı hangi göstergeyle ölçeceğiz?

İşte burada çalışma biçimi değişmeye başlar.

İnsan ve yapay zekânın rolünü doğru ayırmak

Proje geliştirme sürecinde yapay zekânın rolü proje sahibi olmak değildir.

İnsan:

• Gerçek bilgiyi sağlar.
• Problemi tanımlar.
• Fikrin sahibidir.
• Karar verir.
• Doğrular.
• Sorumluluğu üstlenir.

Yapay zekâ ise:

• Eksik bilgiyi görünür hâle getirir.
• Kaynakları ilişkilendirir.
• Bilgiyi yapılandırır.
• Alternatifler üretir.
• Tutarsızlıkları bulur.
• Taslaklaştırmaya yardımcı olur.

Kısacası: İnsan proje sahibi ve karar vericidir; yapay zekâ proje geliştirme yardımcısıdır.

Başvuru formu bir hapishane değil, omurgadır

Erasmus+ başvuru formunu yalnızca doldurulması gereken kutular bütünü olarak görmek de önemli bir hatadır. Başvuru formu aslında projenin mantıksal omurgasını kurmak için kullanılabilir.

Çalışma boyunca şu ilişki sürekli kontrol edilmelidir:

İhtiyaç → Hedef → Faaliyet → Çıktı → Sonuç → Etki

Toplanan her veri, geliştirilen her fikir ve planlanan her faaliyet sonunda bu mantıksal yapıya oturmalıdır.

Sonuç: Yapay zekâyı kullanmak değil, yapay zekâ ile çalışmak

Yapay zekâ eğitimde ve proje geliştirmede önemli fırsatlar sunuyor. Ancak yapay zekâdan daha fazla yararlanmanın yolu yalnızca daha uzun promptlar yazmak değildir. Asıl dönüşüm, ona doğru çalışma ortamını sağlamaktan geçiyor.

Kurumumuzu tanıtan gerçek bağlamı, çalıştığımız programın kurallarını ve projenin konusuna ilişkin bilimsel bilgi ekosistemini bir araya getirdiğimizde yapay zekâ çok daha tutarlı, anlamlı ve bize özgü sonuçlar üretmeye başlayabilir.

Bu nedenle temel yaklaşımımız şu olmalı: Yapay zekâyı kullanmak değil, yapay zekâ ile çalışmak.

Eğitim Ağı olarak bu yaklaşımı yalnızca eğitimlerde anlatmakla kalmayıp Proje Maratonları kapsamında gerçek proje geliştirme süreçlerine taşımayı hedefliyoruz.

Çünkü eğitim bitmiyor. Üretim başlıyor.