Kamusal Katılım İçin Yapay Zekâ Nasıl Kullanılır

Araştırma ve veri analizinde yapay zekânın nasıl kullanılacağı artık epeyce konuşulmuş bir konu; yapay zekâyla yazma meselesi ise hâlâ tartışmalı olsa da en azından etrafında canlı bir tartışma dönüyor. Ama yapay zekâyı kamuya ulaşmak ya da kamusal alanda yazan biri olarak iş akışınızı kolaylaştırmak için kullanmak neredeyse hiç ele alınmadı. Bir yıl boyunca bu kullanımları denedikten sonra vardığım kanı şu: asıl sınır yetenekte değil, hayal gücünde. Mayıs ayında, araştırmacıların yapay zekâyla nasıl çalıştığını konu alan atölye dizisi Machine Collaborators için deneyimimi anlatan bir konuşma yaptım. Aşağıdaki metin o konuşmanın yazılı hâli; burada genelde yayımladıklarımdan daha pratik bir yazı ve değerli yazılarının hiçbirini makineye devretmek istemeyen okurların bile işine yarasın diye bilerek böyle tasarlandı.

Şimdi abone olun

Baharı, akademisyenlerin yapay zekâ konusunda uyanması gerektiğini üç ayrı yazıda savunarak geçirdim; Pangram’ın işe yaradığı ortaya çıkınca tespit araçları konusunda fikrimi değiştirdim ve ardından yapay zekâyla yazmanın pek çok bağlamda meşru olabileceği fikrinin arkasında daha da sağlam durdum. The Chronicle of Higher Education‘a anlattığım gibi, bazıları bu küfür sayılan düşünceler yüzünden işten atılmamı isterken, bazıları da özelden mesaj atıp kurduğum sistemi soruyordu (bazen tam da aynı kişiler). Ama tartıştığım en sert eleştirmenler bile, en azından Bluesky dışında, yapay zekânın araştırma yapmak için iyi olduğunu genelde kabul ediyor—sadece henüz onun hakkında yazmak için değil. O yüzden yazma meselesini bir kenara bırakıp daha dostane bir varsayımdan başlamak istiyorum.

Diyelim ki araştırmanızı yaptınız, yazdınız ve yayımlattınız. Şimdi çok az kişinin okuduğu bir dergide duruyor. Çalışmanızı ve bulgularınızı daha çok insanın—özellikle de sözü geçen insanların—okumasını istiyorsunuz. Kendinize özel bir üslup rehberi ve düzgün bir doğrulama süreciyle, bir yapay zekâ ajanı bu tanıtım yükünün büyük kısmını üstlenebilir: anlaşılır özet metinler, veri tamamlayıcıları ve röportaj hazırlık paketleri üretebilir. Bu yazı, işe nereden başlanacağının bir turu.

Akademisyen okurlarım hatırlayacaktır: bilimsel kamusal katılım lehine olan savı, özellikle de “akademisyen aktivizmi” karşısında, daha önceki bir yazıda daha ayrıntılı biçimde ortaya koymuştum. Kısacası, ister istemez çeşitli olan akademi dışı okurlar için yazmak fikirlerinizi stres testinden geçirir ve iyi araştırmanın görünmez kalmasını önler. Ama akademideki mevcut teşvik yapısının alan dışına dönük bu tür bir katılımı özendirdiğini iddia edecek değilim. Bir kamu politikası okulunda değilseniz, kamusal katılımın terfi dosyanızda genelde pek bir ağırlığı olmaz. Bunu atlamak, kıt zamanınızı kullanmanın savunulabilir bir yoluydu—hele bundan keyif almıyorsanız. En azından yapay zekâ ajanları ortaya çıkana kadar öyleydi.

Daha önce yaptığım bir araştırmaya dayanan, kamuya dönük bir yazı kaleme almak eskiden bir haftamı alırdı. Biraz ajantik destekle artık bir günden kısa sürüyor, üstelik kaliteden hiçbir şey feda etmeden. “Yapmaya değer” eşiği de buna göre düşüyor ve daha önce hiç mantıklı gelmeyen bir sürü proje—çevrilmiş bir web sitesi ya da otomatik bir fikir takipçisi gibi—birdenbire anlam kazanıyor. Sınırlar yine büyük ölçüde yaratıcılığınızla ilgili.

Şimdilik ihtiyacınız olan temel kurulum (2026’nın 3. çeyreği)

Özellikle bu yazıyı yayımlamamın biraz zaman almasının bir nedeni, bu araçlar bu kadar hızlı gelişirken somut hiçbir yapay zekâ tavsiyesinin raf ömrünün uzun olmaması. Öğrendiğim tek kalıcı tavsiye şu: yapay zekâ ajanınızla öylece konuşabilir ve ondan, insan (araştırma) asistanınızdan isteyeceğiniz gibi işler yapmasını isteyebilirsiniz. Buna bağlı olarak, şu genel ilkeye inanmaya başladım: insan asistanınıza devretmenin etik olduğu bir iş varsa, aynı işi yapay zekâ asistanınıza devretmek de aynı ölçüde etik olmalı. Kendi doğrulamanızı yaptığınız sürece bu; taslak planlar hazırlamak, kaynakları özetlemek, veri toplamak, hatta idari taleplere kalıplaşmış e-posta yanıtları yazmak için de geçerli olmalı. Yine de asistan benzetmesi yalnızca bir taban.¹ Bugünün ajanları aynı zamanda yetkin birer programcı ve fena olmayan birer tasarımcı; dolayısıyla rutin işler halledildikten sonra aynı kurulum çok daha iddialı projelerin altına girebiliyor—bu yazının sonunda anlattığım etkileşimli araştırma tamamlayıcıları gibi.

Yazının ne kadarını yapay zekâya devredebileceğiniz konusunda makul insanlar hâlâ anlaşamıyor, ama meseleyi ikili bir tercih değil de bir süreklilik olarak düşünmek işleri berraklaştırıyor. İşte daha önceki Pangram’a karşı savunmama dayanan, Archie Hall imzalı güzel bir örnek.² Archie ile çizginin nereye çekileceği konusunda tam olarak anlaşamıyoruz (onun sarısı/turuncusu benim yeşilim), ama Archie’den bile daha temkinli olanlarınız için de araştırmanızın kamusal erişimini artırmak adına yapabileceğiniz heyecan verici bir sürü şey var.

İşte tüm nicel sosyal bilimcilerin işine yarayabilecek birkaç somut şey. Çok temel meseleler, ama Codex ile ChatGPT arasındaki farkı hâlâ karıştıran insanlar gördüm; o yüzden açık açık yazmakta fayda var:

• En az bir premium model için para ödeyin. Ciddi ajantik araçlar (ben Claude Code ve OpenAI Codex kullanıyorum) ayda 100-200 dolarlık aboneliklerin ardında duruyor ve ücretsiz sürümler neyin mümkün olduğu konusunda sizi yanıltır.³

• Sohbet robotu değil, ajantik bir sistem kullanın. Yani proje klasörünüz olsa bile Claude’u ya da ChatGPT’yi tarayıcıda kullanmayın. Bilgisayarınıza erişip iş bitene kadar doğrudan dosyalarınızın içinde çalışan ve bu arada web sitenizi güncellemek gibi gerçek dünyada değişiklikler yapan bir “ajantik araca” ihtiyacınız var.

• GitHub hesabınız yoksa açın. Ajanlar en iyi, sürüm geçmişi olan klasörlerde çalışır ve yaptığınızı geri alabilmek isteyeceksiniz. Yeni başlayanlar için güzel bir rehber burada.

• Bir şeyi anlamadığınızda ajanınızla konuşun, tercihen dikte ederek. Eskiden programcı bir arkadaş gerektiren kurulum sorularını artık aracın kendisi sabırla ve tam da size göre yanıtlayabiliyor.

• Ortak bir talimat dosyası tutun ve düzenli olarak güncelleyin, örneğin CLAUDE.md ya da AGENTS.md. İki kez yaptığınız her düzeltme oraya bir kez girer, böylece ajan aynı hatayı tekrarlamayı bırakır.

• Çıktıyı her zaman doğrulayın; özellikle de kamuya gidecek her şeyi, hem yapay zekâyla (evet) hem de bizzat. Aşağıda buna daha ayrıntılı değineceğim.

Neden hâlâ bir ajana ihtiyacınız var ve proje klasörlü bir sohbet robotu neden aynı şey değil

Bu konuda birkaç şey daha söylemem gerek, çünkü yazıyı okuyup görüş veren bazı kişiler ajan kullanma fikrine hâlâ ikna olmamıştı. Zaten her gün tarayıcıda Claude ya da ChatGPT ile konuşuyorlar, makalelerini yükledikleri proje klasörleri tutuyorlar ve haklı olarak bir araştırmacının başka neye ihtiyacı olabileceğini soruyorlar.

Fark, model düşünmeyi bitirdikten sonra ne olduğunda. Sohbet penceresinde yaptığınız her şey sadece bilgidir: cevabı bir yere taşımak ve harekete geçmek yine size kalır. Bir ajanla yaptıklarınız ise etrafınızdaki gerçek dünyayı etkileyecek biçimde eyleme dönüşür: web sitenizi güncelleyip yayımlamak, kodunuzu düzeltip yüklemek ya da e-postayla bir davet göndermek gibi.

Proje klasörü kullanmak, ne kadar faydalı olursa olsun, yeterli değil. Mesele sadece sohbet robotu penceresinden daha az kopyala-yapıştır yapmak da değil. Makalelerinizi ve ilgili materyalleri proje klasörüne yüklemek sohbet robotunun ne bildiğini değiştirir; bir ajan ise yapay zekânın paylaştığınız dosyalarla pratikte ne yapabileceğini değiştirir. Ajan aynı zamanda bilgisayarınıza ve terminale eriştiği için, aşağıda anlattığım yazma becerisi gibi daha karmaşık şeyler yapabilirsiniz; o beceri, ajanın her yazışında okuyup güncellediği dosyalarda yaşıyor. Aynısı tarayıcınız için de geçerli: sizin girişlerinizle ve izinlerinizle tarayıcı üzerinden çalışan bir ajan, yapay zekânın kendi yerleşik gezinme özelliğinden çok daha fazlasına ulaşabilir. Önerim yine aynı: bunu tek bir somut işte deneyin (mesela röportaj hazırlığı yazdırın) ve çıktıyı bir sohbet robotununkiyle kendiniz karşılaştırın (mesela Claude Fable 5 ile Claude Code Fable 5). Ama aşağıda anlatılan, kendi web sitenizi kurma ve güncelleme işinin tamamı, farkı bizzat görmek için mükemmel bir aday.

Sıfırıncı adım her zaman yapay zekâ destekli bir kişisel web sitesi kurmaktır

Bundan sonraki her şey, internette kontrolünüzde olan bir eviniz olduğunu varsayıyor; çoğu akademisyen için bu, kişisel bir site demek. Araştırmacı olarak siteniz yoksa bir an önce edinin; zaten bir ajandan isteyebileceğiniz ilk şey de bu. Ben kendi sitemi yaklaşık yedi yıl önce Jekyll ile AcademicPages şablonunu kullanarak elle kurmuştum. Artık ona mahkûmum, en azından duygusal olarak; ama sıfırdan başlamak için bugün daha iyi seçenekler var.

Siteniz GitHub Pages üzerinde ücretsiz olarak ya da yılda yaklaşık 10 dolara mal olan kişisel bir alan adında (mesela Squarespace’te) barındırılabilir. Vaktiyle, kod bilmeyen biri olarak, çeşitli rehberlerin yardımıyla bile siteyi istediğim gibi kurmak bir ömrümü almıştı. Ajantik yapay zekâyla bütün iş bir akşama sığabiliyor. Ondan sonra site pratikte kendi kendini düzenliyor. Küçük iyileştirmelerin her biri bir öğleden sonra sürüyor. Bir değişikliği gündelik dille anlatıyorsunuz—mesela yayın listenize etiket eklemek gibi—ve ajan o özelliği kendi başına ekliyor. Yeni özelliklerin gerçekten çalışıp çalışmadığını görmek için yerelde yapacağınız doğrulama dışında yapmanız gereken tek şey, değişiklikleri kaydedip yayımlamak.

Aklınıza gelebilecek diğer bütün eklentiler—ana sayfada öne çıkan yayınlar ya da yaklaşan etkinlikleri gösteren bir kenar çubuğu gibi—mümkün; sınır, burada defalarca söylediğim gibi, yalnızca yaratıcılığınız. Bunların hiçbiri tek başına bir web geliştiricisi tutmayı haklı çıkarmazdı (hele bizim cılız akademik bütçelerimizle), ama bir araya geldiklerinde siteyi ziyaret eden bir gazeteci ya da meslektaş için hatırı sayılır ölçüde daha kullanışlı hâle getiriyorlar.

Ama ajan sonrası dönemde eklediğim en sevdiğim yenilik otomatik site çevirisi: alexanderkustov.org artık İngilizcenin yanı sıra 11 dilde daha var. Kusursuz değil ve kendi bildiğim dillere yapılan çevirilere bakıp karar vere vere hepsini kurmak biraz zamanımı aldı, ama SEO işini yeterince iyi görüyor. Almanya’da, Meksika’da ya da Japonya’da bir muhabir göç konusundaki kamuoyunu kendi dilinde aratırsa araştırmama denk gelip bana ulaşabiliyor (ki bu birkaç kez oldu bile).

İşin içinde ne bir hibe ne de bir insan çeviri bürosu vardı—siteyi yapay zekâ ajanım çevirdi ve şimdi haftada bir otomatik bir kontrol çalıştırıp İngilizce sayfalarla 11 çeviriyi karşılaştırıyor, birbirinden ayrı düşen ne varsa listeliyorum. Başlangıçta bu iş için yeminli çevirmenler tutmuş olsaydım bile, çevirilerini düzenli olarak güncellettirmeye gücüm yetmezdi (ve kimseden bedava çalışmasını istemem).⁴

Elinizdeki araştırma makaleleri ve fikirlerle ne yapmalı

Makaleleriniz internette yayımlandıktan sonra yapay zekâ ajanı onlara ne olduğunu takip edebilir. Google Scholar’ı hepimiz biliyoruz—akademik makalelerinizi kimin alıntıladığını söyler, ama kamuya açık yazılarınıza kimin bağlantı verdiğini söyleyemez. Ben de kendime bir ikame yaptım: adıma ve başlıca başlıklarıma kurulmuş Google Alerts bildirimleri, bir backlink aracı (mesela Ubersuggest) ve her pazar sabahı çalışan, yeni bahsedilmeleri ve backlinkleri kahvemin yanında okuduğum tek bir rapora derleyen zamanlanmış bir tarama.

Benzer bir kurulumun, araştırma fikirlerinizi ve o fikirleri geliştirmenize yarayacak, çeşitli platformlara dağılmış bütün ilgili yazıları kaydetmek için de işe yaradığı ortaya çıktı. Duşta ya da meslektaşlarımla sohbet ederken aklıma gelen şeylerden oluşan koca bir birikimim var; her fikir için bir takip kaydı ve öznel değeri, beklenen emeği ve güncelliği içeren bir puanlama formülü tutuyorum. Tıkandığımda ajan bana sırada ne yazmam gerektiğini söylüyor ve takip ettiğim son Substack yazılarından ve akademik dergilerden konuyla ilgili neleri gözden geçirmem gerektiğini öneriyor. Bunu birebir aynı şekilde yapmak zorunda değilsiniz, ama ben bütün o markdown notlarını tek yerde düzenleyip okumak için Obsidian kullanıyorum, gerektiğinde de ajanımla senkronize ediyorum.

Aynı arşiv, fikirlere bağlanmadan önce onları ucuza test etmemi de sağlıyor. Bir çerçevelemeden emin olmadığımda genelde önce sosyal medya paylaşımı olarak deniyorum; tutarsa ajandan yanıtları taramasını ve itirazları özetlemesini istiyorum. Bu itirazlar sık sık nihai yazının karşı argümanlar bölümü oluyor. Ancak ondan sonra bir yayın organına teklif gidiyor ve o noktada argümanın canlı bir okur kitlesinde nasıl karşılandığını çoktan biliyorum.

Kendi kişisel üslup rehberinizi ve bir yazma becerisi oluşturmak

Siteniz kurulduktan ve erişime açık bütün makaleleriniz PDF olarak tek bir yerde derli toplu durduktan sonra, yapay zekâ ajanınızdan bunları Markdown’a çevirmesini, her şekil ve tabloyu ayrı birer dosya hâlinde çıkarmasını ve hepsini sitede PDF’in yanına koymasını isteyin. İster inanın ister inanmayın, makalenizin ilk okuru artık çoğu zaman bir makine; çalışmanızın yapay zekâ tarafından okunabilir olmasını istersiniz ki yapay zekâ da o çalışmayı ilgili aramayı yapan insana önerebilsin.

Makalelerinizin aynı temiz .md (markdown) sürümlerini “yazı bankanızı” oluşturmak için de kullanabilirsiniz: ajanın izleyeceği, düşünceleriniz hakkında bağlayıcı bir kaynak. Bu, yeni sunumunuzun ya da herkesin anlayabileceği bir araştırma özetinin taslağını çıkarmak istediğinizde çok işe yarıyor. Şimdiye kadar yazdığınız her şeyi bu bankaya koyabilirsiniz; ajanın okuyabileceği tek bir klasörde düz metin (.md) dosyaları olarak: denemeler, köşe yazıları, yayımlanmış makaleler, kitap bölümleri, hatta konuşma dökümleri—sesiniz zaten o külliyatın içinde.

Ayrıca kendinize ait bir üslup rehberine ihtiyacınız olacak, çünkü büyük dil modellerinin yazısı varsayılan olarak sıradandır. Benimki tek bir CLAUDE.md dosyası olarak başladı ve üst üste birikerek büyüdü. Onu kendi yayımlanmış yazılarımla “eğittim”, ürettiği ilk taslakları düzelttim, sonra da düzeltmeleri kural olarak yazmasını sağladım. Yapay zekâ yazısının gerçekten de tanınabilir kalıpları var ve rehberim artık herkesin fark ettiği tikleri yasaklıyor: “X değil, Y” kalıbı ve yapay biçimde kısa paragraflar da dahil. Yasaklar kalıcı oluyor, çünkü bu kurallar ajanın her seferinde okuduğu bir dosyada duruyor.

Zamanla o tek dosya, Claude’un beceri dediği şeye dönüştü: ajanın benim adıma her yazışında yüklediği küçük bir talimat klasörü. Aşağıdaki şema kurulumun tamamını gösteriyor. Yazı bankası bir ses profilini besliyor (ne söylerim ve ne söylemem, cümle ritmine varana kadar), üslup rehberi ise kuralları tutuyor. Ben herhangi bir taslağı görmeden önce iki kontrol çalışıyor: yasaklı kalıpları işaretleyen mekanik bir tarama ve yalnızca son metni artı kural kitabını gören ikinci bir ajanın sıfırdan okuması—çünkü taslağı yazan ajan kendi tiklerine karşı kördür. Sonra benim düzeltmelerim yeni kurallar olarak rehbere dönüyor; bütün sistemi geliştiren döngü de bu.

Aynı ajan sizin hakeminiz de olabilir; bu belki de kurulumun en hafife alınan parçası. Herhangi bir şey dışarı çıkmadan önce taslağın, kesinlikle benim olmayan bakış açılarından eleştirisini istiyorum: mesela göç denetimi konusunda saf olduğumu düşünen bir kısıtlamacıdan ya da “termostatik kamuoyu” diye bir şey duymamış sıradan bir okurdan. Yargısına güvendiğiniz belirli yazarların adını verebilir ya da yalnızca ideolojik yönleri tarif edebilirsiniz; geri gelen notlar dalgalı olsa da yanıtlamayı unuttuğum itirazı şaşmaz biçimde yakalıyor. Sizi kurtaracak bir hakem raporunun gelmediği kamusal yazıda, bu tür düşmanca bir okuma bulabildiğim en yakın ikame.

Bu iki parça yerine oturduğunda, bitmiş tek bir makaleden ihtiyacınız olan her şeyi isteyebilirsiniz: bir röportaj hazırlık belgesi, bir görüş yazısı teklifi, bir sosyal medya paylaşımı, bir sunum, bir Substack yazısının taslak planı, hatta cesaretiniz varsa tam teşekküllü bir politika notunun taslağı. Machine Collaborations konuşmam için bunların hepsini, ne yazık ki en az okunan makalelerimden birinin üzerinde çalıştırdım: ankete katılan 30 ülkenin çoğunda çoğunlukların ya da göreli çoğunlukların hem kendi ülkelerine daha az göç gelmesini hem de kendi ülkelerinden daha az göç edilmesini istediğini gösteren 2020 tarihli bir çalışma. Ortaya çıkanlar arasında, ileride yazacağım bir deneme için hiç aklıma gelmemiş, gerçekten birbirinden farklı üç çerçeveleme de vardı.

Ya da diyelim ki bir gazeteci yıllar önce yazdığınız bir makale için size ulaştı ve makalenin güncel olaylar açısından ne anlama geldiğini sordu. Böyle bir kurulumla, makul olarak söyleyebileceklerinizin iyi bir taslağını çıkarabilirsiniz; bu taslak neredeyse kesinlikle o anda aklınıza gelebilecek şeyden daha iyi ve daha isabetli olacaktır.

Çöp içerik ve uydurmalar konusunda ne yapmalı

Bu iş akışını meslektaşlarıma her anlattığımda duyduğum ilk endişe, bunun sadece daha fazla çöp içerik üreteceği oluyor. Yanlış anlaşılmasın: tek seferde üretilmiş yapay zekâ metinlerinin çoğu bunu hak ediyor (tıpkı insan yazısının büyük kısmı gibi). Ama burada anlatılan kurulumdaki her şey, elinizde zaten meşru, hakemli bir araştırma ve editörden geçmiş popüler yazılar olduğu varsayımından yola çıkıyor. Ajan burada sadece kendi iddialarınızı yeni bir ışık altında yeniden paketlemek ya da bağlama oturtmak için; yani sizin kendi berbat insan ilk taslağınız için. Aşırı hevesli insan asistanlara güvenmekte olduğu gibi, sizin adınızla dışarı çıkan şeyin sorumluluğu yine sizde. Sonucun çöp içerik gibi okunup okunmayacağı, yayımla düğmesine basmadan önce yaptığınız doğrulamaya, redaksiyona ve harcadığınız bütün o fazladan emeğe bağlı.

Bu doğrulama isteğe bağlı değil, çünkü modeller hâlâ bir şeyler uyduruyor ve artık pek çok kişi içerik uydurmanın yapay zekâ destekli araştırmadaki en büyük darboğaz olduğunu savunuyor. Bunu zor yoldan öğrendim. İş akışım bir keresinde ortak yazarım James Dennison’ın adını “Mick Dennison” diye değiştirdi; doğrusu tam da çalıştığı dosyaların içinde dururken düpedüz bir isim uydurdu. Başka seferlerde bir parodi hesabını (@GovAmyKlobuchar) gerçek senatöre atfetti ve adımın kalıbından tahmin ettiği bir LinkedIn adresini önüme koydu.

Peki ben tam olarak ne yapıyorum? Modele her ismi, tarihi, kaynağı ve bağlantıyı üç kez kontrol ettiriyorum; doğrulamanın çıktısını yapıştırmasını istiyorum ki neyi çektiğini görebileyim; sonra da önemli olanları kendim doğruluyorum. Fazlaya kaçıyor olabilir ama düzenli olarak Codex’ten Claude Code’un yaptığını, Claude Code’dan da Codex’in yaptığını doğrulamasını istiyorum.

İçerik uydurma tarafında, kaynaklar ve bunlara yapılan atıflar konusunda bildiğim en iyi pratik ele alışı Steven Denney yazdı. Denney’nin çözümü, hızlı ama özensiz bir insan araştırma asistanı için kuracağınız şeyin ta kendisi. Yeniden kullanılabilir talimatlar her atfı Crossref ve DOI üzerinden kontrol ediyor; bir proje klasörü de orijinal PDF’leri makine tarafından okunabilir sürümlerle birlikte tutuyor, böylece iddialar elinizin altındaki bütün orijinal kaynaklarla, hata ihtimali en aza inecek şekilde denetleniyor.

İtiraf etmeliyim ki bütün bu kontrollere ve en yeni modellere rağmen (Fable 5 ve GPT 5.6 kullanıyorum) sistem kusursuz değil. Örneğin Claude ajanım üçleme kuralına o kadar bayılıyor ki, kendi üslup rehberim bunu açıkça yasakladığı hâlde taslaklarıma sürekli üçlemeler ekliyor—üstelik tam da bu yazıda, durmasını söyledikten sonra bile defalarca yapmayı sürdürdü.

Bilimsel kamusal katılımı nasıl bir gelecek bekliyor?

Bütün bunlar sizde denemek isteği uyandırdıysa, bitmiş makalelerinizden birini alıp bir ajandan kendi üslubunuzla bir çıktı üretmesini isteyerek başlayabilirsiniz—mesela bir röportaj hazırlığı. Sonucu size benzeyene kadar elden geçirir, oraya varmasını sağlayan talimatları kaydedersiniz; böylece bir sonraki daha iyi ve daha hızlı olur.

Kendi resmi yazma becerimi buraya bilerek koymadığımı da fark etmişsinizdir. Çünkü o beceri benim sesimi kodluyor; siz de, sevgili okur, kendi sesinizi geliştirmelisiniz. Bunun en basit yolu, ajanınıza tam da bu yazıyı göstermek ve anlattığım kurulumu, yapmaya çalıştığınız işe uyan değişikliklerle hayata geçirmesini istemek.

Anlattığım şey yakında ajantik yeteneğin tavanı değil tabanı olacak. Örneğin Stanford’dan siyaset bilimci Andy Hall bu hafta, özgün araştırmalarının büyük kısmını doğrudan Substack’te yayımlamayı planladığını açıkladı. Bu hızlı yayın sayesinde en yeni araştırmasını yalnızca diğer akademisyenlerle değil, politika yapıcılar ve gazetecilerle de tartışıp duyurabilecek; dergi hakemlerinin “çoğu zaman keyfi” yorumlarını da atlayabilecek. Hakem değerlendirmesini atlamanın bedelleri konusunda açık sözlü ve bu seçeneğin kadrolu olanlar ile güvenceli pozisyondakiler için daha kolay olduğu belli. Ama güncelliği olan işlerde hesap giderek hızın lehine dönüyor ve daha şimdiden aynı tercihi yapan—aralarında ben de varım—daha çok araştırmacı görüyorum.

Şu anda en heyecan verici bulduğum sınır, etkileşim. Yakın zamana kadar etkileşimli bir veri uygulaması, ancak The New York Times kaynaklarına sahip bir haber merkezinin kaldırabileceği bir işti; akademik dergiler ise statik bir PNG’den daha gelişmiş hiçbir şey için hâlâ fazla eski kafalı. Bir ajanla artık herhangi bir araştırmacı, yayımlanmış bir makaleye etkileşimli bir tamamlayıcı çıkarabiliyor. Sean Westwood, Justin Grimmer ve Andy Hall’un yapay zekâ modellerinin algılanan siyasi eğilimi üzerine çalışma metinleri için kurdukları canlı tamamlayıcı Modelslant.com, okurların sıralamaları kendilerinin incelemesine imkân veriyor; Hall’un laboratuvarı da artık benzer prototiplerden koca bir raf tutuyor. Ama bunların hiçbiri artık ille de bir Stanford laboratuvarının kaynaklarını gerektirmiyor ve sizin hak ettiğinden az okunan makaleniz, tam da böyle bir tamamlayıcının yapılma nedeni olan türden bir aday.

İlk yapay zekâ yazımın kapanış cümlesi hâlâ geçerli: kendinizi Claude Code ve bir türlü vakit bulamadığınız sıkıcı bir kamusal katılım ya da araştırma işiyle bir odaya kilitleyin ve ne olacağını görün. Bu rehberdeki belirli araçlar muhtemelen bir yıl içinde eskimiş görünecek, ama altta yatan değişim bir yere gitmiyor. Ciddi kamusal yazının marjinal maliyeti çöktü ve şimdi susan araştırmacılar tartışmayı daha kötü bilgiye sahip yazarlara bırakıyor. Yapay zekâyı ya da yapay zekâ destekli yazmayı henüz sevmiyor olabilirsiniz; ama söylemeye değer bir şeyiniz varsa, mevcut en iyi araçları kullanmadan susmak sizin aktif bir tercihiniz.

Paylaş

Taslağa dair faydalı önerileri için Mike Riggs, Jannik Reigl, Jeff Fong ve tabii ki Claude ile Codex’e çok teşekkürler.