Hepimiz yapay zekâyla hayal kırıklığı yaratan etkileşimler yaşadık veya “sohbet botlarından nefret eden” insanlarla karşılaştık; bunun nedeni çoğu zaman “standart” deneyimin yararlı, değerli veya keyifli olmamasıdır. Bu hayal kırıklığı çoğu zaman modelin yeteneklerinden çok deneyimin kendisiyle, yani insanlar, yapay zekâ ajanı ve istenen sonuç arasındaki etkileşimle ilgilidir. Bu, özellikle kötü tasarlanmış etkileşimlerin kullanıcıları bunaltabildiği, gerçek zamanlı bağlamı göz ardı edebildiği veya kullanıcı niyetini ve davranışını dikkate almadığı kurumsal ortamlarda benimsenmenin önünde önemli bir engeldir.
Bu bakış açısıyla her kalıbın sunduğu faydaları, ilgili tasarım zorluklarını ve uygulamaya yönelik pratik önerileri belirledik. Bu kalıplar farklı etkileşim türlerine ve biçimlerine uygulanabilir; hem tüketici deneyimleri hem de bilgi çalışanlarının daha iyi kararlar almasına yardımcı olan kurum içi yapay zekâ çözümleri için fırsatlar yaratır.
Daha iyi insan-yapay zekâ ilişkileri tasarlamaya yardımcı olmak için, üretken yapay zekâ çözümleri geliştirirken ve bunları denerken gözlemlediğimiz yeni kalıpları paylaşmak istiyoruz.
İster bilgi çalışanı ister tüketici olalım, teknolojiyle kurduğumuz birçok etkileşim gündelik işleri olması gerekenden daha zor hâle getiriyor. Üretkenliğimizi, etkililiğimizi ve yarattığımız değeri sınırlıyor.
Bilgi çalışanları da tüketiciler de erişilebilen bilgi, seçenek ve araçların muazzam hacmi karşısında bunalabilir. Çoğu zaman birbiriyle çelişen bu sürekli mesaj bombardımanı, net kararlar almayı veya odağı korumayı zorlaştırır. Araştırmalar, çalışanların iş günlerinin %40'ına varan bölümünü yalnızca ihtiyaç duydukları bilgileri arayarak geçirdiğini gösteriyor (McKinsey). Bu bilgi yükü hem üretkenliği hem de esenliği etkiler.
Ayrıca dikkat kapasitemiz de sınırlıdır. Bilgiyi bulabilsek bile bilinçli bir karar vermek için gereken her şeyi işleyip analiz edemeyiz. Herhangi bir anda mevcut verilerin yalnızca küçük bir bölümüne odaklanabiliriz; çoğu zaman alternatifleri değerlendirme veya beklenmedik örüntüleri belirleme becerimizi sınırlayan mevcut inançlara ya da fikirlere tutunuruz.
Araçlar da çoğu zaman bu sınırlamaları dikkate almaz. Çoğu teknoloji “ortalamalara” göre tasarlanır; herkese uyan bu çözümler bireysel bağlamlara uyum sağlamaz. İster iş yeri yazılımları ister tüketici uygulamaları kullanalım, bu araçlar ihtiyaçlarımızı, kısıtlamalarımızı veya kendimize özgü koşullarımızı nadiren dikkate alır. Sonuç olarak teknoloji verimsiz veya amaca ters hâle gelebilir. Üretken yapay zekâ, daha uyarlanabilir ve kişisel etkileşimler oluşturma fırsatı sunar.
Son olarak birçok çalışma ortamı gereksiz mutsuzluğa yol açar. Artan “angarya” miktarı, “her zaman erişilebilir olma” baskısı ve tekrarlayan, düşük değerli görevler; işe yabancılaşmaya ve kronik strese katkıda bulunur. Üretken yapay zekâ ve yapay zekâ ajanları bu deneyimleri azaltabilecek veya ortadan kaldırabilecek olsa da birçok kişi hâlâ yapay zekânın genel olarak işi iyileştirme becerisine güvenmiyor. İnsanlar, işlerinden olma korkusu taşıdıkları veya sevmedikleri görevler dâhil kendi işleri üzerinde sahiplik hissettikleri için “yapay zekânın kontrolü ele geçirmesi” fikrine direnebilir.
Yalnızca yapay zekâ uygulamak çözüm değildir. Kötü entegre edilmiş yapay zekâ, özellikle bilgi çalışanları için yeni görevler ve kaygılar yaratabilir. Bu zorluklar, yalnızca verimli değil; bilişsel yeteneklerimizle, bireysel koşullarımızla ve gerçek dünyadaki kısıtlamalarla da uyumlu insan-yapay zekâ etkileşimlerine duyulan ihtiyacı gösteriyor. Aşağıdaki altı kalıp, insanların ihtiyaçlarını dikkate alan ve yapay zekâyla daha uyarlanabilir, şeffaf ve anlamlı bir ilişkiyi destekleyen yaklaşımları özetliyor.
Yeni tasarım kalıpları ile etkili, insan odaklı yapay zekâ deneyimlerine ilişkin ilkeler arasındaki ilişki.
Derleme: Akıllı bir menü olarak yapay zekâ—Yapay zekâ bilgileri derleyip düzenleyerek insanların geniş veri kümelerinde yolunu bulmasına yardımcı olur ve bilgi yükünü azaltır.
Geri bildirim verme: Düşünce ortağı olarak yapay zekâ—Yapay zekâ, varsayımları sorgulayan ve alternatif bakış açıları sunan gerçek zamanlı, düşündürücü geri bildirim sağlar.
Durumsal farkındalık: Şu anı ve burayı anlayan yapay zekâ—Yapay zekâ, çevresel bilgileri ve kullanıcı ihtiyaçlarını sürekli işleyerek gerçek zamanlı bağlama uyum sağlar.
Sürekli keşif: Her etkileşimi kullanıcı araştırmasına dönüştürmek—Yapay zekâ, içgörüleri ortaya çıkarmak ve anlayışını geliştirmek için her kullanıcı etkileşiminden yararlanarak sürekli öğrenme ve iyileştirme sağlar.
Güçlendirme: Daha iyi sonuçlar için kullanıcı girdisini zenginleştirme—Yapay zekâ, kullanıcının asıl niyetini korurken girdisini arka planda geliştirir.
İşleyişi gösterme: Şeffaf yapay zekâ akıl yürütmesi—Yapay zekâ, karar verme sürecini görünür ve yararlı kılarak güven oluşturur ve kullanıcıların daha bilinçli kararlar almasına yardımcı olur.
Bu altı kalıp, etkili yapay zekâ çözümlerinin iyi tasarlanmış bir kullanıcı arayüzünden fazlasını gerektirdiğini gösteriyor. İnsanların ve yapay zekâ ajanlarının karmaşık bilgi sistemlerinde nasıl koordinasyon kurduğunu, karar aldığını ve etkileşimde bulunduğunu şekillendirir. Bu kalıplar insan-yapay zekâ etkileşimini şu yollarla iyileştirir:
İki yönlü bilgi alışverişine öncelik verme: Yapay zekânın ve insanların fikir, bağlam ve içgörü sunduğu bir diyaloğa olanak tanıyın. Bu, henüz kodlanmamış uzmanlık bilgileri ve sezgilerle desteklenen, daha yetenekli yapay zekâ sistemlerine olanak tanır.
Koşullara göre uyum sağlayıp değişen deneyimler oluşturma: Yapay zekâ araçları hızla eskimiş veya alakasız hâle gelebilir. Durumsal farkındalığı koruyan, sürekli öğrenen ve her kullanıcının koşullarına uyum sağlayan sistemler zaman içinde yararlılığını sürdürür.
Güveni artırma: Şeffaf ve iş birliğine dayalı etkileşimler benimsenmenin önündeki engelleri azaltır, katılımı artırır ve hem insanların hem yapay zekânın kararlarını iyileştirir. Özenli tasarım, insanların zaman içinde sistemin kararlarına ve çıktılarına güvenmeye devam etmesine yardımcı olur.
Etkili yapay zekâ deneyimleri tasarlamak zordur, ancak kendini kanıtlamış yaklaşımlar yardımcı olabilir. Kullanıcıları anlamaya ve yararlı deneyimler oluşturmaya ilişkin temel ilkeler, kendi başına hareket edebilen yapay zekâ sistemlerinin getirdiği yeni hususlarla birlikte hâlâ geçerlidir. Bilgileri etkili biçimde derleyen, yararlı geri bildirim sunan ve şeffaf biçimde öğrenen deneyimler; bilgi yükünü azaltabilir, kararları iyileştirebilir ve güven oluşturabilir.
Bu kalıplar, benimsenmenin önündeki yaygın engelleri aşmaya yardımcı olarak yapay zekâyı gerçekten yararlı, uyarlanabilir ve herkes için daha değerli kılar.
Aşağıdaki rehber, her kalıbı daha ayrıntılı inceliyor ve daha kapsamlı bir yapay zekâ deneyimini nasıl destekleyebileceğini açıklıyor.
Nedir: Kullanıcıların sayısız arama sonucunu veya belgeyi elle taraması yerine, yapay zekâ ajanları geniş veri kümelerindeki bilgileri derleyip en alakalı içgörüleri sunabilir. Özünde yapay zekâ, bilgiyi kullanıcının bağlamına göre düzenleyen bir kütüphaneciye dönüşür.
Neden yararlıdır: Bilgi yükünü azaltır. Ortalama bir bilgi çalışanı günde 1,8 saatini bilgi arayarak geçirir; bu da birçok çalışanın tükenmişliğine katkıda bulunur (McKinsey). Yapay zekâ destekli derleme, çok çeşitli kaynaklardaki bilgileri dizinleyerek, bularak ve birleştirerek bu sorunu ele alır; kullanıcıların geleneksel aramada gözden kaçırabileceği bilgileri, seçenekleri ve içgörüleri bulmasına yardımcı olur.
Zorluk: Geleneksel arayüz tabanlı aramadan ajan destekli bir yaklaşıma geçmek, kullanıcıların beklentilerini değiştirmesini gerektirir. İnsanlar, bağlantı listelerini incelemeye veya bir veri kümesini filtrelemek için düğmelere basmaya alışkındır. Buna karşılık yapay zekâ destekli bir derleyici, kullanıcıların varlığından haberdar olmayabileceği kaynaklardan yanıtlar sentezler. Bu durum, kullanıcıların filtreleme üzerindeki kontrol duygusunu azaltabilir ve ajanın seçimlerine güvenmelerini gerektirebilir. Tanıdık arama mekanizmaları, insanların güven veya kontrol kaybı yaşamadan yapay zekâ destekli derlemeye uyum sağlamasına yardımcı olabilir.
OpenAI'ın yapılandırılmış ve yapılandırılmamış bilgilerin keşfini desteklemek için tanıdık etkileşim kalıplarından yararlanma biçimi.
Arama mekanizmalarını tanıdık etkileşimler olarak sunun:
Geleneksel aramadan geçişi kolaylaştırmak için boş ekranlar yerine tanıdık etkileşimler sunun. Deneyim; tanıdık seçeneklere, anketlere ve bağlamsal önerilere dayandığında kullanıcılar kendilerini daha rahat hisseder.
Açık uçlu girdi istemek yerine düğmeleri prompt olarak kullanın:
Serbest metin girişi göz korkutucu veya zaman alıcı gelebilir. Önceden ayarlanmış veya otomatik oluşturulan düğmeler, derlemeyi daha erişilebilir kılar. Örneğin “En yeniye göre filtrele”, “Fiyatları karşılaştır” ve “Küresel kaynakları dâhil et” seçenekleri, kullanıcıların sonuçları daraltmasına yardımcı olabilir. Bu yaklaşım katılım engelini azaltır, keşfi teşvik eder ve yapay zekânın önerilerini kullanıcı niyetine göre şekillendirir.
Arama sonuçlarını iyileştirmek için kullanıcıların hikâyelerini anlatmasına izin verin:
Bazen hikâye anlatımı, kullanıcının ihtiyaçlarını doğrudan sorgulardan veya filtrelerden daha etkili biçimde aktarır. Yoğun gösterge panellerinde gezinmek veya doğru ürünü aramak gibi karmaşık durumlarda insanlar geleneksel araçlar karşısında bunalmış hissedebilir ya da hangi parametreleri ayarlayacaklarını bilemeyebilir.
Kullanıcılar bir sorununu, kişisel hedefini veya istediği ürünü anlatarak “hikâyesini paylaşabildiğinde” yapay zekâ bu anlatıyı yapılandırılmış arama parametrelerine dönüştürebilir. Örneğin, “I just moved into a smaller home and need versatile, budget-friendly storage solutions,” diyen biri derlenmiş ürün önerileri, pratik ipuçları ve ilgili tavsiyeler alabilir.
Hikâye anlatımını benimseyerek hem hangi filtrelerin uygulanacağını bilmenin getirdiği bilişsel yükü azaltır hem de derlenen nihai sonuçlara duyulan güveni ve sonuçların netliğini artırırsınız.
Keşfi kişiselleştirmek için meme'lerden ve kültürel referanslardan yararlanın:
Meme'ler yapay zekâ ile derlemeye iki şekilde yardımcı olabilir: Ajanın kullanıcıyı anlamasını geliştirir ve arama sonuçlarını daha insani, ilişki kurulabilir bir biçimde canlandırır. İlk olarak kullanıcılar, hedeflerini, ruh hâllerini veya tarzlarını anlatan meme'leri seçerek ya da bunlara atıfta bulunarak (“I’m feeling the ‘Treat Yo Self’ vibe today!”) “zihin kuramlarını” yapay zekâyla paylaşmış olur. Bu, standart bir grafik arayüzde veya metin sorgusunda kaybolabilecek bağlamı çıkarımla belirleyen ajanın derleme sürecine ince ayar yapmasına yardımcı olur.
İkinci olarak ajan, sonuçları tematik veya popüler kültürden esinlenen “başlangıç paketleri” biçiminde sunarak önerileri daha alakalı ve kişisel hâle getirebilir. Örneğin biri ev ofisini yeniden tasarlıyorsa yapay zekâ; masa aksesuarlarını, teknolojiyi ve ilham kaynaklarını bir araya getiren bir “WFH başlangıç paketi” oluşturabilir.
Bir sonraki en iyi eylemlerle kullanıcıya netlik sağlayın:
Bir yapay zekâ ajanının sonuçları isabetli olsun veya olmasın, kullanıcılar parametreleri kolayca iyileştirebilmelidir. Örneğin “Show me more like item 2,” veya “Exclude sources older than 2020.” diyebilirler. Önerilen sonraki eylemler, yeni kullanıcıları bunaltmadan yönlendirebilir.
Nedir: Yapay zekâ ajanları genellikle geleneksel olarak insanların yaptığı işleri devretmenin bir yolu olarak ele alınır. Gerçek zamanlı iş birliği yapabilme becerileri ise daha az ilgi görür. Bir ajan yalnızca talimatları izlemek veya içerik üretmek yerine düşündürücü sorular sorabilir, varsayımları sorgulayabilir ve alternatif bakış açıları sunabilir. Böylece yapay zekâ, kullanıcıların çalışmalarını geliştirme sürecinde iyileştirmelerine yardımcı olan bir düşünce ortağına dönüşür.
Neden yararlıdır: Zamanında geri bildirim hepimize fayda sağlar, ancak buna her zaman ulaşamayız. Hem karşıt görüşler hem de destekleyici görüşler, bir fikre fazla bağlanmadan önce örüntüleri belirlememize yardımcı olabilir. Yapay zekâ ajanları, insan muhakemesinin yerini almadan varsayımlarımızı sorgulayabilir, fikirler üretebilir ve verilere ilişkin alternatif yorumlar önerebilir. İnsanların bu tür ajansal geri bildirimlere çoğu zaman olumlu yanıt verdiğini gördük.
Yapay zekâ ajanları, akıl yürütmedeki boşlukları ortaya çıkaran veya alternatif bakış açılarını vurgulayan karşı argümanlar üretebilir.
Zorluk: Yapay zekâ geri bildirimi sezgisel ve uygulanabilir olmalıdır; aksi hâlde dikkat dağıtır. İnsanlar, alakasız önerilerle sözünü kesen veya her ayrıntıda kusur arayan bir ajan istemez. Yapay zekâ doğru anlarda ve uygun bir tonla devreye girmelidir. Fazla pasif olursa yararlı fırsatlar kaçırılır; fazla agresif olursa kullanıcılar kararlarının sürekli sorgulandığını hissedebilir.
Zorluk, yapay zekânın geri bildirimini nasıl sunacağımızdır: İpuçları, isteğe bağlı bir inceleme veya iki yönlü bir diyalog olarak mı görünmeli? Etkileşimin doğru tasarlanması, kullanıcıların yapay zekâyı bir ortak olarak benimsemesini mi yoksa yalnızca Clippy 2.0 olarak görmesini mi belirleyecektir.
Geri bildirimin proaktif ama rahatsız etmeyen nitelikte olmasını sağlayın:
Yapay zekânın doğal duraklama noktalarında öneriler sunmasına izin verin. Örneğin bir belge düzenleyicide, düzeltme önermeden önce cümlenin veya paragrafın tamamlanmasını bekleyebilir. Bir ajanın, boş bir metin alanı seçildikten sonra yardım sunmadan önce kısa süre beklemesi seçeneğini de araştırdık. Üslup önemlidir: “Değerlendirebileceğiniz bir fikir...” ifadesi, kesin bir iddiadan daha yapıcı gelir.
Geri bildirimi keşfe dayalı bir diyaloğa dönüştürün:
Geri bildirim net değilse kullanıcıların “Why do you suggest changing this?” gibi sorular sormasını kolaylaştırın. Meraklı bir yapay zekâ kişiliği, etkileşimin daha yapıcı hissedilmesini sağlayabilir. Düşünceli bir terapist veya kolaylaştırıcı gibi ajan da doğru anda ilgili sorular sorarak geri bildirimi kullanıcının öğrenmesine yardımcı olan bir konuşmaya dönüştürebilir.
Bu ayrıca yapay zekânın bağlam toplamasına yardımcı olarak kullanıcının ve ajanın daha net, ortak bir anlayış geliştirmesini sağlar.
Birden fazla seçenek, fikir veya alternatif sunun:
Ajan tek bir fikir, çözüm veya itiraz sunmak yerine çeşitli bakış açıları sağlayabilir. Örneğin bir tasarım ajanı üç alternatif düzen oluştururken bir yazım ajanı farklı kitleler için bir cümlenin farklı sürümlerini önerebilir. Seçenekler sunmak, kontrolün kullanıcıda kalmasını pekiştirir.
Geri bildirimin bağlama duyarlı olmasını sağlayın:
Ajan, “düşünce ortağı” rolünü kullanıcının mevcut bağlamına uyarlamalıdır. Biri bir soruda veya metin alanında duraklarsa yapay zekâ hemen eksiksiz bir yanıt vermek yerine düşündürücü bir soru sorabilir. Kullanıcının yalnızca bir cümleyi yeniden ifade ettirmesi gerekiyorsa kabul veya reddedilebilecek kısa bir öneri, sahiplenme duygusunu korumaya yardımcı olur.
En önemlisi, yapay zekâ ne zaman geri çekileceğini bilmelidir. Uzayan karşılıklı etkileşim, sonu gelmeyen düzenlemelerden oluşan bir “kısır döngüye” yol açıp kullanıcının güvenini zedeleyebilir. Yapay zekâ ajanı, bağlama ve kullanıcı eylemlerine duyarlı kalarak sınırı aşmadan gerçekten yararlı olacak biçimde geri bildirimini uyarlayabilir.
Nedir: Durumsal farkındalık, bir ajanın bağlamsal bilgileri gerçek zamanlı yorumlayıp davranışını buna göre ayarlama becerisidir. Yapay zekâ ajanları yalnızca önceden belirlenmiş girdilere dayanmak yerine çevre, kullanıcının mevcut durumu ve diğer ilgili koşullar hakkındaki bilgileri sürekli işleyebilir.
Bu, arayüzü kullanıcının anlık ihtiyaçlarına uyarlamak veya yanıtları daha alakalı kılmak için mevcut piyasa koşullarını yorumlamak anlamına gelebilir.
Neden yararlıdır: Gerçek dünya durağan değildir. Durumsal farkındalığa sahip yapay zekâ sistemleri, mevcut koşullara yanıt verdikleri için daha yararlı olabilir. Bir ajan ilgili bağlamı anladığında etkileşimler daha doğal, kişisel ve gerçekliğe dayalı gelir.
Zorluk: Gerçek anlamda durumsal farkındalığa sahip yapay zekâ geliştirmek zordur. Gerekli verilere erişmek ve bunları bütünleştirmek önemli teknik karmaşıklıklara yol açabilir.
Yararlı bağlamsal farkındalık ile müdahaleci aşırılık arasında ince bir çizgi vardır. Kullanıcılar durumu “kavrayan” bir ajandan memnun olur, ancak fazla bilgi isterse veya aşırı ısrarcı görünürse rahatsızlık duyabilir. Koşullar hızla değişebildiği için insan uzmanlığı ve muhakemesi önemini korur.
Bu nedenle etkili bir yapay zekâ sistemi, kullanıcıların koşullarına ilişkin yararlı ve güncel anlayışını korumak için onların girdisine ihtiyaç duyar.
İyi bağlamın nasıl göründüğünü kullanıcılara gösterin:
OpenAI o1 gibi akıl yürütme modelleri, insanların büyük dil modellerine bağlam sunma biçimini değiştirdi. Modelden bağımsız olarak ayrıntılı bağlam, daha alakalı yanıtlar alınmasını sağlar. Net örnekler, yer tutucu metinler ve genişletilebilir ipuçları, kullanıcılara hangi bilgileri sunmaları gerektiğini gösterip bunun neden önemli olduğunu açıklayabilir.
“İyi bağlamın” nasıl göründüğünü kullanıcıya açıkça göstermek, insanların anlamlı ayrıntıları belirtmesini engelleyen belirsizliği ortadan kaldırabilir.
Ajanın sınırlarını tanımlamayı kolaylaştırın:
Kullanıcının anlık ihtiyaçları önemlidir ancak açıkça anlaşılmayabilir. Durumsal farkındalığa sahip bir ajan; incelemesi gereken konuları, alanları ve araçları tanımlamak için kullanıcıyla birlikte çalışabilir. ChatGPT'deki derin araştırma, araştırma görevine başlamadan önce açıklayıcı sorular sorarak bu yaklaşımı destekler.
Hızlı düzenleme ve eklemeler için görünür bağlam sunun:
Kullanıcılar, yapay zekânın hedefleri, odak noktaları ve veri kaynakları hakkında o anda varsaydıklarını özetleyen bir görünüme ihtiyaç duyabilir. Özel bir panel, sistemin bilgi kesim tarihini, mevcut varsayımlarını ve ilgili girdileri açıklayabilir. Bir simge konum verilerinin ne zaman kullanıldığını gösterebilir; bir özet ise bir içgörüye kaç kaydın katkıda bulunduğunu belirtebilir.
İnsanlar, yapay zekânın ne “bildiğini” görmekten ve ilgili bağlamı mümkün olduğunca kolay biçimde ekleyebilmekten, kaldırabilmekten veya güncelleyebilmekten yarar sağlar.
Yapay zekânın arayüz özelliklerini yararlılıklarına göre seçmesine izin verin:
Yapay zekâ ajanları, durumsal ipuçlarına göre özellikleri seçerek etkinleştirebilir veya devre dışı bırakabilir. Biri teknik rapor hazırlarken ajan gelişmiş alıntı araçlarını etkinleştirebilir; konuşmacı notlarını düzenlerken ise düzenleme özelliklerini öne çıkarabilir. Bu, kullanıcıların her ayarı elle yönetmesini gerektirmeden odaklı deneyimler sağlar.
Nedir: Deneyim tasarımı ve ürün geliştirme, kullanıcı araştırmasını çoğu zaman projenin başındaki veya belirli aralıklardaki ayrı bir aşama olarak ele alır. Sürekli keşif ise kullanıcı davranışlarını, ihtiyaçlarını ve tercihlerini anlamayı devam eden bir süreç olarak ele alır. Yapay zekâ; konuşmaları, tıklamaları ve geri bildirimleri, kullanıcıların açıkça dile getirmediği içgörüleri ortaya çıkarma fırsatlarına dönüştürebilir.
Özünde yapay zekâ, sorun alanını gerçek zamanlı olarak öğrenmeye ve ona uyum sağlamaya devam eder.
Neden yararlıdır: Uzmanlardan, uygulayıcılardan ve genel kullanıcılardan bir yapay zekâ çıktısının etkililiği veya kullanılabilirliği hakkında yararlı geri bildirim toplamak zor olabilir. Ajanlar; deneyim henüz tazeyken tepkileri, içgörüleri ve sezgileri bağlam içinde yakalamaya yardımcı olabilir.
Zorluk: Geri bildirim, çoğu zaman nedenini açıklamadan ne olduğunu veya kullanıcının sonucu beğenip beğenmediğini gösterir. Bu içgörüler sistemin gelecekteki yeteneklerini geliştirecek olsa bile insanlardan düşünme süreçlerindeki her adımı hatırlayıp belgelemelerini istemek külfetli gelebilir.
Bu, özellikle açık uçlu bir konuşmanın istenmediği veya mümkün olmadığı, sıkı kısıtlamalara tabi yapay zekâ sistemlerinde önemlidir.
Tepkileri yakalamak için açıklayıcı etiketler kullanın:
Basit bir “beğendim” veya “beğenmedim” işareti, kullanıcının tepkisini nadiren açıklar. “Bütçe planlamasına yardımcı oldu” veya “mevzuat bilgisi eksik” gibi açıklayıcı etiketler daha yararlı bir bağlam sağlar. Bu etiketler mevcut etkileşimi yansıtabilir veya kullanıcıları kısa bir görüş paylaşmaya davet ederek puanı yapay zekânın öğrenebileceği bilgiye dönüştürebilir.
Yapay zekâ ajanlarını “bilgi kartlarıyla” yönlendirin:
Yapay zekâ hata yaptığında veya yalnızca kısmen başarılı olduğunda kullanıcılara onu düzeltmenin ya da ona “öğretmenin” basit bir yolunu sunun. Örneğin bir ajan, “How would you phrase it?” veya “What detail did we miss?” diye sorabilir. Ortaya çıkan yönlendirme mevcut etkileşim için saklanabilir veya daha sonra yeniden kullanılabilir.
Yineleme ve çeşitlilikten öğrenin:
Bazen en iyi geri bildirim, yeniden denemekten gelir. Basit yeniden oluşturma denetimleri, kullanıcıların yeni seçenekleri karşılaştırıp tercih ettiklerini belirlemesini sağlar. Bu seçimler, ilk girdiyi daha yararlı bir sonuca bağlar ve denemeyi öğrenme sürecinin parçası hâline getirir.
Etkileşimleri gözlemleyin:
Yapay zekâ ajanları, birden çok etkileşimden öğrenmek için birlikte çalışabilir. Örneğin bir ajan araştırma özeti hazırlarken diğeri deneyimi değerlendirmek için etkileşimi analiz edebilir. Etnograflar gibi hareket eden bu ajanlar, kişinin niyeti ile çıktının kalitesine ilişkin algısı arasındaki farkları belirleyebilir.
Bu gözlemler, içgörüleri ortaya çıkarıp sistemde değişiklikler önererek sürekli iyileştirmeyi destekleyebilir.
Nedir: Güçlendirme, asıl niyeti korurken daha iyi bir sonuç üretmek için kullanıcının girdisini, promptunu veya talimatını uyarlar. Yapay zekâ, açıkça belirtilen isteğin ötesinde, arka planda ek çalışmalar yürütür. Örneğin “gölge prompt oluşturma”, sistem yanıt üretmeden önce sorguyu zenginleştirebilir.
Kullanıcı ilk fikri sunar; ajan da sonucu iyileştirebileceği durumlarda bu girdiyi genişletir.
Neden yararlıdır: İnsanlar çoğu zaman kısa veya genel talimatlar verir, oysa en iyi yanıt ek adımlar gerektirebilir. Yapay zekâ ajanları, kullanıcıların her şeyi açıklamasına gerek kalmadan bu boşluğu kapatabilir. Örneğin yapay zekâdan “brainstorm marketing ideas for my new coffee product” diye istemek, aksi hâlde genel bir listeyle sonuçlanabilir.
Güçlendirilmiş bir yaklaşım, giderek daha iddialı birkaç beyin fırtınası oturumu yürütebilir ve en güçlü fikirleri birleştirerek daha zengin, çeşitli bir sonuç oluşturabilir.
Zorluk: Arka planda çalışmak, kullanıcının sahiplenme ve şeffaflık duygusunu azaltabilir. Yapay zekâ, birinin isteğini değişikliği açıklamadan düzenlerse kullanıcının istemediği bir sonuç üretebilir. Tasarımcılar, yararlı güçlendirme ile istenmeyen yönlendirme riski arasında denge kurmalıdır.
Tasarımın zorluğu, kullanıcıların istediklerinde güçlendirmeyi yönlendirebilmesini sağlamaktır.
Kullanıcının niyetini koruyup geliştirin:
Güçlendirme, yeni hedefler eklemeden kullanıcının belirttiği hedefleri geliştirmelidir. Yapay zekâ bir promptu genişlettikten veya arka plan görevlerini tamamladıktan sonra kendisi ya da ayrı bir doğrulayıcı, nihai çıktıyı ilk istekle karşılaştırmalıdır. Beklenmedik eklemeler açıkça belirtilmelidir.
Güvenlik ve yaratıcılık için güçlendirmeden yararlanın:
Gölge prompt oluşturma gibi teknikler, kullanıcı isteklerinin gizlice yeniden şekillendirilmesine ilişkin endişeler doğurabilir. Güveni korumak için bu teknikleri kullanıcının niyetini zedelemeden netliği, güvenliği veya eksiksizliği iyileştirmek amacıyla kullanın. Güvenlikle ilgili bir düzenleme gerekiyorsa bunu açıklayın veya anında geri bildirim verin.
Kullanıcılar, temelindeki mantığı veya ölçütleri görmeden bir moderasyon sonucuyla karşılaşabilir.
Kendini kanıtlamış kolaylaştırma tekniklerinden yararlanın:
Yapay zekâ ajanları, verimli etkileşimleri şekillendirmek için Liberating Structures gibi kolaylaştırma ve iş birliği yöntemlerini uygulayabilir. Bu hafif çerçeveler, kişinin yaratıcı ve analitik potansiyelini en üst düzeye çıkarmaya yardımcı olur.
Ajan, konuşma sırasında tanıdık beyin fırtınası ve fikir eleme yöntemlerinden yararlanabilir. Etkileşimin ilerleyişindeki küçük değişiklikler, daha geniş bir fikir ve içgörü yelpazesi oluşturabilir.
Yararlı içeriği ortaya çıkarmak için paralel akışlar kullanın:
Ajan, tek ve doğrusal bir etkileşime dayanmak yerine çeşitli yorumları, fikirleri veya çözümleri eşzamanlı olarak keşfedebilir. Bu, yararlı içgörüleri kaybetmeden farklı bakış açılarından beyin fırtınası yapan bir uzman grubuna benzer.
Koordinasyon sağlayan bir süreç, bu farklı keşif yollarını tutarlı ve uygulanabilir bir yanıtta birleştirebilir.
Kullanıcıları eğitmek için güçlendirmeden yararlanın:
İyi tasarlanmış güçlendirme, insanların yapay zekâyla daha etkili etkileşim kurmayı öğrenmesine de yardımcı olabilir. Bir ajan “I considered X and Y in my answer,” diye açıklarsa kullanıcılar gelecekteki isteklerine bu etkenleri dâhil edebilir. Bu, iki yönlü bir gelişim sağlar: Şimdi daha iyi yanıtlar, zamanla daha iyi girdiler.
Nedir: Bu kalıp, yapay zekâ ajanlarının akıl yürütmesini daha anlaşılır kılar. Özenle tasarlanmış etkileşimler, ajanın neden belirli bir yanıt ürettiğini açıklayabilir, destekleyici kaynakları vurgulayabilir veya süreçteki ilgili adımları görünür kılabilir. Amaç, kullanıcıyı bunaltmadan etkili insan kararlarını desteklemektir.
İlgili akıl yürütmeyi göstermek, kullanıcılar onu adım adım inceleyebildiğinde ve ihtiyaç duydukları ayrıntı düzeyini seçebildiğinde en iyi sonucu verir.
Neden yararlıdır: Özellikle kurumsal ortamlarda yapay zekânın benimsenmesi için güven şarttır. İnsanlar, davranışını anlayamadıkları veya doğrulayamadıkları bir sisteme daha az güvenir. Şeffaf çıktılar sorunları teşhis etmeyi, hataları düzeltmeyi ve yararlı yaklaşımları tekrarlamayı kolaylaştırır.
Zorluk: Yapay zekâ kararlarını açıklamak zor olabilir. Fazla ayrıntı kullanıcıları bunaltabilir; olasılıkları veya uzun akıl yürütme özetlerini yorumlamak ise zor olabilir. Şeffaflık tek başına doğruluğu da garanti etmez.
Tasarımcılar açıklamanın kalitesini, sunumunun netliğini ve destekleyici kanıtların yararlı bir diyaloğun parçası hâline nasıl gelebileceğini değerlendirmelidir.
Ajanların kapsamlı düşünmesine, ardından sonuçları özetlemesine izin verin:
Yapay zekâ, sonuçları kolay anlaşılır bir biçimde sunarken bir sorunu derinlemesine analiz edebilir. Hiyerarşik özetler ve aşamalı açıklama, kullanıcıların ana içgörüyle başlayıp destekleyici ayrıntıları yalnızca gerektiğinde genişletmesini sağlar.
İyi tasarlanmış bir etkileşim, derinlikten veya netlikten ödün vermeden karmaşık bilgileri keşfetmeyi kolaylaştırabilir.
İncelenebilir alıntılar ve referanslar sunun:
Yapay zekâ tarafından üretilen yanıtlar, kullanıcılara destekleyici kaynakları incelemenin açık bir yolunu sunmalıdır. Buna bağlantılar, kurum içi raporlardan alıntılar, ilgili araştırma bulguları veya nicel verilerin daha ayrıntılı bir görünümü dâhil olabilir.
Örneğin erişim destekli üretim sistemlerinde kullanıcılar, yapay zekâ özetinden bunun arkasındaki kanıtlara ulaşabilmelidir. Bu, doğrulamayı destekler ve güven oluşturan daha derin incelemelere olanak tanır.
Önemli ilerleme sinyallerini iletin:
Karmaşık ajan iş akışları; yön değiştirmeyi, önceki adımları yeniden ele almayı veya birden çok araştırma hattını birleştirmeyi içerebilir. Kullanıcılar ne olduğunu anladığında gecikmeleri daha kolay tolere eder. Net ilerleme güncellemeleri, ajanın neleri tamamladığını, ne yaptığını ve sırada ne olduğunu açıklayabilir.
Ajan ayrıca ne zaman takıldığını veya bir karar için ek bakış açılarına ihtiyaç duyulduğunu açıklamalıdır.
Yapay zekâ çıktılarını adım adım gösterin:
Ajan, yanıtın tamamını bir kerede sunmak yerine bilgileri aşamalar hâlinde gösterebilir. Örneğin bir yatırım asistanı, gerekçesini genişletme seçeneğiyle birlikte kısa bir öneri gösterebilir: “Step 1: Assess the risk profile. Step 2: Review the current portfolio. Step 3: Identify diversification opportunities. Step 4: Formulate a recommendation.” Daha fazla ayrıntı isteyen kullanıcılar her adımı inceleyebilir; diğerleri özetle yetinebilir.
Yapay zekâ akıl yürütmesini görsel olarak açıklayın:
Açıklamalar, ana çıktı kadar anlaşılır olmalıdır. Akıl yürütme sayıları veya ilişkileri içerdiğinde grafikler ve diyagramlar yardımcı olabilir. Ajanın sorgularını, sürecini, akıl yürütmesini ve kaynaklarını görselleştirmek; kullanıcıların sürecin yönünü düzeltmesine, sonucu başkalarına açıklamasına veya süreci daha sonra tekrarlamasına da yardımcı olabilir.
Net görsel açıklamalar, kullanıcıların bilgileri daha hızlı anlayıp harekete geçmesine yardımcı olur.