AI ile Üretirken Neden Her Şeye Güvenmemek Gerekiyor?

Düzgün görünen çıktı

AI kullanınca bazen çok düzgün görünen bir çıktı alıyorsun. Kod düzgün. Metin düzgün. Model düzgün. Ama biraz inceleyince sorun ortaya çıkıyor.

Bence AI ile çalışmanın en önemli becerilerinden biri bu nedenle kontrol. Bir şeyi “iyi görünüyor” diye doğru kabul etmemek.

Bu yazı bir yapay zekâ eleştirisi değil. Araçları aktif olarak kullanıyorum ve üretimi gerçekten hızlandırdıklarını düşünüyorum. Ama hız, ancak çıktının doğruluğunu hızlıca doğrulayabildiğiniz sürece değer üretiyor. Doğrulama olmadan hız, hataları daha çok ve daha geç fark etmek demek. Aşağıda, hem kod hem 3D hem içerik tarafında nelerin kontrol edilmesi gerektiğini, neden gözden kaçtığını ve bunu nasıl alışkanlığa çevirdiğimi anlatıyorum.

Kontrol listem

Ben özellikle teknik işlerde bunu önemli buluyorum.

• Bir dosya gerçekten export olmuş mu?
• Link gerçekten çalışıyor mu?
• Mobilde açılıyor mu?
• Modelin oranları doğru mu?
• Texture doğru yere mi bağlı?
• Kod başka bir yerde problemi bozmuş mu?

Bunların hepsi kontrol edilmeli.

Listenin her maddesinin altında aslında ayrı bir hata ailesi var. Aşağıda bunları sırayla açıyorum.

Export gerçekten oldu mu?

“Dosya hazır” cümlesi ile dosyanın gerçekten hazır olması aynı şey değil. Bir araç ya da betik “export tamamlandı” dediğinde bile çıktı dosyası boş, eksik ya da beklenenden farklı olabilir.

Kontrol etmem gerekenler şunlar:

• Dosya gerçekten oluşmuş mu, dosya boyutu makul mü? Birkaç kilobayt'lık bir 3D model dosyası genellikle bir şeylerin eksik olduğunu gösterir.
• Dosyayı ayrı bir görüntüleyicide açınca model, malzemeler ve doku görünüyor mu?
• Beklenen nesneler gerçekten dosyada mı, yoksa gizli ya da devre dışı bırakılan nesneler yüzünden atlanmış mı?
• Ölçek ve yön doğru mu? Bir modelin metre yerine santimetre ölçeğinde çıkması ya da yan yatmış gelmesi sık görülen bir sorun.

GLB tarafında kendi kontrol sürecimi Blender'dan GLB export ederken nelere dikkat ediyorum yazısında ayrıntılı anlattım. Kısaca: export edilen dosyayı, üretildiği programdan bağımsız bir yerde açmadan bitmiş saymıyorum.

Link ve yönlendirmeler çalışıyor mu?

Metin ya da kod üretiminde en sık karşılaşılan sorunlardan biri, var olmayan ya da yanlış bir bağlantı. Yapay zekâ çıktıları çok ikna edici bir biçimde, hiç var olmayan bir sayfanın adresini ya da bir belgenin yanlış yolunu verebilir. Bağlantı biçim olarak doğru görünür, ama tıklayınca sayfa bulunamaz.

Bu yüzden:

• Verilen her bağlantıyı tek tek tıklayarak test ederim. Özellikle iç bağlantılar, yani sitenin kendi sayfaları arasındaki bağlantılar için bu önemli.
• Dış kaynaklara verilen bağlantıların gerçekten iddia edilen içeriğe gittiğini, yalnızca ana sayfaya düşmediğini kontrol ederim.
• Bir kaynak, istatistik ya da alıntı veriliyorsa, onu bizzat kaynağında doğrularım. Kaynağı bulamadığım bir bilgiyi yazıya almam.
• Yönlendirmelerin (redirect) beklenen yere gittiğini kontrol ederim.

Bu, özellikle içerik üreten herkes için önemli. Yanlış bir kaynak göstermek, hem okuyucuya hem de yazarın güvenilirliğine zarar verir.

Mobilde açılıyor mu?

Masaüstünde sorunsuz çalışan bir sayfa, telefonda bozulabilir. AI'nin ürettiği tasarım ya da kod çoğunlukla geniş ekran düşünülerek yazılmış gibi davranabilir; dar ekranda taşan başlıklar, üst üste binen bileşenler ya da çok küçük tıklama alanları görmek mümkün.

Kontrol ettiğim şeyler:

• Dar bir ekran genişliğinde sayfada yatay kaydırma çıkıyor mu?
• Yazı boyutları okunabilir mi, düğmeler parmakla rahat basılabilir mi?
• Görseller ve videolar ekran genişliğine uyum sağlıyor mu?
• Mümkünse gerçek bir telefonda açıp bakıyorum. Tarayıcı geliştirici araçlarındaki mobil simülasyon faydalı ama gerçek cihazın yerini tam tutmuyor.
• 3D içeriklerde, telefonun belleği ve işlemcisi daha sınırlı olduğu için modelin hâlâ açıldığını ve akıcı döndüğünü kontrol ediyorum.

3D içerikle ilgili mobil sorunlar, 3D ürünü web'e taşırken en çok yapılan hatalar yazısında da ayrı bir başlık olarak geçiyor.

Modelin oranları ve geometrisi doğru mu?

Yapay zekâ ile üretilmiş bir 3D model, ilk bakışta etkileyici görünebilir. Ama üründe bir şeyin birebir doğru olması gerekiyor: bir ayağın uzunluğu, bir deliğin yeri, bir kenarın kalınlığı. Bunlar ürünün kendisini temsil ediyor.

Kontrolde baktığım yerler:

• Referans fotoğraf ya da teknik çizimle yan yana koyup oranları karşılaştırmak.
• Önden, yandan ve üstten görünüşte simetri ve hizaları incelemek.
• Kenarların, deliklerin ve birleşim yerlerinin gerçek üründeki gibi olup olmadığına bakmak.
• Yüzeylerde garip gölgeler, pürüzler ya da düzensiz geometri olup olmadığını yakından incelemek.
• Modelin temiz ve düzenli bir yapıda olup olmadığına bakmak; düzensiz geometri, sonradan düzenleme ya da animasyon aşamasında sorun çıkarır.

Bu konuyu, yani yapay zekâ ile üretilen modellerin ticari ürün için neden bu kontrol yükünü taşıdığını AI 3D modelleme yazısında işledim. Belirli bir aracın kullanışlılığı ise Tripo AI yazısında ayrı ayrı değerlendirildi.

Texture doğru yere bağlı mı?

Bir malzeme ya da doku, modelin içinde görünüyor olabilir ama yanlış kanala bağlıdır. Örneğin pürüzlülük (roughness) haritası renk kanalına bağlanmış olabilir ya da normal haritası yanlış renk uzayında yorumlanıyor olabilir. Sonuçta model ilk bakışta fark edilmeyen ama ışık altında kendini belli eden bir hatayla çıkar.

Bu kısımda şunlara bakıyorum:

• Her doku doğru kanalda mı? Renk, pürüzlülük, metalik, normal ve diğer haritalar kendi yerine bağlı mı?
• Renk dokuları renk uzayı olarak doğru ayarlanmış mı, veri dokuları (normal, roughness gibi) ise renk verisi olmayan biçimde mi okunuyor?
• UV açılımı bozulmamış mı? Dokuda uzamalar ya da tekrar eden desenlerde kırılmalar var mı?
• Kullanılmayan, gereksiz doku ve malzemeler dosyada kalmış mı? Bunlar dosya boyutunu şişirir. Bu temizliğin neden önemli olduğunu Blender'da texture temizliği yazısında anlattım.
• Dosya başka bir görüntüleyicide açıldığında dokular hâlâ yerinde mi?

Kod başka bir yeri bozmuş mu?

Kod tarafında yapay zekâ çıktısının en sinsi riski, istenen değişikliği yaparken başka bir yeri bozmasıdır. Bir stil kuralı düzeltilir, ama aynı sınıfı kullanan başka bir sayfa bozulur. Bir fonksiyon güncellenir, ama onu çağıran başka bir yer eski davranışı bekler.

Bunu yakalamak için:

• Yapılan değişikliğin dosya farkını (diff) okurum; yalnızca istediğim yerler değişmiş mi bakarım.
• Değişikliğin dokunabileceği diğer sayfaları ve bileşenleri de açıp bakarım.
• Varsa testleri çalıştırırım; yoksa bir kez elle, en önemli akışları dolaşırım.
• Beklenmeyen bir dosyanın değiştiğini ya da yeni bir bağımlılığın eklendiğini fark edersem durur, nedenini sorarım.

Kod üretimi sürecimi Claude Code yazımda, kodu anlamanın önemini ise Codex yazımda ayrı ayrı anlattım.

Neden bu kadar kolay gözden kaçıyor?

AI çıktıları genellikle kendinden emin ve düzenli bir biçimde geliyor; bu da hatayı görmeyi zorlaştırıyor. Gerçek bir ortamda, gerçek bir cihazda ve gerçek bir kullanıcı gözüyle denemeden “bitti” demiyorum.

Bunun arkasında birkaç psikolojik ve pratik sebep var:

• Akıcı dil güven yaratır. Düzgün yazılmış, kendinden emin bir açıklama, içeriği sorgulama isteğimizi azaltır.
• Çoğu zaman doğru olması. Çıktı on kez doğru geldiyse, on birincide kontrolü bırakmak doğal bir eğilim. Hatalar tam bu rahatlama anında geçer.
• Ortada bir “bitti” hissi olması. Derleme geçti, dosya oluştu, metin tamam; bu sinyaller doğruluk değil yalnızca tamamlanma bilgisi verir.
• Kontrolün sıkıcı olması. Tek tek bağlantı tıklamak ya da dar ekranda gezinmek sıkıcı iş. Ama sıkıcı kontrol, utandırıcı hatayı önler.
• Hatanın bağlam dışı olması. Çoğu hata bir bütünün içinde, küçük bir ayrıntıda duruyor; yalnızca çıktıya değil, çıktının çevreyle ilişkisine bakmak gerekiyor.

Bu yüzden kontrolü iradeye bırakmak yerine sürecin bir parçası, yani bir kontrol listesi haline getirmeyi tercih ediyorum.

Kontrolü alışkanlığa çevirmek

Kontrolün sürdürülebilir olması için basit ve tekrarlanabilir olması gerekiyor. İşe yarayan bazı yöntemler:

• İşe başlarken “bitti” tanımını yazmak. Çıktının hangi koşulları sağlaması gerektiğini önceden belirlemek, sonunda neye bakacağınızı netleştirir.
• Kontrol listelerini yazılı tutmak. Hafızaya güvenmek yerine, iş türüne göre kısa listeler kullanmak. Bu yazıdaki liste gibi.
• Çıktıyı üretildiği ortamdan farklı bir yerde açmak. Bir dosyayı farklı bir görüntüleyicide, bir sayfayı farklı bir tarayıcıda ve cihazda denemek.
• Küçük adımlarla ilerlemek. Her adımda kontrol edilebilir küçük çıktılar istemek, hataları erken ve küçükken yakalatır.
• Kaynağı doğrulamak. Aracın verdiği bir bilgiyi, kritik ise birinci elden kaynakta teyit etmek.
• Aracı sorgulamak. “Bunu neden böyle yaptın?” ya da “bu yaklaşımın riski ne?” diye sormak. Açıklama zayıfsa çıktıyı da zayıf varsaymak.
• Son bakışı farklı bir zihinle yapmak. Mümkünse işi bir süre bırakıp ya da başka birine göstererek taze gözle bakmak.

İşin türüne göre hızlı kontrol çerçevesi

Aşağıdaki tablo benzeri özet, farklı çıktı türleri için neye bakılacağını bir arada veriyor.

• 3D model: ölçek, yön, oran, UV, malzeme kanalları, dosya boyutu, farklı görüntüleyicide açılma.
• Web sayfası: dar ekran, bağlantılar, konsol hataları, görsel yükleme, ilgisiz sayfalara etkisi.
• Kod değişikliği: diff okuma, derleme, testler, yan etkiler, yeni bağımlılıklar.
• Metin içerik: olgusal iddialar, kaynaklar, isimler ve rakamlar, kopyalanmış ya da genel geçer ifadeler.
• Görsel ve video: çözünürlük, renk, sıkıştırma kalitesi, telif ve kullanım hakkı durumu.

Web için 3D model hazırlıyorsanız, bu kontrol listesini web için 3D ürün modeli sürecinde teslim öncesi adım olarak da uyguluyorum.

Yapay zekâ ve üretim: nerede kullanılır, nerede kontrol artar?

Her iş eşit riskli değil. Bir fikir taslağı, bir isim önerisi ya da bir ilk iskelet için yapay zekâ çıktısını serbestçe kullanmak ve hızlı elemek makul. Riskli olan, çıktının doğrudan yayına, müşteriye ya da bir ürün tanımına gitmesi. Kontrol yükü, çıktının sonuçlarının ağırlığıyla birlikte artmalı.

3D çalışmalarımda bu dengeyi nasıl kurduğumu, yani yapay zekâyı hangi aşamalarda kullanıp hangilerinde kullanmadığımı 3D çalışırken yapay zekâyı nerede kullanıyorum yazısında anlattım. Genel ilke şu: hız isteyen, düşük riskli ve kolay doğrulanan işlerde serbest; hassas, ürünü temsil eden ve geri dönüşü zor işlerde sıkı kontrol.

Metin üretiminde ayrı bir dikkat: sahte kesinlik

Yazı üretiminde en tehlikeli çıktı, kesin bir dille söylenmiş ama dayanağı olmayan cümledir. “Araştırmalara göre”, “uzmanlar belirtiyor” ya da hiç kaynağı gösterilmeyen yüzdeler tipik örnekler. Bir cümlede rakam, tarih, isim ya da kaynak geçiyorsa, onu kaynağında teyit etmeden yayınlamam. Teyit edemediğim iddiayı ya çıkarırım ya da kesin bir dille değil, genel bir çerçeveyle ifade ederim. Okuyucunun güveni, tek bir yanlış rakamla bile sarsılabilir ve bu güveni geri kazanmak yazmaktan çok daha uzun sürer.

Üretkenlik ve kalite

AI üretkenliği artırabilir. Ama kalite kontrolünün yerini tamamen alamaz.

Sık sorulan sorular

Sonuç

Yapay zekâ çıktısı düzgün göründüğü için doğru olmak zorunda değil. Export, bağlantı, mobil görünüm, oran, doku ve yan etkiler gibi somut noktaları kontrol listesine çevirmek, hızın bedelini ödetmeden faydasını almanın yolu. Araç hızlandırır; doğruluğu garanti eden ise sizin kontrolünüzdür.