Yapay zekanın verdiği bilginin doğru olduğunu nasıl kontrol edersiniz?

Yapay zeka yanıtındaki tarih, sayı ve iddiaları kaynaklarına dönerek kontrol edin. Bir iş raporu örneğiyle doğrulama sırasını öğrenin.

Yapay zekanın verdiği bilginin doğru olduğunu nasıl kontrol edersiniz? için kapak görseli

Yapay zekanın verdiği bilginin doğru olduğunu anlamak için cevabın ne kadar düzgün yazıldığına değil, hangi iddiaları hangi kanıtlarla desteklediğine bakmalısınız. Bir iş yanıtını tek parça halinde onaylamak yerine tarihleri, sayıları, ürün özelliklerini ve önerileri ayrı değerlendirin. Ardından önemli bilgileri asıl kaynaklarına dönerek kontrol edin. “Bu doğru mu?” diye aynı modele yeniden sormak bazen hatayı görünür kılabilir; bağımsız doğrulamanın yerini tutmaz.

Özellikle rapor, teklif veya sunum hazırlarken bu ayrım önemlidir. Bir yanlış sayı iyi tasarlanmış slayta girdiğinde, sunumun düzeni onu daha güvenilir gösterebilir. Gelin kontrolü, işinizi gereksiz yere uzatmadan nasıl kurabileceğinize bakalım.

Önce cevap içindeki farklı türde cümleleri ayırın

Bir yanıt aynı anda dört şey yapabilir: Bilgi verir, hesap yapar, yorumlar ve önerir. Bunları aynı ölçütle sınamak doğru olmaz. “Geçen ay satışlar yüzde 12 arttı” hesap kontrolü gerektirir. “Artış yeni kampanyadan kaynaklandı” neden hakkında kanıt ister. “Gelecek ay aynı kampanyaya devam edin” ise hedef ve seçenek değerlendirmesidir.

Bir paragrafı şu küçük tabloya taşıyabilirsiniz:

Yanıttaki cümle

Kontrol edilecek nokta

Bir tarih veya güncel görev bilgisi

Kaynağın tarihi ve ilgili dönemdeki durum

Sayı, oran veya toplam

Veri, hesap ve kullanılan kapsam

Bir özellik veya kurum uygulaması

Güncel resmi açıklama

Neden anlatan yorum

Nedeni destekleyen ayrı kanıt

Yapmanız önerilen iş

Amaç, kısıt, alternatif ve beklenen etki

Bu ayrım, doğrulamanın nerede başlayacağını söyler. Her cümle için internette arama yapmak yerine yanlış olması kararınızı değiştirecek noktaları önce kontrol edersiniz.

Yapay zekanın kendinden emin olması yeterli değildir

ABD’nin standartlar kurumu NIST, üretken yapay zeka risk profilinde yanlış veya uydurulmuş içeriğin güvenle sunulabilmesini ele alıyor. Bu nedenle yanıtın sakin ve kesin tonu, içeriğin doğrulandığı anlamına gelmez.

Şöyle bir iş durumu düşünün: Bir satın alma çalışanı, üç tedarikçinin teslim sürelerini karşılaştırıyor. Yapay zeka, eski bir ürün sayfasındaki “iki iş günü” ifadesini bütün siparişlere uygulanıyormuş gibi özetliyor. Oysa güncel teklif, özel üretim ürün için farklı bir süre söylüyor. Sorun cümlenin dilinde değil; bilgiyi yanlış kapsamdan alıp yeni duruma taşımasında.

Çalışan ürün sayfasını, teklif tarihini ve sipariş koşulunu yan yana koyduğunda farkı görüyor. “İki gün” ifadesini sunuma doğrudan taşımak yerine, karşılaştırma tablosuna güncel teklif süresini yazıyor. Eski bilgi tamamen yanlış olmayabilir; bu sipariş için uygun kanıt değildir.

Örnek üç kontrolü birlikte gösteriyor: Asıl belgeyi bulmak, bilginin dönemini görmek ve aynı koşullardan söz edildiğini doğrulamak. Bunlardan biri eksik olduğunda kaynak bağlantısının bulunması da tek başına yeterli olmayabilir.

Bir iddiayı asıl belgesine kadar takip edin

Kaynak kontrolünde ilk durak, bilginin üretildiği yerdir. Bir şirketin özelliği için şirketin resmi dokümanı; bir satış hesabı için sizin çalışma tablonuz; bir araştırma sonucu için araştırmanın kendisi daha doğrudan başlangıçlar sağlar. Bir başkasının özetini asıl belge yerine kullanırsanız, yorum katmanları çoğalır.

Kaynağı açtıktan sonra yalnız başlığı okumayın. İlgili sayı veya cümleyi bulun. Hangi gruptan, dönemden ve koşuldan söz edildiğini kontrol edin. “Çalışanlar” diye aktarılan sonuç yalnız belli bir ürünün kullanıcılarını kapsıyor olabilir. “Ortalama” denilen değer, yanıt verenlerin kendi bildiriminden elde edilmiş olabilir.

Kaynakta geçen bir bulguyu kurumunuza uyarlayabilirsiniz; fakat bu uyarlama yeni bir düşünce adımıdır. Örneğin başka bir şirketteki uygulama sizin ekibinizde işe yarayabilir. Bunun gerçekleştiğini söylemek için kendi denemenizi yapmanız gerekir. Başkasının sonucunu kendi ölçülmüş başarınız gibi yazmayın.

Araştırmanız dağılıyorsa önce doğru iş sorusunu belirleme yaklaşımını kullanın. “Yapay zeka verimli mi?” gibi geniş bir soru yerine “Bu raporun hazırlık ve kontrol süresi azalıyor mu?” daha sınanabilir bir başlangıçtır.

Akıcı cevabı kanıtla sınayın: İddiaları ayırın. Tarih, sayı ve öneriyi farklı satırlara yazın. Kaynağa dönün. Bilginin asıl belgesini ve dönemini bulun. Kapsamı sınayın. Kanıtın gerçekten aynı soruyu cevapladığını görün.

Sayılar için ayrı bir kısa kontrol yapın

Bir rapor örneğinde ocak geliri 80.000, şubat geliri 100.000 olsun. Artış 20.000’dir. Ocak değerine göre büyüme yüzde 25 olur; şubat değerine bölmek ise yüzde 20 verir. İki sonuç da matematiksel bir işlemden çıkabilir. Doğru karşılaştırma, hangi başlangıç değerini kullandığınıza bağlıdır.

Bu küçük örnekte kontrolünüz yalnız sonuca bakmak değildir. Modelin kullandığı pay ve paydayı da görmeniz gerekir. Tutarların aynı para biriminde ve aynı dönem uzunluğunda olması, iade veya vergi kapsamının eşleşmesi de önemlidir. Hesap doğru kurulmuş olsa bile farklı türde iki değer karşılaştırılmış olabilir.

Yapay zekadan “Hesabı açıkla, kullanılan satırları göster ve varsayımları ayrı yaz” diye istemek bu incelemeyi kolaylaştırır. Yine de sonucu kendi hesabınızla sınayın. Tabloyu gözden geçirirken pivot tabloyla satış raporu hazırlama yazısındaki veri kapsamı düşüncesi faydalı bir dayanak olur.

Kontrolün derinliğini kararın etkisine göre seçin

Bir iç toplantının başlığını bulmak ile müşteriye verilecek teslim sözünü hazırlamak aynı ağırlıkta işler değildir. Yanlış olması kolayca düzeltilebilen bir taslakta daha kısa kontrol yeterli olabilir. Para, müşteri sözü, çalışan bilgisi veya önemli bir karar etkileniyorsa kontrolü derinleştirin ve ilgili kişiden görüş alın.

Kendi notunuzda üç durum kullanabilirsiniz: doğrulandı, henüz kontrol edilmedi, destekleyen kanıt bulunamadı. Bu ayrım, belirsizliği gizlemek yerine hangi bilginin rapora girebileceğini gösterir. Kanıt bulamadığınız cümleyi daha iddialı hale getirmek, kontrolü tamamlamak değildir.

Bu hafta bir yapay zeka yanıtındaki en önemli üç iddiayı seçin. Her biri için kanıtı, tarihi ve kapsamı tek satıra yazın. Sonra yalnız doğruladığınız kısmı kullanın. Bu alışkanlığı iş sunumlarınıza taşımak isterseniz kariyer gelişim kursunun programını inceleyebilirsiniz.

Murat Kendugan kariyer gelişim kursunun programını inceleyin

Sık sorulan sorular

Aynı soruyu iki yapay zekaya sormak doğrulama sayılır mı?

İki yanıtın anlaşması yararlı bir işaret olabilir; asıl kanıt değildir. İkisi de benzer bir yanlış kaynağı kullanmış olabilir. Önemli iddiayı belge veya bağımsız hesapla kontrol edin.

Kaynak bağlantısı varsa bilgiye güvenebilir miyim?

Bağlantıyı açın ve ilgili iddiayı bulun. Gerçek bir sayfa, yanlış tarih veya farklı kapsam nedeniyle cümlenizi desteklemeyebilir. Kaynak varlığı ile kaynak uygunluğu ayrı kontrollerdir.

Bütün bilgileri kontrol etmeye zamanım yoksa nereden başlayayım?

Yanlış olması kararınızı değiştirecek tarih, sayı ve vaatleri önce seçin. Sonra kalan metni bu doğrulanmış bilgiler etrafında sadeleştirin. Kontrol edilmeyen ayrıntıyı kesin bilgi gibi kullanmayın.

Yapay zekaya “Emin misin?” demek işe yarar mı?

Varsayımı veya eksik bilgiyi ortaya çıkarabilir. Ancak modelin kendi cevabını savunması bağımsız kanıt değildir. Daha kullanışlı soru, “Bu iddiayı hangi belge ve hangi bölüm destekliyor?” olur. Doğru iş sorusu yaklaşımı, kontrol edeceğiniz iddiayı daraltmaya yardımcı olabilir.

Murat Kendugan

İş hayatını anlamak, becerilerini geliştirmek ve bir sonraki adımını netleştirmek üzerine içerikler.

Yazarı tanı
← Tüm yazılara dönVideoları keşfet