Yapay Zeka ile İçerik Üretiminde Fark Nasıl Yaratılır? Zevk, Model Çöküşü ve Ortalamalar Çağı

Son aylarda LinkedIn akışınızda aynı metni farklı imzalarla okuduğunuzu fark ettiniz mi? "Heyecanla paylaşmak isteriz" diye açılan, üç maddelik bir listeyle devam eden ve "Peki siz ne düşünüyorsunuz?" sorusuyla biten paylaşımlar. Hepsi düzgün, hepsi akıcı. Ama hangisini kimin yazdığını ayırt edemiyorsunuz.

Yapay zekâ ile içerik üretimi artık bir deneme değil, gündelik iş akışı. Sorun aracı kullanmak değil; herkesin aynı aracı, aynı biçimde kullanıp aynı ortalamaya varması. Bu yazıda üç kavram üzerinden ilerleyeceğim: model çöküşü, Alex Murrell'in "Ortalamalar Çağı" dediği şey ve iletişimin en değerli becerisine dönüşen zevk.

Hangi işte yapay zekâ kullanılır, hangisinde kullanılmaz sorusunu daha önce ayrı bir yazıda ele almıştım. Bu kez başka bir soru soruyorum: Herkes kullanırken sizi farklı kılan ne kalıyor?

Ortalamalar Çağı: Benzeşme yapay zekâdan önce başladı

Strateji uzmanı Alex Murrell, "The Age of Average" başlıklı yazısında bir gözlemi kayda geçirdi: Dünyanın her yerindeki kafeler ve kiralık evler aynı beyaz duvar, ham ahşap ve çıplak ampul estetiğine yöneldi. Arabalar rüzgâr tüneli optimizasyonu ve ortak platformlar yüzünden birbirine benzedi. Markalar yuvarlak hatlı, tırnaksız yazı tipli, pastel kimliklere geçti; tasarımcılar buna "blanding" (marka kimliğinin silikleşmesi) adını verdi.

Murrell'in teşhisi basit: Test, optimizasyon ve aynı veriye bakan karar süreçleri her şeyi ortaya çekiyor. Yönetmen Steven Soderbergh'in test gösterimleri için söylediği gibi, ilginç olan her şey düşük puan alıyor ve eleniyor.

Bu tablo yapay zekâdan önce kuruldu. Yapay zekâ ise bu eğilimin hızlandırıcısı. Büyük dil modelleri, eğitildikleri metinlerde en olası devamı tahmin ederek çalışıyor. Yani tasarımları gereği ortalamaya yakın, "güvenli" bir çıktı üretmeye eğilimliler. Ortalama bir istem, ortalama bir sonuç verir.

Model çöküşü: Makine kendi ürettiğiyle beslenince

2024'te Nature dergisinde yayımlanan bir makale, Oxford ve Cambridge'in de aralarında bulunduğu kurumlardan araştırmacıların bulgusunu duyurdu: Yapay zekâ modelleri, başka modellerin ürettiği verilerle eğitildikçe kalıcı biçimde bozuluyor. Shumailov ve ekibi buna "model çöküşü" diyor. İlk kaybolan şey, verinin az rastlanan uçları oluyor. Model nesiller boyunca sıradan olanı tekrar ede ede, sıra dışı olanı unutuyor.

Rice Üniversitesi'nden Richard Baraniuk'un ekibi aynı olguya "Model Autophagy Disorder" (MAD), yani model otofaji bozukluğu adını verdi ve deli dana hastalığına benzetti. Deneylerinde yeterince taze gerçek veri almayan modellerin ürettiği yüzler birkaç nesil sonra aynı kişiye benzemeye başladı. Baraniuk'un uyarısı açık: Yeterince taze gerçek veri olmadan gelecekteki üretken modeller bu "deliliğe" mahkûm.

Bunun piyasa karşılığı da var. Reuters, 2024'te Google'ın Reddit içeriklerini yapay zekâ eğitimi için lisansladığını ve anlaşmanın yıllık değerinin, bir kaynağa göre, yaklaşık 60 milyon dolar olduğunu yazdı. Senfonico'nun Homo Glitchus 2026 raporu bunu tek cümleyle özetliyor: "İnsan kokan" veri yeni petrol.

Bu bir iletişimci için ne demek? Sahadan gelen notlarınız, bir gönüllünün kendi cümlesi, bir başvurucunun anlattığı ayrıntı, yani gerçek insan deneyimi, artık hem makineler hem okurlar için en kıt kaynak. Elinizdeki en değerli varlık o.

Yapay zekânın zararları listesinde pek görünmeyen madde: Biz de benzeşiyoruz

"Yapay zekânın zararları" denince akla genellikle iş kaybı, dezenformasyon, mahremiyet ve ön yargı geliyor. Daha az konuşulan bir zarar var: Fikirlerimizin birbirine benzemesi.

Exeter Üniversitesi'nden Oliver Hauser ve UCL'den Anil Doshi'nin Science Advances'ta yayımlanan deneyinde 300 kişi kısa öyküler yazdı, 600 kişi bu öyküleri değerlendirdi. Yapay zekâdan en fazla fikir alabilen yazarların öyküleri özgünlükte %8,1 daha yüksek puan aldı. En büyük kazanç, yaratıcılığı düşük ölçülen yazarlardaydı. Ama madalyonun öbür yüzü de ölçüldü: Yapay zekâdan tek bir fikir alan yazarların öyküleri birbirine, yardımsız yazılanlara kıyasla %10,7 daha çok benziyordu.

Araştırmacılar bunu bir "sosyal ikilem" olarak tanımlıyor: Birey olarak daha iyi metin üretiyoruz, toplu olarak daha tekdüze bir içerik havuzu oluşturuyoruz.

Cornell Üniversitesi araştırmacılarının (Agarwal, Naaman ve Vashistha) CHI 2025 konferansında sunduğu çalışma bir adım daha ileri gidiyor. Hindistan ve ABD'den 118 katılımcıyla yapılan deneyde yapay zekâ önerileri, Hintli katılımcıların yazısını Batılı bir üsluba doğru çekti; verimlilik kazancı da daha çok Amerikalılara yaradı. Türkçe yazan bizler için bu uyarı tanıdık olmalı: Yerel deyim, yerel referans, kendi cümle ritmimiz, fark etmeden törpülenebilir.

Yaratıcı sektörün kendisi de bunu hissediyor. Exeter Üniversitesi bünyesindeki DIGIT Lab'in Ekim 2025'te duyurduğu, 500 yaratıcı profesyonelle yapılan ankette tasarımcıların %81'i yapay zekânın yaratıcılığı körelttiğine inanıyor (yazar ve gazetecilerde oran %63). Katılımcıların %78'i, yapay zekâ ile üretilen işlerin çoğu zaman tekdüze hissettirdiğini ve izleyiciyle bağ kurma ihtimalinin daha düşük olduğunu düşünüyor.

Türkiye: Aynı araca en çok yaslanan ülke

Bu tartışma Türkiye için ayrıca önemli. We Are Social ve Meltwater'ın Digital 2026 raporuna göre Türkiye'de yapay zekâ kaynaklı web yönlendirmelerinin %94,49'u ChatGPT'den geliyordu; bu oran dünyanın en yükseği, küresel ortalama %80,92. Aynı rapora göre 16 yaş üstü internet kullanıcılarının %39,7'si son bir ayda ChatGPT kullanmış (küresel ortalama %26,5). Senfonico'nun Homo Glitchus 2026 raporu da bu birinciliğe dikkat çekiyor.

Tablo değişiyor: Farklı bir yöntemle ölçüm yapan Statcounter'ın Eylül 2026 verisinde ChatGPT'nin Türkiye payı %75,75'e, Gemini'nin payı %21,56'ya ulaşmış görünüyor. Yine de yoğunlaşma yüksek. Bir ülkenin iletişimcilerinin büyük kısmı aynı modele danışıyorsa, o modelin ortalaması kolayca sektörün ortalamasına dönüşür.

Zevk yeni beceri mi?

Teknoloji analisti Benedict Evans, makine öğrenmesini uzun süredir "sonsuz sayıda stajyer" metaforuyla anlatıyor. ChatGPT'yi de böyle tarif ediyor: İlk taslağı, hatta yüz ilk taslağı yazabilen bir stajyer, ama her birini sizin kontrol etmeniz gerekiyor. Benim eklemem şu: O yüz taslaktan hangisinin yayımlanacağına karar veren kişi, işin asıl sahibi.

Zevk burada soyut bir estetik meselesi değil. Pratikte üç şey: Neyi seçeceğinizi bilmek, neyi atacağınızı bilmek ve neyi hiç söylemeyeceğinizi bilmek. Kurumunuzun sesine yakışmayan bir cümleyi, ne kadar akıcı olursa olsun, tanıyıp silebilmek.

Senfonico raporu iki kavramla bu ihtiyacın neden arttığını gösteriyor. Birincisi EGC (Engineered Generated Content): Estetik kararların bireysel yaratımdan değil, algoritmanın "beğenilir" diye işaretlediği kalıplardan türediği içerik. İkincisi trend nihilizmi: Raporun ifadesiyle nano trendlerin ömrü artık bir hafta değil, 6-8 saatlik bir algoritmik döngü. Her trendi kovalayan kurum, sonunda kimseye benzemeyen değil, herkese benzeyen bir hesap yönetir. Zevk, kovalamamayı seçebilmektir.

Kusurun geri dönüşü: Kasıtlı kusur ve sürtünme

Pürüzsüzlük bollaştıkça kusur değer kazanıyor. Canva, Aralık 2025'te yayımladığı 2026 Tasarım Trendleri raporunda yeni yılı "Imperfect by Design", yani kasıtlı kusur yılı ilan etti. Rapordaki trendler arasında not uygulaması ekran görüntüsü estetiğini anlatan "Notes App Chic" ve dokulu, el yapımı yüzeyleri öne çıkaran "Texture Check" var. Canva'ya göre "DIY" ve albüm tarzı (scrapbook) tasarım aramaları bir yılda %90 arttı.

Fikrin entelektüel bir geçmişi de var. Sanatçı ve kuramcı Rosa Menkman, 2011 tarihli The Glitch Moment(um) kitabında aksaklığı (glitch) bir arıza olarak değil, aracın kendini ele verdiği an olarak okur. Kusur, arkasında bir insan ya da bir süreç olduğunu gösterir.

Sürtünme fikri de geri dönüyor. Pazarlama dünyası yıllarca her engeli kaldırmak için yarıştı. dentsu'nun müşteri deneyiminde sürtünmeyi ele alan raporu, bilinçli duraklama anlarının etkileşimi daha anlamlı kılabileceğini savunuyor. Senfonico bu eğilimi "Sürtünme Paradoksu" başlığıyla ele alıyor: Örgü, seramik, analog fotoğraf gibi zahmetli uğraşlar, anlam üretmenin yeni yolu.

Görünürlük de özgün içerikten geçiyor

Özgünlük yalnızca estetik bir tercih değil, görünürlük meselesi de. Anadolu Ajansı'nın 13 Ekim 2026 tarihli haberinde konuşan uzmanlar, yapay zekâ çağında dijital görünürlüğü özgün içerik ve güvenin belirlediğini anlatıyor. Indexa'nın kurucu ortağı Bünyamin Saraç'ın cümlesi aklımda kaldı: "Başarı ölçütü 'Kaç tıklama aldık?' sorusundan, 'Kritik sorularda kaç kez önerildik?' sorusuna kayacak."

Haberde atıf yapılan GEO (Generative Engine Optimization) çalışması, Princeton ve IIT Delhi araştırmacılarının KDD 2024'te sunduğu bir deney. Bulgu şu: Metne doğrulanabilir istatistik, alıntı ve kaynak eklemek, içeriğin yapay zekâ yanıtlarındaki görünürlüğünü %40'a varan oranda artırabiliyor. Anahtar kelime doldurmak ise neredeyse hiç işe yaramıyor, bazı testlerde görünürlüğü düşürüyor.

Tıklama tarafında da tablo net. Pew Research Center'ın Mart 2025 verisine göre Google'da yapay zekâ özeti gören kullanıcılar ziyaretlerin %8'inde bir bağlantıya tıkladı; özet görmeyenlerde bu oran %15. Okura ulaşan içerik azalıyorsa, ulaşanın gerçekten bir şey söylemesi gerekiyor.

İstemden bağlama: Yapay zekâ ile içerik üretiminde farkı girdi yaratır

2025'te Shopify'ın CEO'su Tobi Lütke ve yapay zekâ araştırmacısı Andrej Karpathy, "prompt engineering" (istem mühendisliği) yerine "context engineering" (bağlam mühendisliği) ifadesini önerdi. Fark önemli: Mesele sihirli bir komut cümlesi bulmak değil, modele doğru bilgiyi, doğru sırayla vermek.

Ethan Mollick'in Co-Intelligence kitabındaki kurallardan ikisi burada işe yarıyor: Yapay zekâya bir insan gibi davranın ama ona nasıl bir insan olduğunu söyleyin; ve süreçteki insan siz olun. Senfonico raporunun ifadesiyle: Bilmediğiniz şeyi isteyemezsiniz. Kurumunuzu, kitlenizi ve sahanızı tanımıyorsanız, modelin size bunları uydurmasından başka seçenek kalmaz.

Kurumlar için 7 adımda ayırt edici ses

1. Önce kendi fikrinizi yazın, sonra yapay zekâya sorun. Doshi ve Hauser'ın deneyi, fikrin ilk tohumunun yapay zekâdan gelmesinin metinleri benzeştirdiğini gösteriyor. Beyin fırtınasını önce ekiple, kâğıt kalemle yapın; modeli ikinci tur için kullanın.
2. Kendi verinizi masaya koyun. Başvuru sayıları, saha gözlemleri, gönüllülerin kendi cümleleri. Model çöküşü tartışmasının bize söylediği şey: İnsan kaynaklı, taze veri herkesin elinde olmayan tek şey.
3. Yerel ve somut olun. İlçe, mahalle, tarih, kişi. Faaliyet listesinden etki hikâyesine geçmek, ortalamadan kurtulmanın en kısa yolu.
4. Bir bağlam dokümanı yazın. Bir iki sayfalık bir ses rehberi: kim olduğunuz, kime konuştuğunuz, sevdiğiniz üç örnek metin, asla kullanmadığınız ifadeler. Her oturumda modele bunu verin.
5. Yasaklı ifadeler listesi tutun. "Heyecanla duyururuz", "değer katmak", her paragrafta bir uzun tire. Okurların yapay zekâ metnini tanıdığı işaretleri bilin ve ayıklayın.
6. Kasıtlı sürtünme ekleyin. Önemli metinleri bir gün bekletin, sesli okuyun, bir başkasına okutun. Hız her yerde erdem değil.
7. Son kararı insan versin ve bunu açıkça söyleyin. Editörlük, yani seçme ve eleme işi devredilemez. Kullanım biçiminizi de görünür kılın (aşağıda).

Yapay zekâ ve etik: Kullandığınızı söyleyin

Yapay zekâ etiği tartışması çoğu zaman büyük ölçekte kalıyor, ama kurum düzeyinde iki somut adımla başlıyor. Birincisi şeffaflık: Sitenize kısa bir not ekleyin; hangi işlerde yapay zekâdan destek aldığınızı ve her metnin bir insan tarafından gözden geçirildiğini yazın. İkincisi rıza: Faydalanıcıların kişisel bilgilerini ve hikâyelerini, izinleri olmadan bir yapay zekâ aracına yapıştırmayın. "İnsan kokan" veri değerliyse, o verinin sahibine saygı da o kadar önemli.

Sık sorulan sorular

Model çöküşü nedir?

Model çöküşü, yapay zekâ modellerinin başka modellerin ürettiği verilerle tekrar tekrar eğitildiğinde kalıcı biçimde bozulmasıdır. Shumailov ve ekibinin 2024'te Nature'da yayımlanan çalışmasına göre ilk kaybolan şey verinin az rastlanan, sıra dışı kısımları oluyor. Rice Üniversitesi araştırmacıları aynı olguya "Model Autophagy Disorder" (MAD) adını veriyor.

Ortalamalar Çağı ne demek?

Strateji uzmanı Alex Murrell'in "The Age of Average" yazısından gelen bir kavram. Mimariden araba tasarımına, logolardan film afişlerine kadar pek çok alanın test ve optimizasyon yüzünden birbirine benzediğini anlatır. Yapay zekâ, ortalamaya yakın çıktı üretme eğilimi nedeniyle bu benzeşmeyi hızlandırıyor.

Yapay zekâ ile içerik üretiminde özgünlük mümkün mü?

Olabilir, ama özgünlük modelden değil, ona verdiğiniz bağlamdan ve sizin editoryal kararlarınızdan gelir. Kendi verinizi, yerel ve somut örneklerinizi, kurumunuzun sesini anlatan bir rehberi kullandığınızda ve son seçimi bir insan yaptığında yapay zekâ destekli içerik de ayırt edici olabilir. Varsayılan ayarlarla üretilen içerik ise ortalamaya yakın kalır.

Yapay zekânın içerik üretimindeki zararları nelerdir?

En bilinenleri yanlış bilgi, telif ve mahremiyet sorunları. Daha az konuşulan zarar ise tekdüzeleşme: Science Advances'ta yayımlanan bir deneyde yapay zekâdan fikir alan yazarların öyküleri birbirine %10,7 daha çok benziyordu. Cornell araştırmacıları da yapay zekâ önerilerinin yazıyı Batılı bir üsluba doğru çektiğini gösterdi.

Yapay zekâ geleceğimizi nasıl etkiler?

İçerik ve iletişim açısından en büyük etki, üretimin ucuzlaması ve bolluğun artması. Bu bollukta görünür olmak için hız değil, ayırt edicilik gerekecek: gerçek veri, yerel bağlam, güvenilir kaynak ve zevk. Yapay zekâ yanıt motorlarının da istatistik, alıntı ve kaynak içeren özgün içeriği öne çıkardığına dair bulgular bu yönü destekliyor.

Kaynaklar

• Shumailov, I. ve diğerleri, AI models collapse when trained on recursively generated data, Nature, 2024
• Rice University, Breaking MAD: Generative AI could break the internet, 2024
• Alex Murrell, The Age of Average, 2023
• Doshi, A. R. ve Hauser, O. P., Generative AI enhances individual creativity but reduces the collective diversity of novel content, Science Advances, 2024 (ScienceDaily özeti)
• Agarwal, D., Naaman, M. ve Vashistha, A., AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances, CHI 2025
• Dezeen, DIGIT Lab (University of Exeter) yaratıcı sektör anketi, 2025
• Reuters (Yahoo Tech), Reddit in AI content licensing deal with Google, 2024
• Turkish Minute, Turkey leads world in share of ChatGPT-driven web referrals (We Are Social ve Meltwater, Digital 2026 verisi), 2026
• Statcounter, AI Chatbot Market Share Turkey, Eylül 2026
• Claire Silver, The Concept of Qualia: A Sitdown with Claire Silver, Museum of Crypto Art, 2022
• Benedict Evans, Unbundling AI, 2023
• LBB Online, Canva Predicts 2026 Will Be Imperfect by Design, 2025
• Institute of Network Cultures, Rosa Menkman, The Glitch Moment(um), 2011
• dentsu, The Value of Adding Friction to the Customer Experience, 2025
• Anadolu Ajansı (Yeni Çağrı), Yapay zeka çağında dijital görünürlüğü "özgün içerik" ve "güven" belirliyor, 2026
• Aggarwal, P. ve diğerleri, GEO: Generative Engine Optimization, KDD 2024
• Pew Research Center, Google users are less likely to click on links when an AI summary appears in the results, 2025
• Ethan Mollick, Co-Intelligence: Living and Working with AI, 2024
• Senfonico, Homo Glitchus: İnsanlık Hali, 2026

Bu konuyu kurumunuz için birlikte düşünmek isterseniz iletişime geçebilirsiniz.