Yapay zekâya kibar olmak daha iyi yanıt verir mi?
Yazar Chatday Editorial Team ·
Çoğumuz bir sohbet botuna düşünmeden “lütfen” ve “teşekkürler” yazarız. Kibar gibi gelir ve bazıları bunun daha iyi bir yanıt getirdiğinden sessizce şüphelenir. İşte dürüst hali: kibar olmak yapay zekânın sana verdiğini belirgin biçimde iyileştirmez, sert olmak da güvenilir biçimde yardımcı olmaz. Yanıtı asıl değiştiren şey, ne kadar net ve belirgin olduğundur.
Bu bir tahmin değil. Test artık yapıldı ve sonuçlar, görgünün sır olduğunu sananlar için biraz rahatsız edici.
Kibarlık çalışması aslında ne buldu
Ekim 2025’te Penn State’ten iki araştırmacı küçük, derli toplu bir deney yaptı. Matematik, fen ve tarihten 50 çoktan seçmeli soru yazdılar, sonra her birini beş tonda yeniden yazdılar: çok kibar, kibar, nötr, sert ve çok sert. Bu, aynı soruların 250 versiyonunu verdi ve bunları ChatGPT’nin GPT-4o modelinden geçirdiler.
Sürpriz: sert istemler biraz daha iyi iş çıkardı. Çok kibar ifadeler zamanın %80,8’inde doğru yanıtı buldu. Çok sert olanlar %84,8’e çıktı. Nezaket kalıpları olmayan sade versiyonlar, yağcı olanları geçti.
Sohbet botuna emir yağdırmaya başlamadan önce, küçük yazıyı oku. Tek bir modeldi, 50 temel soru ve yaklaşık dört puanlık bir fark. Yazarların kendisi bunu daha fazla araştırma için bir başlangıç noktası olarak nitelendirdi, kaba olma tavsiyesi olarak değil. Bu kadar dar bir sonuç, başka bir modelde ya da başka bir görevde tersine dönebilir.
Ve dönüyor. 2024 tarihli daha eski, birden çok dili kapsayan bir çalışma neredeyse tersini buldu: sert istemler çoğu zaman performansı düşürüyordu, fazladan yağcılık ise net bir fayda getirmiyordu. O çalışma ayrıca ideal noktanın dile göre kaydığını gördü, çünkü İngilizce, Çince ve Japoncada nezaket normları aynı değil. İki çalışma, iki zıt başlık. Araştırma bu kadar çeliştiğinde, mantıklı okuma şu: ton çoğunlukla gürültü.
Peki yapay zekâya sert mi olmalısın? Hayır
Kısa yanıt: hayır, sadece yazması tatsız olduğu için değil.
Sertliğin ölçülen faydası minik ve güvenilmez. Zararı ise gerçek. Sade, saldırgan istemler modelin ihtiyaç duyduğu bağlamı genelde kesip atar, çünkü ne istediğini açıklamak yerine sert olmakla meşgulsündür. Ayrıca bir alışkanlık geliştirirsin. Bütün gün bir sohbet botunu azarlarsan, o tonun bir kısmı gerçek insanlara nasıl yazdığına sızar. Bir testte dört puana değmez.
Geçen yıl viral olan bir maliyet tarafı da var. Biri, tüm bu fazladan “lütfen” ve “teşekkürler”lerin elektrikte ne kadar para yaktığını sorunca, OpenAI’den Sam Altman bunun “iyi harcanmış on milyonlarca dolar” olduğunu söyledi. Yarı şakaydı. Ama fikir ayakta: kibarlık, bu modelleri çalıştıran şirketler için bedava değil ve sana daha akıllı yanıtlar da satın almıyor. Sadece bir alışkanlık, ve zararsız bir alışkanlık.
Yanıtı asıl değiştiren şey
Ton gürültüyse, sinyal nedir? Belirginlik. Belirsiz bir soru, ne kadar tatlı sorarsan sor, belirsiz bir yanıt verir. İşte neyin önemli olduğunun dürüst sıralaması:
| Neyi değiştiriyorsun | Yanıta gerçek etkisi |
|---|---|
| Lütfen / teşekkürler demek | Neredeyse hiç |
| Sert ya da talepkâr olmak | Çok az, ve değmez |
| Ayrıntı ve bağlam eklemek | Büyük |
| İstediğin biçimi belirtmek | Büyük |
| İyi bir yanıt örneği vermek | Büyük |
| Göreve uygun modeli seçmek | Büyük |
Alttaki dört satıra bak. Görgüyle hiç ilgisi yok, tamamen net iletişimle ilgili. Aynı sorunun farklı yanıtlar döndürebilmesinin de nedeni bu, nasıl ifade ettiğine bağlı. Ton süsleme. Altındaki istek ise modelin üzerinde çalıştığı şey.
Bir öncesi ve sonrası bunu netleştirir. “Bana güzel bir e-posta yaz” kibar ve işe yaramaz. “Ev sahibime bu hafta damlayan bir musluğu tamir etmesini rica eden kısa, nazik bir e-posta yaz, 80 kelimenin altında” belirgin ve gerçekten gönderebileceğin bir şey verir. “Lütfen” gerekmez, istersen ekleyebilirsin.
Görgüyü alt eden alışkanlık
İşte bunu sadece ilginç değil, yararlı kılan kısım. Ton için endişelenmeyi bırakıp net istemler yazmaya başlayınca, bir sonraki en büyük kaldıraç, o istemi hangi modele gönderdiğin. Aynı net soru, göreve bağlı olarak bir modelden daha keskin, bir diğerinden daha düz bir yanıt alabilir.
Bunu kendin kolayca görürsün. İyi yazılmış bir istem al ve birkaç modelden yan yana geçir. Özenli bir akıl yürütme görevi için birini tercih edebilirsin; hızlı, hafif bir yanıt için başkasını. Kullandığın ton neredeyse hiç ağırlık taşımaz. Seçtiğin model ve ne kadar net sorduğun, neredeyse her şeyi belirler.
Bunun için beş ayrı uygulamaya ve beş girişe ihtiyacın yok. Tek yer, her büyük model, tek net soru.
Yani hoşuna gidiyorsa görgünü koru. İyi bir yanıtın sonunda bir “teşekkürler” demekte yanlış bir şey yok. Yalnızca şunu bil: bu senin için, makine için değil. Asıl kazanç, net sormaktan ve o soruyu doğru modele göndermekten gelir.