Yapay Zekaya Dayalı Problem Çözme

5 Aralık - Dr. Merve Ayyüce Kızrak 

Büyük Dil Modellerinin insan benzeri bir muhakeme yeteneğine sahip sistemler olmamasından dolayı, büyük veri kümeleri üzerinden olasılık temelli örüntü tanıma yaklaşımıyla çalışmaktadır.Büyük Dil Modellerinin bağlamsal ve güncel bilgiye erişimlerinin sınırlı olmasından dolayı, uzmanlık gerektiren veya güncelliğin kritik olduğu konularda hatalı ya da eksik çıktılar üretebilmektedir.

Modellerin bağlam penceresinin sınırlı olmasından dolayı, uzun metinlerde veya karmaşık dokümanlarda önemli detayları gözden kaçırabilmektedir.Büyük Dil Modellerinin çıktıları verilen talimatlara doğrudan bağlı olduğundan dolayı, prompt yapısının açık, net ve iyi kurgulanmış olması çıktı kalitesini belirleyici bir faktör haline gelmektedir.
Büyük Dil Modellerinin yanlı veya hatalı içerik üretebilme potansiyeline sahip olmasından dolayı, insan denetimi ve kontrol mekanizmalarının sürece entegre edilmesi gerekmektedir.
Veri kalitesinin yapay zekâ sistemlerinin performansını doğrudan etkilemesinden dolayı, yapısal, yapısal olmayan ve zaman serisi verilerin doğru seçilmesi ve hazırlanması kritik önem taşımaktadır.

Prompt engineering yöntemlerinin model davranışını önemli ölçüde yönlendirebilmesinden dolayı, zero-shot ve few-shot yaklaşımlarının kullanım amacına göre bilinçli şekilde tercih edilmesi gerekmektedir.Prompt’ların sistematik olarak test edilmemesinden dolayı, elde edilen çıktılara doğrudan güvenmenin risk oluşturabileceği anlaşılmıştır.
Fine-tuning süreçlerinin maliyetli ve zaman alıcı olmasından dolayı, yalnızca belirli ve sürekli uzmanlık gerektiren alanlarda tercih edilmesi daha uygun olmaktadır.
Doğru veri seçimi ve etkili prompt tasarımıyla birçok senaryoda istenen performansa ulaşılabilmesinden dolayı, fine-tuning her problem için zorunlu bir çözüm olarak değerlendirilmemelidir.

Fikirden Ürüne – İhtiyaçların Ürününü Yaratmak

9 Ocak - Baran Gürcan

👉🏻Bu oturumda, bir fikrin ürüne dönüşme sürecinin tesadüfi değil; doğru soruları sormak ve doğru yöntemleri uygulamakla mümkün olduğu vurgulandı.

Pek çok ürünün başarısız olmasının temel sebebi, yanlış problemi çözmeye çalışmak ya da herkese hitap etmeye çalışmaktır. Bu nedenle sürecin en kritik noktası, kimin hangi problemini çözdüğümüzü netleştirmektir.✨

👉🏻Süreç, kullanıcıyı gerçekten dinlemekle başlıyor. Empati kurarak yapılan gözlemler ve görüşmeler, anlamlandırma aşamasında bir araya getirilerek ortak ihtiyaçlar bulunuyor. Bu aşamada hedef kullanıcı (persona) belirleniyor ve problem net bir cümleyle tanımlanıyor. Çünkü iyi tanımlanmamış bir problem, yanlış bir ürün anlamına geliyor.
Baran Bey bu yolculuğa Design Thinking, Lean Startup ve Agile yaklaşımlarının birlikte kullanılmasıyla anlattı. Design Thinking doğru problemi bulmaya, Lean Startup hızlı deneylerle öğrenmeye, Agile ise doğrulanmış çözümleri hayata geçirmeye odaklanıyor. “Kur – Ölç – Öğren” döngüsüyle ilerlemek, belirsizliği azaltmanın en etkili yolu olarak öne çıkıyor.✨

👉🏻Fikir üretme ve prototipleme aşamalarında mükemmel ürünü yapmak yerine, en az eforla en çok öğrenmeyi sağlayacak denemeler yapmanın önemi vurgulandı. MVP’nin (Minimum Viable Product) amacı kusursuz bir ürün değil, temel varsayımları test etmektir. Kağıt çizimler, basit ekranlar, anketler, landing page’ler veya ön sipariş gibi düşük maliyetli yöntemlerle kullanıcıdan geri bildirim almak sürecin merkezinde yer alıyor.✨

👉🏻Son olarak, Bubble, Glide, Webflow, Airtable gibi no-code / low-code araçların fikirleri hızlıca prototipe dönüştürmede büyük avantaj sağladığı paylaşıldı

Sosyal Etki Odaklı Sürdürülebilirlik Okuryazarlığı

23 Ocak - Dr. Ahmet Aydemir

Ahmet Bey’in aktarımıyla notlarımıza yansıyan önemli başlıkları sizlerle paylaşmak isteriz:
•⁠ ⁠Çoklu Kriz Çağı ve Antroposen: Ahmet Bey söze, 2026 yılının dünyasını "Çoklu Kriz" kavramıyla tanımlayarak başladı. Krizlerin (iklim değişikliği, çatışma, kutuplaşma ve infodemi) toplam etkisinin, tekil etkilerden çok daha büyük olduğunu öğrendik. İnsanlığın doğa üzerindeki etkisinin zirveye çıktığı *"Antroposen Çağı"*nda, değişimin artık tamamen insan eliyle gerçekleştiğine dikkat çekti.
•⁠ ⁠Geçmişten Bugüne Hedefler: 2000 yılındaki "Binyıl Kalkınma Hedefleri"nden bugüne yapılan kıyaslamaları dinledik. Sağlıkta ilerleme kaydedilse de, eğitim kalitesi ve cinsiyet eşitliği farkındalığının eyleme dönüşmesi konusunda hala alınacak yol olduğunu gördük. 2015'te belirlenen 17 Sürdürülebilir Kalkınma Amacı’nın bu boşlukları doldurmak için nasıl kurgulandığını konuştuk.
•⁠ ⁠Maslow ve Sürdürülebilirlik İlişkisi: 17 sürdürülebilir kalkınma amacının Maslow’un İhtiyaçlar Hiyerarşisine göre önceliklendirildiği öğrendik ve her bir kalkınma amacını detayları ve sayısal verileriyle değerlendirdik. Ahmet Bey, temel ihtiyaçlara yapılan %1’lik yatırımın suç oranlarını da %1 azalttığını vurgulayarak; "Temel ihtiyaçları gidermek kalitesiz yaşamadığımızı gösterir ama kaliteli yaşadığımızı garantilemez" diyerek temel ihtiyaçların giderilmesinin suçları azalttığına dair vurguda bulundu.
•⁠ ⁠Neden Sürdürülebilirlik?: "Varlıklı kesim neden bu hedeflere yatırım yapmalı?" sorusunun cevabını; vicdan, güvenlik ve sağlık üçgeninde dinledik. Ekosistemin bir bütün olduğunu, sürdürülebilirliğin sadece bir yardım değil, ortak yaşam alanımızı korumak için bir zorunluluk olduğunu anladık.

Ahmet Bey’den öneriler:

Acar Baltaş’ın yayınları ve e-bülteni: https://www.acarbaltas.com/category/yayinlar/
Kendisinin diğer önerilerini de alıp çok yakında ileteceğiz!

Yapay Zeka ile Değer Yaratmak: Kültürel Dönüşüm

27 Ocak - Erman Taylan

Yapay zekâ artık yalnızca bir destek aracı değil; ürünlerin ve iş yapış biçimlerinin tam merkezinde. ChatGPT bunun en somut örneklerinden biri: Hem tek başına bir ürün hem de diğer ürünleri dönüştüren bir yapı. AI-first yaklaşımıyla geliştirilen podcast, kitap ve özel GPT örnekleri; içerik üretiminin ne kadar etkileşimli ve kişiselleştirilmiş bir hâle geldiğini gösteriyor.

🚀 AI-First Dönemi
Artık “AI kullanan şirketler” değil, AI ile inşa edilen şirketler öne çıkıyor. Duolingo, Shopify ve Zapier gibi firmalar, yapay zekâyı tüm organizasyona yayarak bu dönüşümü erken yakalayan örnekler arasında. AI adaptasyonu ertelenebilir bir konu değil; tam anlamıyla acil (code red) bir gündem.

🤖 Yeni Trendler
* Sabit deneyimler yerine kullanıcıya göre şekillenen AI agent’lar
* UX ve DX’ten sonra yeni odak: AX (Agent Experience)
* Arama süreçlerinde Google yerine ChatGPT benzeri araçların etkisi
* Alışveriş ve ödeme yapan otonom ajanlar (agentic payment)

🧩 AI Ekosistemi
Değer üretimi farklı katmanlara ayrılıyor:
1. Temel modeller
2. Erken aşama ürünler (toy market)
3. Wrapper çözümler
4. Agentic layer (otonom çalışan ajanlar)
Gerçek değer, AI’ı tek başına satmakta değil; mevcut ürünlerin içine doğru şekilde entegre edebilmekte.

🏢 Çalışma Biçimleri Değişiyor
Yazılım geliştikçe ekipler küçülüyor, roller iç içe geçiyor. Ürün geliştirmek kolaylaşırken, asıl zorluk pazara giriş ve satışta yoğunlaşıyor. Satışlar artık bireysel değil; topluluk ve güven ilişkileri üzerinden ilerliyor.

🧠 İnsan + AI Dengesi
Yapay zekâ güçlü bir çarpan ama anlam ve yön hâlâ insanda. En iyi sonuçlar; AI’ın şirketin kendi verileriyle beslenmesi ve insanın son dokunuşu yapmasıyla ortaya çıkıyor. Günün sonunda önemli olan, insanların gerçekten seveceği ve isteyeceği şeyler üretmek 💫

Erman Bey’in eğitim sırasında bahsettiği konuların linklerini de ekliyoruz:

Hiaigent https://share.google/pn97ytGJx6xj0xTE8

Erman Bey’in kitabını okumak isteyenler için kitap linkini de iletiyoruz:
https://yapayzekakitabi.info/