AI’dan Cevap Değil Karar Paketi Alın: 3 Aşamalı Prompt Akışı

Birçok kişi ChatGPT, Gemini veya Claude’a tek bir soru soruyor, gelen metni küçük düzeltmelerle kullanıyor. Bu yöntem hızlıdır; ancak karar almak için çoğu zaman yetersiz kalır. Çünkü yapay zekâdan alınan ilk yanıt genellikle eksik bağlam, test edilmemiş varsayım ve fazla genel öneriler içerir.

Daha verimli kullanım için modeli bir cevap makinesi gibi değil, karar hazırlama sürecinin parçası gibi konumlandırın. Özellikle girişimciler, ürün ekipleri, öğrenciler ve danışmanlar için asıl değer; seçenekleri, riskleri, veri ihtiyacını ve sonraki adımları görünür kılan bir karar paketi oluşturmaktır.

Aşağıdaki akış üç adımdan oluşur: önce problemi çerçeveleyin, sonra modeli eleştiriye zorlayın, en sonda çıktıyı uygulanabilir plana çevirin.

1. Önce Cevap Değil, Çerçeve İsteyin

İlk promptta doğrudan “bana pazarlama stratejisi yaz” demek yerine, modelden problemi yapılandırmasını isteyin. Hatalı AI çıktılarının önemli bir kısmı yanlış cevaptan değil, belirsiz problem tanımından kaynaklanır.

Örnek prompt:

• Ben Türkiye’de B2B SaaS ürünü çıkaran erken aşama bir girişimim. Hedef müşterim 20-200 çalışanlı şirketler. Pazarlama planı yazmadan önce bu problemi hangi başlıklara ayırmam gerektiğini, hangi varsayımları netleştirmem gerektiğini ve hangi verilerin eksik olduğunu listele. Çıktıyı “problem alanı”, “kritik varsayım”, “gerekli veri” ve “ilk kontrol sorusu” sütunlarıyla tablo halinde ver.

Bu aşamada modelden nihai metin değil, düşünme iskeleti alın. Örneğin B2B SaaS için şu başlıkları ayırmasını isteyebilirsiniz:

• Hedef segment: 20-50, 51-100 ve 101-200 çalışanlı şirketler ayrı ayrı değerlendirilmeli mi?
• Satın alma rolü: Kararı kurucu, operasyon yöneticisi, IT lideri veya finans ekibi mi veriyor?
• Problem şiddeti: Müşteri bu sorunu haftada kaç saat veya ayda kaç TL kayıpla yaşıyor?
• Kanal seçimi: LinkedIn, e-posta, partner kanal veya içerik pazarlaması hangi sırayla test edilecek?
• Başarı ölçütü: Demo talebi, ücretsiz deneme, toplantı dönüş oranı veya ödeme yapan müşteri mi izlenecek?

ChatGPT ve Claude uzun açıklamaları başlıklara ayırmada güçlüdür. Gemini ise Google Workspace kullanan ekiplerde Google Docs, Gmail ve Sheets bağlamıyla çalışırken pratik olabilir. Örneğin müşteri görüşmesi notlarını Google Sheets’te tutuyorsanız, Gemini’den tekrar eden itirazları ve fiyat hassasiyetlerini sınıflandırmasını isteyebilirsiniz.

2. İkinci Turda Modeli Kendi Cevabına Karşı Çalıştırın

AI araçları akıcı ve ikna edici yazabilir; bu, önerilerin doğru olduğu anlamına gelmez. Bu yüzden ikinci turda modelden cevabı güzelleştirmesini değil, zayıf noktalarını bulmasını isteyin.

Kullanılabilir prompt:

• Yukarıdaki önerileri üç farklı bakış açısından eleştir: yatırımcı, teknik lider ve potansiyel müşteri. Hangi varsayımlar zayıf? Hangi öneriler Türkiye pazarı için fazla genel kalıyor? En riskli 5 noktayı önem sırasına göre yaz. Her risk için “neden risk”, “nasıl test edilir” ve “hangi veri gerekir” alanlarını ekle.

Bu turda özellikle şu çıktıları isteyin:

• Varsayım listesi: Model hangi kabullerle konuşuyor? Örneğin “müşteriler LinkedIn’den dönüş yapar” varsayımı gerçek veriye dayanıyor mu?
• Karşı örnekler: Öneri hangi durumda işlemez? Örneğin hedef müşteri e-postaya yanıt vermiyorsa kanal planı değişmeli mi?
• Veri ihtiyacı: Karar vermek için kaç müşteri görüşmesi, kaç deneme kampanyası veya kaç demo kaydı gerekir?
• Ölçüm planı: Açılma oranı, tıklama oranı, demo talebi, toplantıya katılım ve ödeme dönüşümü ayrı ayrı izlenecek mi?
• KVKK ve gizlilik kontrolü: Müşteri adı, telefon, e-posta, TC kimlik numarası, çalışan bilgisi, fatura ve sözleşme verisi anonimleştirildi mi?

Türkiye bağlamında KVKK konusu özellikle önemlidir. Müşteri destek kayıtlarını, CV’leri, fatura örneklerini veya satış görüşmesi dökümlerini modele yüklemeden önce kişisel verileri maskeleyin. Örneğin ad-soyad yerine “Müşteri 17”, şirket adı yerine “lojistik firması”, e-posta yerine “anonim e-posta” kullanın.

İyi AI kullanımı yalnızca iyi prompt yazmak değildir. Aynı zamanda hangi veriyi paylaşmayacağını, hangi öneriyi test etmeden uygulamayacağını ve hangi çıktıyı insan kontrolünden geçireceğini bilmektir.

3. Son Çıktıyı Eylem Planına Çevirin

Üçüncü turda modelden uzun açıklama değil, uygulanabilir çıktı isteyin. Formatı net verirseniz çıktı daha kolay kontrol edilir ve ekiple paylaşılabilir hale gelir.

Örnek prompt:

• Bu analizden 10 iş günlük bir uygulama planı çıkar. Her gün için hedef, yapılacak iş, sorumlu rol, beklenen çıktı ve başarı ölçütü yaz. Plan 2 kişilik küçük bir ekip tarafından uygulanabilir olsun. Bütçesiz veya düşük bütçeli seçenekleri önceliklendir. Çıktıyı tablo halinde ver.

Bir ürün fikrini test ediyorsanız modelden tek seferde genel plan istemek yerine ayrı çıktılar alın:

• Landing page metni: Başlık, alt başlık, 3 fayda maddesi ve tek çağrı butonu.
• 10 müşteri görüşmesi sorusu: Problem, mevcut çözüm, bütçe ve karar süreci odaklı.