“Talimat Bitti mi? Asıl Güç Döngüde”

Yapay zekâ dünyasında bugüne kadar en fazla konuşulan kavramlardan biri “prompt”, yani yapay zekâya verilen talimattı. Ancak yapay zekânın yalnızca verilen soruya cevap üreten bir araç olmaktan çıkıp sonuçlarını değerlendiren, hatalarını tespit eden ve yeni çıktılar oluşturabilen sistemlere doğru ilerlemesiyle birlikte yeni bir kavram öne çıkıyor: “Loop”, yani döngü. Prof. Dr. Necmi Gürsakal’ın yapay zekâ üzerine çalışmalarında ve değerlendirmelerinde öne çıkan bu yaklaşım, yapay zekâ okuryazarlığının geleceğine ilişkin önemli bir tartışmayı gündeme taşıyor.

Yapay zekâ teknolojileri son birkaç yıl içerisinde yalnızca teknoloji dünyasının değil; akademinin, ekonominin, eğitimin, kamu yönetiminin, iş dünyasının ve günlük yaşamın da temel gündemlerinden biri haline geldi.

Başlangıçta yapay zekâ sistemlerinden verimli sonuç almanın anahtarı olarak doğru prompt yazmak gösteriliyordu. Kullanıcı ne istediğini ne kadar açık, ayrıntılı ve doğru ifade ederse yapay zekânın vereceği cevabın da o ölçüde başarılı olacağı düşünülüyordu.

Bugün ise yapay zekâ teknolojilerindeki gelişim, bu yaklaşımın ötesine geçiyor.

Artık soru yalnızca;

“Yapay zekâya doğru talimatı nasıl veririm?”

değil.

Daha kritik soru şu:

“Yapay zekânın ürettiği ilk sonucu nasıl daha iyi hale getiririm?”

İşte tam bu noktada “loop” yani döngü kavramı devreye giriyor.

Prompttan loop’a geçiş

Prof. Dr. Necmi Gürsakal’ın yapay zekâ konusundaki değerlendirmeleri, teknolojinin yalnızca cevap üreten bir sistem olmaktan çıkıp kendi çıktıları üzerinde yeniden çalışabilen yapılara doğru ilerlediğini ortaya koyan tartışmalarla örtüşüyor.

Gürsakal, yapay zekânın gelişimini uzun süredir farklı boyutlarıyla ele alan akademisyenlerden biri.

Bursa Uludağ Üniversitesi’nin akademik profilinde Prof. Dr. Gürsakal’ın çalışma alanları arasında Bayesgil istatistik, sosyal ağ analizi, büyük veri, veri bilimi, Altı Sigma ve R ile programlama bulunuyor. Üniversitenin geçmiş kayıtlarında profesörlük unvanını 1993 yılında aldığı görülüyor.

Yapay zekâ konusundaki çalışmaları ise akademik alanla sınırlı kalmıyor. Bursa’da düzenlenen çeşitli konferans ve seminerlerde yapay zekânın geleceği, etkileri ve toplumsal sonuçları üzerine değerlendirmeler yapan Gürsakal, 2024 yılında Bursa Uludağ Üniversitesi İktisat Bölümü seminerleri kapsamında “Yapay Zekânın Ayak Sesleri” başlıklı bir seminere de katıldı.

2025 yılında Bursa Barosu tarafından düzenlenen Bilişim Hukuku Söyleşileri’nde de yapay zekânın gelişimini ve gelecekte ulaşabileceği noktaları ele aldı.

Bu birikim, bugün yapay zekânın “prompt” döneminden “loop” dönemine geçişinin neden önemli olduğunu anlamak açısından dikkat çekici bir zemin oluşturuyor.

Tek seferlik komut artık yeterli olmayabilir

Klasik yapay zekâ kullanımında sistemle insan arasındaki ilişki oldukça basitti:

Prompt → Cevap

Kullanıcı bir soru soruyor, sistem cevap veriyor.

Örneğin:

“Bu makaleyi 500 kelimede özetle.”

Yapay zekâ metni analiz ediyor ve bir özet üretiyor.

Ancak bu yöntemin önemli bir sınırı bulunuyor.

İlk cevap her zaman en iyi cevap olmayabilir.

Özet fazla uzun olabilir.

Bazı önemli noktalar atlanabilir.

Bazı ifadeler yanlış yorumlanabilir.

Metnin bağlamı yeterince korunmayabilir.

İşte “loop” yaklaşımı burada devreye giriyor.

Kullanıcı bu kez yapay zekâdan yalnızca bir cevap istemiyor.

Şöyle bir süreç oluşturuyor:

Özetle → kontrol et → eksikleri bul → eleştir → düzelt → yeniden yaz → tekrar değerlendir.

Böylece ilk çıktı, sürecin sonu olmaktan çıkıyor.

Tam tersine, bir sonraki işlemin başlangıç noktası haline geliyor.

Yapay zekânın yeni çalışma mantığı

Loop kavramının temelinde geri besleme bulunuyor.

Bir sistem çıktı üretiyor.

Çıktı kontrol ediliyor.

Eksiklikler belirleniyor.

Düzeltme yapılıyor.

Yeni çıktı oluşturuluyor.

Yeni çıktı tekrar değerlendiriliyor.

Bu süreç gerektiği kadar devam ediyor.

Dolayısıyla yapay zekâ kullanımı;

Soru → Cevap

modelinden,

Talimat → Çıktı → Kontrol → Eleştiri → Düzeltme → Yeni çıktı

modeline dönüşüyor.

Bu değişim küçük gibi görünse de yapay zekânın kullanım biçimi açısından oldukça önemli.

Çünkü burada amaç yalnızca ilk cevabı almak değil, belirli bir kalite seviyesine ulaşmak.

Basit bir makarna tarifi bile döngüye dönüşebilir

Loop mantığını anlamanın en kolay yollarından biri günlük yaşamdan örnek vermek.

Bir kullanıcı yapay zekâya:

“Bana güzel bir domatesli makarna tarifi ver.”

dediğinde bu bir prompttur.

Yapay zekâ tarifi oluşturur ve görev tamamlanır.

Ancak kullanıcı;

“Tarifi oluştur. Malzemelerin birbirleriyle uyumunu değerlendir. Pişirme süresini kontrol et. Tuz ve baharat dengesini incele. Eksik noktaları belirle. Tarifi geliştir ve son halini yeniden yaz.”

dediğinde artık bir loop oluşturulmuş olur.

Buradaki temel fark şudur:

Prompt ilk cevabı üretir.

Loop ise cevabın geliştirilmesini sağlar.

Bu yaklaşım, yapay zekâ kullanımındaki en önemli zihinsel değişimlerden birini ifade ediyor.

“En iyi prompt” arayışı değişiyor

Yapay zekânın ilk dönemlerinde kullanıcıların en fazla üzerinde durduğu konu “prompt engineering” oldu.

Kullanıcılar;

• doğru kelimeyi seçmeye,
• rol tanımlamaya,
• bağlam vermeye,
• format belirtmeye,
• hedef kitleyi tanımlamaya,
• uzunluk belirlemeye,
• örnek göstermeye

odaklandı.

Bu yöntemler bugün hâlâ önemli.

Ancak yapay zekâ sistemlerinin yetenekleri geliştikçe tek seferlik promptun sınırları daha görünür hale geliyor.

Çünkü çok iyi yazılmış bir prompt bile her zaman kusursuz sonuç üretmeyebilir.

Asıl beceri, ilk çıktıyı değerlendirebilmekte ortaya çıkıyor.

Bu nedenle yapay zekâ okuryazarlığında yeni bir aşamadan söz etmek mümkün:

İyi prompt yazmak → iyi çıktı üretmek → çıktıyı değerlendirmek → çıktıyı geliştirmek.

Yapay zekâ ajanları oyunun kurallarını değiştiriyor

Loop kavramını daha önemli hale getiren temel gelişmelerden biri de AI agent, yani yapay zekâ ajanlarının yükselişi.

Klasik bir yapay zekâ sistemi çoğu zaman kendisine verilen komuta yanıt verir.

Ajan tabanlı sistemlerde ise yapı daha karmaşık hale geliyor.

Bir yapay zekâ ajanı kendisine verilen hedef doğrultusunda;

planlama yapabilir, görevi alt parçalara ayırabilir, araçları kullanabilir, sonuçları kontrol edebilir ve gerektiğinde yeni bir deneme gerçekleştirebilir.

Haziran 2026’da Prof. Dr. Necmi Gürsakal’ın “The Age of Agents” başlığı üzerinden yaptığı değerlendirmede de yapay zekâ ajanlarının yalnızca cevap üreten sistemler olmaktan çıkıp planlama, farklı yazılımlarla iletişim, bilgi toplama ve karar alternatifleri oluşturma gibi yeteneklere doğru ilerlediğine dikkat çekilmişti.

Bu gelişme, loop mantığının insan tarafından manuel olarak kurulmasının ötesine geçilmesi anlamına geliyor.

Üç aşamalı yapay zekâ dönüşümü

Bugünkü gelişimi basitleştirerek üç aşamada değerlendirmek mümkün:

1. Talimat

“İyi soru sor.”

Kullanıcı doğru promptu oluşturur ve yapay zekâdan cevap ister.

2. Döngü

“İlk cevabı değerlendir ve daha iyi hale getir.”

Yapay zekâ çıktısı yeniden işleme alınır.

3. Ajan

“Görevi planla, gerçekleştir, kontrol et ve gerektiğinde yeniden dene.”

Bu aşamada döngünün önemli bir bölümünü yapay zekâ sistemi kendisi yönetebilir.

İşte teknolojinin asıl kırılma noktalarından biri burada ortaya çıkıyor.

İnsan artık yalnızca soru soran kişi olmayacak

Yapay zekânın gelişmesiyle birlikte insanın rolü de değişiyor.

İlk dönemde insan:

Soruyu soran kişiydi.

Daha sonra:

Doğru promptu tasarlayan kişi oldu.

Yeni dönemde ise:

Süreci tasarlayan ve kalite kriterlerini belirleyen kişi haline geliyor.

Bu önemli bir dönüşüm.

Çünkü geleceğin yapay zekâ kullanıcıları açısından en değerli becerilerden biri, yalnızca bilgi istemek değil; çıktının kalitesini ölçebilmek olacak.

Bir metin üretildiğinde:

“Güzel olmuş.”

demek yeterli olmayacak.

Bunun yerine:

• Bilgi doğru mu?
• Kaynaklar güvenilir mi?
• Mantık hatası var mı?
• Eksik bilgi bulunuyor mu?
• Gereksiz tekrar var mı?
• Dil hedef kitleye uygun mu?
• Sonuç verilen görevle uyumlu mu?
• Yanlış çıkarım yapılmış mı?

gibi sorular sorulacak.

Eleştirel düşünme daha da önemli hale geliyor

Burada dikkat edilmesi gereken önemli bir nokta var.

Loop, yapay zekânın her zaman kendi hatasını doğru şekilde bulacağı anlamına gelmiyor.

Bir yapay zekâ sistemi kendi ürettiği hatalı bilgiyi tekrar değerlendirdiğinde de yanlış sonuca ulaşabilir.

Bu nedenle insan denetimi hâlâ kritik.

Özellikle;

hukuk, sağlık, finans, akademik araştırma, kamu politikası ve güvenlik

gibi yüksek riskli alanlarda yalnızca yapay zekânın kendi kendini kontrol etmesine güvenmek doğru olmayabilir.

Loop yaklaşımının güçlü olabilmesi için kalite kriterlerinin doğru tanımlanması ve gerektiğinde bağımsız kaynaklarla doğrulama yapılması gerekiyor.

Gürsakal’ın yapay zekâ yaklaşımında insan faktörü

Prof. Dr. Necmi Gürsakal’ın daha önceki yapay zekâ değerlendirmelerinde de teknolojinin insan yaşamı üzerindeki etkileri önemli bir başlık olarak öne çıkıyor.

2025 yılında yayımlanan bir söyleşide Gürsakal, yapay zekânın istihdam üzerindeki etkilerine, otomasyonun çalışma hayatını değiştirme ihtimaline ve büyük miktarda verinin toplanmasına ilişkin kaygılarını dile getirmişti.

2026 yılında yayımlanan başka bir değerlendirmesinde ise insanlığın geleceğinin yalnızca teknolojinin kendisiyle değil, teknolojinin nasıl kullanıldığıyla şekilleneceği yönündeki yaklaşımı öne çıktı.

Bu çerçeveden bakıldığında loop yalnızca teknik bir kavram değil.

Aynı zamanda insanın yapay zekâyla kurduğu ilişkinin niteliğini değiştiren bir düşünme biçimi.

Eğitimde loop dönemi

Loop yaklaşımının eğitim alanında da önemli sonuçları olabilir.

Bir öğrenci yapay zekâya:

“Bu konuyu anlat.”

dediğinde tek seferlik bilgi alabilir.

Ancak daha gelişmiş bir süreç şöyle kurulabilir:

Konuyu anlat → bana beş soru sor → cevaplarımı değerlendir → eksiklerimi tespit et → yanlışlarımı açıkla → yeni sorular oluştur → tekrar değerlendir.

Bu sistem öğrenciyi yalnızca bilgi alan kişi olmaktan çıkarıp aktif öğrenme sürecine dahil edebilir.

Öğretmen açısından da benzer bir yapı kurulabilir.

Ders planı hazırlanabilir, ardından yapay zekâdan planı eleştirmesi, yaş grubuna uygunluğunu değerlendirmesi, eksik kazanımları tespit etmesi ve alternatif etkinlikler önermesi istenebilir.

İş dünyasında yeni verimlilik modeli

Loop yaklaşımının işletmeler açısından da önemli sonuçlar doğurması bekleniyor.

Bir şirket yapay zekâdan yalnızca rapor istemek yerine;

rapor oluştur → tutarlılık kontrolü yap → eksik verileri belirle → riskleri analiz et → yönetici özeti oluştur → raporu yeniden düzenle

şeklinde bir iş akışı tasarlayabilir.

Bu yapı özellikle veri analitiği, müşteri hizmetleri, yazılım geliştirme, pazarlama, finansal analiz ve operasyon yönetimi gibi alanlarda önemli bir verimlilik sağlayabilir.

Prof. Dr. Gürsakal’ın akademik çalışma alanları arasında büyük veri, veri bilimi ve sosyal ağ analizi gibi alanların bulunması da bu dönüşümün veri odaklı boyutuyla yakından ilişkili.

Medyada yapay zekâ kullanımı da değişecek

Gazetecilik açısından da loop yaklaşımı dikkat çekici.

Bir haber metninin yalnızca:

“Haberi yaz.”

komutuyla oluşturulması yerine;

Bilgileri düzenle → kaynakları kontrol et → çelişkileri tespit et → haber dilini gözden geçir → tarafsızlık kontrolü yap → tekrar yaz → başlık alternatifleri oluştur

şeklinde bir süreç kurulabilir.

Bu yaklaşım, özellikle yapay zekâ tarafından hazırlanan haberlerde ortaya çıkabilecek tekrar, genelleme, kaynaksız iddia ve halüsinasyon risklerinin azaltılmasına yardımcı olabilir.

Ancak burada da temel sorumluluk insandadır.

Çünkü gazetecilikte doğruluk yalnızca iyi yazılmış bir metin anlamına gelmez.

Doğru bilgi, doğrulanabilir kaynak ve editoryal sorumluluk gerekir.

“Loop” yapay zekâ okuryazarlığının yeni anahtarı olabilir

Yapay zekâ teknolojilerinin gelişimi, kullanıcıların teknolojiyle kurduğu ilişkinin de değişmesini zorunlu kılıyor.

Geçmişte kullanıcı:

“Yapay zekâya ne soracağım?”

diye düşünüyordu.

Bugün:

“Aldığım cevabı nasıl geliştireceğim?”

sorusunu sormaya başlıyor.

Yarın ise:

“Bu görevi hangi döngüyle ve hangi ajan mimarisiyle yürütebilirim?”

sorusunun daha fazla önem kazanması bekleniyor.

Bu dönüşüm, yapay zekâ okuryazarlığının yalnızca prompt yazma becerisinden ibaret olmadığını ortaya koyuyor.

Geleceğin becerisi: İlk cevaba razı olmamak

Yapay zekânın ürettiği ilk cevap her zaman son cevap olmak zorunda değil.

Hatta yapay zekânın gerçek potansiyeli çoğu zaman ilk çıktının ardından başlıyor.

İlk cevap alınır.

Sonuç incelenir.

Hatalar bulunur.

Eksikler belirlenir.

Yeni talimat verilir.

Sonuç yeniden üretilir.

Ve gerektiğinde süreç tekrar eder.

Bu nedenle geleceğin yapay zekâ kullanıcıları açısından önemli farklardan biri, ilk cevaptan memnun olmak ile daha iyi cevabı sistematik biçimde aramak arasında ortaya çıkacak.

Sonuç: Prompt çağından süreç tasarımı çağına

Prof. Dr. Necmi Gürsakal’ın yapay zekâ üzerine yıllardır sürdürdüğü akademik ve kamusal değerlendirmeler, teknolojinin yalnızca teknik bir araç olarak değil, ekonomik ve toplumsal dönüşüm unsuru olarak ele alınması gerektiğine işaret ediyor.

Bugün yapay zekâ konusunda “prompt” kavramı hâlâ önemli.

Ancak teknolojinin gelişimiyle birlikte yeni bir gerçek daha belirgin hale geliyor:

İyi bir soru, iyi bir başlangıçtır.

Fakat iyi bir sonuç için başlangıç tek başına yeterli değildir.

Asıl değer;

çıktıyı değerlendirmekte, hatayı görmekte, düzeltmekte ve yeniden üretmekte ortaya çıkıyor.

Bu nedenle yapay zekâ çağının yeni okuryazarlığı belki de yalnızca “iyi prompt yazmak” olmayacak.

Daha önemli beceri,

“iyi döngüler tasarlamak” olacak.

Ve yapay zekâ ajanlarının yaygınlaşmasıyla birlikte bir sonraki aşamada insanın görevi, her döngüyü tek tek yönetmekten çok doğru hedefi, doğru kalite kriterlerini ve doğru kontrol mekanizmasını tasarlamak haline gelecek.

Kısacası;

Prompt ilk cevabı getiriyor.

Loop daha iyi cevabı arıyor.

Ajan ise bu döngüyü kendi başına yönetmeye hazırlanıyor.

Yapay zekâ dünyasında asıl yarışın bundan sonra yalnızca “kim daha iyi soru soruyor?” sorusuyla değil, “kim daha iyi öğrenen, kontrol eden ve kendini geliştiren sistemler kuruyor?” sorusuyla şekillenmesi bekleniyor.