AI'a işi ne kadar iyi tarif edersen, çıktısını o kadar az sorguluyorsun. Anthropic'in verisi bunu söylüyor.
İki hafta önce AI yetkinliğinin nasıl ölçüleceğini yazmıştık. Zapier'in yetkinlik tablosunu anlatırken bir veriye kısaca değinmiştik: Anthropic'in AI Fluency Index'i. Bu yazıda o raporun kendisini açıyoruz. Çünkü içinde, tablolardan ve performans değerlendirmelerinden daha önemli bir bulgu var: AI hazır bir çıktı ürettiğinde onu daha az sorguluyoruz.
Önce kısa bir not. Rapor Şubat 2026'da yayınlandı ve Anthropic takip çalışmaları yapacağını söyledi. Yazmadan önce bu çalışmaların çıkıp çıkmadığına baktık. Resmi bir ikinci sayı henüz yok. Ama aradan geçen yedi ayda tabloyu güncelleyen üç yeni sinyal var; onları yazının sonunda topladık.
AI akıcılığı nedir?
AI akıcılığı (AI fluency), AI ile etkili ve güvenli iş birliği kurabilme becerisidir. Ne kadar kullandığınla değil, nasıl kullandığınla ilgilidir. Anthropic bu beceriyi ölçmek için Rick Dakan ve Joseph Feller'ın geliştirdiği 4D çerçevesini kullanıyor. Çerçevenin dört boyutu var ve 24 somut davranış tanımlıyor.
| Boyut | Ne demek | Endekste görünüyor mu |
|---|---|---|
| Delegation (devretme) | Hangi işi AI'a vereceğine, hangisini kendinde tutacağına karar vermek | Kısmen |
| Description (tarif) | Hedefi, biçimi, kitleyi ve iyi örneği anlatmak | Evet, en çok ölçülen boyut |
| Discernment (ayırt etme) | Çıktıyı değerlendirmek: eksik bağlam, zayıf gerekçe, yanlış iddia | Evet, üç davranışla |
| Diligence (özen) | AI'ın rolünü dürüstçe söylemek, çıktıyı paylaşmanın sonuçlarını düşünmek | Hayır, konuşmanın dışında kalıyor |
24 davranışın 11'i bir sohbetin içinden gözlenebiliyor. Kalan 13'ü, yani özenle ilgili olanların hepsi, konuşma bittikten sonra olup bitiyor. Anthropic bunları "belki de en önemli boyutlar" arasında sayıyor ama ölçemiyor. Bu ayrıntıya yazının sonunda döneceğiz.
Endeks ne ölçüyor?
Anthropic, 20-26 Ocak 2026 haftasında Claude.ai'de geçen ve birkaç tur süren 9.830 anonim konuşmayı inceledi. Her konuşmada 11 davranışın var olup olmadığını ayrı ayrı sınıflandırdı. Sonuçlar altı dilde ve haftanın her gününde tutarlı çıktı.
Tablo net bir dengesizlik gösteriyor. Tarif davranışları yaygın: konuşmaların yarısında hedef baştan netleştiriliyor, beşte ikisinde iyi bir örnek veriliyor. Ama çıktıyı değerlendiren üç davranış listenin alt yarısında: önemli iddiaları kontrol etmek yalnızca %8,7, zayıf gerekçeyi sorgulamak %15,8. AI'a ne istediğimizi söylemeyi öğrendik; gelen cevabı tartmayı henüz öğrenmedik.
Konuşmada kalmak her şeyi taşıyor
Raporun en güçlü bulgusu yinelemeyle ilgili. Konuşmaların %85,7'sinde kullanıcı ilk cevapla yetinmiyor, üzerine ekleyip düzeltiyor. Bu konuşmalar ortalama 2,67 ek akıcılık davranışı gösteriyor; tek seferlik konuşmalardaki 1,33'ün yaklaşık iki katı. Fark özellikle değerlendirme tarafında büyük: yineleyen konuşmada gerekçeyi sorgulama 5,6 kat, eksik bağlamı fark etme 4 kat daha sık.
Bu bir korelasyon. Yinelemek mi sorgulamayı getiriyor, yoksa zaten sorgulayan insanlar mı daha çok yineliyor, rapor bunu bilmiyor. Ama pratik sonuç ikisinde de aynı: ilk cevabı başlangıç noktası saymak, akıcılığın en güvenilir işareti.
Hazır çıktı paradoksu
Konuşmaların %12,3'ünde AI bir çıktı üretiyor: kod, belge, uygulama ya da etkileşimli bir araç. Bu konuşmalarda kullanıcılar çok daha özenli başlıyor. Hedefi netleştirme 14,7 puan, biçimi belirtme 14,5 puan, örnek verme 13,4 puan artıyor. Ama çıktı geldiğinde tersine dönüyor: ayırt etme ailesinin üç davranışı da düşüyor.
Anthropic üç olası açıklama sunuyor. Çıktı bitmiş göründüğü için sorgulanmıyor olabilir. Bu işlerde doğruluk, görünüş ya da işlevden daha az önemli olabilir; bir arayüz tasarlamak hukuki analiz yazmaya benzemez. Ya da kullanıcı çıktıyı konuşmanın dışında, kodu çalıştırarak veya bir meslektaşına göstererek test ediyor olabilir.
Üçü de mümkün. Ama tasarımcı ve ürün yöneticisi için birincisi en tanıdık olanı. Prototipleme araçları her gün daha cilalı ekranlar üretiyor ve cilalı ekran, "bu doğru mu" sorusunu sessizce kapatıyor. Anthropic'in kendi cümlesiyle: modeller cilalı çıktı üretmekte ustalaştıkça, o çıktıyı eleştirel değerlendirme becerisi daha az değil, daha çok değerli hale geliyor.
Çıktı ne kadar hazır görünürse, sorgulamak o kadar bilinçli bir tercih olmak zorunda.
Şubat'tan bu yana ne değişti?
Raporun sonunda Anthropic üç plan açıkladı: yeni ve deneyimli kullanıcıları karşılaştıran kohort analizi, gözlenemeyen davranışlar için nitel çalışma ve Claude Code kullanıcılarına bakan ayrı bir inceleme. Resmi bir ikinci sayı henüz yayınlanmadı. Ama bu sorulara dokunan üç gelişme var.
| Tarih | Ne çıktı | Endeks için ne söylüyor |
|---|---|---|
| 26 Mayıs 2026 | Claude'un ayarlarında kişisel bir AI akıcılığı karnesi fark edildi (henüz duyurulmadı) | Endeks bir araştırmadan bir ürün özelliğine dönüşüyor olabilir |
| 16 Haziran 2026 | 400 bin Claude Code oturumu üzerine uzmanlık çalışması | Ayırt etmenin kaynağı alan bilgisi |
| 26 Haziran 2026 | Economic Index "Cadences" raporu | Beyan edilen öğrenme ile ölçülen öğrenme ayrışıyor |
Karne: endeks ürüne mi dönüşüyor?
TestingCatalog, 26 Mayıs'ta Claude'un ayarlarında bir AI akıcılığı ekranı fark edildiğini yazdı. Habere göre bu ekran Chat, Cowork ve Claude Code oturumlarını tarayıp aynı 11 göstergeyi üç başlık altında puanlıyor ve "11 üzerinden 7,5" gibi bir karne çıkarıyor. Anthropic bunu duyurmadı; bulabildiğimiz kadarıyla özellik henüz yayında değil. Yine de yön ilginç: dünkü araştırma metriği, yarın kişisel bir geri bildirim aracı olabilir.
Claude Code: ayırt etmenin kaynağı alan bilgisi
Anthropic 16 Haziran'da yaklaşık 235 bin kişinin 400 bin Claude Code oturumunu inceleyen bir çalışma yayınladı. Kullanıcının uzmanlığını üç sinyalden okuyor: talimatı ne kadar net verdiği, AI'dan neyi doğrulamasını istediği ve kimin kimi düzelttiği. Bunlar endeksin ayırt etme davranışlarıyla neredeyse aynı. Sonuç çarpıcı: yeni başlayan kullanıcıların oturumlarının %15'i doğrulanmış başarıyla bitiyor, orta ve ileri seviyedekilerin %28-33'ü. Sorun çıkan oturumlarda fark daha da açılıyor: yeni başlayanlar %4, uzmanlar %15 oranında toparlanıyor. En önemli detay şu: belirleyici olan kodlama bilgisi değil, işin kendisini bilmek. Yazılımcı olmayan meslekler de yazılımcılara yakın başarı oranı yakalıyor.
Öğrenme: beyan ile ölçüm aynı şeyi söylemiyor
26 Haziran'daki Economic Index raporu, işi AI'a daha çok devredenlerin herkes kadar öğrendiklerini söylediğini bildiriyor. Ama bu bir öz beyan. Anthropic'in Ocak'ta yayınladığı kontrollü deneyde tablo farklıydı: yeni bir kütüphaneyi AI ile öğrenen geliştiriciler sonraki testte ortalama %50 aldı, elle çalışanlar %67. AI'a kavramsal soru sorup açıklama isteyenler ise işi tamamen devredenlerden daha iyi sonuç aldı. Yani öğrenme de ayırt etme gibi: AI ile konuşmada kalınca oluyor, işi devredip çekilince olmuyor.
Kendi pratiğinde üç hamle
Raporun kendi önerileri kısa ve uygulanabilir. Üçünü ekip pratiğine çeviren birer not ekledik.
- Konuşmada kal. İlk cevabı başlangıç say; itiraz et, soru sor, daralt. Ekip için: bir AI çıktısının tek turda kabul edilip edilmediğini, gözden geçirmede sorulacak ilk soru yap.
- Cilalı çıktıyı sorgula. Çıktı iyi göründüğü an durup sor: doğru mu, eksik ne, gerekçe tutuyor mu? Ekip için: prototip ve doküman incelemelerine "neyi kontrol ettin" satırını ekle.
- Çalışma koşullarını baştan koy. Konuşmaların yalnızca %30'unda kullanıcı AI'a nasıl etkileşim istediğini söylüyor. "Varsayımım yanlışsa itiraz et", "cevaptan önce gerekçeni anlat", "emin olmadığın yeri söyle" gibi cümleler ekle. Ekip için: bu cümleleri paylaşılan bir başlangıç şablonuna yaz.
Endeks tek bir hafta, tek bir platform ve büyük olasılıkla erken benimseyenlerden oluşan bir kullanıcı grubu üzerine kurulu; Anthropic de bunu genel bir ölçüt değil başlangıç ölçümü olarak sunuyor. 24 davranışın yalnızca 11'i ölçülüyor ve her biri var ya da yok diye ikili sınıflandırılıyor. Kullanıcının zihninden geçen kontroller görünmüyor. Bulgular korelasyonel. Sınıflandırmayı Claude modelleri yapıyor ve araştırmayı yapan şirket ölçülen ürünü satıyor. Karne haberi resmi bir duyuru değil, ayarlarda fark edilen bir ekrana dayanıyor.
Ölçülemeyen boyut, en çok emek isteyen boyut
Endeksin en dürüst cümlesi bir sınır cümlesi: özen boyutu konuşmanın dışında kaldığı için ölçülemiyor. AI'ın bir işteki rolünü açıkça söylemek, çıktıyı paylaşmadan önce sonuçlarını düşünmek bu boyuta giriyor. Bir ekibin AI ile ilişkisini belirleyen davranışlar da çoğunlukla bunlar.
Bir karne ya da panel, iyi tarif etmeyi ve hatta sorgulamayı saymaya başlayabilir. Özeni ise kimse loglardan okuyamayacak. O yüzden özen bir ekip normu olarak kurulmak zorunda: kim neyi kontrol etti, hangi karar AI'a bırakıldı, hangi çıktı kimin imzasıyla çıktı. Yapay zeka okuryazarlığını anlatırken biz de araç kullanımıyla değil, bu sorularla başlıyoruz.
Bir sonraki AI çıktısını paylaşmadan önce ayırt etme ailesinin üç sorusunu sor: Eksik bağlam ne? Hangi iddia kontrol edilmeli? Gerekçe tutuyor mu? Üçüne de cevap veremiyorsan çıktı henüz hazır değil.
Senin ekibinde en son ne zaman bir AI çıktısı, cilalı göründüğü için sorgulanmadan geçti? Hazır görünen çıktı, en çok sorgulanması gereken çıktıdır. 🧱
