Sentetik kullanıcı sana hiç itiraz etmiyorsa elinde yeni bir bulgu yok. Kendi varsayımın, bir kullanıcının ağzından geri okunuyor.
6 Ekim'de ürün yöneticilerinin yakından izlediği Lenny's Newsletter'ın yazarı Lenny Rachitsky, X'te takip ettiği bir eğilimi yazdı: ekipler ürün fikirlerini ve akış değişikliklerini AI “simülasyonlarıyla” hızlıca deniyor. Beş ürünün adını saydı ve sordu: deneyen var mı, nasıl gitti?
İki gün sonra, 8 Ekim'de Medium'daki tasarım yayını UX Collective birkaç dakika arayla dört yazı yayımladı. İkisi doğrudan sentetik kullanıcıyı konu alıyor ve ikisi de temkinli. “Sentetik kullanıcı” adı altında birbirinden epey farklı şeyler satılıyor; önce kavram.
Sentetik kullanıcı nedir?
Sentetik kullanıcı, bir dil modeline belirli bir kullanıcı grubunun profili verilerek o grubun yerine konuşturulan yapay katılımcıdır. Nielsen Norman Group'un 2024 tarihli tanımı da aynı yere çıkıyor: bir kullanıcı grubunu taklit etmeye çalışan, AI üretimi bir profil. Onunla görüşme yaparsın, anket doldurtursun, prototipini gösterip tepkisini alırsın. Karşında bir insan yok; modelin, o profildeki birinin ne diyeceğine dair tahmini var.
Pazarda aynı adla anılan ürünleri biz üçe ayırıyoruz. Aralarındaki fark, cevabın neye dayandığını belirliyor.
| Tür | Neyle kurulur | Arkasında gerçek insan var mı |
|---|---|---|
| Prompt persona | Yaşı, rolü ve hedefleri anlatan bir paragraf | Yok. Model genel eğitim verisinden tahmin eder |
| Veriyle beslenmiş persona | Kendi görüşme dökümlerin, destek kayıtların, anket cevapların | Dolaylı. Daha önce konuştuğun insanların özeti |
| Dijital ikiz (digital twin) | Tek bir gerçek kişinin saatler süren görüşmesi ya da yüzlerce cevabı | Var, ama o kişinin geçmiş cevapları kadar |
Hangisini kullanırsan kullan, çıktı ekibin önüne çoğu zaman bir persona kartı olarak gelir: isim, yaş, hedefler ve tırnak içinde bir cümle. Aşağıdaki kartı biz kurguladık. Sol yarısı tipik bir sentetik çıktı. Sağ yarısı, aynı sorular gerçek bir insana sorulduğunda araştırmacının defterine düşen türden notlar.
Sol taraftaki her alan dolu ve tutarlı. Sağ taraftaki dört şeyin kartta karşılığı yok: duraksama, vazgeçme, söylenenle yapılan arasındaki fark ve açık itiraz.
Vaat: haftalar yerine dakikalar
Vaadi en açık haliyle bu ürünleri satanlar söylüyor. Synthetic Users ana sayfasında içgörünün “haftalar yerine dakikalar içinde” geldiğini, görüşme başına maliyetin 2 ile 60 dolar arasında kaldığını ve katılımcı bulma, eleme, takvim kurma işlerinin ortadan kalktığını yazıyor. Şirket, karşılaştırma çalışmalarında sentetik görüşmelerle gerçek görüşmeler arasında %85-92 örtüşme bulunduğunu da söylüyor; bu oranı kendi sitesinden aktarıyoruz.
Lenny'nin sorusuna gelen cevapların bir kısmı olumlu. Crazy Egg ve KISSmetrics'in kurucularından Hiten Shah bunlardan biri:
Akademik dayanak Stanford'dan geliyor ve tablonun üçüncü satırını, dijital ikizi sınıyor. Joon Sung Park ve ekibi 1.052 kişiyle ikişer saatlik görüşme yaptı, her kişi için görüşme dökümünü okuyan bir ajan kurdu. Ajanlar, sahiplerinin bir sosyal bilim anketine (General Social Survey) verdiği cevapları, o insanların iki hafta sonra kendi cevaplarını tekrarlama isabetinin %85'i kadar tutturdu.
Bu sonucu okurken ajanların nasıl kurulduğunu unutma: her biri için önce gerçek bir insanla iki saat konuşulmuş. Çalışma, iyi yapılmış bir görüşmenin sonradan yeniden sorgulanabildiğini gösteriyor. Bir paragraflık prompt personasının aynı isabeti vereceğine dair bir şey söylemiyor.
İtiraz: hep onaylayan katılımcı
UX Collective'in ilk yazısı SAP'nin tasarım başkanı Arin Bhowmick'ten (kişisel görüşü olduğunu belirtiyor) ve 2025 tarihli bir çalışmaya yaslanıyor. Deep, Bharadhidasan ve Kocaballi sekiz profesyonel UX tasarımcısını Alice adlı sesli bir yapay personayla üç işte çalıştırdı: kullanıcı araştırması, fikir üretme ve prototip değerlendirme. Tasarımcılar Alice'i hızlı ve faydalı buldu. Makalenin başlığı ise bir katılımcının cümlesi: “Faydalıydı ama biraz fazla iyimserdi.” Bhowmick'in aktardığı örnekte Alice, iki saatlik bir organik tarım oturumunun restorana müşteri getirip getirmeyeceği sorusuna hiçbir çekince koymadan “çok etkili olabilir” diyor. Araştırmacılara göre öbür önerilerde de maliyet ya da kaynak sorgulanmadı. Bhowmick kendi şirketinden bir gözlem de ekliyor: SAP'de kullanıcı araştırmasını yöneten Eric Mahlstedt'in ekibi eski çalışmalarını sentetik kullanıcılarla yeniden kurmuş ve cevapları fazla genel bulmuş.
Bu eğilimin literatürdeki adı sycophancy (yaranma eğilimi): model, konuştuğu kişiyi memnun edecek cevaba kayıyor. NN/g aynı şeyi çevrimiçi kurs örneğinde gördü. Sentetik kullanıcılar kurslarını bitirdiklerini söyledi. Gerçek bir katılımcı yedi kurstan üçünü bitirmişti ve neden bıraktığını anlattı. Ürün ekibinin işine yarayacak bilgi o bırakma nedeniydi ve yalnızca gerçek görüşmede çıktı.
Lenny'nin sorusuna gelen cevaplarda buna yakın bir gözlem var:
İkinci yazı daha sert. Bağımsız UX araştırma danışmanı Kyle Soucy, yıllardır savunduğu “eksik araştırma hiç araştırma yapmamaktan iyidir” cümlesini sentetik kullanıcılar için geri alıyor. Gerekçesi, ikisinin aynı türden bir taviz olmadığı:
Eksik araştırma
- Gerçek insanla temas var
- Sınırı belli: örneklem küçük, prototip kaba
- Bulgu az ama gözlenmiş
Sentetik araştırma
- Temas yok, modelin tahmini var
- Sınırı görünmüyor: “50 sentetik müşterinin %78'i anladı” kanıt gibi duruyor
- Geri dönen, ekibin kendi varsayımı olabilir
Soucy'ye göre hiç araştırma yokken en azından eksik görünür; sentetik bulgu o eksiği kapatılmış gibi gösterir. Dayandığı ölçümlerden biri Columbia'dan Tianyi Peng ve ekibinin Eylül'de Science Advances'ta yayımlanan çalışması. Hipotezi önceden kayda geçirilmiş 19 çalışma ve 164 sonuçta, kişi başına 500'den fazla cevapla kurulan dijital ikizlerin cevapları sahiplerininkiyle zayıf bir ilişki gösterdi. Araştırmacılar ikizlere “lunapark aynası” diyor. Saydıkları beş sapmadan biri ideolojik yanlılık ve ürün testini doğrudan ilgilendiren bir örneği var: ikizler insan davranışı ve teknoloji konusunda insanlardan daha iyimser.
Stanford'un %85'i ile bu sonuç çelişmiyor, farklı şeyleri ölçüyorlar. Stanford bir anketin cevaplarını, insanın kendi cevabını tekrarlama tutarlılığına oranlıyor. Columbia 164 ayrı sonuçta ikizin sahibiyle birlikte hareket edip etmediğine bakıyor.
Soucy'nin aktardığı MeasuringU ölçümü de iyimserliği gösteriyor. 420 kişinin dijital ikizleri, SUS (System Usability Scale, standart kullanılabilirlik anketi) puanını sahiplerinden 4,4 ile 6,7 puan yüksek verdi. İnsanların B+ ile A arasında notladığı ürünlere, daha çok veriyle beslenen ikizlerin hepsi A+ verdi.
Zorluk yok olmadı, yer değiştirdi
Aynı gün çıkan diğer iki yazı sentetik kullanıcıdan hiç söz etmiyor; AI ile hızlanan tasarımın arayüz tarafını anlatıyor. Sophie Shrimpton AI üretimi arayüzü hızlı mobilyanın temposuyla karşılaştırıyor: “hızlı tasarım”da sorun, neyi çözdüğü bilinmeden tasarımın yayına çıkması. Workday'de AI deneyimi üzerine çalışan Patrick Neeman Tesler yasasını hatırlatıyor: bir uygulamanın indirgenemez karmaşıklığı yok edilemez, yalnızca kullanıcıdan geliştiriciye ya da sisteme taşınır. Örneklerinden biri: araştırma yapılmadan araştırma raporu istersen “20 saniyede 10 sayfa” alırsın ve içindeki her alıntı uydurmadır.
Sentetik kullanıcıda da katılımcı bulmanın, takvimin ve seansın yükü kalkıyor; yerine çıktının gerçeğe ne kadar yakın olduğunu sınama yükü geliyor. Lenny'nin saydığı ürünlerden Seldon'ın ekibinden Tom Charman cevabında bunu kendisi söylüyor: değerlendirmeye çok zaman harcamışlar, çıktıyı gerçek davranışla karşılaştırmış, aynı testin tekrarlarda tutarlı kalıp kalmadığına ve kurulumun sonucu ne kadar değiştirdiğine bakmışlar. Neye güvenilebileceği konusunda “çok fazla nüans” olduğunu ekliyor.
Cevaplarda @iabdul_wasey ve @ManuAF6 aynı şeyi öneriyor: simülasyona güvenmeden önce sonucunu bildiğin eski bir deneyi ona tahmin ettir. Kalibrasyon için de gerçek kullanıcı verisi gerekiyor.
Peki nerede işe yarıyor?
User Interviews Mayıs 2026'da 150 araştırmacıya sordu. Sentetik kullanıcıyı deneyenler %21, bugün kullananlar %8. Nasıl kullanıldığı sorusunda en çok işaretlenen cevap “insan araştırmasından önceki ön adım” oldu (%41). En uygun bulunan işler anket ve eleme sorusu (screener) tasarımı (%46), yön veren kullanılabilirlik sinyali (%34) ve erken keşif (%32). Her beş araştırmacıdan biri hiçbir bağlamda uygun bulmuyor. Katılımcıların %79'u paydaşların AI üretimi bulguya fazla güvenmesinden endişeli, %63'ünün kurumunda bu konuda yazılı bir kural yok.
NN/g'nin listesi de benzer: masa başı araştırma, hipotez üretme, görüşme kılavuzunu gerçek katılımcıdan önce denemek. X cevaplarında @LLiepenieks bunu bir cümleye indiriyor: kötü akışı elemek için iyi, iyi akışı bulmak için işe yaramaz. @markLFeinberg bu araçları deneyenlere bir soru soruyor. Karışık bir akışı yakalayabilir; ama sana bir kez olsun “buna kimse para vermez” dedi mi?
İki tarafın da çıkarı var. User Interviews gerçek katılımcı bulma hizmeti satıyor; Synthetic Users'ın örtüşme oranı kendi beyanı. Akademik çalışmalar farklı model nesilleriyle yapıldı; Hiten Shah'ın “modeller iyileştikçe çıktılar da iyileşti” gözlemini doğrulayan ya da çürüten güncel bir ölçüm bulamadık. X'teki cevaplar tanıklık, ölçüm yok. Bhowmick'in aktardığı SAP içi karşılaştırmanın yöntemi yayımlanmadı. MeasuringU ölçümü planlanan bir serinin ilk deneyi. Üç türlü tablo ve persona kartı bizim kurgumuz.
Kaybolan şey duraksama
Biz sentetik kullanıcının yasaklanmasından yana değiliz. Görüşme kılavuzunu denemek ya da eleme sorularını yazmak için işe yaradığına dair yeterince işaret var. Bizi rahatsız eden, bu verinin karar toplantısında nasıl davrandığı. Sentetik cevap hem en kolay toplanan hem de itiraz etmeyen veri. Bir kararın önünde altı görüşmeden çıkan bulanık bir bulgu ile elli sentetik cevaptan çıkan temiz bir yüzde varsa, temiz olan kazanmaya yatkın.
Gerçek bir seansın en değerli anı çoğu zaman katılımcının cümle kurarken durduğu yerdir. “Şey, ben bunu böyle kullanmıyorum ki” cümlesi o duraksamadan sonra gelir ve ekibin yanlış varsayımını görünür kılar. Sentetik kullanıcı duraksamaz. Her soruya akıcı ve eksiksiz bir cevap verir; o akıcılık da kartta güven olarak okunur.
En kolay toplanan veri masaya önce gelir. İtiraz etmeyen veri en ikna edici görünür.
Bu dört yazı, Alive Bülten için her gün yaptığımız haber taramasına 8 Ekim'de düşen 119 kaydın içindeydi ve o günün özetine seçilen 32 kaydın arasında yoktu. Özete yalnızca komşu bir Muzli yazısı girmişti: AI ortalama arayüzü kolaylaştırıyor, iyi UX'i zorlaştırıyor. Araştırmanın kendi yöntemini sorguladığı bir gün, kolay özetlenen arayüz haberi öne geçmişti.
Son üç araştırmanın bulgu listesini aç. Her bulgunun yanına dayanağını yaz: bir insan kaydı mı (görüşme, test, destek talebi), yoksa yalnızca model çıktısı mı? İkinci gruptakileri karar belgesinden çıkar ve “sınanacak hipotezler” başlığına taşı. Soucy bu gruba “simüle içgörü” etiketi öneriyor. Onun testini de her birine uygula: bu sentetik kullanıcı yanılıyorsa sonra ne olur? Cevap yol haritasını değiştiriyorsa bizce önce bir insanla konuş.
Geçen ay karar belgene giren bulgulardan kaçının arkasında, adını bildiğin bir insan var? 🧱
