Daha İyi Sonuçlar Almak

Claude’la çalışmaya başladıkça, cevabın tam beklediğin gibi olmadığı anlar yaşayacaksın. Bu normal — ve yaklaşımını rafine etmek için bir fırsat. Bu derste yaygın zorlukları, iteration mindset’i (yineleme zihniyetini), AI Fluency kavramını ve kendi işin için Claude’u nasıl eval (geliştirme) edeceğini öğreneceksin.

Yaygın zorluklar ve nasıl düzeltilir

Sorun	Ne oluyor	Şunu dene
Cevap çok generic (genel)	Prompt’un, durumuna dair yeterli context içermiyor	Audience (hedef kitle), rol veya kısıtları ekle. “Proje gecikmesi hakkında bir email yaz” yerine: “Enterprise (kurumsal) client’imize, software integration’ın (yazılım entegrasyonunun) iki hafta geciktiğini açıklayan bir email yaz. Şimdiye kadar sabırlıydılar ama bu ikinci gecikme. Professional (profesyonel) ama özür dileyici bir ton tut.”
Cevap çok uzun (veya çok kısa)	Claude uygun uzunluğu tahmin ediyor	Açık ol: “Bana iki paragraflık bir summary (özet) ver” ya da “Bunu 100 kelimenin altında tut” ya da “Kapsamlı bir analiz lazım — uzunluk önemli değil.”
Format’ı tutturmadı	Claude ne istediğini anladı ama nasıl sunulacağını anlamadı	Söyleme, göster. Örnek format ver veya yapıyı net tarif et: “Her section (bölüm) için bold başlıklı bullet point (madde işareti) kullan.”
Kendinden emin gelen yanlış bilgi	Claude bazen plausible (kulağa makul gelen) ama hatalı bilgi üretebilir — özellikle spesifik fact’ler veya niş konularda	High-stakes (yüksek riskli) işlerde key fact’leri (önemli bilgileri) bağımsız doğrula. Claude’tan citation (kaynak) veya confidence level (güven düzeyi) iste. Web search (web araması) özelliğini açarak cevapları güncel bilgiye dayandır.
Ton uymadı	Claude default (varsayılan) olarak helpful (yardımsever) ve professional (profesyonel) — bu her zaman istediğin olmayabilir	Tonu sade dille tarif et: “Bunu daha conversational (sohbet havasında) yap” ya da “Bu authoritative (otoriter) ve formal (resmi) hissettirmeli.” İstediğin stilde örnek bir metin paylaş ki Claude stilini görsün.

Iteration mindset

Claude ile çalışırken yaşanacak en önemli zihinsel kayma şu: ilk prompt nadiren mükemmel sonuç verir — ve bu sorun değil. İlk prompt’unu bir konuşmanın başlangıcı olarak düşün, tek atışlık bir istek değil.

Etkili Claude kullanıcıları:

• İlk taslakları başlangıç noktası kabul eder. Claude’un ürettiğine bak, neyin işlediğini ve neyin işlemediğini tespit et, sonra rafine et.
• Spesifik feedback (geri bildirim) verir. “Daha kısa yap” iş görür ama “İlk iki paragrafı çıkar ve sonuç bölümünü daha eyleme dönük yap” çok daha iyi.
• Ne zaman sıfırdan başlanacağını bilir. Conversation rayından çıktıysa bazen yeni bir chat açıp daha net bir prompt yazmak, mevcut sohbeti yön değiştirmeye çalışmaktan hızlıdır.

AI Fluency nedir?

AI Fluency, AI tool’larıyla (araçlarıyla) etkin iş birliği kurabilme yeteneğidir — yalnızca hangi butona basacağını bilmek değil, farklı durumlarda AI’yı iyi kullanma muhakemesini geliştirmek demektir.

4D Framework for AI Fluency, Ringling College of Art and Design’dan Prof. Rick Dakan ve University College Cork’tan Prof. Joseph Feller’ın araştırma iş birliğiyle geliştirildi ve dört temel competency (yetkinlik) tanımlar. Bu dördü birlikte çalışınca AI etkileşimlerinden en iyi şekilde yararlanırsın:

• Delegation: Hangi işin insan tarafından, hangi işin AI tarafından yapılacağına ve görevlerin aralarında nasıl dağıtılacağına karar vermek. Hedeflerini, AI’nın yeteneklerini anlamayı ve iş birliği konusunda stratejik seçimler yapmayı kapsar.
• Description: AI sistemleriyle etkili iletişim kurmak. Output’ları (çıktıları) net tanımlamak, AI süreçlerini yönlendirmek ve istenen AI davranışlarını/etkileşimlerini belirlemek.
• Discernment: AI çıktılarını, süreçlerini, davranışlarını ve etkileşimlerini düşünceli ve eleştirel biçimde değerlendirmek. Kalite, doğruluk, uygunluk değerlendirmesi ve iyileştirme alanlarının tespiti.
• Diligence: AI’yı sorumlu ve etik kullanmak. AI sistemleri ve etkileşimleri konusunda düşünceli seçimler yapmak, transparency’yi (şeffaflığı) korumak, AI destekli işin sorumluluğunu üstlenmek.

Bu becerileri bu kurs boyunca zaten pratik ediyorsun. Lesson 2’deki prompt çerçevesi (setting the stage, defining the task, specifying rules) Description’a dayanıyor. Yukarıdaki troubleshooting teknikleri ise Discernment ve Diligence’tan besleniyor.

Claude’u kendi workflow’un için eval etmek

Claude’u işlerine entegre etmeye başladıkça şunu sorabilirsin: bu spesifik task’ta Claude gerçekten iyi mi, nasıl bilirim?

İşte burada Discernment kritik hale gelir. Evals (evaluation’ın kısaltması), Claude’un sana önemli olan task’lardaki çıktısını test edip kullanımını geliştirmek için sezgi inşa etme yoludur. Senin için önemli olan iş tiplerinde Claude’un performansını sistematik biçimde ölçme yöntemi.

Eval’lar neden önemli

Senin işin kendine özgüdür. Claude marketing copy (pazarlama metni) yazmada parlayabilir ama senin domain’ine (alanına) özgü technical documentation (teknik dokümantasyon) için daha fazla yönlendirme gerekebilir. Basit eval’lar şunu sağlar:

• Claude’un workflow’unda en çok değer kattığı yerleri anlamak
• Daha fazla context veya örnek vermen gereken task’ları tespit etmek
• Tekrar eden task’larda Claude’un çıktısına güven inşa etmek

Basit bir eval yaklaşımı

Karmaşık infrastructure’a (altyapıya) gerek yok. Pratik bir yaklaşım:

1. Örnek topla. Düzenli yaptığın bir task’tan 5-10 örnek topla — yazdığın email’ler, hazırladığın rapor’lar, yaptığın analiz’ler.
2. Test prompt’ları yaz. Benzer çıktı üretecek prompt’lar yaz. Bu işi yaparken doğal olarak sahip olduğun context’i prompt’a dahil et.
3. Output’ları karşılaştır. Prompt’larını çalıştır ve Claude’un cevaplarını kendi örneklerinle karşılaştır. Kendine sor:
   • Claude key information’ı (önemli bilgiyi) yakalıyor mu?
   • Tone (ton) ve style (stil) uygun mu?
   • Eksik olan veya iyileştirilebilecek ne var?
4. Yaklaşımını rafine et. Öğrendiklerine göre prompt’larını ayarla, neyin “iyi” olduğunu Claude’a göstermek için örnekler ekle, ya da insan review’unun (incelemesinin) zorunlu olduğu alanları belirle.

Örnek: Claude’u veri analizi için kullanmak

Yukarıdaki video Anthropic’in AI Fluency for nonprofits kursundan alınma; ama örnek, AI ile veri üzerinde çalışan herkes için geçerli. Claude’un kendi verilerinle nasıl çalıştığını eval etmek için:

• Daha önce manuel analiz ettiğin bir dataset (veri seti) bul
• Aynı analizi Claude’tan yapmasını isteyen prompt’lar yaz
• Claude’un sonuçlarını orijinallerinle karşılaştır
• Pattern’leri (örüntüleri) not et ve prompt’unu rafine et: belki Claude doğru sayıları yakalıyor ama genel pattern’leri kaçırıyor

Bu tarz lightweight evaluation (hafif değerlendirme), sana önemli olan task’larda Claude ile nasıl çalışacağına dair sezgi geliştirir — ve review/refine (gözden geçirme/rafine) enerjini nereye odaklayacağını gösterir.

Ders reflection (üzerine düşünme)

Devam etmeden önce şunları düşün:

• Yukarıdaki yaygın zorluklardan hangilerini zaten yaşadın? Bir dahaki sefere hangi tekniği denersin?
• İşinde, tekrar eden bir task’a Claude’un uygun olup olmadığını basit bir eval ile en iyi nerede ölçebilirsin?
• 4D Framework, Claude ile iş birliğini düşünmene nasıl yardım edebilir?

Sırada ne var?

Bir sonraki derste Claude desktop app’i ve üç interaction mode’unu (etkileşim modunu) inceleyeceksin: Chat, Cowork, Code.