AI Markanız Hakkında Yanlış Bilgi Verirse: Halüsinasyon Takibi ve Düzeltme
Bir gün bir müşteri adayınız "ama ChatGPT sizin bu özelliği desteklemediğinizi söyledi" diye yazar ve o özellik iki yıldır üründedir. Ya da Gemini, fiyat sorusuna üç yıl önceki tarifenizle cevap verir. Belki de en rahatsız edici olanı: bir motor, markanızı benzer isimli başka bir şirketle karıştırıp onların skandalını size yazar. Bunların hepsi aynı ailenin üyesi — AI yanlış bilgi sorunu, ya da yaygın adıyla halüsinasyon. Kızmak serbest ama çözmüyor. Bu yazıda üç şey anlatacağım: bu yanlışlar neden oluyor, sistematik olarak nasıl yakalanır ve yakalanınca hangi sırayla ne yapılır. Bir de sonunda, çoğu yazının atladığı dürüst kısım var: neyi kontrol edemeyeceğiniz.
AI yanlış bilgi neden üretir?
"Halüsinasyon" kelimesi biraz yanıltıcı, çünkü modelin durduk yere hayal kurduğunu ima ediyor. Marka bilgilerindeki yanlışların çoğu daha sıkıcı ve daha iyi haber olan bir yerden geliyor: kaynak sorunundan. Kabaca dört mekanizma görüyorum.
Birincisi ve açık ara en yaygını: bayat kaynak. Model ya eğitim verisindeki eski bilgiyi taşıyor ya da arama modunda güncelliğini yitirmiş bir sayfayı okuyor. Fiyat değiştirdiniz, eski fiyat üç inceleme sitesinde duruyor; ürünü yenilediniz, eski ekran görüntüleri bir karşılaştırma yazısında yaşıyor. Model yalan söylemiyor — dünün doğrusunu bugün tekrar ediyor.
İkincisi, çelişkili kaynaklar. Fiyat sayfanız bir şey diyor, bir inceleme sitesi başka bir şey, iki yıl önceki bir forum başlığı üçüncü bir şey. Model bu çelişkiyi çözmek zorunda kaldığında bazen yanlış tarafı seçer, bazen de iki kaynağı harmanlayıp hiçbirinde yazmayan melez bir "gerçek" üretir. Kendi siteniz net ve güncel değilse, bu kavgayı başkalarının sayfaları kazanır.
Üçüncüsü, varlık karışıklığı: benzer isimli şirketler, ortak kelimeler içeren markalar, eski adıyla yaşamaya devam eden şirketler. Model sizinle ilgili bilgiyi başka bir varlığın bilgisiyle aynı çekmeceye koyar. Bu, sonuçları en ağır olabilen tür, çünkü yanlış bilgi değil, yanlış kimlik söz konusu.
Dördüncüsü, gerçek halüsinasyon: model, hakkınızda az veri olduğunda boşlukları makul görünen uydurmalarla doldurur. Hiç var olmamış bir kurucu ismi, uydurma bir kuruluş yılı, olmayan bir entegrasyon. Bunun panzehiri, tuhaf gelecek ama, hakkınızda daha çok net bilgi olması — model boşluk bulamazsa dolduramaz.
Bu dörtlünün ortak dersi şu: sorunların büyük kısmı modelin içinde değil, modelin okuduğu web'de. Bu da düzeltilebilir demek. Teşhisi doğru koymak önemli, çünkü her tür farklı ilaç istiyor: bayat kaynak güncelleme ister, çelişki netlik ister, varlık karışıklığı kimlik kaydı ister, gerçek halüsinasyon ise boşluk doldurmayı. Yanlışı görünce "model bozuk" deyip geçmek, hangisiyle karşı karşıya olduğunuzu anlamamak demek.
Halüsinasyon takibi — yanlışları sistematik yakalamak
Çoğu marka yanlış bilgiyi tesadüfen öğreniyor — bir müşteri söylüyor, bir çalışan denk geliyor. Tesadüf bir izleme stratejisi değil; sizi en pahalı anda, yani müşterinin karar anında yakalar. Sistematik halüsinasyon takibinin üç bileşeni var.
Birincisi, marka gerçekleri listesi. Beş dakikalık iş değil ama bir kereye mahsus: markanızla ilgili doğrulanabilir kritik bilgilerin tek sayfalık listesini çıkarın. Ne yaptığınız, fiyat yapınız, temel özellikler ve sınırlar, entegrasyonlar, kuruluş bilgileri, konum, uyumluluk ve sertifikalar. Bu liste, cevapları değerlendirirken kullanacağınız cevap anahtarınız. Anahtar olmadan takip olmaz; "bana yanlış geldi" ölçek değildir.
İkincisi, sabit bir soru seti ve düzenli tarama. Gerçekler listenizdeki her kalemi sorgulayan sorular yazın: "X'in fiyatı ne kadar?", "X hangi platformlarla entegre?", "X'i kim kurdu?" Bir de riskli bölge sorularını ekleyin: "X'in dezavantajları neler?", "X mi Y mi?" — yanlışlar en çok bu kıyas ve eleştiri cevaplarında çıkıyor. Bu seti birden çok motorda, düzenli aralıklarla koşun ve cevapları gerçekler listenizle karşılaştırın. Aralık için sektör hızınıza bakın; çoğu marka için ayda bir tur makul bir başlangıç. Biz rankzupAI'da bu karşılaştırmayı tarama sonuçlarının üzerine kurduk; hangi cevabın hangi kritere göre değerlendirildiğini skor metodolojisi sayfasında açık açık anlattık, çünkü ölçmediğiniz yanlışı yönetemezsiniz.
Soruları yazarken bir püf noktası: kullanıcı gibi sorun, pazarlamacı gibi değil. Gerçek kullanıcı "X platformunun kurumsal planı hangi SSO sağlayıcılarını destekler?" diye sormaz; "X'e Google hesabıyla girilir mi?" diye sorar. Yanlış bilgi de en çok bu gündelik dilli sorularda ortaya çıkar, çünkü model resmi dokümandan değil, forumlardan ve incelemelerden öğrendiği diliyle cevap verir. Setinize her iki tondan da soru koyun.
Üçüncüsü, bulguları kayda geçirmek. Her yanlış için dört alan yeterli: hangi motor, hangi soru, ne dedi, hangi gerçekle çelişiyor. Bir de mümkünse beşincisi: cevap kaynak gösteriyorsa hangi sayfayı gösteriyor. Bu beşinci alan altın değerinde, çünkü düzeltme işinin adresini doğrudan veriyor. Aynı yanlışın birden çok motorda tekrarlanması da önemli bir işaret — tek motorda görülen tekil sapma gürültü olabilir, her yerde tekrarlanan yanlışın web'de bir kaynağı vardır.
Düzeltme playbook'u — kaynağı düzelt, gerçeği yayınla, bekle
Yanlışı yakaladınız. İlk içgüdü "modele itiraz etmek" oluyor — sohbete girip "bu yanlış, düzelt" yazmak. Bunun o oturum dışında kalıcı etkisi yok; bir sonraki kullanıcıya model aynı yanlışı söyler. Kalıcı düzeltme üç adımlı ve sıralama önemli.
Birinci adım: kaynağı düzeltin. Yanlışın nereden beslendiğini bulun. Cevap kaynak gösteriyorsa iş kolay — o sayfaya gidin. Göstermiyorsa yanlış bilgiyi arama motorunda aratın; genelde bir yerlerde yazılı halde durur. Kaynak kendi sitenizse bugün düzeltin; şaşırtıcı sıklıkta kaynak, sitenizin unutulmuş bir köşesindeki eski sayfa oluyor. Kaynak üçüncü tarafsa — inceleme sitesi, dizin, eski bir haber — site sahibine güncelleme talebi gönderin. İnceleme platformlarının çoğunda profil sahipliği alıp bilgiyi kendiniz güncelleyebilirsiniz. Bu adım atlanırsa gerisi boşa: kaynak yerinde durdukça model oraya dönmeye devam eder.
Somutlaştırmak için varsayımsal bir vaka: bir muhasebe yazılımı, birkaç motorun ısrarla "mobil uygulaması yok" dediğini fark ediyor; uygulama bir yıldır yayında. İz sürünce kaynak çıkıyor — çok atıf alan bir karşılaştırma yazısı, uygulama çıkmadan önce yazılmış ve "mobil: yok" satırı tabloda duruyor. Yazar bulunuyor, güncelleme rica ediliyor, yazının tablosu düzeltiliyor ve firma kendi sitesindeki SSS'ye tarihli bir "mobil uygulamamız var" maddesi ekliyor. Birkaç hafta içindeki taramalarda cevaplar tek tek dönüyor. Bu vakanın öğrettiği şey: düzeltme, modele değil web'e yapılır.
İkinci adım: marka gerçeklerini kendi kanallarınızda güçlü biçimde yayınlayın. Modelin çelişkili kaynaklar arasında doğruyu seçmesini istiyorsanız, doğrunun en net, en güncel ve en yetkili sürümünü siz sunmalısınız. Gerçekler listenizdeki her kalemin sitenizde açık, tarihli ve botların okuyabildiği bir sayfada yazması gerekiyor — hakkında sayfası, SSS, fiyatlandırma sayfası bu işin taşıyıcıları. Varlık karışıklığı yaşıyorsanız işi bir kademe ileri taşıyın: yapılandırılmış veri ve bilgi grafiği kayıtları, modelin "bu şirket kim?" sorusuna verdiği cevabı besler. Bu cephenin en etkili hamlelerinden ikisini Wikipedia/Wikidata yazısında anlattım; özellikle isim karışıklığında Wikidata kaydı, ucuz maliyetine göre sıra dışı iş görür.
Üçüncü adım: yeniden taranmayı bekleyin ve doğrulayın. Düzeltme yayında olsa bile motorların sayfayı yeniden çekmesi, işlemesi ve cevaplarına yansıtması zaman alır — günler değil, çoğu zaman haftalar mertebesinde düşünün; motordan motora değişeceğini de bilin. Arama tabanlı motorlar (Perplexity, ChatGPT arama modu, AI Overviews) canlı web'i okuduğu için daha hızlı döner; modelin eğitim verisine gömülmüş bilgi ise ancak yeni model sürümleriyle değişir ve bunun takvimi sizin elinizde değil. Bu yüzden takip taramalarınızı kesmeyin: düzelttiğiniz yanlışı soru setinizde tutun ve düzelene kadar izleyin. Düzelme gördüğünüzde de kaydını düşün — hangi tür düzeltmenin ne kadar sürede karşılık verdiği, sizin sektörünüz için birikimli bir bilgi.
Kontrol edemedikleriniz — dürüst bir çerçeve
Bu işi satan herkes size her şeyin düzeltilebilir olduğunu söylemek ister. Söylemeyeceğim, çünkü doğru değil. Şunlar sizin kontrolünüz dışında: modelin eğitim verisine gömülü bilgiyi doğrudan değiştiremezsiniz ve yeni sürüm takvimini bilemezsiniz. Aynı soruya aynı gün iki farklı cevap alabilirsiniz; cevaplar olasılıksal, yüzde yüz tutarlılık teknik olarak masada yok. Motorların hangi kaynağa ne kadar güveneceğini seçemezsiniz; bazen tüm düzeltmelere rağmen bir motor inatla eski bir sayfayı okumaya devam eder. Ve nadiren de olsa model, hiçbir kaynağa dayanmayan gerçek bir uydurma üretir; bunun kaynağını bulup düzeltmek mümkün değildir, çünkü kaynak yoktur.
Bu sınırların pratik bir sonucu var: iletişiminizi de ona göre kurun. Yönetime veya müşteriye "yanlışı sildiririz" diye söz vermeyin; "kaynağını düzeltir, doğrunun görünürlüğünü artırır ve düzelene kadar izleriz" deyin. İlk cümle tutamayacağınız bir söz, ikincisi tutabileceğiniz bir süreç.
Peki bu çaresizlik mi? Hayır — risk yönetimi. Kontrol edebildikleriniz listesi daha uzun: web'deki kaynakların temizliği, kendi sitenizin netliği ve güncelliği, varlık kayıtlarınız, yanlışları erken yakalayan düzenli takip. Bunları yapan marka, yanlış bilginin beslendiği zemini kurutur; olasılıkları lehine çevirir. Garantili sonuç satan varsa uzak durun, ama "nasılsa kontrol edemiyoruz" diye elini kolunu bağlayan da aynı ölçüde yanılıyor. Halüsinasyon takibi, itibar yönetiminin yeni rutini — sigorta gibi: çalıştığı günler sessizdir, yokluğu pahalı bir günde anlaşılır.
Bu, tam AI görünürlük ölçüm rehberindeki sekiz metrikten biri.