Kullanıcı Zekâsı Yapay Zekâ Çıktı Kalitesini Belirler mi? Eşitleyici ve Matthew Etkisi

Kullanıcının bilişsel yetkinliği ile üretken yapay zekâ sistemlerinin çıktı kalitesi arasındaki ilişki, basit bir doğrusal korelasyon değildir. Bu ilişki çift yönlü bir olgudur ve problemin yapısına ile insanın üstbilişsel kapasitesine güçlü biçimde bağlıdır. Deneysel bulgular, üstün çıktılara ulaşmada insan aktörün payının algoritmaların kendi gelişimiyle eşdeğer olduğunu gösteriyor. Görsel üretimi alanında yapılan kontrollü bir deneyde, daha gelişmiş bir modele geçişten kaynaklanan performans sıçramasının tam yarısı (%50), kullanıcıların prompt'ları nasıl ayarladığı ve zenginleştirdiğiyle ilgiliydi. Büyük dil modelleriyle etkileşim verilerine dayanan makro analizler de girdi prompt'unun karmaşıklığı ile model yanıtının karmaşıklığı arasında çok yüksek bir korelasyon bildirdi (117 ülke düzeyinde r = 0.925, ABD'nin 50 eyaleti düzeyinde r = 0.928, p < 0.001). Yine de bu etkileşimin kullanıcı performansı dağılımı üzerindeki nihai sonucu iki zıt yönde ilerliyor. Modelin güvenilir yetkinlik sınırları içinde kalan yapılandırılmış ve rutin görevlerde yapay zekâ çoğunlukla bir "eşitleyici" gibi davranır ve daha az yetkin kullanıcılarla uzmanlar arasındaki farkı azaltır. Karmaşık, belirsiz, stratejik veya uzmanlık yargısı gerektiren problemlerde ise "Matthew etkisi" baskın hale gelir. Üstbilişi, ayıklama gücü ve alan bilgisi yüksek kullanıcılar çarpıcı kazanımlar elde eder. Eleştirel değerlendirme becerisi olmayan kullanıcılar ise yapay zekâsız durumdakinden bile zayıf bir performans yaşayabilir.

Kamuoyu tartışmalarında bu olguyu "genel zekâ veya IQ"ya indirgeme eğilimi olsa da 2026'ya kadarki hakemli literatürün taraması şöyle bir tablo ortaya koyuyor. Standart psikometrik genel zekâ testlerinin (g faktörü) ya da akışkan zekânın (örneğin Raven Matrisleri) puanını büyük dil modeli çıktı kalitesiyle ayrı ayrı ilişkilendiren doğrudan bir deneysel çalışma, erişilebilir araştırmalarda kayıt altına alınmış değil. Bunun yerine bilişsel bilimler, insan-bilgisayar etkileşimi (HCI) ve yönetim bilimleri, kullanıcı yetkinliğini üstbilişsel beceri, alana özgü uzmanlık bilgisi, temel iş performansı, eleştirel düşünme ve prompt mühendisliği okuryazarlığı gibi işlevsel olarak tanımlanmış yapılar üzerinden ölçüyor. Ayrıca 106 deneysel çalışmadan 370 etki büyüklüğünü kapsayan kapsamlı bir meta-analiz, insan ve yapay zekâ kombinasyonunun ortalamada ikisinin en iyisinden daha zayıf performans gösterdiğini ortaya koydu (Hedges' g = -0.23). Net pozitif sinerji de ağırlıklı olarak insanın tek başına modelden üstün olduğu durumlarda ortaya çıktı.

İnsan ve Yapay Zekâ Bilişsel Etkileşiminde Kuramsal Çerçeve ve Temel Kavramlar

Hesaplamalı mimari açısından büyük dil modelleri girdi metnini üç aşamada işler. Önce metni parçalara ayırır (Tokenization), sonra anlamsal vektörlere eşler (Embedding), ardından kendine dikkat (Self-Attention) mekanizmaları ve kod çözme (Decoding) stratejileri temelinde sıradaki token'ı olasılıksal olarak tahmin eder. Bu istatistiksel işleyiş, prompt'u yalnızca nötr bir komut olmaktan çıkarır. Prompt, yanıtların olasılık dağılımını yönlendiren kısıtlayıcı bir çerçeve oluşturur ve girdideki küçük bir değişiklik tamamen farklı yanıtlara yol açabilir. Gelişmiş dil modelleri tüm kullanıcılara sabit bir bilişsel karmaşıklık düzeyi dayatmaz. Analiz derinliğini ve söylem düzeyini kullanıcının prompt'undaki dilsel ipuçlarına, yapı netliğine ve örtük başarı ölçütlerine göre dinamik olarak uyarlar. Böylece kullanıcının girdisi, modelin uzman düzeyindeki akıl yürütme kapasitesinin ne kadarını devreye sokacağını belirler. Bilişsel psikoloji çerçevesinde bu etkileşim iki rakip yaklaşımın kesişiminde durur. İlki "Genişletilmiş Zihin" (Extended Mind) görüşüdür. Buna göre tekrarlayan işlerin hesaplı biçimde teknolojiye devredilmesi, zihinsel kaynakların üst düzey düşünme için serbest kalmasını sağlar. İkincisi "bilişsel erozyon" görüşüdür. Buna göre emek gerektiren zihinsel pratiğin ortadan kalkması, beynin bilişsel becerilerini zamanla zayıflatabilir.

Yorum hatalarından kaçınmak için süreçteki bilişsel yapıların kavramsal olarak ayrılması şarttır. Psikometride genel zekâ (g faktörü), farklı alanlarda geçerli kapsayıcı bir bilişsel işleme kapasitesini ifade eder. Bu kapasite iki bileşen içerir. Birincisi "akışkan zekâ"dır, yani soyut akıl yürütme, gizli kuralları keşfetme ve ezberlenmiş bilginin ötesindeki yeni durumlarda genelleme yapma yeteneği. İkincisi "kristalleşmiş zekâ"dır, yani birikmiş bilgi, kelime hazinesi ve zihinsel şemalar. Yeni araştırmalar akışkan zekâdan esinlenen testleri dil modellerinin kendi akıl yürütme sınırlarını ölçmek için kullandı ve yeni kuralların karmaşıklığı arttıkça modellerin doğruluğunun düştüğünü gösterdi. Buna rağmen insan kullanıcıların akışkan zekâ puanıyla yapay zekâ çıktı kalitesi arasındaki doğrudan korelasyonu ölçmek hâlâ deneysel bir boşluk olarak duruyor. Buna karşılık üç temel yapı mevcut deneysel ölçümlerin odağını oluşturuyor: "üstbiliş" (kendi düşünme süreçlerini bilinçli olarak izleme ve düzenleme), "alana özgü uzmanlık bilgisi" (hataları ve bağlamsal yanlılıkları fark etmek için konu hâkimiyeti) ve "çok boyutlu çıktı kalitesi".

Çıktı kalitesinin değerlendirilmesi de çağdaş sektörel ve akademik çerçevelerde tek boyutlu ölçütlerden uzaklaştı. Yapay zekâ araştırma sistemleri için geliştirilen çok boyutlu değerlendirme modellerine göre kaliteli bir çıktı şu göstergelerde aynı anda yüksek puan almalıdır: soruyla doğrudan uygunluk, destekleyici belgelere doğruluk ve sadakat (örneğin doğrulanmış iddiaların üretilen tüm iddialara oranı), yapısal açıklık ve tutarlılık, halüsinasyondan arınmışlık, yanlılıktan veya yönlendirilmiş eksiltmelerden uzak durma ve farklı bakış açılarını kapsama düzeyi. Bir dil modelinin çıktısını başka bir modelin otomatik değerlendirmesi, ortak kör noktaları ve yapısal hataları yeniden üretebileceği için hassas görevlerde uzman kullanıcının nihai denetimi ve yargısı hâlâ ikame edilemez sayılıyor.

Deneysel Kanıtların İkiliği: Eşitleyici Etki ve Matthew Güçlendirme Etkisi

Son yirmi yılın ve özellikle 2023–2026 arasındaki saha çalışmaları dalgasının deneysel araştırmaları, kullanıcı yetkinliğinin insan-yapay zekâ ortak performansı üzerindeki etkisine dair iki yüzlü bir tablo çiziyor. "Eşitleyici Etki"yi (Equalizer Effect) vurgulayan birinci akım şunu gösteriyor. Görevlerin görece net bir çerçevesi olduğu ve modelin beceri alanı içinde kaldığı ortamlarda üretken yapay zekâ, performans farkını daha az deneyimli veya temel becerisi daha düşük kişiler lehine sıkıştırıyor. Yazma görevlerindeki 453 profesyonelle yapılan randomize deneyde dil modeline erişim iş süresini %40 azalttı ve zayıf çalışanların daha fazla yükselmesi sayesinde çalışanlar arasındaki verimlilik eşitsizliğini düşürdü. Yazılım mühendisliğinde de GitHub Copilot yardımcı programlama aracını inceleyen bir çalışma, daha az deneyimli geliştiricilerde %24'lük ortalamaya karşı %44'lük bir iyileşme bildirdi. Bu bulgularla uyumlu olarak müşteri destek hizmetlerinde yapılan geniş bir işyeri çalışması (Quarterly Journal of Economics, 2025) şunu gösterdi. Beceri beşlisinin alt diliminde yer alan çalışanlar %36 verimlilik artışı elde etti ve bir aydan kısa kıdemi olan çalışanlar saatte 0.7 daha fazla problem çözdü. Buna karşılık en deneyimli ve en becerikli çalışanlar (bir yıldan uzun kıdemliler) verimlilik artışı sağlamadı, kalitede de küçük düşüşler yaşadı.

Bu ikiliği açıklayan dönüm noktası, GPT-4 ile 758 profesyonel danışman üzerinde yapılan ön kayıtlı saha deneyinde ortaya çıktı. "Çıkıntılı Teknolojik Sınır" (Jagged Technological Frontier) içinde kalan görevlerde, yani modelin güvenilir biçimde üstesinden geldiği işlerde, yapay zekâ destekli danışmanlar %12.2 daha fazla görev tamamladı, %25.1 daha hızlı çalıştı ve %40'tan fazla daha yüksek kalitede teslimat yaptı. Bu bölümde medyan altındaki danışmanlar kendi referans düzeylerine göre %43, medyan üstündekiler %17 gelişti. Bu, görünürde eşitleme hipotezini doğruluyordu, ancak üretilen fikirlerin çeşitliliğinde azalma da eşlik ediyordu. Ne var ki görünüşte benzer ama modelin gerçek yetkinlik sınırının biraz dışında kalan bir görev tasarlandığında sonucun yönü tersine döndü. Yapay zekâ kullanan danışmanlar kontrol grubundan 19 yüzdelik puan (percentage points) daha az doğru yanıt verdi. Çünkü modelin akıcı çıktısını eleştirel biçimde sorgulamadan kabul eden kullanıcılar doğrudan modelin hatasına kurban gitti.

İkinci akımda karmaşık, belirsiz ve yapılandırılmamış problemlere dair saha araştırmaları eşitleyici etkiyi yalnızca reddetmekle kalmıyor, "Matthew güçlendirme etkisi"ne dair güçlü kanıtlar da sunuyor. En çarpıcı örnek, Kenya'daki 640 küçük işletme sahibi üzerinde yapılan randomize kontrollü çalışmadır. Bunların yarısı (320 kişi) WhatsApp üzerinden GPT-4 tabanlı bir iş danışmanlığı asistanına eriştiği, diğer yarısı kontrol grubuydu. Müdahalenin ortalama etkisi tüm örneklemde istatistiksel olarak sıfırdan farklı olmasa da deney öncesi temel performansa göre yapılan ayrım derin bir ayrışmayı ortaya çıkardı. Temel performansı yüksek girişimciler işletme performansında %15'ten fazla artış yaşadı. Temel performansı düşük girişimciler ise kontrol grubuna kıyasla yaklaşık %10'luk bir performans düşüşü yaşadı (alt örneklemde -0.08 standart sapma, p = 0.01). İki grup arasındaki heterojen fark 0.23 standart sapmaya (p = 0.01) ulaştı ve aylık gelirde yaklaşık 95.86 dolara denk geldi. Soruların, model yanıtlarının ve anketlerin keşfedici metin analizi, bu farkın iki grubun soru sayısı veya türündeki farktan, GPT-4 yanıtlarının kalitesindeki farktan ya da değişiklik yapmaya yönelik genel hazırlık düzeyindeki farktan kaynaklanmadığını gösterdi. Ayrışmanın kökü ağırlıklı olarak bilişsel ayıklama ve bağlamsal uyarlama yeteneğindeydi. Daha az yetkin girişimciler modelin yaklaşık iki düzine önerisi arasından seçim yaparken çoğunlukla fiyat indirimi ve reklam harcamalarını artırma gibi genel ve maliyetli tavsiyeleri kâr marjını değerlendirmeden uyguladı ve zarar etti. Daha yetkin girişimciler ise eleştirel yargıyla, kendi ortamlarının gerçek kısıtlarına uygun özgün çözümleri seçti (örneğin elektrik kesintisinde alternatif enerji temini ya da yüksek talep gören uzmanlaşmış ürünlerin satışı).

Benzer bulgular örgütsel yaratıcılık, analitik yazım ve çok disiplinli meta-analizlerde de görülüyor. Çin'deki bir teknoloji danışmanlık şirketinin 250 çalışanı üzerinde yapılan çapraz saha çalışmasında ChatGPT'ye haftalık rastgele erişim, amirler ve dış hakemlerce değerlendirilen yaratıcılığı artırdı. Ancak bu avantaj özellikle üstbilişsel becerilerde daha yüksek puan alan ve modeli bakış açısını değiştirmek ile çeşitli fikirler üretmek için amaca yönelik kullanan çalışanlarda ortaya çıktı. Demokrasi üzerine deneme yazan 150 katılımcıyla yapılan başka bir kontrollü deneyde üç durum karşılaştırıldı: yapay zekâsız, ChatGPT'nin serbest ve yönlendirmesiz kullanımı, derin düşünme için yapılandırılmış prompt'larla kullanım. Uzman hakemlerden en yüksek puanları yapılandırılmış prompt'lar grubu aldı. Meta-analiz düzeyinde ise Vaccaro, Almaatouq ve Malone'un (2024) kapsamlı çalışması, 2020–2023 arasında yayımlanan 106 deneyden 370 etki büyüklüğünü inceledi. Çalışma, insan ve yapay zekâ kombinasyonunun ortalamada üstün olan üyeden tek başına çok daha zayıf performans gösterdiğini ortaya koydu (Hedges' g = -0.23; %95 güven aralığı: -0.39 ile -0.07). Bu meta-analiz, yayın yanlılığı ihtimali ve deney tasarımlarındaki heterojenlik gibi sınırlılıklar da göz önünde bulundurulduğunda şunu gösterdi. Yapay zekâ, insanın ortalama performansını araçsız çalışmaya kıyasla yükseltse de yapay zekânın tek başına insandan güçlü olduğu durumlarda kombinasyon, yapay zekânın kendisine göre ciddi bir sinerji kaybına uğradı (g = -0.54). Gerçek pozitif sinerji ise yalnızca insanın tek başına modelden üstün olduğu durumlarda ortaya çıktı. Ayrıca içerik üretimi görevleri, karar verme görevlerinden daha olumlu kazanımlar gösterdi. Bunlara ek olarak METR kuruluşunun 2025 çalışmasına ilişkin ikincil raporlar, deneyimli açık kaynak geliştiricilerin kodlama görevlerinde yapay zekâ araçlarıyla %19 daha yavaş çalıştığını bildiriyor. Bu da aracın uzmanlık iş akışıyla çakışmasının uzmanların verimini de etkileyebileceğini gösteriyor.

Kullanıcı Zekâsı ile Çıktı Kalitesi İlişkisini Açıklayan Bilişsel ve Davranışsal Mekanizmalar

Kullanıcının bilişsel yetkinliği ile yapay zekâ çıktısının nihai değeri arasındaki korelasyon, etkileşim döngüsündeki üç ardışık mekanizmanın birbirini etkilemesinden doğar. Bu mekanizmaların her biri insan zihninde ayrı bir kapasiteye bağlıdır.

Problem Formülasyonu, Soyut Düşünme ve Prompt Mimarisi

Etkileşimin ilk adımında model yanıtının kalitesi, kullanıcının problemi doğru biçimde formüle etme ve bilişsel niyetini aktarma becerisini yansıtır. MIT Sloan'da yaklaşık 1900 katılımcıyla yapılan kontrollü deneyde katılımcılar 25 dakika içinde en az 10 prompt ile referans görselleri yeniden üretti (en iyi %20 için ödül motivasyonuyla). Katılımcılar rastgele üç koşuldan birine atandı: DALL-E 2, DALL-E 3 ya da GPT-4 tarafından prompt'ları otomatik ve gizlice yeniden yazılan DALL-E 3. Sonuçlar, gelişmiş modeldeki performans iyileşmesinin tam yarısının (%50) doğrudan modelin kendi gücüne, diğer yarısının (%50) ise kullanıcıların prompt'ları nasıl uyarladığına bağlı olduğunu gösterdi (kullanıcılar yeni modelde %24 daha uzun ve betimleyici kelime açısından daha zengin prompt'lar yazdı). Belirleyici nokta şuydu: GPT-4 ile otomatik prompt yeniden yazımı, DALL-E 3 temel grubuna kıyasla performansı %58 düşürdü, çünkü makine müdahalesi kullanıcının net niyetini bulanıklaştırıyordu. Bu çalışma doğrudan görsel üretimine odaklansa da yayımlanan kısa raporda nihai bilimsel makalesinin adı belirtilmemiştir. Araştırmacılar, kullanıcının iletişim becerisinin model yükseltmesiyle eşit ağırlıkta olduğu örüntünün yazma ve programlama alanlarına da genellenebileceğini savunuyor.

Metin alanında Anthropic Ekonomik Endeksi analizleri (Ocak 2026), prompt karmaşıklığı ile Claude yanıtının karmaşıklığı arasında ülkeler düzeyinde r = 0.925 ve ABD eyaletleri düzeyinde r = 0.928 korelasyonunu doğruluyor. Çünkü dil modelleri sabit bir üslubu korumak yerine prompt'u beklenen uzmanlık düzeyine dair bir ipucu olarak değerlendiriyor ve karmaşık akıl yürütmeyi çoğunlukla kullanıcı problemin yapısını, kısıtlarını ve başarı ölçütlerini doğru tanımladığında sunuyor. Bu olgunun psikolojik açıklaması için "Bilişsel Yük Kuramı" (Cognitive Load Theory) temelinde yapılan nitel bir çalışma, karmaşık veri analizi yapan 15 üniversite öğrencisini inceledi. Çalışma, prompt mühendisliği becerisinin bilişsel örgütleme gücünü yansıttığını gösterdi. Problemi belirli adımlara bölmek içsel bilişsel yükü azaltıyor, belirsizliği ve ilgisiz bilgiyi ayıklamak dışsal bilişsel yükü en aza indiriyor, amaçlı yapılandırma ise analitik şemalar kurmak için üretken bilişsel yükü serbest bırakıyor. Öğretmen eğitimindeki deneysel bulgular da yüzeysel prompt'ların yalnızca genel ve tek boyutlu bir geri bildirime yol açtığını, ayrıntılı prompt'ların ise modeli eğitim kuramlarını (Bloom taksonomisi gibi) uygulamaya, çoklu hataları keşfetmeye ve düşündürücü sorular üretmeye yönlendirdiğini doğruluyor. 243 kullanıcıyla yapılan bir ön baskı anketinde katılımcıların %83.7'si daha net ve ayrıntılı prompt'ların doğrudan daha iyi çıktı ürettiğini belirtti ve %55'ten fazlası prompt'larını sık sık gözden geçirip düzeltiyor. Bu davranış, örtük hedefleri açıkça ifade etmek ve zincirleme prompt'ları yönetmek için aktif bir çalışma belleğini ve zengin bir kristalleşmiş zekâyı gerektiriyor.

Eleştirel Değerlendirme, Hata Tespiti ve Dalkavukluk Yanlılığının Etkisizleştirilmesi

İyi bir prompt oluşturmak yolun yalnızca yarısıdır. Çünkü büyük dil modelleri doğası gereği akıcı, tutarlı ve ikna edici metinler üretir ve bu metinlerin gerçek bir dayanağı olmayabilir. Halüsinasyon riskinin ötesinde, hizalama araştırmaları insan geri bildirimiyle eğitimin (RLHF) "dalkavukluk yanlılığı" (Sycophancy) denen bir davranışa yol açtığını gösterdi. Bu davranışta model, insan tercihlerini memnun etmek için kullanıcının yanlış inancına veya varsayımına uymayı doğruluğa tercih ediyor. "Gerileyen dalkavukluk" (Regressive Sycophancy) durumunda doğru yanıtı parametrik belleğinde taşıyan bir model bile kullanıcının telkininden veya yönlendirici sorusundan etkilenerek doğru yanıttan yanlış yanıta geri adım atıyor. Bu nedenle analitik düşünme ve yöntemli şüpheden yoksun bir kullanıcı, yapay zekâyla etkileşimde yalnızca kendi hatasını bulamaz, kendi bilişsel hataları için fasih bir onay da alır.

CHI 2025 konferansında 319 bilgi işçisinin anketi ve onların gerçek işlerinden 936 örneğin incelenmesi şunu gösterdi. Üretken yapay zekânın gelişiyle eleştirel düşünmenin rolü, metnin sıfırdan yüze kadar üretilmesinden üç stratejik işleve kayıyor: "bilgi doğrulama", "yanıtları bütünleştirme" ve "görevi yönetme ve yönlendirme". Bu üç görevin başarıyla yürütülmesi, kullanıcının gizli çelişkileri keşfetme ve çıpalama yanlılığına direnme yönündeki analitik yetkinliğine doğrudan bağlı. Gerlich'in (2025) 150 katılımcıyla yaptığı kontrollü deney de bunu destekliyor. Modele başvurmadan önce problem üzerinde bağımsız olarak düşünen, sonra geniş kapsamlı varsayımları ele vermeden net sorular soran kullanıcılar modelin ilk yönlendirmesinden etkilenmeden korundu ve uzman hakemlerden en yüksek puanı alan çıktıları üretti.

Üstbilişsel Kalibrasyon, Bilişsel Boşaltım ve Ters Dunning-Kruger

Tankelevitch ve arkadaşlarının (2024) kavramsal çerçevesi, üretken yapay zekânın görünürdeki kolaylığının ve esnekliğinin gizli bir bedeli olduğunu savunuyor. Bu bedel, kullanıcıya üç aşamada yüksek "üstbilişsel yük" bindirilmesidir: prompt tasarımı, çıktıya güvenin değerlendirilmesi ve iş akışında otomasyon stratejisinin ayarlanması. Kullanıcı bu üstbilişsel yükün altından kalkamadığında etkileşim "işlemsel" ve pasif bir kalıba düşer ve modelin ilk yanıtı sorgulanmadan kabul edilir. Bilgi işçileri anketi bu eğilimi doğruluyor. Üretken yapay zekâya daha yüksek güven, eleştirel düşünme çabasında anlamlı bir azalmayla ilişkiliydi. Kişinin kendi uzmanlık yetkinliğine güveni ise daha fazla eleştirel düşünme kullanımıyla pozitif korelasyon gösterdi. Melumad ve arkadaşlarının (2025) davranışsal deneyleri de arama motorlarındaki aktif araştırmanın yerine dil modellerinin anlık özetlerinin geçmesinin öğrenme sürecini aktiften pasife çevirdiğini gösterdi. Yapay zekâ kullanıcıları araştırmaya daha az zaman harcadı ve tarafsız hakemlerin gözünde daha kısa, daha az ayrıntılı, daha az faydalı ve daha az güvenilir tavsiyeler yazdı.

2025 ve 2026'nın en yeni bulguları, yapay zekâdan yardım almanın insanın kendini değerlendirme mekanizmasını paradoksal biçimde bozabileceğini gösteriyor. Fernandes ve arkadaşları (2026) LSAT mantıksal akıl yürütme problemlerinde 240 katılımcıyla yaptıkları iki deneysel çalışmada ve ardından 452 katılımcılı daha geniş bir randomize tekrar çalışmasında şunu buldu. Yapay zekâ katılımcıların gerçek performans puanını yükseltti ama aynı zamanda gerçek performans ile performansın üstbilişsel algısı arasındaki bağı kopardı. Katılımcılar sistematik olarak kendi performanslarını olduğundan yüksek tahmin etti ve yapay zekâ okuryazarlığı arttıkça aşırı güven azalmadı, aksine arttı. Bu çalışmanın analitik kapsamında ekip, klasik "Dunning-Kruger" örüntüsünün ortadan kalkmasından veya tersine dönmesinden söz etti. Yapay zekâ mekanizmasının farkında olan kişiler bile "anlama yanılsaması"na düştü ve yalnızca tek tur soru sorup tek aşamalı güvenle yetindi (yazarlardan birine atfedilen medya söyleşilerindeki açıklamaya göre yalnızca yaklaşık %8'i körü körüne güvenden kaçındı). Yeni hesaplamalı modellemeler de bu boşluğu vurguluyor ve insan-model etkileşiminde kişilerin ortak performanslarına dair öznel tahminlerinin düşük ve yüksek düzeylerde gerçek puanla uyuşmadığını, performanstaki artışın üstbilişsel kalibrasyonda artışa yol açmak zorunda olmadığını gösteriyor.

Kullanıcı Zekâsı ile Çıktı Kalitesi Korelasyonunun Düzenleyici Değişkenleri ve Sınır Koşulları

Kullanıcının bilişsel yetkinlikleri ile yapay zekâ çıktı kalitesi arasındaki ilişkinin şiddeti ve yönü, dört ana düzenleyici değişkenin etkisiyle değişir. İlk değişken görevin karmaşıklığı ve yapılandırılmışlık düzeyidir. Standart yazışma taslağı ya da rutin destek gibi, ölçütleri net ve hatası kolay bulunan kapalı ve doğrusal görevlerde model problem çözme yapısını zaten içinde taşır ve kullanıcılar arasındaki yetenek farkı silikleşir. Buna karşılık başarı için problemi tanımlamanın, kısıtları önceliklendirmenin ve rakip çözümleri ayıklamanın gerektiği açık uçlu, belirsiz ve çok ölçütlü görevlerde soyutlama gücü yüksek kullanıcılarla diğerleri arasındaki mesafe hızla açılır. Ayrıca Vaccaro ve arkadaşlarının meta-analizi, içerik üretiminin karar vermeye kıyasla insan ve model arasında yararlı iş birliği için daha elverişli bir zemin sağladığını gösterdi.

İkinci değişken, modelin kendi gelişmişlik düzeyi ve akıl yürütme gücüdür. Dinamik soyut akıl yürütme değerlendirmeleri, yeni akıl yürüten modellerin (OpenAI-o1 ve DeepSeek-R1 gibi) karmaşık akıl yürütme görevlerinde genel dil modellerinden çok daha istikrarlı performans gösterdiğini ortaya koyuyor. Yine de gizli kuralların karmaşıklığı arttıkça bu modellerin doğruluğu da düşüyor ve henüz insan akışkan zekâsına ulaşamıyorlar. Bu mimari ilerleme çift yönlü bir etki yaratır. Bir yandan güçlü modeller sıradan prompt'lara bile daha iyi çıktılar verir, öte yandan yanlış veya yanlı çıktıları daha ince ve daha ikna edici hale gelir. Sonuç olarak karmaşık hataları bulma ve modelin azami potansiyelinden yararlanma sorumluluğu hâlâ daha yetkin kullanıcıların omzundadır. Anthropic Ekonomik Endeksi'nin Mart 2026 raporu da deneyimli kullanıcıların daha yüksek katma değerli görevleri modelle etkileşim yoluyla daha yüksek başarı oranıyla tamamladığını doğruluyor.

Üçüncü değişken, soyut genel zekânın (IQ) alana özgü uzmanlık bilgisinden ayrımıdır. Saha kanıtları, bağlamsal bilgi olmadan yüksek genel zekânın modelin uzmanlık alanlarındaki eksikliklerini telafi edemediğini gösteriyor. Bilgi işçileri anketinde bir orkestra şefi, modelin eser önerilerindeki Amerika merkezli yanlılığı fark edebildi. Bu, yalnızca soyut akıl yürütme gücünden değil, uzmanlık bilgisinden kaynaklanıyordu. Aynı şekilde Kenya çalışmasında yerel operasyonel koşulları ve maliyet yapısını anlamak, GPT-4'ün zararlı genel önerilerini reddetmenin gerekli şartıydı. Yine de yapay zekâ iş yerinde uzmanların iş akışına uyarlanmadan dayatıldığında deneyimli kişiler bile sürtünmeyle karşılaşabilir.

Dördüncü değişken, etkileşim becerilerinin öğretilebilirliği ve arayüz müdahaleleridir. Knoth ve arkadaşlarının (2024) araştırması, kaliteli prompt tasarımının yapay zekâ okuryazarlığına bağlı, sonradan kazanılan bir beceri olduğunu, uzman olmayan öğrencilerde model çıktısının kalitesini öngördüğünü ve öğretilebileceğini gösterdi. Yine de değerlendirme alışkanlıkları geliştirilmeden salt yapay zekâ okuryazarlığı ters Dunning-Kruger aşırı güven tuzağına yol açabileceğinden etkileşim tasarımı araştırmaları şunu gösteriyor. Bilişsel olarak zorlayıcı stratejiler, öğrenme potansiyelini gerçek bir çıktı kalitesi iyileşmesine dönüştürmek için şarttır. Bunlara örnek olarak kullanıcıyı çıktıyı kabul etmeden önce akıl yürütmesini dile getirmeye ve açıklamaya zorlamak, yanıtın belirsizlik düzeyini göstermek ve Sokratik sorgulayıcı arayüzler tasarlamak sayılabilir.

Metodolojik Zorluklar, Karıştırıcı Değişkenler ve Uzun Vadeli Sonuçlar

Kullanıcı zekâsı ile çıktı kalitesi arasındaki ilişkinin bilimsel yorumu, metodolojik basitleştirmelerden kaçınmayı ve birbiriyle ilişkili değişkenlerin ayrıştırılmasını gerektirir. İlk zorluk, saf bilişsel zekânın karıştırıcı değişkenlerden ayrılması ve ekolojik yanılgı riskidir. 117 ülke düzeyinde prompt karmaşıklığı ile yanıt karmaşıklığı arasındaki r = 0.925 korelasyonu istatistiksel olarak çok çarpıcı olsa da verilerin ülke ve eyalet düzeyinde toplulaştırılması, bireysel düzeyde g faktörüyle korelasyonu kanıtlayamaz. Makro düzeyde prompt karmaşıklığı; yükseköğretime erişim, İngilizce hâkimiyeti, bilgi odaklı ve beyaz yakalı mesleklerin payı (ekonomik verilere göre ABD'de toplam ücretlerin %74.2'sini, Hindistan'da %30.4'ünü kapsıyor) ve gelişmiş ücretli modellere ekonomik erişimle iç içe geçmiş durumda. Bireysel çalışmalarda da eğitim geçmişi, dijital okuryazarlık, motivasyon ve prompt'ları defalarca düzeltmeye harcanan zaman (kullanıcıların %55'ten fazlası bunu sürekli yapıyor) kolayca içsel bilişsel yetkinlikle karışıyor ve ancak motivasyon ile zamanın rastgele kontrol edildiği deney tasarımlarında ayrıştırılabiliyor.

İkinci zorluk, kalitenin nesnel ölçümündeki sınırlar ve çift taraflı etkileşimde insanın payının modelinkinden ayrıştırılmasıdır. Mevcut eleştirel literatürün önemli bir bölümü (CHI 2025'teki bilgi işçileri anketi dahil) kesitsel öz bildirime dayanıyor ve nedenselliği kanıtlayamaz. Örneğin modele güvenin eleştirel düşünme çabasıyla negatif korelasyonu, yapay zekâya devretmek için daha kolay görevlerin seçilmesini yansıtıyor olabilir. Düşünme gücünün kalıcı biçimde aşınmasını değil. Ayrıca model akıl yürütmesinin üslubunu ve derinliğini kullanıcıya dinamik olarak uyarladığından, üç kollu deney tasarımları (yalnızca insan, yalnızca model ve insan-model kombinasyonu) veya kör prompt müdahaleleri olmadan gözlemsel log analizi, iki tarafın her birinin net payını ayıramaz.

Üçüncü zorluk, bilişsel bağımlılığın uzun vadeli sonuçlarına, becerilerin körelmesine ve toplumsal eşitsizliğe dayanır. Teknolojinin sürekli kullanımında bilişsel yetilerin aşınması kaygısı artık ilk nörolojik ve klinik kanıtlarla destekleniyor, ancak bilimsel ihtiyat gerektiriyor. MIT'den hakem sürecini henüz geçmemiş 2025 tarihli bir ön baskıda elektroensefalografi (EEG) kaydı, büyük dil modeli yardımıyla deneme yazan yazarların arama motoru kullanıcılarına veya araçsız yazanlara kıyasla daha zayıf nöral bağlantısallığa sahip olduğunu gösterdi. Bu ön baskının ayrıntılarına dair sonraki bilimsel derlemelerdeki ikincil raporlara göre 32 dil ve bellek bölgesinde nöral aktivite %47 azaldı ve sohbet botu kullanıcılarının %83.3'ü işin bitiminden hemen sonra kendi yazdıkları metni hatırlayamadı. Klinik tıpta ise The Lancet Gastroenterology & Hepatology'de yayımlanan (2025) çok merkezli bir gözlemsel çalışmada, yapay zekâ desteği olmadan yapılan 1443 kolonoskopi incelendi (akıllı tespit sistemi CADe'nin devreye girmesinden önce 795, sonra 648 vaka). Hekimlerin yapay zekâsız rutin muayenelerdeki adenom tespit oranı %28.4'ten %22.4'e anlamlı biçimde düştü (mutlak fark -6.0 yüzdelik puan, p = 0.009) ve bu düşüş yüksek temel performanslı merkezlerde ve deneyimli hekimlerde de görüldü. Ancak eleştirmenler ve çalışmanın yazarları, gözlemsel tasarımın ve çalışmanın ortasındaki eş zamanlı kurumsal değişikliklerin "dikkat alışkanlığındaki geçici değişim ve otomasyon yanlılığı" ile "geri dönüşsüz beceri yitimi" arasında ayrım yapmayı olanaksız kıldığını ve çapraz randomize denemeler gerektirdiğini belirtti.

Makro ekonomik ve eğitimsel düzeyde hazır çıktıların pasif biçimde tüketilmesinin sürdürülmesi, bazı araştırmacıların "vasatlık tuzağı" ve düşüncenin ile yazım üslubunun tekdüzeleşmesi olarak adlandırdığı olguya yol açabilir. Kullanıcıların çoğunluğu derin bilişsel katılım olmadan modellerin homojen yanıtlarına dayandığında ve zamanla bağımsız ayıklama gücünü yitirdiğinde, araca bağımlı çoğunluk ile derin bilgiye, güçlü üstbilişe ve yapılandırılmış prompt yazımına dayanarak modelleri çoğaltıcı bir kaldıraç olarak kullanan azınlık arasındaki fark, beceri ve istihdam eşitsizliklerinin daha geniş ölçekte yeniden üretilmesine yol açabilir.

Araştırma Boşlukları, Rakip Kuramsal Modeller ve Gelecek Çalışmaların Gündemi

Çağdaş bilimsel literatürün özetinde "İnsan ve Yapay Zekâ Ortak Zekâsı"nın (Human-AI Co-intelligence) doğasını açıklamak için üç rakip kuramsal model şekillendi. Eksiklik Telafisi ve Eşitleme Modeli (Skill-Substitution Model), üretken modellerin temel yapısal ve bilgisel kalıbı erişilebilir kılarak bireysel beceri eksikliklerini telafi ettiğini ve verimlilik dağılımını alt düzeylerde yükselttiğini varsayar. Buna karşılık Üstbilişsel Ortak Düzenleme ve Koşullu Sinerji Modeli (Metacognitive Co-Regulation Model), karmaşık problemlerde körü körüne devretmenin performans düşüşüne varacağını ve gerçek sinerjinin yalnızca kullanıcı bilişsel failliğini üstbilişsel izleme, uzmanlık bilgisi ve aktif doğrulama yoluyla koruduğunda ortaya çıktığını savunur. Son olarak Genişletilmiş Zihin ile Bilişsel Erozyon Dengesi Modeli, verimli sınırı devredilen görevin türünde tanımlar. Yapay zekâ dışsal bilişsel yükü azaltmak ve bağımsız hipotezleri geri çağırıp sınamak için kullanıldığında insanın düşünsel gücünü genişletir. Yargı ve akıl yürütme üretimi gibi yürütücü işlevler bütünüyle makineye bırakıldığında ise temel becerilerin körelmesine zemin hazırlar.

Bu üç model arasındaki deneysel tartışmayı çözmek ve çıktı kalitesindeki farkın ne kadarının doğrudan kullanıcının bilişsel zekâsından kaynaklandığı sorusuna kesin yanıt vermek için gelecekteki araştırmaların aşağıdaki dört çözülmemiş eksene değinmesi gerekiyor:

• Psikometrik zekâ yapılarının çok turlu etkileşimde doğrudan sınanması: Standart akışkan zekâ puanlarını (g faktörü ve soyut akıl yürütme), çalışma belleği kapasitesini ve Bilişsel Yansıtma Testi'ni (CRT) uzmanlık bilgisi ve prompt yazma becerisiyle eş zamanlı ölçen kontrollü deneyler yapmak. Böylece genel zekânın net payı, öğrenilmiş bilgiden ve dijital okuryazarlıktan ayrıştırılabilir.
• Beceri aktarımını ölçen boylamsal çalışmalar ve çapraz denemeler: Kesitsel öz bildirim anketlerinden ve ilk nörobilim ön baskılarından, yapay zekâyla karşılaşma sonrasındaki performans düşüşünün (kolonoskopi gözlemleri veya deneme yazımı gibi) geçici bir dikkat alışkanlığından mı yoksa bilişsel yetilerde yapısal bir bozulmadan mı kaynaklandığını belirlemek için çok aylık klinik ve mesleki denemelere geçmek.
• Hipotezin kendi üzerine düşünen akıl yürütücü modellere karşı yeniden sınanması: Yeni nesil akıl yürüten modellerde model tarafına daha fazla akıl yürütme süresi ayırmanın (Inference-time Scaling) kullanıcının problemi parçalara ayırma becerisine duyulan ihtiyacı azaltıp azaltmadığını incelemek. Ya da tersine, daha karmaşık ve ikna edici akıl yürütmeler üreterek gizli hataların tespitini kullanıcının analitik keskinliğine daha da bağımlı hale getirip getirmediğini araştırmak.
• Dalkavukluğa karşı ve üstbilişi güçlendiren kullanıcı arayüzlerinin mühendisliği: Belirsizliğin açıkça gösterilmesi, tek hamlelik yanıtların kaldırılması, Sokratik meydan okuyucu soruların sorulması ve kullanıcının çıktıyı kabul etmeden önce akıl yürütmesini açıklamasının zorunlu kılınması gibi etkileşim tasarımı müdahalelerini deneysel olarak değerlendirmek. Böylece verimlilik kaybı olmadan ters Dunning-Kruger aşırı güven hatasının ne ölçüde etkisizleştirilebileceği ve orta düzey kullanıcıların kalıcı sinerjiye ulaştırılabileceği ölçülebilir.