Yapay zekâ hakkınızda yanlış bilgi veriyorsa ne yapılır
Modelden yanlış bilgi silinmez; doğru bilgi baskın hâle getirilir. Düzeltme, silme talebiyle değil kaynak yoğunluğuyla yapılır.
Bir dil modeli markanız hakkında yanlış bilgi veriyorsa, o bilgi silinmez — doğru bilgi baskın hâle getirilir. Eğitim verisine girmiş bir ifadeyi geri almanın pratik bir yolu yoktur; yapılabilecek şey, modelin ulaşabildiği kaynaklarda doğrunun ağırlığını artırmaktır.
Bu, hayal kırıklığı yaratan ama doğru olan cevap.
Önce: hata gerçekten var mı
Tek bir ekran görüntüsü kanıt değildir. Modeller deterministik değildir; aynı soru beş kez sorulduğunda farklı cevaplar gelebilir. Bir kez yanlış cevap almak, "model bunu biliyor" demek için yeterli değil.
Kanıt toplamanın yolu:
- Aynı soruyu en az beş kez, farklı oturumlarda sorun
- Her çalıştırmayı model adı, sürüm ve tarihle kaydedin
- Sonucu frekans olarak yazın: "beş çalıştırmanın dördünde yanlış"
- Mümkünse birden fazla sağlayıcıda tekrarlayın
Beş çalıştırmanın birinde çıkan bir hata ile beşinde de çıkan bir hata farklı sorunlardır ve farklı müdahale gerektirir. Yöntemin gerekçesi tek çalıştırma veri değildir yazısında.
Hatanın türünü ayırın
Her yanlış aynı şekilde düzelmez.
| Hata türü | Örnek | Kaynağı |
|---|---|---|
| Eskimiş bilgi | Kapanmış şubeyi açık göstermek | Eski içerik hâlâ erişilebilir |
| Varlık karışması | Başka bir şirketle karıştırmak | Ad benzerliği, zayıf varlık sinyali |
| Uydurma | Hiç var olmayan ürün | Model halüsinasyonu |
| Yanlış atıf | Başkasının işini size atfetmek | Kaynak ayrımı zayıf |
Eskimiş bilgi en kolay düzeleni: eski sayfayı güncelleyin ya da kaldırın, doğru bilgiyi erişilebilir tutun. Arama tarafı günler içinde yakalar.
Varlık karışması en yaygını ve çözümü varlık netliğinden geçer. Model markanızı benzer adlı başka bir şirketle karıştırıyorsa, ayırt edici sinyaller eksik demektir. Belirtileri ve ölçümü yapay zekâ markanızı tanımıyorsa yazısında.
Uydurma en can sıkıcı olanı çünkü kaynağı yok. Model, boşluğu doldurmak için makul görünen bir şey üretir. Çözüm boşluğu kapatmak: o konuda net, olgu taşıyan içerik yayınlamak.
Yanlış atıf genellikle pasajlarda marka adının geçmemesinden kaynaklanır. "Firmamız bu yöntemi geliştirdi" cümlesi bağlamından koptuğunda kimin geliştirdiği belirsizdir ve model onu başka bir kaynağa bağlayabilir — ayrıntısı “firmamız” tuzağında.
Düzeltmenin dört adımı
1 · Erişimi açın. Model sayfanızı okuyamıyorsa doğru bilgiyi göremez. Ölçümümüzde 90 Türk sitesinin %32’si en az bir AI tarayıcısını engelliyordu ve engellemenin %48’i robots.txt’de görünmüyordu — yani site sahipleri çoğu zaman kapının kapalı olduğunu bilmiyordu. Bot erişim kontrolü 13 bot için gerçek istek atar.
2 · Doğruyu tek bir yerde net yazın. Dağınık bilgi zayıf sinyaldir. Doğru bilgiyi taşıyan, tarihli, olgu yoğun bir sayfa yapın. "Hakkında" sayfası bu iş için en uygun yer.
3 · Varlık sinyallerini güçlendirin. Organization şeması, sameAs bağlantıları ve tutarlı ad kullanımı, modelin sizi doğru varlıkla eşleştirmesini sağlar. Alanların hangisinin neden gerektiği Organization şeması yazısında; Wikidata ve bilgi grafiği tarafı sameAs ve Wikidata yazısında.
4 · Üçüncü taraf kaynakları hizalayın. Modeller markayı yalnızca kendi sitesinden öğrenmez. Sektör dizinleri, haber içerikleri ve profil sayfalarında yanlış bilgi duruyorsa düzelttirin. Dışarıdaki tutarsızlık, kendi sitenizdeki düzeltmeyi zayıflatır.
Sağlayıcıya bildirim
Büyük sağlayıcıların geri bildirim kanalları var ve özellikle iki durumda işletiliyor: kişisel veri ve açık iftira. Bir markanın kuruluş yılının yanlış olması bu kategoriye girmez; bir kişi hakkında suç isnadı girer.
Bildirim yaparken:
- Yanlış cevabın tam metnini ekleyin
- Kaç çalıştırmada tekrarlandığını yazın
- Doğru bilgiyi ve kaynağını gösterin
- Tarih ve model sürümü belirtin
Bildirimi tek çözüm olarak görmeyin. Kaynak tarafını düzeltmeden yapılan bildirim, düzeltilse bile bir sonraki eğitim döngüsünde aynı yanlışın geri gelmesini engellemez.
Beklenti: ne kadar sürer
Dürüst tablo:
| Katman | Süre | Neye bağlı |
|---|---|---|
| Arama tarafı | Günler | Sayfa taranabilir mi |
| Eğitim tarafı | Aylar | Bir sonraki eğitim döngüsü |
| Üçüncü taraf kaynaklar | Haftalar | Karşı tarafın hızı |
Arama tarafı hızlı düzelir çünkü model sayfayı o an okur. ChatGPT'nin bu iki kanalı nasıl ayırdığı ChatGPT markanızı nasıl öğreniyor yazısında anlatılıyor.
Düzeldiğini nasıl anlarsınız
Aynı ölçümü tekrarlayın — aynı sorular, aynı sayıda çalıştırma, kaydedilmiş model sürümü. "Artık düzgün cevap veriyor" demek için tek bir doğru cevap yetmez; frekansın değişmesi gerekir.
Öncesi ve sonrasını kıyaslanabilir tutmak için ölçüm kurulumunu sabitleyin: aynı soru listesi, aynı çalıştırma sayısı, aynı bölge. Kurulumun nasıl yapılacağı savunulabilir ölçüm metodolojisi yazısında.
Özet
Yanlış bilgi silinmez, bastırılır. Önce hatanın gerçekten var olduğunu frekansla kanıtlayın, sonra türünü ayırın, sonra erişim–içerik–varlık–dış kaynak sırasıyla düzeltin. Arama tarafı günler, eğitim tarafı aylar sürer ve bu süreyi kısaltmanın bilinen bir yolu yok.
Markaların yapay zekâ destekli arama sistemlerindeki görünürlüğünü ölçer ve düzeltir. Ölçüm metodolojisi ham sunucu yanıtına ve tekrarlı çalıştırmaya dayanır; her bulgu kaydedilmiş bir sunucu yanıtına bağlanır.
Sık sorulanlar
Modelden yanlış bilgi sildirilebilir mi?
Eğitim verisine girmiş bir bilgi pratikte sildirilemez. Yapılabilecek şey, doğru bilgiyi modelin ulaşabileceği kaynaklarda baskın hâle getirmek ve arama tarafında güncel doğruyu erişilebilir tutmaktır.
Ne kadar sürede düzelir?
Arama tarafı günler içinde düzelebilir; sayfa taranabilir durumdaysa model güncel bilgiyi o an okur. Eğitim tarafı bir sonraki eğitim döngüsünü bekler ve bu aylar sürebilir.
Sağlayıcıya bildirim yapmalı mıyım?
Yapın, ama tek çözüm olarak görmeyin. Büyük sağlayıcıların geri bildirim kanalları var ve özellikle kişisel veri ile açık iftira içeren durumlarda işletilir. Marka bilgisi hataları için asıl çözüm kaynak tarafını düzeltmektir.
Hatanın gerçekten var olduğunu nasıl kanıtlarım?
Aynı soruyu en az beş kez, farklı oturumlarda çalıştırın ve sonuçları model adı, sürüm ve tarihle kaydedin. Tek ekran görüntüsü kanıt değildir; modeller deterministik olmadığı için tek çalıştırma tesadüf olabilir.