Anthropic'te mühendislik yöneticisi olan ve şimdiye kadar Claude.ai, Cowork ve Claude Code Desktop'ın mühendisliğini yöneten Felix Rieseberg, 13 Ekim 2026'da yayımladığı yazısının başında Claude ile ya da Claude tarafından başarılan işlerden söz ediyor: bu ay Claude yeni bir gezegenin keşfine yardım etmiş olabilir. Öte yandan birçok kişi yapay zekâyı hâlâ Fransa'nın başkentini sormak ya da bir e-postanın tonunu yumuşatmak için kullanıyor. Rieseberg tabloyu şu tespitle özetliyor:

Model capabilities don't grow uniformly.
Türkçesi: Model yetenekleri eşit biçimde büyümüyor.

Rieseberg'e göre bazı kullanıcılar modellerin şaşırtıcı yeteneklerini yönetmeyi öğrenmiş ve adeta uçuyor; birçoğu ise yeni kanatlarını çalıştırmaya uğraşıyor. Yapay zekâ alanında çalışanların (kendisi de dahil) sık tekrarladığı “yeterince iddialı değiliz” sözüne uymanın zor olduğunu kabul ediyor ve yazısını bir rehber olarak kuruyor. Kendisi ağırlıklı olarak Claude kullanıyor; tavsiyelerinin diğer modellerde de geçerli olduğunu belirtiyor.

Rieseberg dört tür iddialılıktan söz ediyor:

Hız: aynı işi daha kısa sürede yapmak.
İrtifa: soyutlamada yukarı çıkmak; tek tek görevlerin arkasındaki sonuca bakmak.
Derinlik: işe alanının önde gelen bir uzmanı gibi bakmak ve bir kat aşağı inmek: ham veriye, araçlara ve asıl soruna.
Genişlik: işe, yüzeyde tek bir alanı ilgilendirse bile birden fazla alanın bakışını katmak.

Hız, yapay zekânın ekonomik değerinin temeli. Yerleşik bir kullanım olduğu ve fazla yaratıcılık gerektirmediği için Rieseberg bu türü kısaca geçiyor; biz de diğer üçüne odaklanıyoruz. Örnekler Rieseberg'in yazısından ve YouTube'da yapay zekâ ajanları üzerine içerik üreten Ray Amjad'ın bu yazıyı yorumladığı videodan geliyor. Fabrikadaki karşılıkları bize ait.

İrtifa: hedefin ötesindeki hedef

Rieseberg'e göre modele verdiğiniz görev, istediğiniz sonuca nasıl ulaşacağınıza dair en iyi tahmininizdir. Bu yüzden sorulacak soru şu: “what do you want to happen next?” (Bundan sonra ne olmasını istiyorsunuz?) Kendi deneyimi de bu yönde ilerlemiş. Geçen yılın başında Claude'dan hâlâ tek tek çökme hatalarını düzeltmesini istiyormuş:

Eventually I asked Claude to simply keep our apps crash-free.
Türkçesi: Sonunda Claude'dan yalnızca uygulamalarımızı çökmesiz tutmasını istedim.

Bu hedef, iş akışını da değiştirmiş. Önce Claude'un çökme raporlarını kolayca çekebildiğinden ve hangi uygulama sürümünün hangi kod sürümüne (commit) karşılık geldiğini anlayabildiğinden emin olması gerekmiş. Ayrıca hataları kendi başına yeniden üretip düzeltmeleri doğrulayabilsin diye Claude'a Windows, macOS ve Linux bilgisayarlara erişim vermiş.

Yazının ana örneği, hayalî bir şirketin üç aylık iş değerlendirmesi (QBR) sunumu. Claude, şablondaki slaytları seve seve doldurur. Bir basamak yukarıda, modele elinize geçebilecek tüm veriyi verip işinizi anlamasını sağlamak ve şunu sormak var:

Tell me what changed this quarter, why, and what we should do about it.
Türkçesi: Bu çeyrekte neyin değiştiğini, nedenini ve bu konuda ne yapmamız gerektiğini söyle.

İkinci basamak, iyi toplantıların kararla bitmesinden yola çıkıyor: modelden en acil üç kararı belirlemesini ve her biri için lehte ve aleyhte gerekçelerle olası yönler hazırlamasını istemek. Üçüncü basamakta toplantının kendisi sorgulanıyor. Rieseberg'in önerdiği talimat, bu değerlendirmenin yönetim sorunları erken yakalasın, parayı ve insanları doğru yere yönlendirsin diye var olduğunu hatırlatıyor. Ardından modelden bunu daha iyi yapacak bir yol tasarlamasını, şirketin kendi geçmişi üzerinde bu yolun sorunları daha erken yakalamış olacağını göstermesini ve bir çeyrek boyunca mevcut düzenle yan yana çalıştırmasını istiyor.

Rieseberg'e göre irtifa, gerçekten nihai bir hedefin peşinde olduğunuzda en iyi işliyor; yaratıcı işlerde daha az işe yarıyor. Uygun olduğunu gösteren iyi bir işaret de var: Üzerinde çalıştığınız konu toplantılarda konuşulacaksa, irtifa muhtemelen doğru tercih. Sınırları da var: 2026'da “Claude, git para kazan” demek çoğu şirket için tek başına işe yaramıyor gibi görünüyor. Yine de Rieseberg, genel olarak modellerin güçlendikçe daha yüksek soyutlama düzeylerinde çalışabiliyor gibi göründüğünü gözlemliyor.

Ray Amjad böyle bir hedef vermeden önce ajana hangi erişime ihtiyaç duyduğunu soruyor. Kendi destek sürecinde ekipten birinin kullanıcı ile Claude arasında mesaj taşıdığını fark etmiş ve bu aracılığı bir ajana devretmiş. Ajan artık destek taleplerini hata kayıtlarıyla eşleştiriyor, hatayı gerçek bir makinede yeniden üretmeye çalışıyor, gerekirse kullanıcıya soru soruyor, düzeltmeyi yapıp kullanıcıya haber veriyor. Amjad'ın kendine sorduğu soru şu: Bu süreçte nerede aracı konumundayım?

Fabrikada irtifa

Fabrikalar toplantıyla doludur: sabah üretim toplantısı, haftalık kalite toplantısı, aylık yönetim değerlendirmesi. Rieseberg'in işaretine göre bu toplantılarda konuşulan işler irtifa için iyi adaylar. Aylık üretim raporu için aynı merdiven kurulabilir:

Modelden raporun tablolarını güncellemesini istemek.
Bu ay neyin değiştiğini, nedenini ve ne yapılması gerektiğini sormak.
Raporun neden var olduğunu hatırlamak: sorunları erken görmek ve kaynakları doğru hatta, doğru makineye yönlendirmek. Ardından modelden bunu bir ay beklemeden yapan bir yol önermesini ve geçmiş aylar üzerinde bu yolun sorunları ne kadar erken yakalayacağını göstermesini istemek.

Her basamak modelin daha fazla veriye erişmesini gerektirir. Modelin çevresindeki bu düzenin neden belirleyici olduğunu saha verisi yazımızda anlattık. Rieseberg irtifanın insanı döngüden çıkaran kalıcı iş akışları sağladığını söylüyor; fabrikada hangi kararların insanda kalacağı ise ayrıca verilmesi gereken bir karar. Bu konuyu yapay zekâya güven yazımızda ele aldık.

Derinlik: uzmanın araçlarıyla çalışmak

Rieseberg derinliği, modeli alanın en iyi profesyonellerinin araçlarını, tekniklerini ve bilgisini kullanmaya zorlamak olarak tanımlıyor. Hedef, o profesyonellerin bile sonuçtan yeni bir şey öğrenebileceği noktaya varmak. Örnek yine aynı şirket, bu kez müşteri kaybı (churn) sorusuyla. Rieseberg beş teknik öneriyor.

Uzmanların araçlarında ısrar edin

Rieseberg'in gözlemi şu:

When prompted to act like a professional, models often switch vocabulary without actually switching methods.
Türkçesi: Bir profesyonel gibi davranmaları istendiğinde modeller çoğu zaman yöntemlerini değiştirmeden yalnızca kelime dağarcıklarını değiştirir.

Claude bir Markdown tablosuna başvurduğunda, bir veri bilimcinin kullanacağı veri tabanında ve istatistiksel modelde ısrar edin. Rieseberg'e göre uzmanların hangi araçları kullandığını Claude genellikle bilir. Amjad'ın örneği yazılımdan: 10 saniyede açılan bir sayfa için “hızlandır” denildiğinde model tembel yükleme (lazy loading) gibi bilindik iyileştirmeler önerir. Bir performans mühendisinin araçlarında ısrar edildiğinde ise profilleme (profiling) ve iz (trace) kayıtlarını okuma devreye girer ve sürenin gerçekte nereye gittiği görünür: örneğin vaktin çoğunun veri tabanı sorgularına gittiği ortaya çıkar.

Fabrikada “verim neden düştü?” sorusuna bir paragraflık yorum almak kolaydır. Bir endüstri mühendisi aynı soruya kontrol grafikleri, Pareto analizi ve vardiya, hat, makine kırılımıyla bakar. Modelden de bu araçlarla bakmasını isteyin.

Makul olmayan hedefler seçin, modele makul olduklarını söyleyin

Rieseberg'in örneği: Sitenizin 10 saniyede açılan sayfasını 5 saniyeye indirmek mi istiyorsunuz? 200 milisaniye isteyin. Model hedefin imkânsız olduğunu düşünürse, sorunun çözülebilir olduğunu ve yalnızca devam etmesi gerektiğini tekrarlayın.

Bildiklerinizi sınayın

Rieseberg'e göre şirketlerin doğru kabul ettiği birçok şey, gerçeğe ancak kabaca yaklaşır. Modele ham veriyi verin ve varsayımlarınızı karşı tarafın gözüyle sınamasını isteyin:

We believe churn is an onboarding problem. Try to reproduce that from the raw data.
Türkçesi: Müşteri kaybının bir ilk kullanım (onboarding) sorunu olduğuna inanıyoruz. Bunu ham veriden yeniden üretmeye çalış.

Her fabrikada bu tür kabuller vardır: “Fire gece vardiyasında artıyor”, “duruşların çoğu malzeme beklemekten”. Modelden bu kabulleri ham kayıtlardan yeniden üretmesini istemek, toplantıdaki tartışmayı veriye taşır. Ham veri ne kadar eksiksizse, sınama da o kadar güvenilir olur.

Yeni bilgi üretin

Claude veriye iyice daldıktan sonra kör noktaları bulmasını isteyebilirsiniz. Rieseberg'in örnek talimatı modelden önce son bir yılı kayıtlardan yeniden üreten bir müşteri simülasyonu kurmasını, sonra henüz bilinmeyen en erken müşteri kaybı sinyalini bulmasını ve bu sinyalin modelin görmediği veride de tahmin gücü taşıdığını göstermesini istiyor.

Dışarıdan bir hakem kullanın

Do not ask the model to judge itself.
Türkçesi: Modelden kendi kendini değerlendirmesini istemeyin.

Rieseberg bu sorunun model zekâsı arttıkça çözüleceğini varsayıyor; Ekim 2026 itibarıyla ise okurlarına dışarıdan doğrulamada ısrar etmelerini öğütlüyor. İdeal olan, modelin hemen geri bildirim almak için kendisinin çalıştırabileceği bir araç. Fabrikada dış hakem çoğu zaman zaten vardır: sayım sonucu, kalite laboratuvarının ölçümü, sevkiyat kaydı. Model “bu ay fire azaldı” diyorsa, bunu modelin hesabından bağımsız bir kayıtla karşılaştırın.

Görevi derinleştiren dört soru

Rieseberg'in sık kullandığı kısa bir talimat var. Talimat şu cümleyle açılıyor:

I want a deeper version of this task, not a bigger one.
Türkçesi: Bu görevin daha büyük değil, daha derin bir versiyonunu istiyorum.

Ardından modelden, görevi yeniden yazmadan önce dört soruyu cevaplamasını istiyor:

Bu alandaki en iyi profesyonel, sizin istemediğiniz neyi yapardı?
Sizin için önceden özetlenmiş malzemenin kaynağına inip işe hangi ham malzemeyle başlardı?
Hangi yöntem ve araçları kullanırdı?
Sonucun doğru olduğunu, siz ve model dışında ne gösterirdi?

Son adımda model, talimatınızı tam olarak bunları isteyecek şekilde yeniden yazıyor. Amjad videosunda dördüncü soruyu öne çıkarıyor: iyi bir doğrulayıcı bulmak. Talimatın tam metni Rieseberg'in yazısında yer alıyor.

Genişlik: işe başka alanların gözüyle bakmak

Rieseberg'e göre genişlik, işe eskiden ekonomik olmayacak kadar çok alanın gözüyle bakmak. Fikrin yeni olmadığını da söylüyor: her soygun filmi ilk yarım saatini farklı yeteneklerden bir ekip kurmaya ayırır. Birden fazla ajanı birlikte çalıştırmak kolaylaştıkça Claude'dan başka alanları işe katmasını istemenin ilginç sonuçlar verdiğini görmüş.

Bunun yaratıcılık gerektirdiğini de kabul ediyor. Daha önce video oyunu geliştirmiş olmasına rağmen, meslektaşı Alex Albert'ın iç mekân tasarımlarını Blender ile oluşturduğunu görene kadar kendi ana sayfası için Claude'la 3D ortam hazırlamayı hiç düşünmemiş. Rieseberg'in genişlik hakkındaki yorumu:

…this is easily where I see the most magic happen.
Türkçesi: …sihrin en çok gerçekleştiğini gördüğüm yer açık ara burası.

İsimleri fiillere çevirin

Rieseberg bu tekniği Tom Kelley ve Jonathan Littman'ın The Art of Innovation kitabından alıyor. Üç aylık değerlendirmeyi bir fiille tanımlıyor: “getting busy people to believe a story about cause and effect” (meşgul insanları bir neden-sonuç hikâyesine inandırmak) ve onların 30 dakika içinde, belirsizlik altında karar vermesini sağlamak. Fiil hâli, hangi alanların işe yarayabileceğini görmeyi hem Rieseberg için hem Claude için kolaylaştırıyor. Amjad'ın hatırlattığı gibi gazeteciler, editörler ve analistler bu işi zaten yapıyor.

Çoğumuz yalnızca kendi alanımızı iyi tanırız. Amjad bu yüzden aramayı Claude'a bırakmayı öneriyor: sorununuzu anlatın, Claude'dan önce sizinle bir görüşme yapmasını, sonra benzer biçimde bir sorunla uğraşan meslekleri ve bu mesleklerin ne yaptığını söylemesini isteyin.

Amjad'ın kendi örneği hata mesajları. “Hata mesajlarını iyileştir” denildiğinde model, 500 hatasını “Bir şeyler ters gitti, lütfen daha sonra tekrar deneyin” gibi daha nazik bir cümleye çevirebilir; kullanıcı yine takılı kalır. Fiil olarak düşünüldüğünde hata mesajı, kafası karışmış birinin kimseye ulaşmadan yoluna devam etmesine yardım eder. Destek ekipleri bu işi her gün yapar. Amjad son altı ayın destek taleplerini hatalarla eşleştirip sayıya göre sıralamayı ve en çok talebe yol açan birkaç hatayı yeniden yazmayı öneriyor. Aynı mantığı özellik taleplerine de uyguluyor: iyi bir doktor, hastanın istediği ilacı yazmadan önce belirtileri sorar.

Fabrikada da çoğu iş bir isimle anılır: vardiya devir formu, kalite raporu, bakım planı. Vardiya devir formunu bir fiille anlatmak gerekirse: bir sonraki vardiyanın ilk saatini kayıpsız başlatmak. Hastanelerdeki nöbet devri, aynı işin yıllardır üzerine düşünülmüş bir örneği. Modelden bu alanın devir pratiğini incelemesini ve forma uyarlamasını isteyebilirsiniz.

Ekibi kurun

Rieseberg, sunum olağanüstü olmazsa uzaylıların Dünya'yı havaya uçuracağını hayal ediyor ve bir ekip kuruyor: sunumun işçiliği için bir analist, bir gazeteci ve bir editör; sunum yapılacaksa bir hareketli grafik (motion) ve ses tasarımcısı; “kırmızı takım” olarak da açığa satış yapan bir yatırımcı (short seller) ve bir adli muhasebeci. Hemen ardından bir uyarı ekliyor:

It is easy to accidentally engage in role play…
Türkçesi: Farkında olmadan rol yapmaya kaymak kolaydır…

Rol yapmak, sohbeti tuhaflaştırırken sonucu iyileştirmiyor. Ekip, alanları ve teknikleri bulmanın bir yolu. Rieseberg'in önerisi, modelden açığa satış yapan bir yatırımcının pozisyonunu araştırırken yaptığı işi yapmasını istemek.

Önce bilgisayar ve veri

Rieseberg'e göre bu türlerin hepsi, modelin yazılım kurabileceği bir bilgisayara ve ilgili her türlü veriye (MCP bağlantıları ya da başka yollarla) erişmesini gerektiriyor. Bunu mümkün kılan çok sayıda araç var. Fabrikada bu, modelin üretim, kalite ve bakım kayıtlarına erişmesi demektir. Bu erişimin kimin yetkisiyle ve hangi sınırlar içinde verileceği, işin en baştan konuşulması gereken parçası.

Daha önce de buradaydık

Rieseberg yazısını psikolojideki öz yeterlik (self-efficacy) kavramına bağlıyor: yeteneklerine daha çok inanan insanlar gerçekten daha fazlasını başarıyor. Rieseberg'e göre öz yeterlik güçlendirilebilir. Kanıt olarak Edwin Locke ile Gary Latham'ın 35 yıllık hedef belirleme araştırmasını derledikleri çalışmayı gösteriyor: belirli ve zor hedefler verilen insanlar, “elinden geleni yap” denen insanlardan daha iyi performans gösteriyor. Rieseberg üç yol sayıyor:

Mümkün olduğuna inanmak: 1939'da George Dantzig, Berkeley'deki istatistik dersine geç kalıyor, tahtadaki iki problemi ödev sanıp çözüyor. İkisi de istatistiğin çözülmemiş problemleriymiş.
Başkasını yaparken görmek: Roger Bannister, Mayıs 1954'te bir mili dört dakikanın altında koşuyor ve bunu yapan tek insan olarak yalnızca 46 gün kalıyor. Benzeri maratonda yaşanıyor: Sabastian Sawe 26 Nisan 2026'da Londra Maratonu'nu 1:59:30'la kazanarak resmî bir yarışta iki saatin altında koşan ilk kişi oldu. Aynı yarışta ikinci gelen Yomif Kejelcha da iki saatin altında kaldı.
Kendine başarısız olma izni vermek: The Inner Game of Tennis kitabına göre kendinizi çok ama çok zorladığınızda en iyi tenisinizi oynayamazsınız. Linux da duyurulduğunda “yalnızca bir hobi” olarak tanıtılmıştı.

Self-efficacy isn't a new problem, but it is a more powerful one now.
Türkçesi: Öz yeterlik yeni bir sorun değil, ama artık daha güçlü bir sorun.

Rieseberg'e göre yeteneklerimizin birkaç haftada bir sıçradığı bir dünyada, mümkün görmediğimiz şeyleri yapmamızı sağlayacak tekniklere ihtiyacımız var. Amjad da modellerin birkaç haftada bir sıçradığını, beklentilerin ise geride kaldığını söylüyor. Ona göre bu açıktan yararlanmanın yolu, modellerin yapabildiklerine en yakın çalışan insanlardan düzenli olarak fikir almak.

Nereden başlamalı

Bir sonraki talimatı yazmadan önce şu soruları sormak işe yarar:

Bu görevle ulaşmak istediğim sonuç ne? Ondan sonra ne olmasını istiyorum?
Bu iş bir toplantıya mı hazırlanıyor? Öyleyse toplantının sonunda hangi karar çıkmalı?
Bu alanın en iyi uzmanı işe hangi ham veriyle başlar, hangi araçları kullanır?
Sonucun doğru olduğunu modelin kendisi dışında ne gösterecek?
Bu işi bir fiille anlatırsam, o fiili hangi meslekler her gün yapıyor?
Model bu işi üstlenmek için hangi erişime ihtiyaç duyar? (Bunu modele de sorabilirim.)

Kaynaklar

Felix Rieseberg: How to be more ambitious: A tutorial for humans with models (13 Ekim 2026).
Ray Amjad: Your Prompts Are Too SMALL for Claude Code (YouTube, 18 Ekim 2026).
Edwin A. Locke ve Gary P. Latham: Building a Practically Useful Theory of Goal Setting and Task Motivation: A 35-Year Odyssey.
The Associated Press (WLRN): Kenya's Sabastian Sawe is first person to run sub-2-hour marathon to win in London (26 Nisan 2026).

Yapay zekâyla daha iddialı çalışmanın dört yolu