Uzman Olmayanlara Yapay Zekayı Anlatan Bir Site Nasıl Yapılır

Hedef Kitleyi, Hedefleri ve Başarı Metriklerini Netleştirin

Bir sayfa yazmadan önce, siteniz için “uzman olmayanların” kim olduğunu tam olarak belirleyin. “Genel kitle” nadiren gerçek bir hedef kitle olur—ve insanlar farklı beklentilerle geldiğinde yapay zeka kolayca yanlış anlaşılır.

Uzman olmayan hedef kitlenizi tanımlayın

Birincil bir grup seçin ve (isteğe bağlı) bir ikincil grup belirleyin. Örnekler:

• Ürününüzü değerlendiren müşteriler
• Yapay zeka özelliklerini güvenle kullanması gereken dahili personel
• Temel bilgileri öğrenen öğrenciler ve eğitimciler
• Haberlerdeki yapay zekayı anlamaya çalışan halk

Her grup için kısa bir profil hazırlayın: neleri biliyorlar, nelerden endişe duyuyorlar ve hangi kararı vermeye çalışıyorlar. Bu, doğru ayrıntı seviyesini ve uygun örnekleri seçmenize yardımcı olur.

Gerçekte sordukları soruları listeleyin

Uzman olmayanlar genellikle pratik yanıtları önce tarar. İçerik planınıza satış görüşmeleri, destek talepleri, eğitim oturumları ve yorumlarda çıkan soruları ekleyin:

• Bu yapay zeka neyi güvenilir şekilde yapabiliyor?
• Henüz ne yapamıyor ve nerede başarısız oluyor?
• Riskler neler—hatalar, önyargı, gizlilik, kötüye kullanım?
• Maliyeti nedir (para, zaman, çaba, iş akışında değişiklik)?
• Hangi verileri kullanıyor ve verilerimle ne oluyor?

Bunlara net cevap veremiyorsanız, site ne kadar şık görünürse görünsün pazarlama gibi algılanır.

1–3 birincil hedef belirleyin

Önemli birkaç sonuç seçin. Yaygın hedefler:

• Ziyaretçileri yeterince eğitip beklentileri doğru belirlemek
• Satış konuşmalarını doğru seviyede başlatacak potansiyel müşterileri nitelendirmek
• Tekrarlayan destek taleplerini azaltmak

Hedefler, hangi noktaya vurgu yapacağınızı belirlemeli: açıklık, güven verme, karar desteği veya pratik rehberlik.

İnceleyeceğiniz başarı metriklerini seçin

Metrikleri hedeflerle eşleştirin ki siteyi zaman içinde geliştirebilesiniz. Örnekler:

• Önemli sayfalarda geçirilen süre ve kaydırma derinliği (etkileşim var mı?)
• Demo tıklamaları veya araç kullanımı (keşfediliyor mu?)
• İletişim formlarının kalitesi (sorular daha spesifik mi?)
• “Bu nedir/nasıl çalışır?” konularındaki destek talebi hacmi

Aylık veya çeyreklik bir gözden geçirme sıklığı belirleyin ve insanların hâlâ neyi yanlış anladığına göre içeriği ayarlayın.

Yapay Zeka Yeteneklerini Basit, Akılda Kalıcı Kovalara Yerleştirin

İnsanlar, bir dizi araç listesi yerine yapabileceği birkaç “iş”e gruplanmış yapay zekayı daha hızlı anlar. 3–6 arası kova hedefleyin; bunlar tanıdık hissetmeli ve içeriğinizin çoğunu kapsamalı.

Gerçek görevlerle eşleşen kovalar seçin

Ziyaretçilerinizin günlük işlerinden tanıyacağı kategoriler seçin. Yaygın seçenekler:

• Metin (yazma, özetleme, çeviri)
• Görseller (oluşturma, düzenleme, açıklama)
• Ses (diksiyon, çağrı özetleri, ses)
• Arama \u0026 Soru-Cevap (belgelerde cevap bulma)
• Veri \u0026 elektronik tablolar (desenleri bulma, formül taslağı)

Her kovayı basit bir isimle verin (“Metin”, “Görseller”) veya açık bir fiil tamlamasıyla (“Belge içinde cevap bulun”). Açıklama gerektiren yaratıcı etiketlerden kaçının.

Her kova için aynı mini şablonu kullanın

Tutarlılık kafa karışıklığını azaltır. Her yetenek kovası için dört kısa bölüm yazın:

1. Ne yapar: Çıktıyı tanımlayan bir cümle (teknolojiden bahsetmeyin). Örnek: “Bir komutu düzenlenebilir bir taslağa dönüştürür.”
2. Yaygın kullanım senaryoları: Gerçek hayatta insanların yaptığı 3–5 somut senaryo, örn. “bir e-postayı yeniden yaz”, “bir politikayı özetle”, “iş tanımı taslağı hazırla.”
3. Sınırlamalar: Hata modları hakkında açık ifadeler. Örnek: “Yanlış olsa bile eminmiş gibi görünebilir”, “bağlamı kaçırabilir”, “kalite girdinize bağlıdır.”
4. Ne zaman kullanmamalı: Açık kötüye kullanım önleme notu, örn. “Tıbbi veya yasal kararlar için kullanmayın” veya “paylaşamayacağınız gizli verileri yapıştırmayın.”

Bu yapı, okuyucuların yetenekleri hızlıca karşılaştırmasına yardımcı olur ve gereksiz ayrıntıyla bunaltmaz.

Hangi teknik ayrıntılardan kaçınacağınızı belirleyin

Uzman olmayanların genellikle model isimleri, benchmark’lar, parametre sayıları veya sıralamalar gibi bilgilere ihtiyacı yoktur. Bunların yerine kullanıcı odaklı rehberlik verin:

• “Net talimatlar ve örneklerle en iyi sonucu verir.”
• “Doğru olduğuna garanti yok; önemli bilgileri doğrulayın.”
• “Eğitildiği örneklerde bulunan önyargıları yansıtabilir.”

Teknik terimleri mutlaka kullanmanız gerekiyorsa, bunları isteğe bağlı tutun (kısa not veya tooltip).

Net Bir Site Yapısı ve Okuma Yolları Tasarlayın

İyi bir yapay zeka açıklama sitesi öngörülebilir hissettirir: ziyaretçiler nerede olduklarını, sonraki ne okunacağını ve ne kadar derine ineceklerini bilir. Amaç her şeyi aynı anda göstermemek—ziyaretçiyi “merak ettim” halinden “karar verecek kadar anladım” noktasına yönlendirmektir.

Basit bir site haritası ile başlayın

Üst gezinmeyi küçük ve anlamlı tutun. Pratik bir temel site haritası şöyle görünebilir:

• Ana Sayfa: sitenin sade vaadi ve kimler için olduğu
• Yetenekler: yapay zekanın neler yapabildiği, birkaç kategoriye ayrılmış
• Örnekler: gerçek senaryolar, önce/sonra ve kısa demolar
• SSS: yaygın sorular ve yanlış anlamalar
• Sözlük: bilinmeyen terimler için kısa tanımlar
• Hakkında: amaç, kaynaklar ve editöryal yaklaşım
• İletişim: geri bildirim, sorular ve destek

Bu yapı yeni gelenlere kolay giriş noktası verirken, belirli bir cevaba ihtiyaç duyanlar için tekrar ziyaretleri de destekler.

Hızlı hareket ediyorsanız, bu yapıyı statik bir doküman yerine çalışan bir site olarak prototiplemek yardımcı olabilir. Örneğin ekipler, Koder.ai gibi araçları kullanarak bir sohbet özünden React tabanlı bir açıklayıcı site üretebilir, sonra “planlama modu”, anlık görüntüler ve geri alma ile içerik ve gezinmeyi iterasyonla geliştirebilir.

“Buradan başla” yolu oluşturun

Birçok uzman olmayan kişi “yetenekler” veya “modeller”in ne demek olduğunu bilmez. Ana sayfada ve ana menüde görünür bir “Buradan Başla” yolu ekleyin; 3–5 kısa adımdan oluşan bir akış örneği:

1. Bu yapay zeka nedir (1 dakikada)
2. Nelerde iyi (yetenekler)
3. Nerede başarısız olur (sınırlamalar)
4. İlişkilendirilebilecek örnekler
5. Sonraki adımlar (nasıl deneyimlenir veya daha fazlası öğrenilir)

Kademeli açıklama (progressive disclosure) kullanın

Her sayfayı katmanlı tasarlayın: önce kısa bir özet, sonra isteğe bağlı ayrıntı. Örneğin bir yetenek sayfası bir paragraflık özetle başlayıp “Tipik girdiler”, “Tipik çıktılar”, “En çok işe yaradığı durumlar” ve “Dikkat edilmesi gerekenler” gibi bölümlere açılabilir. Temel bilgiyi isteyenler erkenden durabilir ve kaybolmuş hissetmezler.

Dahili bağlantılarla “okuma yolları” planlayın

Uzun, bunaltıcı sayfalar yerine ilgili kavramları birbirine bağlayın. Birisi “hallucinations” hakkında okuduğunda, sözlük tanımına ve ilgili SSS girişine yönlendirilmelidir. Bu, sitenizi bir öğrenme deneyimine dönüştürür, yalnızca sayfa yığınına değil.

Doğruyu Kaybetmeden Basit Dil Kullanın

Basit dil “aşağılamak” değildir. Gereksiz sürtünmeyi kaldırarak okuyucuların yapay zekanın ne yaptığını, ne yapmadığını ve sonraki adımı anlamasını sağlar.

Anlamı koruyan basit dil kuralları

Kısa cümleler, etken yapı ve paragraf başına bir fikir hedefleyin. Bu, karmaşık konuları önemli ayrıntıları kesmeden daha yönetilebilir kılar.

Doğruluk zayıflıyorsa, terim yerine bir cümle daha ekleyin. Örneğin “model genelleme yapar” demek yerine: “Geçmiş örneklerden desenler öğrenir ve bu desenleri yeni tahminler yapmak için kullanır.” diyebilirsiniz.

Jargonu gündelik karşılıklarla değiştirin (gerekirse tanımlayın)

Çoğu yapay zeka jargonunun daha basit bir çevirisi vardır. Varsayılan olarak gündelik terimi kullanın ve teknik terimleri yalnızca gerçekten gerekli olduğunda tanıtın.

Örnekler:

• “Model” → “AI sistemi” veya “yapay zeka aracı”
• “Inference” → “tahmin yapmak” veya “sonuç üretmek”
• “Hallucination” → “kendinden emin görünen yanlışlar”
• “Training data” → “öğrenirken kullanılan örnekler”

Zorunlu teknik terim kullanıyorsanız, hemen tek cümleyle tanımlayın ve sonra aynı terimi tutarlı şekilde kullanın.

Tutarlılık: her kavram için tek bir kelime seçin

Tutarlılık, fazladan açıklamadan daha çok kafa karışıklığını azaltır. Ana terimi seçin (ör. “AI sistemi”) ve diğerlerini yalnızca bir kez alternatif isim olarak belirtin.

Ayrıca çıktıyı “öneri” olarak adlandırıyorsanız, daha sonra aynı şeyi “cevap” diye değiştirmeyin; beklentiyi değiştirmedikçe terimi koruyun.

Her sayfanın üstüne kısa özetler ekleyin

Her sayfaya 3–5 maddeyle “buradan ne elde edeceksiniz” tarzında kısa bir özet koyun. Bu, uzman olmayanların hızla konumlanmasına yardımcı olur ve yanlış yorumları azaltır.

İyi bir özet genellikle şunları içerir:

• Bu AI sisteminin amacı (ve kimlere yardımcı olduğu)
• Ne girersiniz (girdiler)
• Ne alırsınız (çıkışlar)
• Bir ana sınırlama (nerede yanlış olabileceği)
• Sonuç yanlış görünürse ne yapmalı (basit bir sonraki adım)

Bu yöntem, ana metni okunabilir tutar ve insanları güvenli ve bilgili kullanıma yönlendirir.

Girdi–Çıktı Modelini Basit Diyagramlarla Gösterin

İnsanlar, yapay zekayı ne girildiği, ne olduğu, ne çıktığı ve kişinin sonraki adımı olarak gösterildiğinde daha hızlı anlar. Küçük bir diyagram uzun açıklamaları önleyebilir ve “sihirli kutu” düşüncesini azaltır.

Girdilerle başlayın (yapay zekanın neye ihtiyacı var)

Ziyaretçinin neler sağlaması gerektiğini açıkça belirtin. Yaygın girdi türleri:

• Bir komut (prompt): ne istediğiniz ve varsa kısıtlamalar
• Dosyalar: PDF, görsel, elektronik tablo, ses—izin verilen formatlar ve boyut sınırları
• Veri kaynakları: bağlanmış bilgi tabanı, ürün kataloğu veya yardım makaleleri (AI bunlara erişebiliyor mu?)
• Bağlam: hedef kitle, ton, bölge, teslim tarihleri, “iyi” çıktıya örnekler

Yararlı bir kalıp: “Eğer X verirseniz, Y yapabilir; vermezseniz tahmin eder.”

Çıktıları tanımlayın (geri ne alırsınız)

Çıktıyı gündelik terimlerle adlandırın ve nasıl göründüğünü gösterin:

• Taslak metin (e-posta, özet, plan)
• Etiketler veya kategoriler (spam/değil, konu etiketleri)
• Öneriler (sonraki en iyi adım, ürünler, önerilen yanıtlar)
• Çıkarılmış bilgiler (tarihler, isimler, ana noktalar)

Ayrıca çıktının ne olmadığına da değinin: bir garanti, son karar veya kusursuz doğruluk kaynağı olmadığını belirtin.

Akışı gösterin: Girdi → İşleme → Çıktı → İnceleme

Basit bir diyagram tek ekranda sığabilir:

Input                   Processing                     Output
(prompt / files / data)  (AI finds patterns + predicts)  (draft / label / suggestion)
        │                         │                           │
        └─────────────────────────┴───────────────────────────┘
                               Review
                   (human checks, edits, verifies)

“Processing” kutusunu yüksek seviyede tutun. İç model ayrıntılarına gerek yok; amaç netlik, mühendislik değil.

İnsan denetimi rehberliği ekleyin (güvenli kullanım için)

Diyagramın yanında kısa bir “bunu kullanmadan önce” notu ekleyin:

• İncele: doğruluk ve eksik bağlam için
• Düzenle: ton, politika ve marka sesi için
• Doğrula: önemli iddiaları güvenilir kaynaklarla teyit edin
• Karar verin: bir kişinin onayı gerekip gerekmediğine karar verin (özellikle tıbbi, hukuki, finansal veya müşteri etkileşimleri için)

Bu, diyagramı ziyaretçilerin hemen takip edebileceği pratik bir iş akışına dönüştürür.

Örnekler, Demolar ve Önce/Sonra Örnekleri Kullanın

Örnekler, yapay zekanın soyut olmaktan çıkmasını sağlar. Her yetenek için 5–10 gerçek dünya örneği hedefleyin (her kova için bir sayfa veya panel), kısa ve insanların günlük işlerinden tanıyacağı senaryolarla.

İşe yarayan basit demo şablonu

Her örneği tutarlı tutun ki okuyucular tarayabilsin:

• Durum: bir cümle (kim, neye ihtiyaç duyuyor)
• Girdi: kişinin sağladığı şey (normal dilde “prompt”)
• Çıktı: yapay zekanın geri verdiği (gerçekçi bir kesit gösterin)
• Önce/Sonra: orijinal vs AI destekli, net etiketli
• Kontrol edilmesi gerekenler: 3–5 hızlı kontrol (gerçekler, ton, önyargı, gizlilik)

Önce/sonra örnek seti (Yetenek: Yazma yardımı)

Bunları model olarak kullanın ve özetleme, beyin fırtınası, veri yardımı, müşteri destek taslakları vb. için benzer setler oluşturun.

1. E-posta yeniden yazma (nazik + kısa)

Önce: “I need this by end of day. If you can’t do it, tell me now.”

Sonra (AI destekli): “Could you share an update by 5pm today? If that timing won’t work, let me know and we’ll adjust.”

Kontrol edilmesi gerekenler: ton ilişkinize uyuyor mu; ek bir taahhüt var mı; gizli detayları çıkarın.

2. Toplantı notları → aksiyon maddeleri

Önce: “Talked about launch. Some risks. Sam mentioned vendors.”

Sonra (AI destekli): “Actions: (1) Sam to confirm vendor lead times by Wed. (2) Priya to draft launch checklist by Fri. Risks: vendor delays; unclear approval owner.”

Kontrol edilmesi gerekenler: isimler/sahiplik doğru mu; tarihler doğru mu; eksik kararlar sizin tarafınızdan doldurulmalı.

3. İş ilanı temizleme

Önce: “Looking for a rockstar who can handle anything under pressure.”

Sonra (AI destekli): “Seeking a coordinator who can manage deadlines, communicate clearly, and prioritize tasks across teams.”

Kontrol edilmesi gerekenler: önyargılı dil kaldırıldı mı; gereksinimler gerçekçi mi; erişilebilirlik ve kapsayıcılık kontrolü.

4. Müşteri yanıtı taslağı

Önce: “Not our fault. You used it wrong.”

Sonra (AI destekli): “I’m sorry this was frustrating. Let’s figure out what happened—can you share the steps you took and the error message?”

Kontrol edilmesi gerekenler: politika ile uyumlu mu; suçlama yok mu; gereksiz veri istenmiyor mu.

5. Basit dile çeviri

Önce: “Your request is pending due to insufficient documentation.”

Sonra (AI destekli): “We can’t finish your request yet because we’re missing a document. Please send: proof of address (dated within 90 days).”

Kontrol edilmesi gerekenler: gereksinimlerin doğruluğu; ana dili İngilizce olmayanlar için açıklık; gereksiz kişisel bilgi toplamaktan kaçının.

Şablonlar ve promptlar (sürdürme yapabilirseniz)

İndirilebilir promptlar faydalı olabilir, ancak sadece güncel tutabiliyorsanız yayınlayın. Yayınlarsanız, son güncelleme tarihini etiketleyin, hangi model/araçla test edildiğini not edin ve çalışmayı bıraktığında bildirmenin kolay bir yolunu sağlayın.

Sınırları ve Belirsizliği Açıkça Açıklayın

İnsanların belirsizliği anlaması için matematik dersi gerekmez—onlara açık ve tutarlı söylemeniz yeterlidir. Yararlı bir çerçeve: yapay zeka sistemi, verideki desenlere dayanarak muhtemel çıktılar tahmin eder; bir insan gibi “bilir” değil. Bu fikir, model kendinden emin görünse bile birçok karışıklığı önler.

Açıklanması gereken yaygın sınırlamalar (abartmadan)

Günlük dille nasıl başarısız olabileceğini net şekilde yazın:

• Hatalar ve uydurmalar: Sesli doğru görünen ama yanlış veya uydurma bir yanıt oluşturabilir.
• Veri boşlukları: Eğitim verileri bir şeyi içermediyse veya nadirse çıktı eksik veya önyargılı olabilir.
• Bağlam sınırları: Nüansı kaçırabilir, niyeti yanlış anlayabilir veya uzun/ambigü bağlamda önemli detayları kaybedebilir.
• Eski veya kısmi bilgi: En son olayları, politika değişikliklerini veya şirkete özgü bilgileri içermeyebilir.

İyi bir site bu sorunları küçük yazıda saklamaz. Etkilediği özellikle sayfaların yanına koyun (örn. “özetleme” veya “soru-cevap” sayfalarında uydurmalarla ilgili not).

Belirsizliği basit terimlerle açıklayın

“Sistem, öğrendiği desenlere dayalı olarak bir sonraki en olası kelimeleri seçer” gibi ifadeler kullanın. Sonra bunun ne anlama geldiğini ekleyin: “Bu, kendinden emin görünebileceği halde yanlış olabileceği anlamına gelir.” Güven skorları veya “yanlış olabilir” etiketleri gösteriyorsanız, kullanıcıların ne yapması gerektiğini açıklayın (çift kontrol, kaynak iste, güvenilir referanslarla karşılaştırma).

Yüksek riskli durumlarda uyarılar ekleyin

Siteniz AI’yı kararlar için öneriyorsa, tıbbi, hukuki ve finansal kullanımlar için açık bir uyarı bloğu ekleyin: AI çıktısı profesyonel tavsiye değildir, kritik detayları atlayabilir ve nitelikli bir uzman tarafından gözden geçirilmelidir. Muğlak uyarılardan kaçının—riskleri adlandırın (yanlış teşhis, uyumluluk sorunları, hatalı vergi rehberi).

Kolay okunur “İyi için / İçin uygun değil” tablosu

Güveni Şeffaflık ve Güvenlik Notlarıyla İnşa Edin

İnsanların ürününüzü güvenle kullanabilmesi için her teknik detayı anlaması gerekmez; ancak “Verilerime ne oluyor?” ve “Bunu nasıl güvende tutuyorsunuz?” sorularına net, somut cevaplar gerekir. Güveni birinci sınıf bir unsur yapın—küçük yazı olmasın.

Basit bir şeffaflık sayfası yayınlayın

Ne topladığınızı, ne toplamadığınızı ve nedenini açıklayan okunabilir bir sayfa oluşturun. Yaygın girdilere örneklerle somut tutun.

Şunları ekleyin:

• Hangi verileri topladığınız (ör. promptlar, hesap e‑postası, cihaz bilgisi) ve her birinin amacı
• Ne kadar süre saklandığı ve silme talebi nasıl yapılır
• Verinin sistemi iyileştirmek için kullanılıp kullanılmadığı (ve varsa nasıl opt‑out olunacağı)
• Gizlilik sayfanızı nerede bulacakları: /privacy (site boyunca tutarlı şekilde atıf yapın)

Aşırı söz vermeden güvenlik önlemlerini açıklayın

Uzman olmayanlar genellikle AI çıktısının “doğrulanmış” olduğunu varsayar. Dikkatli olun. Güvenlik önlemlerinizi yüksek seviyede ama spesifik olacak şekilde anlatın—mükemmel koruma izlenimi vermeyin.

Eklenebilecek güvenlik notları:

• Zararlı veya yasak içeriği azaltmak için moderasyon
• Hassas iş akışlarında insan denetimi adımları (varsa)
• Hız sınırlamaları, izleme ve kötüye kullanım önleme
• Sistem hâlâ yanlış yapabilir—kullanıcıların neyi nasıl çift kontrol edeceğini açıklayın

Sorumlu kullanım yönergeleri ve yükseltme yolları ekleyin

Kullanıcılara kısa bir “İyi kullan” bölümü verin: uygun senaryolar, kırmızı bayraklar ve yükseltme yolları:

• Güvenli olmayan veya yanlış çıktıları rapor etme yolu
• Bir karar için aracı kullanmayı durdurma zamanları (örn. tıbbi, hukuki, finansal)
• Acil sorunlar için destekle nasıl iletişim kurulacağı

Kolay taranabilen güvenilirlik sinyalleri gösterin

İnsanlar ürünün arkasında kim olduğunu ve nasıl yönetildiğini gördükçe güven artar. Şunları ekleyin:

• İlgili deneyime sahip ekip biyografileri
• Kısa metodoloji notları: veri kaynakları (yüksek seviyede), değerlendirme yaklaşımı, bilinen sınırlamalar
• Önemli güncellemeleri kaydeden bir değişiklik günlüğü (model değişiklikleri, politika güncellemeleri, yeni güvenlik önlemleri)

Şeffaflık tutarlı ve spesifik olduğunda, yapay zeka açıklamalarınız pazarlamadan ziyade güvenilir rehberlik gibi görünür.

Karışıklığı Azaltan Bir Sözlük ve SSS Ekleyin

Sözlük ve SSS, terimleri bilmeyen okuyucular için destek tekerlekleri gibi çalışır. Uzmanların da tanımlarda aynı dili kullanmasını sağlar, böylece aynı kelime farklı anlamlarda kullanılmaz.

İnsanların gerçekten kullanacağı bir sözlük oluşturun

Girişleri kısa, somut ve bilgisayar bilimi eğitimi almamış biri için yazın. Öncelikle sık karşılaşılan terimlerle başlayın:

• Model: Verilerden öğrendiği desenlere dayanarak sonuç üreten “motor”.
• Prompt: Modele verdiğiniz girdi (bir soru, talimat veya örnek).
• Training: Modelin çok sayıda veri kullanarak kendini ayarladığı öğrenme aşaması.
• Bias: Çıktılarda belirli grupları veya görüşleri dezavantajlı kılabilecek sistematik sapma.
• Context window: Modelin tek seferde “akılda tutabildiği” metin miktarı.

Her girişin altına küçük bir satır ekleyin: “Şunu da duyabilirsiniz…” ve karışıklığı önlemek için yaygın eşanlamlıları listeleyin, örn.:

• Model → “AI system,” “LLM,” “engine”
• Prompt → “instruction,” “input,” “query”
• Training → “learning,” “fine-tuning”
• Bias → “skew,” “unfairness,” “systematic error”
• Context window → “memory limit,” “token limit”

Gerekli anda bilgi veren tooltip’ler kullanın

Yetenek sayfalarında terimler ilk geçtiğinde kısa tooltip’ler ekleyin. Bir cümleyle sınırlı tutun ve jargon kullanmayın. Tooltip’ler:

• Okumayı bölmesin (dokun/hover ile açılmalı)
• Bir örnek içersin (“Bir prompt olabilir: ‘Bu e-postayı 3 maddeyle özetle.’”)
• Sözlükteki ifadeyle tutarlı olsun

Yanlış anlamaları azaltan bir SSS yazın

SSS, insanların zaten merak ettiği veya endişelendiği şeyleri yanıtlamalı. Eklenmesi gereken iyi sorular:

• “AI şu anda interneti mi arıyor?” Ne zaman aradığı/aramadığı açıklanmalı.
• “İnsan gibi anlıyor mu?” Veri desenlerine dayalı üretim ile insan anlayışı arasındaki fark açıklanmalı.
• “Neden kendinden emin görünür ama yanlış olabilir?” Belirsizlik ve uydurmalar sadece anlatılmalı.
• “Verilerim modeli eğitmek için kullanılıyor mu?” “cevap vermek için kullanma” ile “sistemi iyileştirmek için kullanma” ayrılmalı.
• “Önyargılı olabilir mi?” Önyargının nasıl ortaya çıkabileceği ve azaltma çabalarınız açıklanmalı.

Sözlük + SSS kolay bulunur ve tutarlı olduğunda, okuyucular terimleri çözmek yerine AI’nın gerçekte neler yapabildiğini öğrenmeye odaklanır.

Okunabilirlik, Erişilebilirlik ve Mobil İçin Tasarlayın

Yapay zekayı iyi açıklayan bir site rahat okunmalı. İnsanlar alışılmadık kavramları öğrenirken tasarım yükü azaltmalı, artırmamalıdır.

Okumayı rahat hale getirin

Tipografi ve boşluk seçimleri anlaşılırlığı desteklemeli:

• Okunabilir bir yazı boyutu kullanın (gövde metni genellikle 16–18px veya daha büyük) ve bol satır aralığı.
• Satır uzunluğunu gözünüzün kaybolmaması için kısa tutun (yaklaşık 45–80 karakter/satır).
• Metin ile arka plan arasında yüksek kontrast tercih edin, önemli metni karmaşık desenlerin üstüne koymayın.

Yoğun fikirleri kısa paragraflara bölün ve her bölümün amacını belirten açık başlıklar kullanın. Bir terim tanıtmanız gerekiyorsa, devam etmeden önce bir çağrı kutusunda bir cümleyle tanımlamayı düşünün.

Gezinmeyi açık ve sayfaları taranabilir yapın

Uzman olmayanlar genellikle önce tarar, sonra ne okunacağına karar verir.

Tutarlı sayfa desenleri kullanın: net başlık, bir paragraflık “burada ne öğreneceksiniz” ve açıklayıcı alt başlıklarla yapılandırılmış bölümler. Gezinti öngörülebilir olsun (üst menü + breadcrumbs veya görünür “Genel bakışa geri” gibi). Ana sayfaların gizli kalmasına neden olacak yaratıcı etiketlerden kaçının.

Çağrı kutuları işe yarar ama amaçlı kullanın—“Ana çıkarım”, “Yaygın yanlış anlama” veya “Bu promptu dene” gibi; aynı noktayı tekrar etmek için değil.

Erişilebilirliği kontrol listesi yerine çekirdek kabul edin

Erişilebilirlik iyileştirmeleri herkes için faydalıdır, özellikle mobilde veya gürültülü ortamlarda.

Şunları sağlayın:

• Tam klavye navigasyonu (görünür fokus durumları, mantıklı tab sırası)
• Diyagramlar, simgeler ve UI ekran görüntüleri için anlamlı alt metin (resmin kendisi değil, ilettiği mesaj açıklanmalı)
• Herhangi bir ses/video içeriği için altyazı veya transcript ve kontroller için okunabilir etiketler

Diyagramlar ve örnekler için önce mobil tasarlayın

AI açıklamaları genellikle akış ve karşılaştırmalara dayanır—bunlar küçük ekranlarda bozulabilir.

Adım adım iş akışları için üst üste kartlar, tanımlar ve SSS için akordiyonlar, yan yana karşılaştırmaları dikey “Önce” sonra “Sonra”ya çevirin. Dokunma hedeflerini büyük tutun ve hassasiyet gerektiren etkileşimlerden kaçının (ör. küçük hover-only tooltip’ler).

Yardımcı CTA’lar ve Sürekli Güncellemelerle Sonraki Adımları Yönlendirin

İyi bir yapay zeka açıklayıcı “Artık her şeyi biliyorsun” demekle bitmez. İnsanların bir sonraki adımı seçmesine yardımcı olur—herkesi aynı eyleme itmeden.

CTA’ları ziyaretçi niyetiyle eşleştirin

Küçük, net eylem çağrıları sunun; her biri farklı bir amacı hedeflesin:

• Daha fazla öğren: “5 dakikalık özet”, “Gerçek kullanım örnekleri”, “Sözlüğe göz at”
• Demo dene: “Örnek promptu test et”, “Örnek dosya yükle”, “Önce/sonra karşılaştır”
• Bizimle konuş: “Bir soru sor”, “Bir yürütme isteği talep et”, “Kullanım durumunuzu tartışın”

Metni somut tutun: ne alacakları, ne kadar süreceği ve ne sağlamaları gerektiği.

Eğer uygulamalı bir yol sunuyorsanız, deneyerek öğrenenler için “Örnek uygulama oluştur” CTA’sını düşünebilirsiniz. Koder.ai gibi platformlar kısa bir sohbet özünden çalışan bir web deneyimi (React ön yüzü, Go/PostgreSQL arka uç) üretebilir; bu, bilgi mimarinizi, demolarınızı ve içerik akışlarınızı hızlıca doğrulamak için kullanışlıdır ve hazır olduğunuzda kaynak kodu dışa aktarmanıza imkan verir.

Yeni başlayanlar ve ileri düzey okuyucuları farklı yönlendirin

Uzmanları zorla başlangıç içeriğinden geçirip zaman kaybettirmeyin—başlangıç düzeyindekileri teknik kısır döngülere sokmayın. Basit “yollar” kullanın, örn:

• AI’ye yeni misiniz? Tanımlar, basit girdi–çıktı açıklaması ve yaygın tuzaklarla başlayın.
• İşe değerlendirme amaçlı mı bakıyorsunuz? Yetenekler, sınırlamalar, gizlilik notları ve uygulama gereksinimlerine atlayın.
• Zaten tekniksiniz? Açılabilir bölümlerde daha derin detay verin: veri formatları, kısıtlar, değerlendirme yöntemleri.

Bu, önemli sayfaların üst kısmına iki buton koymak kadar basit olabilir (“Öğreniyorum” vs “Değerlendiriyorum”).

İletişim ve taleplerde beklenti belirleyin

Form varsa, neye ihtiyacınız olduğunu (ör. örnek dosyalar, sektör, hedef, kısıtlar) ve sonrasında ne olacağını söyleyin. Eğer mümkünse ekleyin:

• Tahmini yanıt süresi
• Kim yanıtlıyor (satış, destek, çözümler)
• Ne yapmayacağız (örn. “Gizli verileri yapıştırmayın”)

Güncellemeleri ürün gibi planlayın

Yapay zeka bilgisi hızla eskir. Bir sahibi atayın, gözden geçirme sıklığı belirleyin (aylık veya çeyreklik) ve basit sürüm notları ekleyin (“Son gözden geçirme: Ay YYYY” ve “Ne değişti”) ki okuyucular içeriğin güncel olduğuna güvensin.

Eğer açıklayıcınız interaktif demo veya araç deneyimiyle bağlıysa, güncellemeleri yazılım sürümleri gibi yönetin: değişiklikleri izleyin, net bir geri alma seçeneği sağlayın ve ne değiştiğini belgelendirin. (Hızlı iterasyon yaparken anlık görüntüler ve geri alma gibi özellikler Koder.ai gibi araçlarda riski azaltmaya yardımcı olur.)