Yapay zekâ ile içerik üretimi ve Google'ın yaklaşımı

Bir pazarlama ekibi üç ayda kırk blog yazısı yayımladı. Metinlerin çoğu yapay zekâyla taslaklandı, hızlıca gözden geçirildi ve sıraya kondu. İlk haftalarda trafik grafiği yukarı gitti, sonra düzleşti, ardından yavaşça aşağı döndü. Ekip lideri toplantıda tek bir soru sordu: "Google yapay zekâ içeriğini cezalandırıyor mu?" Kısa cevap hayır. Ama o kırk yazının yarısı birbirinin farklı kelimelerle yazılmış hâliydi, hiçbirinde şirketin kendi verisi geçmiyordu ve üçünde açıkça yanlış bilgi vardı. Sorun üretim yöntemi değildi; sorun ortaya çıkan şeydi.

Bu yazı o ayrımı işleyen bir düzene çeviriyor: Google'ın açıkladığı çerçevenin özü, yapay zekânın hangi işlerde gerçekten iyi hangilerinde kötü olduğu, insan katkısının nereye ekleneceği, olgu doğrulama akışı, yayın öncesi kalite kapısı ve ölçek büyürken kaliteyi düşürmeyen ekip düzeni. Amaç yapay zekâdan kaçınmak değil; ölçekle kaliteyi aynı anda elde tutmak.

Özgün katkıDoğrulanmış bilgiNet yazımYöntem değil, faydaİçerik kalitesi

Google'ın çerçevesi: yöntem değil, sonuç

Arama tarafındaki temel ilke sade: içeriğin makine yardımıyla mı yoksa tamamen elle mi yazıldığı başlı başına bir sıralama kriteri değil. Otomasyon uzun süredir hayatımızda; maç skorları, hava durumu bültenleri, finansal özetler yıllardır sistemler tarafından üretiliyor ve yararlı oldukları sürece kimse rahatsız olmuyor. Sorun edilen şey otomasyonun kendisi değil, arama sıralamasını manipüle etmek amacıyla yapılan kitlesel üretim.

Fark ince görünür, pratikte çok belirgindir. Aynı konuyu birbirine yakın otuz uzun kuyruk sorgusu için yeniden yazan bir sistemin amacı okura hizmet etmek değil, sonuç sayfasında yer kaplamaktır. Buna karşılık müşteri görüşmelerinizden çıkmış bir soruyu kendi süreç detaylarınızla, ekibinizin görüşüyle ve gerçek bir örnekle cevaplayan yazı, taslağı yapay zekâ yazmış olsa bile okura elle tutulur bir şey verir. Ölçüt niyet ve sonuçtur; klavyeyi kimin tuttuğu değil.

Rehberliğin özü üç soruda

Yayımlanan rehberliğin özü üç soruda toplanabilir. İçerik öncelikle insanlar için mi üretildi, yoksa arama motoruna yem olsun diye mi? Okuyan kişi aradığını bulup memnun ayrılıyor mu, yoksa geri dönüp başka sonuca mı tıklıyor? Metin, aynı konudaki diğer sayfalarda bulunmayan bir şey içeriyor mu? Bu üçüne rahatlıkla "evet" diyebiliyorsanız hangi aracı kullandığınız ikinci plandadır.

Çerçevenin ikinci yarısı da en az ilki kadar önemli: içerik birincil amacı arama sıralaması olan bir üretim hattından çıkıyorsa, insan eliyle yazılmış olsa dahi aynı riski taşır. Yıllardır ucuza toplu metin sipariş edip yayına basan siteler de aynı yerde tökezliyordu. Yapay zekâ bu üretim hattını sadece ucuzlattı ve hızlandırdı; mantığını değiştirmedi. Dolayısıyla doğru soru "yapay zekâ kullanayım mı?" değil, "ürettiğim sayfa var olmayı hak ediyor mu?" olmalı.

Arama motoru metni kimin yazdığını bilmez; okurun o sayfadan memnun ayrılıp ayrılmadığını bilir.

E-E-A-T yapay zekâ çağında ne anlama geliyor

E-E-A-T; deneyim, uzmanlık, otorite ve güvenilirlik demek. Doğrudan ölçülen bir puan değil, kalite değerlendiricilerin ve sistemlerin baktığı sinyallerin ortak adı. Yapay zekâ bu dördünden üçünü kısmen taklit edebilir: bir konuyu uzman gibi anlatabilir, otoriter bir üslupla yazabilir, kaynakları düzgün biçimde sıralayabilir. Taklit edemediği tek şey deneyimdir.

Deneyim, en zor kopyalanan bileşen

Bir modelin asla bilemeyeceği şeyler var: sizin sekiz haftalık kurulum sürecinizde nerede tıkandığınız, hangi müşterinizin hangi itirazı ilk toplantıda dile getirdiği, ekibinizin bir aşamayı neden kaldırdığı. Bu ayrıntılar yazının içine girdiğinde metin bir anda ayrışır; hem okur için hem sistemler için. Deneyim aktarmanın en somut yolları şunlar: kendi panonuzdan çıkan bir bulgu, adı verilmeden anlatılan bir müşteri vakası, bir denemenin başarısız sonucu, sektöre özgü bir nüans, karşı argüman.

Yapay zekânın iyi ve kötü olduğu işler

Yapay zekâyı bir yazar gibi değil, çok hızlı çalışan bir editör asistanı gibi düşünün. Formu, yapıyı ve dili işlemekte çok iyi; olguyu, güncelliği ve tecrübeyi üretmekte kötü. Bu ayrımı ekip içinde net kurallara bağladığınızda kalite tartışması kişisel zevk meselesi olmaktan çıkar.

Yapay zekâya güvenle verilebilir	İnsanda kalmalı
Taslak çıkarma ve iskelet kurma	Özgün deneyim ve saha gözlemi
Yeniden yazım, sadeleştirme, özetleme	Güncel olgular ve tarih bilgisi
Çeviri ve yerelleştirme ilk geçişi	Sayısal iddialar ve karşılaştırmalar
Başlık ve meta açıklama varyantları	Sektörel nüans ve mevzuat yorumu
SSS üretimi, tablo ve veri düzenleme	Nihai karar, ton ve yayın onayı

Çeviri tarafında ek bir uyarı gerekir: ilk geçiş hızlıdır ama yerel deyimler, para birimi ve mevzuat referansları neredeyse her zaman elle düzeltme ister. Aynı şey uzun teknik listeler için de geçerli; model listeyi güzelce biçimlendirir, içindeki bir maddenin artık geçerli olmadığını fark etmez.

İnsan katkısını nereye eklemelisiniz

Bir metni "yapay zekâ yazmış" olmaktan çıkaran şey cümleleri değiştirmek değil, içine sizden başka kimsenin koyamayacağı malzemeyi koymaktır. Katkıyı rastgele serpiştirmek yerine belirli yerlere yerleştirin.

• Kendi veriniz: CRM raporunuzdan çıkan bir eğilimi, hangi aşamada fırsatların en çok beklediğini veya hangi kanalın en hızlı yanıt aldığını anonim biçimde paylaşın.
• Müşteri örneği: Gerçek bir vakayı isim vermeden, başlangıç durumu ve alınan aksiyonla birlikte iki üç cümlede anlatın.
• Ekip görüşü: Satış veya destek ekibinizden bir kişinin konuya dair net bir cümlesini alıntılayın; bu tek cümle bile metnin sesini değiştirir.
• Süreç detayı: "Nasıl yapılır" bölümüne kendi akışınızdan gerçek adımları, kullandığınız kontrol noktalarını ve tıkanma noktalarını ekleyin.
• Karşı argüman: Yaklaşımın işe yaramadığı durumu açıkça yazın; tek taraflı metinler hem okurda hem sistemlerde güven kaybettirir.

Halüsinasyon ve olgu doğrulama akışı

Modeller emin bir üslupla yanlış konuşabilir. En tehlikeli hata türü de budur, çünkü metin akıcı olduğu için gözden kaçar. Uydurulmuş bir istatistik, var olmayan bir rapor adı, yanlış atfedilmiş bir alıntı ya da güncelliğini yitirmiş bir kural, yazınızın tamamının güvenilirliğini götürür. Yapay zekânın ne zaman ve neden yanıldığını, çıktıyı hangi yöntemlerle test edeceğinizi halüsinasyonu tanımak ve AI çıktısını doğrulamak yazısında adım adım ele alıyoruz.

İzlenebilirlik: her iddianın bir sahibi olsun

Pratik bir kural koyun: metindeki her sayısal iddia, her tarih ve her "araştırmalar gösteriyor" cümlesi ya birincil kaynağa bağlanır ya da metinden çıkar. Kaynak gösterirken ikinci elden aktaran haber sitesine değil, veriyi üreten kuruma bağlanın. Doğrulanamayan bir rakamı yumuşatarak tutmaya çalışmayın; rakamı silip mekanizmayı anlatmak her zaman daha güçlü bir metin üretir. Yazı içi kaynakların bağlantılarını yayın öncesi tek tek açın, çünkü model bazen gerçek bir kurumun adını uydurma bir adresle birleştirir.

Marka sesi: ölçek büyüdükçe tutarlılık

Ayda dört yazı yayımlarken üslup farkı göze batmaz; ayda kırk yazıda batar. Yapay zekâ varsayılan hâlde nötr, hafif abartılı ve herkese benzeyen bir ses üretir. Bunu düzeltmenin yolu her seferinde tek tek uğraşmak değil, modele çalışırken referans verdiğiniz bir üslup rehberi tutmaktır: hitap biçimi, cümle uzunluğu tercihi, kullanılmayacak kalıplar, örnek paragraflar. Marka sesi ve ton rehberi yazısında bu belgeyi nasıl oluşturacağınızı anlatıyoruz; hazırladığınız rehberi taslak isteklerinizin başına eklemek, düzeltme süresini gözle görülür biçimde kısaltır.

Aynı mantık istek metinlerinde de geçerli. Yazara ne istediğinizi net söylemeden iyi metin çıkmıyorsa, modele de çıkmaz. Hedef okur, cevaplanacak sorular, kaçınılacak konular ve zorunlu iç linkler önceden tanımlanmalı. İyi hazırlanmış bir görev tanımı, model çıktısında en çok fark yaratan tek girdidir; ekipler genelde çıktıyı düzeltmeye harcadıkları zamanı burada geri kazanır.

Yayın öncesi kalite kapısı

Kalite, iyi niyetle değil kapıyla korunur. Yayın butonuna basmadan önce her yazının geçmesi gereken kısa bir kontrol listesi kurun ve istisnasız uygulayın. Liste uzadıkça uygulanmaz; dört maddede tutun.

• Özgün katkı: Bu yazıda, aynı konudaki ilk beş sonuçta bulunmayan en az bir şey var mı? Yoksa yayımlamayın, güçlendirin.
• Doğrulama: Tüm sayısal iddialar, tarihler ve isimler kaynağa bağlandı mı, bağlantılar açılıyor mu?
• İç linkleme: Yazı, sitenizdeki ilgili sayfalara doğal cümleler içinde bağlanıyor mu ve kendi kümesindeki ana sayfaya işaret ediyor mu?
• Okunabilirlik: Başlıklar tek başına okunduğunda konuyu anlatıyor mu, paragraflar nefes alıyor mu, gereksiz sıfatlar temizlendi mi?

Bu kapı, yazının teknik SEO tarafındaki temel işleriyle birlikte çalışır. Başlık yapısı, arama niyeti eşleştirmesi ve metin içi düzen konusunda SEO uyumlu blog yazısı nasıl yazılır yazısı; hangi konuları hangi sırayla ele alacağınız konusunda ise anahtar kelime araştırması yazısı ayrı ayrı rehber niteliğinde.

Ölçeğin gerçek riski: aynılaşma ve kanibalizasyon

Yapay zekâyla üretim yapan ekiplerin başına gelen en yaygın zarar ceza değil, kendi kendini yiyen bir içerik yığınıdır. Model benzer isteklere benzer iskeletler kurar. Üç ay sonra elinizde aynı konuyu farklı başlıklarla anlatan sekiz yazı olur; hiçbiri diğerinden ayrışmaz, arama motoru hangisini öne çıkaracağını bilemez ve hepsinin performansı düşer. Buna kanibalizasyon denir ve tedavisi birleştirmedir.

Önleyici yöntem basit: her yeni yazıdan önce site içi aramayla aynı konunun daha önce ele alınıp alınmadığına bakın. Ele alınmışsa yeni yazı açmak yerine mevcut yazıyı güncelleyin. Bir konuyu farklı formatlara taşımak istiyorsanız yeni metin üretmek yerine içeriği yeniden kullanma yaklaşımını tercih edin; aynı bilgiyi videoya, e-postaya ve sosyal karta dönüştürmek, sekizinci benzer blog yazısını yazmaktan çok daha verimli.

Dedektörler, telif ve görseller

"Yapay zekâ dedektörü" iddiasındaki araçlar güvenilir değil. Sade ve düzgün yazan insan metinlerini makine üretimi diye işaretleyebiliyor, elden geçmiş model çıktısını ise temiz gösterebiliyorlar. Bu araçların skorunu hedef hâline getirmek, ekibinizi metni yapay biçimde bozmaya iter; bu da okur deneyimini düşürür. Arama tarafında da böyle bir skor kriter değil. Ölçmeniz gereken şey dedektör puanı değil, yazının okura ne kattığı.

Telif tarafında iki başlık dikkat ister. Birincisi, modele başkasının metnini verip "yeniden yaz" demek özgün içerik üretmez; kaynak metnin yapısı ve fikirleri korunur. İkincisi, görsellerde kullandığınız aracın lisans koşulları ile marka ve kişi haklarına dikkat edin. Kreatif üretiminde nelerin serbest, nelerin riskli olduğunu yapay zekâ ile görsel üretimi yazısında ayrıntılandırıyoruz.

Yapay zekâ aramaları için yazmanın ek gereklilikleri

Cevabı doğrudan sonuç sayfasında üreten sistemler, alıntılanabilir metinleri tercih ediyor. Bu da yazım tarafında birkaç ek gereklilik doğuruyor: her bölümün başında sorunun net cevabını vermek, tanımları tek cümlede kapatmak, listeleri ve tabloları makinenin ayıklayabileceği biçimde kurmak, iddiaları kaynağa bağlamak. Uzun girişlerden sonra gelen cevaplar bu sistemlerde geri planda kalıyor.

Trafik tarafında da yeni bir denge var; tıklama olmadan cevap alan kullanıcı sayısı artıyor. Bu değişimin küçük ve orta ölçekli işletmeler için ne anlama geldiğini AI Overviews ve sıfır-tıklama araması yazısında, üretken arama sistemlerinde görünür olmanın yöntemlerini ise GEO nedir yazısında ele alıyoruz.

Ekip düzeni, ölçüm ve yaygın hatalar

İşleyen düzen genelde şöyle kuruluyor: brief'i konuyu bilen kişi yazıyor, taslağı model çıkarıyor, konu uzmanı deneyim ve veri ekliyor, editör olguları doğrulayıp üslubu düzeltiyor, son onayı içerik sorumlusu veriyor. Roller net olduğunda "bunu kim kontrol edecekti" boşluğu kapanır. Ekibin hangi araçları hangi verilerle kullanabileceğini de yazılı hâle getirin; müşteri verisinin modele girip girmeyeceği gibi konular şirket içi yapay zekâ kullanım politikası yazısının konusu.

Ölçüm tarafında yayın sonrası ilk seksen doksan gün belirleyici. Sayfa başına gösterim, tıklama oranı ve sayfada kalma eğilimini birlikte okuyun; gösterim var ama tıklama yoksa sorun başlık ve meta açıklamada, tıklama var ama etkileşim yoksa sorun içeriğin kendisindedir. Güncelleme ritmini de baştan kurun: performansı düşen yazıyı silmek yerine altı ayda bir gözden geçirip veriyi tazelemek, yeni yazı üretmekten daha yüksek getirili bir iş. Yayın performansını ve içerikten gelen formların akıbetini tek panoda görmek isterseniz, Rocketly'nin Marketing Hub tarafındaki Search Console ve GA4 bağlantıları ile özel rapor oluşturucusu bu takibi tek yerde toplar; formdan gelen kayıtlar da doğrudan fırsat kaydına düşer.

En sık görülen üç hata şunlar: taslağı olduğu gibi yayımlamak, aynı konuyu farklı başlıklarla tekrar tekrar üretmek ve doğrulamayı "sonra yaparız" diye ertelemek. Üçü de aynı yerden besleniyor; hızın kendisini hedef sanmak. Yapay zekâ size zaman kazandırdığında o zamanı yeni metin üretmeye değil, mevcut metni derinleştirmeye harcayın. İçerikten gelen ilgiyi fırsata çevirecek düzeni de kurmak istiyorsanız Rocketly hesabınızı açıp formlarınızı, ortak gelen kutunuzu ve raporlarınızı aynı yerde birleştirebilirsiniz.