Yapay zekâ teknolojileri, günlük yaşamdan iş dünyasına kadar pek çok alanda insanların bilgiye ulaşma biçimini değiştiriyor. Birkaç saniye içinde soruları yanıtlayan, uzun metinleri özetleyen ve karmaşık konuları açıklayan sohbet botları, milyonlarca kişinin başvurduğu dijital araçlar arasında yer alıyor. Ancak hızlı yanıt vermek, her zaman doğru bilgi sunmak anlamına gelmiyor. Yeni bir araştırma, dünyanın en çok kullanılan yapay zekâ sistemlerinden bazılarının önemli doğruluk sorunları yaşayabildiğini ortaya koydu.
ChatGPT, Claude, Gemini, DeepSeek ve Grok üzerinde gerçekleştirilen inceleme, bu sistemlerin yalnızca yanlış bilgi üretme ihtimaline değil, aynı zamanda güncel gelişmeleri takip etme ve aynı soruya istikrarlı yanıtlar verme konusundaki eksikliklerine de dikkat çekti. Araştırmada bazı cevapların eski istatistiklere dayandığı, bazı hesaplamaların yanlış sonuç verdiği ve kimi yanıtların ise önemli ayrıntıları göz ardı ettiği belirlendi.
Ortaya çıkan tablo, yapay zekânın bilgiye erişimde sağladığı kolaylıklara rağmen neden kontrol edilmeden kullanılmaması gerektiğini bir kez daha gündeme taşıdı. Özellikle ekonomik haklar, kamu yardımları, seçim kuralları, siyasi gelişmeler ve değişen mevzuat gibi insanların günlük yaşamını doğrudan etkileyen konularda hatalı yanıtların ciddi sonuçlar doğurabileceği değerlendiriliyor.
Araştırmanın odağında beş popüler yapay zekâ sistemi vardı
Yapay zekâ araçlarının doğruluğunu inceleyen çalışma, İngiltere merkezli doğrulama kuruluşu Full Fact tarafından yürütüldü. Araştırmacılar, farklı şirketler tarafından geliştirilen beş sohbet botunun performansını belirli bir zaman aralığında karşılaştırdı. Amaç, bu sistemlerin yalnızca bir defaya mahsus verdikleri yanıtları değerlendirmek değil, aynı sorular tekrar sorulduğunda nasıl davrandıklarını da gözlemlemekti.
Çalışma kapsamında temmuz ayının ortalarından itibaren yaklaşık 10 hafta boyunca her gün aynı sorular yapay zekâ modellerine yöneltildi. Toplam 22 soru üzerinden gerçekleştirilen incelemede yanıtların doğruluğu, güncelliği ve kendi içindeki tutarlılığı ele alındı.
Test edilen sistemler arasında ChatGPT, Claude, Gemini, DeepSeek ve Grok yer aldı. Bu araçlar, farklı özellikleri ve kullanım alanlarıyla öne çıksa da araştırmanın temel sorusu hepsi için aynıydı: Kullanıcıların gerçek dünyaya ilişkin sorularına verilen yanıtlar ne kadar güvenilir?
Sorular arasında oy kullanırken kimlik belgesine ihtiyaç duyulup duyulmadığı ve 2026 yılının ilk yarısında İngiltere’ye küçük teknelerle kaç göçmenin ulaştığı gibi güncel bilgi gerektiren başlıklar bulunuyordu. Böylece modellerin hem belirli kurallara ilişkin bilgileri hem de zaman içinde değişen istatistikleri nasıl ele aldığı incelendi.
Araştırmanın sonuçları, yapay zekâ araçlarının her durumda başarısız olduğu anlamına gelmiyor. Raporda sistemlerin çoğu zaman doğru yanıtlar ürettiği ve yerleşik yanlış bilgilere karşı genel olarak direnç gösterebildiği de belirtildi. Asıl sorun, doğru yanıtların yanında yanlış, eksik veya güncelliğini kaybetmiş bilgilerin de güven veren bir anlatımla sunulabilmesiydi.
Bu durum, kullanıcıların bir cevabın doğruluğunu yalnızca anlatım biçimine bakarak değerlendirmesini zorlaştırıyor. Akıcı cümleler, düzenli açıklamalar ve kesin ifadeler, verilen bilginin mutlaka doğrulanmış olduğu anlamına gelmiyor.
Araştırmanın öne çıkan yönlerinden biri de tekrar test yöntemiydi. Aynı soruların farklı günlerde yeniden yöneltilmesi, modellerin bilgiye yaklaşımında değişiklikler yaşanabildiğini gösterdi. Böylece yalnızca tek bir yanlış yanıt değil, bir soruya verilen cevapların zaman içinde ne ölçüde değişebildiği de inceleme konusu oldu.
Yapay zekâ şirketleri modellerini sürekli güncellediği, farklı bilgi kaynaklarından yararlandığı veya soruları farklı biçimlerde işlediği için yanıtlar değişebilir. Ancak bu değişikliklerin kullanıcı açısından anlaşılır olması ve güncel bilgilerin güvenilir kaynaklarla desteklenmesi, teknolojinin daha sağlıklı kullanılabilmesi bakımından önem taşıyor.
Güncel olmayan veriler ve hatalı hesaplamalar dikkat çekti
Araştırmada öne çıkan sorunlardan biri, bazı yapay zekâ sistemlerinin güncel istatistiklere ulaşmak yerine eski verileri kullanması veya mevcut rakamlardan kendi hesaplamalarını yaparken hata üretmesiydi. Bu tür yanlışlıklar, özellikle belirli bir tarih aralığına ilişkin sayısal bilgi istendiğinde daha belirgin hâle gelebiliyor.
İngiltere’ye küçük teknelerle gelen göçmenlerin sayısına ilişkin soru, bu soruna örnek gösterildi. Modellerden 2026 yılının ilk altı ayına ait toplamın belirlenmesi istendi. Çoğu sistem uygun rakamlara ulaşsa da Gemini’nin 4 Ağustos’ta verdiği yanıtta tarih aralığının yanlış ele alındığı tespit edildi.
İncelemede, 1 Ağustos itibarıyla açıklanan 14 bin 526 kişilik toplamdan temmuz ayında kaydedilen 2 bin 316 kişinin çıkarılmasıyla 12 bin 210 sonucuna ulaşıldığı belirtildi. Ancak bu işlem, yalnızca aritmetik açıdan değerlendirildiğinde doğru görünse de verilerin kapsadığı tarihler bakımından sorun taşıyordu.
Çünkü hesaplamada 1 Ağustos tarihinin kapsam dışında tutulması gerektiği yeterince dikkate alınmamıştı. Böylece ortaya çıkan sonuç, soruda istenen dönemi kesin biçimde karşılamayan bir sayı hâline geldi.
Bu örnek, yapay zekâ sistemlerinin sayısal işlemleri nasıl ele aldıkları konusunda önemli bir noktaya işaret ediyor. Bir işlem matematiksel olarak doğru yapılmış olsa bile kullanılan verilerin tarihleri, kapsamı ve tanımları yanlış yorumlandığında sonuç yanıltıcı olabilir. Dolayısıyla istatistiksel bir yanıtın doğruluğu, yalnızca toplama veya çıkarma işleminin doğru yapılmasına bağlı değil.
Bir başka örnek ise İngiltere’nin futbol başarılarıyla ilgili soruda görüldü. Sohbet botlarına ülkenin en son ne zaman büyük bir futbol kupası kazandığı sorulduğunda, bazı modeller kadın millî takımının Avrupa Şampiyonası zaferine işaret ederek 2025 yanıtını verdi. Ancak aynı sistemlerin başka günlerde 2022 cevabını sunduğu da kaydedildi.
Buradaki sorun, yalnızca yanlış bir yılın belirtilmesi değildi. Aynı soruya farklı zamanlarda farklı cevaplar verilmesi, kullanıcıların sistemlerden aldığı bilgiye ne ölçüde güvenebileceği konusunda soru işaretleri oluşturdu.
Güncel olmayan bilgi sorunu, yalnızca siyaset veya spor gibi gündem başlıklarıyla sınırlı kalmıyor. Kamu yardımlarının miktarı, sosyal hakların koşulları, başvuru tarihleri ve yürürlükteki düzenlemeler gibi konularda da eski bilgiler yanlış yönlendirmelere neden olabilir.
Bu nedenle yapay zekânın verdiği bir sayıyı doğrudan kullanmadan önce rakamın hangi döneme ait olduğunu anlamak gerekiyor. Bir istatistiğin daha önce doğru olması, bugün de geçerli olduğu anlamına gelmiyor. Özellikle tarih içeren sorularda veri döneminin açıkça belirtilmesi ve mümkünse resmî açıklamalarla karşılaştırma yapılması büyük önem taşıyor.
Siyasi gelişmeler ve sosyal yardımlarda yanlış cevap riski
Araştırmanın en dikkat çekici bulgularından biri, sohbet botlarının güncel siyasi gelişmeleri takip ederken de hata yapabilmesiydi. Bir ülkede görev değişikliği yaşanması, yeni bir kararın yürürlüğe girmesi veya bir kamu görevlisinin görevden ayrılması gibi gelişmeler, eski bilgilere dayanan sistemler tarafından yanlış aktarılabiliyor.
İngiltere’deki başbakanlık göreviyle ilgili örnek bu durumu açık biçimde ortaya koydu. DeepSeek’in 15 Eylül’de verdiği yanıtta Keir Starmer’ın hâlâ başbakan olduğu belirtildi. Oysa araştırmada, Andy Burnham’ın temmuz ayında görevi devraldığı bilgisine dikkat çekildi. Böylece modelin güncel siyasi durumla uyuşmayan bir yanıt verdiği tespit edildi.
Bu tür hatalar, özellikle haber takibi yapan veya güncel gelişmeler hakkında bilgi edinmek isteyen kullanıcılar açısından önem taşıyor. Siyasi görevler, seçim sonuçları ve kamu yönetimindeki değişiklikler zaman içinde güncellenebildiği için eski bilgilerle hazırlanan bir yanıt, gerçeği yansıtmayabilir.
Sosyal yardımlar ve kamu destekleri de benzer riskler barındırıyor. Araştırmada, İngiltere’de sığınmacılara yapılan haftalık ödemelerle ilgili sorulara verilen cevaplar incelendiğinde bazı sohbet botlarının güncelliğini kaybetmiş tutarları kullandığı görüldü.
Haziran 2025’te değiştirilen haftalık ödeme tutarına rağmen bazı modellerin eski miktarı güncelmiş gibi aktardığı belirtildi. Önceki dönemde 8,86 sterlin olan tutarın 9,95 sterline yükseltilmesinin ardından da eski rakamın bazı yanıtlarda yer almaya devam etmesi, güncellik sorununun somut örneklerinden biri oldu.
Bu durum, yapay zekâdan alınan bilgilerin neden doğrudan uygulamaya konulmaması gerektiğini gösteriyor. Bir kişi herhangi bir yardımın miktarını, başvuru şartlarını veya hak kazanma koşullarını öğrenmek istediğinde yanlış bilgiye dayanarak hareket edebilir. Bu nedenle özellikle maddi haklarla ilgili sorularda ilgili kamu kurumunun güncel açıklamalarına başvurulması gerekiyor.
Türkiye açısından da benzer bir yaklaşım önem taşıyor. Emekli aylıkları, sosyal yardım ödemeleri, engelli destekleri, eğitim yardımları, vergi düzenlemeleri ve başvuru takvimleri gibi sık değişebilen konularda yapay zekâ yanıtları tek başına kesin bilgi olarak kabul edilmemeli. Güncel bir tutarın belirtilmesi, o tutarın hangi tarihte geçerli olduğunun da açıklanmasını gerektiriyor.
Araştırmanın ortaya koyduğu temel mesele, yapay zekânın hiçbir zaman doğru bilgi verememesi değil. Asıl sorun, doğru bilgiyle güncelliğini yitirmiş bilginin bazen aynı kesinlikte sunulması. Kullanıcı açısından iki yanıt arasındaki farkı yalnızca kullanılan dile bakarak anlamak mümkün olmayabilir.
Full Fact’ten yapay zekâ şirketlerine güncel kaynak çağrısı
Araştırmayı değerlendiren Full Fact İcra Kurulu Başkanı Chris Morris, yapay zekâ sohbet botlarının milyonlarca kişi tarafından giderek daha fazla kullanıldığına dikkat çekti. İnsanların neye hak kazandıkları, hangi desteği alabilecekleri veya bir kuralın değişip değişmediği gibi sorular için bu sistemlere başvurduğunu belirten Morris, yanıtların güvenilirliği konusunda daha fazla çalışma yapılması gerektiğini vurguladı.
Morris’in değerlendirmesinde öne çıkan nokta, yapay zekânın yanlış veya eksik bir bilgiyi de doğru bir bilgi kadar kendinden emin biçimde sunabilmesiydi. Bir yanıtın kesin bir üslupla verilmesi, arkasında yeterli kanıt bulunduğunu göstermiyor. Kullanıcılar açısından bu durum, yanlış bir cevabın doğruymuş gibi benimsenmesine yol açabiliyor.
Full Fact, yapay zekâ şirketlerinin zamana duyarlı sorularda canlı ve güvenilir bilgi kaynaklarını kontrol eden sistemler geliştirmesi gerektiğini savundu. Bunun yanında modellerin yanıtlarında kullandıkları kaynakları açıkça gösterebilmesi de talep edildi.
Bu öneri, yapay zekâ teknolojilerinin gelişiminde şeffaflığın önemini ortaya koyuyor. Bir sistemin yalnızca sonuç üretmesi değil, o sonuca hangi bilgiye dayanarak ulaştığını da açıklayabilmesi kullanıcıların yanıtı değerlendirmesini kolaylaştırabilir.
Örneğin bir sohbet botu, belirli bir yardım ödemesinin tutarını açıklarken ilgili kurumun güncel duyurusuna yönlendirme yapabilir. Bir seçim kuralıyla ilgili soruda ise yürürlükteki mevzuatın hangi bölümünün esas alındığını gösterebilir. Böylece kullanıcı, verilen bilginin kontrol edilmesini sağlayacak somut bir dayanağa ulaşabilir.
Bununla birlikte kaynak göstermek de tek başına bütün sorunları ortadan kaldırmıyor. Bir kaynağın eski olması, soruyla ilgisiz bir bilgiyi içermesi veya verinin yanlış yorumlanması hâlinde kaynaklı bir yanıt da yanıltıcı olabilir. Bu nedenle kaynakların yalnızca belirtilmesi değil, gerçekten soruyla ilişkili ve güncel olup olmadıklarının da değerlendirilmesi gerekiyor.
Araştırmanın amacı, yapay zekâ sistemlerinin performansını tek seferlik bir değerlendirmeyle sınırlamamak ve zaman içinde gelişimlerini karşılaştırmaya imkân verecek bir kanıt tabanı oluşturmak olarak açıklandı. Bağımsız incelemelerin, şirketlerin kendi sistemlerini değerlendirmelerine ek bir kontrol mekanizması sağlayabileceği düşünülüyor.
OpenAI ise olgusal doğruluğun temel öncelikleri arasında bulunduğunu ve yeni modellerle hataların azaltılması için çalışmaların sürdüğünü bildirdi. Diğer şirketlerle de konuya ilişkin görüş almak üzere iletişime geçildiği aktarıldı.
Yapay zekâ kullanırken nelere dikkat edilmeli?
Araştırmanın sonuçları, yapay zekâ sohbet botlarının bilgi edinme sürecinde yararlı araçlar olabileceğini ancak her yanıtın doğrulanması gerektiğini gösteriyor. Bu sistemler karmaşık metinleri sadeleştirebilir, bir konu hakkında genel çerçeve sunabilir ve farklı bilgileri düzenli biçimde bir araya getirebilir. Ancak güncel gelişmelerde veya kesin rakam gerektiren sorularda hata ihtimali göz önünde bulundurulmalı.
Kullanıcıların özellikle şu noktalara dikkat etmesi gerekiyor:
- Tarih bilgisi kontrol edilmeli: Bir yanıtın hangi döneme ait olduğu incelenmeli. Geçmişte geçerli olan bir düzenleme bugün değişmiş olabilir.
- Resmî kaynaklar incelenmeli: Kamu yardımları, vergiler, seçim kuralları ve yasal haklarla ilgili bilgiler ilgili kurumların açıklamalarıyla karşılaştırılmalı.
- Sayısal veriler doğrulanmalı: İstatistiklerin hangi tarih aralığını kapsadığı ve hangi verilerden hesaplandığı kontrol edilmeli.
- Kaynakların niteliğine bakılmalı: Yanıtta gösterilen belgelerin gerçekten ilgili konuyu destekleyip desteklemediği değerlendirilmeli.
- Kesin ifadeler kanıt olarak görülmemeli: Akıcı ve kendinden emin bir anlatım, bilginin doğru olduğunu tek başına kanıtlamaz.
Bu adımlar, yapay zekâdan tamamen vazgeçmek anlamına gelmiyor. Aksine, bu teknolojinin güçlü yönlerinden yararlanırken sınırlılıklarını da dikkate alan daha bilinçli bir kullanım yaklaşımını ifade ediyor.
Özellikle haber editörlüğü ve içerik üretimi açısından doğrulama süreci ayrı bir önem taşıyor. Yapay zekâ tarafından oluşturulan bir metin, araştırma ve taslak hazırlama aşamalarını hızlandırabilir. Ancak haberin yayımlanmasından önce kişi adları, görevler, tarihler, rakamlar ve açıklamaların doğruluğu ayrıca kontrol edilmeli. Bir yanlış bilginin akıcı bir metin içinde yer alması, onun haber olarak kullanılmasını güvenli hâle getirmiyor.
Sonuç olarak beş büyük yapay zekâ sohbet botu üzerinde gerçekleştirilen inceleme, teknolojinin gelişmesine rağmen doğruluk, tutarlılık ve güncellik konularında çözülmesi gereken sorunlar bulunduğunu ortaya koydu. Sistemlerin çoğu zaman doğru yanıtlar vermesi önemli bir avantaj olsa da zaman zaman eski bilgiler sunmaları veya aynı soruya farklı cevaplar vermeleri, bağımsız denetimin gerekliliğini gösteriyor.
Yapay zekânın gelecekte daha güvenilir bir bilgi aracına dönüşmesi için yalnızca daha hızlı ve akıcı yanıtlar üretmesi yeterli olmayacak. Güncel kaynakları doğru kullanması, belirsizlikleri açıkça belirtmesi ve verdiği bilgilerin dayanaklarını gösterebilmesi de gerekecek. Kullanıcılar açısından ise en önemli kural değişmiyor: Yapay zekâdan alınan yanıtı başlangıç noktası olarak değerlendirmek, özellikle önemli kararlar öncesinde bilgiyi güvenilir kaynaklardan doğrulamak gerekiyor.
