İçeriğe geç
Pazartesi, 16 Kasım 2026Yapay zekâ · sade Türkçe · denenmiş@yapaytu
YAPAYTU

NBER araştırması: Yapay zekâyla başarı öğrenmeye yetmeyebilir

NBER'de yayımlanan patent araştırmasında yapay zekâ taslak kalitesini artırdı. Araç kaldırıldığında genç hukukçularda ortalama öğrenme kazanımı görülmedi.

Yapay TU Editör · 3 dk okuma
Yapay zekâyla çalışmak öğrenmek mi?
Kısa cevap

NBER'de Eylül 2026'da yayımlanıp ekimde güncellenen, Google'ın finanse ettiği araştırma 133 patent hukukçusunu izledi. Yapay zekâ desteği taslak kalitesini artırdı; üç ay sonra araçsız yapılan incelemede kazanım deneyimli hukukçularda görüldü, gençlerde ortalama bir artış bulunmadı.

Yapay zekâ yardımıyla daha iyi bir iş teslim etmek, aynı işi tek başına yapmayı öğrendiğin anlamına gelmeyebilir. NBER'de yayımlanan ve The Decoder'ın 24 Ekim'de gündeme taşıdığı bir saha araştırması, patent hukukçularında bu farkı ölçtü. Google'ın finanse ettiği deneyde yapay zekâ taslak kalitesini artırdı; yardım kaldırıldığında genç hukukçuların ortalama puanında kazanım görülmedi. Araştırma, iş yerindeki yapay zekâ eğitimlerinde teslim edilen dosyanın kalitesiyle çalışanın öğrendiklerini ayrı ölçmek gerektiğini düşündürüyor.

Araştırmacılar neyi ölçtü?

NBER'nin ekimde güncellenen araştırma özetine göre ekip, ABD'deki 11 fikrî mülkiyet hukuku bürosunda çalışan 133 patent hukukçusuyla üç aylık rastgele atamalı bir deney yaptı. David Autor ve çalışma arkadaşlarının araştırması ilk kez Eylül 2026'da yayımlandı.

The Decoder'ın aktarımına göre katılımcıların üçte ikisi Google Labs'in henüz yayımlanmamış InFlow adlı yapay zekâ asistanına erişti. Kalan grup aynı görevleri yapay zekâ yardımı almadan tamamladı. İlk iki görev patent istemi hazırlamaktı; burada istem, patent başvurusunda koruma talep edilen kapsamı anlatıyor.

Üçüncü görevde bütün katılımcılar mevcut bir patent taslağını yapay zekâ kullanmadan inceleyip düzeltti. Böylece araştırmacılar, araç açıkken üretilen işin kalitesiyle araç kapalıyken kullanılan mesleki muhakemeyi ayrı ayrı değerlendirdi. Çalışmaları, katılımcıların hangi grupta olduğunu bilmeyen uzman patent hukukçuları puanladı.

Yapay zekâ desteği hangi işleri iyileştirdi?

Araştırmada yapay zekâya erişen grup, hem 10. hem de 90. gündeki patent taslağı görevlerinde kontrol grubundan daha yüksek puan aldı. NBER özeti, artışın genç hukukçularda daha büyük olduğunu belirtiyor. The Decoder, araştırmanın yedi yıldan az deneyimi olanları genç grup içinde değerlendirdiğini aktarıyor.

Değerlendirme, metnin anlaşılabilirliğinin yanında teknik doğruluğu ve hukuken uygulanabilirliği de kapsıyordu. The Decoder'a göre puanlardaki yükselişin çoğu, düşük puanların azalması ve orta düzey puanların artmasıyla ortaya çıktı. En yüksek puanlarda belirgin bir hareket görülmedi.

Yapay zekâsız inceleme görevinde ise tablo değişti. Yardım alan grubun genel üstünlüğü bütünüyle deneyimli hukukçulardan kaynaklandı. Genç hukukçuların ortalamasında artış yoktu; puan dağılımında hem düşük hem de iyi sonuçlar çoğalırken orta düzey sonuçlar azaldı. Genç gruptaki bu farklılaşmanın nedeni deneyde açıklığa kavuşmadı.

Bulguların sınırı nerede?

Araştırma, üç aylık patent çalışmasını ölçüyor; genç çalışanların bütün mesleklerde beceri kaybettiğini göstermiyor. NBER özeti, mevcut uzmanlığın yapay zekâyla çalışırken kalıcı beceri edinmek için bir önkoşul olabileceğini söylüyor. Bu, araştırmacıların bulgulara getirdiği yorum; herkes için doğrulanmış bir kural olarak sunulmamalı.

The Decoder'ın aktardığı sınırlılıklar arasında küçük örneklem ve başlangıç becerilerinin ayrıca ölçülmemesi var. Katılan bürolar bütün profesyonel hizmet sektörünü temsil etmiyor. Üç ay da patent uzmanlığının yıllara yayılan gelişimini izlemek için kısa. Deney, genç katılımcıların neden farklı sonuçlar elde ettiğini tek başına açıklamıyor.

Finansman ilişkisi de açık: NBER sayfasına göre deneyi Google yürüttü ve doğrudan maliyetlerini karşıladı. Yazarlar arasında Google çalışanları ve Google'la ücretli çalışma ilişkisi bulunan bir araştırmacı var. Metin NBER çalışma makalesi olarak yayımlanıyor; sonuçları değerlendirirken kullanılan özel asistanı ve bu araştırma koşullarını birlikte hesaba katmak gerekiyor.

Bizim yorumumuz: eğitime araçsız bir kontrol ekle

Bizce bu çalışmanın iş yerlerine en yararlı katkısı, eğitim değerlendirmesine ayrı bir araçsız görev ekleme fikri. Bir çalışanın yapay zekâyla hazırladığı dosyayı başarılı bulduysan, benzer bir dosyadaki hataları kendi başına açıklamasını da isteyebilirsin. Bu kontrolün amacı, hangi konuda ek açıklama gerektiğini görmek olmalı. Çalışana nerede takıldığını anlatma fırsatı ver; ihtiyaç duyduğu eğitimi birlikte belirle.

Türkiye'de küçük bir ekiple çalışıyorsan bu yaklaşımı düşük riskli örneklerle deneyebilirsin. Müşteriye gönderilmeyecek bir ürün açıklaması hazırlat; ardından farklı bir örnekte eksik bilgileri çalışanın kendisinin bulmasını iste. Dosyanın düzeltilmiş halini teslim almakla yetinme. Yapılan değişikliğin gerekçesini konuşmak, kişinin hangi kararı anlayarak verdiğini değerlendirmene yardımcı olabilir.

Öğrenciysen benzer kontrolü kendi çalışma düzenine ekleyebilirsin. Yapay zekâdan yardım aldığın konuyu daha sonra yeni bir örnek üzerinde, sohbeti açmadan çözmeyi dene. Takıldığın adımı kaydet ve sonraki sorunu o adıma yönelt. Öğrenciler için yapay zekâ rehberindeki kullanım fikirlerini böyle bir kontrolle birlikte değerlendirebilirsin; bitmiş bir ödevin düzgün görünmesi tek başına konuyu anladığını göstermez.

InFlow için Türkiye'den erişim ve Türkçe desteği incelenen kaynaklarda açıklanmadı. Bu nedenle haberi okuyup aynı aracı kurabileceğin varsayımıyla plan yapma. Hâlihazırda kullandığın asistanda da kendi öğrenmeni ayrıca kontrol edebilirsin. Bunun için aşağıdaki kaydı bir sonraki çalışma oturumunda doldur; özellikle yardım almadan açıklayamadığın kararı sonraki tekrarına ayır.

text
Yapay zekâ yardımıyla tamamladığım görev:
Benzer bir örnekte yardım almadan yaptığım bölüm:
Gerekçesini açıklayamadığım karar:
Yeniden çalışacağım konu:

Sık sorulanlar

Yapay zekâ kullanmak mesleki beceriyi geliştiriyor mu?

Bu araştırmada yapay zekâyla hazırlanan patent taslaklarının kalitesi arttı. Ancak üç ay sonra yapay zekâ olmadan yapılan incelemede kazanım deneyimli hukukçularda görüldü; genç hukukçularda ortalama artış bulunmadı.

Araştırmada ChatGPT mi kullanıldı?

The Decoder'ın aktarımına göre katılımcılar Google Labs'in henüz yayımlanmamış InFlow adlı patent hazırlama asistanını kullandı. Bulgular doğrudan ChatGPT veya başka bir genel amaçlı asistanın başarısını ölçmüyor.

InFlow Türkiye'den kullanılabiliyor mu?

Haberde InFlow'un henüz kamuya sunulmadığı belirtiliyor. İncelenen kaynaklarda Türkiye'den erişim ve Türkçe desteği açıklanmadı.

#google#nber#arastirma#yapay-zeka#egitim
E-bülten

Haftada bir e-posta. Sadece işe yarayanlar.

Haftanın en iyi yapay zekâ araçları ve yeni rehberler. İstediğin an tek tıkla çık.

Adresine bir onay e-postası gelir. Aydınlatma metni
Sıradaki yazı DeepTutor: kendi notlarınla çalışan ücretsiz yapay zekâ öğretmen

Videolarda bu konuTümü

Bunları da okuyun